基于LSTM-Attention模型的电力现货价格波动预测与交易策略优化
2026.06.05点击：
摘要：<正>针对高比例新能源渗透下电力现货价格非线性、高波动性的特征,以及传统预测模型对关键特征动态捕捉能力不足的问题,本文提出了LSTMAttention混合预测模型,并基于预测结果设计了交易策略优化方案。首先,以甘肃、湖南电力现货市场为研究对象,采集2024年历史电价、负荷、新能源出力、气象及碳价数据,通过最大信息系数(MIC)筛选核心特征;其次,构建了含128个记忆单元的LSTM层与动态权重计算的Attention层,实现价格精准预测;最后,设计了风险中性套利、碳-电协同优化及动态仓位调整三类策略,并通过实证验证效果。结果表明,该模型测试集均方根误差(RMSE)为12.3元/MWh,较单一LSTM降低12.3%;交易策略在湖南市场实证中,年化收益率达9.2%,最大回撤较基准策略降低8.5%。
专辑： 信息科技;工程科技Ⅱ辑;经济与管理科学
专题： 电力工业;自动化技术;工业经济
分类号： F426.61;TP183
- 上一篇：大数据环境下的智能信息检索技术分析 2026/6/5
- 下一篇：数据驱动的焊接机器人参数自优化——基于IoTDB的时序数据库 2026/6/4