基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

基于PCA - GRNN模型的新能源汽车月度销售量预测研究

为预测新能源汽车的月度销售量,提出了一种基于主成分分析(PCA)和广义回归神经网络(GRNN)相结合的预测模型——PCA - GRNN模型.首先,选取动力电池月份装车量、充电基础设施、电池级碳酸锂平均价格、交通和通信类居民消费价格指数、全国城镇调查失业率、汽车制造业工业生产者出厂价格指数等6个指标作为新能源汽车月度销售量的影响因子; 其次,利用主成分分析方法得到可代表6个影响因子的2个主成分,并利用Matlab神经网络工具箱的GRNN神经网络函数构建了广义回归神经网络模型; 最后,将2020—2022年间27个月度的统计数据分别输入到PCA - GRNN、PCA - BP和PCA - Elman模型中进行预测.结果显示, PCA - GRNN模型预测的新能源汽车月度销售量的平均相对误差(4.00%)低于PCA - BP模型和PCA - Elman模型预测的平均相对误差(分别为4.77%和4.29%),因此PCA - GRNN模型在预测新能源汽车销售量方面具有一定的实用性.     

基于MCP预测误差VaR值的日前现货市场竞价模型研究

日前现货市场环境下,合理申报段电量和段电价是提高发电企业利润的重要报价策略。为了制定满足风险要求的这一策略,从发电企业的角度出发,通过分析历史预测出清价的误差,统计其概率分布,最后得到误差在不同置信度下的VaR值,并且通过VaR值来指导发电企业进行段电量和段电价的申报。计算实例表明,该法不仅满足独立发电企业所要求的简单、实用原则,并且能够满足日前现货市场竞价要求。     

电力期货价格的协整建模与预测

在电力市场环境下,电力期货价格受现货价格、利率和负荷需求等多种因素影响,变化趋势复杂,很难将所有的因素都加以考虑来建立一个准确的模型对其进行全面描述．因此,选取最重要的影响因素：电力现货价格,利用协整理论来研究电力期货价格和现货价格之间的动态关系,并建立向量误差修正模型（VECM）,对电力期货价格进行有效的预测．     

基于神经网络和相似搜索技术的电力价格钉预测方法

电力市场中普遍存在“价格钉”,其特殊性给电价预测带来困难。通过对其特征和影响因素的分析,提出了一种基于神经网络和相似搜索技术的价格钉预测方法。首先,采用BP神经网络建立价格钉识别模型,对未来某一交易时段市场清算电价可能出现的区间进行预测,并提供相应的置信度;其次,对判别为价格钉的时段采用相似搜索技术进行二次预测。采用澳大利亚昆士兰州电力市场2004年至2005年全年的电价数据进行训练和预测分析,结果验证了该方法的有效性。     

电价与负荷的相关性分析及其在电价预测中的应用

为解决传统电价预测模型需要对周末等电价波动较大预测日单独建模,以及模型不加区分地引入负荷因素影响预测精度的问题,提出了利用电价与负荷的相关系数判定是否将负荷因素引入粒子群-BP神经网络模型的新方法,将相关系数作为输入样本的阈值,判定是否在模型输入样本中引入负荷因素.在电价变化平稳、电价与负荷相关性较弱时,在电价预测模型中不引入负荷因素,解决了粒子群-BP神经网络模型由于非关联输入样本过多而影响学习效率、导致预测精度降低的问题.仿真结果表明,新的预测模型对电价相对平稳和波动较大的预测日预测精度明显提高,可用于电力市场的短期电价预测.     

基于实时电价特征的Seq2Seq-Attention 网络短期电价预测

电价预测中常选择负荷与电价作为输入特征,由于输入信息量少,难以得到较好的预测效果。为准确捕捉短期电价变化规律,提出基于实时电价原理进行电价特征提取,从电价形成机制的角度对电价波动原因进行分析,筛选出用于短期电价预测的实时电价特征。并使用擅于捕捉电价预测数据规律的Seq2Seq-Attention网络进行预测。通过美国PJM电力市场公开数据进行验证,证明了该方法的有效性。     

电力市场中基于混沌理论的电价预测研究

随着电力市场化的不断深入,边际电价预测的重要性将愈来愈凸显,己成为广大发电企业普遍关注的焦点.如何开展边际电价预测以及如何提高边际电价预测的准确性成为迫切需要解决的问题.结合混沌理论,演绎出新的电价预测方法.     

基于量子算法的电热系统双层优化模型

为了减少弃风弃光等问题并提高能源利用率,提出了一种基于实数量子算法的电热联合系统双层优化模型.利用电力市场中动态电价方式,根据风电日前预测值和电/热负荷预测值,通过电价补偿引导热电联产系统和热泵的行为.采用KKT条件将双层模型转化成单层问题后,提出了一种基于实数量子算法的求解方式,并以6节点电力系统和8节点热力联合系统进行仿真分析.仿真结果表明,所提出方法能有效减少弃风,同时提高电力系统的收益.     

混沌理论和快速BP神经网络在边际电价预测中的应用

以电价时间序列和负荷时间序列的混沌特性为基础,利用多变量混沌时间序列的相空间重构理论并结合人工神经网络的非线性映射能力建立数学模型,对我国川渝电网的边际电价进行预测,并对预测结果进行分析,取得了满意的结果.     

我国水电上网电价的定价研究

当前,我国电力工业正在进行"厂网分开,竞价上网"的改革试点,这是电力工业市场化非常关键的一步,而上网电价改革是电价改革中涉及问题复杂和难点较多的,在电力市场化实现过程中又处于核心地位.根据财务水平和两部制电价建立了水电上网电价的预测模型,以期能为我国电价改革提供一些有益的思考.     

基于粒子群-BP神经网络算法的电价预测

为了解决现有电价预测中BP神经网络法对初始权值敏感、易陷入局部最小值和收敛速度慢等问题,在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法,先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型.与传统BP神经网络、粒子群广义神经网络相比,该方法收敛速度快、所需历史数据少、预报精度高,可用于电力系统的短期电价预测.     

华东电力市场运营分析研究与系统设计

华东电力市场运营将对电网公司的安全生产和经济效益产生重大影响,做好电力市场运营分析工作具有非常重要的作用和现实意义.本文详细介绍了电力市场中关于市场环境、年度市场、月度市场和日前市场运营分析的主要内容以及市场运营报表的生成,并提出了系统的建设方案.     

基于统计理论的负荷特性分析及其预测

电力负荷受气象因素影响越来越大,如何准确确定气象因素是负荷预测研究的重要课题.首先采用统计学方法对影响负荷的气象因素进行分析,找到影响负荷的核心气象因索,再利用GRNN回归神经网络进行预测.经实际系统检验,证明该方法克服了传统气象负荷预测中的主观性,将气象影响因素过程量化,提高了预测结果的精度,是一种适用性很强的方法.     

通用回归神经网络及其用于渣油裂解建模

为建立准确的渣油裂解装置经验模型,采用了一种特殊的径向基函数网络--通用回归神经网络(general regression neural network, GRNN).GRNN具有明确的概率意义,结构和连接权均完全确定,克服了一般径向基网(RBFN)设计和训练上的困难.在分析了平滑因子对GRNN性能的影响后,设计了改进的进化规划算法(MEP)以优选平滑因子,并建立MEP-GRNN模型.该模型用于渣油裂解建模时,其预报精度和稳定性比RBF-PLS等方法均有所提高,表现了MEP-GRNN为非线性过程建模的优势.     

边际成本定价下的成本补偿

电力市场是否良好有序发展对国民经济的方方面面影响深远 ,这一影响的核心因素是电价 .从资源优化配置并追求社会效益最大化的角度出发 ,研究了电力短期交易价格形成的机制问题 ,分析了基于最小成本和基于最小用户付费两种定价方法的特点 ,对追求社会效益最大化的边际成本定价及在此机制下的固定成本补偿方法进行了探讨     

基于BP神经网络与马尔可夫链的短期电价预测

提出了一种基于BP神经网络与马尔可夫链的短期电价预测方法.在采用BP神经网络模型进行短期电价初步预测的基础上,按照模糊C-均值聚类法划分预测误差的马尔可夫链状态区域,再根据状态转移概率矩阵对预测误差进行修正,得到最终预测结果.算例仿真结果表明,所提出的方法比单纯采用神经网络的预测精确度更高.     

一种线性插补与自适应滑动窗口价格预测模型

因为基于Web数据挖掘的商品价格预测的准确率都不高,所以为了提高价格预测的准确率,提出了一种基于线性插补与自适应滑动窗口的商品价格预测方法,给出了将线性数据插补方法与自适应滑动窗口结合的商品价格预测模型,并将该商品价格预测模型应用于手机与黄金价格的预测。实验结果表明,该预测模型获得了99％以上的预测准确率,提高了网页商品价格数据抽取的抗噪性能,解决了现有销售商只有历史销售价格数据没有基于多个销售商的预测价格问题,可以为商品的市场预测与分析提供依据。     

中国电价调整经济影响的投入产出分析

中国国家发展改革委员会在2008年6月19日宣布调整部分能源产品价格,其中,规定自7月1日起将全国销售电价平均每kW.h提高2.5分钱。电力工业作为一个基础性的能源产业,其产品渗透到了经济体的各个方面,对经济发展和社会进步起着不可低估的作用,其价格调整必将引起相关产业部门的相应调整,进而影响到整个经济体的运行和社会生活的稳定。基于投入产出方法,量化了此次电价调整对经济的影响,并设定了不同的调价方案,分析了不同调价方案对经济运行的影响程度。通过分析,得出的结论是:此次电价调整在社会可承受范围之内,不会对经济产生太大的不利影响,未来的电价仍然有调升的空间;电价变动对不同部门产生的影响不同,在制定电价政策时,应充分考虑各个部门的承受能力,做到既有利于电力工业发展,又有利于产业结构的优化。     

基于联立方程的需求预测计量经济模型

国民经济对用电量决定性影响，在此基础上，结合宏观经济计量模型，建立了联立方程计量经济模型预测电力需求，结合考虑宏观经济各经济指标对用电终端部门电力需求的影响。详细介绍了模型的原理，并以一个实际算例，预测2000-2006年各终端用电部门的用电量，为电力需求预测提供新方法，新思路。