基于多极限学习机融合日前电价预测.docVIP

基于多极限学习机融合日前电价预测 　　摘 要：对日前市场电价的预测有多重方法，在众多智能算法中，多极限学习机融合算法研究的还不够深入。而在常规的预测模式下，往往因为可靠性和精度等级不够而影响预测结果。极限学习机日前电价预测模型的建立，从理论上仿真了实际电价，这种方法不仅仅考虑了日前电价的几个曲线特性，将各类信息整合在一起输入，简化了预测手段，输出结果可靠且高效。经过多次的实地测试，对比模型输出量与实际结果，发现这种预测方法非常可靠。 　　关键词：电力；预测；极限学习机 　　中图分类号： TP18 文献标识码： A 文章编号： 1673-1069（2016）22-109-3 　　1 概述 　　在日常生活中，电力能源与老百姓的生活息息相关，电力电价在各方利益关系中扮演着极其重要的角色。近些年来，各类企业和科研机构，都有大量的专业人员在对电价的预测做着各种科学研究。准确的电价预测关系到社会各阶层，包括普通的居民用电，大型重工业企业商业用电。可以说，当前社会，电力的应用无处不在，电价的准确预测对全社会能源结构变化都会产生深远的影响。另外，由于电力能源逐步走向多元化，除了传统的火电、水电、风电、核电，新兴的生物发电、太阳能发电等技术快速发展，在许多国家应用广泛，并且不同的电能产生方式造就的成本差异非常大，上网电价差异必然不同，这就给电价的预测带来了很多的困难。 　　传统的电价预测有很多种，常见的如：模拟电力市场实时运行来计算市场出清价格。在做建模之前，实施人员要去调研一些关键信息，诸如发电厂的分布、机组容量、发电负荷，输配电系统的运行状态，大型企业的发展规划方向等，同时要根据电网运行规律掌握电网潮流走向、输配电趋势以及电网升级改造等因素。该类方法在短时间内，能够很好预测电价走向，与电力市场实际需求吻合度也很高，但是仅仅适用于大中型企业，对于规模不大，又有这方面需求的用电单位和个人来讲，运用这种方式预测电价有很多不便。还有一种常用的预测方法，叫作统计学预测方法，就是通过搜集已发生电价和电费统计单位发布的与电价相关的信息建立预测模型。这种方法与模拟电力市场实时运行来计算市场价格相比，操作起来会简单一些，不需要太多的信息量，就可以搭建模型。统计学预测方法中比较常见的方法有时间序列法、计量经济学方法和智能算法等。 　　本文讨论的是一种新的预测方法，是基于多极限学习机的预测方法。同时，考虑对预测结果有较大影响的精度等级等问题，把多个极限学习机融合进来，从而形成多神经网络建模方法，这种方法的融入，可以提高日前电价预测模型的预测精度。 　　2 多源信息的融合 　　广义的多源信息融合技术有多种定义，本文简单介绍一下狭义的多源信息融合技术。这种技术是利用计算机的自动获取、分类、统计、分析所得数据，通过这种方式得到独立于个别信息源之外的其他信息，从而达到研究需要取得的成果和目标的一项技术。多源信息融合有很多优势，诸如可以在一定程度上加强系统的可靠性，也可以对系统影响量较大的鲁棒性有很大改观。另外，多源信息融合在数据测量的广度和立体空间上有很大的拓展。通过多源信息融合，还可以增强数据的可信任度和系统分辨能力。 　　信息融合技术最早应用于发达国家的国防科技领域，经过多年的发展，对应用这项技术的国家军事水平提升有很大的影响。后期的社会发展，对于高科技带来的衍生品需求量日益加大，因此这项技术在民用智能化信息综合处理技术研究上得到广泛重视。尤其是多源信息融合技术，逐步在众多信息整合技术中脱颖而出，成为各相关领域角力的有力工具。另外，虽然很多公司、企业在广泛使用信息融合技术，但是由于这项技术的需求背景是信息处理技术发展需要，因此，到目前为止，信息融合技术尚无自己的理论体系。现在人们研究的信息融合技术多数还仅限于理论方法的建立。 　　人工神经网络在多个领域有应用，本文所说的人工神经网络具有并行结构和其特有的学习方式，信息的融合是在把人工神经网络作为信息融合中心而完成的。由大量互联的处理单元连接而成的人工神经网络，是基于已接受样本的一致性去进行分类标准划分的，在这方面的学习能力具有很强的自适应性。可以从网络权值分布上看到这个特点，知识的获取是通过神经网络特定的学习算法来实现的。为了有效避开模式识别方法中建模和特征提取过程，必须对神经网络分布式信息存储和并行处理的方式进行充分地利用，这种做法对于模型不符和特征选择不当造成的负因子规避非常有效，可以大大提高识别系统的性能。 　　信息融合的过程如下： 　　第一步是建立拓扑结构。可结合将要建立模型系统的主要特点建立。 　　第二步是处理已知信息，划归一个单个的输入函数（映射函数），神经网络与环境进行交互作用后，得到输入函数的变化规律，再把规律结果反馈给神经网络。 　　第三步是输入函数后经过模型的信息整