电价预测的自适应支持向量机方法研究

被引：6

作者：

刘庆彪 ^{[1
,2
]}

张步涵 ^{[1
]}

王凯 ^{[1
]}

谢光龙 ^{[1
]}

机构：

[1] 华中科技大学电力安全与高效湖北省重点实验室

[2] 西宁供电公司

来源：

电力系统保护与控制 | 2008年 / 22期

关键词：

电价预测; 数据挖掘; 支持向量机; 自适应调整;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; F426.61 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 020205 ; 0202 ;

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。

引用

页码：34 / 39

页数：6

共 14 条

[1] 基于ν-支持向量机的边际电价预测及置信区间估计 [J].