摘要
本发明公开了一种基于小波包分解与改进灰狼算法优化支持向量回归的现货日前电价预测方法,对日前电价进行短期、中期以及长期三种时间尺度的预测。在该方案中,使用小波包分解WPD将原始电价序列分解成多个各异的小波序列分量,将分解后的各分量序列数据分别输入改进灰狼算法IGWO优化后的支持向量回归SVR模型中得到各序列分量的预测结果,然后再将各分量预测结果重构相加得到最后预测结果。在中、长期预测中采用以短期预测建立的WPD‑IGWO‑SVR模型为基础进行递归多步预测策略。本发明以南方电网某省的电力市场的数据进行检验,结果表明该设计方法的电价预测误差低且预测时间较短。
技术关键词
电价预测方法
支持向量回归
灰狼算法
SVR模型
序列
精英反向学习
重构
数据
信号
树状结构
预测误差
随机森林
策略
时间片
异常点
位点
频率
基础
滤波器
分辨率
系统为您推荐了相关专利信息
动态优化方法
改进型卡尔曼滤波
土壤湿度传感器
地理信息系统
生态
编码基因表达
慢性阻塞性肺疾病
蛋白
COPD药物
中药提取物