基于混沌理论和支持向量机的电价预测

《基于混沌理论和支持向量机的电价预测》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、维普资讯http://www.cqvip.com第36卷第5期凳电力V01．36No．5EastChinaElectricPowerMav20082008年5月基于混沌理论和支持向量机的电价预测祝金荣，何永秀，FurongLi(1．华北电力大学工商管理学院，北京102206；2．DepartmentofElectronic&ElectricalEngineering，UniversityofBath，BathBA27AY，UK)摘要：根据电价时间序列的混沌特性，结合混沌理论和支持向量机方法提出了一种新的电价预测模型。该模型基于混沌理论对电价时间序列进行相空间重构，并根据相空间演变规律确定模型

2、的输入输出结构，然后采用支持向量机拟合相点演化的非线性关系。为增强模型的泛化推理能力，训练样本按照预测相点最近邻点原理选择。对美国PJM电力市场边际电价历史数据的仿真研究表明，文中提出的预测模型能有效、稳定地提高电价预测精度。关键词：电力市场；电价；混沌；支持向量机；预测方法作者简介：祝金荣(1973一)，男，博士，研究方向为电力市场理论、人工智能在电力系统中的应用。中图分类号：TM732；F224文献标识码：A文章编号：1001—9529(2008)05-0016-05ElectricitypriceforecastbasedOilchaotictheoryandsupportvector

3、machineZHU胁一rong，HEYong—xiu，Furong厶(1．SchoolofBusinessAdministration，NoahChinaElectricPowerUniv．，Beijing102206，China；2．Dept．ofElectronic&ElectricalEngineering，UniversityofBash，BathBA27AY，UK)Abstract：Accordingtothechaoticcharacteristicsoftheelectricitypricetimeseries，anewmodelofelectricitypriceforec

4、astbasedonthechaotictheol~~andthesuppo~vectormachine(SVM)ispresented．Inthismodel，thephasespaceoftimeserieselectricitypricedatawasrestructuredbasedonthechaoticthemy，theinputandoutputofthemodelweredeterminedintermsoftheevolvementlawofthephasespace．andtheSVMwasusedforfittingthenon—lineardevelopmentofp

5、hasepoints．Toenhancethegeneralizationabilityoftheforecastingmodel，thenearestneigh—boringpointsoftheforecastingphasepointswerechosenastrainingsamples．ThehistoricaldatafromthePJMmarketwasusedinthecasestudytoforecastthemarginalprice．Thesimulationshowsthattheproposedmodelcaneffective—lyandstablyimprove

6、theelectricitypriceforecastprecision．Keywords：electricitymarket；electricityprice；chaos；suppo~vectormachine(SVM)；forecastingmethod目前最主要的电价预测方法有两类：时间序支持向量机(Supportvectormachine，以下简列法和神经网络法L44]。近年人们将混沌理称SVM)是在Vapnik建立的统计学习理论的论引入到电价预测中，并取得了不错的效果mJ。基础上发展起来的一种新的分类回归工具。它通但是，文献[7，8]只选取预报中心点的最近点作过结构风险最小化原则来

7、提高泛化能力，较好地为参考点，很容易受到单点演变偶然因素的影响；解决了小样本、非线性、高维数和局部极小点等实而文献[9，10]中使用BP神经网络进行预测虽然际问题，已经在模式识别、信号处理、函数逼近等可以避免单点非正常变化的影响，却仍然受到神众多领域得到了应用。经网络方法自身缺点的限制。神经网络方法采用本文在混沌理论的相空间重构基础上，将经验风险最小化准则，训练中最小化样本点误差，SVM作为预测器拟合相空间中