PJM电力市场交易价格分布特征及波动风险度量

根据PJM电力市场披露的逐时电力交易价格信息,采用假设检验方法,对日前市场、实时市场及辅助服务市场部分交易品种的电价分布特征进行了统计建模,并针对电价分布的尖峰厚尾特性,结合VaR、CVaR尾部风险度量指标,对各市场中的电价波动风险进行精确度量。研究结果表明：PJM电力市场负荷与日前市场电价、实时市场电价具有强相关性,日前市场及实时市场电价服从对数正态分布,辅助服务价格差异较大,分布拖尾特征显著;在给定置信水平下,负荷、日前市场电价和实时市场电价波动风险逐渐增大,但显著小于辅助服务价格波动风险。     

GARCH族模型在电力市场电价预测中的比较研究

电力市场电价的剧烈波动存在巨大的风险。准确的电价预测有助于市场参与者管理风险并达到自身利益的最大化。用ARMA—GARCH族模型对美国PJM电力市场和北欧电力市场的日前小时电价序列进行建模和预测。在模型估计时假设残差分别服从正态分布和学生t分布,进而比较不同模型对不同电力市场日前电价的预测精度。通过比较得出,非对称的GARCH模型预测效果较好。但ARMA—GARCH族模型不适用于波动异常剧烈、电价序列间相关性较弱的电力市场,并以澳大利亚电力市场电价数据为例进行了分析。     

日前电力市场矢量自回归模型及其结构分析

构建了一种日前市场时段电价矢量自回归（VAR）模型,并对时段电价之间的影响进行了分析。该模型较好地表示了日前市场的独特规则,即同时确定次日所有时段电价。以澳大利亚新南威尔士2007年数据为基础,通过增广的迪基 — 福勒检验和Box-Pierce Q统计量检验,说明了电价VAR模型的适用性;利用Granger-因果检验和脉冲响应方法,获得了一些有用的结果:在构建时段电价模型时,忽略任何时段电价都会引起预测精度的下降,而各个时段电价之间的影响则互不相同,影响最大的是峰负荷时段的电价,最容易受到其他时段影响的是低谷时段的电价。     

电力市场中的电价分布问题

对电价概率密度函数及分布函数的研究有助于发电企业和购电商准确估计自身的经营状况,且有利于监管机构对电价严重偏离于正常分布的时期进行重点监控.文中基于某一区域的负荷呈正态分布的假设,结合市场总供给曲线在某一点飞升的严重非线性特征,采用概率论从理论上推导了电价作为负荷这种随机变量的函数的分布情况,并以美国加州、PJM和中国浙江电力市场的实际交易电价数据进行了验证.结果表明,只有在电力供求关系很宽松的情况下,电价才近似呈正态分布;而在供求紧张的情况下,电价分布明显偏离正态分布,且具有严重的右偏峰特性;实际电力市场在供求紧张时还表现出狭峰特征.     

GM(1,2)短期现货电价灰色预测模型

在电力市场中,电价预测对市场参与者具有非常重要的意义。该文检验了GM(1,2)灰色模型在现货电价预测中的应用效果。在对GM(1,2)模型进行修正的基础上,分别建立了计及负荷因子的预测模型和计及预测时刻前一小时电价的预测模型,并对模型进行了等维新息处理。对美国PJM电力市场的峰荷时段、腰荷时段和低谷时段的LMP实时电价分别进行了预测。预测结果表明,计及预测时刻前一小时电价的预测模型具有较好的预测效果。     

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。     

基于时间序列ARMAX模型的短期电价预测方法

电力市场环境下,准确的电价预测可为市场参与者制定合理的竞争策略提供重要的参考信息.在对美国PJM电力市场日前电价的各种影响因素和波动规律综合分析的基础上,建立了一个基于ARMAX考虑负荷与电价之间非线性关系的短期电价预测模型.对PJM电力市场2008年1月到4月的历史数据的算例研究表明,该方法能够准确反映电价的变化规律,具有较高的预测准确性.     

GM(1,2)短期现货电价灰色预测模型

在电力市场中,电价预测对市场参与者具有非常重要的意义.该文检验了GM(1,2)灰色模型在现货电价预测中的应用效果.在对GM(1,2)模型进行修正的基础上,分别建立了计及负荷因子的预测模型和计及预测时刻前一小时电价的预测模型,并对模型进行了等维新息处理.对美国PJM电力市场的峰荷时段、腰荷时段和低谷时段的LMP实时电价分别进行了预测.预测结果表明,计及预测时刻前一小时电价的预测模型具有较好的预测效果.     

基于PSO训练BP神经网络的短期电价预测

以美国PJM电力市场为背景,利用历史负荷、系统剩余容量百分比和清算电价对未来时段电价的影响来进行短期电价预测,给出了一个发电侧竞价模型中利用PSO训练BP神经网络进行市场出清电价预测的实例。与使用传统BP神经网络预测的方法进行比较,结果表明,该方法具有更高的预测精度,并能收敛于全局最优解。     

基于多重分形理论的电力交易价格分时段特征分析

利用多重分形理论中的标准多重分形分析、仿多重分形分析、多重分形去趋势波动分析3种方法对PJM 2001年和加州2000年电力市场的峰谷时段进行了研究。通过计算电价的各种分形参数,证实了电价的多重分形特征,并揭示了不同市场不同时段分形特征的差异。研究表明:PJM市场高峰时段的分形谱比低谷时段的更宽,加州市场则刚好相反;2个市场都表现出较强的长程相关性,不过与PJM市场不同的是,加州市场的低谷时段比高峰时段表现出更强的反持久性,但滤去局部趋势后,加州市场并没有经历非持久性阶段。这些差异真实地反映了它们不同的电价特点。     

考虑外生变量的广义自回归条件异方差日前电价预测模型

利用广义自回归条件异方差模型预测电价,并在该模型中引入周用电比率作为外生变量,以增加模型对外界影响的响应。采用上述方法对美国PJM电力市场2004年12月份的日前电价进行预测,结果表明该方法对高峰时段电价的预测精度明显高于与之对比的其他模型,整体预测精度也好于对比模型。     

基于自组织映射支持向量机的日前电价预测

针对电力市场中日前24点电价特性差异较大、采用单一模型很难描述的特点,建立多个模型分别对其进行预测,将数据空间按时点划分成24个子空间,然后根据这些子空间的相似性通过自组织映射对其进行自动聚类,并在不同类别的子空间分别建立支持向量机模型进行训练和预测。应用上述方法对PJM电力市场2005年8月的31天日前24点电价进行预测,结果表明该方法能够有效提高预测精度。     

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。     

输配分离电力市场中含分布式发电的配电公司的购电模型

基于最优潮流建立了输配分离电力市场中,配电公司在日前电能市场的购电模型,在模型中考虑了分布式发电参与电能市场的情况,通过该模型可以得到配电公司在日前市场中分别从电力库和分布式发电商购买的电能比例以及可能的负荷中断。由于配电公司在购电时不仅考虑了购电费用最小化问题,还考虑了配网内的分布式发电对配电网损的影响,因此比较分析了不同最优目标对购电方案的影响。最后通过算例验证了上述模型的有效性,并分析了其特征。     

基于不同分布假设条件的自回归条件异方差族模型在评估日前电力市场风险价值中的应用比较

Taking PJM day-ahead electricity market for example, a comparative research on evaluation of value at risk (VaR) of market by autoregressive conditional heteroskedasticity (ARCH) family model based on distributional assumption conditions is performed. Firstly, by use the analysis of ARCH family model the conditional variance series from marginal price return series is obtained; then by using computing formula of VaR, the VaR series under different distributional conditions is obtained; finally, the risk evaluation results under different distributional conditions are compared. Analysis results show that it is better to build VaR models based on different distributional assumption conditions at different times in a day.     

基于系统动力学的电力批发市场和零售市场相互关系分析

从系统的视角量化研究电力批发市场和零售市场的相互作用关系,是揭示2个市场运作规律的重要手段。运用系统动力学(SD)方法建立了包含3个发电商、3类零售商、2种零售套餐(固定电价合同和实时响应电价合同)、日前市场、实时市场,以及以勒那指数和平均现货电价为评价指标的2个市场相互作用模型并仿真,分析了输配电价分摊方式为峰荷责任法情景下的2个市场相互作用关系。仿真结果表明:在批发竞争模式中,当发电企业数量较少时,部分电量参与现货市场竞争的平均现货电价水平、零售商的风险水平均低于全部电量参与现货市场竞争的情景;在零售竞争模式中,零售商以电价套餐引导用户合理用电,通过削峰填谷,平抑批发市场的电价;基于峰荷责任法的输配电定价方法通过影响零售商售电策略,改善系统负荷曲线,提高零售竞争水平,并给优质零售商提供了更大的盈利空间。     

基于GARCH误差校正的遗传支持向量机日前电价预测

针对时间序列预测和智能算法预测各自的侧重点不同,结合两者优点对日前市场电价进行预测。首先建立支持向量机（SVM）模型对单一时点电价进行预测,将遗传算法（GA）嵌入SVM模型中来保证SVM参数选择最优。针对SVM-GA模型训练误差和测试误差存在一定的相关性和条件异方差性,采用广义自回归条件异方差（GARCH）模型对误差序列进行拟合。然后利用拟合好的GARCH模型对SVM-GA模型预测误差进行预测,最后根据GARCH预测结果对SVM-GA模型预测进行校正。用该方法对美国PJM电力市场2005年8月份日前电价进行连续预测,总体平均误差仅8.19%,比普通方法误差减少了将近4个百分点。     

基于用户负荷特性的电价交叉补贴测算模型

妥善处理电价交叉补贴是输配电价改革的关键,对中国新一轮电力市场化改革的顺利推进至关重要。综合考虑中国输配电价改革和各电压等级各类电力用户的负荷特性,构建各电压等级各类电力用户电价交叉补贴测算模型并以中国北方某省为例进行实证测算与分析。结果表明：该省居民生活用户和农业生产用户为交叉补贴享受方,其中居民生活用户享受的交叉补贴最多,占这两类用户享受的交叉补贴总额的92.84%;大工业用户和一般工商业及其他用户为交叉补贴提供方,其中大工业用户提供的交叉补贴最多,占这两类用户提供的交叉补贴总额的51.59%;电压等级越低,居民生活用户和农业生产用户享受的电价交叉补贴程度越大。