基于粒子群-神經網絡的電價預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)境下調節(jié)電力交易的經濟杠桿,關系到所有電力市場參與者的利益。準確的電價預測是實現(xiàn)策略性報價的基礎,是發(fā)電企業(yè)參與市場競爭、降低風險的關鍵。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時的電價預測與報價策略關鍵問題進行研究。 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)律合理選擇預測模型和算法,以提高電價預測精度的方法。 利用神經網絡具有高度非線性擬合能力、可在訓練過程中根據(jù)輸入數(shù)據(jù)的改變調整權重系數(shù)實現(xiàn)對數(shù)據(jù)變化快速反應的特點,結合粒子群優(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合,采用3層感知機神經網絡構建了粒子群-BP神經網絡的電價預測模型,通過Ma

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

4、進行改進,將相關系數(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。在負荷與電價相關性強、相關系數(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,改進后的電價預測模型提高了粒子群-BP神經網絡算法的預測精度,對波動較大的周末電價和“價格釘”都有很好的預測效果,有效解決了電力市場中短期邊際電價預測的問題。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、預測精度高等明顯優(yōu)勢。 在預測電