基于电力交易平台大数据的多区域电价预测研究

• 作者: 刘亚 包俊 向德军 李呈虎 黄康乾 黄靖茵
• 来源期刊: 电气应用
• 关键词: 电网大数据 机器学习 电力交易 电价预测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 应用研究
• 页码范围: 36-41
• 页数: 6页
• 语种: 中文

摘要

随着电力市场的发展,电力交易的实时数据通常来自于电力交易平台,但随着电力交易量的增加,电力交易平台用电成本逐渐增加.为此,基于多区域电力大数据,采用机器学习的方法,研究了电力价格建模和预测方法,通过分别采用线性回归、决策树和M5P三种机器学习算法,对同一组数据集进行训练、预测和比对,得出最佳学习算法,最后利用预测数据与实际数据对比计算误差,并讨论了电价预测准确性及其影响的主要因素.研究结果表明M5P算法具有最为准确的预测性能,建立的预测模型能够准确预测最低电价以及电价变化趋势,但是对短期电价波动的预测存在一定误差,误差主要来源于电价自身具有的时间序列性质.