《ADVANCED ENGINEERING INFORMATICS》:A market-rule-informed neural network for efficient imbalance electricity price forecasting
编辑推荐:
研究人员提出了一种市场规则驱动的神经网络(MRINN)作为紧凑的规则驱动神经预测模型。该模型以原始市场信号为输入,在隐空间内将不平衡电价形成规则嵌入为可微算子,避免了从滞后价格中重新学习已知确定性映射所带来的信息损失。与现有纯数据驱动的深度模型相比,MRINN
研究人员提出了一种市场规则驱动的神经网络(MRINN)作为紧凑的规则驱动神经预测模型。该模型以原始市场信号为输入,在隐空间内将不平衡电价形成规则嵌入为可微算子,避免了从滞后价格中重新学习已知确定性映射所带来的信息损失。与现有纯数据驱动的深度模型相比,MRINN以约90%更少的参数量取得了具有竞争力的概率预测精度,并通过分量消融与经验缩放定律分析揭示了工程部署洞见。研究人员发布了开源数据与代码以支持可复现的工程化人工智能研究。该工作表明,将透明市场规则作为结构先验注入轻量级网络,可在平衡市场算法交易、边缘侧电池投标等资源受限场景中实现高精度且低开销的不平衡电价概率预测。
研究背景方面,电力市场按日前、日内与平衡市场顺序组织,不平衡电价由预定义市场规则将系统不平衡量、激活备用价格等可观测信号映射而成。已有文献多聚焦日前与日内电价预测,不平衡电价预测相对不足,且既有方法常将其视为普通时间序列,用多层感知机(MLP)、长短期记忆网络(LSTM)或注意力双向LSTM(AttnBiLSTM)等纯数据驱动模型从滞后价格中重学规则,忽视规则先验。由于滞后价格仅是原始市场状态的有损压缩,不同原始特征组合可对应同一价格,构成非可逆映射问题,仅用滞后价格会丢失运行场景区分信息。同时,平衡市场规则随国家与竞价区而异,且实时信号可能存在发布延迟与通信中断,因此亟需将规则知识嵌入轻量模型以应对工业部署的资源约束。
研究人员开展了以奥地利平衡市场2022至2025年15分钟分辨率数据为基础的研究,提出MRINN。该模型将原始特征(自动频率恢复备用aFRR、手动频率恢复备用mFRR激活量与价格、日前与日内指数、系统不平衡量Vt等)投影至隐空间,把三个价格分量——平衡能源分量Ptbal、市场参考分量Ptmkt、稀缺性分量Ptscar的显式规则实现为可微算子:min/max用softplus近似,绝对值用√(a2+ε),符号用tanh,除法加ε稳定,if-else用softmax软选择,预定义常数C1…C10经RobustScaler按物理单位组变换后广播至隐维度h。隐表示经分层分位数头输出无交叉的分位数预测,以平均分位数损失(AQL)优化。在三折滚动评估中与朴素持久、滞后价格线性分位数回归(LQR)/XGBoost/MLP、原始特征AttnBiLSTM/iTransformer/PatchTST/TimesNet/TimeXer对比。
关键技术方法上,研究人员采用奥地利平衡市场四年15分钟级多源信号,构建原始特征向量而非滞后价格输入;设计隐空间可微规则算子库将标量市场规则提升为向量运算;采用分层softplus分位数头保证分位数单调;以AQL为损失、三折滚动窗口严格防泄漏评估;并进行价格分量剔除消融与输入长度/预测步长缩放定律扫描。
研究结果部分,引言指出不平衡电价预测中非可逆压缩导致信息损失,引出原始特征与规则嵌入动机。数据章节显示不平衡电价较日前、日内波动更大且具长尾,Pearson线性相关弱而Spearman秩相关强,印证规则引出的非线性依赖;春夏季负价午间突出,秋冬季正价偏高。市场规则章节给出Pt=min/max(Ptbal,Ptmkt,Ptscar)依Vt符号取极值,及其三个分量的显式分段公式。MRINN章节阐明骨架投影、六类可微块与常数变换、分层分位数头与AQL损失。案例研究设置三折测试覆盖全年季节,基准含三类。模型比较表明MRINN以1817参数取得AQL 20.70、MAE 49.36、RMSE 277.33,较最优朴素基线AQL降18.63%,较最强滞后价格基线降8.04%,参数量较原始特征神经基线少约90%,训练0.82秒/轮、推理1.19秒,且AQCR为零无分位数交叉。价格分量消融表4显示去Ptscar致AQL升11.84%最大,去Ptbal致MAE升9.85%最大,去Ptmkt致RMSE升12.18%最大,三者互补。缩放定律图4显示短 horizon(<180分钟)下0与60分钟输入最优,长horizon(>180分钟)下1440分钟输入更优,印证近期信息主导短期、低频日常结构助长期。
讨论与结论翻译总结:研究人员指出,将原始信号压缩为滞后价格致信息损失,原始特征保留不确定感知所需信息;MRINN证明市场规则应与神经网络协同,在运营约束下支持资源高效、计算可持续的预测;分量消融确认各分量互补;缩放定律表明最优输入长度依赖预测步长。局限在于国别规则不可直迁,规则演进需同步更新;未来可探可微算子跨国复用与基础模型式框架。该文发表于《ADVANCED ENGINEERING INFORMATICS》,为运营能源系统中紧凑可部署不平衡电价预测模型提供实践指引。