GM（1，2）短期现货电价灰色预测模型

《GM（1，2）短期现货电价灰色预测模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、维普资讯http://www.cqvip.com第34卷第1期继电器Vo1．34No．1462006年1月1日RELAYJan．1，2006GM(1，2)短期现货电价灰色预测模型苏娟，杜松怀(中国农业大学信息与电气工程学院，北京100083)摘要：在电力市场中，电价预测对市场参与者具有非常重要的意义。该文检验了GM(1，2)灰色模型在现货电价预测中的应用效果。在对GM(1，2)模型进行修正的基础上，分别建立了计及负荷因子的预测模型和计及预测时刻前一小时电价的预测模型，并对模型进行了等维新息处理。对美国PJM电力市场的峰荷时段、腰荷时

2、段和低谷时段的LMP实时电价分别进行了预测。预测结果表明，计及预测时刻前一小时电价的预测模型具有较好的预测效果。关键词：电价预测；灰色系统；GM(1，2)模型；电力市场中图分类号：TM73文献标识码：A文章编号：1003-4897(2006)01-0046-042)对GM(1，1)模型无法引入电价影响因素的0引言缺点进行了改进。电力工业从垄断走向市场，使得电价不再由政3)能适应系统的快速动态行为，模型简单，计府确定，而是在市场机制下产生。在电力市场中，电算速度快。能交易的效益最终是通过电价体现的，对市场参与4)对GM(1，2)模型系

3、数进行修正，改善了预测者来说，提前知道准确的电价信息有着非常重要的结果经常出现无效值(负值)的缺点。意义。5)历史电价数据采用水平电价序列。目前电价预测的方法主要是神经网络法、时间6)采用等维新息处理技术，使得模型充分利用序列法以及在此基础上与其他理论相结合的方法。新信息，实现数据的“新陈代谢”。这些方法主要是根据大量的历史数据，找出电价序模型中分别引入了负荷和预测时刻的前一小时列的波动规律，从而建立预测模型进行预测。电价这两个影响因素，作为相关因素序列。对美国而灰色模型不需要任何原始序列的概率分布，PJM电力市场的峰荷时段、腰荷时

4、段和低谷时段的可实现少数据建模。GM(1，1)灰色预测模型在现LMP实时电价分别进行了预测。预测结果表明，计货电价预测中已取得了较好的预测效果¨工。本文及预测时刻前一小时电价的预测模型具有较好的预提出了一种基于GM(1，2)灰色现货电价预测模型，测效果。来验证它的预测效果。1GM(1，2)预测模型在电力市场中，现货电价具有信息的不完全和不确定的性质，符合灰色变量的特征。因此可采“灰色系统”理论是邓聚龙教授于1982年创立用灰色模型预测短期现货电价。建立现货电价的的。灰色预测具有所需原始信息少，计算过程简单，GM(1，2)模型除了引入

5、电价本身历史数据外，还能预测结果可检验性等优点，因此应用广泛。下面介够引入一个电价的相关因素序列，理论上比只研究绍灰色模型的基本方法_4J。电价历史数据的GM(1，1)模型有更好的预测效果。设∽={∞(1)，∞(2)，⋯，∞(n)}为系因此，本文在对GM(1，1)灰色模型研究的基础统特征数据序列，∽上，提出了GM(1，2)模型的短期现货电价预测方={(1)，∞(2)，⋯，∞(n)}为相关因法，并对其系数进行了修正，目的在于验证GM(1，素序列。2)灰色模型在短期现货电价中的预i贝0效果，寻找简1)灰生成单、精确的预测方法。本模型的特

6、点是：灰色系统常用的生成方式有三类：累加生成1)根据灰色理论的数学原理，充分挖掘电价数(AGO)；累减生成(IAGO)；映射生成。这里只考虑据的信息资源，实现少数据建模。累加生成。维普资讯http://www.cqvip.com苏娟，等GM(1，2)短期现货电价灰色预测模型47累加生成：记”为∞的累加生成序列，i=用修正后的模型对电价进行预测，预测效果得1，2，它们满足下述关系，即到了明显提高。()=∑∞()(1)2基于GM(1，2)预测模型的现货电价预测i：1称为一次累加生成，常记为1一AGO。2．1历史电价数据的结构形式2)建立

7、GM(1，2)微分方程本模型的历史电价数据采用水平电价序列。水平电价序列是由不同交易日、同一时段的电价构成的d譬⋯：(2)数据序列。一般情况下，每个交易日至少有24个交易时段，每个交易时段均对应一个水平电价序列j。参数列为三=[；]，其中口称为系统发展系数，6称为2．2GM(1，2)模型的相关因素序列驱动系数，用最小二乘法求解，三=(BB)曰。模型中的系统特征数据序列(0]()，=1，2，其中⋯，DW；(DW为序列长度，即模型的数据窗长度)为一1(f1)(1)+(1)(2))2)原始电价序列。相关因素序列()，=1，2，⋯，DW+1

8、；本文分别采用负荷序列和预测时刻的前一一1((1)(2)+(1)(3))3)B=／J、时电价序歹0。；2．3等维新息处理在实时系统中，新的电价数据不断涌现，未来的一1((1)(n一1)+(1)(n))n)一些扰动因素将不断地相继侵入系