電力市場條件下的短期電價預測研究.pdf

1、電力市場下的電價預測是十分復雜的問題，短期電價預測是本文研究的重點。電價序列是一個時間序列，由于受眾多因素的影響，電價曲線具有多周期性、波動性大、多個價格尖峰等特點，因此要比負荷預測難得多。 本文采用自組織數據挖掘組合預測模型對短期電價預測問題進行研究，它可以實現對預測模型的優(yōu)化組合，其中本文所采用的三個單一預測模型分別是累積式自回歸-滑動平均(ARIMA)模型、基于減法聚類的自適應模糊神經網絡(ANFIS)模型、殘差周期修正的

2、灰色模型。這三個單一模型的特點是：ARIMA模型利用歷史電價數據建立電價的時間序列模型，認為影響電價的各種因素已隱含在歷史電價數據當中，模型物理意義明確、易理解；ANFIS模型基于 T-S模型(Takagi-Sugeno)，采用減法聚類方法確定自適應模糊神經網絡的結構，然后利用混合學習算法訓練自適應模糊神經網絡的前件參數和結論參數，最后輸入影響未來日電價的相關因素于訓練好的自適應模糊神經網絡中進行電價預測；殘差周期修正灰色模型改進了初值

3、條件，進行殘差周期修正能跟蹤波動性變化的電價曲線，更精確的反映原始數據的變化規(guī)律。 在建立上述三種模型的基礎上，應用自組織數據挖掘技術，實現了多個模型的優(yōu)化組合，并充分利用了單個預測模型的信息。這種組合預測方法的優(yōu)點是：采用非線性組合方式，所建立的模型具有顯式表達，可以直接用于建模結果的分析和解釋，此外，它是利用新信息來選擇最優(yōu)復雜度模型，從而保證模型具有較好的預測能力。 采用美國加州電力市場公布的電價數據分別建立了三個