Day-Ahead electricity price forecasting using a CNN-BiLSTM model in conjunction with autoregressive modeling and hyperparameter optimization
Notice bibliographique
Résumé
The inherent volatility in electricity prices exerts a significant impact on the dynamic nature of the electricity market, shaping the decision-making processes of its stakeholders. Precise Electricity Price Forecasting (EPF) plays a pivotal role in enabling energy suppliers to optimize their bidding strategies, mitigate transactional risks, and capitalize on market opportunities, thereby ensuring alignment with the true economic value of energy transactions. Hence, this study proposes an advanced deep learning model for forecasting electricity prices one day in ahead. The model leverages the synergistic capabilities of Convolutional Neural Networks (CNN) and bidirectional Long Short-Term Memory networks (BiLSTM), operating concurrently with an autoregressive (AR) component, denoted as CNN-BiLSTM-AR. The integration of the AR model alongside CNN-BiLSTM enhances overall performance by exploiting AR's proficiency in capturing transient linear dependencies. Simultaneously, CNN-BiLSTM excels in assimilating spatial and protracted temporal features. Moreover, the research delves into the implications of incorporating hyperparameter optimization (HPO) techniques, such as Particle Swarm Optimization (PSO), Genetic Algorithm (GA), and Random Search (RS). The effectiveness of the model is evaluated using two distinct European datasets sourced from the UK and German electricity markets. Performance metrics, including Root Mean Square Error (RMSE) and Mean Absolute Error (MAE), serve as benchmarks for assessment. Finally, the findings underscore the notable performance enhancement achieved through the implementation of HPO methods in conjunction with the proposed model. Especially, the PSO-CNN-BiLSTM-AR model demonstrates substantial reductions in RMSE and MAE, amounting to 16.7% and 23.46%, respectively, for the German electricity market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».