电力远期价格预测的灰色动态模型研究

电力远期价格受实时电价、利率、负荷需求等多种因素影响,变化趋势复杂,很难建立一个准确的数学模型进行全面描述.针对这一特点,用灰色动态预测模型对电力远期价格进行了预测,并对不同模型的预测结果进行了研究.     

用于电力远期价格预测的组合灰色神经网络方法

电力远期价格受实时电价、利率、负荷需求等多种因素影响，变化趋势复杂，很难建立一个准确的数学模型进行全面描述，针对这一特点，采用灰色动态预测模型对电力远期价格进行预测，提出了一种组合灰色神经网络预测模型，并对不同模型的预测结果进行了研究。     

几种灰色模型用于电力消费中期预测研究

根据三类产业与居民生活用电量在用电方式、用电增长趋势等方面的不同特点,对灰色ＧＭ（１,１）模型、改进的ＧＭ（１,３）模型以及关联多因子模型在地区用电量和最高用电负荷预测中的应用做了初步研究。以上海市１９９０～１９９８年的电力资料和经济资料为基础,应用几中灰色模型对三类产业用电量、居民生活用电量及最高用电负荷进行了预测,并将几种模型的预测 结果进行了比较。结果表明,不同模型适用于不同特点的电力消费预     

基于灰色模型的电力负荷短期预测

准确的负荷预测可以保证电网的安全稳定运行,提高电力系统运行的经济效益,为此,基于灰色理论建立了电力负荷预测模型,并结合陕西省汉中市区电力局某变电站2006年7月的实际负荷讨论了灰色模型在短期负荷预测中的应用,实例计算表明,该模型具有预测精度高、计算过程简单等特点。     

改进GM(1,1)自适应滤波组合新陈代谢模型在电力远期价格预测中的应用

随着电力工业市场化的日益深入,电力远期价格的预测日益重要。电力远期价格受实时电价、利率、负荷需求、社会发展等多种因素影响,变化趋势复杂,无法建立一个准确的数学模型进行描述。本文提出了基于自适应滤波算法和改进灰色GM（1,1）模型的组合新陈代谢预测算法。用此模型进行的预测能不断将系统新信息引入算法,使预测更接近最新的变化趋势。     

灰色模型在普通日短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及灰色差值模型在短期电力负荷预测中的应用，提出了适合普通日电力负荷预测的数据处理方法，提高了短期电力负荷预测的精度。     

基于灰色-周期外延组合模型的电力负荷预测

提出了灰色–周期外延组合模型,即在一般灰色模型GM(1,1)的基础上建立残差周期外延模型,并提取优势周期以重新构造新的数据序列,再将不同周期同一时刻的值叠加。该模型兼顾了电力负荷的增长性和周期波动性二重趋势,较好地克服了上述二重趋势引起的负荷变化非线性组合特征给精确负荷预测带来的困难。实例计算结果表明该模型明显地提高了电力负荷预测精度。     

基于动态机制灰色模型的电力需求预测

灰色模型是一种常用的电力需求预测方法,由于该模型中关键系数的选取往往直接套用发达国家的研究成果,与我国国情不符,采用该模型预测的我国电力需求量与实际值有较大差异。基于鲁棒设计方法,提出了一种定量预测电力需求模型系数的方法,采用动态机制来选择模型系数,提高了模型的准确性,基于该模型对我国近几年的电力需求量进行预测。     

基于支持向量机的电价组合预测模型

对传统的2个线性组合预测模型进行了分析,提出了一个新的线性组合预测模型,该模型不要求权系数和为1,而且权重也可以取负值。同时,为提高精度,提出了支持向量机非线性的组合预测模型,该模型实质上是一个非线性回归模型,利用结构风险最小化原则代替传统的经验风险最小化。该模型充分挖掘原始数据和单一预测模型的信息,以单一模型的预测数据作为组合预测样本,选择径向基核函数的支持向量机进行组合预测。同时给出了解决此问题的基于Matlab的支持向量机工具箱的源程序。以美国加州电力日均价为例,与单一预测方法、线性组合预测进行对比,支持向量机非线性的组合预测方法预测比较精确。     

基于奇异谱分析的短期电价预测

针对电价序列具有非线性和非平稳性的特点,提出了一种基于奇异谱分析(SSA)和改进布谷鸟算法(ICS)优化极限学习机(ELM)的短期电价预测模型。采用奇异谱分析提取电价序列中的趋势成分和振荡成分,进行准周期信号分量重建,并对重建序列进行ELM建模预测。针对ELM预测模型中的参数易陷入局部最优的问题,为了提高预测精度,提出改进布谷鸟算法优化预测模型的参数。最后将所有预测序列进行叠加,得到最终的电价预测值。以澳大利亚某电力市场电价数据为例进行分析,通过与其他几种预测模型相比,表明SSA-ICS-ELM模型能有效提高电价预测的精度和稳定性。     

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。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。     

基于回声状态网络的电力市场电价预测

传统的神经网络算法在电价变化剧烈的情况下,精度较低并且所耗费的时间较长,难以满足电力市场发展的需求。为解决该问题,提出了一种基于回声状态网络(ESN)的短期电价预测方法。所提方法介绍了基于回声状态网络的预测原理,提出了电力市场短期电价的预测机制,包括参数选取、采样数据预处理和ESN训练及预测过程;并分别采用回声状态网络和反向传播算法(BP)神经网络进行短期电价预测。经过仿真验证,所提出的基于回声状态网络的电价预测具有较好的准确率和可行性。     

基于最小最大概率回归方法的中长期电价预测模型

中长期电价的预测无论是对于市场监管政策的制定,还是对于大用户和发电商的投资规划,都具有极其重要的意义。影响中长期电价的因素比较复杂,历史电价数据分布混乱增加了一般回归电价预测建模的难度。提出了一种基于最小最大概率回归方法的电力市场中期电价预测的新模型。在分析最小最大概率机(MPM)及其用于回归原理的基础上,使用最小最大概率回归(MPMR)方法对不同的训练样本集进行训练,并计算出预测期的预测值,取得了比较好的预测结果。训练样本的分割使中期电价预测模型更加准确。美国加州现货电能量市场的实例数据验证了所建模型及方法的有效性。     

考虑分时电价的居民用户短期用电量分类预测及修正方法

为了更好地利用智能电网中的用户用电信息,提高短期用电量预测精度,针对居民用户提出一种考虑分时电价的分类短期用电量预测及修正方法。首先,通过模糊聚类将用户按用电行为分类,将电价、用电量和加权气象日期影响因素作为预测模型输入量。然后,针对各类用户的用电特点,经仿真对比选择相适应的BP、Elman、LSTM神经网络算法构建预测模型。最后,运用修正算法对误差较大的峰谷值进行修正,将修正后的分类预测结果相加以获得整体预测值。以广东省云浮市某小区为例对该方法进行仿真分析,并与随机森林、CART等算法进行对比。实验结果证明所提方法具有更高的预测精度。     

遗传程序设计在短期电价预测中的应用

介绍了遗传程序设计的原理,提出了一种基于遗传程序设计的短期电价预测新方法。首先对数据进行预处理,然后利用遗传程序设计进行演化建模,采用美国加利福尼亚州电力市场历史数据进行预测,通过和时间序列法的预测结果进行比较,验证了该方法在短期电价预测中的有效性。     

灰色季节变动指数模型GSVI(1,1)在农村用电量预测中的应用

季度用电量同时具有增长性和季节波动性的二重趋势,这使得季度用电量的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的时间序列,直接应用GM(1,1)灰色模型往往精度不高。GM(1,1)灰色模型只能反映时间序列的总体变化趋势,不能很好地反映其季节性波动变化的具体特征。为了提高短期用电量的预测精度,提出了用电量预测的灰色季节变动指数模型——GSVI(1,1)模型。GSVI(1,1)模型是将灰色预测方法与季节变动指数有机结合起来,对复杂的不确定性问题进行求解所建立的模型。算例计算表明,与灰色预测方法相比,GSVI(1,1)模型具有更强的适应性和更高的预测精度,适用于农村用电量预测。     

基于动态贝叶斯网络的电价区间预测

在高比例可再生能源参与市场竞争的背景下,电价波动更为剧烈。为了对电价区间进行预测,提出了动态贝叶斯网络(Dynamic Bayesian Network, DBN)的电价区间预测方法。该方法以风电发电量、总发电量和总用电量的预测值以及历史电价真实值为输入数据,以贪婪搜索算法确定DBN的网络结构,以最大似然估计法(Maximum Likelihood Estimate, MLE)估计DBN网络参数,建立DBN模型。然后以风电发电量、总发电量和总用电量的预测值为推理证据,采用联合树推理得到电价预测的离散值和后验概率,实现电价的区间预测。最后将所提方法与电价真实值、对比方法进行比较,验证了所提方法的有效性。所提方法不仅能得到电价的预测区间,而且能给出对应的概率,对提高市场成员的收益、规避价格风险具有指导意义。