版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、目前,中國的區(qū)域電力市場已經(jīng)進入模擬運行階段,東北區(qū)域的日前市場初期將采用單一購買者的競爭方式,因此,對于發(fā)電商來說,電力無約束市場價格(UMCP)的預(yù)測將具有相當重要的意義.該文首先采用有序樣本聚類分析、日期類型分析、因素分析、動態(tài)聚類分析等方法對全年歷史日價格樣本進行逐級聚類,使相似的日價格樣本被分到了一起,較好地解決了預(yù)測樣本的最優(yōu)選擇問題.然后在聚類分析結(jié)果的基礎(chǔ)上,通過多種預(yù)測方法比較、模型優(yōu)化等研究工作,找到每一小類的UMC
2、P最優(yōu)預(yù)測模型.在完成上述研究歷史數(shù)據(jù)得到日UMCP的最優(yōu)分類方法和預(yù)測模型之后,采用判別分析法確定待預(yù)測日應(yīng)屬于哪一小類,同時也就確定了該日的最佳預(yù)測模型.研究當中,還對遇到的最優(yōu)聚類,不同因素分析方法得到不同分析結(jié)果的分析和正確處理,聚類分析中樣本距離的不同度量方法造成不同聚類結(jié)果的分析和正確處理,以及預(yù)測方法優(yōu)化等重要問題展開詳細的討論.算例分析證明:該文的所提出的方法實用,預(yù)測效果較好,有利于發(fā)電企業(yè)通過UMCP的預(yù)測構(gòu)造競價策
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 無約束優(yōu)化問題
- 無約束重力模式
- 無約束視頻的行為識別技術(shù)研究.pdf
- 無約束優(yōu)化問題的基本研究
- 實驗無約束最優(yōu)化
- 基于收益管理的無約束租車需求預(yù)測模型研究.pdf
- 基于收益管理的無約束租車需求預(yù)測模型研究
- 無約束優(yōu)化中的幾個算法.pdf
- 無約束優(yōu)化問題的若干算法研究.pdf
- 解無約束廣義幾何規(guī)劃.pdf
- 無約束優(yōu)化問題的信賴域算法研究
- 無約束優(yōu)化的混合信賴域算法研究.pdf
- 無約束最優(yōu)化問題的張量方法研究.pdf
- 無約束優(yōu)化問題的梯度類方法研究.pdf
- 無約束優(yōu)化問題的信賴域算法研究.pdf
- 無約束最優(yōu)化問題的直接方法
- 改進的無約束最優(yōu)化折線方法.pdf
- 無約束優(yōu)化問題共軛梯度法的研究.pdf
- 無約束優(yōu)化的譜共軛梯度算法研究.pdf
- 非線性無約束極小問題
評論
0/150
提交評論