经典与非线性模型在短期电价预测中的比较
计算机与社会
2018-05-16 v1 机器学习
机器学习
摘要
电力在批发市场中以波动显著的价格进行买卖。短期电价预测是一项重要工作，因为它有助于电力公司控制风险，并影响发电商的竞争策略。随着“智能电网”的发展，短期电价预测正成为电池运营商和需求响应聚合商投标与控制算法的重要输入。尽管统计学与机器学习文献提出了许多电价预测方法，但尚无共识支持单一最佳方法。我们测试了两种对比性的机器学习方法——回归决策树与循环神经网络（RNNs）——用于预测电价，并将其与更传统的 ARIMA 实现进行比较。我们在来自德克萨斯州 ERCOT 的具有极高价格波动的挑战性电价数据集上进行分析。我们发现，尤其是回归决策树相较于其他方法取得了更高性能，这表明在电价预测中应更仔细地考虑回归树。
引用
@article{arxiv.1805.05431,
title = {Comparison of Classical and Nonlinear Models for Short-Term Electricity Price Prediction},
author = {Elaheh Fata and Igor Kadota and Ian Schneider},
journal= {arXiv preprint arXiv:1805.05431},
year = {2018}
}