（电工理论与新技术专业论文）基于群智能和模糊神经网络的mcp预测方法的研究.pdf

a b s t r a c t t h ee l e c t r i c i t yp r i c e ，a sa ni m p o r t a n te c o n o m i cl e v e r i nt h ee l e c t r i c i t y m a r k e t ，p l a y s a l l i r r e p l a c e a b l er o l ei nt h ee s t a b l i s h m e n ta n dc u l t i v a t i o no ft h ee l e c t r i c i t ym a n e t ，o p t i m i z a t i o nt h ep o w e r r e s o u r c ea l l o c a t i o na n da d j u s t m e n tt h ei n t e r e s t so fm a n e tp a r t i c i p a n t s m a n e tc l e a r i n gp r i c e ( m c p ) i s g e n e r a t e db yt h ec o m p e t i t i o n ，a n di sc o n s i d e r e da st h eo n l ye l e c t r i c i t yp r i c ei f t h e r ei sn os y s t e m c o n s t r a i n t a c c u r a t em c p f o r e c a s t i n gc o n t r i b u t e st ot h ee l e c t r i c i t ym a r k e td e v e l o p m e n tt ob eh e a l t h y ， s t a b l ea n do r d e r l y i nv i e wo ft h ea d v a n t a g e sa n dd i s a d v a n t a g e so ft h ep a s tp r i c ef o r e c a s t i n gm e t h o d s ，f u z z yn e u r a l n e t w o r k ( 咖i sd i f f i c u l tt od e t e r m i n et h en u m b e ro ff u z z yr u l e sa n dh a sl o n gt r a i n i n gt i m eb r o u g h t a b o u tb yn e t w o r kc o m p l e x i t y t h i sp a p e rp r e s e n t sa l li m p r o v e df u z z yn e u r a ln e t w o r k ( i f n n ) m o d e l b a s e do nc l u s t e r i n ga l g o r i t h mt of o r e c a s tt h em c p t h i sm o d e ls t r u c t u r ei ss i m p l e ，a n dt h en u m b e ro f f u z z yr u l e si sg a i n e db yt h ef u z z yc m e a n sc l u s t e r i n g ( f c m ) o f t h ei n p u ta n do u t p u td a t a f u r t h e r m o r e ， b pa l g o r i t h mi sb a s e do nt h eg r a d i e n td e s c e n ta l g o r i t h m ，, s oi ti se a s yt of a l li n t ot h el o c a lm i n i m u m v a l u e ，a n dc a n tc o n v e r g ew i t hp o o ri n i t i a lv a l u ei nt h et r a i n i n go ff u z z yn e u r a ln e t w o r k t h e r e f o r e ，t h i s p a p e rp r o p o s e sp a r t i c l es w a r mo p t i m i z a t i o n ( p s o ) b a s e do ns w a r mi n t e l l i g e n c et ot r a i ni f n n t h r o u g ha n a l y s i so fm c p i nn o r d i cp o o l ，t h i sp a p e rc o n s i d e r st h r e ei m p a c t so fm c p ，i n c l u d i n gt h e p a s te l e c t r i c i t yp r i c e ，l o a da n dt i m e ，t h u sd e t e r m i n i n gt h ei n p u tv a r i a b l e so ff o r e c a s t i n gm o d e l i ti s s h o w nt h a tt h ep r o p o s e dm e t h o d sc a np r o v i d em o r es a t i s f a c t o r yf o r e c a s t i n gr e s u l t st h a nf n nt h r o u g h m o d e l i n gr e s p e c t i v e l yo nt h em c p o ft h e2 4h o u r sp e rt r a d i n gd a y k e y w o r d s e l e c t r i c i t ym a n e t ，p r i c ef o r e c a s t i n g ，f n n ，f c m ，s w a r mi n t e l l i g e n c e ，p s o h 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得东南大学或其它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。 研究生签名： 辈曰期：碰7 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研 究生院办理。 始磐靳虢碑一7 第一章绪论 1 1 选题背景和研究意义 第一章绪论 2 0 世纪9 0 年代以来，许多国家相继进行了电力体制改革，结构重组，建立电力市场，以期在 电力工业内引入竞争机制，从而提高效率，降低成本，促进电力行业持续健康地发展。在世界电力 工业市场化改革的背景下，- 我国也放松了对电力工业的管制。2 0 0 1 年，我国实行“厂网分开、竞价 上网”的试点，建设了发电侧电力市场，实现发电企业竞价上网，电网的生产运行模式将从以计划 为主导的模式逐步过渡到全网范围内以电力市场为主导的模式。并计划在2 0 1 0 年以后，逐步将发电、 输电、配电各环节分开，建立规范有序的电力市场，全面引入竞争机制【。在这种形势下，急待需 要加强有关电网在市场条件下如何运营的研究，研究工作不仅具有现实意义，而且面对改革所可能 导致的不确定性，可以在技术上、策略上有所准备。 在电力体制改革的过程中，电价成为关系到资源流动和利益分配的核心因素，并且各个市场参 与者之间发生的交易和关系都是以电价为基础的，所以说电价是电力体制改革的核心内容【2 1 。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。 对发电企业来说，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。从短期的角度看，电价是它的产品价格，其利润依赖于成功的报价策略，而报价策略形成的基 础是对短期电价进行准确预测。准确预测电价，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。从长远的角度看，通过电价预测，发电方可以初步了解未 来一个时期内的电价发展走向，从而确定将来一定时期内竞价电量和合同电量的分配比例，力争把 企业自身参与市场竞争的风险降到最小。 对电力用户来说，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，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。 对系统调度员来说，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。 对于电力监管机构，通过掌握电价趋势来制定政策规定，指引电力市场健康发展。电价的预测 为促使市场健康、稳定、有序地竞争和发展以及各种电价政策的制定提供科学依据。国家电力监管 委员会通过对电价的预测，可以把握电力市场的电价总体发展变化情况，及时向政府价格部门提出 调整电价的建议( 如最高限价、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，维护电力消费者的利益以及电力市场竞争的公开、公平、公正。 对于电力投资者来说，可以利用电价预测辅助投资决策，以减少投资风险。电力市场的长期电 价预测具有引导投资和自发的配置市场资源的作用，从而达到电力供求基本平衡、各项服务满足要 求的目标。 由此可见，电价预测对于促进电力市场健康、稳定、有序的发展具有十分重要的意义。近年来， 电价预测已成为国内外许多学者研究的热点，而提高电价的预测精度成为研究的焦点。 由于目前我们国家电力市场还在紧张的建设阶段，电价的历史数据很难获取，所以本文将以北 欧电力市场( n o r d i cp 0 0 1 ) 为背景，从北欧电力市场网站h t t p ：w w w n o r d p 0 0 1 c o r n 下载历史数据，从而 对电价进行分析和预测。北欧电力市场是由挪威、芬兰、瑞典、丹麦四国组成的跨国界但没有国界 1 东南大学硕l ：学位论文 限制的联合电力市场，实践证明，北欧四国的电力市场改革取得了较大的成功，它的成功运行是世 界范围内电力市场改革的典范。同样它的电力市场的运营经验值得我国在进行电力市场化改革中打 破省间壁垒，开放省级电力市场，发展区域电力市场，培育国家电力市场时学习羽i 借鉴，所以对北 欧电力市场的电价进行分析和预测也具有一定的研究意义【引。 1 2 国内外研究的现状 在电力市场中，电价作为市场参与者最重要的信号，最基本的概念是市场清算电价( m a r k e t c l e a r i n gp r i c e ，m c p ) 。它是指在现货市场中，参与竞价的发电商( 发电企业) 向电力交易中心提交次 日每个交易时段的交易电量和价格，电力交易中心根据系统负荷预测结果，对各竞价发电商的报价 曲线从低到高逐个累加，当累加的竟价电量满足负荷需求时，最后一个发电商的报价就是系统该交 易时段的市场清算价格1 4 j 。m c p 是供需双方共同竞争的结果，是无系统约束情况下市场的唯一电价。 目前，大多数的电价预测都是对提前日m c p 的预测。 价格预测在其他商品市场中一直是研究的焦点，如股票市场和农业市场1 5 1 6 1 7 1 。在电力系统中， 负荷预测是大家较为熟悉的，而电价预测则是市场化以后才出现的新的研究方向。电力市场化以后， 电力也同样作为商品在市场中进行交易，然而，由于电力的特殊性，且电价受到许多随机、不确定 因素的影响，使得电价表现出与普通商品价格不同的特点，最突出的特性就是不稳定性。所以，在 其他商品市场中成功应用的预测方法，在预测电价时会产生很大的误差。 目前，国内外众多学者参考负荷预测和其他市场商品价格的预测，提出了许多预测方法，主要 有时间序列法、人工神经网络方法，另外还有组合预测的方法、数据挖掘的方法。 时间序列法比较成熟，算法简单，速度快，但本质上都是线性模型方法，无法真正反映电价的 非线性特性。人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 能够有效处理多变量和非线性问题，并 且采用大规模的并行结构，具有良好的自适应性、自学习、容错性能好等优点，从而成为目前国内 外专家学者研究得最多的一种电价预测方法。但是a n n 存在难以确定隐含层神经元的数目，并且 基于梯度下降的b p 算法要求误差函数必须可微，收敛速度缓慢且容易陷入局部最优。所以近年来 有不少学者尝试以其它方法的优点来弥补神经网络方法的不足，提出了许多有关神经网络的组合预 测模型，如遗传算法优化的神经网络t s 4 】、基于小波理论的小波神经网络【m 1 1 】、基于模糊理论的模糊 神经网络【1 2 1 3 蝣。遗传算法优化的前馈神经网络通过遗传算法来优化神经网络的结构或参数，克服 了神经网络隐含层神经元难以确定以及网络训练容易陷入局部极小点的缺点。由于小波神经网络引 入了伸缩因子和平移因子，从而使其具有更灵活有效的函数逼近能力和较强的容错能力，尤其是更 为显著地提高了对高峰、低谷电价的预测精度。模糊神经网络把模糊推理模糊处理能力和神经网络 的并行学习结合起来，既能处理数值信息，又能处理语言信息；模糊处理能力还能够减弱尖峰电价 对网络输出的影响；并且采用了模糊数学的方法，计算较为简单，信息处理的速度加快。另外还有 数据挖掘的方法；数据挖掘技术强大的数据处理能力能从大量的历史数据中发现有用的规律、规则、 联系、模式等知识。但是误差较大，适用于中长期电价预测。 上述电价预测的方法都有各自的优势，那种方法更适合电价预测，尚未形成统一的认识。各国 的电力市场模式不同，电价各影响因素的影响程度也有差异，所以在做电价预测时必须对研究的电 力市场电价的形成机制、影响因素对电价的影响以及影响程度等有一定的理论分析，通过对各种预 测方法进行比较，以明确各种方法的优缺点，进而确定适合电价预测的方法。 就目前研究的现状来看，大部分电价预测的研究都是针对以往研究方法的缺点提出改进的方法， 2 第一章绪论 进而达到提高预测精度的目的。 1 3 群智能算法的理论发展和应用现状1 1 4 人工智能( a r t i f i c i a li n t e l l i g e n c e ，柚在经历了2 0 世纪8 0 年代整整1 0 年的繁荣后，由于受到经 典计算思想的束缚，使人工智能的研究和应用停滞不前。随着人们对生命本质的不断了解，生命科 学得到了迅速发展。在这种背景下，社会性动物( 如蚁群、鸟群、鱼群等) 的自组织行为引起了人们 的广泛关注，许多学者对这种行为进行数学建模并用计算机进行仿真，这就产生了所谓的群智能 ( s w a r mi n t e l l i g e n c e ，s i ) 。社会性动物个体行为都很简单，但是当它们一起协同工作时，却能表现出 非常复杂( 智能) 的行为特征。例如，单只蚂蚁的能力非常有限，但当这些蚂蚁组成蚁群时，却能够 完成像筑巢、觅食、迁徙等复杂行为，其中最引入注意的是蚁群在觅食过程中总能找到一条从蚁巢 到食物源的最短路径。 群智能的群体指的是“一组相互之间可以进行直接通信或是间接通信的主体( a g e n t ) ，这组主体 通过合作进行分布式的问题求解”。群智能则是指“无智能的主体通过合作表现出智能行为的特性”。 群智能在没有集中控制且不提供全局模型的前提下，为寻找复杂的分布式问题的求解方案提供了基 础。目前，群智能理论研究领域主要有两种算法：蚁群算法( a n tc o l o n yo p t i m i z a t i o n ，a c o ) 和粒子 群算法( p a r t i c l es w a r mo p t i m i z a t i o n ，p s o ) 。蚁群算法是对蚁群采集食物过程的模拟，已成功应用于 许多离散优化问题，如旅行商问题、指派问题等。粒子群优化算法也是起源于对简单社会系统的模 拟，最初是模拟鸟群觅食的过程，但后来发现它是一种很好的优化工具。已成功应用到函数优化、 神经网络训练、数据挖掘以及其他的应用领域。 与梯度算法不同，群智能优化算法依据的是概率搜索算法。虽然概率搜索算法通常采用较多评 价函数，但与梯度算法相比，其优势还是显著的： ( 1 ) 无集中控制约束，不会因个别个体的故障影响整个问题的求解，确保了系统具备更强的鲁 棒性。 ( 2 ) 以非直接的信息交流方式确保了系统的扩展性，由于系统中个体的增加而增加的系统通信 开销也较少。 ( 3 ) 仅涉及到简单的数学计算，只需要目标函数的输出值，而无需其梯度信息，算法实现简单， 数据处理过程对c p u 和内存要求也不高。 ( 4 ) 对目标函数没有要求，不同于梯度算法，对目标函数要求苛刻，如可微、可导等。 同遗传算法( g e n e t i ca l g o r i t h m ，g a ) 类似，群智能优化算法是基于迭代的优化工具，系统初始 化为一组随机解，通过迭代搜寻最优解。但是群智能优化算法实现过程简单，算法参数简洁，无需 复杂的调整，而遗传算法需要交叉变异操作，算法复杂；遗传算法中种群是比较均匀的向最优解移 动，而群智能优化算法搜索更新过程是跟随当前的最优解的过程，所以群智能优化算法能更快地收 敛到全局最优解。因此从出现至今i 群智能优化算法被迅速地应用到神经网络训练、函数优化等遗 传算法应用的领域。 群智能优化算法的研究刚刚开始，远没有像遗传算法那样形成系统的分析方法和坚实的数学基 础，有许多细致的工作问题还需要进一步的研究，如算法的收敛性、参数的设置等。但是以完成的 群智能理论和应用方法研究证明群智能方法是一种能够有效解决大多数全局优化问题的新方法。更 重要的是群智能潜在的并行性和分布式的特点为处理大量以数据库形式存在的数据提供了技术保 证。无论从理论研究还是应用研究的角度分析，群智能理论和应用方法研究具有重要的学术意义和 3 东南大学硕七学位论文 现实价值。 1 4 本文研究的基本思路 模糊神经网络( f u z z yn e u r a ln e t w o r k ，f n n ) 融合了模糊推理系统( f u z z yi n f e r e n c es y s t e m ，f l s 、 和人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，j 6 心n 1 的优点，避免了各自的缺点，成为目前电价预测研 究的热点。f i s 模糊信息处理能力能够减少电价的剧烈波动对网络输出的影响，把神经网络引入到 模糊系统中，用神经网络高速并行地实现模糊推理，通过对神经网络的训练去记忆数据中隐含的经 验知识，比常用的模糊逻辑方法更符合人类认识的模式。并且f n n 采用了模糊数学的计算方法，处 理单元的计算变得较为简单，信息处理的速度加快。在智能交通系统交通流量预测i l 引、产品品质鉴 定【1 6 1 以及电力系统负荷预测【1 7 j 等研究方向上得到了应用，取得了很好的研究成果。也有学者【1 2 l 应用 f n n 对电价进行预测，预测结果证明了模糊神经网络在预测电价精度方面比神经网络等方法有很大 提高，在学习速度和优化能力方面比b p 神经网络具有更大优势。以f n n 为预测模型的发电企业商 业化运营系统已经在山东电力市场安装并投入应用。 但是，大多数采用的f n n 模型需要根据专家的经验确定每一个变量的模糊分割数，但由于电价 强烈的波动性，有时候连专家都很难把握某些经验。如果分割数过多，网络规则数r in ；就会迅速 工f 上 增长，网络规模相应的也会扩大，这势必会增加网络的训练时间。假设网络有8 个输入变量，每个 变量有3 个模糊分割数( 一般为高、正常、低) ，那么网络规则数就有3 8 个；如果分割数过少，则会 影响网络规则的描述的全面性，预测精度也会大大折扣。并且f n n 全连接的模糊规则中大部分规则 是冗余的，减少规则的数目并不会降低输出精膨璩】。针对f n n 模糊规则数目难以确定以及网络复 杂所带来的训练时间长的问题，本文采用一种基于聚类算法的模糊神经网络，为了有别于f n n ，本 文称它为改进的模糊神经网络( i m p r o v e df u z z yn e u r a ln e t w o r k ，l f n n ) 。把模糊神经网络中规则数目 作为设计参数，根据输入输出数据对的聚类来确定规则的数目。基本思想是把输入输出数据对分成 组，一组采用一条模糊规则，即模糊规则的数目等于组的数量。该预测模型结构简单，不依赖专家 经验，适应性更强。 同时，国内外对模糊神经网络的研究绝大多数集中于b p 神经网络与模糊系统的融合，由于b p 神经网络采用b p 算法，即梯度下降算法，存在训练速度慢，容易陷入局部极小值，初始参数选择 不当还会造成训练无法收敛，所以融合后的模糊神经网络也存在同样的问题。因此，许多学者提出 采用一些全局搜索算法【协2 0 】来优化网络参数，如遗传算法、模拟退火算法、群智能算法等。其中群 智能算法具有实现过程简单，收敛速度快等优点，逐渐替代遗传算法等用于神经网络训练。鉴于以 上研究现状。本文提出了采用群智能算法中的粒子群算法( p a r t i c l es w a r mo p t i m i z a t i o n ，p s o ) 来优化 i f n n 的结构参数，并将优化后的i f n n 预测模型用于m c p 预测，期望取得满意的预测结果。 本文以北欧电力市场的现货市场为背景，通过对m c p 的分析，重点考虑了历史电价、负荷和 时段三个因素对m c p 的影响，确定了预测模型的输入变量。通过对输入输出数据对模糊c 均值聚 类确定了模糊规则的数目，进而建立m c p 预测模型i f n n 的初始结构以及确定预测模型初始参数。 使用m a t l a b 语言编写预测程序，对每个交易日2 4 个交易时段的电价分别建模预测，从而验证本文 提出方法的可行性。 4 第一章绪论 1 5 本文的组织结构 在以上研究思路的指导下，本文共分六部分： 第一章主要介绍选题背景和研究意义，总结目前电价预测研究的现状，介绍群智能算法的研究 现状，分析模糊神经网络预测模型存在的问题，进而提出本文研究的思路。 第二章介绍电力市场中市场清算电价的形成、电价的影响因素和特点，电价预测的定义和分类。 深入研究以往电价预测的方法，提出电价预测需要考虑的问题。 第三章介绍模糊神经网络的基本理论，重点研究模糊神经网络在电价预测上存在韵问题，并提 出了改进的方案。在此基础上，介绍基于聚类算法改进的模糊神经网络( i f n n ) 的实现，并讨论与f n n 的异同，提出i f n n 的优势。 第四章介绍群智能优化算法的两种典型算法蚁群算法和粒子群算法的基本理论，并总结群智能 算法的优点，提出采用群智能算法中的粒子群算法( p s o ) 来训练i f n n 的结构参数。 第五章通过对北欧现货市场m c p 进行分析和对输入输出数据对模糊c 均值聚类，建立m c p 预 测模型初始结构并初始化预测模型结构参数。分别采用基于b p 算法的i f n n 和基于群智能算法的 i f n n 对每个交易日2 4 个交易时段的电价分别建模预测，从而验证本文提出方法的可行性。 第六章对本文所做主要工作进行总结，并提出本文需要进一步研究的内容。 5 东南大学硕i j 学位论文 第二章电力市场中的电价和电价预测 理解电价形成机制、电价影响因素以及特点有利于选择恰当的电价预测方法，从而提高电价预 测的精度。因此本章就电力市场中电价的形成机制、电价影响冈素以及特点进行分析，介绍电价预 测的基本概念，深入研究以往电价预测的方法，进而提出电价预测需要考虑的问题。 2 1 电力市场中的电价 2 1 1 提前日市场清算电价的形成( 2 1 根据微观经济学原理，在市场的情况下，商品的价格是由该商品的供需双方在竞争过程中自发 形成的。一般来说，商品的价格越高，商品的供给者就愿意多供给商品，价格越低，就少供给商品( 供 给曲线) ，而对于消费者则恰好相反，商品的价格越低，他们就愿意多购买商品，价格越高，就少购 买商品( 需求曲线) 。供给曲线和需求曲线的交点就是商品的市场价格及成交数量。商品价格的形成 示意图如图1 - 1 所示。 逮 $ 厶 商品价格 q 数量 图1 - 1 商品价格的形成 电力的市场化运营使得电能可以和普通商品一样自由交易，电力价格会跟随市场的供求关系( 上 网竞价发电功率和负荷) 随机波动。在电力市场中，电价的基本定义为市场清算价格( m a r k e tc l e a r i n g p r i c e ，m c p ) ，它是指在现货市场中，参与竞价的发电商( 发电企业) 向电力交易中心提交次日每个交 易时段的交易电量和价格，电力交易中心根据系统负荷预测结果，对各竞价发电商的报价曲线从低 到高逐个累加，当累加的竞价电量满足负荷需求时，最后一个发电商的报价就是系统该交易时段的 市场清算价格。在电力市场中，电力用户对电价的弹性不是很大，在分析的时候通常假设用户是没 有价格弹性的，其需求曲线是条垂直线，如图1 2 。北欧电力市场的现货市场是按照m c p 进行结 算，浙江省电力市场也是按照m c p 进行结算【1 0 1 。 6 第二章电力市场中的电价和电价预测 瓣 $ 色 m c p 需求( 负荷 - 厂一供给蓝 _ 7 图1 2 市场清算电价的形成 q 数量 可以看出，m c p 是供需双方共同竞争的结果，是无系统约束情况下市场的唯一电价。m c p 反 映了电力商品的短期供求关系，对m c p 的准确预测可以为市场监管部门提供重要的科学依据，从 而促进电力市场朝着健康、稳定、有序的方向发展。 2 1 2 电价的影响因素 虽然各国电力市场的运营模式不尽相同，但影响电价的因素是大致相同的，包括【2 1 i ： 1 供求关系 电力的市场化运营，使得电能可以和普通商品一样自由交易，电力价格会跟随市场的供求关系 ( 上网竞价发电功率和负荷) 随机波动。当上网竞价发电功率高于负荷需求时，电价会保持相对较低， 且上网发电功率越大越激烈，价格就越低。反之电价相对较高。因此，上网竞价发电功率和负荷是 影响电价的主要因素。 2 历史电价 前后时段的电价间具有较强的相关性，尤其是前几个时段的电价和历史中同一时刻的电价。电 价预测正是利用这种电价问的相关性进行电价预测。 3 发电成本 对于特定的上网竞价发电功率和用电负荷需求，如果燃料价格较高势必造成发电成本的增加， 则竞价电价就会抬高。反之，电价就会降低。对于以水利发电为主的国家，如果在丰水期，相对枯 水期的电价就会偏低，如挪威。所以发电成本对电价的影响很大。 4 物价指数 对于特定的上网竞价发电功率和用电负荷需求而言，如果物价指数较高，则整个社会的市场价 格都将上升，电价也必然有所提高。因此，物价指数对电价有一定的影响。 5 时段因素 不同日不同时段，电价会表现出较大的差异，如周末电价通常低于工作日的电价，而用电高峰 时段的电价通常高于用电低谷的电价，所以时段因素也是影响电价的一个因素。时段因素使得电价 表现出很强的周期性，如季节、周、日的周期性。在短期电价预测中，由于涉及时间较短，可不考 虑季节周期性。 除此之外，电价还受市场参与者的报价策略、市场力等人为因素的影响，而这些因素对电价的 影响是随机、不确定的，并且很难进行检测和量化。 不同市场模式下的电价预测影响因素也有不同，p j m 电力市场的电价为结点电价。结点电价模 式下的电价预测需要考虑电力网络潮流和阻塞信息，而市场清算电价模式下的电价预测则不考虑这 7 东南大学硕一i ：学位论文 些冈素。结点电价模式下电价由于阻塞而更为多变，因而电价预测难度更大，预测误差也更高。 供求关系、发电成本、物价指数着重于对电价宏观、长期的影响，并且通过对实际电价数据的 分析结果表明，未来电价和近期的历史电价有很大关系，电价本身的变化规律及其所受各种因素的 影响必然要在历史数据中体现出来。冈此，充分利用历史数据并从中发现出电价变化一般规律是目 前电价预测的主要依据。 2 1 3 电价的特点 电力的市场化运营使得电力可以和普通商品一样在交易中心自由交易，电力价格会随着供求关 系波动，但是电力作为商品，既有一般商品的属性，又有它的特殊性。首先，电力行业是公用服务 行业，中断供电或供给不足会给国民经济和社会造成巨大的损失和很坏的影响，因此，实行电力市 场化，必须保证供电安全性、可靠性；其次，电力商品不能有效存储，电力的发、输、配、用同时 进行，这就需要信息反馈迅速，市场预测准确，电网调度统一；再者，电力是看不见、摸不着的商 品，不能像其他有形商品一样，买主可以一边观察商品，一边向卖主讨价还价，现买现卖。这就要 求电力的交易具有前提性，要求电力市场的情报公开，透明度高，对所有的买者和卖者真正做到公 平、公正、公开。 由于电力商品的特殊性，且电价受到许多随机、不确定因素的影响，使得电价表现出与普通商 品价格不同的特点，下面以北欧现货市场的电价来分析电价的特点。 1 均值回复的特性【2 2 1 所谓均值同复性，是指资产价格有回到其长期轨道的趋势，股票价格田l 也表现出均值回复的特 性。与其他商品一样，电价也围绕电力价值附近波动。 2 周期性 由于电价受气候、星期类型等客观因素的影响，使得电价表现出很强的周期性，如季度、星期、 日的周期性。图1 - 3 给出了北欧现货市场连续两周的电价。 至 z 凌 己 v s 触 3 不稳定性 图1 - 3 北欧现货市场2 0 0 7 年第4 7 、4 8 周的电价 8 第一章 电力市场中的电价和电价预测 电价的不稳定性是指对某个给定时段内电价变化的艟度，通常用百分数表示，按每日电价( 也可 以用周电价、月电价等) 变化率的标准差来计算，即波动率。由于电力的特殊性，电价比其他相对不 稳定的商品的价格要不稳定的多。据报道 2 a l ，w t l 石油的未来合同的年波动率是2 8 ，n y m e x h e n r y h u b 天然气未来合同的年波动率是5 4 ，而c o b 电力未来合同的年波动率是6 2 。在电力市场现 货市场中，按年波动率统计，c o b 是1 8 0 ，加拿大a l b e r t 电力库是4 5 0 。 电价不稳定性主要表现在尖峰电价上，如图1 3 。分析电价的影响因素，拥有市场力的发电商 的报价策略以及网络阻塞等影响因素的随机和不确定性程度很大，是导致电价波动剧烈的主要原因。 4 难预测性 相比传统的负荷预测，电价的变化规律更难以发现。电价预测不仅要考虑电价作为时间序列的 特性，而且需要考虑各种非电价因素，如星期类型、市场力、网络阻塞等对电价的影响，而这些影 响因素往往难以收集和量化；并且电力要求实时平衡，这都进一步加大了电价预测的难度和深度。 2 1 4 电力市场中电价的核心作用 电价是电力市场的支点，直接关系到市场参与者的最直接和最敏感的经济利益因素。电价作为 电力市场的指针能够自动引导资源的配置，它的导向力是直接和有力的，是电力市场的核心。 电价对电力商品的生产、供应和消费各方面都有很重要的作用，是电力企业获取资金维持简单 再生产或扩大再生产的手段。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，从而达到 优化资源配置，合理组织生产，促进电力企业的健康发展。具体来说，可以起到如下作用： ( 1 ) 能吸引社会资金向电力工业流动，促进电力工业的发展，这对于像我国这种发展中国家， 电力建设普遍比较落后的条件下尤其重要。 ( 2 ) 能使电能生产结构更合理。可以避免重复投资，充分开发和利用各种再生能源和新能源，降 低电力成本，节约资源。 ( 3 ) 增强企业活力、加快电力工业的发展。由市场决定电价，能促进电力企业之间的竞争，促 使电力企业不断提高自我积累、自我改造、自我发展的能力。 ( 4 ) 促进节约用电。由市场决定电价，可促使电力消费者采用调荷节电措施，自动地削峰填谷， 使电力消费结构趋于合理，减少浪费。 2 2 电价预测的基本概念 2 2 1 电价预测的定义 价格预测在其他商品市场中一直是研究的焦点，如股票市场和农业市场。在电力系统中，负荷 预测是大家较为熟悉的，而电价预测则是市场化以后才出现的研究方向，相对负荷预测来说比较陌 生，研究得也较负荷预测少。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。在电力市场化之后，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， 其价格应该由市场决定。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。因此，有必要对电价预测做深入的研究。 所谓电价预测是指【4 j ：在考虑市场供求关系、市场的垄断能力、电力成本、电力市场体制结构、 社会经济形势等重要因素影响的条件下，利用数学工具对历史数据进行分析和研究，发现各电价影 响因素之间的内在联系和电价的发展变化规律，在满足定精度和时间的情况下，对电力市场中未 9 东南大学硕士学位论文 来的电力交易价格进行预测。 2 2 2 电价预测的分类【2 5 l 根据不同的分类标准，电价预测有不同的分类方法。 根据预测时间的长短，可以将电价预测分为短期电价预测和长期电价预测。短期电价预测有提 前小时、日、周、月预测，主要用于发电公司在现货市场中制订竞价策略或建立双边交易。长期电 价预测有季度、年预测，能够为发电企业生产计划的制定和电力投资商的长期投资提供很好的参考， 为监管部门制定和实施有效的监管措施提供客观依据。 根据预测点的类型，可以将电价分为市场清算电价( m a r k e tc l e a r i n gp r i c e ，m c p ) 、地区市场清 算电价( z o n a lm a r k e tc l e a r i n gp r i c e ，z m c p ) 。m c p 是供需双方共同竞争产生的，在没有输电阻塞时， m c p 是整个系统唯一的电价。如果系统发生阻塞，电力市场将被分成不同的价格区域来解决电网阻 塞情况，形成的价格就是z m c p 。 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，前者当前研究比较多，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。 按交易方式不同，电价预测可以分为现货电价预测和期货电价预测。现货电价是在现货市场通 过买卖双方竞争产生的，每个交易日分为2 4 或者4 8 个交易时段。对现货电价的预测就是预测次日 2 4 交易时段或者4 8 交易时段的m c p 。期货电价是在电力期货市场中产生的。电力期货是买卖双方 以特定价格进行电力买卖，在将来某一特定时间开始交割，并在特定时间段内交割完毕的电力商品 合约。 2 3 电价预测的方法 尽管电价非常的不稳定，但并不认为它是随机的。通过对电价的分析发现，电价虽受许多因素 的影响，但是电价的变化呈现出某种规律性，这些规律常常蕴含在大量的历史数据中。因此，要获 得有效的预测，关键在于发现规律。从数学的角度看，就是建立输入输出的映射关系，并进行函数 的拟合。 目前，国内外众多学者参考负荷预测和其他商品的预测，提出了许多预测方法，主要有时间序 列法、人工神经网络方法，另外还有组合预测的方法、数据挖掘的方法。下面简单地介绍下这几种 方法。 2 3 1 时间序列法 一个随着变量t 变化的量y p ) ，在f 1 i 2 y 一则峰= y 一；若u 叫”芸刍釜；“ w n 。巴 输出全局极值( 问题最优解) 结束 图4 2p s o 解优化问题的程序流程图 第四章基于群智能算法改进的模糊神经网络 从以上步骤我们可以看到粒子群算法和遗传算法有很多共同之处，两者都随机初始化种群，都 使用适应度来评价系统，都根据适应度来进行一定的随机搜索，都是一种基于迭代的优化工具。但 是群智能优化算法实现过程简单，算法参数简洁，无需复杂的调整，而遗传算法需要选择交叉变异 操作，算法复杂。信息共享机制也不同，遗传算法中个体互相共享信息，种群是比较均匀的向最优 解移动，而粒子群算法搜索更新过程是跟随当前的最优解的过程，在大多数的情况下，粒子群算法 能更快地收敛到全局最优解。 目前粒子群算法广泛用于求解多元函数的优化问题，包括带约束条件的优化问题。经过大量的 实验研究发现，粒子群算法能取得比遗传算法更好的优化效果。粒子群算法还用于对人工神经网络 权值和网络模型结构的优化，除此之外，粒子群算法还在系统辨识、语音识别等领域内也取得了一 定的成果。 4 2 3 群智能算法的优点 群智能算法依据的是概率搜索算法。虽然概率搜索算法通常采用较多评价函数，但与梯度算法 相比，其优势还是显著的： ( 1 ) 无集中控制约束，不会因个别个体的故障影响整个问题的求解，确保了系统具备更强的鲁 棒性。 ( 2 ) 以非直接的信息交流方式确保了系统的扩展性，由于系统中个体的增加而增加的系统通信 开销也较少。 ( 3 ) 仅涉及到简单的数学计算，只需要目标函数的输出值，而无需其梯度信息，算法实现简单， 数据处理过程对c p u 和内存要求也不高。 ( 4 ) 对目标函数没有要求，不同于梯度算法，对目标函数要求苛刻，如可微、可导等。 同遗传算法类似，基于群智能理论的蚁群算法和粒子群算法也是基于迭代的优化工具，系统初 始化为一组随机解，通过迭代搜寻最优解。但是群智能优化算法实现过程简单，算法参数简洁，无 需复杂的调整，而遗传算法需要交叉变异操作，算法复杂；信息共享机制也不同，遗传算法中种群 是比较均匀的向最优解移动，而群智能优化算法搜索更新过程是跟随当前的最优解的过程，所以群 智能优化算