【الهدف】 نظرًا لصعوبة نماذج توقع السلاسل الزمنية التقليدية في التقاط التقلبات غير الخطية متعددة المقاييس وخصائص الاعتماد طويل المدى في نفس الوقت، ما يؤدي إلى دقة منخفضة لتوقع أسعار الكهرباء قصيرة الأجل في سوق الكهرباء الفوري، تم اقتراح طريقة توقع أسعار الكهرباء قصيرة الأجل تعتمد على دمج بقايا Mamba العالمية. 【الطريقة】 تسبق الطريقة بفصل تسلسل أسعار الكهرباء إلى مكون الاتجاه والمكون المتبقي باستخدام مرشح المتوسط المتحرك، مع تضمينها في فضاء الميزات عالي الأبعاد؛ ثم تم تصميم مشفر Mamba متوازي يضم فرعين: فرع الارتباطات المتغيرة وفرع التفاعل بين الميزات، لاستخلاص خصائص الديناميكيات المحلية والعالمية لتسلسل أسعار الكهرباء من بعدي الترابط بين المتغيرات والتفاعل بين الميزات؛ يتم دمج الخصائص المحلية والعالمية المجمعة وإدخالها في آلية تعلم البقايا العالمية لتحقيق دمج إضافي للمعلومات المتغايرة الأصلية، مما يخفف من تدهور التدرج ويعزز قدرة التقاط الميزات متعددة المقاييس؛ وأخيرًا يتم تحسين المعلمات الفائقة الرئيسية للنموذج باستخدام خوارزمية التحسين البايزية. 【النتائج】 تم التحقق من التوقع لمدة 24 ساعة لأسعار الكهرباء باستخدام بيانات فعلية من مشغل سوق الطاقة الأسترالي، وأظهرت النتائج أن متوسط الجذر التربيعي للخطأ في النموذج المقترح انخفض بنسبة 29.22٪ و35.33٪ مقارنة بنموذج Mamba المرجعي ونموذج الشبكة العصبية ذاكرة قصيرة وطويلة المدى LSTM على التوالي، مما يؤكد فعالية الطريقة في تحسين دقة توقع أسعار الكهرباء قصيرة الأجل. 【الاستنتاج】 أكدت تجربة الإزالة دور وحدة تفكيك السلسلة الأساسية بالإضافة إلى الموقع الحاسم لفرع ارتباط المتغيرات في الهيكل ذو الفرعين، كما أن إدخال الاتصال المتبقي العالمي حسّن بشكل ملحوظ استقرار تدريب النموذج وقدرته على التمثيل المميز.

نموذج Mamba;تعلم البقايا;سوق الكهرباء الفوري;توقع أسعار الكهرباء;التحسين البايزي