基于LSTM神经网络的电力市场日前电价预测研究

电力市场日前电价受到多种因素的影响,导致电价预测精度不高,所以设计基于长短期神经网络的电力日前电价预测方法。采集出电力市场日前电价数据,利用LSTM神经网络处理采集到的数据,更便于电价后续判断与预测。在此基础上构建电力市场日前电价预测模型,以此实现电力市场日前电价精准预测。采用对比实验的方式,验证本文所设计的基于LSTM神经网络的电力市场日前电价预测方法的预测误差较小,预测精准度更高,可以应用于实际生活中。     

基于有偏t分布ARMAX模型的短期电价预测

基于正态分布假设的时间序列分析模型不能有效地处理电价的有偏厚尾性,在对电力市场现货电价的影响因素和波动规律综合分析的基础上,提出了一种基于有偏学生t分布ARMAX模型的短期电价预测方法.该方法可同时考虑电价分布的有偏厚尾性、多重周期性及其与负荷之间的非线性相关性.对PJM电力市场历史数据的算例研究表明,该方法计算量小,待估参数少.     

基于有偏t分布ARIVIAX模型的短期电价预测

基于正态分布假设的时间序列分析模型不能有效地处理电价的有偏厚尾性,在对电力市场现货电价的影响因素和波动规律综合分析的基础上,提出了一种基于有偏学生t分布ARMAX模型的短期电价预测方法。该方法可同时考虑电价分布的有偏厚尾性、多重周期性及其与负荷之间的非线性相关性。对PJM电力市场历史数据的算例研究表明,该方法计算量小,待估参数少。     

基于数据挖掘与支持向量机的现货市场出清价预测方法

现货市场环境下,市场出清价对于电力市场的发、用两侧参与者和市场管理者都是极为重要的信息。因此,市场出清价的预测研究越发重要。首先分析大多数传统电价预测方法采用的连续序列与该文选取的同时段的电价序列表现出的变化特征差异,给出选取同时段电价序列作为输入的原因。然后基于数据挖掘相似性理论,通过欧氏距离和角度距离2个维度识别历史电价相似序列,得到模型所需训练集数据。以支持向量机（SVM）为预测工具,并利用遗传算法对SVM的关键参数进行寻优。最后将模拟预测结果与不考虑历史相似状态的SVM模型、BP神经网络模型进行对比,通过误差分析证明了所提模型具备更高的预测精度。     

考虑源荷不确定性的分时电价动态修正机制研究

针对新型电力系统中可再生能源出力及负荷需求的不确定性造成源荷协调困难,导致难以制定合理的分时电价的问题,该文提出一种考虑源荷不确定性的分时电价动态修正机制。首先,根据可再生能源出力的波动性以及不确定性,建立新能源并网功率与并网电量偏差量化模型;其次,根据需求侧负荷的变化特征,结合可再生能源出力不确定性,通过多种不确定性因素影响条件的误差计算方法,建立电价概率密度模型。然后,根据负荷上报的用电量以及预报电价,建立考虑源荷不确定性的电力市场分时电价动态修正与优化模型,并采用粒子群算法进行模型求解。最后,通过实际运行数据仿真验证该文所提方法的有效性。     

人工神经网络在电价预测中的应用

针对电价受多种因素影响很难用精确的数学模型预测,基于电力市场电价预测的特点,论述了神经网络的基本原理,比较了电价预测中的几种神经网络方法,并分析了神经网络的优化法,指出应用中ANN输入量及影响电价因素还有待深入研究.     

电价预测技术综述

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。对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。该论文以电力系统短期边际价格为主要研究对象。首先分析了电价的变化特点、影响电价的主要因素,明确电价变化的规律性。然后介绍了一些现有因素分析的方法。并对当前电价预测方法按其工作原理进行分类总结,最后根据各类电价预测模型的特点尤其利用神经网络方法建立的预测模型进行了深入分析和总结。     

基于随机森林与长短期记忆网络的电力负荷预测方法

电力负荷具有非线性和时序性的特点,为了深入研究各特征变量对于电力负荷预测的重要性,进而获得更高的电力负荷预测精度,提出了基于随机森林(random forest,RF)算法及长短期记忆网络(long short-term memory,LSTM)的混合负荷预测模型。首先根据时间日期因素及气候因素建立高维特征数据集作为随机森林模型的输入,通过随机森林算法筛选出重要特征量,并使其与历史负荷结合作为LSTM模型的输入,经过粒子群算法对LSTM模型进行参数寻优后得到RF-LSTM混合模型及负荷预测结果。使用该方法对河北电网某台区的电力负荷进行预测,结果表明该混合模型的预测精度比未经特征变量筛选的传统单一的随机森林算法、LSTM模型以及BP神经网络更为理想。     

优选移动平均与BP网络混合电力负荷预测方法

电力系统是一个受多种不确定因素如经济、人口、政治、市场等影响的复杂系统,这种特性也决定了电力负荷中长期预测是一个需要长期跟踪和动态管理的过程.对我国中部某地区电力负荷进行了月度预测,为解决中长期电力负荷预测精度不足、模型适用性不强、受客观因素影响较大的问题,考虑将复杂因素如温度、风速与历史区域用电负荷的时间序列进行因素耦合,利用优选移动平均法和BP神经网络混合改进预测模型,提高月度负荷预测模型的趋势预测能力,最后通过计算MAPE误差验证,经改进后的混合预测方法预测精度得到提升,适用于电力负荷的中长期预测.     

基于分时电价的风电-光热系统能量转化效益研究

为评估风电-光热系统的能量转化效益,基于风电-光热系统的运行特性及各子系统出力特性,并考虑电价影响因素,建立基于分时电价的风电-光热系统能量转化效益定量评估模型,研究风电-光热系统中光热电站对风电削峰填谷的影响。仿真算例结果表明：在分时电价政策的影响下,低谷时段的廉价电能被转化为高峰时段的珍贵电能,风电-光热系统取得良好的经济效益;同时还可有效平滑风电场输出功率,降低风电并网的波动性。     

基于DPBIL-SVM混合模型的电力现货市场出清价预测研究

为准确预测现货市场出清价,利用改进的基于种群增量学习的进化算法(DPBIL)对SVM参数进行优化,构建了基于DPBIL-SVM的混合预测模型,将该模型应用于挪威电力市场短期电价预测中,并与灰色GM(1,1)模型和BP人工神经网络模型进行比较。结果表明,所提模型能够将现货市场出清价预测误差控制在5%以下,合格率97%,效果优于灰色GM(1,1)模型和BP人工神经网络模型,符合现货市场实际报价的要求。     

Dynamic model for market-based capacity investment decision considering stochastic characteristic of wind power

This paper proposes a decentralized market-based model for long-term capacity investment decisions in a liberalized electricity market with significant wind power generation. In such an environment, investment and construction decisions are based on price signal feedbacks and imperfect foresight of future conditions in electricity market. System dynamics concepts are used to model structural characteristics of power market such as, long-term firms’ behavior and relationships between variables, feedbacks and time delays. For conventional generation units, short-term price feedback for generation dispatching of forward market is implemented as well as long-term price expectation for profitability assessment in capacity investment. For wind power generation, a special framework is proposed in which generation firms are committed depending on the statistical nature of wind power. The method is based on the time series stochastic simulation process for prediction of wind speed using historical and probabilistic data. The auto-correlation nature of wind speed and the correlation with demand fluctuations are modeled appropriately. The Monte Carlo simulation technique is employed to assess the effect of demand growth rate and wind power uncertainties. Such a decision model enables the companies to find out the possible consequences of their different investment decisions. Different regulatory policies and market conditions can also be assessed by ISOs and regulators to check the performance of market rules. A case study is presented exhibiting the effectiveness of the proposed model for capacity expansion of electricity markets in which the market prices and the generation capacities are fluctuating due to uncertainty of wind power generation.     

考虑可再生能源消纳的火电机组市场力评估

随着可再生能源并网比例的不断提升,实现其全额消纳会对火电机组的市场机会产生越来越大的冲击。针对这一现象,提出了火电机组综合市场力评估方法。考虑可再生能源发电并网下火电机组备用作用的强化,对传统市场力指标——Lerner指数进行修正,建立了反映火电机组在电量市场与备用市场综合市场力的改进Lerner指标;同时计及风电出力的不确定性,采用正态分布与拉普拉斯分布的联合概率密度函数更好地反映风电预测误差的尖峰厚尾特性,完善了备用需求的表达;以电量完全竞争作为假设前提,采用电量—备用联合优化模型模拟电力市场交易,进而完成对火电机组综合市场力的准确度量。以10机系统为例进行仿真计算,验证了改进指标的有效性并分析风电渗透率、风电预测精度等因素变化对火电机组综合市场力的影响。     

Impact of wind generation control strategies, penetration level and installation location on electricity market prices

Integration of wind facilities into power system grids have several impact on power system related issues including; transmission congestion, optimum power flow, system stability, power quality, system economics and load dispatch. Consequently, wind farm control strategy, location across the distribution network and its penetration level could have an impact on electricity market prices. This paper addresses these issues, by developing a single auction market model. An optimal power flow problem was formulated for determining the close to real time electricity market-clearing price and the total cost of generation. Simulation results, considering different operational cases, are presented to highlight the impact.     

Forecasting method of monthly wind power generation based on climate model and long short-term memory neural network

Predicting wind power generation over the medium and long term is helpful for dispatching departments, as it aids in constructing generation plans and electricity market transactions. This study presents a monthly wind power generation forecasting method based on a climate model and long short-term memory (LSTM) neural network. A nonlinear mapping model is established between the meteorological elements and wind power monthly utilization hours. After considering the meteorological data (as predicted for the future) and new installed capacity planning, the monthly wind power generation forecast results are output. A case study shows the effectiveness of the prediction method.     

基于电价波动率的现货电价风险度量研究

风险度量因子的选取是风险度量的核心工作之一,统计性质好的指标通常能降低建模复杂度,提高精度。根据电价序列的特征及电价风险度量模型的特点,提出以电价波动率替代电价作为风险度量因子,避开电价序列的非平稳性,建立GARCH-VaR模型用于现货电价风险度量,以北欧电力市场的电价风险度量为例,对模型的可行性和有效性进行检验,并将所提出的电价风险度量方法与电价波动率正态分布法、电价ARMA-GARCH模型度量的电价风险进行比较。结果表明,所提方法不仅能有效降低电价风险度量的模型复杂度,还可提高风险度量的准确性。     

偏差电量考核下风光储混合发电商的市场均衡博弈研究

为了更直观地分析风光储混合发电商对市场均衡博弈结果和市场力的影响,在偏差电量考核衡量风光储混合发电出力随机波动性的基础上,综合考虑各发电商的出力限制和储能系统的运行约束,建立以风光储混合发电商和传统发电商收益最大化为目标的市场均衡博弈模型,调用CPLEX软件求解利用非线性互补函数处理得到的混合整数规划模型,并对比分析了风光储混合发电商作为价格接受者和影响者参与电力市场竞争对均衡博弈电价和投标出力的影响。结果表明,风光储混合发电商参与电力市场竞争可抑制传统发电商的市场力,对电价有显著的"削峰填谷"作用;当风光储混合发电商作为价格影响者时,对电价的影响会减弱,但其收益有所增加。