Un Nuevo Modelo Híbrido BND-FOA-LSSVM para la Predicción del Precio de la Electricidad
Autores: Guo, Weishang; Zhao, Zhenyu
Idioma: Inglés
Editor: MDPI
Año: 2017
Acceso abierto
Artículo científico
2017
Un Nuevo Modelo Híbrido BND-FOA-LSSVM para la Predicción del Precio de la Electricidad
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Pronóstico de precios de electricidad
Modelo BND-FOA-LSSVM
Volatilidad
Aleatoriedad
Algoritmo de optimización
Rendimiento del pronóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La previsión precisa de los precios de la electricidad juega un papel importante en las ganancias de los participantes del mercado eléctrico y en el desarrollo saludable del mercado eléctrico. Sin embargo, la serie temporal de precios de la electricidad presenta características de volatilidad y aleatoriedad, lo que dificulta bastante la previsión precisa de los precios de la electricidad. En este documento, se propuso un nuevo modelo híbrido para la previsión de precios de la electricidad que combina el método de descomposición de Beveridge-Nelson (BND), el algoritmo de optimización de moscas de fruta (FOA) y el modelo de máquina de soporte vectorial de mínimos cuadrados (LSSVM), denominado modelo BND-FOA-LSSVM. En primer lugar, las series temporales originales de precios de la electricidad se descompusieron en un término determinista, un término periódico y un término estocástico utilizando el modelo BND. Luego, estos tres términos descompuestos se pronosticaron empleando el modelo LSSVM, respectivamente. Mientras tanto, para mejorar el rendimiento de la previsión, se utilizó un nuevo algoritmo de optimización de inteligencia de enjambre, FOA, para determinar automáticamente los parámetros óptimos del modelo LSSVM para la previsión del término determinista, la previsión del término periódico y la previsión del término estocástico. Finalmente, el resultado de la previsión del precio de la electricidad se puede obtener multiplicando los valores pronosticados de estos tres términos. Los resultados muestran que el error porcentual absoluto medio (MAPE), el error cuadrático medio (RMSE) y el error absoluto medio (MAE) del modelo BND-FOA-LSSVM propuesto son respectivamente 3.48%, 11.18 Yuan/MWh y 9.95 Yuan/MWh, que son mucho menores que los del modelo LSSVM, BND-LSSVM, FOA-LSSVM, promedio móvil integrado autorregresivo (ARIMA) y descomposición de modo empírico (EMD)-FOA-LSSVM. El modelo BND-FOA-LSSVM propuesto es efectivo y práctico para la previsión de precios de la electricidad, lo que puede mejorar la precisión de la previsión de precios de la electricidad.
Descripción
La previsión precisa de los precios de la electricidad juega un papel importante en las ganancias de los participantes del mercado eléctrico y en el desarrollo saludable del mercado eléctrico. Sin embargo, la serie temporal de precios de la electricidad presenta características de volatilidad y aleatoriedad, lo que dificulta bastante la previsión precisa de los precios de la electricidad. En este documento, se propuso un nuevo modelo híbrido para la previsión de precios de la electricidad que combina el método de descomposición de Beveridge-Nelson (BND), el algoritmo de optimización de moscas de fruta (FOA) y el modelo de máquina de soporte vectorial de mínimos cuadrados (LSSVM), denominado modelo BND-FOA-LSSVM. En primer lugar, las series temporales originales de precios de la electricidad se descompusieron en un término determinista, un término periódico y un término estocástico utilizando el modelo BND. Luego, estos tres términos descompuestos se pronosticaron empleando el modelo LSSVM, respectivamente. Mientras tanto, para mejorar el rendimiento de la previsión, se utilizó un nuevo algoritmo de optimización de inteligencia de enjambre, FOA, para determinar automáticamente los parámetros óptimos del modelo LSSVM para la previsión del término determinista, la previsión del término periódico y la previsión del término estocástico. Finalmente, el resultado de la previsión del precio de la electricidad se puede obtener multiplicando los valores pronosticados de estos tres términos. Los resultados muestran que el error porcentual absoluto medio (MAPE), el error cuadrático medio (RMSE) y el error absoluto medio (MAE) del modelo BND-FOA-LSSVM propuesto son respectivamente 3.48%, 11.18 Yuan/MWh y 9.95 Yuan/MWh, que son mucho menores que los del modelo LSSVM, BND-LSSVM, FOA-LSSVM, promedio móvil integrado autorregresivo (ARIMA) y descomposición de modo empírico (EMD)-FOA-LSSVM. El modelo BND-FOA-LSSVM propuesto es efectivo y práctico para la previsión de precios de la electricidad, lo que puede mejorar la precisión de la previsión de precios de la electricidad.