考虑需求价格弹性的CS-SVM短期负荷预测方法

TM715; 针对电力市场中电力需求受多元扰动因素影响、需求价格弹性变化增大的问题,为获取更准确、更综合的电力负荷预测值,提出一种考虑需求价格弹性的CS-SVM短期负荷预测方法.采用Pearson相关系数法分析负荷自相关性以及负荷与历史温度、湿度、电价、负荷差和电价差之间的相关性.基于需求价格弹性定义,建立了需求价格弹性模型,来反映电力市场交易对负荷的影响.利用布谷鸟搜索算法优化支持向量机的参数,建立了考虑需求价格弹性的CS-SVM短期负荷预测模型.以美国PJM电力市场哈特福德州的实际数据为例进行预测,并与对比模型进行预测结果误差对比分析.结果表明,所提出模型的平均相对百分比误差为13.43％...

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 43; no. 3; pp. 319 - 324
Main Authors 苏娟, 方舒, 邢广进, 杜松怀, 单葆国
Format Journal Article
LanguageChinese
Published 中国农业大学 信息与电气工程学院,北京 100083%国网兰州供电公司,甘肃 兰州 730070%国网能源研究院,北京102209 2022
Subjects
支持向量机
Pearson相关系数
组合预测
电力市场
布谷鸟搜索算法
短期负荷预测
需求价格弹性
Online AccessGet full text

Cover

More Information
Summary:TM715; 针对电力市场中电力需求受多元扰动因素影响、需求价格弹性变化增大的问题,为获取更准确、更综合的电力负荷预测值,提出一种考虑需求价格弹性的CS-SVM短期负荷预测方法.采用Pearson相关系数法分析负荷自相关性以及负荷与历史温度、湿度、电价、负荷差和电价差之间的相关性.基于需求价格弹性定义,建立了需求价格弹性模型,来反映电力市场交易对负荷的影响.利用布谷鸟搜索算法优化支持向量机的参数,建立了考虑需求价格弹性的CS-SVM短期负荷预测模型.以美国PJM电力市场哈特福德州的实际数据为例进行预测,并与对比模型进行预测结果误差对比分析.结果表明,所提出模型的平均相对百分比误差为13.43％,且相比于不引入需求价格弹性时的模型预测精度提高了5.31％.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2022.03.011