基于不对称自回归条件异方差模型的短期负荷预测

研究了负荷时间序列的自回归条件异方差效应,提出了一种基于不对称自回归条件异方差模型的短期负荷预测方法。建立了广义误差分布假设下的不对称广义自回归条件异方差模型,借助模型的不对称参数,分析了不同冲击下的不对称机制,比较了各种广义自回归条件异方差模型的预测能力。其中,幂指数广义自回归条件异方差-广义误差分布模型的预测效果尤为突出。最后通过实际算例验证了上述方法的可行性和有效性。     

负荷时间序列波动性的动态时变结构研究

采用广义自回归条件异方差(GARCH)族模型分析了负荷时间序列波动性的动态时变结构,提出了模型系的概念,使用滚动数据窗技术估计了指数广义自回归条件异方差(EGARCH)和幂自回归条件异方差(PARCH)模型系;在研究动态显著性水平线(DSL)的基础上,探究了时序波动性的动态时变结构,讨论了贯穿各子样本空间的波动不对称效应。算例分析中,将所建模型应用于短期负荷预测,比较了GARCH族模型的预测能力,得到了较高的预测精度。     

基于非高斯分布GARCH模型的负荷预测

提出一种基于非高斯分布的广义自回归条件异方差(GARCH)模型的短期负荷预测方法.在论证自回归条件异方差(ARCH)效应存在性的基础上,将标准GARCH模型的正态条件分布假设推广为非高斯条件分布的形式(t分布、广义误差分布).用极大似然估计获得ARCH族各模型的参数估计,建立了非高斯分布假设GARCH模型(GARCH-t,GARCH-GED).比较了ARMA、标准GARCH、非高斯分布GARCH模型的预测能力,分析平均预测误差、最大预测误差能力等指标显示GARCH-GED模型表现最出色.算例表明,基于非高斯分布GARCH负荷预测模型是有效而可行的.     

基于不同分布下GARCH-M族模型的短期用户负荷预测

电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。     

基于自回归条件异方差-反向传播网络模型的日前边际电价预测

针对日前电力市场提出了一种基于自回归条件异方差分析的改进神经网络模型。首先利用自回归条件异方差分析得到边际电价序列的条件方差,然后以条件方差作为电价波动风险指标,建立基于历史电价、历史负荷和历史电价条件方差等输入量的自回归条件异方差-反向传播网络模型,并利用该模型对美国PJM电力市场的日前边际电价进行了预测。结果表明,引入自回归条件异方差分析可以有效提高传统反向传播网络的预测精度。     

基于多重离群点平滑转换自回归模型的短期风电功率预测

基于对风电功率时间序列波动性多重机制的研究,提出一种基于多重离群点平滑转换自回归模型(M-OSTAR)的风电功率预测方法。运用一种改进条件极大似然估计方法,获得M-OSTAR模型的参数估计。考虑风电波动性的厚尾效应,将M-OSTAR模型推广为厚尾形式。进一步借助所提模型的机制转换参数,描述了风电时间序列的多重离群点效应。此外,给出了一种新型的波动性分析工具——标准信息冲击曲面,分析了风电时间序列条件方差的动态变化特征。基于实际风电数据的算例验证了基于M-OSTAR族模型预测方法的可行性与有效性。     

基于Copula-SVM的短期风电功率场景预测方法

风电场输出功率具有随机性、间歇性以及可控性弱等特点,提高风电功率预测精度对含有大规模并网风电的电力系统安全经济运行具有重要意义。基于支持向量机(SVM)建立短期风电功率的均值预测模型,利用Copula函数对多时段风电功率的预测误差进行相依性建模,结合风电功率的预测均值和预测误差相依性结构,形成短期风电功率场景集合,可以直接用于机组组合等决策过程中。基于某实际风电场进行仿真分析,结果表明,考虑预测误差相依结构的场景集合能够包含风电功率实际值曲线,显示了方法的有效性。     

整合GARCH和VaR的电力市场价格风险预警模型

对现有市场运行状况的评估警戒以及对未来一段时期市场发展的预警是相辅相成、不可分割的。价格是最直接的市场信号,市场中上网电价的波动具有“聚集”效应和异方差特性,该文引入金融领域的分析手段,利用广义自回归条件异方差(generalized autoregressive conditional heterosce- dasticity,GARCH)和风险价值(Value-at-Risk,VaR)理论建立了考虑容量充足度和必须运行率2个指标的价格风险预警模型,既考虑到了真实的市场供需形势又考虑到了发电市场结构和发电商的地位。实证分析表明该模型弥补了常规方法的不足,无论是静态预测还是动态预测均可以保证较高精度,在此模型指导下,电力市场运营机构和监管机构可以根据价格风险预警信号及时采取相应对策。     

基于小波分析与广义自回归条件异方差模型的短期电价预测

由于电价波动具有非线性及波动集群现象,因此提出了一种基于小波分析和广义自回归条件异方差模型相结合的短期电价预测新方法。首先应用小波分解原理将电价序列分解成低频部分和高频部分,在此基础上对各子序列分别建立广义自回归条件异方差模型并进行预测;然后利用小波理论对各子序列的预测结果进行重构,实现对原始电价序列的预测;最后以美国加州电力市场历史数据为例进行了验证,结果表明本文方法是可行和有效的。     

考虑机组动态特性的超短期风电功率预测及不确定性量化分析

针对数据驱动的风电功率预测模型中,高维异质大数据特征信息挖掘问题,提出考虑机组动态特性的轻量梯度上升学习机(LGBM)预测模型和区间估计的不确定性量化方法。首先,设置发电机转速、叶片角度为机组动态特性指标,构建LGBM超短期风电功率预测模型。其次,采用模糊C均值聚类对历史预测出力和预测误差样本进行区间划分;考虑预测出力和预测误差条件相依性,采用非参数估计拟合误差概率分布,并以置信区间对风电功率预测区间进行了离散化表征。最后,选取实际风电场数据进行验证。结果表明:考虑机组动态特性的LGBM预测模型的精度和计算效率显著提升;基于区间估计的不确定性量化方法解耦拟合过程与预测方法,可靠性高,灵活性强。     

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。     

基于EEMD和ARCH的风电功率超短期预测

针对风电功率具有非平稳性和波动集群现象,提出一种基于集合经验模态分解和自回归条件异方差组合模型预测方法。该方法通过EEMD分解法将风电出力分解为一系列平稳的时序分量,再由游程判定法,将时序分量重组为波动分量、短期趋势分量和长期趋势分量,以集中分量特征信息降低预测难度;针对各分量的波动特征,建立相应的ARCH预测模型。算例结果表明,该种组合预测方法简单,具有较高的预测精度,能更好的反应风电功率的波动特性。     

基于风电预测误差聚类的分布鲁棒含储能机组组合

为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。     

计及风电动态成本的电力系统区间经济调度*

大规模风电接入电网后,风速的间歇性和随机性使风电出力具有一定的不确定性,对传统确定性系统的安全经济运行产生严重影响。针对风力发电的不确定性对电网调度运行的影响,本文基于区间规划理论,提出风电动态成本这一概念,并建立计及风电动态成本的电力系统区间经济调度模型。该模型中引入决策变量求解模型的区间优化解,一定程度上反映系统运行风险和经济效益,并为调度人员安全评估提供支持。最后采用IEEE30节点系统进行仿真验证,算例结果表明该模型与方法的实用性和有效性。     

考虑风电不确定性和大用户直购电的电力系统经济调度

由于目前的风电预测方法仍不能将误差降低到可以忽略的范围,使得风电接入时增大了系统的不确定性,调度难度增大。同时,大用户直购电作为电力市场改革的重要措施,其引入对系统调度带来了新的挑战。针对以上情况,建立了考虑风电不确定性和大用户直购电的电力系统调度模型。模型在满足电力系统安全运行的基础上以发电企业收益最高为目标,利用风电出力的Beta概率密度函数来考虑由于风电不确定性带来的上、下旋转备用需求的增加,采用机会约束规划处理模型中的不确定因素。最后运用改进粒子群算法在含风电场的IEEE 30节点系统上验证了所建模型的有效性。     

中国风电发展与经济增长的协整分析

研究风电发展与经济增长之间的关系对我国风电长远规划和投资战略的制定具有十分重要的意义。基于我国1991—2010年风电年新增装机容量与GDP情况对比数据,利用自回归分布滞后模型（ARDL）和基于误差修正模型的格兰杰（Granger）因果关系检验方法,对我国风电发展与经济增长的关系进行了验证和分析。结果表明,风电发展和经济增长之间存在稳定的长期均衡关系;但是,无论在长期还是短期内,两者之间都不存在Granger因果关系。     

基于备用安全的含风电场的电力系统经济调度

随着风电在电网中渗透功率的持续增加,风电的不确定性给系统的备用决策和发电调度带来新的难题。为保障含风电场电力系统的安全运行,本文结合风电预测误差的概率密度函数,提出了一种系统运行安全性指标——备用安全可信度,并以备用安全可信度最大化和火电机组运行费用最小化作为优化目标函数,建立了含风电场的电力系统经济调度模型。针对寻优效率,本文采用了一种将优先顺序法和内点法相结合的优化方法对机组组合问题求解。算例分析证明了所提模型和解法的可行性和合理性。     

基于气象测量场的爬坡时段区域风功率预测

随着大规模风电接入电网,风电爬坡事件的风险不断增大,提高爬坡时段风功率预测精度对电网安全经济运行具有重要作用。提出了一种基于气象测量场的爬坡时段区域风功率预测方法。考虑爬坡时段风速场的动态变化,利用经验正交函数分解,将风速资料阵分解成不同空间模态和主分量,通过多元非线性逐步回归方法建立风速场主分量和区域风功率间的映射关系。考虑风速预测误差,采用区间正交函数分解,将上述模型扩展为处理非确定性数据的预测方法。实际区域风功率预测结果表明,所提出的方法能够显著提高风电爬坡时段风功率预测的精度,对存在风速预测误差的情况具有较强的鲁棒性。