Page 10 - 《中国电力》2026年第5期

2026 年 第 59 卷

节假日电价波动剧烈，Patch 机制通过将连续 4 个 相同的竞价空间段内电价有上升趋势，尤其是价
小时的负荷－价格数据打包为局部单元，能更好 格下限有明显上升。竞价空间高于 70 000 MW 时，
捕捉这种短时突变的关联性，而通道独立结构则 模型 A 预测明显偏低，并且预测价格与竞价空间
避免了多变量交互对局部突变特征的掩盖，两者 的分布更接近 8 月真实价格与竞价空间的分布情
协同提升了特殊场景的预测精度。 况。模型 D 预测的价格下限有所提高，预测价格
模型 D 对量价偏移现象有良好的适应性。竞 与竞价空间的分布与 月真实情况更相似。
9
价空间与预测、实际电价的分布如图 2 所示，在
3 结论
800 9月实际情况；
8月实际情况
600 本 文 针 对 电 价 预 测 问 题 ， 提 出 了 一 种 基 于
电价/(元·(MW·h) −1 ) 400 Transformer 的改进模型，并用广东电力市场 2024

月 的 日 前 电 价 数 据 进 行 了 实 验 验 证 ，
年
3
月 — 9
主要研究结论如下。
200
1）所提电价预测模型在不同场景（周末、工
作日、节假日）均展现出优异的预测性能，特别
0
30 40 50 60 70 80 90 是在周末和节假日等特殊场景，预测精度显著提
3
竞价空间/10 MW
a) 8月与9月实际电价随竞价空间 升。对于节假日电价预测，模型 D 的日 MAE 指
的分布
标较其他模型有明显下降，能够更好地体现电价
800 9月A模型预测； 下降的趋势。表明该模型不仅适用于常规的市场
9月实际情况；
8月实际情况
环境，也能有效应对特殊场景的电价波动，可为
600 电力市场主体在不同市场条件下提供可靠的决策
电价/(元·(MW·h) −1 ) 400 支持。 Patch 机制和通道独立结构，克

2）模型引入
Transformer 模型在处理时序预测问题上
服了传统
200
的局限性。Patch 机制通过将时间序列数据划分为
0
若干连续的时间段，使模型能够更好地提取局部
30 40 50 60 70 80 90
竞价空间/10 MW 时序信息，捕捉时间步之间的相互联系；通道独
3
b) 9月模型A预测电价与8月、9月
实际电价随竞价空间的分布 立结构降低了学习难度。这些改进措施使模型能
9月模型D预测； 够更全面地捕捉电价波动的内在规律，提高预测
800
9月实际情况；
8月实际情况 准确性。
3）实验结果表明，在模型与数据条件不变的
600
电价/(元·(MW·h) −1 ) 400 前提下，适当提高 Patch 维度和编码维度能够进
一步提升模型的预测性能，但过高的维度会导致

200 模型学习困难，预测偏差增大。
本文提出的基于 Transformer 的改进电价预测

0 模型能够为电力市场主体提供更准确的电价预测
30 40 50 60 70 80 90
竞价空间/10 MW 信息，助力电力市场的稳定运行和电力资源的合
3
c) 9月模型D预测电价与8月、9月 理配置。未来可进一步探索模型的可解释性，分
实际电价随竞价空间的分布
析模型预测结果背后的逻辑和原因，增强模型的
图 2 竞价空间与预测、实际电价的分布
透明度和可信度，拓展模型在其他电力数据分析
Fig. 2 Distribution of bidding space, predicted and
actual electricity prices 任务中的应用。

6