（数量经济学专业论文）电力市场综合预测模型构建及实证研究.pdf

硕士学位论文 摘要 针对电力市场常见预测问题，本文在借鉴各种预测技术与方法基础上构建出 新的叠加预测模型与组合预测模型，并利用改进后的模型进行了具体的实证研究 在电力需求预测模型构建中，本文全面总结了年用电量特征，通过典型回归 曲线提取年用电量的主要特征，运用a r m a 模型进行残差修正，结合二者构建出 典型曲线与a r m a 的叠加预测模型同时本文利用指数曲线与a r m a 的叠加预 测模型对湖南省中长期电力需求进行了具体的实证研究此外，本文在对电力需 求影响因素定性分析的基础上，运用偏最小二乘方法( p l s ) 对湖南省电力消费 需求影响因素进行了定量分析，并提出基于p l s 的湖南省中长期电力需求预测模 型 在电力负荷预测模型构建中，本文全面总结了电力负荷的特点及其影响因素。 针对周期型电力负荷具有波动和增长的二重特征，本文首先利用a r i m a 乘积模 型提取其线性特征，然后通过一种灰色改进模型提取其非线性特征信息，结合二 者构建出基于残差子序列修正的a r i m a - g m 的叠加预测模型本文运用该模型 对短期电力负荷预测进行具体的实证研究 在电价预测模型构建中，本文全面总结了电价序列的特点及其影响因素。针 对电价序列的周期性、波动性及其波动集群性特点，本文首先运用一般的自回归 分布滞后( a d l ) 模型对电价序列的时间特征进行具体的描述，然后根据模型检 验统计量的全面分析得到“简单模型”即a r m a 模型进一步对a r m a 模型进 行g a r c h 效应检验，根据检验结果对残差序列建立g a r c h 模型此外，还根 据电价受电力市场供需平衡决定的特点，进一步提出考虑需求影响的a d l 改进模 型。同时本文根据以上三种不同模型分别对加州电力市场的短期电价进行具体的 实证研究，并对预测结果进行了比较分析。 关键词：p l s 模型；a r i m a _ g m 模型；a d l 模型；g a r c h 模型； 电力需求预测；负荷预测；电价预测 n 电力市场综合预测模型构建及实证研究 a b s t r a c t i nt h ev i e wo fc o m m o nf o r e c a s t i n gq u e s t i o ni nt h ee l e c t f i cp o w e rm a r l 【e t t h i s p a p 盯e s t a b l i s h e sn e wi n t e g r a t e da i i dc o m b i n e df o r e c a s t i n gm o d e l sb a s e do nv a r i o u s f o r e c a s t i n gt e c l l i i o l o g i e s 柚dm e t h o d s 锄dm a k e su s eo ft h e s ei m p r 0 v e dm o d e l st o c a r t yt l l r o u g hc o n 删ea p p l i e dr e s e a r c h a m o n gc o n s 臼1 l c t i n gt h ee l e c t r i c i t yp o w e rd e m a n df o r e c a s t i n gm o d e l ，t h i sp a p e r c o m p r e h e n s i v es u m m a r i z e st h ec h a r a 曲e r i s t i c so fy c 盯e l e c t r i c i t yc o n 鲫m p t i o n ，姐d e x t r a c t sm a i nc l l a r a c t e r i s t i c sb a s e do nt y p i c a lr e 黟e s s i v ec i i r v e 觚dc a r r i e so nr e s i d u a l i m p r o v e m e mb yt h ea r m am o d e l ，f i n a l l yi m e g r a t e dt y p i c a lc u r v ew i t ha i 蝴at o c o n s t m c tn e wc o m b i n e df b r e c a s t i n gm o d e l a tt h es a m et i m e t h i sp a p 盯m i l i z e st h e i m p r o v e dm o d e lb a s e do ne x p o n e n t i a lr e g r e s s i v ec u n ，e 柚d 删am o d e it oc a r r yo n t h em e d u ma n dl o n g _ t e r md e c t r i cp o w c rd e m a n df o r e c a s t i n gi nh u n a np r o v i n c e m o r v e r ，b a s e do nq u a i i t a t i v ea n a l y s i sf o rt h ee l e c t r i cp o w 盱d e m a n di n n u e n c i n g f a c t o r si nh u n a np r 0 “n c e ，t h i sp 印e ru s e sp l sm c t h o dt oc a r r yo nq u a n t i t a t i v e a n a l y s i sf o rt h ee l e c t r i cp o w e rd e m a n di n f l u e n c i n gf 融o f si nh u n 锄p r o v i n c e ，锄d b r i n g s 如九a r dt h em e d i u ma n dl o n g - t e r me l e c l r i cd e m a n d 旬r e c a s i n gm o d e lb a s e do n p l sm e t h o d a m o n gc o n s t m c t i n ge l e c t r i c i t yp o w e rl o a df o f e c a s t i n gm o d e l ， t h i s p a p e r c o m p r e h e n s i v es u m m a r i z e st h et r “t sa l l dt h ei n n u e n c i n gf a c t o r so fe l e c t r i cl o a d i nt h e v i e wo fp e r i o d i ce l e c t r i cl o a dw i t hd o u b l et r e n d so ff l u c t i l a t i n ga n di n c r e a s i n g ，t h i s p a p e rf i r s t l yu t i l i z e sa r j a mc u i n u l a t i v em o d e lt oo c c m c ti i n e a rc l l a r a c t e r i s t i c a n d s e c o n d l ym a k e su o fi m p f o v e dg m ( 1 ，1 ) m o d e lt oe 魁f a c t n l i n e a rc h a r a c t e r i s t i c ， f i n a l l yi n t e g r a l e st h e 铆oa s p e c t st oc o n s t n i c ta r i m a - g mi m e g r a t e df o r e c a s t i n g m o d e l t h i sp 印e rm a k e su s eo ft h ea l u m a - g mm o d e lt oc a r r yo ns h o nt e r ml o a d 如r e c a s t i n g a i i i o n gc o n s t n l c t i n ge i e c 仃i c i t yp r i c ef - o r e c a s t i n gm o d e l ，t h i sp 印e rc o m p r e h e n s i v e s u m m a r i z e st h et r a i t sa l l dt h ei n f l u e n c i n gf a c t o r so fe l e c t r i c i t yp f i c e i nt h ev i e wo f e l e c t r j c i t yp r i c ew i t hp 盯i o d i c 柚dv o l a t i l i t yc l u s t e r sc h a r a c t 硝s t i c ，t h i sp a p 盯f i r s t l y l l t i l i z e sg e n e r a la u t o r e 黟e s s i v ed i s t r i b u t e dl a gm o d e l t od e s c r i b et i m ec h a r a c t “s t i c o fc l e c t r i c i t yp r i c es e r i e s ，孤ds e c o n d l yo b t a i n ss i m p l e 删am o d e ia c c o r d i n gt ot e s t s t a t i s t i c s 卸a l y s i s f u n h 盯t h i sp a p e rc a r r i e so nt h eg a r c h e f r e c te x a m i n a t i o nt ot h e a r m am o d e l a n de s t a b l i s h e st h eg a r c hm o d e if o rt h er e s i d u a ls e r i e so fa r m a 硕士学位论文 c o r d i n gt ot h et e s to u t c o m e m o r v e r ，a c c o r d i n gt ot h ec h a m c t e f i s t i cw h i c ht h e e l e c t r i cs e r i e si sg e n e r a t e db yt h ee l e c t r i cp o w e rm a r k e t 辄p p l y 柚dd e m a n db a l a n c e ， t h i sp a p e rf h r t h 盯p u t sf o r w a r di m p r o v e da d lm o d e ib a s e do nc o n s i d e r i n gd e m a n d i n f l u e n c e a tt h e 懿m et i m e t h i sp a p c ra l s om a k e su s eo ft h r e ek i n d so fd i f f b r e n t m o d e i ss 印盯a t e l yt of o r e c a s ts h o r tt e f mp r i c ei nt h ec a l i f o m i ae l e c t r i cp o w e fm a r k e t ， 柚dc a 仃i e so nc o m p a r a t i v e 孤a l y s i sf o r t h ea b o v ef b r e c a s t i n gr e h k e y w o r d s ：p l s 啪d e l ；a r 蹦a g mm o d e l ；a d lm o d e l ；g a r c hm o d e l ； e l e c 仃i c i t yd e m a n df o r c c a 对i n g ；e l e c t r i c i t yl o a df o r e c a s t i n g ； e l e c t r i cp r i c ef o r e c a s t i n g 电力市场综合预测模型构建及实证研究 插图索引 图3 1 三种用电量趋势示意图1 0 图3 2 湖南省年用电量序列1 2 图3 3 湖南省年用电量一阶差分序列1 1 图3 4 序列d c 的相关性分析图1 3 图3 5 序列d c 一阶差分的相关性分析图。1 2 图3 6 残差序列u t 趋势图 图3 7 残差序列的相关性分析图。 1 3 图3 8 基于指数曲线与a r m a ( 1 ，1 ) 的叠加预测模型残差拟合图k 。1 4 图3 9 交互检验确定的p l s 成分个数 2 0 图3 1 0 电力消费影响因素的v i p 值2 1 图4 。l 菜地区具有周周期特征的负荷曲线图 图4 2 某地区具有日周期特征的负荷曲线图2 5 图4 3a r l m a - g m 叠加预测模型示意图 图4 4 负荷残差分析趋势图3 1 图4 5a r i m a - g m 叠加预测模型与灰色滤波模型的预测结果比较3 3 图5 1 加州电力市场具有日周期特征的电价曲线 3 7 图5 2 加州电力市场2 0 0 0 年1 2 月份的电价序列曲线3 7 图5 3a d l 广g a r c h 预测模型构建的流程图 图5 4 历史电价序列自相关一偏相关分析图4 2 图5 5 标准残差的正态检验图及其统计量 图5 6 基于a r m a 模型的短期电价预测结果拟合图4 6 图5 7 基于a r m a g a r c h ( 1 ，1 ) 模型的短期电价预测结果拟合图4 6 图5 8 日前短期电价预测结果比较图4 7 图5 9a r m a 模型与考虑需求影响的a d l 模型预测结果比较分析图4 9 硕士学位论文 表3 1 表3 2 表3 3 表3 4 表3 5 表4 1 表5 1 表5 2 表5 3 表5 4 表5 5 附表索引 湖南省全社会年用电量数据表( 1 9 7 6 - 2 0 0 3 年) 1 1 五种不同形式模型的参数估计结果 五种不同形式模型的检验结果。 2 0 0 4 2 0 1 0 年湖南省用电量中长期预测值1 4 电力消费影响因素的数据表1 9 a r l m a - g m 模型与a r i m a 模型预测结果比较3 2 a r m a 简单模型估计结果及其相关检验4 3 简单a d l 模型的g a r c h 效应检验结果4 4 a r m a - g a r c h ( 1 ，1 ) 模型参数估计与检验统计量。4 5 考虑需求影响的a d l 简化模型参数估计与统计检验结果4 8 三个模型的预测效果比较 4 9 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名：t 三鞠日期：妒6 年l f 月以日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权湖南省大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密口。 ( 请在以上相应方框内打“巾) 作者签名；乏期日期：彻6 年1 1 月2 ，日 导师签名：硼留池事最日期：胁6 年f f 月 日 硕士学位论文 1 1 选题背景及其意义 第1 章绪论 自从上个世纪7 0 年代全世界经历了两次能源危机之后，能源在经济发展的战 略意义引起世界各国政府的广泛关注电力作为能源供给的一个重要组成部分， 也越来越备受瞩耳8 0 年代后期以英国、智利为代表的几个国家率先在电力工业 领域引进竞争机制，从此在世界范围内掀起电力市场化改革的浪潮【1 1 。目前，世 界各国都在对电力工业体制进行改革，主要是放松管制、引入竞争，建立日益完 善的电力市场，从而实现电力资源的优化配置。由于电力行业本身的特殊性，在 计划经济体制下，长期的缺电局面和。以产定销”的做法，形成了“皇帝的女儿 不愁嫁”的僵化观念，以致市场观念在我国电力企业管理中没有摆到应有的位置 随着我国市场经济体制改革的逐步深化，电力体制改革也逐步提上日程。2 0 0 2 年 2 月，国务院公布了电力体制改革方案( 国发【2 0 0 2 】5 号文件) ，提出了新一轮电力 体制改革的指导思想和总体目标，揭开了电力工业市场化改革的序幕市场分析 预测与决策是构成市场体制的核心部分，是电力生产的中介环节，起到指导生产， 引导消费、满足需求的重要作用。所以搞好电力市场分析的预测与决策工作是搞 好电力市场经济的前提和基础。国家电力总公司在印发的关于面向2 1 世纪电力 营销工作的若干意见中提出了十条具体要求，其中明确地要求各地( 市) 、县供 电企业要建立并完善电力营销与服务计算机网络信息系统功能，必须包括电力需 求预测与管理系统，为市场预测、营销策略研究提供可靠信息和现代化管理手段， 建立起全方位、多层次的服务网络系统，这是对电力市场营销信息系统所应具有 的功能提出的详尽而具体的要求。 目前，我国电力市场亿改革尚处于初始阶段，而且还有许多内部因素和外部 条件尚不具备，需要进一步继续探索加以完善为了走出一条适合我国电网实际 情况的电力市场化道路，必须加强电力市场的科学预测与决策分析此外，电力 市场化改革也对传统的电力预测( 如用电量预测、负荷预测等) 提出更高的要求， 赋予其新的内涵【羽。因此基于电力市场下预测模型构建及其应用研究，无论是理 论刨新还是实际应用都具有重要的现实意义。 1 2 国内外文献综述及其研究现状 随着电力工业体制改革的深入， 开展电力市场预测理论与方法研究， 各国政府、研究机构和电力企业都在努力地 为电力市场化改革提供科学的决策支持。 电力市场综合预测模型构建及实证研究 目前，电力市场预测理论与方法研究主要建立在用电量预测、电力负荷预测 以及电价预测等若干具体问题上虽然这些问题所涉及的预测内容不同，但所用 预测技术与方法基本上都是：时间序列分析方法、多元统计分析方法、灰色系统 理论、专家系统方法、人工智能方法( 如神经网络、遗传算法等) 以及组合模型 和叠加模型等。国外相关研究论文主要发表在电力系统研究但l e c t r i cp o w 盯 s y s t e n 强r e s e 盯c h ) 、电力与能源系统( e l e c t r i c a lp o w c r 柚de r g ys y s t e m s ) 、能 源转化与管理( e n e r g yc o n v e r s i o na n dm a n a g e m e m ) 、国际预测( i m e m a t i o n a l j o u f m l o f f o r e c a s t i n g ) 等国际期刊上。国内相关研究论文主要发表在中国电力、 系统工程理论与实践、 d ，d 为差分次数) 。 在b - j 方法中，只有平稳的时间序列才能够直接建立a r i m a 模型，否则必 须经过适当处理使序列满足平稳性要求若原序列) ，非平稳，经过d 阶逐期差分 后得到平稳新序列z 。，记为2 ，- v 4 只o ，d ) ，则原序列只可以建立非季节性的 a r i m 钗p ，d ，q ) 模型。若原序列只包含季节性，经过d 阶周期长度为s 的差分，得 到消除季节性后的新序列一，记为m v ；乃p d s ) ，则原序列乃可以建立季节性 a r i m a ( b d ，q ) 5 模型。若时间序列在季节差分之前还进行了d 阶的逐期差分才平 稳，则可以对原序列只建立a r i m a ( p ，d ，q ) ( b d ，q ) 5 乘积模型，记为： 办中，p 5 一印4 0 一) d 只一p ) e 口p 5 心 ( 4 1 ) tttttt 非季节季节d 阶逐期d 阶季节非季节季节 a r 0 ) a l t ( p ) 差分差分m a ( q ) m a ( q ) 其中p 是季节自回归阶数，q 是季节移动平均阶数，由，p 5 ) 为季节p 阶自回归算 子，9 口p 5 ) 为q 阶移动平均算子建立a r i m a 模型包括模型识别、参数估计、 模型检验3 个步骤，可以借助时问序列分析软件e v i c w s 来完成建模和预测 电力市场综合预测模型构建及实证研究 4 3 2 灰色g m ( 1 ，1 ) 改进模型 灰色系统理论是由我国著名学者邓聚龙教授1 9 8 2 年首次提出的一种系统学 科理论，它的建模机理主要是通过对已知的部分信息进行数据生成变换，提取有 价值的信息，从而实现对整个系统的有效预测与控制。其中灰色g m ( 1 ，1 ) 是应用 最为广泛的预测模型之一，其实质是对原始数据序列作一次累加生成，使生成序 列呈一定规律，并用典型曲线拟合，然后建立数学模型。灰色g m ( 1 ，1 ) 模型具体 构造过程如下； 首先确定原始数据序列x 卿一 r 卿( 1 ) ，z 卿( 2 ) ，z 孵( 3 ) ，工 o ) j ( 4 2 ) 然后对原序列z 卿作一次累加生成得到z j 一 j 锄j ( 2 ) ，工 ，z ( 4 。3 ) 其中z 一z ( 1 )j ( o 一x 仰( 硌f - 弱，露( 4 4 ) 履 灰色g m ( 1 ，1 ) 模型可以由微分方程构建起来： 掣+ 疆6 ( 4 5 ) 上述方程( 4 ) 求解如下； z 极( f ) g 一毒旧+ 妻 ( 4 6 ) 口4 其矗1 1 i 如炒矗 曰_ 一三0 + z 卿( 2 ) ) 一三 ( 2 ) + 工( 3 ) ) ； 一三伍o 一1 ) + x 咐) 1 x 。k x 字x ! 运用累减公式可以得到最终的预测模型 ，叶咻扣静卜猾 ( 4 8 ) ( 4 9 ) ( 4 1 0 ) 硕士学位论文 假设通过a r i m a - ( p ，d q ) ( e d q ) 5 乘积模型对原时间序列只拟合后得到残差序列为 g 卿 ) ： 口( o ) 一k o ( 七) ，口( ( 七+ 1 ) ，8 ( o ( 月) j 其中g 仰 ) 一q 卿 ) + w ，七一琊+ d + p + p ，矗( 4 1 1 ) 说明： ( 1 ) 为一常数阀值，一般取，m a 口泖 ) ) ，其作用是：在原残差序列 g ( 他) 基础上加上一个常数阀值可以过滤掉原序列中的负序列，得到一个新的 非负序列 ) ，从而使新序列卿 ) 既保持与原序列g 仰 ) 的整体趋势不变， 又适用于g m ( 1 ，1 ) 模型对原始数据的基本要求。 ( 2 ) 七一雕+ d + p + p ， ，其原因是；对原序列只经过d 阶逐期差分和d 阶季节差分后建立刖t 蚴( 办鼋) 模型，相对原序列只来说残差序列项鼋 ) 在滞后 删+ d + p + p 期后才会产生。 对经过变换后新序列g ) 按周期s 分成s 个子序列。对每个子序列分别运 用g m ( 1 ，1 ) 模型模型即可以褥到新序列8 卿 ) 的预测值e 供) - 还原后可得原残差 序列鼋仰( 七) 的预测值日 忙) g 卿 ) 一g ( d 一，七- 琊+ d + p + p ，刀 ( 4 1 2 ) 4 3 3a r i m a g m 叠加预测模型构建 考虑到a r i m 似p ，d ，q ) ( e d ，q ) 3 乘积模型对预测序列的周期特征具有较强的拟 合能力，可以提取周期型序列的主要线性特征信息。对于其残差序列的非线性特 征信息，可以运用本文所提出一种带阀值的灰色改进g m ( 1 ，1 ) 模型来处理。结合 上述两个方面即可以构建基于残差子序列的a r i m a - g m 组合预测模型，其基本 结构框架如图4 3 所示。 电力市场综合预测模型构建及实证研究 图4 3a 剐m a - g m 叠加预测模型示意图 4 3 4 实证研究 本文根据文献f 3 4 1 所提供的1 9 9 6 年1 2 月2 5 日2 9 日河北电网的时负荷数 据利用a r i m a - g m 组合模型来预测3 0 日各时刻的数据。将上述数据输入到 e v i c w s 4 0 软件中，根据b - j 方法分析发现川n 烈g 0 山鲫m ”乘积模型适合原始序 列) ，的基本结构特征模型的参数估计与预测在e v i e w “0 软件中可以很方便实 现，其具体操作过程可以参考文献【1 3 】利用上面的 r 删a a ，0 ，】，】，】) m 模型可以得 到初始模型的预测值只。与残差序列。口 ) r 为了分析残差子序列之间的关系， 对残差子序列口 似) 经过非负过滤变换。即可得到新序列8 ) 如图4 4 所示。对 于上述的残差修正过程，笔者编写了基于残差子序列修正的灰色g m ( 1 ，1 ) 改进模 型的m a t l a b 程序( 见附录c ) o 其中”日1 点残差值利用外插值法补充 。阀值- 取为2 硕士学位论文 图4 4 负荷残差分析趋势图 从负荷残差分析图4 4 ，我们发现某些特殊时刻数据需要适当的修正，原因 是对于短期电力负荷而言，一些特殊影响因素( 如气温、节假日等) 都会造成这 些日期的电力负荷数据出现异常。本文提出一种具体的数据修正方法：考虑到灰 色g m ( 1 ，1 ) 模型对新维信息的敏感性，因此只需要结合”日与2 8 日负荷残差值 对2 9 日负荷残差值进行修正对2 9 日负荷残差值中明显偏离某区域的数据 8 仰) ，采用该点前后时刻的平均值与前一天相应点与相邻时刻点的平均值加权 得到新值z 。来替代原始数据口仰似) 。具体数学表达式为： z 置a p 眄 一1 ) + s 缔作+ 1 形+ ( 1 一a ) p 卿他一砷+ 仰传一2 3 ) 蟛 ( 4 1 3 ) 其中a 为权重，为了计算方便通常取为0 5 从图4 4 可以直观看出，2 9 日7 点， 2 2 点的负荷残差值需要用上式( 4 1 3 ) 加以适当地修正 经过预处理的数据按不同时刻分成2 4 组，即( 2 7 日1 点，2 8 日1 点，2 9 日 1 点) ，( 2 7 日2 点，2 8 日2 点，2 9 日2 点) ，( 2 7 日2 4 点，2 8 日2 4 点，2 9 日 2 4 点) ，然后对每一组数据运用带阀值的g m ( 1 ，1 ) 改进模型分别得到3 0 日各时刻 点的负荷残差预测值8 ) ，迸一步还原后得到残差预测值鼋即似) 。将初始模型 的预测值_ ) 。与残差预测值g ( 田( 七) 综合在一起，我们就得到了基于残差季节性子序 列的a r l m a - g m 组合模型的预测值y 肚) ，具体结果如表4 1 从表4 1 可以看出，基于残差子序列修正的a r i m a - g m 组合模型在预测精度 方面比a r l m a 乘积模型有显著的提高，这充分说明运用带阀值的g m ( 1 ，1 ) 改进模 型对残差子序列的修正有效地提取了原时间序列y 。所包含的非线性特征信息为 了进一步验证本模型的可靠性和适应性，把本文所提出的a r i m a g m 组合模型 的预测结果与文献【1 】所提出的灰色自适应滤波组合优化模型的预测结果进行了 电力市场综合预测模型构建及实证研究 比较，其结果如图4 5 。从图4 5 的对比分析发现，本文所提出的a r i m a g m 组 合模型比灰色自适应滤波组合优化模型有更好的预测效果。进一步计算可知本文 所提出的a r i m a g m 组合预测模型的相对误差平均值为：o 3 9 ，而灰色自适应滤 波组合优化模型的相对误差平均值为：1 2 1 ，可见本文所提出的a r i m a - g m 模 型的预测效果在整体上要优于灰色自适应滤波组合优化模型 衰4 1a 】r i m a g m 模型与舢i m a 模型豫测结果比较 3 0 日a r i m a - g m相对a r i m a相对 时刻 实际值预测值误差 预测值 误差 13 4 7 03 4 8 5 2 0 4 33 4 9 9 6o 8 5 2 3 4 2 43 4 4 6 80 6 63 4 6 7 81 2 8 3 3 3 7 73 3 8 5 2o 2 43 4 1 1 91 0 3 43 3 7 73 3 8 3 90 2 03 4 1 7 51 2 0 5 3 4 1 33 4 4 1 1o 8 23 4 9 8 92 5 1 63 6 2 73 6 0 8 0_ o 5 23 7 2 9 22 8 2 74 1 1 04 2 5 9 43 6 34 2 5 7 73 5 9 84 2 9 64 1 8 3 1 2 6 34 1 9 6 6- 2 3 1 94 6 0 04 5 6 1 2 o 8 44 4 3 5 o- 3 5 8 l o4 6 船4 6 8 4 3 0 0 24 5 4 5 2- 2 9 4 1 l 4 7 2 94 7 0 1 3_ o 5 84 5 6 4 8- 3 4 7 1 2 4 4 8 54 5 0 8 oo 5 14 3 7 1 o- 2 5 4 1 34 2 8 64 3 0 4 70 嘶4 1 3 7 8- 3 0 5 1 44 4 5 14 4 5 4 60 0 84 2 9 9 1- 3 4 1 1 54 5 4 24 5 8 5 o0 9 44 4 6 6 5 一1 6 6 1 64 5 8 24 6 2 5 1o 9 4 4 4 6 7 o 2 5 0 1 74 9 5 54 9 8 0 o0 5 04 7 8 6 43 4 0 1 85 0 3 75 1 6 0 02 4 4s 3 5 5 56 3 2 1 95 0 2 25 2 0 0 6 3 5 55 2 7 9 6 5 1 3 2 05 0 5 55 1 2 1 4 1 3 15 2 1 4 8 3 1 6 2 14 9 4 9 8 4 4 0 0 8 5 0 2 8 60 9 7 2 24 6 4 74 5 1 4 22 8 54 5 9 3 11 1 5 2 34 0 6 84 0 4 8 om 4 94 0 8 4 1o 3 9 2 43 5 5 33 5 5 4 1o 0 33 6 1 7 8 1 8 2 硕士学位论文 图4 5a r i m a g m 叠加预测模型与灰色滤波模型的预测结果比较 4 3 5 结论 对具有波动和增长二重趋势的周期型时间序列，本文首先利用a r i m a 乘积模 型提取其线性特征信息，然后用灰色g m ( 1 ，1 ) 改进模型通过残差子序列提取其非线 性特征信息，最后将二者结合在一起提出了基于残差子序列修正的a r i m a g m 叠 加预测模型。本文利用该叠加预测模型对日短期负荷预测进行了具体应用研究。结 果表明该模型具有很高的预测精度和很好的适应性。通过以上的研究总结出以下 的重要结论： ( 1 ) 基于残差子序列修正的a r i m a - g m 叠加预测模型可以广泛运用具有周期 性特征的时间序列( 如月最大负荷、最小负荷、售电量等) 预测研究中，为具有 周期性特征的时间序列预测提出了种实际可行的新方法和新思想。 ( 2 ) 基于残差修正的a r i m a - g m 叠加预测模型是利用灰色g m ( 1 ，1 ) 模型对残 差子序列进行逐期修正的基础上加以改进的，因此也充分吸收了灰色g m ( 1 ，1 ) 模 型可以在小样本条件下进行预测的优点。由于我国电力市场研究还处于起步阶段， 关于电力市场分析的各种信息数据还极其匮乏，所以本文所提出的a r i m a - g m 叠 加预测模型对于在小样本条件下对提高预测精度具有实际的应用价值。 ( 3 ) 基于残差修正的a r i m a g m 叠加预测模型对提高周期型时间序列的短期 预测效果比较理想，然而对影响短期电力负荷的其他重要影响因素( 如天气变化等) 却没有加以考虑。因此在电力市场下短期负荷预测模型研究中，如果将 a r i m a g m 叠加预测模型和其他考虑负荷影响因素( 如气象、电价等) 的预测方 法结合在一起，那么必然会得到更为可靠的预测结果，从而在实际决策中提出更 为科学合理的建议这将是今后需要进一步研究的一个重要课题 电力市场综合预测模型构建及实证研究 5 1 前言 第5 章电价预测模型构建及实证研究 在电力市场下。电能交易的效益最终是通过电价来加以体现，对于各个市场 参与者来说，准确的电价预测具有非常重要的意义发电厂商可以借助电价预测 提前安排生产计划，做出合理的竞标策略，在电力交易和竞价中获得更大的经济 利益；用户可以根据电价信息确定合理的购电量和购电时段，通过需求侧管理来 降低生产成本；政府可以根据电网未来一段时间的电价预测及其波动情况进行宏 观预测、监控电力市场的运营、及时发现和解决市场存在的问题；投资者可以参 考准确的电价信息做出正确的投资决策。因此电价预测已经成为市场参与者共同 关注的焦点问题之一p 引。 电价预测根据其预测时间长短可以分为中长期电价预测和短期电价预测。中 长期电价预测是指月度预测和年度预测，由于中长期预测包含太多的不确定因素， 预测的可信度较低，因此这方面的研究相对较少。短期电价预测包含周电价预测， 日前电价预测以及小时电价预测，其中日前电价预测是目前电价预测的热点，也 是本文将要重点研究的内容。 负荷预测一直是电力系统中的研究热点问题之一，电价预测与负荷预测具有 相似性，因此可以借鉴负荷预测方法和经验来进行电价预测【捌。与负荷预测相比， 电价预测有更多的影响因素，不仅受发电僦报价等人为因素的影响，而且还受到 电力系统的网络约束等因素的影响这导致电价有很强的波动性，有较多的价格 尖峰和零电价、负电价，峰谷电价可能会相差数十倍，因此电价变化更为复杂， 规律性相对较弱。从国内外的研究现状来看，电价预测的精度要远远低于负荷预 测的精度，单纯地套用负荷预测方法难以获得理想的预测效果。因此电价预测难 度更大，更具有挑战性。 自从欧美一些国家相继实行电力市场以来，许多学者对电价预测特别是短期 电价预测进行了大量的研究，尝试运用多种电价预测方法。目前电价预测方法主 要有以下几种： 市场模拟法。市场出清价格电价是系统总的供给曲线和需求曲线交点所对 应的均衡价格。因此一些学者从市场均衡的角度出发，通过预测市场的总供给曲 线和预测系统负荷来模拟电力的拍卖过程，从而得出市场的出清价格【加l ；通过需 求和供给各自的随机模型得到市场价格及其概率分布，迸一步模拟市场出清后的 安全校核过程，从而得到考虑系统约束、备用需求等因素的预测电价【4 1 1 研究表 硕士学位论文 明，市场模拟法存在很大的局限性，主要有两个难点问题无法得到很好的解决： 一是如何准确地预测各个电厂的报价曲线；二是如何模拟市场中潜在市场力的影 响。 神经网络法。在电力系统负荷预测中，神经网络由于在处理多变量和非线 性的能力逐渐得到广大学者的认可。由于电价的影响因素也是呈多样性的，电价 的变化也可能是具有非线性特征，因此很多学者尝试运用各种神经网络模型预测 电价问题。文献【9 】首次运用b p 神经网络对英国电力市场进行短期电价预测的研 究，此后很多的学者将该方法应用到不同的电力市场中，并考虑了不同电价影响 因素，同时提出很多的改进方法。综合起来主要可以归结为以下三种改进的预测 方法；第一，在输入层增加特殊的输入向量，加强影响因素对电价的作用，如从 供需角度出发引入供求指数作为神经网络的输入i 胡，或者从市场力的角度出发， 引入发电容量必须运行率( m r r ) 【4 3 】等，虽然在神经网络模型中引入新的影响因 素，但关于这些影响因素的具体量化没有普遍的适用性，需要具体情况具体分析 此外关于这些指标的量化数据在实际应用中往往不易获得第二，用各种方法对 电价序列进行预处理，突出电价序列的规律性，如采用数据平滑技术消除电价增长 趋势，引入星期指数消除电价的星期趋势，然后将处理后的数据输入到b p 神经 网络模型得到电价预测结果【“l ；采用小波分解技术将电价序列分解为高频分量和 近似分星，然后将近似分量作为神经网络的输入，有利于捕捉电价的一般规律【4 5 】； 采用混沌法将电价及其相关因素构成的多变量时间序列重构，然后运用递归神经 网络( r n n ) 跟踪相空间相邻相点间的演化行为，从而建立电价预测模型i 柘】。第 三，改进神经网络的结构，克服传统神经网络的缺陷，如采用遗传算法优化b p 神经 网络，解决b p 神经网络拓扑结构确定困难和全局搜索能力弱的缺点1 4 7 l ：采用扩展的 卡尔曼滤波方法作为神经网络的学习方法，其优点是收敛速度比b p 算法更快，而且 可以在训练过程中得到电价的置信区间【4 0 1 以上研究表明，神经网络法可以建 立电价影响因素与电价之间的非线性映射关系；可以通过样本学习和训练来获得 网络的权值与结构，具有很强的学习能力和适应能力。但是神经网络在电价预测 方面也存在很多的问题尚未解决，如当电价波动幅度较大时，运用神经网络无法 得到稳定的预测效果，尤其在电价突变点，预测效果普遍较差；神经网络在处理 多变量方面具有一定的优势，但输入变量并非越多越好。但对于如何选择合适的 输入变量，需要进一步研究；此外关于神经网络模型结构本身也存在很多的问题 没有解决如隐含层节点数目的选取等。 时间序列法时间序列法是根据电价本身的变化规律，利用统计学方法根 据历史电价数据建立数学模型，并运用该模型进行电价预测。时间序列方法主要 指自回归模型( a r ) 、自回归一滑动平均模型( a r m a ) 、累积式自回归一滑动平均 模型( a r i m a ) 等由于时间序列方法只对电价历史数据进行建模分析，不考虑 电力市场综合预测模型构建及实证研究 其他因素对电价变化的影响，因此电价预测效果很大程度上取决于是否对电价序 列消除了非平稳变化。电价序列的平稳化比较困难，主要是因为电价序列不仅包 含趋势变化、周期变化，还包含其他一些无法处理的剧烈变化。如果能够获得较 好的平稳化电价序列，时间序列方法一般能够获得较好的效果文献【1 0 】首次采 用a r i m a 模型对电价进行了预测研究，此后有很多学者将该方法运用到电价预测 研究之中，针对传统时间序列模型的缺点提出很多改进方法，主要可以归结为以 下几种具体情况：第一，与其他方法结合在一起，对电价序列进行预处理。如采 用小波分析将电价序列分解为高频分量和近似分量，并分别对电价序列的各分量 运用时间序列方法建模，然后在运用小波重构得到预测电价【5 1 捌；采用b a y e s 函 数将原始序列分类，再用自回归( a r ) 法对这些类别进行建模【5 胡第二，利用其 他方法改进传统的时间序列预测模型。如通过对预测误差进行修正，提高预测精 度【1 1 5 叼；在a r i m a 预测模型的基础上进一步考虑电价的非线性特征和异方差特 点将有利于提高电价突交点的预测【5 5 1 。第三，考虑其他电价影响因素，构造多变 量时间序列模型如采用两变量时间序列模型同时考虑历史电价和负荷因素进行 电价预测【5 们。时间序列法具有所需历史数据少、工作量小、计算速度快的特点， 但时间序列方法无法考虑非线性因素对电价变化的影响，需要进一步结合其他方 法来加以改进。所以时间序列法特别适应波动率较小的电价预测，一般可以取得 较好的预测效果。 对以上的电价预测方法总结分析可以发现：以上的预测方法各有特色，也都 存在一定的局限性，因此对某一特定的电力市场进行电价预测时，必须了解该电 力市场的电价特点，了解其影响电价的具体因素，然后根据具体情况来选择具体 的预测方法 5 2 电价特点分析 电价序列是电力市场总供给曲线与总需求曲线所对应的均衡价格，通常会将 一天分为2 4 个( 或者4 8 个) 时间段来进行拍卖，从而一天就形成2 4 个(