電力市場(chǎng)條件下的短期電價(jià)預(yù)測(cè)研究.pdf

1、電力市場(chǎng)下的電價(jià)預(yù)測(cè)是十分復(fù)雜的問題，短期電價(jià)預(yù)測(cè)是本文研究的重點(diǎn)。電價(jià)序列是一個(gè)時(shí)間序列，由于受眾多因素的影響，電價(jià)曲線具有多周期性、波動(dòng)性大、多個(gè)價(jià)格尖峰等特點(diǎn)，因此要比負(fù)荷預(yù)測(cè)難得多。 本文采用自組織數(shù)據(jù)挖掘組合預(yù)測(cè)模型對(duì)短期電價(jià)預(yù)測(cè)問題進(jìn)行研究，它可以實(shí)現(xiàn)對(duì)預(yù)測(cè)模型的優(yōu)化組合，其中本文所采用的三個(gè)單一預(yù)測(cè)模型分別是累積式自回歸-滑動(dòng)平均(ARIMA)模型、基于減法聚類的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)(ANFIS)模型、殘差周期修正的

2、灰色模型。這三個(gè)單一模型的特點(diǎn)是：ARIMA模型利用歷史電價(jià)數(shù)據(jù)建立電價(jià)的時(shí)間序列模型，認(rèn)為影響電價(jià)的各種因素已隱含在歷史電價(jià)數(shù)據(jù)當(dāng)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(yīng)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，然后利用混合學(xué)習(xí)算法訓(xùn)練自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的前件參數(shù)和結(jié)論參數(shù)，最后輸入影響未來日電價(jià)的相關(guān)因素于訓(xùn)練好的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)中進(jìn)行電價(jià)預(yù)測(cè)；殘差周期修正灰色模型改進(jìn)了初值

3、條件，進(jìn)行殘差周期修正能跟蹤波動(dòng)性變化的電價(jià)曲線，更精確的反映原始數(shù)據(jù)的變化規(guī)律。 在建立上述三種模型的基礎(chǔ)上，應(yīng)用自組織數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)了多個(gè)模型的優(yōu)化組合，并充分利用了單個(gè)預(yù)測(cè)模型的信息。這種組合預(yù)測(cè)方法的優(yōu)點(diǎn)是：采用非線性組合方式，所建立的模型具有顯式表達(dá)，可以直接用于建模結(jié)果的分析和解釋，此外，它是利用新信息來選擇最優(yōu)復(fù)雜度模型，從而保證模型具有較好的預(yù)測(cè)能力。 采用美國(guó)加州電力市場(chǎng)公布的電價(jià)數(shù)據(jù)分別建立了三個(gè)