基于图数据分割的子图集成学习方法及在电价预测领域的应用

作     者：杨家俊 余涛 余盛灿 陈鑫沛 吴毓峰 卢冠华 YANG Jiajun;YU Tao;YU Shengcan;CHEN Xinpei;WU Yufeng;LU Guanhua

作者机构：华南理工大学电力学院广东省广州市510640 

出 版 物：《电力信息与通信技术》 (Electric Power Information and Communication Technology)

年 卷 期：2023年第21卷第8期

页      面：59-67页

学科分类：0202[经济学-应用经济学] 02[经济学] 020205[经济学-产业经济学] 

基　　金：国家自然科学基金委员会–国家电网公司智能电网联合基金(U2066212) 

主　　题：图神经网络 图数据分割 集成学习 子图分解 子图聚合 电价预测 

摘      要：目前的日前电价预测模型往往在欧式空间下进行建模,而许多研究表明图神经网络技术在各领域都具有优良的性能,但存在难以叠加多层以及鲁棒性不强等问题,因此,为进一步提升电价预测精度及图神经网络算法性能,提出基于图数据分割的子图集成学习方法,算法首先通过对区域电价多源信息进行图数据建模,形成具有边信息和节点信息的电价图数据,然后借鉴集成学习的思想,通过将电价图数据进行分割,形成多个子图数据,利用图卷积对每个子图进行图学习,最后将每个子图学习结果进行聚合,形成一层多子图学习层,所提方法适用于不同的图卷积核以及不同的下游任务场景,最后为日前电价预测任务构建预测模型。利用美国电力市场的运营数据进行算例分析,通过与对照算法对比及不同的图卷积核对比,证明所提算法具有更好的预测精准度。