基于季节分类和RBF自适应权重的并行组合电价预测

作者：林琳; 刘譞; 康慧玲

来源：电子测量技术, 2020, 43(12): 101-105.

DOI：10.19651/j.cnki.emt.2004158

• 日前电价预测
• 季节分类
• 自适应权重
• 并行组合法
• RBF拟合

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。

• 单位
  保定电力职业技术学院; 国网冀北电力有限公司