基于小波变换的边际电价神经网络预测新模型

作     者：杨波 赵遵廉 陈允平 韩启业 YANG Bo;ZHAO Zunlian;CHEN Yunping;HAN Qiye

作者机构：武汉大学电气工程学院湖北省武汉市430072 国家电网公司北京市100031 华中电网有限公司湖北省武汉市430077 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2007年第31卷第12期

页      面：40-44页

核心收录：

学科分类：0202[经济学-应用经济学] 02[经济学] 080802[工学-电力系统及其自动化] 020205[经济学-产业经济学] 0808[工学-电气工程] 08[工学] 

主　　题：电力市场 边际电价 小波变换 群智能 粒子群优化 人工神经网络 神经网络集成 

摘      要：提出了一种基于小波变换和群智能演化的神经网络集成预测新模型,对日前交易边际电价进行预测。首先利用小波变换将历史边际电价序列分解为高频和低频部分,并分别构造学习样本作为神经网络集成的输入;然后将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,其寻优过程采用粗—细二阶段学习算法。在第1阶段,采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成单元;在第2阶段,采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出。美国加州日前交易电力市场边际电价预测算例表明,该预测方法可以获得较高的预测精度,且优于BP神经网络方法和ARIMA预测方法。