基于最小最大概率回归方法的中长期电价预测模型 the mid-term price forecasting model in electricity market using mpmr.pdfVIP

第40卷第3期 中国电力 V01．加．№．3 2007年3月 ELECTRlCPOWER Mar．纠1a7 基芋最小最大露既率回归方法的由长期电价预测旗型 沈秀汶，吴耀武，熊信银，娄素华，何佳 (华中科技大学电气学院，湖北武汉430074) 摘要：中长期电价的预测无论是对于市场监管政策的制定。还是对于大用户和发电商的投资规划，都具 有极其重要的意义。影响中长期电价的因素比较复杂，历史电价数据分布混乱增加了一般回归电价预测建 模的难度。提出了一种基于最小最大概率回归方法的电力市场中期电价预测的颞模型。在分析最小最大概 率机(MPM)及其用于同归原理的基础上。使用最小最大概率回归(MPMR)方法对不同的训练样本集进行训 练，并计算出预测期的预测值，取得了比较好的预测结果。训练样本的分割使中期电价预测模型更加准确。 美国加州现货电能量市场的实例数据验证了所建模型及方法的有效性。 关键词：市场清算电价；中长期电价预测；最小最大概率机；回归模型 中图分类号：TM715 文献标识码：A 文章编号：1004．9649(2007)03．000l—05 实际问题中．确定中长期电价的单点预测值．远不如 0引言 确定预测电价的置信区间意义更大。本文利用这种 非线性分类方法．建立最小最大概率回归框架．作为 电价预测分为提前lh、1d、l周、1月预测以及一种新的回归方法．对中长期电价进行预测。实现了 季度趋势预测等。更长期的电价预测尚有较大的难 预测值落在实际回归函数的8值管道内的最小最大 度。中长期电价预测的周期为1个月、几个月到几 概率。 年．用来确定未来发电机的安装地点。精确的中长期 电价预测将使电力市场经纪商和电力公司在不稳定 1回归数学模型 的环境中做出合理的决策。需要指出的是，电价不但 受到供求因素的影响．而且还受到社会、各种行为甚 1．1 最小最大概率机分类 至投机行为的影响m]。因此．中长期电价预测的难 MPMR是基于核函数的最小最大概率机分类在 度比较大．而中长期电价预测方法和技术的研究也 回归领域的推广[-“．二元分类问题可以归结为对未 比较少．主要是由于影响中长期电价的因素比较多。 知数据正确分类的概率的一种最大化。假设2类样 使得中长期电价预测的难度加大．预测精度也比较 本集，{M。，…，H。l足个数肌、维数m的第l类样本集 差∞]。目前。中长期电价预测的方法主要是统计学 合，{l，。，…，l，。}是个数心、维数m的第2类样本的集 方法。如模糊回归法【8】、一元非线性回归法[9]以及时 合。第1类样本集合的向量元素H。服从某个均值为 间序列法[6]等。这些方法都简单方便，预测精度比较 五、协方差矩阵为∑。的分布，第2类样本集合的向 有限。 量元素K服从某个均值为；、协方差阵为∑，的分 最小最大概率机(MinimaxProbabilitvMachine，布。将线性不可分的m维输入空间通过函数p映射 MPM)是基于线性分类的学习机器．实现了对未知到维数为^的高维空间：Rm一尺一，有即一妒(M)，对应 数据正确分类的最小概率最大化。这种分类器基于 均值和协方差阵(丽，∑m))；1，一妒(秽)，对应均值 线性分类，引用核函数获得非线性分类效果。与其他 和协方差阵(而，∑∞))。给定2类数据分布的完 的线性判别方法不同．它不需要指定类条件密度的 整信息(五，∑。)，(石，∑，)，通过函数9映射得到 分布，利用凸优化技术获得与分布无关的结果【10]。影 (丽，∑础))，(而，∑蛳))。可以找到一个超平面 响中长期电价走势的因素较多且预测周期较长．准 确地预测出单点