發(fā)布時(shí)間：2020-11-02 10:01

　　 為準(zhǔn)確預(yù)測(cè)現(xiàn)貨市場(chǎng)出清價(jià),利用改進(jìn)的基于種群增量學(xué)習(xí)的進(jìn)化算法(DPBIL)對(duì)SVM參數(shù)進(jìn)行優(yōu)化,構(gòu)建了基于DPBIL-SVM的混合預(yù)測(cè)模型,將該模型應(yīng)用于挪威電力市場(chǎng)短期電價(jià)預(yù)測(cè)中,并與灰色GM(1,1)模型和BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行比較。結(jié)果表明,所提模型能夠?qū)�現(xiàn)貨市場(chǎng)出清價(jià)預(yù)測(cè)誤差控制在5%以下,合格率97%,效果優(yōu)于灰色GM(1,1)模型和BP人工神經(jīng)網(wǎng)絡(luò)模型,符合現(xiàn)貨市場(chǎng)實(shí)際報(bào)價(jià)的要求。
【部分圖文】：

在DPBIL算法尋優(yōu)過(guò)程中，將每組（σ，C）作為一個(gè)解，即每個(gè)解包含兩個(gè)基因位。SVM參數(shù)窮舉法尋優(yōu)結(jié)果表明，懲罰因子C與核函數(shù)參數(shù)σ的分布范圍為[0.01,10]，取離散精度為0.1，因此每個(gè)基因位上等位基因數(shù)為100，當(dāng)種群規(guī)模在[40,100]范圍內(nèi)時(shí)，既可保證進(jìn)化過(guò)程的收斂性，也可保證算法的計(jì)算效率，本文研究種群規(guī)模數(shù)為60。將每個(gè)個(gè)體代入SVM工具箱進(jìn)行訓(xùn)練，得到訓(xùn)練序列預(yù)測(cè)值與原始值的平均平方誤差，作為適應(yīng)度值，指導(dǎo)算法的進(jìn)化。通過(guò)不斷地進(jìn)化學(xué)習(xí)，參數(shù)組合不斷向最優(yōu)參數(shù)組合逼近，系統(tǒng)信息熵由最初的9.21下降到0，算法收斂于最優(yōu)解，得到SVM模型的最優(yōu)參數(shù)組合（σ，C）。結(jié)合Matlab平臺(tái)上開(kāi)發(fā)的libsvm軟件包中的SVM函數(shù)（svmtrain、svmpredict函數(shù)），建立基于DPBIL-SVM的混合預(yù)測(cè)模型見(jiàn)圖1。3 實(shí)例應(yīng)用

DPBIL算法進(jìn)化過(guò)程中系統(tǒng)信息熵變化見(jiàn)圖2，滿(mǎn)足算法進(jìn)化終止條件。采用DPBIL-SVM時(shí)，訓(xùn)練集和測(cè)試集預(yù)測(cè)值和實(shí)際值對(duì)比見(jiàn)圖3。由圖3可看出，無(wú)論在訓(xùn)練或測(cè)試階段，預(yù)測(cè)值均能與實(shí)際值保持相同的變化趨勢(shì)，在1d內(nèi)，除了2018年6月24日，星期日出現(xiàn)“價(jià)格釘”之外，每日電價(jià)呈現(xiàn)雙峰變化趨勢(shì)，與電力負(fù)荷變化相符。在訓(xùn)練階段，對(duì)于電價(jià)的極小值，模型亦表現(xiàn)出較好的擬合泛化能力，負(fù)荷SVM模型在擬合和泛化之間進(jìn)行折衷，實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化。DPBIL-SVM模型訓(xùn)練集平均絕對(duì)誤差3.52歐元/（MW·h），平均相對(duì)誤差9.65%，均方誤差15.18，合格率56.71%；測(cè)試集平均絕對(duì)誤差1.81歐元/（MW·h），平均相對(duì)誤差4.04%，均方誤差4.41，合格率97.92%。

采用DPBIL-SVM時(shí)，訓(xùn)練集和測(cè)試集預(yù)測(cè)值和實(shí)際值對(duì)比見(jiàn)圖3。由圖3可看出，無(wú)論在訓(xùn)練或測(cè)試階段，預(yù)測(cè)值均能與實(shí)際值保持相同的變化趨勢(shì)，在1d內(nèi)，除了2018年6月24日，星期日出現(xiàn)“價(jià)格釘”之外，每日電價(jià)呈現(xiàn)雙峰變化趨勢(shì)，與電力負(fù)荷變化相符。在訓(xùn)練階段，對(duì)于電價(jià)的極小值，模型亦表現(xiàn)出較好的擬合泛化能力，負(fù)荷SVM模型在擬合和泛化之間進(jìn)行折衷，實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化。DPBIL-SVM模型訓(xùn)練集平均絕對(duì)誤差3.52歐元/（MW·h），平均相對(duì)誤差9.65%，均方誤差15.18，合格率56.71%；測(cè)試集平均絕對(duì)誤差1.81歐元/（MW·h），平均相對(duì)誤差4.04%，均方誤差4.41，合格率97.92%。3.2 模型對(duì)比分析
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊家琪;喻潔;田宏杰;王斯妤;滕賢亮;丁恰;;考慮新能源性能風(fēng)險(xiǎn)的調(diào)頻輔助服務(wù)市場(chǎng)出清與調(diào)度策略[J];電力系統(tǒng)自動(dòng)化;2020年08期

2 韋丁;;基于靈活塊交易的電力現(xiàn)貨市場(chǎng)出清模型探討[J];通訊世界;2019年07期

3 張馨瑜;陳啟鑫;葛睿;趙興泉;李鳴鏑;鄒鵬;;考慮靈活塊交易的電力現(xiàn)貨市場(chǎng)出清模型[J];電力系統(tǒng)自動(dòng)化;2017年24期

4 程曉鑫;周渝慧;胡毅;;實(shí)時(shí)交易模式下的日前電力市場(chǎng)出清[J];吉林電力;2006年06期

5 張超;喬寧;陳杰;龔思宇;張維靜;汪洋;陳婧;;電力市場(chǎng)出清機(jī)制理論與現(xiàn)實(shí)探索——基于市場(chǎng)主體對(duì)風(fēng)險(xiǎn)厭惡特性及激勵(lì)相容機(jī)制的設(shè)計(jì)[J];價(jià)格理論與實(shí)踐;2019年10期

6 黃永皓,尚金成,康重慶,夏清,孟遠(yuǎn)景,何南強(qiáng);電力中長(zhǎng)期合約交易市場(chǎng)的運(yùn)作機(jī)制及模型[J];電力系統(tǒng)自動(dòng)化;2003年04期

7 張子泳;;PJM備用體系及其對(duì)廣東電力市場(chǎng)的啟示[J];云南電力技術(shù);2019年01期

8 沈同;夏清;;實(shí)現(xiàn)資源時(shí)空優(yōu)化配置的現(xiàn)貨市場(chǎng)及其應(yīng)用研究[J];智慧電力;2018年01期

9 劉光林;;現(xiàn)貨試點(diǎn)工作提速:勾勒電力市場(chǎng)化改革新圖景——《關(guān)于進(jìn)一步推進(jìn)電力現(xiàn)貨市場(chǎng)建設(shè)試點(diǎn)工作的意見(jiàn)(征求意見(jiàn)稿)》看點(diǎn)解讀[J];中國(guó)電業(yè);2019年04期

10 劉福斌;華東電力市場(chǎng)月度競(jìng)價(jià)市場(chǎng)出清結(jié)果離散性分析[J];中國(guó)物價(jià);2005年07期

相關(guān)碩士學(xué)位論文 前3條

1 張麗;市場(chǎng)出清價(jià)規(guī)律分析與預(yù)測(cè)[D];華北電力大學(xué)（北京）;2007年

2 丘小玲;關(guān)于電力報(bào)價(jià)系統(tǒng)的電力分配與結(jié)算問(wèn)題[D];貴州大學(xué);2007年

3 任小藝;發(fā)電廠競(jìng)價(jià)策略及方式方法[D];華北電力大學(xué)（北京）;2006年

本文編號(hào)：2866899