电力市场短期电价预测方法综述.doc

《电力市场短期电价预测方法综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、电力市场短期电价预测方法综述摘要：随着电力系统的市场化运行，短期电价的准确预测发挥着越来越重要的作用。文章阐述了电价的特点及预测的分类，对时间序列、人工神经网络和组合预测方法这三种常用的预测方法进行了评述，最后探讨了短期电价预测方法的进一步研究方向。关键词：电力市场；短期电价；时间序列法；神经网络;组合预测中图分类号：TM731文献标识码：A文章编号：1006-8937(2012)35-0131-02随着近年来全球电力市场的蓬勃发展，电价作为电力市场中的基本要素，其核心地位受到人们越来越多的重视。近年来国内外学者开始对电价

2、预测进行了深入的研究，并提出不少行之有效的电价预测方法。本文对目前常用的3种短期电价预测方法进行介绍，并展望该领域研究发展的前景。1电价的特点及其预测的分类1.1电价的特点当前电力市场交易中，一天通常被分为24或48个时段,每个时段的电价被拍卖产生出24个或48个电价，这些离散的电价按时间先后排列就形成了电价的时间序列。电价受负荷需求、输电阻塞、机组可用容量、社会经济形势、发电商市场力等因素影响，具有以下特点：%1较强的波动性。与负荷相比，电价的波动性要远远大于负荷。按波动率的大小可将电力市场分为稳定市场、近似稳定市场和不

3、稳定市场。波动率高的市场电价比波动率低的市场电价要更难预测，结果难以保持在很高的精度。%1跳跃和尖峰特性。电价趋势会展现出跳跃特性，出现零电价、负电价和价格尖峰。电价跳跃的时间和高度在现有的预测方法中无法得到准确的预测。%1周期性。与负荷相似，电价变化也呈现出较强的周期性，包括日周期、周周期和月周期。研究表明，负荷的周期变化是电价预测必须考虑的一个重要因素。%1均值回复。电价和一般商品一样，围绕在价值附近波动，具有均值回复特性；但不同时段的电价的均值是不同的,且方差会随时间的变化而变化，不恒为一个常数，也就是说电价具有异方

4、差特性。1.2电价预测的分类按预测点的类型分，电价预测可分为市场统一出清电价预测、节点边际电价预测和区域边际电价预测。一般情况下所说的电价预测均指市场统一出清电价的预测。按预测时间分，电价预测可分为中长期电价预测和短期电价预测。前者主要是月电价预测和年电价预测，但因受较多不确定因素影响，预测结果可信度低，目前国内外开展的研究也不多。后者主要包括周电价预测、日前电价预测和小时前电价预测，其中日前电价预测是目前电价预测研究的热点和重点。按预测内容分，电价预测可分为确定性预测和空间分布预测，确定性预测的结果是给出一个确定的电价预

5、测值，主要用于短期电价预测，是当前研究的热点。而电价空间分布预测则基于概率论和数理统计理论，确定预测电价的可能波动范围和某段时期内的均值，主要用于中长期电价预测。2短期电价预测方法目前较为成熟的预测方法主要有时间序列法，以神经网络为代表的智能算法以及组合预测方法。2.1时间序列法时间序列法是指利用电价时间序列自身的相关性，通过已有的数据样本建立电价的时间模型序列进行短期电价预测，其优点在于模型的各分量均有明确的物理意义，解释性强，容易理解。常用的时间序列模型有自回归（AR）模型、动平均（MA）模型、自回归滑动平均（ARMA

6、）模型及累积式自回归滑动平均（ARIMA）模型。由于AR模型、MA模型均具有较大的缺陷,目前在短期电价预测中运用较多的是ARMA模型和ARIMA模型。ARMA是AR模型和MA模型的结合，预测思想为序列当前值yt是现在和过去的误差(at,at-1,…，at~q)以及之前的各序列值(yt,yt-1,…，yt-p)的线性组合，其数学表达式为：yt=?渍lyt-l+?渍2yt-l+***+?渍pyt-p+at-6lat-19qat-1(1)式中，p,q分别为自回归阶数和滑动平均阶数？渍1,?渍2,…，？渍卩和。1,-Oq,分别为自

7、回归系数和滑动平均系数。ARMA模型是建立在电价序列为平稳的随机序列的基础上，而实际的市场电价序列往往具有非平稳的特性，因此需对电价序列进行预处理，即先采用差分方法将电价序列平稳化，然后将预处理后的平稳序列通过ARMA模型建模，这就构成了ARIMA模型。文献［1］首次引入ARIMA模型预测电价,取得了较好的效果，但该文献并无考虑负荷等其他因素的影响，使得预测精度收到限制。上述模型均假设电价序列的方差为常数，而如前所述，电价具有异方差性，这一特性可以用广义均值回复时间异方差(GARCH)模型来描述。GARCH模型认为电价的方

8、差与历史电价及历史电价的方差均有关系，不再是满足正态分布的随机数。因此，GARCH模型是一种使用过去电价变化和过去方差来预测未来变化的时间序列建模方法。文献［2］考虑了电价序列的异方差性这一因素，建立了基于时间序列条件异方差(GARCH)的电价预测模型，取得了平均误差5.76%的预测效果。传统的ARMA