電力市場中周末邊際電價預測方法研究

《電力市場中周末邊際電價預測方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、李郁俠等：電力市場中周末邊際電價預測方法研究電力市場中周末邊際電價預測方法研究李郁俠1，石曉俊1，段凌劍2，高福榮2（1.西安理工大學，西安710048；2.南椏河流域水電開發(fā)總公司，成都610061）摘要:在按邊際電價進行結(jié)算的電力市場環(huán)境下，準確預測次日系統(tǒng)邊際電價（SMP）對發(fā)電廠進行策略性報價有著重要意義。本文針對周末邊際電價的特殊性，采用相似搜索和人工神經(jīng)網(wǎng)絡（ANN）建立了預測周末電力市場邊際電價的數(shù)學模型，并運用Matlab6.5中的神經(jīng)網(wǎng)絡工具實現(xiàn)預測模型,以美國加州2000年電力

2、市場的歷史數(shù)據(jù)進行實例計算，證明了該方法的有效性。關(guān)鍵詞:電力市場；電價預測；周末電價；相似搜索；神經(jīng)網(wǎng)絡中圖分類號：TM622文獻標識碼：A5李郁俠等：電力市場中周末邊際電價預測方法研究5李郁俠等：電力市場中周末邊際電價預測方法研究StudyonForecastingWeekendSMPinElectricPowerMarketLiYuxia1ShiXiaojun1DuanLingjian2GaoFurong2（1.InstituteofWaterResourcesandHydro-Electr

3、icEngineeringofXi’anUniversityofTechnology,Xi’an710048;2.SichuanNanyaheBasinHydropowerDevelopmentCompanyLimited,Chengdu610061)Abstract:Undertheconditionofelectricpowermarket,forecastnext-daysystemmarginalprice(SMP)isthefoundationofthepowermarketdecisi

4、on-making,andwhichisimportantfortheactors.ToforecastingweekendSMP,amathematicalmodelbasedonanaloguesearchingandartificialneuralnetwork(ANN)isdevelopedandrealizedusedtheneuralnetworktoolbarinMatlab6.5.TheexampleofforecastingSMPofCaliforniaelectricityma

5、rketdatashowsthismethodpromising.Keywords:electricpowermarket;forecastprice;weekendSMP;analoguesearching;artificialneuralnetwork在電力市場環(huán)境下，發(fā)電廠的發(fā)電收入不僅取決于系統(tǒng)結(jié)算電價，還取決于發(fā)電量在時間上的分配。但系統(tǒng)結(jié)算電價事先并不知道，因而迫使發(fā)電廠對次日系統(tǒng)結(jié)算電價進行預測，并采取合適的報價策略，根據(jù)電力系統(tǒng)供需情況合理安排發(fā)電運行方式，高電價時多發(fā)電，低電價時

6、少發(fā)電，從而提高發(fā)電廠的經(jīng)濟效益。系統(tǒng)邊際電價SMP（SystemMarginalPrice）是電力市場中反映電力商品短期供求關(guān)系的統(tǒng)一價格，當前國際上大多數(shù)國家和我國正在進行試點的幾個省級電力市場都是以此為核心進行結(jié)算。預先準確地對SMP進行預測是發(fā)電廠制定成功報價策略的基礎。目前，SMP的預測方法主要有以下四類：（1）基于時序分析的預測方法，如自回歸滑動平均模型（ARMA）[1]、門限自回歸模型[2]（SETAR）和雙線性時序模型等；（2）基于因子分析的預測方法，如線性回歸法、人工神經(jīng)網(wǎng)絡法[

7、3]、模型聚類與綜合評判方法等；（3）基于計量經(jīng)濟學的預測方法，如三時點模型[4]、霍爾特-溫特斯方程、馬爾克夫經(jīng)濟預測理論等；（4）基于組合思想的預測方法[5~6]等。但是大多數(shù)方法對周末邊際電價的預測效果都不能令人十分滿意。本文針對周末SMP的特點，將相似搜索和人工神經(jīng)網(wǎng)絡ANN（ArtificialNeuralNetworks）相結(jié)合進行SMP預測，其中相似搜索用來生成神經(jīng)網(wǎng)絡的訓練集和輸入矩陣。運用Matlab6.5中的神經(jīng)網(wǎng)絡工具建立預測模型，并以美國加州電力市場數(shù)據(jù)進行實例計算，證明了

8、該方法的有效性。1預測模型1.1周末SMP分析_____________________收稿日期：2004-11-02作者簡介：李郁俠（1953-），男，教授，從事水利水電工程方面教學、科研工作。5李郁俠等：電力市場中周末邊際電價預測方法研究影響SMP的因素主要來自以下兩個方面：（1）影響電力需求的因素，即用電負荷需求和時段的影響；（2）影響電力供給的因素，即參與競價的發(fā)電公司報價及發(fā)電功率、市場外機組發(fā)電功率、網(wǎng)絡約束、機組和線路故障等。另外，周末SMP有著它自身的特點，不同于工