《小波神经网络在电力系统短期电价预测中的应用.pdf》由会员分享，可在线阅读，更多相关《小波神经网络在电力系统短期电价预测中的应用.pdf（66页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、浙江大学硕士学位论文小波神经网络在电力系统短期电价预测中的应用姓名：陈思杰申请学位级别：硕士专业：电力系统及其自动化指导教师：周浩20060501浙江大学硕士学位论文摘要电力工业市场化是当前世界电力工业的发展趋势和国际电力科学研究与工程实践的热点。电价不仅是电力市场供求关系的信号，也是控制电力市场交易的经济杠杆，因此，如何合理的根据市场需求确定相应的电价直接影响到电力市场能否正常的运营。怎样根据电力市场的相关历史数据准确的预测出未来的市场出清电价，对于市场中的各个参与者都具有十分重要的意义。本文首先简单介绍了电力系统电价的组成、特点及其影响因素，对当前较常用的预测方法的优缺点进行了探讨。在对小
2、波变换理论和神经网络理论，及其各自在电价预测方面的优势进行分析的基础上，提出采用小波变换和B P 神经网络相结合的电价预测模型。通过利用小波变换理论著名的多分辨率分析的M A L L A T算法实现对电价序列的分解和重构。选择合适的小波基和分解尺度，将电价序列分解成一个低频分量和多个高频分量，从而进行电价特征的提取。利用所获得的电价备分量，本文采有两种方法来预测电价：一是对电价各分量分别建立B P 神经网络预测模型，最后汇总叠加各分量预测结果得到最终的预测电价。二是利用电价和电价分量作为B P 神经网络的输入，最后网络输出即为预测电价。为克服预测模型中B P 神经网络本身易于陷入局部极值的缺点
3、，本文提出多次重复预测方法和阈值处理方法修正预测结果，从而极大地提高了预测的精度和稳定性。结果表明模型二由于网络输入参量引入了受边界失真影响的小波低频分量，虽具有较高的精度，但是在稳定性方面不如模型一，但是两种方法都能显著地提高了日蜂、谷电价的预测精度。最后，本文提出了要提高电价预测的精度，需根据具体电力市场，加强对电价形成机理的分析，处理好预测模型输入变量的选择问题，努力建立符合实际市场电价特点的模型。文中所有计算采用的数据资料来自于加州电力市场。关键词：电力市场；电价预测；神经网络；小波变换：小波神经网络多分辨率分析浙江大学硕士学位论文A b s t r a c tT h em a r k
4、 e t i z a t i o no f p o w e ri n d 嘶i sad e v e l o p m e n tt r c n do f t l l ec 眦T e l l tp o w e r协d u s t n，i nt 1 1 ew o r l da n daf o c u so fm ei n t e m a t i o n a le l e c 雠cs c i e n 廿f i cr e s e a r c ha n dp 倒e c tp r a c t i c e E l。c 仃i c 毋p r i c ei sn o to n l yas i 驴a lo ft l
5、l ep o w e rm a r k 或s u p p l y d e m a n dr e l a t i o n s h i p，b u ta l s oa 1 1c c o I l o m i cl e V e ro fc 咖l l i n ge k c t r i cm a r k e d n 舀t l l e r c f o r e，E l e 嘶c i t yp r i c ei s s u e sa r et h ek e yp r o b l e m si nt l l em a r k e ta n dh o wt op r i c em es p e c i a lc o
6、 n H n o d i t y-c l e c t r i c i t yi se s s e m i a lf o rm es m o o t hm a r k e to p e 硎o n A n dh O wt ou s et h er e l a t i v el l i s t o r i cd a t at of b r e c a s tt h en m l r cm a r k e tc l e a r i l l ge l e c t r i c i t yp f i c ei sav e r ym e a l l i n g f I l lw o r kf o re V e
7、 r yp 删c i p a t o ri n 也ep o w e rm a I k e t A R e rd i s c u s s i n gt 1 1 ec o I l S t i t u e n t sa I l dc h a r 解t c r i s t i c so ft h ee l e c 砸c 蚵p r i c e，a l l a l y z i n ga I l dc o 鲷叩a r i g 也em e r i t s 趾ds h o n c o m i n g so fs o m ec u m mf b r c c a s t i n gm e t l l o d s B
8、 a s e do ns o m eb a s j cm e o 础c a la s p e c t so fm eW a v e l e tT r a n s f o r n la 1 1 dN e 眦lN e t w o r k s，廿l ea d v a n t a g e si nm ee l e c m c 时p r i c ef o r c c a s 血ga r ea n a l y Z e d，也e nd e s c 抽i n gt、v oI I l 础o d sf o r 锄b e d d i n gt h ed i s c r e t ew a v e l e t 订a 1
9、 1 s f b 册i n t on e 删n e t w o r k-b a s e ds h O r t-t e 瑚e l e 嘶c i t yp r i c ef b r e c a s t i n g n eM u n i-R e s o l u t i o nA n a l y s i s(M R A)a p p r o a c hf o rt a c l(1 m gf b a t u r ee x 廿a c t i o np m b l e m sd e c o m p o s e st|l ee l e c t r i c i t y州c es e r i e si n t oo
10、 n el o w-行e q u e n c ya n ds o m eh i 曲-m q u c n c ys u b s e r i e si nt h ew a v e l e td o m a i n u s i n gt l l i sn e wr e p r e s e n 枷o no ft h eo r i 百n a le l e c 埘c“yp r i c es i g n a l，t、od i 行e r e n ta 1 衄【埘v e sa r ci n v e s t i g a t e d T h ef i r s to n eu s i n gd i f f e r e
11、 n tA N Nm o d c l si n d e p e n d e n n yf o r e c a s t i l l ge a c hs u b s e r i e s，a d d i n gt h ef o r e c a s t i n gr e s u l t so fa 1 1s u b s e r i e s，t 1 1 e nt l l ew h o l ef o r e c a s t e de l e c t r i c i t yp r i c es e r i e sa r eo b t a j n e d，T h es e c o n da l t e m a
12、 土i v ec r e a t e sam o d e lf o rs h o n-t e m le l e c t r i c 时p r i c ef o r e c a s t i n 舀w h o s em p u t sa r eb a s e do ni 碰、o H n a t i o nf 而mt h e 耐舀m le l e c 啊c i t yp r i c es c r i e sa n d 丘o mw a V e l e td o m a i ns u b s 甜e s，t o o I no r d e rt oo v e r c o m e 也es h o n c o
13、l i n go fB Pn e u r a ln e 铆o r k，t l l i sa n i c l cp r o p o s e dd u p l i c a t e sf b r e c a s tm e t h o da 1 1 dm et l l r e s h o l dV a l u cp r o c e s s i n gm e t l l o dr e v i s ef o r e c 踮tr c s l l l t，t h u se n o m l o u s l yi n c r e a s e dt l l ef b r e c a s tp r e c i s i
14、 o na n dt h es t a b i l i 够1 h eo u t c o m eo ft h es t u d yc l e a r l yi n d i c a t e st 1 1 a tt I l es e c o n dm o d e lh a Sh i ；l l e ra c c l l r a c y，a n dt h e 胁to n ei sb e t c e ri 1 1t h ea s p e c to f t I l es t a b i l i 啊H o w e V e r，b o t l lT 1 浙江大学硕士学位论文o f t v v om 删sr e
15、d u c et l l ee 玎0 ro f p e a ka 1 1 dv a l l e ye l e c 啊c 耐r e l n a r k a b ly F i n a l l y，t t l i sp 印e rp o i n to u tt h a ti no r d e rt oi I n p r o v et h ea c c u m c y，t l l ec o n s t i t I l e n t s 髓dc h a r a c t e r i s t i c so f 廿l ee l e c 仃i c 畸p r i c cm u s tb ea I l a l y z
16、e df i r s tb a s e do nm e 西v c np w c rm a d 缸，a n dd e a l i n gt 1 1 ec h o i c eo f m ei n p u tv 捌a b l e sw e l l，d e s i 印i n gt h em o d e lm a t c h i n gt l l ec h a r a c t e r i s t i c so ft l l ee l e c t r i c n yp r i c e T h ed a 诅u s e di nt l l i sp a p e rc o m e 丘D mC a l i f o
17、 n l i aP o w e rM a r k e t J 畸w o r d s：P o w e rM a r k e t；E l e c 研c 时蹦c eF o r e c a s t i n g；N e u r a IN e 咖r k s；W a V e l e tT r a l l s f b r m；W a v e l e tN e u r a lN e t w o r k；M u h i-R e s o l 谢o nA n a l y s i s；I 浙江大学硕士学位论文第一章概述1 1 电力市场中的电价1 埘1 1 1 电价的形成电能作为一种商品，在市场交易中，与其他商品一样服从
18、价值规律，其价格由供需双方共同决定。随着商品价格的上升，发电方愿意多发电(供应陷线)，而对于用电方而言，电价越低，他们就愿意多用电(需求曲线)。以美国加卅 电力市场为例，其系统统一出清电价形成过程如下：首先，各个发电商上报自己的供应曲线，各个用户上报自己的需求曲线；然后，系统操作员(I s O)将各个发电商的供应曲线合成系统总的供应曲线，将各个用户的需求曲线合成系统总的需求曲线；最后，总供应曲线和总需求曲线的交点就是无系统约束情况下系统的统一清除价。1 1 2 电价的影响因素p 嘲电价作为电能商品的货币表现，应该说电价的形成贯穿于电力系统的始终。电价的高低受到多种因素的制约和影响，主要有以下几
19、个方面：(1)电力成本电力成本可以分为发电成本、输送成本和交易成本三部分。具体来说，它包括发电所需的燃料费；在输电、配电过程中的损失费；从事电力生产所需的人工费用和管理费用；发电、输电、配电所需的维修费用；设备老化折旧的费用以及更新所需的费用；随着电力负荷的不断增长，还要考虑发电、输电、配电所需的发展和还贷费用。(2)市场供求情况市场供求关系的变动，赢接影响产品价格的波动，这是市场价值规律的必然。在电力市场中，电价的高低主要取决于系统的供求情况。当系统的总需求很大，而电力供应紧张时，电价便会升高；当系统的总需求很小，而电力供应充足时，浙江大学硕士学位论文电价便会降低。(3)市场参与者的市场力电
20、力市场是寡头垄断市场，特别是在发电侧，参与竞争的发电商数目极其有限，发电公司通过对市场需求和其他发电厂商的估计，进行策略性报价，在负荷高峰期或一些特殊气候条件下，通过持留发电容量或抬高价格等非正常手段报出偏离生产成本的电力价格。(4)国家经济政策国家通过制定最低限价来保护电力生产者的利益，或通过制定最高限价来保护消费者的利益。例如华东电力市场月度模拟竞价期间，分高峰和低谷两类电量分别竞价，采取对发、购电双方执行市场最高限价(含增值税)，最高限价暂定为按华东电网竞价机组计划内平均上网电价的1 2 5 倍执行，即高峰时段4 8 2 元(M W h)，低谷时段3 2 l 元州w h)嘲，从而有效的顾
21、及了发购电双方的利益。此外，电价还受到如电力市场体制结构、社会经济形势和电力系统运行方式，消费者的心理预期等因素的影响。在电力市场中，发挥好电价的作用，对我国电力工业健康稳定可持续发展是有重要作用的。1 1 3 电价的特点电能作为一种特殊的商品，有与一般商品的不同之处：首先电力行业是公用性服务行业，中断供电或供给不足会给国民经济和广大用户造成巨大的损失，因此，实行电力市场化，必须以安全、可靠供电为前提，除保持电力供需平衡外，还必须留有足够的发电备用容量。其次，电能不能大规模长时间存储，电能的发、输、配同时进行，这就需要电力市场供求信息反馈迅速，电网调度统一。在这种情况下电价除遵循一般商品价值规
22、律外，还具有以下特点：(1)地区差异性各地区的电源结构不同，水电受丰水、平水、枯水年和季节性的影响；火电受燃料价格、运输距离的影响；核电受技术条件和投资规模的影响，使得各地区电力成本有较大差异，从而各地区电价不同。(2)受一次能源价格的影响较大，我国火力发电厂的燃料成本占发电成本的7 0 左右，燃料价格的波动，对电价的影响极大。(3)由于电能的发、输、配必须实时平衡，导致电价具有极大的时间差异性，浙江大学硕士学位论文一年的不同季节和每天的不同时段，电价相差很大。(4)由于电力是关系到国计民生的公用服务性行业，供电可靠性要求高，所以必须保证电价具有一定的相对稳定性。1 1 4 电价在电力市场中的
23、核心作用在电力市场环境下，电价直接关系到各市场参与者最直接和最敏感的经济利益因素，能起到联系供用电双方和引导电力消费的桥梁作用，是市场机制的核心。利用电价在市场环境中的经济信号作用，调整电力的供求关系，调动各方面投资办电的积极性，提高电力企业的经济效益，从而达到优化资源配置，合理组织生产，提高社会经济效益的目的。具体说来，可以起到如下作用：(1)能吸引社会资金向电力工业流动，满足电力用户发展的需要，保证电力工业的可持续发展。伫)能优化资源配置，使电能生产结构更合理。避免了重复投资，充分开发和利用各种再生能源和新能源，降低电力成本，节约人类有限的资源。(3)增强企业活力、加快电力工业的发展。由市
24、场决定电价，能促进电力企业之间的竞争，促使电力企业不断提高自我积累、自我改造、自我发展的能力。(4)引导用户合理用电。由市场决定电价，可促使电力消费者采用调荷节电措施，自动的削峰填谷，使电力消费结构趋于合理，减少浪费。因此，电价在电能生产消费交换的各个环节都能起到间接调控的作用。在电力市场中，发挥好电价的作用，对我国电力工业健康稳定可持续发展是有重要作用的。1 2 电价预测的基本概念及其意义1 2 1 电价预测的基本概念电力市场化是全球电力系统的大趋势，电价又是这个市场的核心，电价的波动影响到各种资源在电力市场中的流动和分配，有着强大的经济杠杆作用。在电力市场环境下，准确的电价预测对于市场中各
25、个参与者而言都具有非常重要的意义。因此，有必要对电价预测问题进行深入的研究。浙江大学硕士学位论文电价预测即在充分考虑市场供求关系，市场参与者实施市场力大小，电力成本以及电力市场体制结构、社会经济形势等电价影响因素的情况下，通过利用数学工具对相关历史数据进行分析和研究，探索电价与其影响因素之间的内在联系及电价本身发展变化规律，在满足一定精度和速度的情况下，对未来电力市场中的电力交易价格进行预测。预测的对象可以是系统的统一清除价、各个地区清除价、各节点清除价以及微增边际价格。通常是预测系统的统一清除价，在系统不发生阻塞的情况下，各个地区的清除价和系统清除价是相同的。1 2 2 电价预测的意义p _
26、 9 J目前，我国发电侧电力市场是以边际电价进行结算的，边际电价不仅成为联系用户(用电方)、市场监管者(电力监管委员会)、发电商(发电企业)的经济纽带，而且是关系到用电方、发电方经济利益的重要因子，所以，电力市场的各个参与者都很关心系统边际电价的发展变化趋势，市场边际电价预测对于市场中的各个参与者也就显得格外的重要。首先，对整个电力系统来讲，边际电价预测通过g l 导用户用电行为，调整用电量和用电时间从而减小系统峰谷差，提高系统负荷率、降低系统运行费用、保证系统运行稳定性，在一定程度上解决某些特定时段容量短缺而某些时段又大量剩余的问题。从用电方来看，电价构成了他的单位购电成本，准确的电价预测使
27、其自身的动态成本控制成为可能，他可以根据实际需要制定合理的用电计划，如一些工厂、酒吧、舞厅可将生产用电时间安排在低谷用电时期；一些普通用电户可通过购买能自动控制时间、智能化程度较高的家电来享受低谷用电的实惠，从而降低生活和生产成本，而且同时也能起到削峰填谷的作用。从发电方来看，准确的电价预测有利于其准确把握市场走向，掌握市场先机，从而构造最优的电量、电价投标策略，以期获得最大利润。从电力投资方来看，长期电价预测有助于其制定正确的投资决策和减少投资风险。从市场的监管者来看，边际电价的预测为促使市场健康、稳定、有序的竞争、发展以及各种电价政策的制定提供了科学依据。国家电力监管委员会通过对边际电价的
28、预测，可以把握电力市场电价的总体发展变化趋势，及时向政府价格部门浙江大学硕士学位论文提出调整电价的建议(如对最高限价、最低限价的调整)。各级地方电力监管机构可以借助边际电价预测监管包括发电、输电、售电在内的所有电力企业的市场竞争行为，防止具有市场操纵力的电力企业垄断或操纵电价，从而维护电力消费者的利益，保证电力市场的正常运行。综上所述，随着电力市场化的不断深入，边际电价预测的重要性将愈来愈突显，预测结果越准确就越能使电力公司等市场参与者在竞争且多变的环境下做出更加明智的商业决策。因此，有必要对边际电价预测进行积极深入的研究，努力提高边际电价预测的准确性，寻求一种比较通用的电价预测方法。1 3
29、电价预测的研究现状1 3 1 电价预测的分类1 0 1根据不同的分类标准，电价预测有不同的分类方法。具体如下；根据预测时间的长短，可以将电价预测分为：短期、中期以及节假日预测，但是，由于电价预测的难度相对负荷预测来讲要大得多，所以其对应的时间段也要小得多。以美国加卅I 电力市场为例，电价预测分为提前一小时预测，提前一天预测，提前一周预测，提前一月预测，以及季度趋势预测等等，更加长期的电价预测尚有较大的难度。根据预测点的类型，可以将电价预测分为整个系统、一个特定区域和一个特定母线的电价预测即：系统市场清除价(M a r k e tc l e 嘶n gP r i c e，M c P)预测、地区市场
30、清除价(z o n a lM a r k e tc l e 曲g 蹦c e，z M c P)预测、节点边际价格(L o c a t i o I l a lM a 唱i n a lP r i c e，L M P)预钡9。根据预测的内容，可以将电价预测分为确定性预测和电价空间分布预测，前者是当前讨论比较多的热点，主要针对短期电价预测，预测的结果就是给出一个确定的未来电价预测值：后者主要基于概率论与数理统计知识，确定预测结果的可能波动范围及其一段时期内的电价均值，主要是针对中长期电价预测，目前国内外在这方面研究得还比较少。根据预测主体类型，可以将电价预测分为I s 0 进行的电价预测和发电商等进行的
31、电价预测。I s O 进行的电价预测实际上并不是真正意义上的电价预测，因为浙江大学硕士学位论文(2)非增长性负荷作为经济发展的标准之一，随着社会生产的发展和进步，总体上具有增长和上升的趋势，如图卜2(a)所示，这种增长趋势常作为一个可利用因素体现在中长期负荷预测中。而电价具有不同于负荷的特点，它不具备总体增长的趋势，作为电能的价格，是随着各种社会、经济、天气等因素而不断波动变化的，如图卜2(b)所示。因而在中长期电价预测中由于其非增长性特点常采用回归分析的方法。1 8垦M墨罂1 2O1 22 4 澌n 曲7 2“1 0 S061 2l B2 加犯舶t Rt，具(a)(b)图卜2 负荷与电价的长
32、期变化趋势图(3)难预测性在负荷预测中，对影响负荷的因素(即预测的输入量)已经掌握，其影响因素主要有：日类型(正常日、节假日等)、星期类型(星期一星期日)、天气类型(晴天与阴天)、最高、最低、平均气温、降雨量等。在负荷预测中将这几个作为预测的输入量可以得出较为理想的结果。而对于电价预测的研究，目前认为历史报价，负荷曲线，整个系统的供求状况是影响电价的主要因素，除此之外电价还受到许多诸如发电商实施市场力等人为因素的影响，而这些因素往往是难以用数学方式来表达的，尤其在目前对电价的制定还没有形成统一标准的情况下，电价预测比负荷预测相应难得多 1 4 1。特别对于中长期电价预测难度相当大，所以目前研究
33、比较多的是提前一小时、一天或者一周以内的短期电价预测。图卜3给出了美国加州电力市场一个月的负荷与电价，从图可见，负荷曲线比较平稳，规律性强易于预测，相比之下，电价变化剧烈，存在“价格钉”(P r i c eS p i l s)问题，即电价突然的急剧上升和下降情况，加大了电价预测的难度。浙江大学硕士学位论文霪量龋且越J|矗h 。l 【Jh训I l 讲lm 一一 fI f。I n 以一 H n rq噜 J帅一I r 心r U“I灌”V 剁。”肼l u。_ v 一”I。l f r r 州I-I f I 几f I T I。j|I I l I|厂V W f l。蚋m 舯州旷V 岍f_。I VV。01 2
34、 04 0 0鲫0T 0 08 t h图卜3 美国加州电力市场1 9 9 9 年1 1 月1 5 到1 2 月1 5 目的负荷与电价1 3 3 电价预测的主要难点电价$圜通过1 3 2 节的分析，我们知道电价虽具有与负荷相类似的周期性特点，但是由于其波动性比较大且存在“价格钉”问题，所以电价预测的难度相对负荷预测来说要大得多。电价预测的主要难点在于预测输入量的选取，这是因为电价的变化与负荷的变化不同，电价存在着许多如发电商报价模式等主观因素，而主观因素往往是难以用数学方式来表达的，虽然历史报价在一定程度上反映了发电厂的报价模式，可以作为影响未来电价的一个主要因素作为预测模型的输入，但是如何在预
35、测输入参数中引入其它一些主要的相关因素来提高预测精度却是一个难点。传统的一些电价预测方法常假设电价与负荷的具有强相关性，将负荷作为电价预测模型的一个重要输入参数 1 5】，但文献 1 6 1 9 通过比较1 4 个电力市场工作日和节假目的电价模式，发现不同电力市场的负荷与电价的相关系数因市场模式的不同而存在很大的差别：有些电力市场模式下电价与负荷的强相关，有些则其相关系数很小。可知并非所有市场模式下负荷与电价都强相关，因此，把负荷作为模型的输入参数并非一定就是合理的。在建立电价预测模型之前，应对实际电力市场进行细致研究，充分考虑影响电价的各个因素，可以利用数据挖掘技术强大的数据处理能力，采用其
36、中的聚类分析、分类分析、时间序列相似性、关联度分析等方法对影响电价的各个因素进行分析，从中找出影响预测精度的主要相关因素1 2 0】，根据分析结果调整各个影响因素在整体输入变量中的比例，从而达到最佳的预测效果，提高预测的精度。-8-怕Oo咖锄黜啪啪浙江大学硕士学位论文下表卜1 列出了当前一些电价预测模型研究中所定义的一些充分考虑市场供求状况的指标，预测结果表明输入变量的选择与预测精度的高低直接相关。表卜l 反映供求关系的输入参数必须运行率(M f 汛)M 肿系统负荷蘸骺器嚣器容量之和系统负荷率(s L R)s L R 一纛豁籍竞价空间c，一系统负荷-系统外机组承担的负荷(B i d d i n
37、 gS p a c e)2 3。4】“8竟价机组总可用容量系统剩余容量百分比s s c P 一竞价机组号品舄謇蓁；馨 应发负荷，。-。(S S C P)【2 5，2 6】供求平衡指数(S D l)s。一=第爨瀚纂簇茅 1 0。相对需求指数氓D I)口7 1如-=交易著黧黥藕荷1 3 4 电价预测的方法电价预测是一个全新的研究领域，现阶段进行电价预测主要是借鉴其他商品价格预测和电力负荷预测的基本思想，根据实际情况，结合电价预测的特点，选择合适的预测技术，对电价做出分析预测。目前，电价预测方法主要有以下四种：1、时间序列法；2、神经网络(A N N)预测法；3、基于小波变换理论的预测方法；4、组合
38、预测方法。(1)时间序列法【2 8，2 9】时间序列模型分为自回归(A R)模型、动平均(M A)模型、自回归滑动平均(R M )模型、累积式自回归一动平均(A R J M A)模型，已被广泛应用于短期负荷预测中，考虑到各时段系统边际电价本身就构成一个等间距的随机时间序列，因此有不少学者尝试将时间序列模型应用于短期电价预测。运用时间序列法预测电价的关键假设就是确定模型的历史电价与要预测的未来电价在某种程度上具有相似性。当前比较常用的主要是删A 模型【3 0，3 1 1 和朋t m 俄模型阮3 3 1。A R M A 是一种典型的时间序列预测模型。它是A R 模型和M A 模型的结合，即序列当前
39、值M 是现在和过去的误差(q，q。，q 一。)以及先前序列值(只，只。，*一。)的线性组合，其数学表达式为：浙江大学硕士学位论文弘=仍只一l+霞M 一2+纬乃一p+口f 一只q 一1 一岛q 日(1-1)其中，p，q 分别表示自回归与滑动平均阶数，仍，仍，纬和q，岛，岛分别称为自回归和滑动平均系数。A R M A 建模过程包括模型识别、参数估计和适用性检验等步骤。传统A R M A 模型预测方法仅仅从序列自身来探索电价发展规律，未充分考虑市场因素对电价的影响，因此存在一定的局限性，预测效果往往不理想。R M A 模型、A R 模型和M A 模型应用的前提都是认为时间序列为平稳随机序列。但有学者
40、口3 1 认为电价时间序列的变化常常是一个非平稳的随机过程，相应提出了基于A R J M A 的电价预测模型，即对一个非平稳电价时间序列，先用差分方法将非平稳过程平稳化，然后采用A R，M A 或A R M A 对处理后的平稳序列进行建模和预报。时间序列法的优点是模型中各个分量均有明确的物理意义，模型容易理解。所需的历史数据少，工作量小，计算速度快。时间序列方法的主要难点在于如何选择恰当的模型，如果模型选择不准确，则即使参数估计荐准确，预测的效果也不会好。考虑到在时间序列分析中，选用何种因子和用何种表达式有时只是一种推测，影响电价的因子的多样性和某些因子的不可测，使得时间序列分析在某些情况下受
41、到限制。(2)神经网络方法由于时间序列方法无法处理多变量问题，为此通过采用多变量模型来提高电价预测精度。神经网络对大量非结构性、非精确性规律具有自适应功能，能够有效处理多变量和非线性问题，从而成为目前国内外专家学者研究得比较多的一种电价预测方法。较早的研究是基于传统B P 神经网络预测模型【3 4，3 卯，利用人工神经网络对输入量和输出量之间非线性关系的强映射能力来建立电价的预测模型，分别建立了多层的反向传播(B P)神经网络模型，并以历史电价数据进行模型的训练和测试，虽然预测结果与真正实用化有一定差距，但是它为后面神经网络方法在电价预测中的研究工作起了引导作用。近年来国内外学者对神经网络预测
42、方法进行了积极的探索，分别采用了回归神经网络f 3 6 l、自适应神经网络【3 7 l、递归神经网络【3 8】、模块神经网络f 39 1，小脑模型关节控制器(C M A c)神经网络【4 0】等进行目前电价预测浙江大学硕士学位论文方面的尝试，取得了一些成果。L u h 的课题组对径向基函数(R B F)和卡尔曼神经网络(K N N)在短期电价预测中的应用进行了深入的研究。主要有：利用标准方差的倒数来选择R B F 网络中的有效参数，以减少训练时间并提高预测精度H 1，4 2】；应用R B F 和多层感知器(M L P)网络进行电价预测，将2 个预测结果通过加权平均从而得到最终的预测电价，该方法
43、能够减少神经网络错误映射的概率，但计算量明显增大【4 3 删：通过扩展卡尔曼滤波法学习神经网络，达到比B P 更快的收敛速度，在训练过程中还可以得到电价的置信区间【4 5 4 7】。当前，关于何种神经网络更适用于电价预测，还尚未形成统一的认识，正处于探索研究阶段。因此有必要对各种网络进行比较分析，以明确各自在电价预测方面的优缺点以及适用范围。应用神经网络模型进行预测时，研究重点大多在于如何构成预测样本，如何构成输入层数据等，而预测模型结构(如网络的层数和各层神经元个数)的选取则大多凭借经验，或者在没有其他经验知识时采用试凑法，即取测试集预测误差相对较小时的那组数值。(3)基于小波交换的预测方法
44、小波变换是在傅立叶分析基础上发展起来的一种信号处理方法，小波变换能将各种交织在一起的不同频率混合信号分解成不同频带上的块信号，然后在各个时频区域分别进行观察和处理，在时域和频域都具有表征信号局部特征的能力。基于小波变换良好的局部化特性，以及A R I M A 模型简捷实用的特点，文献【4 8，4 9】将小波变换和A 刚M A 相结合建立电价预测模型：即运用小波分解方法将原始电价序列分解成多个子序列，根据不同子序列的特点分别建立相应的A R J M A 模型进行预测，最后将各子序列预测结果进行重构得到最终的电价预测结果。鉴于小波变换具有良好的时频局部性质和变焦性质，而神经网络具有自学习、强鲁棒性
45、和推广能力，有些学者对小波变换与神经网络相结合的电价预测进行了研究。小波与神经网络的结合主要有以下两种途径：一是辅助式结合，即小波变换对电价序列进行预处理，然后用神经网络进行学习与判别；二是嵌套式结合【5 0 1，即直接以小波函数(有时还有尺度函数)代替常规神经网络的s i g m o i d 或辐射基函数作为神经网络的隐节点激励函数，以小波的尺度和平移参数作为神经网络的权值和闽值参数，构成一种新型的前馈神经网络。浙江大学硕士学位论文小波神经网络与B P 神经网络相比，预测精度和收敛性方面都有明显的提高。但是在用辅助式小波神经网络进行预测时，需注意小波基和分解尺度的选择，同时处理好小波变换过程
46、中的边界问题，否则预测效果也不会很好。而在用嵌套式小波神经网络进行预测时，需注意小波基的数量和网络初始参数的选择，选择不当会导致网络收敛速度缓慢甚至出现不收敛。(4)组合预测方法鉴于单一预测方法的一些弊端，有些学者开始对组合预测方法进行探索，当前的主要思路是直接从电价预测机理的角度将单一预测模型进行组合，即先对各种已有的单一预测方法优缺点进行分析，然后通过将两种或者多种方法进行组合，扬长避短，从而建立最优的组合预测模型。基于数据挖掘技术强大的数据处理能力，能从大量的数据中发现有用的规律、规则、联系、模式等知识，有学者 2 0】提出一种基于数据挖掘中的相似搜索技术和加权回归技术相组合的电价预测方
47、法：即对临近日和相似搜索所得到的相似日的负荷电价数据用加权回归进行电价预测，这种方法比较适合于负荷与电价强相关性的电力市场如加州电力市场。神经网络方法具有很强的自学习能力，可以逼近任何连续的函数，但是它存在学习速度慢和易陷入局部极小点等问题。所以近年来有不少学者尝试以其它数学方法的优点来弥补神经网络方法的不足，提出了许多有关神经网络的组合预测模型，除上面所提到的小波神经网络模型外，还有模糊神经网络模型5 1 53 1，遗传算法优化的神经网络模型【5 4 ，基于动态聚类的B P 神经网络模型1 5 5 1 等。研究表明，神经网络的组合模型在预测精度方面明显高于传统的神经网络模型，在学习速度和优化
48、能力方面也比B P 网络具有更大的优势。虽然从单一预测模型走向组合预测模型，普遍被认为是一种预测策略的进步，但是我们也应该意识到：并非任意两个或者多个数学方法的组合就一定能取得更好的预测结果，这需要实践检验其预测效果，才能评价某种新的数学方法的应用前景。1 4 本文的研究内容本文以电力系统短时电价预测模型研究为题，进行如下的研究：浙江大学硕士学位论文第二章小波变换的基本理论陋删2 1 小波变换的发展概况小波变换(w A V E L E T|韩：；鬈；”埘必群躯霹骥跫靼兆黧曩蕲羁强葺翰萌瓣羹好酮时二融种碑u 和赫甜辫始祁鲐韭霸器挚。嶝壤馐霭，浮臻翠厶理；嚣警F g；籍蠹替稍引软夸鞘蓉夸疖扩j 寝
49、磁隧一二7 f 3 甄刚烈W 枣鼎堑jr 剐赠M 醛研竭Y 野魁M 鳟i 些心淼掣畏毪强磐拦攥慧鲁罂强二个低频分量和多个高频分量从而实现电价特征的提取。研究将小波变换理论和神经网络理论结合建立短时电价预测模型：即先用小波变换理论中多分辨率分析的M A L L A T 算法实现对电价序列分解，然后利用所获得电价各分量，采用两种方法来预测电价：一是对电价各分量分别建立神经网络预测模型，最后汇总相加各分量预测结果得到最终的预测电价。二是利用电价和电价分量作为神经网络的输入，最后网络输出即为预测电价。仿真计算。运用M A T L AB 环境下的w w E L E TT O O L B o X，N E
50、u R A LN E T w 0 R KT C l 0 L B 0 x 计算验证模型的可行性。1 5 本章小结简单介绍了电力系统电价的组成、特点及其影响因素，阐述了电价预测的基本概念及其意义。简要回顾了国内外电价预测的研究现状，分析比较了电价预测与负荷预测的异同，指出电价预测存在的主要难点，并对当前国内外的主要电价预测方法进行了归纳总结。明确本论菁爸饕9 鳌浙江大学硕士学位论文2 1 2 短时傅立叶变换为了研究信号在局部时间范围的频域特征，1 9 4 6 年G a b o r 提出了著名的G a b o r 变换，之后又进一步发展为短时傅里叶变换(s h o r tT i m eF o u r