郭 欣 欣

(安徽工程大学 电气工程学院,安徽 芜湖 241000)



基于EEMD和小波神经网络的短期电价组合预测*

郭 欣 欣

(安徽工程大学 电气工程学院,安徽 芜湖 241000)

摘要：从降低电价序列非平稳性出发，提出一种基于聚类经验模态分解(EEMD)和小波神经网络(WNN)的新型组合预测模型来预测短期电价；采用Matlab/Simulink仿真平台进行建模仿真；仿真结果表明：新算法预测精度高，预测方法可行。

关键词：电价；预测；聚类经验模态分解；小波神经网络；混合模型

电价预测在电力市场运行过程中对风险管理、决策投资以及监督管理具有不可或缺的意义。目前的预测方法都对电价的预测做出了卓越贡献[1-7]。从目前检索到的有关电价的文献资料来看，电价时间序列具有非正态性[8-9]，比如“尖峰、有偏”，这跟电价受多种复杂信息影响有关。纵观所有电价预测方法，其实质是直接拟合电价与其影响因素之间的“黑箱”模型，减少中间环节的不良影响，虽然取得了一定效果，但是由于电价本身的特性没有得到深度挖掘，预测效果过度依赖于“黑箱”模型的性能。因此短期电价预测应从深度挖掘电价特性出发，基于电价特点，针对性地选择多种算法，通过算法本身优势互补来建立组合预测模型。

电价预测的核心问题是预测的技术问题，或者说是预测的数学模型。从文献[8-9]对电力市场分布特性的研究来看，电价本身的运动规律是非线性的，也可能是非正态的，很难用清晰的数学表达式来表达电价及其影响变量间的关系。……