基于时间序列方法的短期电价预测

上海大学硕士学位论文基于时间序列方法的短期电价预测姓名：陈友申请学位级别：硕士专业：控制理论与控制工程指导教师：王晛20090201基于时间序列方法的短期电价预测作者：陈友学位授予单位：上海大学相似文献(9条)1.期刊论文张显.王锡凡.ZHANGXian.WANGXi-fan短期电价预测综述-电力系统自动化2006,30(3)准确的短期电价预测可为市场参与者的竞价策略提供指导,从而减少参与者的竞价风险,为其带来稳定的收益,因此短期电价预测已成为电力市场中的研究热点.结合1997年以来的相关文献对短期电价预测进行了综述.在分析电价基本特点和电价影响因素的基础上,重点对时间序列法和神经网络法这2种常用的电价预测方法进行了评述,探讨了各方法可能的进一步研究方向.最后对电价影响因素选择、数据预处理和电价预测工具的选择这3个电价预测中的重要问题进行了讨论,并对短期电价预测的研究工作提出了一些建议.2.学位论文李晶基于决策树技术的日前市场清算电价预测2005电力市场中电价是关系到资源流动和利益分配的核心因素，电价的确定也是电力市场中最本质、最关健的部分，合理的根据市场需求确定相应的电价直接影响到电力市场能否正常的运营。电价预测具有十分重要的意义，目前已提出了时间序列法、人工神经网络、混沌理论等预测方法，但由于电价预测不仅需要考虑电价本身作为时间序列的特性，还需要考虑各种非电价因素(如负荷需求、节假日、供求关系等因素)对电价的影响，特别是人为因素的干扰，这都进一步加大了电价预测的难度和深度。本文以澳大利亚昆士兰州电力市场(Pool交易模式)为背景，采用决策树技术，建立了提前日的电力市场清算电价预测模型。文中详细介绍了决策树技术的原理及其在电价预测中的实现方法，重点考虑负荷、历史清算价等相关因素对未来电价的重要影响，利用微软AnalysisServices提供的数据挖掘功能对不同的预测时段构建了不同决策树形式的市场清算电价(MarketClearingPrice，MCP)预测模型，能直观的以“树”的形式将预测过程及结果显示出来，同时预测人员可以根据自己的专家知识和实践经验，对“决策树”进行修正，预测过程简单、结果可视可理解、准确率高、易于推广。3.期刊论文陈友.王睍.李渝曾.CHENYou.WANGXian.LIYu-zeng一种用于短期电价预测的分时段时间序列传递函数模型-电力系统保护与控制2008,36(16)在电力市场环境下,准确的价格预测可为市场参与者制定合理的竞争策略提供重要信息.本文提出了一种基于时间序列法的分时段传递函数模型来预测短期电价,该模型考虑了负荷因素对电价的影响,同时利用累积式自回归滑动平均模型(ARIMA)对电价序列和负荷序列的非平稳性进行处理,并且对一天24个小时时段分别建立了预测模型.采用加州历史电价数据进行算例研究,结果表明,利用本文模型进行电价预测能够提高预测的准确性.4.学位论文胡峰基于多模型的短期电价预测2008当前，电力工业在全世界范围内发生着深刻的变化。电力工业的改革目标在于提高电力生产效率，使电价形成机制合理化，提供高质量、更安全的电力产品，促进电力工业本身的良性发展，并使全社会从电力市场改革中得到更好的经济和社会效益。电力市场化改革也是当前世界电力工业的发展趋势和国际电力科学研究与工程实践的热点。电价的确定是电力市场中最重要、最关键的部分。电价不仅是电力市场供求关系的信号，也是控制电力市场交易的经济杠杆。因此，如何合理的根据市场需求确定相应的电价直接影响到电力市场能否正常的运营，怎样根据电力市场的相关历史数据准确的预测出未来的市场出清电价，对于市场中的各个参与者都具有十分重要的意义。电力系统的负荷是一个时间序列，电价也是一个时间序列，因此，从理论上讲，凡是能用于负荷预测的方法都可以用于电价预测，如时间序列法、人工神经网络法、小波变换法、马尔可夫链、组合模型等。但是由于电价具有趋势性、季节性、异方差性等固有的特点，使得电价的预测比负荷预测难得多，目前单一的电价预测方法都不尽如人意。论文在查阅了大量短期电价预测相关文献的基础上，通过对电价预测技术的深入研究，寻求合适的可用于短期电价预测的方法，取得了以下研究成果：1.通过对神经网络和时间序列的深入研究，基于短期电价的特点，提出了将时间序列和神经网络相结合的多模型短期电价预测方法。该方法利用时间序列来建立短期电价预测模型，利用PJM(宾夕法尼亚—新泽西—马里兰)电力市场数据进行建模分析，然后将时间序列模型的预测结果作为神经网络的输入信号进行训练。通过PJM电力市场实例分析，该组合模型的预测结果良好，该方法大大提高了短期电价预测的精度和准确度，具有很好的应用前景，验证了该模型的有效性。2.基于电价序列的特点，利用分时段建模的思想和时间序列的方法，提出了基于分时段时间序列模型的短期电价预测方法。该方法通过将电价序列按照不同时段进行研究，分别对各个时段的电价序列建立时间序列模型。通过PJM电力市场实例分析，预测结果表明该组合模型具有很好的精确度，验证了该模型的有效性。3.基于电价与负荷的区别，在分析预测结果时，采用平均绝对百分误差(MAPE)作为模型的评价指标，该指标更能体现预测结果的准确度，在以上两种模型的结果分析中均有很好的体现。论文最后对所做工作给出了一个总结和展望，并对短期电价预测研究所面临的一些困难和有待深入研究的方向做了一个简单的介绍。5.学位论文顾庆雯短期边际电价预测模型研究2005系统边际电价（systemmarginalprice）是反映电力市场中电力商品短期供求关系的统一价格，是联系用户、市场监管者、发电商的经济纽带，而且是关系到发电方、用电方经济利益的重要因子。目前大部分电力市场都是以市场出清价或边际电价进行结算的，如美国的新英格兰电力市场以及我国初步实现的几个省级电力市场等。系统边际电价是发电企业在竞争性电力市场中的产品价格，发电企业的利润依赖于成功的报价策略，而报价策略形成的基础是准确把握短期市场的走向，把握市场的关键则是对边际电价的准确预测。因此，边际电价的预测是发电企业进行“竞价上网”急待研究和解决的课题之一。同时，从购电方来看，边际电价构成了它的单位购电成本，边际电价的预测使自身的动态成本控制成为可能；从市场的监管者来看，边际电价的预测可为市场健康、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。所以，边际电价预测对于电力市场中的各个参与者都具有重要意义。论文主要研究电力系统短期边际电价预测。首先分析了影响电价的主要因素及电价的变化特点，明确电价变化的规律性，分析了电价预测模型中必需引入的影响电价的因素。短期边际电价受到诸多因素的影响，特别是一些人为因素、市场力因素等对电价有很大的影响。这些因素严重扭曲了电价本来的面目，加大了电价预测工作的难度。论文详细分析了市场力对电价的影响，提出了在预测模型中加入衡量市场力的指标—市场供需比指标。通过仿真计算验证了加入市场供需比指标后的模型预测精度有极大提高。电力系统的负荷是一个时间序列，电价也是一个时间序列，因此，从理论上讲，凡是能用于负荷预测的方法都可以用于电价预测，如时间序列法、人工神经网络法、小波变换法等。但是电价由于其多变、影响因素多等固有的特点，使得电价预测比负荷预测难得多，目前的电价预测方法都不尽如人意。论文在预测技术的选择上，通过比较了常用的几种方法的优缺点，提出用RBF网络对边际电价进行预测。针对RBF网络的特点提出了用递阶遗传算法同时优化RBF网络结构及参数。通过仿真算例验证了所提方法的可行性。6.会议论文曹玲玲.周明.李庚银基于时间序列法的中长期电价预测模型研究2006在电力市场中，电价一般指电能的市场出清价(MCP)。由这些电价形成的时间序列前后时段具有较强的相关性，时间序列法能够根据这种时段间的相关性建立时间序列模型，进行未来电价的预测。中、长期电价预测相对短期而言，时间跨度大，周期性复杂，存在更多不确定性，逐点进行准确预测难度很大，所以，本文尝试采用不同的复合时间序列模型，结合小波分析，分别对中长期电价的水平进行预测，即用各模型预测中、长期电价的均值和峰、谷值出现情况。为了对比结果，将未结合小波分解的各模型预测结果与之进行比较，为制定中、长期合约交易及电网规划等提供参考。算例采用美国加州市场2001年7-12月日平均电价历史数据预测2002年7-12月日平均电价的均值和峰、谷值出现情况。7.学位论文冯义发电企业成本管理与竞价优化理论与应用研究2008营销环境的不断变化导致我国发电企业面临空前的竞争压力。一方面，发电企业从资产规模竞争逐渐转变为成本竞争，成本领先战略成为发电企业的共识；另一方面，面对“竞价上网”的市场方向，电价的分析与预测成为发电企业关注的焦点。本论文在对国内发电企业的营销环境进行分析总结的基础上，通过解释结构模型最终形成风险系统的递阶有向图。对发电企业而言，成本和电价是关键性的、相对可控的风险因素。对成本管理模式的进一步研究和对市场价格的分析及预测成为本文的重点研究内容。本论文对传统成本管理模式进行了总结，结合发电企业自身的业务特点，对发电企业运用作业成本管理模式的现实性进行了探讨。发电企业作业成本管理模型的设计主要包括以下内容：一、建立资源库，为进一步分摊到作业及成本对象建立基础；二、根据发电企业的相关业务流程，并参考国际标准，建立层次清晰、符合行业标准的电力作业库；三、确定以发电设备系统及机组为核心的成本计算对象；四、设计成本动因模型。论文针对上述各个环节展开深入讨论，并给出各个环节的具体模型设计过程。电价分析及预测的主要技术通常归结为两种：基于统计学的方法，以及基于人工智能的方法。其中，广义自回归条件异方差模型由于能较好的适应电价的异方差特点而应用广泛，但模型所需的参数化假设条件对其应用造成了限制。本文在时间序列法的基础之上，研究了条件方差函数的非参数估计方法并将其应用在日前电价曲线的预测中。实际算例表明，本论文研究的方法能够更有效的预测电力市场中时常出现的价格尖峰。单一模型预测电价因各自特点有不同的适应性，多模型组合预测电价能够综合各种方法所提供的有用信息，提高预测精度。在对各种模型所得结果的权重处理上，论文提出利用预测时点的环境信息来评价各单一预测模型在该时点的可信度，然后利用Dempster-Shafer证据理论的数据融合原理对单一模型的可信度进行综合处理，从而最终确定其组合权值。实际算例证明，基于Dempster-Shafer证据理论的多模型组合方法可以较好的处理波动较大的电价预测多模型组合问题，模型的预测精度较其他方法有明显的提高。在上述理论研究基础上，论文进一步探讨了发电企业协调竞价的优化机制及系统设计，以期为发电企业的具体应用建立基础。8.期刊论文杨俊.张勤.潘虹.张婷婷.YANGJan.ZHANGQin.PANHong.ZHANGTing-ting遗传程序设计在短期电价预测中的应用-电力学报2009,24(1)介绍了遗传程序设计的原理,提出了一种基于遗传程序设计的短期电价预测新方法.首先对数据进行预处理,然后利用遗传程序设计进行演化建模,采用美国加利福尼亚州电力市场历史数据进行预测,通过和时间序列法的预测结果进行比较,验证了该方法在短期电价预测中的有效性.9.学位论文刘建辉电力市场数据挖掘和电价混合模型构建2006电力工业放松管制，引入竞争的市场机制，逐步建立电力市场来优化资源配置是整个电力系统的发展趋势。电力市场中电价的确定是最本质、最关键的部分，如何合理的根据市场需求确定相应的电价直接影响到电力市场能否正常的运营。怎样根据电力市场的相关历史数据准确的预测出市场出清电价具有十分重要的意义。电力系统的负荷是一个时间序列，电价也是一个时间序列，因此，从理论上讲，凡是能用于负荷预测的方法都可以用于电价预测，如时间序列法、人工神经网络法、小波变换法等。但是电价由于其多变、价格尖峰等固有的特点，使得电价预测比负荷预测难得多，目前的电价预测方法都不尽如人意。数据挖掘(DataMining，简称DM)，又称为数