共查询到18条相似文献,搜索用时 109 毫秒
1.
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
2.
3.
4.
影响电价因素众多,但在现实中不可能获得所有信息的资料,在这种信息不完全的情况下,为了更好地提高电价预测精度,通过分析电价和负荷时间序列的混沌性,用C-C方法分别重构其相空间,揭示出其本身蕴涵的规律,并采用数据挖掘技术中的相似搜索技术,挖掘出与预测日变化规律最相似的时间序列作为样本,利用BP神经网络这一具有高度自学习自适应能力的网络,拟合电价序列的重构函数.利用美国PJM电力市场的实际数据进行了实例预测,结果显示出良好的预测精度,并比传统BP网络能更好地预测休息日电价. 相似文献
5.
6.
《中国电机工程学报》2016,(2)
文中设计一种新型的基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法。首先选择冷热电负荷及与负荷密切相关的天气因素的历史时间序列组成多变量时间序列,然后运用混沌理论和C-C方法重构多变量相空间,最后建立多变量相空间的自回归模型并采用卡尔曼滤波方法预测冷热电负荷。以中国北方某医院冷热电联供系统的8月份历史负荷数据和天气数据验证该冷热电负荷预测方法。结果表明,与采用单变量相空间重构和卡尔曼滤波预测方法相比,文中设计的负荷预测方法充分考虑冷热电负荷中多个变量的相互耦合关系,可有效提高负荷的预测精度。算例分析验证了该冷热电负荷预测方法的可行性和有效性。 相似文献
7.
在混沌理论中,负荷预测模型的建立通常由一单变量时间序列的相空间重构来实现,然而在实际过程中往往难以确定单变量时间序列是否包含了重构动力系统的全部信息,特别是在有限时间序列存在噪声时。因此,本文将单变量时间序列方法拓展到多变量时间序列中,进行多变量时间序列的相空间重构,计算了各时间序列的延迟时间和嵌入维数,建立了局域线性预测模型。预测结果检验显示,该方法具有较好的预测效果。 相似文献
8.
9.
为了实现高精度的电力系统负荷短期预测,该文对电力系统负荷时间序列数据分时段进行相空间重构,并计算分形维数和提取最大Lyapunov指数,经分析得出了系统负荷分时序列数据的演化具有混沌特征,由此提出了短期电力系统负荷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,通过电力系统负荷短期预测实例验证,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
10.
11.
12.
对具有混沌特性的电网售电量时间序列重构相空间,计算相空间的饱和嵌入维数和最大Lyapunov指数,并利用计算得到的饱和嵌入维数指导建立T-S模糊神经网络预测模型。采用递阶遗传算法对T-S模糊神经网络的结构和权值进行训练,可确定最适合的预测模型结构,提高神经网络的收敛速度,使其具有良好的泛化能力。在此基础上,对秦皇岛电力公司售电量数据进行预测,结果表明,该方法可精确地再现售电量时间序列的混沌动力学行为,在可预报尺度范围内,能对售电量作高精度的预测,且具有很强的适应能力。 相似文献
13.
Market data analysis and short-term price forecasting in Iran electricity market as a market with pay-as-bid payment mechanism has been considered in this paper. The data analysis procedure includes both correlation and predictability analysis of the most important load and price indices. The employed data are the experimental time series from Iran electricity market in its real size and is long enough to make it possible to take properties such as non-stationarity of market into account. For predictability analysis, the bifurcation diagrams and recurrence plots of the data have been investigated. The results of these analyses indicate existence of deterministic chaos in addition to non-stationarity property of the system which implies short-term predictability. In the next step, two artificial neural networks have been developed for forecasting the two price indices in Iran's electricity market. The models’ input sets are selected regarding four aspects: the correlation properties of the available data, the critiques of Iran's electricity market, a proper convergence rate in case of sudden variations in the market price behavior, and the omission of cumulative forecasting errors. The simulation results based on experimental data from Iran electricity market are representative of good performance of the developed neural networks in coping with and forecasting of the market behavior, even in the case of severe volatility in the market price indices. 相似文献
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.
含误差预测校正的ARIMA电价预测新方法 总被引:42,自引:6,他引:42
在电力市场中,准确的电价预测是各市场参与方共同关心的重要问题。已经提出多种理论和方法尝试提高电价预测精度,然而由于影响电价的因素十分复杂,实践证明靠建立单一的电价预测模型来提高预测精度是非常困难的。该文在分析电价波动特性和现有预测方法的基础上,首次提出结合误差预测校正电价预测来提高预测精度的新思路。在建立常规电价预测模型的基础上,对预测后的残差形成的随机序列也迭代地建立预测模型,并用预测的误差修正电价预测结果。该文采用ARIMA方法建立电价预测和误差预测模型,并用加州电力市场的历史数据建立基于ARIMA的日平均电价预测模型,预测结果表明所提方法能明显改善预测精度,而且方法简捷明了,能够推广到小时电价预测、负荷预测和其它预测领域。 相似文献
16.
17.
利用多因素小波变换和多变量时间序列模型的日前电价预测 总被引:5,自引:0,他引:5
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
18.
《The Electricity Journal》2019,32(8):106628
This paper aims at evaluating the impact of power extent on price in the electricity market. The competitiveness extent of electricity market during specific times in a day is considered to achieve this. Then, the effect of competitiveness extent on forecasting preciseness of daily power price is assessed. A price forecasting model based on multi-layer perception via back propagation with the Levenberg-Marquardt mechanism is used. Residual Supply Index (RSI) and other variables that affect prices are used as inputs to the model to evaluate market competitiveness. Results show that using market power indices as an input helps to increase forecasting accuracy. Thus, the competitiveness extent of market power in different daily time periods is a notable variable in price formation. Moreover, market players cannot ignore the explanatory power of market power in price forecasting. In this research, real data of electricity market from 2013 is used and the main source of data is the Grid Management Company in Iran. 相似文献