（技术经济及管理专业论文）发电商市场预测与竞价决策优化新方法研究.pdf

华北电力大学博士学位论文摘要 中文摘要 本文选择在对在对电力市场进行预测的基础上，研究发电商如何对其面临的市场环 境中潜在的市场风险进行有效的识别和管理，避免带来损失的可能性，从而提高其自身 的竞争获益的能力。本文抓住电力市场的核心m c p ，选择先进的人工智能组合预测方 法，对其进行建模和预测，从而形成对发电商面临的短期市场环境的一个精确的预测分 析理论体系。然后，对发电商面临的参与竞价进行的获益情况以及m c p 、所获出力等进 行建模，以此为基础构建基于群体智能优化算法的竞价决策优化模型。在此基础上，借 鉴金融市场风险管理理论的研究进展，对发电商面临的市场变化带来的风险进行量化描 述。接着，结合发电商参与竞价面临的风险进行风险度量化评估，在此基础上，提出计 及风险约束的发电商竞价决策优化模型和进化规划优化求解算法设计。 本文研究所依赖的主要理论基础为最优化组合预测理论，智能优化计算理论，时间 序列预测，以及金融风险计量与管理理论。本文将结合这些理论研究的最新成果，结合 本文所研究内容进行有机结合，并针对具体问题，改进相关的理论模型，对这些理论的 内涵和外延都予以拓展，以形成一套完整的基于m c p 、计及短期市场风险的发电商竞价 决策优化理论，为发电商兼顾最大化获益与防止风险损失的目标，进行竞价决策优化提 供可资参照的理论指导与具体的分析工具。 本文的创新之处体现在以下几个方面： ( 1 ) 新的单一智能负荷预测模型的建立，遗传算法改进小波神经网络，混沌模糊 神经网络预测模型在电力短期负荷预测中的应用。通过引入最优化组合预测的理念，在 改进蚁群算法的基础上，构建智能动态赋权负荷组合预测模型，并且进行了影响因素的 敏感性分析。 ( 2 ) 通过综合时序预测和神经网络预测的研究成果，提出基于改进支持向量机的 时序混合电价预测模型。基于统计方法和智能模式识别方法，对价格钉形成机制、预测 方法进行研究，从而形成的对电价突变预测的数据挖掘新方法。 ( 3 ) 基于电价的发电商竞价模拟与决策优化模型及优化求解算法设计。通过短期 发电商资产评估，提出计及风险的发电商竞价决策g o p u l a - g a r c h - e v t 建模方法及e p 优 化算法求解设计 关键词：短期负荷预测市场出清价预测风险人工智能算法竞价策略 华北电力大学博士学位论文摘要 a b s t r a c t t h ep a p e r s e a r c h e st h ep 加b l 锄t h a th o wp o w c rg e n 啪t i o nc o m p a n i 船e f i c c t i v e i n d e n t i f y 柚dm 柚a g ct h ep o t e n t i a lm a r k e tr i s l 【sb 弱e d 衄e i e c t r i c i t ym a r k e tf o r c c 鹤t s ， 姐d a v o i dt h e1 0 豁， t h 盯e b ye r i l i a n c ct l l eb e n e f ta b i l i t yf 如mc o m p e t i t i v e n e s s t h ep a p e rm a s t e r s t h eo o r co fc l e 硎c i t ym a r k e t m c p ，s e l e c t sa d v a n c e da n i f i c i a li n t e u i g e n c ec o m b i i l a t i f o r e c 弱t i n gm e t h o d st om o d c l 孤dp r e d i c t ， t l l u sf o 咖sap r c c i s ep r e d i d i o n 锄a l y s i ss y s t e m f b rg e n c r a t i c o m p a n i e si ns h o n - t c 瑚m a r l 【e te n v 的n m t t h e n ，t h ep a p c rb u i l d s i l l t e u i 星r e 】时o p t i m i z a t i 衄m o d e lf 幻mt h ea s p e c t ss u c ha sb e n e f i t ，m c p ，霉r e n e r a t i o na n ds o 伽，b 勰e do n 孕o u pd e c i s i o n - m a k i n ga l g d f i t l l l no p t i m i z a t i o n 0 nt h i sb a s i s ，d r a wo nm e t h e o r yo ff i n 觚c i a lm a r k c tr i s km 趾a g e m e m ， t h ep a p c rq u 卸t i t a t i v e l yd e s c r i b e st h er i s k si n t 量l ee l e d r i c i t ym a r k e t ( b m b i n e dw “hc o m p c t i t i 、，cr i s l 【so fp o w c rg e n e r a t i o nc o m p a n y ，t l l e p 印盯q u a i l t i t i e st l l e 鹤s e s s m 锄t s 0 nm em e n t i o n c da b o v e ， t h ep a p e r p r o p o s e st h eb i d d i n g d e c i s i o n - m a k i n go p t i m i z a t i o nm o d e lf o r 星r e n e m t i o n m p a n i e sw i t har i s k c o n t r o l ，a n d d e s i g np m 舒舢i n g0 p t i m i z a t i o na l g o f i m m t h em a i nf o u n d a t i 衄t h ep a p e rr c l i e d 彻i s0 p t i m i z e dc o m b i l l a t i o nf o r e c a s tt l l c o r y ， i n t e u i g e n to p t i m i z a t i o nc o m p u t a t i t h c o r y ， t h et i m es e sf o f c c a s t ，a n df i n 柚c i a lr i s k m e 鹅u r e m e n ta n dm a n a g e m e mt h e o r y t h i sp a p c rw i uu n i f yt 量l en e w e s ta c h i e v e m e n to ft h e s e f i l n d a m e n t a lr e s e a r c h 鹳a p p l i e dt ot h ec o n t e n tw h ic ：ht i l i sp a p c rs t l l d y ，姐da i ma tt l l es p e c i a l q u e s t i o n st 0i l n p r o v et h er e l a t i v et h e o r ym o d e l sa n dd e v e l o pt h ec o n n o t a t i o na n dt h e e x t e n s i o no ft h e s et h e o r y ，a n dt h 蛐f o mac o m p l e t es c to ft l l e e l e d r i c i t vg e n e r a t i c o m p a n i e sb i d d i n gd e c i s i o i h 吡a k i l l go p t i m i z a t i t h e o r yb a s e d0 nm c pa n ds h o r t t e 珊 m a r k e tr i s k s ，锄dp f o v i d ep 0 啊豇g e r a t i c o m p 柚i e sw i t ht h e o r yi n s t m c t i o n 蛐ds p c c i a l a n a l v s i st o o l sf b fb e n e t i tm a x i m i z a t i o na n dr i s ka v o i d a n c c t h ei n l l o v a t i o no ft h ep a p c ri sr c n e d e di i lt 1 1 ef o l l o w i n ga s p e d s ： 1 an e wl o a df o f e c 勰t i n gm o d e lw i t hs i n g l ei i l t c l l i g e n ti sb u i h w h v e l e tn e u m ln e t w o r k s i i i l p r o v c db yg c n c t i ca l g o r i t l l m ，f i i z z yc h a o t i cn e u r a ln e 咐o r km o d e la r e 印p l i e dt 0p r c d i d s h o n t e mp o w e rl o a d t l l i o u g hi i l t m d u c i n gn e wl o a df a c t o r sa n dd a t am i i l i n g ，t h ep a p e f c o n s t n l d st h en 册f a c t o r si n d i c a t o rs c t b yi n t i d d u c i n gt h et h o u g h to fo p t i m a lc o m b i m t i 彻 f r e c a s t i n g ， b 雒e do nt l l ei d e at h a tt h ei m p r o v e m e n to ft h e 柚t - l o n v o p t i m i z a t i o n ， t h e p a p c rc o n s t n i c t sl o a d m b i n a t i o nf o r e c a s t i n gm o d e lw i t l li n t e l l i g c n td y i l a m i c 黜叩o w c r ， 卸d a n a l y z e st h es e n s “i v “yo fa | 王c c t i n gf a c t o 璐； 2 b a s e do na c l l i e v 锄e n to fc o m p r e h 锄s i v et i m e s e r i e sf o r e c 弱t i n g 趾dn e u r a l 北t w o r kp r c d i c t i o n ， t l l ep 印c fp r o p 0 dp r i c cf o r c c 够t i | l gm o d e l o fm i x e dt i n l es c r i e sb 嬲c d s u p p o nv e d o rm a c t l i n e s b a s e d0 ns t a t i s t i c a lm e t h o d sa n d i n t e u i g e mp a n e mr e 2 皿i t i o nm c t h o dt 0s t u d yp r i c en a i l s 如咖a t i o nm e c h a n i s m ，f o r e c a s t i n g m e t h o d s ， t h u sm er i 曲tp r i c cm u t a t i o np r e d i c t e dt h en e w 加m i n i n gm e t h o d ；3 b i d d i n g s i m u l a t i o n 锄dd e d s i - m a l ( i n gm o d e lo fp o w e rg e n c n t i o nc o m p a n i e sb a s e d 咖p d c ca n d o p t i i i l 妇i o na i g o r i t h md e s i 弘t h r o u g l l 勰s e s s i n gp o 飘r e fg e n e m t i c o m p 盐yp r o p e n yi n s h o n t e 咖， 僦n g i n t oa c c 咖n tt h er i s l 【s ，t h eb i d d i n go ft h eg 锄e r a t i n gu n i t so p t i m i z a t i 伽 m o d c la n da l p r o r i t t i mb a s e do nv h rm c t h o di sp r o p o s e d k e y w o r d s ： s h o n - t e r ml o a df o r e c a 吼i n g ； m a r k e rc i e a r i n gp r i c ep 悖d i c t n g ； r i s k ； a n i f i c i a ii n t e i g e n c ec o m p u t e ； b i d d i n gs t r a t e g y 声明 本人郑重声明：此处所提交的博士学位论文发电商市场预测与竞价决策优化 新方法研究，是本人在华北电力大学攻读博士学位期间，在导师指导下，独立进 行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文 的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出贡 献的其他个人和集体，均已在文中以明确方式标明。 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权 保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或 其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校 可以学术交流为目的，复制赠送和交换学位论文；同意学校可以用不同方式在不 同媒体上发表、传播学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：挑 日期：型幽 导师签名：刎导师签名：么丝丝 日期：弓硷少 华北电力大学博士学位论文 1 1 研究背景与研究意义 第一章绪论 由于电力的殊性质，多年以来世界各国的电力行业都是传统的垄断性行业，无一例 外地实行发、输、配、售垂直一体化的垄断型结构。自2 0 世纪8 0 年代末以来，随着现 代科技和经济理论的发展，电力行业改革的浪潮席卷全球。建立竞争性的电力市场，打 破传统的垂直一体化的行业垄断组织结构，引入竞争机制是电力改革的重点。电力改革 的目标在于提高电力生产效率，降低电价，优化资源配置，达到社会效益最优。国际上 很多国家的电力市场都已经投入运营了，智利、阿根廷、英国、美国、澳大利亚等国的 电力市场改革给其电力工业带来了活力，并激励了其他各国的市场化发展过程。尽管有 很多的成功经验，但各国运行的实践也证明电力市场的运行也存在着很多的风险，如美 国加州电力市场失败的教训、英国伦敦大停电、美国东北部大停电等事故都造成了巨额 的经济损失。 放松管制、引入竞争、实现电力工业市场化是不可逆转的历史趋势，也是电力工业 发展进程中的一次深刻的革命。2 0 世纪9 0 年代末期，我国电力市场的供求关系发生了 根本性的变化，电力供应不仅不再短缺，而且实现了供需基本平衡，甚至有些地区出现 了阶段性的供大于求。这一变化导致了发电市场开始出现竞争并且竞争程度逐步增强。， 为了实现发电市场的公平竞争，1 9 9 8 年1 2 月，国务院办公厅印发了国办发( 1 9 9 8 ) 1 4 6 号文件，要求在上海、浙江、山东、辽宁、吉林和黑龙江6 省( 市) 进行“厂网分开、 竟价上网”省电力市场试点工作。这一年也是我国竞争性电力市场实践探索的开始。此 后，原国家经贸委会同国家计委、国家电力公司等有关部门和单位组织了有关改革试点 工作“。 2 0 0 2 年，国务院关于印发电力体制改革方案的通知( 国发 2 0 0 2 5 号) ，对我 国新一轮电力体制改革进行了整体部署，明确了电力市场化改革的方向，提出建立政府 监管下的开发竞争、全面发展的电力市场体系。根据5 号文规定，我国初步完成了“厂 网分开”改革，组建了国家电网公司、中国南方电网公司、五大发电集团和四大辅业集 团，打破了垂直垄断一体化的行业结构，为电力市场建设、竞价上网等后续改革奠定了 体制基础。2 0 0 3 年起，国家电力监管委员会先后印发了关于区域电力市场建设指导意 见和电力市场运营基本规则( 试行) 、电力市场监管办法( 试行) 、电力市场技 术支持系统功能规范( 实行) 等一系列有关区域电力市场建设的指导性文件，有效推 进了区域电力市场建设。 2 0 0 3 年2 月，国家电监会启动了我国第一个区域电力市场一一东北区域电力市场的 试点工作。6 月，印发关于建立东北区域电力市场的意见，东北电力市场作为第一个 区域电力市场的试点工作开始启动。2 0 0 4 年1 月开始部分电量竞争模拟运行，2 0 0 4 年 1 2 月正式试运行协”。 第一章绪论 2 0 0 3 年6 月，电监会印发关于开展华东电力市场试点工作的通知( 电监市场 2 0 0 3 1 3 号) ，华东电力市场试点工作启动。2 0 0 4 年5 月华东电力市场进入月竞价模拟 运行。2 0 0 5 年1 0 月份华东电力市场开始综合模拟运行，并于2 0 0 6 年4 月转入试运行。 2 0 0 4 年3 月，电监会启动南方电力市场建设工作。同年1 2 月，国家电监会出台了 南方电力市场建设方案，2 0 0 5 年1 1 月，南方电力市场模拟运行。另外，华中、华 北等几个区域电力市场的建设也正在进行当中。2 0 0 6 年国家电网公司系统建立国家、区 域电力市场交易中心。1 。 电力市场化改革正在成为中国国有资产、垄断行业市场化改革的前沿阵地，以“引 入竞争、提高效率”为目的市场化改革已然成为大势所趋。几年来的改革试点取得的一 些经验和教训为下一步全面推行“上网竞价”奠定了基础。 目前，我国已经基本形成电网侧和电源侧分离、电源侧引入竞争的较为初级的电力 市场环境。鉴于我国特殊的国情，即公有制的主体地位和有中国特色的社会主义市场经 济体制，对于电网侧的改革因为涉及电力系统的安全稳定等社会性问题，所以其改革的 难度会大于电源侧，并且，电网公司的区域自然垄断性在其他一些国家的电力市场改革 中也普遍存在。在下一步市场化改革中，对于我国电力市场的参与者而言，发电商面临 的竞争压力和市场风险可以认为是比较明显的，市场供需形势的起伏带来的很多不确定 性因素都给发电商的经营造成了风险。与垄断时期相比，发电公司在电力市场环境下的 运营方式和经济策略有了很大的不同，面临着前所未有的机会和挑战。因此，我国的发 电企业尤其应该重视对于电力市场的分析和供需形势的预测，在此基础上，加强对于市 场风险的识别方法和规避策略研究。 本文选择在对在对电力市场进行预测的基础上，研究发电商如何对其所面临的市场 环境中潜在的市场风险进行有效的识别和管理，避免带来损失的可能性，从而提高其自 身竞争获益的能力。本文抓住电力市场的核心一- m c p ，选择先进的人工智能组合预测方 法，对其进行建模和预测，从而形成对发电商面临的短期市场环境的一个精确的预测分 析理论体系；在此基础上，借鉴金融市场风险管理理论的研究进展，对发电商面临的市 场变化带来的风险进行量化描述；然后，对发电商面临的参与竞价进行的获益情况以及 m c p 、所获出力等进行建模，以此为基础构建基于群体智能优化算法的竞价决策优化模 型；接着，结合发电商参与竞价面临的风险进行风险度量化评估，在此基础上，提出计 及风险约束的发电商竞价决策优化模型和进化规划优化求解算法设计。从而提出一套完 整的基于短期市场预测的发电商风险识别理论与规避措施架构。从这个角度而言，本文 的选题和研究内容具有了鲜明突出的理论意义。 对于电力市场环境下的发电商而言，在组织机组参与市场竞争之前，对于其将面临 的市场环境有一个比较客观、全面、科学的了解和分析，可以有效地规避市场环境下很 多不确定性因素给其经营所带来的风险，可以更为经济、高效的对自身的机组、资源进 行优化配置。要做到对市场的客观了解，科学规范的市场预测框架及具有可操作性的方 法是理论基础。本文提出对发电商面临的市场环境根据对市场预测的结果进行归类划 分，进而合理利用市场规则、整合企业自身资源，提出相应的规避措施，初衷就是为了 给发电商提供一套具有可操作性的市场风险识别和规避的理论工具。从这个意义上来 说，本文的选题有着很强的现实意义。 2 华北电力大学博士学位论文 1 2 主要研究内容 1 2 1 短期负荷智能动态赋权组合预测模型 电力市场环境下，短期负荷的变动反映电力市场电力需求的变化，对于电力负荷的 准确预测有助于对电力需求侧变动形势进行了解，同时也是进行电价等相关市场重要因 素预测的基础，是市场参与各方的决策参考因素。短期负荷预测的前期研究较多，取得 了一定的成效，然而，短期电力负荷随机性波动特征较中长期负荷要明显很多，同时， 各种方法都存在着自身的优缺点，对于单一预测方法的改进效果已经不是很明显。 因此，本文在已有的对于电力短期负荷预测研究的基础上，提出一种智能动态赋权 组合预测模型。选择如改进小波神经网络、改进模糊神经网络等比较新的人工智能单一 预测模型作为组合预测的基础，通过引入蚁群算法，构建对于数据特性和单一模型历史 预测效果等因素进行智能预测评估模型，对各种方法得到结果的权重进行动态分配，以 求得到更好的预测效果。 1 2 2 电力市场短期电价时序预测和人工智能预测混合预测模型 电价是市场供求关系的集中反映，在发电侧开放的电力市场中反映的是系统负荷与 发电商总供给间的关系。与负荷相比，电价有更多的影响因素，影响负荷的因素也可能 影响电价，此外，电价还受发电侧报价等人为因索的影响，而且电价还要反映电力系统 的网络约束等因素。这导致电价与负荷相比其波动性更强，峰谷电价可能相差数十倍， 电价变化更为复杂，规律性较弱；电价有较多的价格尖峰和零电价及负电价，而负荷的 变化则相对平稳，规律性更强。电价的波动性给电力市场参与各方带来了更大的不确定 性和收益风险。同时，电价预测难度更大，更具挑战性。从现有的研究来看，1 电价预测 的精度远低于负荷预测的精度。单纯套用负荷预测方法来进行电价预测是不科学的。 各方法用于电价预测的优势目前尚不明确。具有足够数量神经元的神经网络理论上 能够以任意精度逼近连续函数。但网络输入因素的选择直接影响到预测结果，理论上的 完美并未完全得到体现，其预测精度与时间序列法相比尚未显示出优势。时间序列法的 理论相对浅显，从实际应用情况来看，其预测精度并没有因此而降低。并且价格钉的预 测问题也没有得到很好的解决，缺少能够模拟价格钉形成同时做出准确预测的方法。 因此，本文选择从电价的形成机理、电价特点和电价的影响因素研究出发，结合时 间序列、神经网络等预测工具，提出更为有效的电价预测方法。分为两个部分来进行研 究： 其一、电价的形成机理特点和影响因素分析； 其二、电价的时序、人工智能混合预测模型。 3 第一章绪论 1 2 3 考虑电价突变的短期电价预测模型 电力市场环境下，短期电价波动剧烈，而且经常出现极端波动情况，即价格钉。价 格钉的出现机制不同于普通的价格波动，在随机性跳跃变化的背后仍然存在着一定的规 律，本部分主要分析价格的极端变化情况( 即价格钉) 的形成机制，主要影响因素及其 作用机制，在此基础上，提出考虑电价突变的短期电价预测模型。价格钉的出现给发电 商的竞价带来很大的风险，传统的分析方法与模型在对价格钉预测时往往难以取得理想 的效果。 本文将从以下三个方面进行研究： 其一、价格钉的概念与形成机制； 其二、影响价格钉形成的主要因素及其作用机制分析； 其三、考虑价格钉的短期电价预测模型的设计。 1 2 4 基于m c p 的发电商竞价决策优化模型与g i p h a 优化算法设计 m c p 是电力市场的核心要素，发电商的竞价获益与m c p 有着直接的联系，发电商参 与不同类型市场中进行竞标，按照不同的交易模式，可以对参与各个市场的竞价进行建 模描述，在此基础上可以提出发电商整体的基于m c p 的竞价决策优化模型，从而对发电 商实现资产利润最大化目标提供决策分析工具。 因此，本文选择研究在前三个部分研究的基础上，研究以下三个方面的问题： 其一、单边、双边交易模式下考虑能量和辅助服务市场的发电商竞价建模； 其二、基于m c p 的发电商竞价决策优化模型： 其三、g i p h a 优化求解算法设计。 1 2 5 计及风险约束的发电商竞价机组组合优化模型与e p 求解算法设计 发电商在实现利润最大化目标的时候，不能忽略市场供需形势的波动变化，电价随 着市场供需形势的变化而呈现高频的起伏，电价的不确定性给发电商基于利润最大化目 标的竞价机组组合实际获益带来风险，因此，在追求利润最大化目标的时候，必须兼顾 风险最小化的目标，本章将着力解决这一对看似矛盾的目标，考虑风险约束的前提下， 构建发电商机组组合优化模型，主要分为以下三部分内容： 其一、多维资产组合优化模型； 其二、计及风险决策的发电商竞价机组组合优化模型； 其三、e p 求解算法设计。 4 华北电力大学博士学位论文 1 3 研究方案、特色及难点 1 3 1 对于第一部分“电力负荷预测智能动态赋权组合预测模型” 研究小波神经网络、模糊神经网络等较新的自适应神经网络模型的改进方法，提出 运用遗传算法改进小波神经网络、运用混沌搜索方法改进模糊神经网络的两种单一预测 模型。 在此基础上，对于时序预测、改进小波神经网络、改进模糊神经网等方法的预测结 果进行基于改进蚁群算法的最优化组合预测模型，引入适应度评价函数，进而对的各种 不同预测方法进行动态赋权，在此基础上形成电力负荷预测智能动态赋权组合预测模 型。 该部分研究内容的特色和难点在于，单一人工智能预测模型的改进，基于改进蚁群 算法的最优化组合预测模型。 1 3 2 对于第二部分“电力市场短期电价时序和人工智能混合预测模型” 首先研究对于电价预测相关影响因素，电价变化的特点，电价的形成机制，以及影 响电价变化的主要因素及其作用机制分析，为后续的模型建立提供基础。 引入新的预测评价模型，在此基础上，根据市场交易规则的设定将全天划分为2 4 或4 8 个时段，将其对应的时点数据进行多列时序预测，在此基础上结合改进支持向量 机预测建立时序一神经网络混合预测模型。 该部分的特色及难点在于，时序预测和神经网络预测方法的有效融合以实现预测效 果的改进。 1 3 3 对于第三部分“考虑电价突变的短期电价预测模型” 首先对于价格钉的概念进行定位，分析其形成机制。并就导致价格钉出现的若干关 键性因素，如负荷水平、容量裕度水平等进行分析，找出这些因素变化与价格钉出现之 间的联系。 在此基础上，结合第三部分中所构建的s a s 预测模型，结合时间序列预测模型， 构建基于价格钉出现概率检验的价格钉预测模块，继而提出考虑电价突变的短期电价预 测模型。 该部分研究的特色及难点在于电价突变因素的选取和在实际预测中的具体应用。 1 3 4 对于第四部分“基于m c p 的发电商竞价决策优化模型与g i p h a 优化算 法设计” 首先对发电商参与的市场环境进行规定，对于单边交易模式、和有大客户进行需求 竞价的双边交易模式分别进行模拟，考虑能量市场和备用服务市场，并就不同类型的市 场竞价规律进行建模分析，模拟m c p 的形成和发电商参与其中获益的情况。 5 第一章绪论 在此基础上，构建基于m c p 的发电商竞价决策优化模型，综合对其其所参与的各类 市场中获益的模拟，提出整体优化目标函数和优化条件。 对于提出的优化模型设计求解算法，通过引入遗传算法充当改进迭代策略的粒子群 算法的局部搜索方法，来提高粒子群算法整体优化能力。 1 3 5 对于第五部分“计及风险约束的发电商竞价机组组合优化模型与e p 求解算法设计” 首先，将资产组合优化理论与发电商竞价机组组合优化问题进行结合，提出针对机 组组合优化的风险决策模型，并且设计风险量化的方法和模型，以及对v a r 值计算的蒙 特卡洛方法。 考虑发电商的风险决策偏好，构建基于风险最小一利润最大的发电商竞价机组组合 优化模型。 结合具体问题和优化模型，构建e p 优化求解算法。 本部分的特色和难点在于对于发电商机组组合优化模型的构架和v a r 值的计算。 1 4 研究框架归纳与理论基础 概括以上所提出的内容和研究路线，本文的整体研究框架可以由下图卜l 所示来进 行归纳。 如图所示，本文研究所依赖的主要理论基础为最优化组合预测理论，智能优化计算 理论，时间序列预测，以及金融风险计量与管理理论。本文将结合这些理论研究的最新 成果，并将其与本文所研究内容进行有机结合，并针对具体问题，改进相关的理论模型， 对这些理论的内涵和外延都予以拓展，以形成一套完整的基于m c p 、计及短期市场风险 的发电商竞价决策优化理论，为发电商兼顾最大化获益与防止风险损失的目标，进行竞 价决策优化提供可资参照的理论指导与具体的分析工具。在下一章中，本文将在阅读大 量国内外相关理论研究文献的基础上，归纳负荷预测、电价预测、发电商竞价决策、金 融风险计量与管理等四个方面的相关理论研究动态。 6 华北电力大学博士学位论文 负荷预测l l l 山 价格预测 l _ 基千矾c p 的发电商竟价 上 竞价结果模拟、产生w c p 和发电出力分配、对优“ 模型进行优化求解，计算 选定发电两的利滑 对 借鉴金融风险计量理论 的研究成果，对竟价风 险的定量计量进行建横 、l 柯建基千c v 出的计及 风险的竟价筻略优化梗 型以及求解算法 图1 1 论文研究框架构想示意图 1 5 预期的成果及创新点 i i - “i 通过对本文5 个主要部分的研究，可以预期实现如下成果： l 、新的单一智能负荷预测模型的建立，遗传算法改进小波神经网络，混沌模糊神 经网络预测模型在电力短期负荷预测中的应用。 2 、通过引入新的负荷预测影响因素和对负荷影响因素的数据挖掘构建新的影响因 素指标集合，通过引入最优化组合预测的理念，在改进蚁群算法的基础上，构建智能动 态赋权负荷组合预测模型。 3 、通过综合时序预测和神经网络预测的研究成果，提出基于改进支持向量机的时 序混合电价预测模型。 4 、基于统计方法和智能模式识别方法，对价格钉形成机制、预测方法进行研究， 从而形成的对电价突变预测的数据挖掘新方法。 5 、基于电价的发电商竞价模拟与决策优化模型及优化求解算法设计。 7 ；i 第一章绪论 6 、通过短期发电商资产评估，提出计及风险的，基于v a r 方法的发电商竞价机组 组合优化模型与优化算法。 以上各成果均有创新。 8 华北电力大学博士学位论文 第二章国内外相关理论研究动态 2 1 电力市场预测相关问题研究动态 发电商在电力市场环境下对市场环境进行预测主要从供给侧和需求侧两个方面来 对市场进行预测，比较关键的两个指标为系统在未来时段的负荷和未来时段市场的出清 价格嘲。 负荷预测，是电力市场中市场需求的集中反应，需求侧的负荷变化给整个电力市场 的运行都带来很大的影响。对其进行比较准确的预测是发电商进行报价策略选择和其他 电力市场预测分析的基础。因此，负荷预测多年来一直是电力系统中研究的热点问题之 一m7 一。 在市场环境下，电力具有了同普通商品类似的可交易性，电力价格成为电力市场中 的基本要素。电价是电力市场环境下电力工业市场供求形势的集中反映，在发电侧放开 的电力市场中反映的是系统负荷与发电商总供给之间的关系阻”1 。电力市场中，电力价 格具有较高的波动性和随机性，价格直接影响着参与交易的发电商和其他市场成员的收 益，尤其给发电商的经营带来了直接的收益风险。对于电力价格的预测研究由于迫切的 现实需求正在成为一个新的研究热点“。 2 1 1 短期负荷预测研究动态 短期负荷预测的研究已有很长历史，国内外的许多专家、学者在预测理论和方法方 面做了大量的研究工作，取得了很多卓有成效的进展。由于负荷的随机因素太多，非线 性极强，而有些传统方法理论依据尚存在局限性等问题，因此，新理论和新技术的发展 一直推动着短期负荷预测的不断发展，新的预测方法层出不穷。 短期负荷预测的最大特点是其具有明显的周期性“”“，在具备上述周期性的同时， 短期负荷的另外一个特点是其明显受到各种环境因素的影响，如季节更替、天气因素突 然变化、设备事故和检修、重大文体活动等，这使得负荷时间序列的变化出现非平稳的 随机过程“6 “”。 在已有的对于短期负荷预测的研究成果中，采用最多最为重要的两类方法是时间序 列法和神经网络预测方法“”1 ，以下对这两种方法进行重点的概述。 2 1 1 1 时间序列负荷预测方法 时间序列模型是被认为最经典、最系统、最被广泛采用的一类短期负荷预测方法。 常用的时间序列分析模型有以下几种：自回归( a r ) 模型、动平均( m a ) 模型、a r m a 模型、 累积式自回归一动平均( a r i m a ) 模型。 1 ) a r 模型 9 第二章国内外相关理论研究动态综述 在短期负荷预测研究中，引起负荷变化的因素很多，不可能把影响负荷的因素都一 一归入模型。从各级调度部门可获得的是过去历史的负荷记录，易于得出某一时刻的负 荷与它过去相关时刻的负荷有关。a r 模型中的基本概念为：因变量是待测的负荷，而自 变量则是负荷自身的过去值啪“。 2 ) m a 模型 在a r 模型中，理论上千扰的影响是在无限长的时间内存在的，即一个初始时刻的 干扰将会影响到未来无限长时间内的负荷值。假设干扰的影响在时间序列中只表现在有 限的几个连续时间间隔内，然后就完全消失，获得派生模型，即为m a 模型0 2 。1 。 3 ) a r i 姒模型 实际上，负荷时间序列的变化常常是非平稳的随机过程。a r i i a 能适用于非平稳随 机时间序列的模型，并将非平稳随机过程中的平稳随机变化负荷包含在模型中嘲1 。而前 述模型应用的前提条件都是以时间序列为平稳随机序列依据，这些模型对于时间的起点 是不做任何规定的，即表示无论抽出时间序列哪一段，其平均值是不变的。时间序列模 型难以有效地模拟这些因素给短期负荷需求所带来的冲击和影响。 总的来看，时间序列模型运用取得了一定的效果，能够反映负荷变化自身的一些时 间特性，如自相关性、记忆型等，但是，影响短期电力负荷预测的因素很多，内在规律 很复杂，导致短期负荷具有较强的随机性。 2 1 1 2 神经网络负荷预测方法 目前，a n n 理论用于短期负荷预测的研究很多，其突出优点是对大量非结构性、非 精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点。 a n n 具有很强的自学习和复杂的非线性函数拟合能力，很适合于电力负荷预测问题，是 在国际上得到认可的实用预测方法之一一1 。目前预测模型大多采用前馈n n 模型，使用 的训练方法为b p 算法及其各种变种或改进方法其预测模型结构( 网络的层数和神经元的 个数) 的选取则大多凭借经验。研究的重点大多在于如何构成预测样本、如何构成输入 层数据等8 。文献 3 l ，3 2 ，3 3 ，3 4 从预测方法角度进行了一些改进，取得了一些效 果。 随着计算机科学的进展，最近已经有一些将回归s 用于短期电力负荷预测方面的 研究啪蚓，取得了较为理想的预测结果。与传统的基于经验风险最小化的神经网络方法 相比，该方法具有学习速度快、全局最优和推广能力强的优点，其学习结果经常明显好 于其它的模式识别和回归预测方法。但是，s 在具体应用中存在一个突出问题，即如 何设置影响算法性能的一些关键参数，如平衡参数c 、不敏感性参数e 及核函数参数等， 才能获得较好的预测效果。一般都通过交叉验证试算的方法，这样耗时且盲目。 但是由于神经网络没有办法处理过多的因素，因此，对于影响负荷预测的关键性因 素的确定和输入数据和负荷之间关系的进一步量化研究将是运用神经网络进行负荷预 测的一个有待深入研究的方向。 华北电力大学博士学位论文 2 1 2 短期电价预测研究动态 2 1 2 1 电价特点及其形成机制研究综述 ( 1 ) 电价特点分析 市场出清价格为电力交易所得到的纳什均衡点所对应的均衡价格，即市场供给曲线 与市场需求曲线的交点所对应的价格。通常将一天分为2 4 ( 或者4 8 ) 个时段，每个时 段均进行拍卖，这样，一个交易日中就会产生2 4 ( 或者4 8 ) 个电价。总结1 9 9 7 年至今 国内外相关研究文献，对于电价的特点分析主要有以下观点： 1 ) 均值回复特点。与其他商品一样，电价也围绕着电力价值波动。文献 3 7 ，3 8 分析了电价的随机性，发现不同时段的电价均值是不同的，而且方差也随时间的变化而 变化，具有异方差性，而在短期电价预测中，若选择的历史数据较近，则可认为这段时 间内均值无变化。 2 ) 波动性。文献 3 9 ，4 0 ，4 1 ，4 2 研究发现，与系统负荷相比较，电价的波动性 高出很多。文献 4 3 ，4 4 ，4 5 对1 4 个国家的电力市场的价格波动性进行了分析比较， 并根据波动率将各市场分为稳定市场( 英国、西班牙和北欧市场) 、近似稳定市场( 美 国加州、新西兰和新英格兰等市场) 和不稳定市场( 澳大利亚市场) ，显然，波动率低 的市场中电价更容易被预测。 3 ) 跳跃和价格钉。文献 4 6 ，4 7 ，4 8 分析了电价的不规律跳跃性，发现市场电价 经常出现非正常跳跃，从价格时间变化曲线看常呈现出价格钉。文献 4 9 ，5 0 研究发现， 价格的非正常跳跃主要集中在尖峰时段和低谷时段，认为主要原因是发电商的策略性报 价所导致，但是现有方法很难模拟和推测市场内成员在下一时段的报价行为，所以对于 这个特性的分析和预测还没有找到很好的方法。 4 ) 周期性。文献 5 1 ，5 2 ，5 3 研究发现与电力系统负荷类似，电价变化也有较强 的周期性，包括日周期性、星期周期性和季周期性。在短期电价预测中，由于涉及时间 较短，通常认为可不考虑季周期性 5 4 ，5 5 ，5 6 。 ( 2 ) 电价形成机制的研究综述 影响电价的因素很多，总结现有的文献，主要认为有以下四个主要方面的因素： 1 ) 历史电价，很多的研究都表明，电力市场中前后时段的电价间存在较强的相关 性，尤其是前几个时段的电价和历史日中同一时刻的电价。研究 5 7 ，5 8 ，5 9 中分别选 择了时间序列、灰色预测、神经网络预测等不同的方法，但都不一例外的将历史电价作 为影响电价变化趋势的重要因素。 2 ) 负荷率，电价是电力市场供需矛盾变化的即时反映，文献 6 0 ，6 1 将负荷作为 影响电价预测的基本因素，但是负荷仅仅反映了电力市场需求侧的信息，实际预测中效 果也不理想。因此，本文采用系统负荷率来作为预测电价的一个因素，表示市场供求状 况变化对电价波动的印象。系统负荷率等于系统负荷与系统可以用容量的比率，而系统 可用发电容量为系统的装机容量和计划检修容量之差。 1 1 第二章国内外相关理论研究动态综述 3 ) 发电商报价，电力系统中各发电商的报价曲线形成系统总的供给曲线，决定了 电力市场的供给侧信息，因而对电价具有加大的影响。当电力市场中的发电商数量有限 时，发电商是否串谋，或者采取不同的报价策略都对市场出清价格的形成有着重要的影 响“”。拥有市场力的发电商的策略性报价，如容量持有、博弈投机等，是价格尖峰出现 的主要原因”。但是，发电商的报价属于人为决策行为，有很强的不确定性，难以模拟， 现有预测方法基本未考虑发电商报价对电价的影响嘲。 4 ) 时段，不同日的时段，电价会表现出较大的差异。如周末电价通常低于工作日电 价，而下午用电高峰时段的电价通常低于深夜低谷时段的电价。因此，文献 6 5 6 7 认 为时段是影响电价的一个因素。 2 1 2 2 电价预测研究方法综述 随着电力市场化改革浪潮在世界范围内的兴起，短期出清价格预测问题由于电力市 场各参与方的迫切的现实需求，得到越来越多研究者的关注，已经正在形成一个新的研 究方向。回顾已有的对出清价格预测的研究成果，不难发现目前短期出清电价预测主要 有两种方法：时间序列法和基于神经网络的人工智能预测方法。 ( 1 ) 时间序列法 时间序列法通过历史电价数据建立电价的时间序列模型，并用该模型进行电价预 测。文献 6 8 ，6 9 ，7 0 运用时间序列法预测电价，其关键假设就是确定模型的历史电价 与要预测的将来电价在某种程度上的相似。 1 ) 单变量时间序列预测 单变量时间序列法认为影响电价的各种因素已体现在历史电价中，仅通过历史电价 来预测下一时段的电价。 值得关注的是文献 7 1 采用的是分时段预测方法，即每日中各时段分别建模预测， 较大幅度地提高了预测精度。各日中同一时段电价变化类似，分时段电价序列平稳性比 单一的时序电价序列更好，有利于建模预测。文献 7 2 首次采用a r i m a 模型预测电价， 文献 7 3 ，7 4 通过预测误差对该模型的预测结果进行修正，文献 7 5 采用该模型对小波 分解后的各电价分量分别建模预测，然后重