论文部分内容阅读
随着电力市场的发展,电力交易的实时数据通常来自于电力交易平台,但随着电力交易量的增加,电力交易平台用电成本逐渐增加。为此,基于多区域电力大数据,采用机器学习的方法,研究了电力价格建模和预测方法,通过分别采用线性回归、决策树和M5P三种机器学习算法,对同一组数据集进行训练、预测和比对,得出最佳学习算法,最后利用预测数据与实际数据对比计算误差,并讨论了电价预测准确性及其影响的主要因素。研究结果表明M5P算法具有最为准确的预测性能,建立的预测模型能够准确预测最低电价以及电价变化趋势,但是对短期电价波动的预测存在一定误差,误差主要来源于电价自身具有的时间序列性质。