基于AdaBoost的短期边际电价预测模型

摘要：

在电力系统中,系统边际电价(SMP)反映了电力市场中电力商品短期供求关系,是电力市场的经济纽带,对电力的市场营销起重要作用.传统的单一预测算法模型对短期边际电价的预测存在误差大、泛化能力低等缺点,因此论文提出了基于AdaBoost的短期边际电价预测集成学习算法.论文分析了影响短期边际电价的主要因素,基于集成学习的Ada?Boost算法对短期边际电价预测问题进行建模.通过系统边际电价测试数据验证模型,和SVM以及BP神经网络作对比,Ad?aBoost算法的准确率明显优于传统模型SVM和BP神经网络,在电力市场中具有实际的应用价值.

关键词：电力系统、电价预测、系统边际电价、AdaBoost、市场电价营销

所属期刊栏目：48

分类号：TM744;TP311(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目编号:61672337;基于深度学习的大客户负荷预测技术研究与应用编号:066600KK52170002

在线出版日期：2020-05-18（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：442-446,473