电价预测的自适应支持向量机方法研究

《电价预测的自适应支持向量机方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第36卷第22期电力系统保护与控制Vl01_36NO．222008年11月16日PowerSystemProtectionandControlNOV．16，2008电价预测的自适应支持向量机方法研究刘庆彪，张步涵，王凯，谢光龙(1．华中科技大学电力安全与高效湖北省重点实验室，湖北武汉430074；2．西宁供电公司，青海西宁810003)摘要：在电力市场中对电价进行准确的预测无论对于发电商、电力用户还是市场运营者都具有重要的意义，该文突破了传统电价预测方法基于经验风险最小化的局限性，采用数据挖掘技术实现了数据隐含特征的提取，通过判断数据特征进行了核函数的选择，采用遗传算法实现了计算

2、参数的自适应调整，并用相似样本和邻近样本训练支持向量机，对预测结果进行了去噪声合成。利用澳大利亚NSW电力市场的数据进行了验证，单日预测的平均百分比误差(MAPE)为5．85％，明显优于神经网络和单纯支持向量机的预测结果。扩大样本长度进行研究，一周的预测结果表明该方法不但能够有效学习样本信息、去除电价毛刺，并能有效跟踪电价的突变情况，实现了学习适度的优良泛化性预测。关键词：电价预测；数据挖掘；支持向量机；自适应调整ResearchonSA—SVMmethodsforpriceforecastingLIUQing．biao，-，ZHANGBu—han，WANGKai，XIEGuan

3、g—long(1．ElectricPowerSecurityandHighEficiencyLab，HuazhongUniversityofScienceandTechnology，Wuhan430074，China；2．XiningPowerSupplyCompany，Xining810003，China)Abstract：Priceforecastingisofgreatimportanceinpowermarket，thispaperuseddataminingtechniquestoextractimplicitdataproperties，selectedkernelf

4、unctionsaccordingtodataproperties，madeuseofGeneticAlgorithm(GA)theorytorealizeSelf-AdaptingSupportVectorMachine(SA—SVM)，andthenusedsimilarsamplesandadjacencysamplestotrainSVMandsynthesisthefinalresultnoise—freely．WhenexaminingthismethodusingNSWmarketdatainAustralia，wefoundthatonedayforecasted

5、meanabsolutepercentageerror(MAPE)wasmuchbetterthanNeuralNetworkmethodandpureSupportVectorMachinemethod．Whenextendingforecastingsample，wefoundoneweekforecastedresultindicatedthatSA—SVMcouldnotonlystudyvaluableinformationandgetridofnoise，butalsotracepowerpricepeaksandgetqualityforecastingresult

6、sofgoodgeneralizationandproperstudy．Keywords：priceforecasting；datamining；supportvectormachine；self-adapting中图分类号：TM73文献标识码：A文章编号：1674—3415(2008)22—0034—06的定价方式仍然没有定论；其次，电价的影响因素0引言众多，除了系统供需情况、燃料价格等影响价格的对于电力市场的参与者来说，能够提前掌握准普通因素，还有发电商报价策略、输电阻塞、市场确的电价信息具有极其重要的作用。这种重要性主成员操作等非常规影响因素L3儿引。要体现在这样几个方面：

7、发电商可以提前安排生产，针对电价预测的复杂性，学者们已经提出了很采取正确的报价策略，获取最大的利润；电力用户多电价预测的方法，主要有：经验预测、趋势外推、可以合理选择购电方案，节约成本；电力市场运行回归模型、神经网络预测、时间序列、以及灰色预人员可以进行风险评估，合理安排市场运行，2]。正测、专家预测和小波分析预测等。这些方法各有因如此，电价预测已经成为当今学者研究的重点课利弊。其中，近来学者研究最多的是神经网络的预题之一。测方法，神经网络适合处理未知规律的数据，但相对于其他类型