基于EEMD,SVM和ARMA组合模型的电价预测

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 mowng 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

所属期刊栏目：22

分类号：TM715;F416(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;中央高校基本科研业务专项资金项目

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68