【الهدف】 أدى التكامل الكبير لمصادر الطاقة الجديدة إلى زيادة تقلبات الكمية والسعر في سوق الطاقة الفوري، مما يستدعي تحسين قدرة التنبؤ بأسعار الكهرباء. بناءً على بيانات فعلية من شاندونغ، تم بناء نموذج هجين LSTM-Transformer بهدف تحقيق تنبؤ دقيق بسعر الكهرباء في اليوم السابق، وتوفير الدعم لتشغيل السوق وإدارة المخاطر. 【الطريقة】 أولاً، خلال دمج الميزات متعددة الأبعاد، تم تحليل آلية تأثير العوامل الأساسية لسعر الكهرباء بشكل منهجي، وقياس قوة الارتباط الخطي باستخدام معامل ارتباط بيرسون، مما حسّن الطرق التقليدية التي كانت تعاني من ازدواجية الميزات واعتمادها على الخبرة مما أدى إلى عدم وضوح آلية التنبؤ وقلة الدقة. ثانيًا، من خلال دمج شبكات الذاكرة طويلة وقصيرة المدى (LSTM)، والآليات الذاتية الانتباه، وآليات الانتباه متعددة الطبقات لتحسين نموذج Transformer، تم إنشاء إطار هرمي يجمع بين استخراج الميزات الزمنية وقدرة نمذجة التبعيات العالمية، مما عزز التقاط العلاقات المعقدة طويلة وقصيرة الأمد في تسلسل أسعار الكهرباء. بالإضافة إلى ذلك، تم استخدام استراتيجية "الاستخراج العميق للميزات في المجال الزمني + تقييد الخسارة في المجال الترددي" لتحسين دقة التوافق مع تقلبات وقيم أسعار الكهرباء. في الوقت نفسه، تم إدخال نموذج الأيام المشابهة لبناء عينات ميزات ملائمة للواقع لزيادة دقة التنبؤ. 【النتائج】 أظهرت تحليلات الحوسبة أن نموذج هذا البحث قادر على العمل بثبات حتى في بيئة سوق معقدة ومتقلبة، مع تحسن كبير في دقة التنبؤ بسعر الكهرباء في اليوم السابق. 【الاستنتاج】 النموذج الهجين LSTM-Transformer الذي يجمع بين دمج الميزات متعددة الأبعاد واستراتيجية تقييد الخسارة في المجالات الزمنية والترددية يمكن أن يتعامل بفعالية مع تحديات تقلبات الكمية والسعر الناتجة عن التكامل العالي لمصادر الطاقة الجديدة، مقدماً حلاً عالي الدقة وعالي المرونة لتنبؤ سعر الكهرباء في السوق الفوري.

تنبؤ أسعار الكهرباء;شبكات الذاكرة طويلة وقصيرة المدى;نموذج Transformer;العوامل المؤثرة متعددة الأبعاد