竞争性电力市场环境下电价预测方法与应用

博士研究生论文答辩竞争性电力市场环境下电价预测方法与应用研究博士生：李正欣导师：赵林度2汇报提纲论文的背景电力市场及电价分析电价价格钉的预测与控制电价的非线性预测模型电价的组合预测电价预测的应用——发电商容量分配研究总结论文的创新点3论文的背景选题背景近年来，由于电力、信息等技术的发展，世界各国纷纷进行电力体制的改革2002年，国务院出台《电力体制改革方案》2003年6月，国家电力监管委员会陆续在东北、华东开展区域电力市场建设试点。目前我国的电力市场已供大于求，电力的市场化改革将会不断地深入。4研究目的研究电价的变化规律提高电价预测水平控制发电商的决策风险5国内外研究综述电价预测研究综述博弈论模型随机模型无参数和人工智能模型价格钉的判别与预测6发电商竞价策略研究综述基于成本分析基于电价预测基于博弈理论优化基于矩阵博弈模型基本寡头博弈模型发电商风险控制研究综述风险来源风险管理风险计量7论文的研究框架路线N数据分类形成与分时段数据序列历史价格数据历史需求与预测需求数据历史供给与预测供给数据运用基于SMOTEBoost技术的SVM预测是否为价格钉？调用价格钉电价数值预测模型MARS模型局域多项式模型支持向量机模型组合预测模型预测误差分析形成竞价策略Y返回8电力市场及电价分析电力市场电力市场中的电价电价的影响因素电价预测概述9电力市场体系结构供给端需求端电力经销商/中介商发电商热电供应商电力经销商/中介商配电商大用户现货市场合约市场独立系统操作者输电公司10电力交易模式及交易类型交易模式双向合约模式电力库模式综合模式交易类型现货交易合约交易期货交易返回11电价的形成价格容量D1D2D3S1S2S3S4S5S612电力产品及电价的特点电力是一种较为特殊商品网络依赖性不可大量储存性高度协调性公共品规模经济与自然垄断高沉淀成本政府规制用户多样、需求不确定13电价的统计特性波动性周期性均值回复跳跃性和价格钉14电价在电力市场中的核心作用吸引投资优化资源配置增强企业活力引导用户合理用电，节能减排返回15电力成本发电成本输送成本交易成本市场交易并非无成本，交易成本主要为了：了解市场信息谈判协商、达成交易的费用交易执行、监督费用及违约成本发电公司要实现利润最大化，需满足边际成本等于边际利润。tt16市场供求状况需求电力市场的需求具有不确定性对日前市场，需求由市场交易中心给出预测值，可认为是确定的、已知的负荷（即需求）的不确定性交由实时市场需求价格函数在短期内接近于垂直与横轴的曲线，即需要弹性接近于0。供给完全竞争时，发电企业的市场供给曲线为水平直线17与一般商品的市场均衡不同，电力产品的市场均衡，必须同时实现电力和电量双重平衡发电企业产出的关键是电力，其次才是电量发电设备的装机容量（生产能力）不能以均匀的生产满足随时间变化的不均匀的需求，装机容量要大于最大电力负荷的120-150%（含备用容量）。电力系统提供的电量既不能多于需求，又不能少于需求。电力系统既需足够容量，还需统一调度18市场力与市场监管市场力经济学对市场力的一般定义是指改变市场价格使之偏离市场充分竞争情况下所具有价格水平的能力。在电力市场中，市场力的行使和扩大有多种方式：电力企业扩大自身的规模，包括企业自身的成长以及企业间的兼并、合并、收购等行为。发电商通过持留行为行使市场力。一是物理持留，二是经济持留。通过横向合作限制竞争。有优势的发电企业通过自身垄断力量来打击、消灭竞争对手或组织新的竞争者的竞争。如掠夺性定价。19市场监管最高价格限制价格波动限制返回20电价预测概述电价预测的基本概念电价预测是在综合考虑电价影响因素，运用数学模型、计算机模拟等工具对相关数据进行分析和研究，对未来电力市场中的电力交易价格进行预测。对电价的预测要求必须同时具备预测速度与预测精度，才具有实际的应用意义。电价预测分类根据预测点分类根据预测内容分类根据预测期限分类电价预测误差及评价指标绝对误差和相对误差21平均绝对误差均方误差均方根误差改进的平均绝对百分比误差传统的MAPE改进的MAPE1111NNiaifiiiMAEExxNN211()NaifiiMSExxN221111()NNiaifiiiRMSEExxNN1111100%NNaifiiiiaiaixxEMAPENxNx1111100%100%NNiaifiiiNaiiExxMAPENxx返回22电价价格钉预测与控制价格钉的经济学分析价格钉的预测价格钉的控制23价格钉的定义电价的突然、剧烈地波动01002003004005006002006年1月1日2006年1月11日2006年1月21日2006年1月31日时间价格($/MWh)24价格钉的成因电力需求的两方面缺陷短期内明显缺乏价格弹性，很多市场价格弹性为零电力需求由于气候等因素呈现出较大的波动性电力供给的独特性发电是资金密集型产业，短期内难以增加供给电力不能经济储存，需要在瞬间实现供给平衡，任何偶然的机组停运或传输系统障碍都将直接影响供给并进而影响电力供需平衡点发电机组存在较高的启动成本25价格钉的影响因素供给方面装机容量停运发电机组种类传输限制需求方面负荷持续时间天气敏感性经济活动零售价格26市场组织及设计方面零售电价限额现货交易比例容量要求批发价限额27价格钉的判别及分布特点判别基于历史数据的异常价格统计方法，即把价格处于以外的异常值作为价格钉。基于经验的方法，即设定一价格阈值，将所有大于此值的电价视为价格钉。基于价格变化量的方法，即若当前价格与前一时间点价格的变化量大于正常变化量的最大值时，认定当前电价为价格钉。所有数值为负数的价格视为价格钉。分布特点同正常电价数据相比，价格钉数据所占比例通常很低，二者的比例可达100：1[2,2]PP返回28价格钉的预测预测模型跳跃扩散模型区间选择模型将电价分解为含价格钉过程与不含价格钉的过程两个部分，而含价格钉的过程假定为一两状态的马尔柯夫过程0dlog(log)dd(),tJJtJPPtJkPPJ，J，J为常数，为参数为k的泊松过程，2(,)JJJN表示跳跃步长1tiititityyx11111212Pr[1|1]Pr[2|1]1Pr[2|2]Pr[1|2]1ttttttttttttSSPSSPSSPSSP1exp()Pr[|]1,21exp()iititttiitcdzPSiSiforicdz29结构化模型供给函数由分段函数描述均衡价格运用供给与需求的交点解得，即数据挖掘模模型首先预测某一时点价格钉发生的可能性然后预测价格钉的大致范围最后再预测价格钉的数值假设tD是某日的需求，tD是历年该日的需求的均值，tttXDDtX的变化为一OrnsteinUhlenbeck过程，即1d()ddtXXtXtXXtw11222()ttttttttttttSSzsPfSabScSzsSzsSSzs()ttPfD30基于SMOTEBoost的SVM分类器价格钉预测模型分类预测电价数据分为2类：一类为价格钉；一类为正常电价2类数据所占比例悬殊，是一种较为典型的非平衡数据集解决的途径可粗略地分为2个方向对数据进行采样处理一种是减少多数法（under-sampling），即通过对多数类样本的数量来平衡2类样本另一类是增加少数法（over-sampling），即通过复制或插值等方法增加少数类样本的数量算法设计线性Logistic回归、决策树、多层感知器神经网络、贝叶斯网络、多项Logistic回归以及支持向量机等31AdaBoost是一种最常见的Boosting方法，在每次迭代中，增加没有正确分类样本的权值，减少正确分类样本的权值，更加关注于分类错误的样本。因少数类样本更容易被错误分类，所以有理由相信该方法能够改进对少数类的预测性能。SMOTE技术（SyntheticMinorityOver-samplingTechnique）是非平衡数据集学习的一种新办法，通过对少数类样本的人工合成提高少数类样本的比例，降低数据的过度偏斜。SMOTE技术与AdaBoost结合，可有效避免由于赋予少数类样本更大权值而可能产生的过度拟合。SVM具有较强的泛化能力32算法模型AdaBoost分类器AdaBoost算法的基本思想是通过训练一组分量分类器，将多个弱分类器集成为一个强分类器。在训练过程中，每个训练样本被赋予一个初始权值，当一个弱分类器训练完成后，根据其在训练集上的分类结果对所有的样本权值进行调整，使得下一次训练的弱分类器更关注那些被识别错误的样本。最后的强分类器的判决结果是所有弱分类器判决结果的加权和SMOTE增加少数样本法增加少数样本法是通过增加数据集中少数类样本的办法，降低类别之间分布的不平衡程度。早期的增加少数法是直接复制少数类样本，以增加其数量。DeRouin等学者通过神经网络技术，用仿制取代复制，以期减少少数类信息的缺失。Chawla则沿用仿制的思路，提出了少数类信息的仿制技术SMOTE（SyntheticMinorityOver-SamplingTechnique）33SMOTEBoostSVM集成算法基本思想先运用SMOTE技术合成少数类样本，改善数据的偏斜状况，然后用AdaBoost算法集成多个SVM分类器，从而达到非均衡数据集上更好的分类效果与模型泛化能力算法流程[1]输入：标定的训练样本集，1122(,),(,),,(,)mmxyxyxy，其中：,{1,1}iixXyY；RBFSVM的参数初始值ini，的最小值min，以及步长step；最大循环次数T；[2]对样本权值进行初始化，1()1/wim；[3]当min且tT时循环：34a)用SMOTE算法生成N个少数类样本；b)在加权训练样本集上用RBFSVM算法训练弱分类器tC得到th；c)计算tC的训练误差t：()()tiitthxywi；d)如果0.5t，令step，1t，返回至（2）；e)求弱分类器tC的权值：11ln()2ttt；f)更新训练样本的权值：1,()()exp(())(),()tttiittiiitttttiehxywiyhxwiwZZehxy；g)令1tt。()(())tttHxsignhx[4]输出：最后的强分类器35实例分析数据的选择与预处理评价指标少数类正确率多数类正确率几何平均正确率精确率召回率F-measure训练与预测结果Pr{predictedP|actuallyP}ATPABPr{predictedN|actuallyN}DTNCDgTPTNApACArTPAB2prfpr预测为少数类（P）多数类（N）少数类（T）AB实际为多数类（F）CD返回36价格钉的控制降低市场力市场力的衡量指标HHI指数Lerner指数市场力的抑制措施增加市场竞争主体，降低市场集中程度加强电网建设，合理布局电源设立价格上限，加强市场监管鼓励远期合约，引入电力期货、期权等风险管理工具建立有效的价格传导机制，加强需求侧响应37增加容量充裕性在电力行业放松管制的改革前，作为公用事业的电力企业有保证电力稳定供应的义务，电力系统的装机容量由其统一规划并进行投资决策，但改革后，没有一家企业承担此项义务，每个企业根据自己对于未来电力市场的发展趋势判断决定自己的投资决策。由于改革后的