基于AdaBoost的短期边际电价预测模型

摘要

在电力系统中,系统边际电价(SMP)反映了电力市场中电力商品短期供求关系,是电力市场的经济纽带,对电力的市场营销起重要作用。传统的单一预测算法模型对短期边际电价的预测存在误差大、泛化能力低等缺点,因此论文提出了基于AdaBoost的短期边际电价预测集成学习算法。论文分析了影响短期边际电价的主要因素,基于集成学习的AdaBoost算法对短期边际电价预测问题进行建模。通过系统边际电价测试数据验证模型,和SVM以及BP神经网络作对比,AdaBoost算法的准确率明显优于传统模型SVM和BP神经网络,在电力市场中具有实际的应用价值。