基于人工免疫系统小波网络的电力市场出清价预测

市场出清价具有非线性和多时间尺度的特性,而小波网络具有多分辨和非线性逼近的功能。为此,采用人工免疫系统优化小波网络各个参数,用优化后的小波网络来描述市场出清价的变化规律并对次日市场出清价进行预测。研究结果表明,人工免疫系统小波网络预测精度较高,具有广阔的应用前景。

三角旋回优化支持向量机预测出清价及价格钉

针对传统支持向量机参数较难选择的问题,提出一种新的全局优化方法——三角旋回算法(Triangle Gyration Algorithm,TGA)来优化支持向量机的参数,并且建立了三角旋回支持向量机数学模型。三角旋回算法具有结构简单、鲁棒性强和快速收敛的特点。算法的寻优过程采用历史最优目标函数值进行指导,利用三角变换进行迭代使其能够快速收敛到全局最优。将其应用于电力市场出清价及价格钉的预测实例研究,与传统的支持向量机预测结果比较,三角旋回支持向量机具有更高的预测精度。

利用随机森林回归的现货市场出清价格预测方法

为得到一种实用性较强且具有较高精度的电力现货市场出清价格的预测方法,该文尝试将随机森林回归应用到现货市场出清价格预测。首先通过随机森林回归的特征重要度分析功能对历史出清价和负荷输入进行特征筛选,然后建立基于随机森林回归的市场出清价预测模型,以网格搜索和交叉验证的方法确定模型参数,最后与基于决策回归树、支持向量机回归和人工神经网络的方法在北欧现货市场公开数据的基础上进行对比试验。试验结果表明该文设计预测方法相较其他方法的平均预测精度至少提高了25%,且预测效果较为稳定,同时输入特征筛选方法的应用能够进一步提高各个模型的预测精度。

基于DPBIL-SVM混合模型的电力现货市场出清价预测研究

为准确预测现货市场出清价,利用改进的基于种群增量学习的进化算法(DPBIL)对SVM参数进行优化,构建了基于DPBIL-SVM的混合预测模型,将该模型应用于挪威电力市场短期电价预测中,并与灰色GM(1,1)模型和BP人工神经网络模型进行比较。结果表明,所提模型能够将现货市场出清价预测误差控制在5%以下,合格率97%,效果优于灰色GM(1,1)模型和BP人工神经网络模型,符合现货市场实际报价的要求。

基于数据挖掘与支持向量机的现货市场出清价预测方法

现货市场环境下,市场出清价对于电力市场的发、用两侧参与者和市场管理者都是极为重要的信息。因此,市场出清价的预测研究越发重要。首先分析大多数传统电价预测方法采用的连续序列与该文选取的同时段的电价序列表现出的变化特征差异,给出选取同时段电价序列作为输入的原因。然后基于数据挖掘相似性理论,通过欧氏距离和角度距离2个维度识别历史电价相似序列,得到模型所需训练集数据。以支持向量机(SVM)为预测工具,并利用遗传算法对SVM的关键参数进行寻优。最后将模拟预测结果与不考虑历史相似状态的SVM模型、BP神经网络模型进行对比,通过误差分析证明了所提模型具备更高的预测精度。

需求弹性对统一出清电价下发电容量持留的影响

分析了统一出清电价机制对发电商持留容量的激励,针对电力市场设计中应充分考虑需求响应的积极作用,建立了需求曲线线性条件下的需求弹性对单个及N个不同发电商临界及最优持留容量的影响的详细数学模型,并用实例进行了仿真。仿真结果证实了在单一买方的实时电力市场中引入需求价格弹性的必要性,而且随着需求弹性的增加发电商有利可图的持留容量空间也趋于萎缩,因此可以作为制约发电商利用容量持留而哄抬电价的有力工具。

基于最大Lyapunov指数的市场出清电价预测

应用相空间重构和最大Lyapunov指数的计算方法对市场出清电价序列特性进行判定。依据最大Lyapunov指数预报模式,构建基于一种新的出清电价预测模型。对某电力市场1999 01 01—1999 08 31的电价进行混沌时间序列判定,采用最大Lyapunov指数预报模型和AR(2)模型进行预测。研究结果表明:采用最大Lyapunov指数预报模型预测所得市场出清电价预测值与实际值的平均绝对误差率为7.234 7%,最大绝对误差率为17.017 5%;采用AR(2)模型预测预测所得市场出清电价预测值与实际值的平均绝对误差率为5.540 8%,最大绝对误差率为11.830 0%;总体上,最大Lyapunov指数预报模型预测结果的精度略比AR(2)模型预测结果的精度低,但绝对误差率大于6%的时点数少于AR(2)的预测数,这表明应用最大Lyapunov指数对出清电价进行预测具有可行性。

MCP机制下的发电商报价策略研究

建立了一个考虑发电商的单位成本、最高报价、低于和等于市场出清价格(MCP)竞价成功的两种可能性概率的不完全信息模型.针对该模型,提出用预期市场出清电价和贝叶斯博弈结合的方法,求出以发电商收益最大为目标的报价策略,为电力市场内发电商的报价提供了一种新的分析途径.

基于遗传算法和BP神经网络的电价预测

给出了一个发电侧竞价模型中应用遗传算法与BP算法结合进行市场出清价预测的实例。与使用传统BP神经网络预测的方法进行比较,结果表明,该方法具有更高的预测精度,并总能收敛于全局最优解。

基于MCP预测误差VaR值的日前现货市场竞价模型研究

日前现货市场环境下,合理申报段电量和段电价是提高发电企业利润的重要报价策略。为了制定满足风险要求的这一策略,从发电企业的角度出发,通过分析历史预测出清价的误差,统计其概率分布,最后得到误差在不同置信度下的VaR值,并且通过VaR值来指导发电企业进行段电量和段电价的申报。计算实例表明,该法不仅满足独立发电企业所要求的简单、实用原则,并且能够满足日前现货市场竞价要求。

基于PSO训练BP神经网络的短期电价预测

以美国PJM电力市场为背景,利用历史负荷、系统剩余容量百分比和清算电价对未来时段电价的影响来进行短期电价预测,给出了一个发电侧竞价模型中利用PSO训练BP神经网络进行市场出清电价预测的实例。与使用传统BP神经网络预测的方法进行比较,结果表明,该方法具有更高的预测精度,并能收敛于全局最优解。

基于爬坡约束条件下的多时段竞价模型

本文建立了基于爬坡约束的多时段竞价模型,并通过数据模拟计算,分析比较,从中得出一些有用的结论.这些结论对进一步改善现有的竞价模型可以起到启发指导的作用.

电力市场非单调报价曲线及其交易算法研究

讨论了非单调报价曲线的合理性以及解的存在性,并提出了一种利用遗传算法对任意形状的报价曲线进行求解的方法,从而为实现电力市场的"公平、公正、公开"提供可靠的技术保障。

市场电价首次超过燃煤标杆电价影响几何

5月底新疆电力交易中心新疆交易中心公布新疆5月月内集中竞价交易结果,统一出清价差为+34元/兆瓦时,折算上网侧电价为284元/兆瓦时(标杆电价为250元/兆瓦时),这是国内首次出现月内集中竞价市场正价差现象,一改电力行业及资本市场对市场电价的一贯认知。

电力中长期合约交易市场的运作机制及模型

电力市场中的合约市场是为了防范风险 ,保证电力市场运营的有序性 (防止电网潮流运行方式随机性影响系统安全、电力供应和电价的稳定性 ) ,保持燃料供应的长期稳定。文中从合约的标准化、数据申报的过程、合约市场分组竞价、需求预报和发布、合约市场数据申报与审核、竞价规则、合约电量的履行、交易机制、市场出清与清算、合约的变更、合同违约及处理等方面详细地介绍了中长期合约交易市场的运作机制。

MCP机制下考虑供需弹性的发电容量持留

统一出清的定价机制是电力市场中发电商存在持留行为的根本原因。针对电力市场设计中应考虑供需弹性的积极作用,该文分析了拥有边际机组的单个发电商容量持留行为发生的条件及其影响因素,并提出了将持留前后的购电费用之比作为衡量系统持留严重程度的指标W,算例验证,证明供需弹性可以作为制约发电商利用容量持留哄抬电价、危及市场稳定性的有力工具之一。

适用于不同电力市场行为的电力市场仿真器(英文)

设计并开发了一个基于网络结构,能够模拟电力运行方式的电力市场仿真器,并在.NET Frame- work上开发了此电力市场仿真系统。该仿真器采用了ASP.NET 2.0开发用户界面,C#作为编程语言以及采用SOL Server 2000作为后台数据库,这样的结构可以灵活地仿真及图形化显示电力库架构下的日前及实时市场运行行为,计算出市场结清价及结清容量。该电力市场仿真器利用了内嵌于.NET Framework的浏览器/服务器结构的卓越特性,这种结构可以实现基于开放标准和异构平台的分布式网络服务请求。并且,这种基于.NET平台构架的结构很适合用于地理位置相隔甚远的市场参与者(诸如市场运营商、发电商、用户等)进行信息传递。仿真实例显示,该仿真器具有很好的可扩展性和维护性。

Nash均衡算法在发电侧营销策略中的实际应用

报价是每一个发电厂商在电力市场竞争中追求最高利益的决定性因素。结合电厂在电力市场竞争中博弈的本质属性,利用Nash均衡算法预测广东集中竞价市场出清价,其结果与实际出清价相差较小,在一定程度上说明Nash均衡算法对燃煤发电厂在电力市场竞争决策中具有借鉴意义。

电力市场中水火电优化的调度

研究了在电力市场中考虑水火电的优化调度问题,给出了适合水火电调度的网络流规划算法模型。

抑制默契合谋报价的购电期权机制设计

为促进电力市场的有效竞争,对发电商间默契合谋的影响因素和机理的研究已见于诸多文献。提出一种抑制现货竞价中发电商间默契合谋的手段———通过引入购电期权,不仅使现货竞价电量具有不确定性,还使市场可以根据发电商的报价策略主动调整现货竞价电量;设计了该购电期权的交易流程;从购电期权对于市场规避电价波动风险的价值的角度,研究了该购电期权的定价问题,给出了单位电量购电期权的权利金;运用算例验证了该定价方法的可行性。