基于小波分解的改进神经网络MCP预测方法及应用

电力工业的市场化改革突出了市场清算价格(MCP)预测的重要性。文中以浙江电力市场为背景,提出了一种基于小波分解和神经网络的MCP预测方法。该方法对原电价数据进行了预处理,将经小波分解去除细节后的重构电价序列作为输入参数,并且依据“重近轻远”的原则及考虑到电价具有星期的周期性的特点,重新设计了神经网络拟合误差的代价函数。对浙江电力市场下一交易日的MCP进行了预测,预测精度达到90％左右。

Copula-MCP洪水概率预报方法研究与应用

常用的洪水概率预报方法一般都采用了正态化变换与线性假设,可能会导致信息的丢失,也影响了其对洪水过程的适用性。鉴于此,将Copula函数与模型条件处理器MCP相结合,不需要正态-线性条件约束,直接推求以预报值为条件的流量分布函数,构建Copula-MCP的洪水概率预报模型。以淮河王家坝断面为例,在经验降雨径流模型API的确定性预报结果的基础上,采用Copula-MCP模型实现洪水概率预报。对1990-2010年共25场洪水的研究结果表明:Copula-MCP模型优于MCP模型的概率预报结果,Copula-MCP模型的期望值预报亦优于API模型结果。

缺血性脑卒中患者外周血TREM-1、MCP-1水平与血管性痴呆的相关性

目的探讨缺血性脑卒中患者外周血髓系细胞触发受体-1(TREM-1)、单核细胞趋化蛋白-1(MCP-1)水平与其发生血管性痴呆(VaD)之间的相关性。方法100例缺血性脑卒中老年患者为观察组,另选择同期100例健康体检者为对照组。检测观察组患者入院时、入院第1天、第3天、第5天及第7天血清TREM-1、MCP-1水平,对照组体检当天测定血清TREM-1及MCP-1水平。根据蒙特利尔认知评估量表(MoCA)评分将观察组分为无VaD组,轻度、中度和重度VaD组,通过Pearson单因素分析和Loglist回归分析血清MCP-1、TREM-1水平与患者血管性痴呆的相关性,并采用ROC下面积(AUC)分别评价单项指标对患者疾病的预后评估价值。结果观察组患者MCP-1、TREM-1水平及合并高血压病史人数均高于对照组(P<0.05)。观察组患者血清MCP-1和TREM-1水平入院第3天、第5天、第7天较入院时和入院第1天降低(P<0.05)。与无VaD组比较,其他组MEP-1和TREM-1水平升高,重度组MCP-1和TREM-1水平高于中度组和轻度组(P<0.05)。缺血性脑卒中患者MoCA评分与血清MCP-1、TREM-1水平呈负相关(r=-0.336、-0.734,P<0.05)。MCP-1、TREM-1水平均是影响缺血性脑卒中患者发生血管性痴呆的独立危险因素(P<0.05)。TREM-1 AUC为0.840,MCP-1 AUC为0.735(P<0.05)。结论缺血性脑卒中患者血清MCP-1、TREM-1水平与血管性痴呆呈负相关,均为影响缺血性脑卒中患者发生血管性痴呆的独立危险因素,对评估缺血性脑卒中患者病情程度、预测预后有重要参考作用。

基于风险的火电厂报价策略评估

提出了一种新的适用于火电厂报价决策的风险度量方法,建立了简化的发电侧电力市场电价与利润模型,提出了基于历史报价数据的相关性分析方法和成交价预测方法,以概率分布的形式表示预测结果,并结合实例分析了如何采用风险评估方法选择最优报价策略。

发电公司报价辅助决策系统研究

为了适应电力市场的需要,建立了发电公司报价辅助决策系统。该系统在完成诸如成本分析等基本功能模块的基础上采用Internet技术,由信息浏览终端、应用程序服务器、历史及实时数据库服务器及防火墙等功能模块组成,其具体实现可以基于Windows系列操作平台及国内外流行的商用数据库平台,采用面向对象的程序设计方法,以VC++6.0等语言为主要开发工具。

基于模块网络的市场清算价格预测模型

该文提出一种基于模块网络预测市场清算价格的模型。该模型通过模糊C均值聚类(FCM)算法,将输入空间“软”分割成若干区域,由局部专家负责提取特定域的特征,由集成单元的竞争混合机制输出结果,在减少了计算量的同时提高了预测精度,是突破传统全局预测模型的一种尝试。用美国加州电能交易所(CalPX)公布的真实数据得到的仿真结果令人满意。该模型为市场参与者制定投标策略提供了一种方法,也为市场管理者提供了一种监督市场力的工具。

基于神经网络的浙江发电市场清算电价预测方法

市场清算电价 ( MCP)预测是电力市场决策的基础。文中以浙江省电力市场为背景 ,采用 BP神经网络的方法 ,建立了提前一天的浙江电网发电市场清算电价短期预测模型 ,并针对不同时段分别建模。此外 ,根据浙江发电市场的特点 ,考虑市场外机组出力的影响 ,从供需出发 ,提出了竞价空间的概念 ,并据此设计了神经网络的结构。在线预测结果表明 ,该方法具有良好的预测效果。

基于RBF网络的电力市场清算电价预测

采用RBF网络模型对电力市场中的清算电价进行预测,聚类算法采用改进的模糊C均值聚类,减小了野值对输出结果的影响,隐层的输出采用聚类结果的隶属度函数,省掉了对径向基函数宽度的计算。通过美国加州电力市场公布的历史数据对该模型进行验证,结果表明该模型应用于电价预测具有较高的预测精度,并且具有训练速度快、不存在局部极小和过拟合等优点。

基于BP神经网络的开放电力市场电价预测

为更精准地预测电力市场电价,文章提出了一种基于BP神经网络的开放电力市场电价预测方法,并开发了一种3层BP神经网络方法来预测日间能源市场的市场清算价格。结果表明,开放电力市场的电价在很大程度上取决于负荷需求与结算价格的趋势。