基于EEMD,SVM和ARMA组合模型的电价预测

• 作者: 张金良 王明雪
• 来源期刊: 电力需求侧管理
• 学科: 工学
• 关键词: 电价预测 集成经验模态分解 支持向量机 自回归移动平均模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究与探讨
• 页码范围: 63-68
• 页数: 6页
• 分类号: TM715|F416
• 字数: 4234字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-1831.2020.03.013

摘要

随着我国电力体制改革的不断深入,售电公司作为电力市场的主要参与者,其主要获利方式是从电力市场中购买电量并销售给用户.因此准确预测现货市场电价变化趋势,是售电公司降低购售电风险的重要保障.为此,根据现货市场中电价的特性,提出基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)、支持向量机(support vector machine,SVM)和自回归移动平均模型(autoregressive mowng average,ARMA)的组合预测模型.首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列;其次,利用遗传算法(genetic algorithm,GA)优化的SVM预测高频分量,利用自回归移动平均模型预测低频分量;最后将各子序列的预测结果求和作为最终预测结果.用美国售电公司真实数据进行预测,并与其他模型进行比较.算例结果表明所提模型的预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张金良	华北电力大学经济与管理学院	26	431	8.0	20.0
2	王明雪	华北电力大学经济与管理学院	2	0	0.0	0.0