唐兰兰，温步瀛，江岳文

（福州大学 电气工程与自动化学院，福建 闽侯350108）

在电力市场下，电力作为一种商品，其价格是整个市场的核心，电价的波动影响到各种资源在电力市场中的流动和分配。所以电价预测对于市场中的各个参与者都具有重要意义。然而，由于电价的波动受燃料价格、竞价机组可用容量、水力发电量、输电阻塞等诸多因素的影响，电价表现出较强的波动性和随机性，所以，准确的电价预测也成为电力市场中的研究难点之一。此外，随着可再生能源发电技术的发展和其份额的增加，比如风电，电价曲线的变化较以前更复杂，价格的特性变化更极端，电价预测更困难。

目前短期电价预测有2种方法：时间序列法和基于神经网络的人工智能预测方法。常用的时间序列法有自回归模型和自回归滑动平均模型，通过对历史电价数据的分析建模，文献[1-4]分别采用动态回归模型和自回归滑动平均模型进行短期电价预测。以上的时间序列模型仅从序列自身来寻找电价的变化规律，未充分考虑其他因素对电价的影响，因此存在一定的局限性，预测效果往往不理想。由于神经网络可以有效处理多变量和非线性问题，因此更多的学者则倾向于采用神经网络来预测电价。文献[5]运用人工神经网络对澳大利亚维多利亚州的电价进行了预测研究，文献[6]采用BP神经网络预测短期电价，文献[7-9]分别采用回归神经网络、RBF神经网络和自适应神经网络预测目前市场电价。……