电力市场下短期电力价格分析与预测研究

摘要

在竞争环境下，电价是整个电力市场的核心。准确的电价预测不仅有助于发电企业构造最优的报价策略、实现自身利益最大化，而且有助于用户降低使用成本，减少浪费。因此，电价的分析与预测是电力市场中一个非常重要的研究课题。目前已提出多种电价预测方法，主要有时间序列法和人工神经网络法等。由于电价受到众多因素的影响，表现出较大的波动性，因此，电价预测难度非常大，其预测方法和预测精度有待进一步改善和提高。
　　 本文针对短期日前电价的分析和预测展开研究：
　　 首先，本文简要介绍了电力工业改革历史，阐述了电价预测的意义，总结了已有电价预测方法的优缺点；然后，对电价的影响因素和电价的特点进行了详细分析和实例验证；其次，分别采用BP人工神经网络和最小二乘支持向量机对电价进行建模和预测，并比较了两者的预测结果，结果表明采用最小二乘支持向量机的预测精度高于采用BP人工神经网络法的预测精度；最后，本文在电价时间序列的特点基础上，结合最小二乘支持向量机算法，提出一种基于时间序列分解的短期电价预测方法。
　　 该方法首先将电价分解成工作日电价和周末电价两个时间序列，并且通过移动平均法和离散傅里叶变换，分别将这两个时间序列分成趋势分量、周期分量和随机分量三个组成部分；然后，根据三个分量各自的特点，分别采用移动平均法、外推法和最小二乘支持向量机对其进行预测以求得两个电价时间序列未来的预测值；最后，在真实的电力市场中进行验证。仿真结果显示其有效性和实用性。与采用BP人工神经网络和最小二乘支持向量机的预测方法相比，该方法具有较高的预测精度，其预测平均绝对百分比误差在7％以内。

目录

文摘

英文文摘

插图索引

附表索引

第1章 绪论

1.1 电力工业改革历史

1.1.1 世界各国电力市场化进程

1.1.2 我国的电力市场化进程

1.2 电价的含义

1.3 电价的作用

1.4 电价预测的意义

1.5 电价预测的分类

1.6 已有电价预测方法

1.6.1 时间序列法

1.6.2 人工神经网络法

1.6.3 其他数学方法

1.7 本论文的主要工作

第2章 电价的影响因素与电价特点分析

2.1 电价的影响因素

2.1.1 电力市场外部因素

2.1.2 电力市场内部因素

2.2 电价的特点

2.2.1 电价的均值回复特点

2.2.2 跳跃性和价格尖峰

2.2.3 趋势性

2.2.4 周期性

2.2.5 交易日相邻时段电价存在相似性

2.2.6 电价的概率分布特点

2.3 本章小结

第三章节 基于BP神经网络的短期电价预测

3.1 神经网络简介

3.2 BP神经网络

3.3 基于BP神经网络的短期电价预测

3.3 本章小结

第4章 基于最小二乘支持向量机的短期电价预测

4.1 机器学习理论

4.1.1 经验风险最小化

4.1.2 模型复杂性和推广能力

4.2 统计学习理论

4.2.1 VC维

4.2.2 推广性的界

4.2.3 结构风险最小化

4.3 支持向量机及其算法

4.3.1 最优分类超平面

4.3.2 支持向量机

4.3.3 核函数

4.3.4 支持向量机回归原理

4.4 最小二乘支持向量机

4.4.1 最小二乘支持向量机的基本原理

4.4.2 核函数类型和模型参数的选择

4.4.3 实例分析

4.5 本章小结

第5章 基于时间序列分解的短期电价预测

5.1 电价时间序列的分解与分离

5.1.1 基于移动平均法分离趋势分量

5.1.2 基于离散傅立叶变换分离周期分量

5.2 电价预测

5.2.1 趋势分量预测

5.2.2 周期分量的预测

5.2.3 基于最小二乘支持向量机的随机分量的预测

5.3 算例分析

5.3.1 测试样本

5.3.2 性能评估指标

5.3.3 预测结果

5.4 本章小结

结论

参考文献

致谢

附录A（攻读硕士学位期间所发表的学术论文目录）