基于小波神經(jīng)網(wǎng)絡(luò)的系統(tǒng)邊際電價(jià)預(yù)測.pdf

1、隨著我國電力市場改革，電力公司必將面臨投入市場的問題，此時(shí)迫切需要一套調(diào)度優(yōu)化、報(bào)價(jià)決策系統(tǒng)。系統(tǒng)邊際電價(jià)是電力市場中反映電力商品短期供求關(guān)系的統(tǒng)一價(jià)格。當(dāng)前國際上大多數(shù)國家的電力市場都是以此為核心進(jìn)行結(jié)算。在電力市場中邊際電價(jià)預(yù)測得準(zhǔn)確與否，對于發(fā)電廠的競價(jià)決策具有非常關(guān)鍵的影響。
　　 比較了目前常用的幾類預(yù)測方法，提出以小波神經(jīng)網(wǎng)絡(luò)為模型進(jìn)行預(yù)測。小波神經(jīng)網(wǎng)絡(luò)是基于小波分析理論建立起來的一種分層的、多分辨率的新型人工神經(jīng)網(wǎng)

2、絡(luò)，有機(jī)地融合了小波分析的良好時(shí)—頻域特性和神經(jīng)網(wǎng)絡(luò)的自組織、自學(xué)習(xí)優(yōu)點(diǎn)，同時(shí)又避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的盲目性和局部最優(yōu)等非線性優(yōu)化問題。然而小波神經(jīng)網(wǎng)絡(luò)傳統(tǒng)的學(xué)習(xí)方法為BP算法，其參數(shù)調(diào)整采用的是梯度下降法，雖然算法簡單，并且己經(jīng)得到廣泛的應(yīng)用，但其學(xué)習(xí)速度慢，易陷入局部最優(yōu)點(diǎn)。為了克服傳統(tǒng)的BP算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練的缺陷，得到更高的學(xué)習(xí)精度和更快的收斂速度，本文提出將遺傳算法用于小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練，結(jié)合了遺傳算法的全局優(yōu)化搜索能力以