混合广义长记忆模型用于短期电价预测的预测精度
机器学习
2022-04-21 v1 统计金融
摘要
准确的电价预测是市场参与者的核心管理目标，因其是市场参与者利润最大化的根本基础。然而，电力是一种不可储存的商品，且电价受一些社会与自然因素影响，使电价预测成为一项具有挑战性的任务。本研究考察了一种新混合模型的预测表现，该模型基于广义长记忆自回归模型(k-factor GARMA)、Gegenbauer广义自回归条件异方差(G-GARCH)过程、小波分解，以及使用两种不同学习算法优化的局部线性小波神经网络(LLWNN)：反向传播算法(BP)与粒子群优化算法(PSO)。所提模型的性能使用来自Nord Pool电力市场的数据进行评估。此外，将其与其他一些参数与非参数模型比较以证明其鲁棒性。实证结果表明，所提方法的表现优于其他竞争技术。
引用
@article{arxiv.2204.09568,
title = {Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting},
author = {Souhir Ben Amor and Heni Boubaker and Lotfi Belkacem},
journal= {arXiv preprint arXiv:2204.09568},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2204.08289