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。     

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.     

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。     

改进GM(1,1)模型在电力负荷预测中的应用

灰色预测技术原理简单、样本量小、计算简便,适合用于负荷预测,但其存在很多局限性。从建模原理出发,利用最小二乘法和积分法,改进影响模型精度最重要的两个因素——初始值和背景值。以北京市1999—2005年的电力消费量数据加以计算,证明改进效果较为显著。     

灰色GM（1,1）模型在电力建设工程造价预测中的应用

灰色GM(1,1)模型,是微分方程的时间连续函数模型,它可以揭示和描述事物发展的连续的动态过程的本质特征。利用灰色GM(1,1)模型原理建立的两个计算模型可用于电力工程估概算的编制。     

GM(1,1)改进模型在广西短期电力负荷预测中的应用

采用GM (1 ,1 )改进模型与ARIMA(p ,d ,q)模型对广西自治区电网特殊日电力负荷进行组合预测 ,阐述了GM (1 ,1 )改进模型的建立方法 ,提出了适用于广西自治区电网特殊日电力负荷预测的预测数据处理方法 ,提高预测的精确度 ,全年日精确度优于 95% .解决了在日采样点为 2 4点 (正点采样 )情况下预测确度较低的问题 .     

改进无偏GM(1,1)模型及其在中长期电力负荷预测中的应用

通过对原始数据序列作开次方运算生成新数据序列的方法,建立了改进无偏GM(1,1)模型.用数值实验研究的方法证明了改进无偏GM(1,1)模型特性优于无偏GM(1,1)模型.将改进无偏GM(1,1)模型用于对太原地区电力负荷进行预测,实际应用的结果也显示改进模型提高了中长期电力负荷预测精度.     

改进无偏GM(1,1)模型及其在中长期电力负荷预测中的应用

通过对原始数据序列作开次方运算生成新数据序列的方法,建立了改进无偏GM（1,1）模型。用数值实验研究的方法证明了改进无偏GM（1,1）模型特性优于无偏GM（1,1）模型。将改进无偏GM（1,1）模型用于对太原地区电力负荷进行预测,实际应用的结果也显示改进模型提高了中长期电力负荷预测精度。     

灰参数GM(1,1)模型及其在电力负荷预测中的应用

传统的GM(1,1)模型在参数a的绝对值较小的情况下近期负荷预测精度较高,远期负荷预测往往误差较大,这一定程度上是由于参数a在整个预测过程中保持不变而造成的。本文将参数a看作是具有灰色特性的灰参数,提出了灰参数GM(1,1)模型,并将该模型运用于中长期电力负荷预测的实例中,取得了较好的结果。     

短期电力负荷的灰色GM(1,1)模型群组合预测

组合预测方法是一种性能优越的预测方法.由于电力负荷具有很多不确定因素,用单一预测模型进行预测时,其预测精度不高,为提高预测精度,提出组合预测模型.灰色GM(1,1)模型群能够很好地反映电力负荷的周期变化特性,而用不同时期的历史数据可反映不同的信息特征,因此,提出了基于远近数据的GM(1,1)模型群预测组合预测法.利用此方法对某地区的日电力负荷进行预测的算例结果表明:此方法的预测精度高于各单一模型的预测精度,且能够很好地反映日负荷变化的随机性和周期性.     

基于减法聚类及自适应模糊神经网络的短期电价预测

提出了基于Takagi-Sugeno模型的自适应模糊神经网络的短期电价预测方法。首先采用减法聚类方法确定自适应模糊神经网络的结构,然后利用混合学习算法训练该网络的前件参数和结论参数,最后将影响未来日电价的相关因素输入到训练好的自适应模糊神经网络中进行电价预测。以美国加州电力市场公布的1999年负荷与电价数据进行模型训练和预测,结果表明采用该方法所建立的预测模型具有较高的预测精度。     

最优加权几何平均组合预测在短期电价预测中的应用

准确的短期电价预测可为市场参与者的竞价策略提供指导,直接影响着参与者的利益。针对电价预测的精确度问题,引入了最优加权几何平均组合预测方法,它综合利用了二次指数平滑、自适应模糊神经网络和修正的灰色模型三种方法提供的有用信息,并且该组合预测模型的误差平方和小于各单一预测方法的误差平方和,因此进一步提高了预测结果的准确性。最后用算例验证了该组合预测方法的可行性。     

用电价分布概率预测的发电商报价策略模型

电力市场环境下发电企业的报价策略直接影响着该企业的收益。以市场边际电价报价既可成功竞价上网又能使发电利润达到最大,是最理想的报价方案。波动剧烈的实际市场电价很难精确预测,但可预测出其可能的分布概率。为此建立了一个基于电价分布概率预测的发电企业报价策略模型,并提出了采用二维实数编码策略的改进遗传算法优化求解。针对市场竞价中申报数据要求为一组符合递增规律的“价格—电量”数据点的要求,特别设计了独特的遗传操作算子以得到合理有效的报价方案。算例仿真验证了该模型与算法的可行性。     

月度用电量灰色预测改进模型

灰色模型是年度电量预测的有效方法。引入季节指数平滑法改进灰色模型,使其更适合具有季节周期性的月度用电量预测;并提出了一种基于马尔科夫过程的残差修正法,以提高月度电量预测的准确率。最后,以某市月度用电量进行实际预测为例,通过与其他模型的比较,验证了改进模型在月度用电量预测中的有效性。     

基于需求侧的电价形成机制与电价制定模型

针对当前电价形成机制不能很好发挥需求侧的作用的问题,提出了由供需双方共同参与的电价形成机制。该电价形成机制是通过供应侧的报价和需求侧在这一报价下的用电需求的多次交互作用,最终确定交易的电价以及在这一电价下的用电量或负荷。并根据这一电价形成机制提出了基于需求侧的电价制定模型。根据此模型制定的电价真正反映了电力供需双方的平衡,能够起到调节电力生产与消费的杠杆作用。     

时间序列分解在短期电价分析与预测中的应用

为了提高短期电价预测的精度,将电价分解成工作日电价和周末电价两个时间序列,并且,通过移动平均法和离散傅立叶变换,分别将这两个时间序列分成趋势分量、周期分量和随机分量三个组成部分,然后,分别采用移动平均法、外推法和最小二乘支持向量机对这三个组成部分进行预测以求得两个电价时间序列未来的预测值.仿真结果表明,与采用传统BP神...     

基于长短时记忆网络-纵横交叉算法的含高比例新能源电力市场日前电价预测

精准的日前电价预测能够协助电力市场参与者做出合理的决策.随着高比例新能源接入电力系统,日前电价的预测难度不断加大.为了提升含高比例新能源电力市场日前电价的预测精度,提出了一种基于奇异谱分析(singular spectrum analysis,SSA)和纵横交叉算法(crisscross optimization,CS...     

基于用户响应下的分时电价优化设计模型与方法

从配电公司的自身利益出发提出了一个考虑购电成本、需求响应以及其它因素的分时电价定价模型,并针对购电商是否具有市场力两种情况分别进行了分析。论述了该模型本质上属于非线性规划问题并探讨了其求解过程。最后将该模型应用于某简单算例进行仿真计算,结果表明如果用户对分时电价具有较强的响应度,则在峰谷电价差较小时也可以实现用户与电力企业共同获利的目的。     

峰谷分时电价的成本效益分析模型及其应用

针对“厂网分开”后我国电力市场的现状分析了与峰谷分时电价相关的各方成本和效益,分别建立了电网公司、电力用户、发电公司和全社会的成本效益分析模型,并详细介绍了成本效益分析的计算流程。算例分析结果表明利用所提出的成本效益分析模型可得出确保各参与方的益本比均大于或等于1的“削峰填谷”电量临界值。研究成果可为各参与方分析峰谷分时电价方案的可行性提供参考。