电力系统保护与控制
電力繫統保護與控製
전력계통보호여공제
POWER SYSTM PROTECTION AND CONTROL
2008年
22期
34-39
,共6页
刘庆彪%张步涵%王凯%谢光龙
劉慶彪%張步涵%王凱%謝光龍
류경표%장보함%왕개%사광룡
电价预测%数据挖掘%支持向量机%自适应调整
電價預測%數據挖掘%支持嚮量機%自適應調整
전개예측%수거알굴%지지향량궤%자괄응조정
在电力市场中对电价进行准确的预测无论对于发电商、电力用户还是市场运营者都具有重要的意义,该文突破了传统电价预测方法基于经验风险最小化的局限性,采用数据挖掘技术实现了数据隐含特征的提取,通过判断数据特征进行了核函数的选择,采用遗传算法实现了计算参数的自适应调整,并用相似样本和邻近样本训练支持向量机,对预测结果进行了去噪声合成.利用澳大利亚NSW电力市场的数据进行了验证,单日预测的平均百分比误差(MAPE)为5.85%,明显优于神经网络和单纯支持向量机的预测结果.扩大样本长度进行研究,一周的预测结果表明该方法不但能够有效学习样本信息.去除电价毛刺,并能有效跟踪电价的突变情况,实现了学习适度的优良泛化性预测.
在電力市場中對電價進行準確的預測無論對于髮電商、電力用戶還是市場運營者都具有重要的意義,該文突破瞭傳統電價預測方法基于經驗風險最小化的跼限性,採用數據挖掘技術實現瞭數據隱含特徵的提取,通過判斷數據特徵進行瞭覈函數的選擇,採用遺傳算法實現瞭計算參數的自適應調整,併用相似樣本和鄰近樣本訓練支持嚮量機,對預測結果進行瞭去譟聲閤成.利用澳大利亞NSW電力市場的數據進行瞭驗證,單日預測的平均百分比誤差(MAPE)為5.85%,明顯優于神經網絡和單純支持嚮量機的預測結果.擴大樣本長度進行研究,一週的預測結果錶明該方法不但能夠有效學習樣本信息.去除電價毛刺,併能有效跟蹤電價的突變情況,實現瞭學習適度的優良汎化性預測.
재전력시장중대전개진행준학적예측무론대우발전상、전력용호환시시장운영자도구유중요적의의,해문돌파료전통전개예측방법기우경험풍험최소화적국한성,채용수거알굴기술실현료수거은함특정적제취,통과판단수거특정진행료핵함수적선택,채용유전산법실현료계산삼수적자괄응조정,병용상사양본화린근양본훈련지지향량궤,대예측결과진행료거조성합성.이용오대리아NSW전력시장적수거진행료험증,단일예측적평균백분비오차(MAPE)위5.85%,명현우우신경망락화단순지지향량궤적예측결과.확대양본장도진행연구,일주적예측결과표명해방법불단능구유효학습양본신식.거제전개모자,병능유효근종전개적돌변정황,실현료학습괄도적우량범화성예측.
