王瑞庆，王弗雄,马杰,肖自乾

（海南软件职业技术学院软件工程系，海南琼海571400）

电价是电力市场供求平衡时形成的出清价，不仅受气象、系统负荷、发电成本、可用发电容量、输电网络阻塞等客观因素的影响，还受到市场交易规则、参与者的竞价策略及其对价格的心理反映等主观因素的影响，这些因素使得准确的电价预测较为困难。当前的预测方法主要包括通过模拟电力市场竞争规则来预测市场出清电价的长期预测方法和依据大量历史数据建立反映电价变化规律数学模型的短期预测方法[1]。

神经网络对非确定性、非精确性规律具有自适应能力，能够有效地处理多变量和非线性问题[2-5]。文献[2-3]分别使用粒子群优化和Levenberg-Marquardt训练方法的三层前馈神经网络对PJM和加利福尼亚电力市场的现货电价进行了预测。文献[4-5]指出高斯径向基函数神经网络比传统神经网络具有更快的学习速度和更好的逼近性能，更加适合于短期电价的预测。文献[6-10]分别提出了神经网络与模糊逻辑、Kalman滤波、支持向量机等相结合的短期电价预测方法，结果表明，混合预测方法比单独使用神经网络具有更好的预测效果。但由于神经网络方法的参数调整不够灵活，学习速度较慢，在实际应用中遇到了困难。

时间序列方法需要的历史数据相对较少，能准确地反映历史电价变化的连续性，比较常用的有自回归滑动平均模型（ARMA）和带外生解释变量的ARMA模型（ARMAX）。文献[11]建立了一个以负荷作为外生解释变量的ARMAX模型，结果表明，残差的实际分布与理论假设存在较大误差，在一定程度上影响了电价预测的精度。……