短期电价预测综述

准确的短期电价预测可为市场参与者的竞价策略提供指导,从而减少参与者的竞价风险,为其带来稳定的收益,因此短期电价预测已成为电力市场中的研究热点。结合1997年以来的相关文献对短期电价预测进行了综述。在分析电价基本特点和电价影响因素的基础上,重点对时间序列法和神经网络法这2种常用的电价预测方法进行了评述,探讨了各方法可能的进一步研究方向。最后对电价影响因素选择、数据预处理和电价预测工具的选择这3个电价预测中的重要问题进行了讨论,并对短期电价预测的研究工作提出了一些建议。     

基于BP神经网络的短期市场出清电价预测

在电力市场中,短期市场电价预测的准确与否,对发电厂的竞价决策具有关键性的影响。文章提出应用神经网络算法来模拟预测日前市场出清电价,以获取精确的预测结果,该方法可适用于原始数据有限的情况。利用电力系统历史负荷、历史清算电价、系统的旋转备用等影响因素作为分析因子,分析其对未来时段电力市场价格的影响,并对下一交易时段电价进行预测。以美国加利福尼亚州电力市场为背景,采用BP神经网络算法,应用MATLAB软件编程,建立电力市场清算电价短期预测模型。该模型结构为三层神经网络,通过网络的反向传播过程不断修正模型中的神经元连接权值和阈值,充分发挥BP网络局部搜索能力强的优点,实现对未来24小时市场出清电价的有效预测,并针对美国加州实际电力市场价格数据进行训练和预测分析,结果表明该模型具有良好的预测效果。     

分时段短期电价预测

分时段电价序列比顺序电价序列的变化特征更单一，有利于电价的分析建模，从而提高预测精度，因此采用各时段电价分别预测的分时段预测方法。该文将相关系数作为选取电价影响因素的标准，考虑了历史电价、负荷、负荷率等影响电价的因素。以小波分析和神经网络作为工具，对不同输入因素和不同预测方法下的电价预测精度进行了研究，并重点比较了基于分时段电价序列的预测方法和基于顺序电价序列的预测方法。算例采用美国新英格兰电力市场历史数据，对其2002年第4季度的电价进行了连续预测。与基于顺序电价序列的预测方法相比，分时段短期电价预测方法能够使平均相对百分比误差下降约3个百分点。     

基于多智能体的短期电价智能预测方法

短期电价预测的准确性和稳定性对电力竞价决策具有重要作用。针对目前短期电价预测方法的局限性，提出并建立了一种基于多智能体的智能化短期电价预测方法。按照智能预测和组合预测的思想，实现了各类预测模型的智能选择、定量与定性方法的有机整合，并重点研究了知识库的构建及基于多智能体的预测流程。仿真试验结果表明，与常规预测方法相比，该方法的准确性和稳定性均得到了提高。     

一种用于短期电价预测的分时段时间序列传递函数模型

在电力市场环境下,准确的价格预测可为市场参与者制定合理的竞争策略提供重要信息。本文提出了一种基于时间序列法的分时段传递函数模型来预测短期电价,该模型考虑了负荷因素对电价的影响,同时利用累积式自回归滑动平均模型（ARIMA）对电价序列和负荷序列的非平稳性进行处理,并且对一天24个小时时段分别建立了预测模型。采用加州历史电价数据进行算例研究,结果表明,利用本文模型进行电价预测能够提高预测的准确性。     

一种用于短期电价预测的分时段时间序列传递函数模型

在电力市场环境下,准确的价格预测可为市场参与者制定合理的竞争策略提供重要信息.本文提出了一种基于时间序列法的分时段传递函数模型来预测短期电价,该模型考虑了负荷因素对电价的影响,同时利用累积式自回归滑动平均模型(ARIMA)对电价序列和负荷序列的非平稳性进行处理,并且对一天24个小时时段分别建立了预测模型.采用加州历史电价数据进行算例研究,结果表明,利用本文模型进行电价预测能够提高预测的准确性.     

电力市场现货电价预测方法研究状况综述

电力工业从垄断走向市场,使得电价不再由政府确定,而是在市场机制下产生.电价波动会影响市场参与者的经济利益.对电力市场参与者而言,准确地预测电价具有非常重要的意义.详细分析和研究了电力市场现货电价的预测方法及其技术发展,阐述了各种电价预测方法的种类、预测原理、优缺点及其适用范围.     

基于时间序列ARMAX模型的短期电价预测方法

电力市场环境下,准确的电价预测可为市场参与者制定合理的竞争策略提供重要的参考信息.在对美国PJM电力市场日前电价的各种影响因素和波动规律综合分析的基础上,建立了一个基于ARMAX考虑负荷与电价之间非线性关系的短期电价预测模型.对PJM电力市场2008年1月到4月的历史数据的算例研究表明,该方法能够准确反映电价的变化规律,具有较高的预测准确性.     

基于相似搜索和加权回归技术的短期电价预测

在电力市场环境下,进行准确的电价预测对市场中的各参与者有极其重要的意义。提出一种基于数据挖掘中的相似搜索技术和加权回归技术的短期电价预测方法,该方法简单、方便．对临近日和相似搜索所得到的相似日的负荷-电价数据用加权回归进行电价预测。最后用美国加州电能交易所(CalPX)公布的真实数据得到的预测结果验证了该方法的有效性。     

含置信区间的改进ARIMA电价预测

电力市场环境下,电价已日益成为市场参与者关注的焦点.准确的电价预测能为各参与者提供重要的参考.国内外对于电价预测的方法有很多.引用国内外相关理论对现有ARIMA预测模型进行了改进.在现有ARIMA电价预测模型的基础上,采用游程检验法判断电价序列的平稳性,采用AIC准则确定ARMA模型的阶数,在误差预测中,借助统计学的区间估计理论,给出了一种含置信区间的电价预测方法,更好地确定了电价序列的上下限,为发电商的竞价提供参考.     

电力市场环境下价格突变的机理分析和风险防范

指出电力市场的价格存在不确定性,描述了电力市场中异常价格的类型.预防和规避市场的价格风险,是建立公平、有序、稳定的电力市场的关键.通过对加州电力市场价格的统计,分析异常价格出现的规律,剖析了影响电力市场价格的主要因素,介绍了价格突变的预测方法,提出了结合价格预测和风险防范的市场竞价流程.     

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。     

Next-Day Peak Electricity Price Forecasting Using NN Based on Rough Sets Theory

Electricity price forecasting is an essential task for market participants in deregulated electricity market. This paper proposes an approach for next-day peak electricity price forecasting, since it is important for risk management and bidding strategy. In the proposed method, neural network (NN) is employed as the forecasting method, and its learning data is selected by using rough sets. Moreover, the creating method of learning data based on temperature fluctuation is also proposed for generation of new learning data in order to efficiently learn. This method is examined by using the data of Pennsylvania-New Jersey-Maryland (PJM) electricity market and The independent electricity system operator (IESO) market. From the simulation results, it is observed that the proposed method is useful for next-day peak electricity price forecasting. Copyright © 2009 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于价格配额曲线的售电商投标策略优化

近年来随着中国电力体制的改革,大量售电商参与到电力市场之中.对于部分售电商而言,其可能存在一定的市场影响力,投标行为会对市场出清电价产生影响,进而影响到自身的投标策略.考虑到售电商自身的投标策略对市场出清电价的影响以及出清电价本身的不确定性,文中将市场出清电价分布与价格配额曲线(PQC)相结合,建立了基于PQC的市场出清电价的分布模型,进而建立了售电商在电力市场的投标行为优化模型.同时,研究了不同市场供求关系下对应的出清电价分布情况对售电商投标策略的影响.算例表明,对比不同情况下售电商的最优投标策略,基于PQC的方法可以使售电商更好地适应市场并合理地调整投标策略.     

基于CEEMDAN分解的深度学习分位数回归电价预测

电力市场中电价预测的准确性对于供应商竞价策略的制定至关重要。针对电价预测问题,提出一种基于完备经验模态分解的深度学习分位数回归电价预测方法。首先,采用自适应噪声的完备经验模态分解方法对电价序列进行分解,得出各个模态分量;然后,采用深度学习中空洞因果卷积神经网络预测模型在不同分位数下对各个分量进行预测,并将预测结果重构;最后,对预测结果采用核密度估计得到电价的概率密度函数。经过对美国电力市场PJM的实际数据进行仿真验证,所提出的组合预测方法相比于其他分位数回归方法,不仅具有更高的预测准确度,且可以为供电商提供更多有效信息。     

利用SCP预测中期电价

目前电价预测的研究主要集中于短期预测,而中期电价预测的方法较少.该文采用浙江电力市场的历史数据,利用系统剩余容量百分比(SCP)与平均上网电价的关系曲线在不同运行年份基本一致这一特征,得出在同一电力市场中,SCP与电价的对应关系在不同的年份(或时期)有一定的普遍适用性的结论,并由此结论提出一种利用SCP与平均上网电价的关系曲线来预测中期电价的新方法.该方法的特点是,只要能预测出某一段时期的竞价负荷和可用容量,就能对该时期的电价做出预测,这对供用电双方和电力监管方都有指导作用.最后,通过实际算例验证了该预测方法的可行性.     

市场电价的实证分析及预测建模

电力作为一种特殊的商品，具有很低的用电需求弹性，难以大量存储，易受到发电容量、输电阻塞等系统特有约束的影响，尤其是在电力市场环境下还要受到发电公司报价策略的影响，因此，对市场电价进行有效的预测建模将面临巨大的挑战。文中从实证分析的角度出发，首先对浙江发电市场的系统报价曲线进行分析，在此基础上提出一种报价曲线驱动的市场电价预测方法，并通过算例仿真表明此方法在实现上的方便、有效性。     

容量电价机制对发电商竞价行为的激励

容量电价是调控电源投资和建设的一种宏观手段，还会对市场成员的竞价行为及电力市场交易产生影响。该文从激励的角度分析容量电价对市场成员竞价行为的影响，并利用基于报价中标概率信念函数的电力市场模拟方法，通过建立考虑容量电价因素的发电商个体新决策模型，定量研究和比较了国内两种不同容量电价补偿机制对发电商竞价行为和市场均衡状态的影响。理论分析和算例表明，按照中标容量支付容量电价，会抑制发电商的报价投机行为，使市场均衡价格较低。     

电力市场现货电价预测方法研究状况综述

电力工业从垄断走向市场,使得电价不再由政府确定,而是在市场机制下产生。电价波动会影响市场参与者的经济利益。时电力市场参与者而言,准确地预测电价具有非常重要的意义。详细分析和研究了电力市场现货电价的预测方法及其技术发展,阐述了各种电价预测方法的种类、预测原理、优缺点及其适用范围。     

考虑电价不确定性的负荷价-量曲线聚合方法

随着电力市场的发展,需求侧逐渐参与电力市场报价。报价曲线需要反映需求侧的真实价格响应特征。然而,需求侧的负荷资源具有数量多、单个容量小的性质。大量用户聚合上报的价-量曲线尽量准确地反映需求侧特征,有利于售电侧准确掌握聚合用电特性,维护电力市场经济信号准确性。针对此,提出一种考虑电价不确定性的需求侧用户价-量曲线聚合方法,该方法可有效保留各负荷的价格响应特性,并为大量需求侧用户参与市场出清提供技术支撑。首先,该文考虑电价预测的不确定性,基于后验误差与核密度估计,建立适应多种电价预测模型的电价概率分布生成方法;在此基础上,提出需求侧用户价-量曲线的最优聚合模型,能在预测电价附近展现良好的聚合精度,且适用于不同出清模式的电力市场。针对所提模型具有的分段非线性特性,该文采用启发式算法-粒子群算法求解该模型。最后,基于真实电价数据验证了所提方法的有效性。