准确的电力负荷 边际电价联合预测有助于电力系统调度 ，同时也是电力系统运行和维护中最重要的任务 之一 。 现有的独立预测方法割裂了负荷与边际电价之间的关系 ，影响预测精度 ，为此提出一种基于大数据的负 荷 边际电价联合预测方法 。 首先以门限循环单元（gated recurrent unit ， GRU）为基础 ，建立人工智能模型分别 对负荷 边际电价进行预测 ；然后分别以历史温度与实时温度间的差值 Δ T 、 历史负荷与实时负荷间的差值 Δ P 为基础 ，通过建立以多层感知器（multilayer perceptron ，MLP）为基础的预测误差补偿模型 ，分别对负荷 边际电 价的预测结果进行修正 ；最后将 GRU 的输出与 MLP 的输出叠加计算得到负荷 边际电价联合预测结果 。 算例验 证表明 ：与传统方法相比 ，所提方法减少了 13.4％ 的负荷预测误差 ，减少了 71％ 的边际电价预测误差 。
