控制理论与应用

作者：廖志伟,陈琳韬,黄杰栋,张文锦

单位：华南理工大学电力学院,华南理工大学电力学院,华南理工大学电力学院,华南理工大学电力学院

关键词：集成学习; 电煤价格; 滚动预测; 灵敏性差异; XGBoost; 长短神经网络

基金：国家自然科学基金项目(51437006)资助.

为扩大电力市场交易量与下调市场电价, 需要提升电煤价格预测的可靠性与准确性. 为此本文提出了多智能集成学习的中短期电煤价格预测方法. 首先, 阐述了Stacking集成学习的结构和原理; 然后, 介绍了数种智能电煤价格的预测模型, 并通过算例证明了不同单智能模型对数据的感知能力存在差异性; 进而, 通过比较单智能模型预测结果的差异值均差, 筛选出预测性能优异并且数据感知角度差异性明显的智能模型组. 为了充分发挥个模型感知能力差异性的优势, 利用Stacking融合各模型, 得到一种适用于电煤价格滚动预测的集成模型. 最后, 通过滚动预测2019至2020年的电煤价格, 对集成模型的有效性进行验证.

来源：2021年第12期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第12期