Page 7 - 《中国电力》2026年第5期

陈梓宏等：一种基于 Patch 机制与通道独立结构的改进 Transformer 日前电价预测方法 2026 年第 5 期

（1） 中，引入价格变化趋势变量，计算式为
B t = L t − P t
p t−24
式中： B t 为时刻 t的竞价空间； L t 为时刻 t 的统调 ∆R t = 1− （2）
p t−48
负荷； P t 为时刻 t 的非市场化机组出力之和，广
式中： ∆R t 为时刻 t的价格变化趋势； p t−24 与 p t−48
东省级市场中， P t 包括西电东送出力、省港澳联
分别为时刻 t的 1 天前与 2 天前的电价。
络线出力、地方电源出力以及 A 类电源出力。
1.4 负荷变化量
2023 年竞价空间与现货日前电价分布关系如
为了保持电力供需平衡，发电机组出力会跟
图 1 所示。
随负荷动态调整，但是改变机组出力受到机组爬
坡能力的限制，在负荷变化剧烈的情况下可能导

1 200 1月； 7月；
2月； 8月； 致电力供需不平衡进而影响电价。为了凸显这一
3月； 9月；
1 000 4月； 10月； 影响因素，引入负荷变化量 [23] ，计算式为
5月；
11月；
电价/(元·(MW·h) −1 ) 800 6月； 12月 式 中 ： ∆L t 为 时 刻 t的 负 荷 变 化 量 ； L 为 时 刻 （3）
∆L t = L t − L t−1
600
t 的
t
400

200 负荷。
0 2 算例分析
10 20 30 40 50 60 70 80 90

3
竞价空间/10 MW
2.1 评估指标
图 1 竞价空间与现货日前电价的分布关系
为 评 估 实 验 效 果 ， 综 合 参 考 了 均 方 根 误 差
Fig. 1 Distribution relationship between bidding space
（root mean square error，RMSE）、平均绝对误差
and spot day-ahead electricity price
（mean absolute error，MAE）、对称平均绝对百分
1.2 时间因素 比 误 差 （ symmetric mean absolute percentage error，
当竞价空间低至一定程度时，电价分布会出 SMAPE）等评估指标。其中 MAE 能够直接反映
现一定随机性，这类样本数量占比少，导致模型 偏差的大小，而 RMSE 会对预测偏差较大的样本

学习困难。在广东省级现货市场中，当竞价空间 赋予更高权重、突出其影响，可体现预测偏差的
下降至 30 000 MW 左右时容易出现这种现象。这 极端情况；SMAPE 则能够衡量相对真实值量级的
类样本主要出现在台风天、节假日等负荷骤降的 预测偏差。

特殊场景，且集中分布在 11:00—13:00，说明其 2.2 实验设置

随机性背后仍存在时间关联性。因此，本文引入 2.2.1 数据集
时间表征概念，对特殊场景赋予时间描述，帮助 实 验 数 据 集 选 择 广 州 电 力 交 易 中 心 发 布 的
模型识别特殊场景的共性特征。时间表征包括 2 2024 年 3 月—9 月的广东省电网运行数据以及节
个因素：1）时刻，即样本所属时间的小时；2）是
点日前电价，时间单位为 h。其中，节点日前电
否为节假日，布尔类型数据，用 1 代表节假日，
价 分 别 选 取 了 节 点 A 和 节 点 B 作 为 不 同 的 数 据
0 代表非节假日。此外，考虑到负荷有比较强的
集。为了体现模型在不同数据集上的表现差异，
周末效应，即周末负荷明显下降，时间表征还引 对节点 A 和节点 B 的电价数据分别进行独立训练
入了星期的信息，用 1~7 表示星期一—星期日。
和测试，以确保结果的准确性。9 月作为实验测

1.3 价格变化趋势
试集，训练样本序列长度选择 14 天，选择距离预
竞价空间与电价分布关系随时间偏移（如图 1
测目标时间最近 30 天的训练样本。

所 示 ） ， 当 训 练 集 和 预 测 集 数 据 分 布 发 生 改 变
2.2.2 数据归一化
时，预测价格会产生较大偏差。这种现象说明，
对各输入变量做归一化操作，计算式为
除去电量需求以外还存在其他重要隐变量影响价 x−µ
′
x = （4）
格，由于这种隐变量影响会体现在历史价格曲线 σ
3