电力市场中的价格钉研究

电力市场中普遍存在价格钉现象.结合近年来的相关文献对价格钉进行了综述:首先分析自由竞争的电力市场中电价的基本特点,并从经济学角度分析价格钉产生的原因,影响价格钉的供给与需求方面的主要因素,然后重点对价格钉的预测方法和控制途径进行了评述,对比了各种预测方法的优缺点及适用面,以及各种可能的控制途径.文章最后探讨了今后的研究方向.     

基于支持向量机的电价价格钉预测

电力行业在放松管制、引入竞争机制、提高效率的同时,也带来了电价的剧烈波动问题,成为威胁电力市场稳定安全经济运行的一个重要方面。在确定价格钉判别标准的基础上,分析价格钉的主要分布特点。针对价格钉与正常价格分布的不平衡性,为提高价格钉发生预测的准确性,对标准的支持向量机进行修正:一方面运用少数类样本综合仿制技术(SMOTE)增加价格钉这一少数类样本的数量;另一方面对价格钉与正常价格这2类分别设置不同的惩罚系数。方法应用于澳大利亚昆士兰电力市场中价格钉预测,取得了较好的效果。     

我国电价时间序列混沌特性分析及电价预测

本文在分析电价时间序列形成机理的基础上,分析了我国电价时间序列的的混沌特性,通过国内外电价时间序列的比较,证明了传统的基于电价时间序列周期性的预测方法在我国电力市场不能取得较好结果的原因。并利用我国电力市场电价时间序列和负荷时间序列的混沌相关性建立模型,该模型可以很好的解决我国四川电网日前市场和实时市场的电价预测问题,该改进模型对“价格钉”具有一定的预测能力,并为“价格钉”预测提供一种思路。     

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.     

考虑需求弹性的电力市场边际电价概率学预测

在电力市场环境下,各种需求侧响应措施可有效增加需求价格弹性。电力市场的价格预测不仅要考虑需求侧和供应侧的随机不确定性,而且要充分计入需求价格弹性等经济因素的影响。基于系统边际发电单元的概念,应用有关概率理论和随机生产模拟技术,提出了一种计入需求价格弹性因素的边际电价概率学预测方法。该方法还为电力市场环境下需要考虑一定需求弹性时的发电系统可靠性指标估计提供了一种可行途径。算例分析证明方法的合理性和有效性,并且表明,增加需求价格弹性,可有效降低边际电价及其不确定性,改善系统发电容量的充裕性。     

电力市场电价预测方法综述

电价是反映电力市场运营状况,评价市场竞争效率的核心指标,是电力市场决策的基础。阐述了电力市场电价预测问题的特点、内容和方法,分析和比较了短期预测和中长期预测的各种方法,指出了各种方法的优缺点,提出了一些提高预测精度的改进措施,并对电价预测中的一些关键问题进行了分析探讨。     

电力市场电价预测方法综述

电价是反映电力市场运营状况,评价市场竞争效率的核心指标,是电力市场决策的基础.阐述了电力市场电价预测问题的特点、内容和方法,分析和比较了短期预测和中长期预测的各种方法,指出了各种方法的优缺点,提出了一些提高预测精度的改进措施,并对电价预测中的一些关键问题进行了分析探讨.     

数据增强与序列分解在电价预测中的应用

电力体制改革的市场化发展,使得更多的市场主体参与到电力市场中,为了在交易中获得更大的经济效益,各参与方对于电力交易辅助决策尤其是价格预测的需求日益增长.通过mixup数据增强方法对原始数据进行扩充,采用HHT(Hilbert-Huang transform)方法对价格数据进行分解分析.根据分析结果,各分项采用不同的算法模型训练累加其预测结果,改善了由于交易市场前期数据量少以及价格波动性导致预测结果精度较低的问题,为市场主体参与报价提供了参考基础.     

电力市场中的电价预测综述

在竞争性的电力市场中,准确地预测电价对电力市场的参与者有着重要的意义.全面回顾和分析了国内外的电价预测研究成果,并从预测对象、输入变量的选择、预测方法和程序以及研究历史等角度进行了分析,在此基础上比较分析了各种预测方法的优缺点,最后对电价预测研究工作提出了建议和展望.     

浙江省电力市场清算价格预测系统实现

价格预测在新的竞争性电力市场中与生产者和消费者的关系越来越大。对于当时的电力市场和长期的电力契约来说,价格预测对发展出合理的价策略或谈判技术来说是必需的,以此来实现经济利益的最大化。提供两种方法来预测电价。这两种方法分别是线性回归预测方法和人工神经网络预测方法。这两种方法一直被广泛应用于分析预测领域。比较这两种预测方法,从而找到最佳预测模型。     

Electricity market price spike forecast with data mining techniques

Electricity market price forecast is a changeling yet very important task for electricity market managers and participants. Due to the complexity and uncertainties in the power grid, electricity prices are highly volatile and normally carry with spikes, which may be tens or even hundreds of times higher than the normal price. Such electricity spikes are very difficult to be predicted. So far, most of the research on electricity price forecast is based on the normal range electricity prices. This paper proposes a data mining based electricity price forecast framework, which can predict the normal price as well as the price spikes. The normal price can be predicted by a previously proposed wavelet and neural network based forecast model, while the spikes are forecasted based on a data mining approach. This paper focuses on the spike prediction and explores the reasons for price spikes based on the measurement of a proposed composite supply–demand balance index (SDI) and relative demand index (RDI). These indices are able to reflect the relationship among electricity demand, electricity supply and electricity reserve capacity. The proposed model is based on a mining database including market clearing price, trading hour, electricity demand, electricity supply and reserve. Bayesian classification and similarity searching techniques are used to mine the database to find out the internal relationships between electricity price spikes and these proposed. The mining results are used to form the price spike forecast model. This proposed model is able to generate forecasted price spike, level of spike and associated forecast confidence level. The model is tested with the Queensland electricity market data with promising results.     

Electricity market price spike analysis by a hybrid data model and feature selection technique

In a competitive electricity market, energy price forecasting is an important activity for both suppliers and consumers. For this reason, many techniques have been proposed to predict electricity market prices in the recent years. However, electricity price is a complex volatile signal owning many spikes. Most of electricity price forecast techniques focus on the normal price prediction, while price spike forecast is a different and more complex prediction process. Price spike forecasting has two main aspects: prediction of price spike occurrence and value. In this paper, a novel technique for price spike occurrence prediction is presented composed of a new hybrid data model, a novel feature selection technique and an efficient forecast engine. The hybrid data model includes both wavelet and time domain variables as well as calendar indicators, comprising a large candidate input set. The set is refined by the proposed feature selection technique evaluating both relevancy and redundancy of the candidate inputs. The forecast engine is a probabilistic neural network, which are fed by the selected candidate inputs of the feature selection technique and predict price spike occurrence. The efficiency of the whole proposed method for price spike occurrence forecasting is evaluated by means of real data from the Queensland and PJM electricity markets.     

抑制电价飞升的系统边际价格与报价价格混合拍卖机制

目前电力市场中的系统边际价格拍卖与报价价格拍卖都不能有效解决不正当市场竞争引起的电价飞升问题。文中给出了设计抑制电价飞升拍卖机制的原则，提出了一种能有效抑制物理持留和经济持留的系统边际价格与报价价格混合拍卖机制。在电价超过高价市场启动价格后，根据卖电商是否拥有系统价格权以及报价是否不利于缓解电力供需矛盾，执行系统边际价格或报价价格两种电价之一，从而加强对卖电商报低电价、减少持留的经济激励，可以有效地限制市场势力，抑制电价飞升。提出多价格限机制限制强市场势力，对不同类卖电商采用不同的价格限，使各类卖电商都能获取正当范围内的稀缺租金，改善市场结构，避免影响发电的长期发展。     

电力市场价格钉预测模型研究

为威胁电力系统稳定安全运行的一个重要方面。从电价价格钉的经济学分析着手,给出价格钉判别标准。最大Lyapunov指数为正数是一个时间序列具有混沌特性的必要条件。对具有混沌特性的电价序列,提出了一种基于混沌理论的价格钉预测模型——基于径向基函数的神经网络模型。运用新西兰NEMCO电力市场中昆士兰区域的电价时间序列为例,识别出电价时间序列的混沌特性,并通过数值仿真验证了模型的有效性。     

节点电价与对偶乘子的内在关联分析与扩展

电价的科学性和合理性对电力市场的调节配置至关重要。作为常用的边际定价形式,节点电价表达为对偶乘子的线性函数。基于基本的定价原理,文中梳理了节点电价的物理内涵,说明了基于边际定价原理推导的节点电价与系统稀缺资源价格之间的内在联系,并论证了其合理性。基于此,提出了具有可扩展性的统一电价表达式,将电价扩展为对偶乘子和转移分布因子的一般函数形式。以线路越限造成价格尖峰为典型应用场景,建立了以电价为优化变量的定价模型,在IEEE30节点系统及波兰2383节点系统中验证了所提电价机制的实际应用价值。     

电力金融市场综述

电力金融市场是电力现货市场发展的必然产物,它有利于发现电力真实的价格,促进电力市场公平竞争;并能为市场交易者提供风险管理工具,抑止现货电价飞升,有利于电力市场的稳定。电力金融市场的研究对于设计高效、合理的中国电力市场框架和电力交易机制有着重要的参考价值。文中在介绍各国电力金融市场的基础上对电力金融产品进行归类研究,包括电力期货和电力期权的分类。着重论述了电力金融市场的2个关键问题:电力期货的套期保值策略和电力期权的定价方法,推导了电力期货的动态和静态最优保值率公式和电力期权基于BlackScholes模型和MonteCarlo模拟的定价公式。通过对现有研究的分析和评论,最后提出了电力金融市场方面几个重要的研究领域。     

电力零售市场中分时零售电价的确定

旨在为配电侧开放的电力零售市场的用户和供电公司提供一种合理的分时零售电价制定方法.文中建立的电价决策模型以用户用电成本最小为目标,以供电公司的利润保证为约束条件.运用最优资产组合原理,得到了最小风险情况下供电公司的最优购电分配决策.在模型中考虑了需求价格的自弹性和交叉弹性.运用内点法求解得到最优分时电价.算例结果表明供电公司在长、短两个市场的购买电量与各市场的风险反向相关,零售电价与供电公司的购买风险正向相关,说明模型是合理的.     

基于非参数GARCH的时间序列模型在日前电价预测中的应用

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。     

竞争电力市场中电价风险成因分析与估测

对竞争市场中电价风险的成因进行了分析,给出了电价关于电力供应量和电力需求量的敏感系数的定义,并举例说明了它们在电价估测中的应用．