论文部分内容阅读
准确的短期电价预测可以为市场参与者的竞价策略提供指导,减少参与者的竞价风险,为其带来稳定的收益.本文利用美国新英格兰地区的数据,采用时间序列法和人工神经网络这两种常见的方法建立模型,对电价进行了预测,并且对两种方法的预测结果进行了对比分析.指出时间序列法的预测效果不太理想，尤其在预测体息日电价时，电价序列波动较大，导致误差较大。由于电价序列的平稳化比较困难，使得时间序列法在电价预测领域没有多少优势，一般都与其他方法结合使用。神经网络法的预测效果与时间序列法相比有了显著的提高。但在预测电价波动较大的体息日电价时，精度依然偏低。这与数据本身数量、波动性和随机性，神经网络的结构，市场参与者的报价策略，以及模型未能将一些非确定性因素，如天气、线路阻塞、备用等有关。在原有BP神经网络的基础上，可以考虑采用在输入层增加特殊的输入向量、用各种方法对电价序列进行预处理、改进神经网络的结构等方法加以改进。