| 摘要: |
| 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。 |
| 关键词: 电价预测 数据挖掘 支持向量机 自适应调整 |
| DOI：10.7667/j.issn.1674-3415.2008.22.007 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
