（技术经济及管理专业论文）基于免疫进化算法和小波神经网络的短期电价预测.pdf

华北电力火学硕七学位论文摘要 摘要 本文对利用免疫进化算法和小波神经网络两种算法结合进行短期电力价格预 测进行了系统的研究。首先对中国的电力市场和电力价格改革进行了介绍，分析了 短期电价预测对电力市场参与者的重要意义；在此基础上，分析了主要短期电力价 格预测方法的特点和不足，同时指出小波神经网络预测方法在短期电力价格预测上 具有明显的优势。针对小波神经网络预测方法在预测中出现的主观性和维数灾问 题，提出利用免疫进化算法对小波神经网络的参数进行训练，从而提高了小波神经 网络对电价的预测精度。通过模拟计算发现，小波神经网络在其参数经过免疫进化 算法的优化后，计算精度得到明显提高，而且其适应性也得到进一步增强。 关键词：电力市场，短期电价，免疫进化算法，小波神经网络 a b s t r a c t t h i sp a p e rs t u d i e ss h o r t - t e r mp o w e rp r i c ef o r e c a s tb a s e di m m u n ee v o l u t i o n a l g o r i t h ma n dw a v e l e tn e u r a ln e t w o r k f i r s tc h i n e s ep o w e rm a r k e ta n dp o w e rp r i c e r e f o r ma r ei n t r o d u c e d ，a sw e l la st h ei m p o r t a n ts i g n i f i c a n c eo fs h o r t t e r mp o w e rp r i c e f o r e c a s tt o p a r t i c i p a n t so fp o w e rm a r k e t f u r t h e r m o r e ，s o m em e t h o d so fp o w e rp r i c e f o r e c a s ta r ei n t r o d u c e da sw e l la st h ec h a r a c t e r sa n ds h o r t a g e so fm a i nm e t h o d so f s h o r t t e r mp o w e rp r i c ef o r e c a s tb e i n ga n a l y z e d m e a n w h i l e ，t h i sa r t i c l ep o i n t so u tt h a t w a v e l e tn e u r a ln e t w o r ks h o w si t so b v i o u sa d v a n t a g e so ns h o r t t e r mp o w e r p r i c e f o r e c a s t t os o l v es u c hp r o b l e m sa ss u b j e c t i v i t ya n dd i m e n s i o nd i s a s t e ri nw a v e l e tn e u r a ln e t w o r k ， t h ep a p e rp r o p o s e st h ep a r a m e t e r so fw a v e l e tn e u r a ln e t w o r ks h o u l db et r a i n e db y i m m u n ee v o l u t i o na l g o r i t h m b yo p t i m i z i n gt h ep a r a m e t e r so fw a v e l e tn e u r a ln e t w o r k ， t h ef o r e c a s ta c c u r a c yo fw a v e l e tn e u r a ln e t w o r kc o u l db ei m p r o v e do b v i o u s l y b y s i m u l a t i o nc a l c u l a t i o n ，i ti sf o u n dt h a tt h ec a l c u l a t i o na c c u r a c yi si m p r o v e do b v i o u s l ya s w e l la si t sa d a p t a b i l i t ye n h a n c e db yo p t i m i z i n gi t sp a r a m e t e r sb yi m m u n ee v o l u t i o n a l g o r i t h m z h a n gs h i z h a o ( t e c h n i c a le c o n o m ya n dm a n a g e m e n t ) d i r e c t e db yp r o f w a n gj i n g m i n k e yw o r d s ：p o w e rm a r k e t ，s h o r t t e r mp o w e rp r i c e ，i m m u n ee v o l u t i o n a l g o r i t h m , w a v e l e tn e u r a ln e t w o r k 华北电力火学硕七学位论文摘要 摘要 本文对利用免疫进化算法和小波神经网络两种算法结合进行短期电力价格预 测进行了系统的研究。首先对中国的电力市场和电力价格改革进行了介绍，分析了 短期电价预测对电力市场参与者的重要意义；在此基础上，分析了主要短期电力价 格预测方法的特点和不足，同时指出小波神经网络预测方法在短期电力价格预测上 具有明显的优势。针对小波神经网络预测方法在预测中出现的主观性和维数灾问 题，提出利用免疫进化算法对小波神经网络的参数进行训练，从而提高了小波神经 网络对电价的预测精度。通过模拟计算发现，小波神经网络在其参数经过免疫进化 算法的优化后，计算精度得到明显提高，而且其适应性也得到进一步增强。 关键词：电力市场，短期电价，免疫进化算法，小波神经网络 a b s t r a c t t h i sp a p e rs t u d i e ss h o r t - t e r mp o w e rp r i c ef o r e c a s tb a s e di m m u n ee v o l u t i o n a l g o r i t h ma n dw a v e l e tn e u r a ln e t w o r k f i r s tc h i n e s ep o w e rm a r k e ta n dp o w e rp r i c e r e f o r ma r ei n t r o d u c e d ，a sw e l la st h ei m p o r t a n ts i g n i f i c a n c eo fs h o r t t e r mp o w e rp r i c e f o r e c a s tt op a r t i c i p a n t so fp o w e rm a r k e t f u r t h e r m o r e ，s o m em e t h o d so fp o w e rp r i c e f o r e c a s ta r ei n t r o d u c e da sw e l la st h ec h a r a c t e r sa n ds h o r t a g e so fm a i nm e t h o d so f s h o r t t e r mp o w e rp r i c ef o r e c a s tb e i n ga n a l y z e d m e a n w h i l e ，t h i sa r t i c l ep o i n t so u tt h a t w a v e l e tn e u r a ln e t w o r ks h o w si t so b v i o u sa d v a n t a g e so ns h o r t t e r mp o w e rp r i c ef o r e c a s t t os o l v es u c hp r o b l e m sa ss u b j e c t i v i t ya n dd i m e n s i o nd i s a s t e ri nw a v e l e tn e u r a ln e t w o r k ， t h ep a p e rp r o p o s e st h ep a r a m e t e r so fw a v e l e tn e u r a ln e t w o r ks h o u l db et r a i n e db y i m m u n ee v o l u t i o na l g o r i t h m b yo p t i m i z i n gt h ep a r a m e t e r so fw a v e l e tn e u r a ln e t w o r k ， t h ef o r e c a s ta c c u r a c yo fw a v e l e tn e u r a ln e t w o r kc o u l db ei m p r o v e do b v i o u s l y b y s i m u l a t i o nc a l c u l a t i o n ，i ti sf o u n dt h a tt h ec a l c u l a t i o na c c u r a c yi si m p r o v e do b v i o u s l ya s w e l la si t sa d a p t a b i l i t ye n h a n c e db yo p t i m i z i n gi t sp a r a m e t e r sb yi m m u n ee v o l u t i o n a l g o r i t h m z h a n gs h i z h a o ( t e c h n i c a le c o n o m ya n dm a n a g e m e n t ) d i r e c t e db yp r o f w a n gj i n g m i n k e yw o r d s ：p o w e rm a r k e t ，s h o r t t e r mp o w e rp r i c e ，i m m u n ee v o l u t i o n a l g o r i t h m , w a v e l e tn e u r a ln e t w o r k 声明尸明 本人郑重声明：此处所提交的硕士学位论文基于免疫进化算法和小波神经网络的 短期电价预测，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究 工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示了谢意。 学位论文作者签名： 蝉日期：碰毕皮q 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： 日 期：) 业甸! f 之文。 日 华北电力人学硕十学位论文 1 1 研究背景 第一章引言 电力行业的市场化改革己在世界范围内展开，我国也正在进行区域电力市场的 试点。在市场环境下，电力如普通商品一样进行交易，电力价格成为电力市场的基 本要素。2 0 0 2 年，我国实施了“厂网分开、竞价上网的电力市场化改革。即将电 网经营企业拥有的发电厂与电网分开，建立规范的、具有独立法人地位的发电实体， 市场也只对发电侧开放。将国家电力公司管理的电力资产按照发电和电网两类业务 进行划分，电网环节分别设立国家电网公司和中国南方电网有限责任公司；发电环 节按照现代企业制度要求将国家电力公司管理的发电资产直接改组或重组为5 个发 电集团公司：中国华能集团公司、中国大唐集团公司、中国华电集团公司、中国国 电集团公司和中国电力投资集团公司。为了对电力企业进行有效的监管，国务院成 立了国家电力监管委员会，其主要职责是制定市场运营规则，监管市场运行，维护 公平竞争；向政府价格主管部门提出调整价格建议；监管电力企业生产标准，颁发 和管理电力业务许可证；处理电力纠纷；负责监督社会普遍服务政策的实施等。 在“厂网分开、竞价上网”的电力市场化改革的环境下，发电公司参与竞价上 网，由市场来配置发电资源。电力市场运营中心按照发电公司的报价由低到高进行 排列，发电公司每半个小时( 一个小时) 报一次价，一天2 4 小时4 8 个( 2 4 ) 报价 时段，发电公司为了获得最大化利润，必然要在满足经济和技术条件下争取最多的 发电计划，因此如何制定合理的发电报价策略成为一个重要问题。在竞争性环境中， 如果能够较准确地预测次同的市场清算电价，将有助于发电企业掌握市场先机，从 而构造最优的电量、电价投标策略，以获取最大利润。可以说，准确的短期电价预 测是发电方进行“竞价上网 最有力的“武器”。发电厂的发电收入不仅取决于系 统结算电价，还取决于发电量在时间上的分配。但系统结算电价事先并不知道，因 而迫使发电厂对次日系统结算电价进行预测，并采取合适的报价策略，根据电力系 统供需情况合理安排发电运行方式，高电价时多发电，低电价时少发电，从而提高 发电厂的经济效益。在这种电力市场化模式下，市场参与者均以不断变化的市场电 价作为参考进行电能交易和结算，电价直接影响着市场参与者的收益。电价不仅直 接关系到发电方和电力用户的利益，而且是电力市场调节供需矛盾、消除网络阻塞 最有力的手段。随着改革的深入，电力市场逐步实现输配分离，十七大已经将此列 为今后的电力改革目标。当这一改革得以完成，这种实时电价将会影响到发、输、 配等多企业和用户的利益。当然，由于电价的频繁波动，电力市场也因此承担着巨 大的电价风险。因此，研究电价问题无论是对卖方( 发电商) 还是对买方( 电网公 1 华北电力人学硕+ 学位论文 司) ，无论对于加强市场监管，还是对于保证市场稳定运行都具有非常重要的理论 和现实意义。 电价是电力市场中供求关系的集中反映，同时也是市场监管和电能交易的决策 依据，是控制电力交易的杠杆，是电力市场的核心内容。由市场决定电价，可以促 进电价在商品交换中趋于合理，能正确地反映电力在生产和流通过程中的实际价 值，调整电力的供求关系，提高电力企业的经济效益，调动各方面投资办电的积极 性，促进电力企业的健康发展。因此，电价是电力市场最重要的信息。虽然电力市 场的运作模式各不相同，电价的形成机制也不尽相同，但是总的来说，在电力市场 下市场参与者主要关心的是短期交易行为的价格信号，即要求能根据按小时或更短 的电价信号来决定电力买卖，这种即时即地的短期电价常称为s p o t 电价或实时电 价( r e a l t i m ep r i c e ) ，它随时间、地点的不同而不同。电力市场中的电价具有较高 的波动性和随机性，这给电力交易的收益带来了风险，市场中的各方均希望能够准 确预测将来一段时间的电价，以选择自身交易和策略以及估算效益。因此，提高短 期电价预测的精度就可以使市场参与者在交易中获得更大的利益，但由于电力市场 j 下处于改革期，市场规则和市场结构不断变化，市场不成熟，因此电价常出现异值， 这使得短期电价预测成为了公认的难题，所以，短期电价的预测就成了电力市场中 亟待研究和解决的课题之一。 1 2 研究意义 电价是整个电力市场的杠杆和支点，在整个电力市场中发挥着核心的作用。电 力价格形成机制是否合理、电力价格体系结构是否健全关系到整个电力市场能否健 康、平稳地运行。可以说，电力市场化改革是否成功在很大程度上取决于电价改革 是否成功。 电价不仅仅是整个电力市场的指挥棒，而且对于每一个市场参与者来说，也是 最为重要的。因为在电力市场中，各个参与者之间发生的交易和关系都是以电价为 基础的，所以如果市场参与者能够事先较为准确地预测到电力价格，那么他就在激 烈的市场竞争中处于有利地位，能够谋取更多的利益。 电价预测分为短期预测和中长期预测。由于电价波动大的特点，具体分为小时 预测、日预测、月度、季度预测。短期电价预测是电价预测的重要组成部分，它主 要用于预测未来几小时、1 天至几天的电价。准确的短期电价预测将有助于发电方 最优报价策略的选择，从而最大化其利润。同时也为监管部门的实时监管提供了重 要的科学依据，保证电力市场的正常运行。随着电力市场的改革，在发电市场上已 经有了4 8 时段电价，而且在未来的输配电市场上也会实时电价，这进一步凸现了 短期电价预测的重要意义。目前短期电价预测既是市场的迫切要求，也是学术研究 2 华北电力大学硕士学位论文 的重点，这主要是由于短期电价预测与电力市场参与者的利益密切相关。 ( 1 ) 对整个电力系统来讲，电价预测通过引导用户用电行为，调整用电量和 用电时间从而减小系统峰谷差，提高系统负荷率、降低系统运行费用、保证系统运 行稳定性，在一定程度上解决某些特定时段容量短缺而某些时段又大量剩余的问 题。短期电价预测既是电价预测的基础和重要的组成部分，也由于它准确性高和实 用性强等特点，对电力系统的稳定运行有着现实的辅助作用。 ( 2 ) 从用电方来看，电价构成了他的单位购电成本，准确的电价预测使其自 身的动态成本控制成为可能，可以利用电价预测制定合理的用电计划，比如可以将 电价较高时段的负荷转移到电价较低的时段( 如果允许的话) ，这样可以降低生产成 本，增加产品的竞争力和获得更多的利润，而且同时也能起到削峰填谷的作用。尽 管现在我国实施的峰谷电价等不是实时变化的，是固定不变的，暂时还不存在这一 问题。但随着电力价格改革和电力市场改革的深入发展，实行实时销售电价将成为 一个主要趋势。在这种情况下，于电力用户而言，准确的短期电力价格预测有更重 要的意义，将有利于降低生产经营成本，优化资源配置，可以获得最优的经济效益 和社会效益。 ( 3 ) 从发电方来看，准确的电价预测有利于其准确把握市场走向，可以利用 电价预测制定报价策略、优化报价，以期能够中标和获得最大的利润，从而掌握市 场先机，构造最优的电量、电价投标策略，获得最大利润。 ( 4 ) 从电力投资方来看，可以利用电价预测辅助投资决策，以减少投资风险。 随着电力市场改革的进一步发展，电价将不得不进行逐层的分析，从发电成本，过 网服务，无功服务，调度及系统服务，到网损分摊等等，而影响这其中每一部分的 费用都是不同性质的。对这些部分价格的预测有助于自发的，高效的完善对这些层 次设施的投入和服务的完善。 ( 5 ) 从市场的监管者来看，电价的预测为促使市场健康、稳定、有序的竞争、 发展以及各种电价政策的制定提供了科学依据。国家电力监管委员会通过对电价的 预测，可以把握电力市场电价的总体发展变化趋势，及时向政府价格部门提出调整 电价的建议( 如对最高限价、最低限价的调整) 。各级地方电力监管机构可以借助电 价预测监管包括发电、输电、售电在内的所有电力企业的市场竞争行为，防止具有 市场操纵力的电力企业垄断或操纵电价，从而维护电力消费者的利益，保证电力市 场的正常运行。 ( 6 ) 从系统调度员的角度来看，可以利用电价预测进行安全经济的系统调度， 确保电力市场的正常运行。 3 华北电力人学硕十学位论文 1 3 研究内容 本文在借鉴多种电价预测方法基础上，针对短期电力价格预测的需求和特点， 结合中国电力市场具体情况，建立基于免疫进化算法和小波神经网络的短期电价预 测模型。本文对短期电价的研究指的是根据历史电价数据，预测次日2 4 个时段的 市场清算电价，在实证分析中，根据前8 日电价同一时点电价预测第9 日同一时点 的电力价格，为发电企业制定实时报价策略提供参考依据。本文首先利用免疫进化 算法对小波神经网络的参数进行训练和优化，从而解决小波神经网络在短期电价预 测中可能出现的维数灾问题。然后利用经过优化的小波神经网络对短期电价进行预 测，从而得到一种预测精度更高的短期电价预测模型。中国发电市场上已经有了4 8 时段电价后，在未来的输配电市场上也会实现实时电价。短期电价预测不仅具有现 实的作用和意义，也有助于电力市场参与者预测和判断中国电力市场和价格的发展 趋势，从而可以在准确预测的基础上确定自己的参与策略，实现自身利益和公共利 益的最大化。 主要研究内容如下： ( 1 ) 首先介绍了中国电力市场和电力价格改革的现状以及电价理论研究现状。 ( 2 ) 分析了国内外电价预测研究现状和发展方向。在此基础上重点分析各种 短期电力价格预测方法的特点以及不足，并筛选出目前发展的比较完善，预测精度 和速度都比较好的小波神经网络模型作为研究对象。 ( 3 ) 基于前人的研究成果，深入分析小波神经网络模型的特点和可能的缺陷， 结合中国电力价格市场情况，对小波神经网络的样本选取、参数设定等建立进行更 深层次的探索和研究。 ( 4 ) 接着利用免疫进化算法全局搜索能力强和收敛快的特点对小波神经网络 的参数进行训练和筛选。利用良好的样本基础和免疫进化算法良好的收敛特性训练 出适应度最高的小波神经网络的参数，从而在确保小波神经网络预测精度的基础 上，有效避免了其维数灾问题。通过免疫进化算法在指标筛选和建立模型两个环节 中进行对小波神经网络的参数进行优化和训练，建立了基于免疫进化算法的小波神 经网络预测模型。 ( 5 ) 最后通过模拟仿真，利用适当的样本对基于免疫进化算法的小波神经网 络预测模型进行训练后，利用其对电价进行预测。同时使用b p 神经网络进行预测， 将两者结果进行对比，验证基于免疫进化算法的小波神经网络在短期电价预测中的 优越性。 4 华北电力人学硕士学位论文 1 4 创新点 ( 1 ) 模型实现免疫进化算法和小波神经网络的结合，构造一种新的算法，可以 更好发挥免疫进化算法的全局性优化搜索和小波分析的良好局部性。该方法继承小 波神经网络的局部快速逼近特性和自学习能力，而且能有效地避免遗传算法的早熟 现象，克服小波神经网络可能出现的维数灾现象。 ( 2 ) 将免疫进化算法和小波神经网络结合起来建立的模型应用于短期电价预测 方法中，能更准确可靠地预测电价，期望为发电公司报价提供参考依据。 1 5 研究工作总结 短期电价预测是电价预测的重要组成部分，它主要用于预测未来几小时、一天 至几天的电价，是目前研究的热点。随着预测技术的发展，狄色理论、小波分析等 数学方法被应用于电价预测，使电价预测技术有了快速发展。电价预测的热点就是 短期电价预测。国内应用比较成熟的预测方法主要有时间序列法、神经网络法、灰 色预测法、小波分析法等。但时间序列方法不能考虑各种不确定因素对电价的影响， 而b p 神经网络方法存在收敛性差、收敛速度慢和容易陷入局部极值等。因此人们 在研究中发现组合预测模型能集结尽可能多的有用信息，能充分利用不同数学方法 的各自优点，使电价预测速度和精度方面都有了明显的提高。一些学者尝试了多种 预测方法的结合，如小波神经网络、灰色遗传算法、免疫遗传算法等。而小波神经 网络方法会随着小波神经网络输入维数的增加，所需训练的样本数则呈指数增长， 小波神经网络的结构也将变得庞大，出现所谓“维数灾”现象，这同样导致网络的 收敛速度大大下降。针对上述问题，利用基于免疫进化算法的小波神经网络产生神 经网络初始权值集合，可以大大提高网络的训练性能。 根据这一理论，本文尝试利用免疫进化算法和小波神经网络结合进行电价预 测，以避免单纯的小波神经网络模型可能出现的适应性差和运算量大的不足。而电 价预测和负荷预测有一定的相似性，一些在负荷预测中得到应用并证明结果准确可 靠的预测算法和理论将在本文研究过程中加以参考。利用已有成果有助于本文研究 的进行。 5 华北电力人学硕士学位论文 第二章电价预测的研究现状 电价理论是电力市场的核心理论之一。电价体系的研究是电力市场理论的基 础，一方面，电价按一定趋势有规律地发展变化；另方面，电价受众多因素的影 响，随时都可能发生一定的波动。在进行电力系统短期电价预测时，只有充分了解 当前电价预测的研究现状，都采用的哪些方法进行了研究，才能更好分析哪些数学 模型更适用于对短期电价进行预测，能得到更理想的精度。 2 1 电价预测的概念 在电力系统中，负荷预测是大家较为熟悉的工作，而电价预测则是市场化以后 才出现的新的研究方向，相对负荷预测来说就比较陌生，研究得也比较少。电价在 电力市场化之前是由政府主管部门指导定价的，不存在预测的问题。在电力市场化 后，电力是以商品的形式出现的，它可以像普通商品那样在电力市场上买卖，其价 格应该由市场来决定。由于市场的多变性，电力商品的价格也随时都随供需状况不 同在发生变化。另一方面，事先知道电力交易价格有重要意义，它可以使系统调度 人员更好的安排系统的运行计划，可以使发电企业制定合理的投标策略，可以使电 力用户更经济地安排生产，以降低成本。综合以上两个方面，有必要对电价预测作 深入的研究。 所谓的电价预测就是在一些已知信息的基础上，利用数学工具对未来电力市场 中的电力交易价格进行预测。预测的对象可以是系统的统一出清价、各个地区出清 价、各条母线出清价以及微增边际价格。通常是预测系统的统一出清价。在系统不 发生阻塞的情况下，各个地区的出清价和系统出清价是相同的。 2 2 电价预测的分类 根据不同的分类标准，电价预测有不同的分类方法。可以根据预测时间的长短、 预测点的类型、预测内容的不同以及预测机理来进行分类。 根据预测时间长短，电价预测分为提前- d , 时预测，提前一天预测，提前一周 预测，提前一月预测，以及季度趋势预测等等，更加长期的电价预测尚有较大的难 度。短期电价预测主要用于帮助发电方进行报价策略，是发电方进行发电竞价的重 要基础。准确的短期电价预测有助于减少由对售电收入估计的偏差所带来的风险， 可以提供更好的风险管理。同时短期电价的预测对电力需求侧的研究有一定的作 用。目前较多文献都是针对短期电价的预测。中、长期的电价预测通常用来进行系 统投资和规划。不论是短期还是长期电价预测，预测结果越准确就越能使市场参与 者在竞争多变的环境下做出更加明智的商业决策。 6 华北电力大学硕士学位论文 根据预测点的类型，将电价预测分为系统边际电价或者市场统一出清电价预 测、区域边际电价预测、节点边际电价预测。系统边际电价s m p ( s y s t e mm a r g i n a l p r i c e ) 是电力市场中反映电力商品短期供求关系的统价格，当前国际上大多数国 家和我国正在进行试点的几个省级电力市场都是以此为核心进行结算。预先准确地 对s m p 进行预测是发电厂制定成功报价策略的基础。通常情况下，我们所说的电价 预测都是对系统的统一出清电价的预测，在系统不发生阻塞的情况下，各个地区的 区域出清电价和系统统一出清电价是相同的。 根据预测内容的不同，可以分为确定性预测和电价空间分布预测。前者是当前 讨论比较多的热点，主要针对短期电价预测，预测的结果就是给出一个确定的电价 预测数值，后者主要基于概率论与数理统计知识，确定预测结果的可能波动范围及 其一段时期内的电价均值，主要是针对中长期电价预测，目前国内外在这方面研究 得还比较少。 根据预测机理的不同，将电价预测分为短期预测和中长期预测。由于电价波动 大的特点，具体分为小时预测、日预测、月度、季度预测1 。 根据特性，电价预测可以分为最高电价、最低电价、平均电价、边际电价( 清 算电价) 等电价性能指标的预测。 2 3 短期电价影响因素 在电力市场环境下，影响电价的因素很多。电力价格的高低，受到多种因素的 制约和影响，主要有以下几个方面： ( 1 ) 电力的成本。电力的成本可以分为电力生产成本、电力输送成本和电力 交易成本三部分。具体的说，它包括发电所需的燃料费；在输电、配电过程中的损 失费；从事电力生产所需的人工费用和管理费用；发电、输电、配电所需的维修费 用；设备老化折旧的费用以及更新所需的费用；随着负荷的不断增长，还要考虑发 电、输电、配电所需的发展和还贷费用。 ( 2 ) 市场供求情况。市场供求关系的变动，直接影响产品价格的波动，这是 市场价值规律的必然。在电力市场中，电价的高低主要取决于系统的总需求。当系 统的总需求增加时，电价便会升高；否则降低。电力市场中用电方和供电方处于平 等双向交流的地位。用户的负荷曲线和用电量决定着各时段的电价；反过来，供电 方公布了各时段的预测电价，用户又会有所响应，主要反映在用电时间安排和负荷 曲线上。因此，电价既是电力生产者与电力消费者之间最重要的交流信息，又是调 节供需平衡的经济杠杆。 ( 3 ) 市场参与者的市场力 7 华北电力人学硕士学位论文 电力市场是寡头垄断市场，特别是在发电侧，参与竞争的发电商数目极其有限， 发电公司通过对市场需求和其他发电厂商的估计，进行策略性报价，在负荷高峰期 或一些特殊气候条件下，通过持留发电容量或抬高价格等非正常手段报出偏离生产 成本的电力价格。 ( 4 ) 国家经济政策 国家通过制定最低限价来保护电力生产者的利益，或通过制定最高限价来保护 消费者的利益。此外，电价还受到如电力市场体制结构、社会经济形势和电力系统 运行方式，消费者的心理预期等因素的影响。 2 4 电价预测方法的研究现状 目前各国学者提出了各种方法来进行电价的预测，主要有三大类：仿真模拟预 测法、单一数学模型预测法和组合预测法。 2 4 1 仿真模拟预测法 所谓模拟法心。4 1 ，即数学仿真的方法，就是通过程序模拟整个系统的实际运行状 况。预测的精确与否主要取决于以下数据是否充分和详细： ( 1 ) 发电机参数的数据，包括发电机在不同发电量时的热效率、容量、检修 方案、机组强迫停运率、环境因素、输电因素、运行和检修费用、最小开停机时间、 燃料价格、燃料约束、快速启动时间以及发电厂的所有权； ( 2 ) 输电数据，包括潮流数据、后备机组、线路输电功率、区域间的输电极 限、电压和静态稳定极限等； ( 3 ) 水电机组数据，包括机组容量、所有权、可用容量、水库调度策略等； ( 4 ) 其他数据，包括负荷预测、负荷曲线、旋转备用、通货膨胀率以及紧急 事故费用等。 目前发展较为成熟的电力系统随机生产模拟b 3 即是通过模拟各机组生产情况， 考虑机组的随机故障及电力负荷的随机性，同时计算出各电厂的发电量、系统的生 产成本及系统的可靠性指标。将其用于电价预测时，首先对电力系统逐小时地进行 生产模拟，得出第t 小时系统的总燃料费f ( t ) 、失负荷概率p l o l p ( f ) 及电量不足期望 值e 删( f ) 作为电价预测的原始数据。由于基荷发电设备的年金在8 7 6 0 h 内平均分 配；而峰、腰荷发电设备的年金应该按各小时的风险度p 鲫( f ) 分配，因此，系统第 t 小时的电能变动成本为： 公式( 2 一1 ) 辔 ， ； k ， 8 c+ 、，o f i i p c 华北电力人学硕七学t ：7 ：论文 其中，q 为峰、腰荷发电设备容量，k 尸为峰、腰荷发电设备单位容量的年金， 8 7 6 0 圪鲫，一为全年风险度，最鲫，爿= 最鲫( f ) 。 f = l 因此，由电能边际成本的定义们= 舞得 们：婴+ 坚：兰：兰垒)公枷埘们：型+ ! 么垒竺：! 公式( 2 2 ) o q ( t )o q ( t ) 上式中的各项可以通过使各小时负荷增加一个单位后再进行一次随机生产模 拟计算获得。由上式求出边际成本后，再加上一定的税收和合理的利润，即该时刻 的边际电价预测值。 由以上可知，在电网规模较大、接线较复杂的情况下，仿真法所需的数据非常 多，要全面准确地获取这些数据是非常困难的，故采用典型数据替代，使得预测精 度不高，另外对于负荷对电价的响应，在目前建立精确的数学模型也是较困难的， 因此很难将仿真法应用于实际的电价预测。 2 4 2 单一数学模型预测法 目前短期电价预测的单一数学模型方法主要采用的有时间序列法、多元回归模 型预测的方法、神经网络方法和基于小波理论的预测方法。 2 4 2 1 时间序列法 由于每天各时段的电价构成了一个时间序列，因此用时间序列的处理方法对未 来电价做出预测可以得到更为精确的电价预测数据。时间序列模型有线性时序模型 包括自回归( a r ) 模型、移动平均( m a ) 模型以及自回归移动平均模型( a r i m a ) ； 而非线性时序模型有门限自回归( s e t a r ) 模型和双线性时序模型。目前应用较为 广泛的线性自回归移动平均模型即是线性回归模型与移动平均模型的结合体。设 y 。 为给定的按时间顺序排列的边际电价数据序列，首先根据需要取正整数，计算 铲击酗k - i 一， ( 刀川公式防3 ， 将o = 七，k + 1 ，k + 2 9 o*oo ) 作为对应于y 。的生成数据。 时序方法预测的优点是简单易行，但时间序列模型对样本具有很强的依赖性， 且易对样本中的偶然或瞬变因素与长期因素不加分辨，使模型在样本外的预测失 灵。而且如果模型选择不准确，那么即使参数估计再准确，预测的效果也不会好。 9 华北电力大学硕士学位论文 且时间序列法所需的全部信息来自预测变量本身的历史数据，不需要其他输入信 息。然而，单纯用历史电价数据挖掘出的规律来预测未来电价，其精度值得怀疑。 更何况预测负荷是影响电价走势最重要的因素之一，缺乏预测负荷输入变量的电价 预测其精度是难以保证的。 灰色系统理论被广泛应用在负荷预测和电价预测中啼吲。灰色预测模型将系统实 时电价随机变化的过程视为灰色过程，然后应用已有的历史数据通过累加生成灰 数，建立灰色模型进行求解，再累减还原得到预测值。较常用的g m ( 1 ，1 ) 模型是单序 列一阶线性动态模型。设原始序列为： x o = z o ( 1 ) ，x o ( 2 ) ，x o ( ，1 ) 】，4 m n 公式( 2 4 ) 作一次累加生成 则生成数列 建立微分方程 七 x 1 ) ：工( o ( f ) ，k = 1 , 2 ，m z j i = 1 x 1 = 【z 1 ( 1 ) ，x 1 ( 2 ) ，石1 ( m ) 】 d x ( 1 ) + a x 一一( 1 ) ：u +、2 d t 公式( 2 - 5 ) 公式( 2 6 ) 公式( 2 - 7 ) 用最小二乘法可求得系数口，u ，再带回上式可解得量1 ( 七) ，累减即得预测值 三o ( 七+ 1 ) = j 1 ( 七+ 1 ) 一童1 ( 尼) ，k = 1 , 2 ，m 预测序列为： j ( 0 ) = i 主o ( 2 ) ，曼o ( 3 ) ，人，舅o ( 聊) l 公式( 2 8 ) 灰色预测模型具有要求样本数据少，不考虑分布规律，不考虑变化趋势，运算 简便等优点。但由于电价变化较频繁，有可能出现急剧的上升和下降，狄色模型的 预测精度始终不够令人满意。 2 4 2 2 基于多元回归模型的预测方法 多元回归模型 1 即根据历史数据的变化规律，寻找自变量与因变量之间的关系 方程式，确定模型参数，据此做出预测。按自变量的个数可将回归问题分为一元和 多元回归；按照回归方程的类型可分为线性回归和非线性回归。多元线性回归模型 可以表示为： y = b o + 6 l 而+ b 2 x 2 + + 坑x 。+ f 公式( 2 9 ) s n ( 0 ，盯2 ) 1 0 华北电力人学硕士学位论文 其中y 是随机变量，而，工：，x n 是刀个线性无关的可控变量，岛，b 2 ，b n ，口2 是与 x i , 工：，x 。无关的未知参数，s 是随机误差。该模型适用于变量y 与r 1 个可控变量 x 1 ，x ：，x n 存在线性关系的情形。 此外，有的学者还提出了电价预测的三时点模型陋1 ，其由需求方程、供给方程 和平衡方程三部分组成，能够较全面地考虑影响电价的各个相关因素。这三部分主 要是： 理论平均值一宏观市场价格公式： p ，= p o 公式( 2 1 0 ) 需求= 价格线性反应式和供给一价格线性反应式： w ( f + a t 2 ) = w 。( f ) 一t z p l ( f ) 一p l ( f a t l ) 】 w 7 0 + a t 2 ) = w ) 一f l p l ( t ) 一p l ( t 一f 1 ) 】 公式( 2 1 1 ) 公式( 2 1 2 ) 其中，p ，为市场电价，p 。为发电成本，口，分别为电量需求、供给反应系数， w ”( f ) 为电量的需求量，w ( f ) 为电量的供给量。 该模型预算简单，计算过程不复杂，且需求量不出现在三部分联立求解后的预 测公式中，因此解决了需求不可测的问题。但其计算时点的选择是影响预测精度的 关键因素，如果选择不恰当可能预测结果误差较大。 总的来说，基于多元回归模型的预测方法应用的难点在于如何找到真正影响电 价的相关因素，而有些很重要的相关因素难以量化，如发电公司的报价策略等。 2 4 2 3 神经网络方法 由于时间序列方法仅仅分析电价自身因素，不能处理多变量问题，而多元回归 模型却因为不能找到真正影响电价的因素，且不能量化，因此神经网络因为它可按 已发生的事件积累经验，根据学习规则不断修改模型的网络连接权值，最终实现对 目标进行正确计算、识别和预测等优势而被广泛应用。人工神经网络技术以其对大 量非结构性、非精确性规律具有自适应、信息记忆、自主学习、知识推理和优化计 算的特点，被广泛地用来进行电价预测。 研究神经网络较早的是基于传统b p 神经网络预测模型阳1 引，虽然预测结果与实 际的结果存在一定的差距，但为后来很多学者应用神经网络方法进行电价预测工作 奠定了基础。近年来，国内外很多学者对神经网络方法进行了积极地探索和研究。 如文献 1 1 将人工神经网络b p 模型应用于电价预测，探索了人工神经网络技术在该 华北电力人学硕七学位论文 领域的应用价值；文献 1 2 讨论了b p 网络层数、隐单元数及传递函数对边际电价预 测误差的影响；文献 1 3 运用将人工神经网络与数据包络结合起来的方法应用在区 域性边际电价预测中；文献 1 4 - 1 5 3 运用径向基神经网络( r a d i a lb a s i sf u n c t i o n n e u r a ln e t w o r k ，r b f n n ) 来进行电力市场清算价格的预测；文献 1 6 将自适应神 经网络运用到短期电价预测中；文献 1 7 以美国加州电力市场为背景，通过对输入 数据的处理去除了原始数据中的季节性趋势和增长趋势；针对b p 网络拓扑结构确定 困难和全局搜索能力弱的问题，文献 1 8 提出了用遗传算法确定b p 网络的拓扑结 构，大大提高了b p 网络的收敛速度；文献 1 9 采用小脑模型关节控制器( c e r e b e l l a m o d e la r t i c u l a t i o nc o n t r o l l e r ，c m a c ) 神经网络方法，构建了预测不同时段的短期 市场电价预测模型，并使用美国加州电力市场实际数据( 来自w w w e a i s o t o m ) 进行 训练和验证；另外递归神经网络( r e c u r r e n tn e u r a ln e t w o r k ，r n n ) 因其具有的动 态映射能力使之广泛应用于构建电价预测模型乜0 1 ，同时文献 2 1 使用模块神经网络 建立了市场清算价格预测模型，取得了很好的预测结果。 不难看出，神经网络模型被广泛地应用到短期电价预测中。而神经网络预测的 重点就在于要合理的构造预测样本以及如何构成输入层数据等。由于模型的网络结 构( 如网络的层数和各层神经元个数) 的选取大多凭借经验，或者在没有其他经验知 识时采用试凑法，即取测试集中预测误差相对较小时的那组数值，因此神经网络存 在难以确定合理的网络结构和容易收敛到局部最小值等问题，b p 网络预测电价的有 效性尚未得到长时间连续的检验，使得神经网络在预测精度和收敛性方面存在一定 的限制，预测结果与实际数据会产生很大差距。因此有必要对各种网络模型进行比 较分析，从而明确各自在电价预测方面的优缺点以及适用范围。 2 4 2 4 基于小波变换的预测方法 小波变换是在傅立叶分析基础上发展起来的一种信号处理方法，小波变换能将 各种交织在一起的不同频率混合信号分解成不同频带上的块信号，然后在各个时频 区域分别进行观察和处理，在时域和频域都具有表征信号局部特征的能力心2 1 。基于 小波变换良好的局部化特性，以及a r i m a 模型简洁实用的特点，有些学者将小波变 换和a r i m a 相结合建立电价预测模型：即运用小波分解方法将原始电价序列分解成 多个子序列，根据不同子序列的特点分别建立相应的a r i m a 模型进行预测，最后将 各子序列预测结果进行重构得到最终的电价预测结果。 鉴于小波变换具有良好的时频局部性质和变焦性质，而神经网络具有自学习、 强鲁棒性和推广能力，有些学者将小波变换与其它模型相结合进行了电价预测研 究。有些学者将小波变换与a r i m a 相结合乜 ，运用小波分解将原始电价序列分解成 多个子序列，根据不同子序列的特点分别建立相应的a r i m a 模型进行电价预测，最 后将各子序列预测结果进行重构得到最终的电价预测结果。小波与神经网络的结合 1 2 华北电力大学硕士学位论文 主要有