基于时间序列方法的短期电价预测

《基于时间序列方法的短期电价预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海大学硕士学位论文摘要电力市场环境下，电价是整个市场的核心内容，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。对发电商而言，准确的电价预测，能够，为制定最优投标策略提供重要的依据，以期获得最大利润；对购电方来说，市场的出清价构成了自己的单位购电成本，准确的电价预测使动态成本控制成为可能；从市场监管者的角度看，准确的电价预测可为市场的健康稳定的发展和各种政策的制定提供科学的依据。所以市场出清价对于电力市场中的每个参与者都具有极重要的意义，成为了当前电力市场的一个重要研究热点。电价具有与负荷相似的周期性，但电价比负荷的波动性更强烈，受到的影响因素更多，它们包括确

2、定性因素和不确定性因素，其中很多是时变因素，这些使准确的电价预测变得更难更有挑战性。本文首先比较了现有文献的几种主要电价预测方法。由于时间序列法需要的历史数据较少，计算速度快，能反映电价变化的趋势性，因此得到了广泛应用。其中，传递函数模型能够考虑电价以外的影响因素，本文选用传递函数模型来预测电价。其次，提出了以负荷作为输入的分时段传递函数电价预测模型。该模型考虑到负荷对电价的影响以及分时段电价序列能够简化电价特征，对不同时段电价建立模型。为降低预测方差，本文进一步对原始数据采取对数预处理的方法，建立了改进的分时段模型。对这两种模型进行算例仿真，结果显示两种模型的预测误差均在

3、3．5％以下，都能准确地预测电价；比较结果还表明传递函数模型在负荷较低时具有优势，而对数预处理方法在负荷较高时能平缓电价的变化，减小预测误差。最后，建立了以负荷率作为输入的分时段传递函数模型。定义负荷率为系统负荷与发电商上报的系统最大可用容量之比，它在一定程度上能够反映发电商的策略性报价行为。分别计算负荷、负荷率与电价的相关系数，表明负荷率与电价具有更强的相关性。利用算例比较负荷作为输入的模型和负荷率作为输入的模V上海大学硕士学位论文型，结果表明，后者具有较小的预测误差方差，预测稳定性很高，能够对快速变化、波动强烈的电价及时预测，其预测误差比前者减小0．5％以上，在高电价时

4、段其预测的优势更加明显。关键词：电力市场、电价预测、时间序列法、系统负荷率上海大学硕士学位论文ABSTRACTElectricitypriceplaysacoreroleinelectricitymarketenvironment．AccuratepriceforecastingprovidescrucialinformationformarketparticipantstomakereasonablebiddingstrategiesSOastomaximizetheirbenefits．Forgenerators，iftheycanaccuratdypredictthe

5、next-daymarketclearingprices，itishelpfulforthemtoformulatealloptimalbiddingstrategytomaximizetheirprofits；Fromthepointofviewofcustomers，themarketcleatingpricesaffecttheunitcostofelectricity-purchasing，marketpriceforecastingmakeitpossibleforcustomerstocontroltheirowndynamiccost；Fromthepoint

6、ofviewofmarketregulator,marketcleatingpriceforecastingishelpfulnotonlyforhealthy,stableandorderlydevelopment，butalsosuppliesfoundationsforestablishmentofallenergypricepolicies．Therefore，powermarketclearingpriceforecastingisofgreatsignificanceforallparticipants．Ithasbecomeanimportantfocusin

7、theresearchfieldofelectricitymarket．Electricitypricepresentsseasonalitysimilartodemand，butitpresentshighervolatilityandhasmoreaffectingfactors，whichincludedeterministicanduncertaintyfactors，mostofthemaretime-varied．Thesemakeaccuratepriceforecastingmoredifficul