| 基于EEMD,SVM和ARMA组合模型的电价预测 |
| |
| 引用本文： | 张金良,王明雪.基于EEMD,SVM和ARMA组合模型的电价预测[J].电力需求侧管理,2020,22(3):63-68. |
| |
| 作者姓名： | 张金良 王明雪 |
| |
| 作者单位： | 华北电力大学 经济与管理学院,北京 102206 |
| |
| 基金项目： | 国家自然科学基金（71774054）；中央高校基本科研业务专项资金项目（2019MS055） |
| |
| 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 moving 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。
|
| 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 |
| 收稿时间： | 2019/11/3 0:00:00 |
| 修稿时间： | 2020/1/4 0:00:00 |
Electricity price forecasting based on EEMD, SVM and ARMA combination model |
| |
| ZHANG Jinliang,WANG Mingxue.Electricity price forecasting based on EEMD, SVM and ARMA combination model[J].Power Demand Side Management,2020,22(3):63-68. |
| |
| Authors: | ZHANG Jinliang WANG Mingxue |
| |
| Affiliation: | Economics and management College, North China Electric Power University, Beijing 102206, China |
| |
| Abstract: | Electricity price forecasting based on EEMD, SVM and ARMA combination model |
| |
| Keywords: | electricity price forecasting integrated empirical modal decomposition support vector machine autoregressive moving average model |
| 本文献已被 CNKI 维普 等数据库收录！ |
| 点击此处可从《电力需求侧管理》浏览原始摘要信息 |
|
点击此处可从《电力需求侧管理》下载全文 |
|
