基于电力交易平台大数据的多区域电价预测研究

随着电力市场的发展，电力交易的实时数据通常来自于电力交易平台，但随着电力交易量的增加，电力交易平台用电成本逐渐增加。为此，基于多区域电力大数据，采用机器学习的方法，研究了电力价格建模和预测方法，通过分别采用线性回归、决策树和M5P三种机器学习算法，对同一组数据集进行训练、预测和比对，得出最佳学习算法，最后利用预测数据与实际数据对比计算误差，并讨论了电价预测准确性及其影响的主要因素。研究结果表明M5P算法具有最为准确的预测性能，建立的预测模型能够准确预测最低电价以及电价变化趋势，但是对短期电价波动的预测存在一定误差，误差主要来源于电价自身具有的时间序列性质。