大数据驱动的电力现货交易价格预测方法

本申请涉及一种大数据驱动的电力现货交易价格预测方法。所述方法通过大数据获取电力现货交易价格的多源影响因素数据；运用小波包分解与重构对多源影响因素数据进行多频段特征提取，有效分离高频噪声并保留关键信号；基于随机森林模型筛选高重要性特征子集，降低数据冗余性与模型复杂度，该随机森林模型的参数通过交叉验证与网格搜索优化，以提升模型泛化能力；最后利用支持向量机子模型加权集成输出的预测结果，融合不同核函数对多源特征的适配优势，从而在抑制噪声干扰、降低计算负载的同时，显著提高电力现货价格预测的精度与实时性，解决传统方法在高频非线性数据处理、特征冗余及模型效率方面的缺陷。