基于 LIME 的机器学习算法电力价格预测比较研究
机器学习
2025-12-02 v1
摘要
随着电力市场的快速发展，价格波动性显著增加，使准确预测对于电力系统运行和市场决策至关重要。传统线性模型无法捕捉电力定价的复杂非线性特征，亟需先进的机器学习方法。本研究使用西班牙电力市场数据，对比比较八种机器学习模型，集成消费、发电和气象变量。评估的模型包括线性回归、岭回归、决策树、KNN、随机森林、梯度提升、SVR 和 XGBoost。结果表明 KNN 取得最佳性能，R² 为 ，MAE 为 ，RMSE 为 。为增强可解释性，LIME 分析揭示气象因素和供需指标通过非线性关系显著影响价格波动。该工作证明了机器学习模型在电力价格预测中的有效性，同时通过可解释性分析提高了决策透明度。
引用
@article{arxiv.2512.01212,
title = {A Comparative Study of Machine Learning Algorithms for Electricity Price Forecasting with LIME-Based Interpretability},
author = {Xuanyi Zhao and Jiawen Ding and Xueting Huang and Yibo Zhang},
journal= {arXiv preprint arXiv:2512.01212},
year = {2025}
}
备注
5 pages, 5 figures. Accepted for publication at ICEIEC 2025 (not yet published)