基于粒子群-神經(jīng)網(wǎng)絡(luò)的電價預(yù)測與水電廠報價策略研究.pdf

1、電力工業(yè)的市場化改革是當(dāng)前世界電力工業(yè)的發(fā)展趨勢。電價是電力市場環(huán)境下調(diào)節(jié)電力交易的經(jīng)濟杠桿,關(guān)系到所有電力市場參與者的利益。準確的電價預(yù)測是實現(xiàn)策略性報價的基礎(chǔ),是發(fā)電企業(yè)參與市場競爭、降低風(fēng)險的關(guān)鍵。隨著我國電力市場化進程的加快,實現(xiàn)電力市場環(huán)境下發(fā)電廠的策略性報價已成為關(guān)系到發(fā)電廠效益及生存的重要問題。本文針對水電廠競價上網(wǎng)時的電價預(yù)測與報價策略關(guān)鍵問題進行研究。 本文對電價的形成及影響電價的因素進行了分析,研究了我國電力

2、市場電價在周期性、工作日和周末電價變化規(guī)律的差異、負荷大時電價波動和“價格釘”出現(xiàn)規(guī)律等方面的特點,提出了根據(jù)電價變化特點與規(guī)律合理選擇預(yù)測模型和算法,以提高電價預(yù)測精度的方法。 利用神經(jīng)網(wǎng)絡(luò)具有高度非線性擬合能力、可在訓(xùn)練過程中根據(jù)輸入數(shù)據(jù)的改變調(diào)整權(quán)重系數(shù)實現(xiàn)對數(shù)據(jù)變化快速反應(yīng)的特點,結(jié)合粒子群優(yōu)化方法善于隨機全局尋優(yōu)的優(yōu)點,論文研究中將兩種算法相結(jié)合,采用3層感知機神經(jīng)網(wǎng)絡(luò)構(gòu)建了粒子群-BP神經(jīng)網(wǎng)絡(luò)的電價預(yù)測模型,通過Ma

3、tlab7.0中的神經(jīng)網(wǎng)絡(luò)工具箱(Neural Network Toolbox)編程實現(xiàn)。神經(jīng)網(wǎng)絡(luò)訓(xùn)練時引入粒子群優(yōu)化算法對其連接權(quán)值進行優(yōu)化,利用粒子群算法進行粗精度的學(xué)習(xí)以確定初值,再采用BP神經(jīng)網(wǎng)絡(luò)完成給定精度的學(xué)習(xí)。預(yù)測實例證明該模型有良好的預(yù)測效果,解決了傳統(tǒng)方法對周末電價預(yù)測需要單獨建模的問題,具有預(yù)測準確、適應(yīng)性強等優(yōu)點。 通過對電價與負荷的相關(guān)性分析,發(fā)現(xiàn)電價與負荷并不是在任何時段都呈現(xiàn)強相關(guān)。本文對電價預(yù)測模型

4、進行改進,將相關(guān)系數(shù)引入模型,做為判斷是否將負荷因素加入輸入樣本的閾值。在負荷與電價相關(guān)性強、相關(guān)系數(shù)大的時候引入負荷因素做為輸入樣本,增強了模型對電價波動的敏感性。實際算例表明,改進后的電價預(yù)測模型提高了粒子群-BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測精度,對波動較大的周末電價和“價格釘”都有很好的預(yù)測效果,有效解決了電力市場中短期邊際電價預(yù)測的問題。改進后模型與混沌理論模型和灰色理論模型相比較,具有迭代次數(shù)少、預(yù)測精度高等明顯優(yōu)勢。 在預(yù)測電