首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 109 毫秒
1.
最优组合预测方法在电价预测中的应用   总被引:6,自引:0,他引:6  
电价是电力市场中的核心因素,电价预测是各个市场参与方共同关注的一项重要工作。为了提高电价预测的准确性,文章引入组合预测模型,将几个单一电价预测模型有机地结合起来,综合各个预测模型的优点,得出更为准确的预测结果。通过使组合预测误差平方和最小,以确定各个单一预测方法的权重系数。用美国加利福尼亚州电力市场日均历史电价进行预测校验,算例分析结果说明了该组合预测方法的有效性。  相似文献   

2.
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。  相似文献   

3.
含置信区间的改进ARIMA电价预测   总被引:1,自引:0,他引:1  
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.  相似文献   

4.
考虑市场力的短、中、长期电价预测   总被引:17,自引:5,他引:17  
分别介绍了采用BP神经网络模型和线性回归模型进行电价预测的方法和结果。方法的突出特点是在预测模型中引入了一个衡量市场力的新指标——发电容量必须运行率(MRR),从而充分考虑了市场力对电价的影响,提高了电价预测的精度,特别是增强了短期预测模型对最高限价的预测能力。文中对MRR指标进行了简单的介绍,并针对电价预测的不同特点,对预测模型和预测变量的选择进行了探讨,提出了自己的观点。基于浙江电力市场实际运营数据的初步预测结果表明,所建预测模型是适用的,选择的预测输入变量是恰当的,电价预测精度能够满足电力市场实际运营的需要。  相似文献   

5.
分别介绍了采用BP神经网络模型和线性回归模型进行电价预测的方法和结果。方法的突出特点是在预测模型中引入了一个衡量市场力的新指标——发电容量必须运行率(MRR),从而充分考虑了市场力对电价的影响,提高了电价预测的精度,特别是增强了短期预测模型对最高限价的预测能力。文中对MRR指标进行了简单的介绍,并针对电价预测的不同特点,对预测模型和预测变量的选择进行了探讨,提出了自己的观点。基于浙江电力市场实际运营数据的初步预测结果表明,所建预测模型是适用的,选择的预测输入变量是恰当的,电价预测精度能够满足电力市场实际运营的需要。  相似文献   

6.
在对电力市场现货电价的变动规律综合分析的基础上,提出了一种含预测误差校正的粒子群优化GM(1,2)短期电价预测方法。该方法对采用滑动平均法处理后的电价序列建立基于粒子群优化灰色背景值的GM(1,2)模型,利用时间序列分析的ARMA方法对灰色残差序列建立ARMA预测模型,并用ARMA模型的预测值修正GM(1,2)模型的预测结果。对PJM电力市场历史数据的算例分析表明,相对于传统GM(1,2)模型,该方法能够更加准确地反映电价的变化规律,具有较高的预测精度,可满足电力市场参与者制订竞价策略的需要。  相似文献   

7.
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。  相似文献   

8.
基于神经网络的短期电价预测   总被引:5,自引:0,他引:5  
利用系统旋转备用、历史负荷和清算电价对未来时段电价的影响来进行电价预测。以澳大利亚昆士兰州电力市场为背景,采用神经网络的方法,建立了提前1天电力市场清算电价短期预测模型。模型为3层BP神经网络结构,并采用昆士兰州电力市场1998年的电价数据进行了训练和预测分析,结果表明该模型具有良好的预测效果。  相似文献   

9.
基于动态计量经济学模型的短期电价预测   总被引:6,自引:3,他引:3  
电力市场中的电价受众多因素影响,单变量时间序列法已很难提高短期电价的预测精度。针对该问题,文中运用时间序列模型的动态计量方法来预测短期电价。首先建立电价和电量的一般自回归分布滞后模型;然后对电价和电量的时间序列数据进行预处理;在通过平稳性和协整性检验后,建立误差修正模型,最终由Eviews 5.0估计出模型的参数。利用此模型对澳大利亚新南威尔士州电力市场的短期电价进行预测,结果表明此模型具有较高的预测精度。  相似文献   

10.
在对电力市场现货电价的变动规律综合分析的基础上,提出了一种含预测误差校正的粒子群优化GM(1,2)短期电价预测方法.该方法对采用滑动平均法处理后的电价序列建立基于粒子群优化灰色背景值的GM(1,2)模型,利用时间序列分析的ARMA方法对灰色残差序列建立ARMA预测模型,并用ARMA模型的预测值修正GM(1,2)模型的预测结果.对PJM电力市场历史数据的算例分析表明,相对于传统GM(1,2)模型,该方法能够更加准确地反映电价的变化规律,具有较高的预测精度,可满足电力市场参与者制订竞价策略的需要.  相似文献   

11.
基于小波分析的短期电价ARIMA预测方法   总被引:15,自引:9,他引:15  
电力市场中的电价具有特殊的周期性,以天、周、年为周期波动,且大周期中嵌套小周期.作者提出一种基于小波分析的累积式自回归滑动平均方法(WARIMA)用于短期电价预测,首先利用小波变换能将交织不同频率成份的混合信号分解成不同频带上的块信号的特性,将电价这一随机序列进行小波分解,得到低频上的概貌序列和高频上的细节序列,并在此基础上对各个子电价序列分别利用累积式自回归滑动平均模型(ARIMA)进行预测,然后在电价平稳时段用概貌序列预测结果直接作为电价预测结果,而在电价非平稳时段将各子序列预测结果重构作为最终的预测结果.为了对比分析,将直接使用ARIMA模型的预测结果和采用WARIMA方法的预测结果进行了比较,表明引入小波分析对提高预测精度是有益的.  相似文献   

12.
基于非参数GARCH的时间序列模型在日前电价预测中的应用   总被引:1,自引:0,他引:1  
电力市场中电价序列具有较强的波动性、周期性和随机性,以致经常出现价格尖峰,这在很大程度上影响了电价预测的精度。提出了一种基于小波变换和非参数GARCH(generalized auto regressive conditional heteroskedasticity)模型的时间序列模型对日前电价进行预测。利用小波变换将历史电价序列分解重构概貌序列和细节序列,分别建立累积式自回归滑动平均(auto-regressive integrated moving average,ARIMA)模型进行预测,采用非参数GARCH模型对电价序列预测残差的随机波动率进行建模,从而提高对价格波动性的预测能力和ARIMA模型的预测精度。将该模型应用于美国宾夕法尼亚—新泽西—马里兰(Pennsylvania-New Jersey-Maryland,PJM)电力市场的日前电价预测。算例结果表明,非参数GARCH模型可以更好地拟合电价序列剧烈波动的特性,该模型能够提高电价的预测精度。  相似文献   

13.
电力市场中,市场出清电价具有较强的波动性、周期性和随机性,实践证明单一的电价预测模型很难提高预测精度。针对该问题,提出一种基于多因素小波变换和多变量时间序列模型的日前电价预测方法。利用小波变换将历史电价序列和负荷序列分解和重构成概貌电价、细节电价和概貌负荷、细节负荷。用概貌电价和概貌负荷作变量建立多元时间序列模型,预测未来概貌电价;用单变量时间序列模型预测未来细节电价。将概貌电价和细节电价的预测结果求和作为最终的预测电价。采用上述方法对美国加州电力市场日前电价进行预测,并与对比模型进行了详细的比较分析,结果表明该方法能够提供更准确的预测电价。  相似文献   

14.
This paper proposes a neural network approach for forecasting short-term electricity prices. Almost until the end of last century, electricity supply was considered a public service and any price forecasting which was undertaken tended to be over the longer term, concerning future fuel prices and technical improvements. Nowadays, short-term forecasts have become increasingly important since the rise of the competitive electricity markets. In this new competitive framework, short-term price forecasting is required by producers and consumers to derive their bidding strategies to the electricity market. Accurate forecasting tools are essential for producers to maximize their profits, avowing profit losses over the misjudgement of future price movements, and for consumers to maximize their utilities. A three-layered feedforward neural network, trained by the Levenberg-Marquardt algorithm, is used for forecasting next-week electricity prices. We evaluate the accuracy of the price forecasting attained with the proposed neural network approach, reporting the results from the electricity markets of mainland Spain and California.  相似文献   

15.
吴兴华  周晖 《电气技术》2007,(12):24-27,31
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,直接影响着参与者的利益。针对电价预测的精确度问题,引入了最优加权几何平均组合预测方法,它综合利用了二次指数平滑、自适应模糊神经网络和修正的灰色模型三种方法提供的有用信息,并且该组合预测模型的误差平方和小于各单一预测方法的误差平方和,因此进一步提高了预测结果的准确性。最后用算例验证了该组合预测方法的可行性。  相似文献   

16.
余帆  沈炯  刘西陲 《电网技术》2008,32(8):63-67
针对日前电力市场提出了一种基于自回归条件异方差分析的改进神经网络模型。首先利用自回归条件异方差分析得到边际电价序列的条件方差,然后以条件方差作为电价波动风险指标,建立基于历史电价、历史负荷和历史电价条件方差等输入量的自回归条件异方差-反向传播网络模型,并利用该模型对美国PJM电力市场的日前边际电价进行了预测。结果表明,引入自回归条件异方差分析可以有效提高传统反向传播网络的预测精度。  相似文献   

17.
基于多Agent协同技术的用电需求预测系统的设计   总被引:2,自引:4,他引:2  
程瑜  张粒子  郑华 《电网技术》2004,28(5):50-54
电力市场环境下,用电需求日益复杂化,影响电价的因素日益增多,使电价具有较强的弹性.作者首先对用电需求预测这一需求预测和电价预测相互影响、而且这两种预测又是交叉进行的复杂过程进行了分析.然后提出利用多Agent协同技术设计需求和电价的并行预测系统.在这一预测系统中,通过Agent技术将系统理论、需求预测、电价预测、信息收集与知识发现技术紧密地结合起来,以提高供电市场中用电需求预测的准确性.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号