基于小波变换去噪和改进秩序集对分析的电价预测模型研究

发布时间：2020-12-23 04:39

　　电价序列由于受到多种因素的影响往往具有随机性和波动性的特点,准确的电价预测对电力市场优化运营有一定的指导意义。挖掘电价序列的波动模式是提高电价预测精确度的关键。为此将小波变换去噪与改进秩次集对方法相结合,建立了一种新的电价预测模型。首先,利用小波变换对原始电价序列数据进行去噪处理。其次,利用改进的秩序集对分析法对去噪后的电价序列进行预测。通过对美国PJM电力市场实际的电价序列进行仿真实验。结果表明,所提方法具有更好的预测效果,从而验证了模型的有效性。 

【文章来源】：华北电力大学学报(自然科学版). 2020年04期 北大核心

【文章页数】：7 页

【部分图文】：

小波分解原理图

分析研究电价的波动模式，是提高电价预测准确率的关键因素。秩次集对能够很好地分析电价的波动情况，但也存在着相应的问题，即有可能两个序列之间波动模式一致，但数值却相差较大，如图2所示。如果曲线1为当前状态，曲线2是采用秩次集对方法所筛选出的与当前状态的相似的历史数据，从图中可以看出，曲线1和曲线2两条曲线虽然波动情况一致，但是幅值上却有一定的差别，将曲线2之后的数值作为曲线1未来的预测值，易产生不小的误差。鉴于此，本文提出一种改进秩次集对方法，以消除幅值偏差所带来的不良影响。设滑动时间窗长度为k，当前时刻为t，则当前状态的数据为x={xt-k+1,xt-k+2，…，xt}，用秩次集对所筛选出的历史相似状态设为h={h1,h2，…，hk}，则未来的数据值xt+1通过下面式子得到:

具体的多步预测模型流程图如图3所示。首先对原始电价序列X(t)进行4层小波变换得到4个细节分量和一个近似分量;其次去除4个细节分量，保留近似分量;最后，利用改进的秩序集对分析法进行滚动预测，直到达到预测步数为止。3 算例分析

【参考文献】：
期刊论文
[1]新形势对电力需求侧管理的影响及政策创新探讨[J]. 张素芳,黄韧,陈文君.  华北电力大学学报(社会科学版). 2019(03)
[2]基于奇异谱分析的短期电价预测[J]. 殷豪,曾云,孟安波,刘哲.  电力系统保护与控制. 2019(01)
[3]基于小波变换与傅里叶变换对比分析及其在信号去噪中的应用[J]. 申莎莎.  山西师范大学学报(自然科学版). 2018(03)
[4]基于可信度加权组合的电价波动模式日前预报方法[J]. 姜利辉,周立栋,任建国,柯鹏,田林静,王飞.  电力建设. 2018(07)
[5]基于EEMD去噪和集对理论的风功率实时预测研究[J]. 杨茂,陈郁林,魏治成.  太阳能学报. 2018(05)
[6]基于小波变换的组合预测模型在南京市GDP预测中的应用[J]. 张敏,党耀国.  数学的实践与认识. 2018(07)
[7]绿色电力定价机制及改进建议[J]. 李薇,龚奂彰.  华北电力大学学报(社会科学版). 2018(01)
[8]基于秩次集对分析的风电功率实时预测研究[J]. 杨茂,陈郁林.  太阳能学报. 2016(03)
[9]基于小波分析和GM-ARIMA模型的月度售电量预测[J]. 樊娇,冯昊,牛东晓,王筱雨,刘福炎.  华北电力大学学报(自然科学版). 2015(04)



本文编号：2933088