基于季节分类和RBF自适应权重的并行组合电价预测

• 作者: 刘譞 康慧玲 林琳
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 日前电价预测 季节分类 自适应权重 并行组合法 RBF拟合
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 理论与算法
• 页码范围: 101-105
• 页数: 5页
• 分类号: TM93
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004158

摘要

电价预测在世界能源市场建设中具有重要意义,基于季节性分类,提出了一种由自回归移动平均模型(ARIMA)、多层前馈神经网络(BP神经网络)和支持向量回归模型(SVR)组成的并行组合电价预测方法.为了充分利用不同方法的优势,将ARIMA、BP、SVR分别应用于日前电价预测中,通过径向基神经网络(RBF)对4个不同季节的3个预测值进行非线性拟合,得到最终的预测结果.所提方法的创新点在于对于每个季节都有特定的预测模型,不同预测方法之间非线性权重值随时间变化而变化,与传统的回归组合预测方法和季节非分类情况相比,其仿真结果表明所提方法具有更好的适应性和更高的预测精度.