分时段短期电价预测

分时段电价序列比顺序电价序列的变化特征更单一，有利于电价的分析建模，从而提高预测精度，因此采用各时段电价分别预测的分时段预测方法。该文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、负荷率等影响电价的因素。以小波分析和神经网络作为工具，对不同输入因素和不同预测方法下的电价预测精度进行了研究，并重点比较了基于分时段电价序列的预测方法和基于顺序电价序列的预测方法。算例采用美国新英格兰电力市场历史数据，对其2002年第4季度的电价进行了连续预测。与基于顺序电价序列的预测方法相比，分时段短期电价预测方法能够使平均相对百分比误差下降约3个百分点。     

电力系统边际电价的混沌特性及预测

采用非线性系统理论对电力系统历史边际电价数据序列进行了特征分析，根据边际电价时间序列具有分数维D2及最大Lyapunov指数λ1大于零，发现电力系统边际电价具有混沌特性。按照本文给出的相空间近邻等距方法，对某电网实际电价数据进行了预测，结果与实际相符，为电力系统电价预测提供了一种新的预测方法。     

基于分时段多模型的短期电价预测

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。     

电力市场短期边际电价的分时重构混沌相空间预测

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.     

PSO演化神经网络集成的边际电价预测新方法

为了克服神经网络模型结构和参数难以设置,学习算法收敛速度慢等缺点,提出了一种基于粒子群优化的演化神经网络集成新模型对日前交易电力市场的边际电价进行预测。该模型将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,首先采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成预测模型,然后采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出。运用此方法对加州日前交易电力市场的边际电价进行了日预测,结果表明其优于三层BP神经网络预测方法。     

级联相关的神经网络模型在边际电价预测中的应用

在实际的电力市场运作中，电厂的报价反映了电厂的运行成本和市场供求，决定电厂机组能否上网发电和上网电量。而报价的一个重要指标是预测的系统边际电价。因此，电力市场中的边际电价预测在发电厂的市场化运营中处于重要的地位，特别是对电力供应商的决策有重要意义。文中应用神经网络理论中的级联相关模型对电力系统的边际电价进行预测，优点在于避免了对网络结构的估计，网络在训练的过程中能够自适应地增加隐含节点，同时提出了在训练集中增加特殊数据点以提高预测精度的方法。通过New EnglandISO数据算例预测第2天的24h边际电价说明了这种方法的可行性，并用3层BP神经网络做了对比研究。     

电力市场中的边际电价预测

在分析了系统边际价格(SMP)形成机理和影响因素的基础上,分别提出了基于累计式自回归滑动平均模型（ARIMA）和人工神经网络（ANN）的SMP预测方法,在这2种方法中都引入了市场供求指数(SDI)作为影响SMP的因素。通过对某省级发电市场真实数据的仿真结果表明,在引入SDI后,ARIMA模型和ANN模型的预测精度都得到了提高;同时,ANN模型比ARIMA模型更易于处理多种市场因素,若在模型中考虑更多的市场因素,则SMP预测的精度可进一步提高。     

边际成本理论在电价设计中的应用

由于供电成本的核算方法以及在用户中分摊的方法不同,因而出现了会议成本定价法和边际成本定价法两种不同的电价设计方法。西方国家的电价制度中较多地采用了边际成本理论,而国内相关献中对边际成本电价则很少涉及。本对边际成本电价的特点作了简要分析,并提出了应用边际成本定价法设计电价的基本程序,以期对我国电价制度的改革有所裨益。     

模糊神经网络在电力系统边际电价预测中的应用

文章针对短期电力系统边际电价预测研究和应用中存在的用多元回归等传统方法建模困难、用ANN方法学习速度慢和易陷入局部极小点等问题,利用模糊神经网络具有接受和处理模糊数据、自适应地以任意精度逼近映射函数、不要求明确的数学描述等优点,建立了基于模糊神经网络的系统边际电价预测模型.通过具体实例测算及现场运用,证明了该方法为提高电力市场中边际电价预测精度、制定和实施科学合理的发电企业报价策略提供了可靠的支持.     

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。     

基于相似搜索和神经网络的日前市场边际电价预测

为了对电力市场次日系统边际电价(SMP)进行准确预测,本文根据数据挖掘中的相似搜索理论和人工神经网络(ANN)工具建立了预测模型,其中相似搜索用来生成神经网络的训练集和输入矩阵,并运用Matlab6.5中的神经网络工具实现该模型。采用美国加州电力市场的历史数据进行实例计算,证明该方法对工作日SMP的预测效果较好,也证明了选择与预测日负荷相似或邻近日的历史数据进行网络训练方法的有效性。     

电力市场竞价交易结算价格机制研究

对电力市场拍卖交易中的系统边际价格、投标价格、混合价格、灵活价格、系统价格权拍卖、当量价格等价格结算机制的基本原理和特点进行了综述和比较分析，为电力市场交易规则设计和电力市场模拟分析提供参考。     

基于最小二乘支持向量机的电力市场出清电价预测方法

针对神经网络存在结构较难确定,训练易陷入局部最小等问题,提出将最小二乘支持向量机和相似搜索用于预测出清电价。该方法对相似搜索得到的相似负荷日的数据用最小二乘支持向量机建立预测模型,采用美国New England ISO的真实数据做验证,结果表明该方法比BP神经网络有更高的预测精度,是一种有效的预测方法。     

考虑气象因素的SVM方法在短期电力负荷预测中的应用

介绍了支持向量机(SVM)方法及其在短期电力负荷预测中的应用.结合地区实际,在算法中考虑相应的气象因素,该算法具有收敛速度快、全局最优等优点.预测算例表明,考虑气象因素的SVM方法可提高预测精度.     

基于改进MLC的含DG配电网损耗分摊研究

分布式电源(DG)接入后,配电网的损耗分摊问题变得更加复杂,基于比例系数的边际损耗系数(MLC)法在含DG配电网中应用时存在市场成员分摊差距过大的情况,分摊缺乏合理性。文中采用基于比例系数的MLC法计算含DG配电网的网络损耗分摊量,将正、负网损分摊量取绝对值求和,在此基础上重新计算各负荷的网损分摊量;然后,考虑网损分摊量总和与实际总损耗平衡的等式约束,利用奖惩系数,增加正网损分摊量,减少负网损分摊量,联立方程求解奖惩系数值,并对网损分摊量进行修正,改进后的方法可以避免正、负分摊量相互抵消,减小成员的分摊差距,合理分摊配电网中产生的损耗;最后,基于IEEE 33节点系统算例进行损耗分摊结果分析,结果表明,所提方法能够作为DG接入配电网的损耗分摊依据。     

商业综合能源系统经济性分析

伴随电力价格管制的进一步放开,市场化电价对综合能源系统经济性的影响需要引起足够的重视。以北京地区某商业综合体为研究对象,通过分析该用能对象的冷、热、电负荷特性,提出适用的综合能源系统方案,建立起物理和数学模型,结合当前实施的中长期电力交易规则,以目录电价和市场化交易电价形成的价格信号对选择的能源系统展开经济性评价。结论认为,综合能源系统应该充分考虑到所处区域能源供应结构以及可能开展的市场化交易模式与规则和最终产品或原料价格大范围波动的可能性,并在设计初期提出可能的预案,最大限度降低实施综合能源系统后的无效化程度。     

我国电力牵引用接触线的发展与展望

本文阐述电气化铁路、城市交通、矿山和起重运输用电力牵引接触线的生产和应用,回顾过去、着眼现在和展望将来。     

宁夏电网风光一体功率预测系统

风光一体功率预测系统首次在我国宁夏电力系统应用,具有很高的研究价值,可为我国新能源的开发利用提供重要参考依据。本文通过介绍宁夏风光一体功率预测系统的建设,对系统功能与结构进行技术分析,展示了该系统的实用化应用情况。     

分散控制系统中的通信方式问题探讨

以Foxboro公司的I/As系统为例，讨论在分散控制系统中实现通信的3种方法：利用专门硬件、利用专业通信软件及自行开发通信软件。着重介绍自行开发通信软件的一些方法及其主要编程函数。通过几种实现方法优缺点的比较，为用户在选择通信方式时提供参考。     

上网电价预测中运用修正神经元输出函数对BP模型动态修正的探索

阐述了人工神经网络模型的基本原理,研究分析了BP神经网络模型非线性特性差和对实际情况反应"迟钝"等缺陷,提出了通过修正神经元输出函数对BP神经网络模型进行动态修正的优化方案,从而提高了BP神经网络模型的收敛速度。在此基础上,将修正后的BP神经网络模型引入到上网电价的预测中。模拟运行结果表明,修正后的BP神经网络模型可以更好地适应发电厂报价的复杂环境。