时间序列分解在短期电价分析与预测中的应用.pdf

《时间序列分解在短期电价分析与预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第23卷第3期电力系统及其自动化学报VoI．23No．32011年6月ProceedingsoftheCSU—EPSAJun．2011时间谆列分解在短期电价分析与预测中的应用熊高峰，韩鹏，聂坤凯(湖南大学电气与信息工程学院，长沙410082)摘要：为了提高短期电价预测的精度，将电价分解成工作日电价和周末电价两个时间序列，并且，通过移动平均法和离散傅立叶变换，分别将这两个时间序列分成趋势分量、周期分量和随机分量三个组成部分，然后，分别采用移动平均法、外推法和最小二乘支持向量机对这三个组成部分进行预测以求得两个电

2、价时间序列未来的预测值。仿真结果表明，与采用传统BP神经网络法的预测方法相比，该方法具有较高的预测精度，其预测绝对百分比误差在7以内。关键词：电价预测；最小二乘支持向量机；时间序列分解；移动平均法；离散傅里叶变换中图分类号：TM73文献标志码：A文章编号：1003—8930(2011)030095—06ApplicationofTimeSeriesDecompositiontoShort·termElectricityPriceAnalysisandForecastingXIONGGao—feng，HANPe

3、ng．NIEKun—kai(CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082，China)Abstract：Toimprovetheaccuracyofsh0rt—termelectricitypriceforecasting，origina1timeseriesofelectricitypricesarefirstlydecomposedintoweekdayseriesandweekendseries．A

4、ndthen，byusingmovingaveragemethodanddiscreteFouriertransformthesetwoseriesarefurtherdividedintothreecomponents：trendcornponent，periodiccomponentandrandomcomponent．Toobtaintheforecastedvaluesofthesetwotimeseriesofelectricityprices，thesethreecomponentsarefore

5、castedusingmovingaveragemethod，extrapolationmethodandleastsquaresupportvectormachine，respectively．Simulationresuhsshowthat，comparedwithtraditionalBPneuralnetworkmethod，theproposedmethodinthispaperhashigherpredictionaccuracy，andthemeanabsolutepercentageerror

6、sarewithin7．Keywords：electricitypriceforecasting；leastsquaresupportvectormachine；timeseriesdecomposition；movingaveragemethod；discreteFouriertransform在电力市场中，准确的电价预测不仅有助于统中，该方法较难实施。后者主要通过分析影响电发电企业构造最优报价策略，实现自身利益最大价的主要因素、建立合适的数学模型来对电价进行化，而且有助于用户降低使用成本。因此，电价的分预

7、测。相对于前者而言，该类方法具有建模简单和析和预测是电力系统中的一个重要研究领域。易于实施的特点，因此，成为电价预测研究的主要到目前为止，电价预测的方法大致可以分为两方法。目前已提出的数学模型主要有时间序列法类_1]：一类是基于实际物理仿真模型的预测方法；(自回归模型和差分自回归滑动平均模型等)l2’。]另一类是基于数学建模的预测方法。前者通过对电和神经网络法l4等。但是，由于电价不仅受到负力系统和定价过程进行详细模拟来预测电价。该方荷需求和发电机组的影响，而且也受到网络结构、法有助于对电价曲线进行详细了解，

8、但是，它需要发电厂商报价策略及天气状况等的影响，因此，电大量的系统参数和市场信息，因此，在大型电力系价时间序列的演化过程十分复杂，存在很强的随机收稿日期：2009—10—12；修回日期：20091211·96·电力系统及其自动化学报第23卷波动性。这使得采用传统的时间序列法或人工神经厂()一MA(n)一H三∑；()，￡≥n+1(1)网络法来对电价进行预测时效果往往不是很理想，n有必要进一步改进预测方