电力市场短期电价预测方法综述

《电力市场短期电价预测方法综述》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预测进行了深入

2、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、近似稳定市场和不稳定市场。波动率高的市场电价比

3、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。②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。③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。④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差特性。1.2电价预测的分类按预测点的类型分，电价

4、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

5、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)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

6、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~!.+•••+?渍pyt-p+at_9lat~l0qat~l(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p和91,-0q,分别为自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

7、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⑴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

8、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模型和GA