基于遗传算法优化BP网络的提前一天市场清算电价预测

针对电力市场提前一天市场清算电价预测,考虑历史负荷和历史清算电价对未来时段电价的影响,分别采用BP神经网络和遗传算法优化BP网络的方法,建立了提前一天电力市场清算电价预测模型。并采用澳大利亚昆士兰州电力市场1998年的电价数据分别进行了训练和预测,对结果进行了比较分析。结果表明遗传算法优化BP网络模型具有良好的预测效果。     

基于粒子群广义神经网络的系统边际价格预测方法

提出了一种利用改进粒子群算法优化广义神经网络的平滑因子，并采用优化后的网络预测系统边际价格的方法，该方法克服了利用梯度下降法优化平滑因子时易陷入局部极值点以及利用遗传算法优化平滑因子时收敛速度慢等缺点。采用该方法利用美国加州电力市场公布的历史数据进行系统边际价格预测，结果表明本文提出的方法比传统的BP网络预测方法更有效。     

基于小波包分解和长短期记忆网络的短期电价预测

在电力市场环境下,精准的短期电价预测可以保障电网优化调度和安全稳定运行,但实时电价具有非平稳性和非线性的特点,加大了预测难度。针对这一问题,提出了一种基于小波包分解（WPD）和长短期记忆（LSTM）网络的短期实时电价预测方法。将实时电价序列分解,得到最高频细节部分和低频趋势部分,剔除波动性高、无效信息多的高频细节部分,再采用LSTM网络对有效信息最多、更能体现电价序列的趋势部分进行实时电价预测。使用所提方法对美国PJM市场某地区实时电价数据进行预测实验,结果表明所提方法相比随机森林、BP神经网络、支持向量机电价预测方和传统的LSTM网络电价预测方法具有更高预测精度。     

基于BP神经网络有杆抽油机井下示功图识别研究

介绍了基于BP神经网络对有杆抽油机井下示功图的一种模式识别方法。首先利用有杆抽油机运动数学模型把井上采集数据变换为井下数据,然后通过几何变换的方法提取井下数据特征值,训练BP神经网络,分析训练效果,最后使用非训练数据样本对识别准确性进行验证。通过仿真数据验证,识别效果较好、速度快。该方法建立的BP网络具有复杂度较低、速度快、效果好的优点。     

基于BP网络的开关电源故障诊断方法研究

分析了开关电源故障诊断方法研究的现实意义,以BP神经网络、数据模糊化和功能测试理论为基础,针对开关电源电路特征提出了采用功能BP网络与子模块BP网络相结合并行处理方法,首先避免了建立庞大的BP网络,其次解决了大规模模拟电路功能模块串行处理效率低的问题.测试和仿真结果表明,所提出的方法能够有效地诊断模拟电路故障模块和故障元件.     

基于代价函数BP网络的电压稳定裕度计算

针对电压稳定裕度问题,提出一种基于BP网络的新算法——代价函数BP网络法,该方法采用动态的BP网络对非线性电力系统的潮流进行在线学习、训练,最后计算得出电压稳定裕度.改进过程是将Frobenius范数的平方作为标准误差值,且利用回归分析将相关系数按照大小排列,删除相关程度小的数据,这样有效地减少了BP网络输入维数,提高...     

基于 GA-BP神经网络的稳态电能质量预测

针对稳态电能质量指标数据的时序性和非线性,提出一种基于遗传算法(GA)和BP神经网络的电能质量预测方法,将电能质量历史数据和负荷数据、气象数据作为网络输入,使用GA优化BP神经网络的初始权值、阈值,通过该网络完成数据集的训练与预测.最后使用某线路电能质量检测点获得的真实数据验证了模型的准确性、可行性.     

基于BP神经网络的下一交易日出清电价预测

利用历史负荷和清算电价对未来时段出清电价采用3层BP神经网络模型进行预测, 将出清电价看成一个多输入单输出系统。把一天中每个小时按输入影响大小分成五类,然后采用BP网络分别建模预测。并采用美国New England电力市场2002年的电价数据进行了训练和预测分析,最终得到比较理想的出清电价预测结果。     

节气负荷预测方法研究

针对电力负荷预测的实际困难，提出了一种进行负荷预测的新思路，即采用节气负荷作为建模数据，并根据负荷呈现出的较为明显的时序性、周期性特点，将数据分离成趋势分量、节气周期分量，以及时间噪声及白噪声，采用双因子ARIMA模型对数据进行拟合，并以BP网络方法完成负荷预测。据此，着重论述了电力负荷预测中建模数据的选择、预处理方法及其对预测精度的影响。     

基于分层优化方法的BP神经网络光伏出力预测

为减小误差反向传输(BP)神经网络算法对光伏出力的预测误差,提出了基于实际BP网络拓扑结构的分层优化方法。该方法以温度关联性确定训练数据,结合小样本灰色算法对输入层数据变化趋势的发掘能力,实现了对BP网络输入层序列数学规律的有效筛选,利用粒子群算法优化隐含层的阈值和权重,强化了BP神经网络全局寻优能力,减小了预测误差,以遗传优化算法对输出层的阈值和权重进一步优化,改善了BP网络的预测精度。构建了BP网络分层优化模型并进行了算例分析,结果表明,所提出的分层优化方法能有效地减小预测误差,提高预测精度。     

发展中国家电力市场的定价之一--确定型的次日发电上网定价与运行

英国电力市场中联营体的购入电价ＰＰＰ（即发电上网电价）不适用于发展中国家（包括中国）,针对这些问题作者发展了电能价值当量分析方法并用于发展中国家电力市场中的次日上网电价预测。该文最后给出了以我国南方某省１９９０年数据为背景的算例。     

基于改进DFNN的短期电价预测新方法

提出了一种改进的动态模糊神经网络DFNN(Dynam ic Fuzzy Neural Network)的短期电价预测方法。首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。     

用电价分布概率预测的发电商报价策略模型

电力市场环境下发电企业的报价策略直接影响着该企业的收益。以市场边际电价报价既可成功竞价上网又能使发电利润达到最大,是最理想的报价方案。波动剧烈的实际市场电价很难精确预测,但可预测出其可能的分布概率。为此建立了一个基于电价分布概率预测的发电企业报价策略模型,并提出了采用二维实数编码策略的改进遗传算法优化求解。针对市场竞价中申报数据要求为一组符合递增规律的“价格—电量”数据点的要求,特别设计了独特的遗传操作算子以得到合理有效的报价方案。算例仿真验证了该模型与算法的可行性。     

可选择两部制电价定价模型及其方法

以制定315kVA容量及以上工业用户包含两部制电价、容量电价、电量电价等共8个可选择选项的电价菜单为背景,研究并给出了其定价模型优化方法。首先,采用邮票法结合用户用电修正指标对各电压等级输配电成本进行分摊。然后,在各电压等级下,分析用户用电量和容量的负荷特性指标,按照用户支付电费最少的原则,预判用户对基本电价、容量电价的选择。接着,设计两部制电价可选择选项的预判条件,根据此条件和前面预判结果建立线性方程进行求解,计算得到可选择电价目录。最后以某省用户数据为依据对模型进行验证,结果表明该模型既保证了总费用的回收又保证了预判用户所在类别电价为最经济电价。     

集成定价法在输电电价中的应用

对输电电价的定价方法进行了研究,对输电网的成本进行了分析,将其成本分为固定成本和变动成本2大类,固定成本基本上不随时间变化,变动成本随时间变化而不断改变。提出了集成定价思想,即对输电网的固定成本采用综合成本定价法,按最大需量进行分摊,而对变动成本则采用基于边际成本定价法的实时电价并进行实时分摊,两者有效结合即得出输电网的电价模型。该模型可称为集成定价法下的节点电价模型,可以应用于实时电价、分时电价、日前市场电价和远期合同电价。通过算例说明了该电价模型的具体应用。     

基于分时段多模型的短期电价预测

基于分时段时间序列多模型的短期电价预测方法对美国PJM电力市场2006年全年电价数据进行分析,预测2007年1月1日到7日的一周内每小时的电价,将全年电价数据按照时段划分为24个子序列(PJM电力市场电价是以小时出清),分别对每个时段的子序列建立不同的模型进行分析,算例的研究结果显示,平均绝对百分误差在10%以内,能够用于电力市场短期电价预测。     

会计成本制定电价的方法

以会计成本确定电价水平，分析了如何制定用户的合理电价结构以及用会计成本计算各类用户电价的方法，并对电站的上网电价提出了自己的观点。在对某地区负荷进行了大量调查分析的基础上，运用本方法进行了实例计算，通过与现行电价相比较得出了一些新的结论。     

销售侧分行业实行丰枯峰谷分时电价初探

在用户电量电价弹性矩阵的基础上探讨制定与各行业电力用户电价响应情况相一致的分行业丰枯峰谷分时电价的方法。通过建立各用户行业的丰枯季节电价弹性矩阵和峰谷分时电价弹性矩阵，依据各行业电力用户的调查数据建立分行业的丰枯季节电价与峰谷分时电价的电量转移成本函数与获益函数。通过求取两函数的交点，得到各行业电力用户在电量转移成本约束下达到电量转移极限所需的丰枯峰谷分时电价调整比例。最后将所提出的方法应用于云南电力系统，应用结果表明,不同行业电力用户达到电量转移极限所需的电价调整量存在较大差异性，以及针对不同用户行业的用电特性实施不同的丰枯峰谷电价的必要性。     

风电并网后对出清电价的影响研究

电力市场中电价的波动受到多种因素的影响和制约,为了对电价进行准确分析和预测,有必要对影响电价的因素进行分析.选择丹麦电力市场2009年数据作为研究对象,利用统计分析法分析了风电并网电量变化对出清电价的影响.研究结果表明:风电并网电量的变化不仅影响电价的均值,也影响电价的分布特性;风电穿透功率水平不同,电价的分布特性也不...     

基于模块网络的市场清算价格预测模型

该文提出一种基于模块网络预测市场清算价格的模型，该模型通过模糊C均值聚类（FCM）算法，将输入空间“软”分割成若干区域，由局部专家负责提取特定域的特征，由集成单元的竞争混合机制输出结果，在减少了计算量的同时提出了预测精度，是突破传统全局预测模型的一种常试，用美国加州电能交易所（CalPX)公布的真实数据得到的仿真结果令人满意。该模型为市场参与者制定投标策略提供了一种方法，也为市场管理者提供了一种监督市场力的工具。