基于变权重拟合的并行组合电价预测模型研究

• 作者: 徐良 忻俊杰 王恒毅 李文磊
• 来源期刊: 数据通信
• 学科: 工学
• 关键词: 日前电价预测 长短期记忆神经网络 SVM 粒子群 权重
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 技术交流
• 页码范围: 46-51
• 页数: 6页
• 分类号: TP181|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1002-5057.2022.02.010

摘要

在电力市场中,日前电价预测是用户用电决策的关键因素之一.为提高电价预测精度,提出了一种基于变权重拟合的并行组合电价预测模型,该模型结合了长短期记忆网络(LSTM)和支持向量机(SVM)模型,权重则采用改进粒子群算法(IPSO)获取.在预测过程中,首先分别使用LSTM和SVM对电价进行预测,然后使用预测日前的历史预测结果和实际历史电价对IPSO进行训练,以此获得权重;再用得到的权重拟合并行组合模型在预测日的预测结果就能得到最终预测结果;最后使用了美国PJM电力市场的电价数据进行预测实验,经与单一的LSTM模型和SVM模型的预测结果进行比较,验证了变权重拟合方法能够提高预测模型的最终预测精度.