共查询到20条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
3.
电价预测对电力市场参与者正确的投资决策起到了关键作用.本文阐述了短期电价预测的各种方法,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,并指出了电价预测方法发展的方向. 相似文献
4.
电价预测对电力市场参与者正确的投资决策起到了关键作用。本文阐述了短期电价预测的各种方法,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,并指出了电价预测方法发展的方向。 相似文献
5.
6.
考虑多重周期性的短期电价预测 总被引:4,自引:1,他引:3
考虑到电价各时段变化以及周末与工作日变化的差异,提出了区分周末的分时段短期电价预测模型。该模型首先将各日中同一时段的电价形成该时段的电价序列,再将各时段电价序列分为工作日电价序列和周末电价序列。这样形成了多个消除了日周期性和星期周期性的子电价序列,分别对各子电价序列进行预测以得到预测日电价。采用基于小波分析的广义回归神经网络对这些子电价序列分别进行提前一天的预测,各子电价序列的预测电价就形成了下一天的预测电价。采用该方法对西班牙电力市场电价进行了长时间的连续预测,并与已有的预测方法进行了详细的比较分析,研究表明该方法能够提供更准确的预测电价。 相似文献
7.
8.
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
9.
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
10.
考虑了并网风电量对电价影响,并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、并网风电量与负荷的比值等影响电价的因素。分别将负荷与历史清算电价,等效负荷与历史清算电价,负荷、并网风电量与负荷的比值及历史清算电价作为神经网络的输入因子对市场清算电价进行分时段预测。算例采用丹麦电力市场的历史数据,分别对其2010年并网风电量所占比例较大和较小的日期进行预测,验证了选择负荷、并网风电量与负荷的比值及历史清算电价作为预测神经网络的输入变量是恰当的,其预测精度能够满足电力市场实际运行的需要。 相似文献
11.
电力市场短期边际电价的分时重构混沌相空间预测 总被引:13,自引:0,他引:13
彭春华 《中国电机工程学报》2005,25(23):0-85
为了实现高精度的电力市场短期边际电价预测,该文对市场边际电价时间序列数据分时段聚类进行了相空间重构,并分别计算分形维数和提取最大Lyapunov指数,经分析得出了边际电价分时序列数据的演化具有混沌特征,由此提出了短期边际电价的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力市场短期边际电价预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显著提高. 相似文献
12.
13.
14.
基于小脑模型关节控制器神经网络的短期电价预测 总被引:14,自引:6,他引:14
电价预测是电力市场决策的基础。文中介绍了采用小脑模型关节控制器(CMAC)神经网络建立预测提前1天不同时段的电力市场短期电价的预测模型。并以美国加州电力市场的数据作为计算实例,分别采用CMAC神经网络和反向传播算法(BP)神经网络进行短期电价预测。两种预测结果对比表明,CMAC神经网络具有所需训练样本少、输出稳定性好、计算速度快和预测精度高等优点,比较适用于短期电价预测。 相似文献
15.
16.
电价的混沌特性分析及其预测模型研究 总被引:29,自引:5,他引:29
在电力市场环境下,电价取决于众多因素的共同作用,它的演化过程呈十分复杂的不规则运动.为了揭示这种貌似随机的演化过程的内在规律,作者首先借助混沌理论,对电价的混沌特性进行了验证.在由电价单变量时间序列重构的相空间上,提取了吸引子的分形维数和Lyapunov指数,表明电价具有混沌特性;并且通过替代数据检验法进一步验证了电价的这种混沌行为,从而为借助混沌理论来进行电价的短期预测提供了依据.然后,采用电价及其相关因素构成的多变量时间序列重构了更为准确的相空间,通过跟踪相空间中相邻相点的演化趋势,建立起基于递归神经网络的全局和局域电价预测模型,并对New England市场的电价进行了成功的预测. 相似文献
17.
18.
19.
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
20.
混合式短期边际电价预测模型 总被引:18,自引:5,他引:18
提出以动态聚类和BP神经网络来预测短期边际电价,以样本数据与聚类中心的距离最小为标准,通过动态聚类方法将所有样本数据划分到多个类别中,对不同类别的样本数据分别建立具有相同拓扑结构、不同神经元连接权值和阈值的BP神经网络模型,通过BP神经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,实现对短期边际电价的合理预测,以America PJM (美国宾夕法尼亚州、新泽西州和马里兰州)公布的1999年数据进行模型训练和测试,结果表明该方法所建立的预测模型具有较高的预测精度。 相似文献