基于季节分类和RBF自适应权重的并行组合电价预测

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.

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

所属期刊栏目：43

分类号：TM93

在线出版日期：2020-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：101-105