利用 LSTMs 进行日前电力价格和波动率的概率预测
原文中文，约400字，阅读约需1分钟。发表于：。准确预测电力价格对于电力系统管理和智能应用的发展至关重要。本研究提出了一种用于德国 - 卢森堡次日电力价格的长短期记忆（LSTM）模型，通过应对俄罗斯入侵乌克兰后欧洲电力价格的大幅上涨和高度波动等挑战，来应对现有预测方法的局限。LSTM 的循环结构允许该模型适应价格趋势，同时通过同时预测均值和标准差，实现了概率性预测。使用超统计学的物理启发方法来解释价格的统计特性，本研究表明 LSTM...
该研究提出了一种基于LSTM模型的建筑能源消耗预测方法，具有高准确性和高效率。该模型在住宅和商业建筑的短期、中期和长期能源预测方面表现出色，R2得分最高可达0.97，MAE最佳为0.007。该研究提供了一种优于其他方法的、普适性和可靠性强的LSTM模型，为能源预测做出了贡献。
