基于小波自适应支持向量机的短期电价预测

杨洪深

(铜陵学院， 安徽 铜陵 244000）

1.引言

电价是电力市场的杠杆，若能够较准确地预测出电价，对每个市场参与者来说都非常重要[1]。发电企业能够根据预测电价制定报价策略，从而获得较大的利润。供电企业可以利用预测电价优化配置现货市场和长期合同市场的购电量。市场监管者可以利用预测电价对电力市场进行有效监管，保证市场健康有序运行。

电价预测的方法较多，时间序列法建模容易，可解释性强，但仅考虑历史电价单因素影响[2]。神经网络法能够综合考虑各种电价影响因素，但模型的结构和参数难以确定且收敛速度慢[3-4]。组合模型将现有方法进行组合[5]，能够取得较好的预测效果，很多学者提出了一些简单的组合方法，但都没有对所提出的组合方法的合理性做出解释，并且很难确定最优组合权重。一些学者认为电价序列具有混沌属性，对电价序列进行相空间重构，提出了基于混沌理论的电价预测方法[6]。支持向量机（support vector machine,SVM）是建立在结构风险最小化原则基础上的一种机器学习方法[7-8]，其泛化能力要远好于神经网络和自回归模型，将其应用于电价预测有利于提高预测精度，但SVM的应用难点在于模型参数的最优组合难以确定。本文提出一种小波自适应支持向量机 (Wavelet Adaptive SVM,WASVM)预测模型，先将电价时间序列作小波分解得到低频和高频分量，再采用自适应调整法，自动地为支持向量机选择最优参数对电价小波分量逐一预测，最后通过小波重构得到电价最终预测结果。……