张建[1]2003年在《实时边际电价预测模型研究》文中研究说明系统边际结算电价(SMP)是发电企业在竞争性电力市场中的产品价格，以经济效益最大化为驱动，发电企业的利润依赖于成功的报价策略，而报价策略形成的基础是准确把握短期市场的走向，把握市场的关键则是对SMP的准确预测。因此，SMP的预测是发电企业进行“竞价上网”急待研究和解决的课题之一。同时，从购电方来看，边际电价构成了它的单位购电成本，SMP的预测使自身的动态成本控制成为可能；从市场的监管者来看，SMP的预测为促使市场健康、稳定、有序地竞争和发展以及各种电价政策的制定提供了科学依据。所以，边际电价预测对于电力市场中的各个参与者都有重要意义。 本文建立了以下实时边际电价预测模型： (1)以历史边际电价资料为基础，建立了模糊指数平滑、线性移动自回归、基于均生函数的电价预测模型，通过探寻历史边际电价资料中隐含的边际电价发展变化规律，对次日96点实时边际电价进行预测。 (2)借鉴经济计量领域其它商品价格预测思想，建立了叁时点、基于马尔柯夫转移概率、霍尔特—温特斯线性季节性电价预测模型对次日96点实时边际电价进行预测。 (3)考虑电价的影响因素，应用适合于多因子分析的理论和方法，从模型探讨的角度，建立基于气象因素的ANN、基于相似年选择的节假日、模糊聚类与统计相关相结合的实时边际电价预测模型。 (4)基于历史边际电价资料，结合组合预测思想，从模型优势互补的角度建立最优组合、线性移动联合指数平滑电价预测模型对次日96点实时边际电价进行预测。 通过对代表日的模拟预测，综合考虑模型预测合格率、对电价曲线总体趋势的控制以及模型进行多日连续预测的稳健性，本文认为在次日实时边际电价预测中使用线性移动自回归、线性移动联合指数平滑等平滑类预测模型效果比较好。
邓丽[2]2015年在《基于机器学习的智能电网实时电价研究》文中指出随着经济与社会的发展,电力产业不断贯穿于各个领域,电力需求量不断增加,给电网的稳定运行等相关工作带来了极大的挑战。而数字化与智能化电网的快速发展使得大量的电网历史运行数据和实时运行数据被获取,机器学习技术能够更好地获取系统隐含的信息。基于需求响应(Demand Response,DR)的实时电价(Real-time Pricing,RTP)策略,是实现智能电网有效性与可靠性的关键技术之一,是促进电力消费结构的合理化、实现用户需求消峰填谷的有效方法。节点边际电价(Locational marginal price,LMP),作为科学的电力市场调节机制的实时电价策略,广泛应用于电力日前市场与实时市场中。本文基于美国PJM电力市场的真实用电数据,分析用户对电价的响应,实现在LMP电价背景下,智能电网电力市场中供需双方相互博弈的实时电价模型。建立LMP定价预测模型。从电力系统结构出发,采用自编码(autoencoder)的无监督学习方式训练网络,模拟复杂平衡电网,进而构造LMP定价预测模型。以美国PJM电力市场的电力数据为例,对模型进行检验,并与无特征学习的传统BP模型定价及实际电力市场的日前实时电价(day-ahead real time pricing)相比较,结果证明所提方法的合理性与可行性,表明了大规模的复杂电力网络可以通过构建深层的学习网络模型来模拟电网平衡状态,实现电价定价预测策略,进而制定实时电价。建立用户响应行为学习模型。基于用户的需求价格弹性(price elasticity of electricity demand,PED)模型,通过回归模型(regression model)学习需求价格弹性,模拟用户响应行为。实验表明,学习获得的用户价格弹性可以很好地实现用户响应行为的拟合,较传统的调查问卷方式获得固定的用户价格弹性,回归模型具有良好的时域性,更高效地实现用户响应行为的学习,为实时电价提供决策支持。建立博弈实时电价模型。在获得LMP电价预测模型及用户用电响应模型的基础上,通过博弈的方式,将电网的电价与用户的用电响应结合,建立博弈电价模型,制定智能电网电力市场中供需双方相互博弈的实时电价策略,提高消费者的满意程度,降低电力应用成本,进一步改善当今电网的使用现状,实现电力需求的削峰填谷。对企业赢得市场,减少生产成本,争取电能的生存和发展空间,提高智能电网的性能与核心竞争力,实现节能减排的可持续发展策略具有重要意义。
陈平[3]2005年在《基于电价预测的水电工程投资控制与效益最大化实现研究》文中认为通常水电工程投资控制都在设计阶段、招投标阶段、施工阶段考虑。本文从电价预测的角度,对实现水电工程的投资控制及效益最大化进行了分析研究,同时研究了灰色理论及人工神经网络在边际电价预测中的应用。由于当前我国发电侧市场逐步实行“竞价上网”:在合理补偿成本、合理确定收益、依法计入税金、坚持公平负担的原则下实行同网同质同价。因此,以电力市场为基础,以上网电价为尺度,通过上网电价来控制水电工程投资,是水电工程投资控制的必然趋势,对控制工程投资具有非常重要的理论价值和现实意义。按照同网同质同价的要求,上网电价水平不随单个水电项目的造价“高来高去”,同一类型的水电项目,谁的工程投资低,利润水平就高;谁的工程投资高,利润水平就低,甚至亏本。投资者在投资办电时,必须根据电网上网电价水平情况来考虑是否投资,如何投资,如何降低工程投资来获取更多的收益,实现效益最大化。上网电价水平短期和长期的准确预测是电站是否投资、实现效益最大化的关键,是投资方获取最大利润最有力的武器之一。如果能够较准确地预测次日的市场清算电价,将有助于发电企业掌握市场先机,从而构造最优的电量、电价投标策略,以实现效益最大化。通过研究,建立了以下实时边际电价预测模型:1.建立了基于市场价格理论的BP 网络长期电价预测模型,通过对长期电价的较准确预测,投资者就可以通过上网电价预测值来考虑是否投资,如何投资,如何控制投资。
李郁侠[4]2005年在《电力市场边际电价预测与水电厂竞价上网模式研究》文中进行了进一步梳理随着我国电力市场化进程的加快和“厂网分开,竞价上网”运营机制的实施,发电企业成为市场竞争主体。在电力市场环境下,水电厂如何参与市场竞争优化发电生产过程,采取策略性报价实现发电利润最大化,成为关系其生存与效益的首要问题。 由于水电厂运行的复杂性,国内对火电厂竞价上网优化运行的研究较多,对水电厂的研究较少。本文在分析了国内外电力市场理论研究现状、方向与难点的基础上,以电力系统边际电价预测和水电厂竞价策略为主要内容,进行了以下几方面的研究: (1) 采用人工神经网络方法预测系统边际电价 建立基于相似搜索和加权回归的电价预测模型,通过实际预测证明了该方法的有效性,分析了网络学习样本对预测结果的影响。 建立基于相似搜索和神经网络的次日边际电价预测模型,利用神经网络高度非线性拟合能力,实现对数据变化的快速反应,通过改进的BP算法和可变学习速度反向传播算法训练神经网络,有效提高了工作日边际电价预测精度。
李娜[5]2008年在《基于粒子群—神经网络的电价预测与水电厂报价策略研究》文中进行了进一步梳理电力工业的市场化改革是当前世界电力工业的发展趋势。电价是电力市场环境下调节电力交易的经济杠杆,关系到所有电力市场参与者的利益。准确的电价预测是实现策略性报价的基础,是发电企业参与市场竞争、降低风险的关键。随着我国电力市场化进程的加快,实现电力市场环境下发电厂的策略性报价已成为关系到发电厂效益及生存的重要问题。本文针对水电厂竞价上网时的电价预测与报价策略关键问题进行研究。本文对电价的形成及影响电价的因素进行了分析,研究了我国电力市场电价在周期性、工作日和周末电价变化规律的差异、负荷大时电价波动和“价格钉”出现规律等方面的特点,提出了根据电价变化特点与规律合理选择预测模型和算法,以提高电价预测精度的方法。利用神经网络具有高度非线性拟合能力、可在训练过程中根据输入数据的改变调整权重系数实现对数据变化快速反应的特点,结合粒子群优化方法善于随机全局寻优的优点,论文研究中将两种算法相结合,采用3层感知机神经网络构建了粒子群—BP神经网络的电价预测模型,通过Matlab7.0中的神经网络工具箱(Neural Network Toolbox)编程实现。神经网络训练时引入粒子群优化算法对其连接权值进行优化,利用粒子群算法进行粗精度的学习以确定初值,再采用BP神经网络完成给定精度的学习。预测实例证明该模型有良好的预测效果,解决了传统方法对周末电价预测需要单独建模的问题,具有预测准确、适应性强等优点。通过对电价与负荷的相关性分析,发现电价与负荷并不是在任何时段都呈现强相关。本文对电价预测模型进行改进,将相关系数引入模型,做为判断是否将负荷因素加入输入样本的阈值。在负荷与电价相关性强、相关系数大的时候引入负荷因素做为输入样本,增强了模型对电价波动的敏感性。实际算例表明,改进后的电价预测模型提高了粒子群—BP神经网络算法的预测精度,对波动较大的周末电价和“价格钉”都有很好的预测效果,有效解决了电力市场中短期边际电价预测的问题。改进后模型与混沌理论模型和灰色理论模型相比较,具有迭代次数少、预测精度高等明显优势。在预测电价的基础上建立了水电厂的报价策略模型,并利用遗传算法对模型进行求解。该模型考虑了水电厂的各种约束条件,通过合理分配水电厂各交易时段的出力,达到售电利润最大化的目的。计算结果表明,得到的报价策略能够显着增加水电厂的发电收益。
华扬松[6]2006年在《火电厂实时发电成本分析与辅助报价研究》文中研究说明本文研究了火电厂在电力市场环境下基于实时发电成本分析与系统边际电价预测相结合的辅助报价问题。首先全面分析了单元机组发电成本的构成项目,从可变成本和固定成本的角度对发电成本各具体项目的发生规律及其影响因素进行了研究,提出了实时成本的计算方法,并得出了发电成本与机组负荷之间的关系。然后对某电厂进行了实例计算并做了不确定性分析。其次根据系统边际电价的主要影响因素,建立了多元线性回归和BP神经网络模型,以及综合上述两种模型的最优组合预测模型,实例计算结果表明组合预测模型有更高的预测精度。最后本文提出了火电厂辅助报价的框架模式,并对其子模块的功能进行了详细阐述。
吴超[7]2006年在《电力市场报价方案的预测和优化》文中研究说明电力市场是现代电力改革的重要课题之一。随着“厂网分开,竞价上网”,电力市场的逐步建立,独立发电企业如何在电力市场中充分运用市场规则安排自己的发电计划,从而获得最大的经济效益,目前还是一个全新的领域,无论在理论上,还是实践中都具有重要意义。本文结合国家自然科学基金《热力设备实时数据中知识学习与挖掘算法研究》编号(50376011)和国电南自股份有限公司与东南大学动力系合作开发《发电公司竞价决策系统》两个项目,对发电侧竞价方案的生成及优化进行了研究。论文的主要内容、方法及创新点如下:1、根据《华东电力市场运营规则》对目前华东电力市场的交易规则、月度竞价市场、日前竞价市场作了详细的分析。2、作为国家自然科学基金研究的一部分,本文重点比较和改进了神经网络和模糊神经网络的预测方法和模型,并用于预测各时段系统边际电价,模拟结果表明改进后的模糊神经网络模型可以获得准确且稳定的预测结果。3、为了兼顾预测数值与预测趋势的准确性,本文在模拟试验的基础上,进一步建立了大样本(7天历史数据)预测和小样本(3天历史数据)预测的加权平均模型,有效地改善了边际电价的预测精度。4、本文发现了竞价利润曲线随边际电价变化的规律;建立了机组启停组合优化的数学模型;设计了机组启停组合样本生成规则;改进了遗传优化算法;提出了基于边际电价的全天高利润目标优化算法。并据此生成了全天96点边际电价-最优负荷方案。模拟实验表明此方法能比较快速的找到最优解,且具有良好的稳定性和收敛性。5、在上述的边际电价预测和优化计算基础上,本文根据华东电力市场规则生成了日前电力市场的申报方案(将上述单价格段方案扩展至报价需要的十价格段方案),并利用编程工具开发了优化方案生成软件。文中还给出了软件的主要界面并对软件的使用方法进行了详细的介绍。本文结合华东电力市场规则,对包括电价预测模型分析、预测电价数值处理、日前竞价方案优化、日前申报方案生成的具体方法进行了研究,为解决独立发电公司生产经营中的实际问题提供了一种可行的研究思路,希望能够为进一步的理论与实践的研究提供帮助。
张建通[8]2001年在《百年电力公司经济分析与竞价上网辅助决策系统的研究》文中研究表明建立发电侧电力市场是中国电力工业商业化运营的第一步。山东百年电力发展股份有限公司作为全国第一个改制的发电企业，研究开发一套适合我公司实际的经济分析与竞价上网辅助决策系统具有重要的理论和现实意义。论文研究了山东省电力市场环境下基于边际电价预测的发电公司竞价上网策略问题。对经济分析与竞价上网辅助决策系统进行了整体规划，初步开发了经济分析与竞价上网辅助决策系统。
宁柏锋[9]2008年在《火电厂动态成本分析及其报价策略研究》文中提出本文研究了火电厂在电力市场环境下基于实时发电成本分析与系统边际电价预测相结合的发电企业报价策略研究。首先全面分析了单元机组发电成本的构成项目,从可变成本和固定成本的角度对发电成本各具体项目的发生规律及其影响因素进行了研究,提出了实时成本的计算方法,并得出了发电成本与机组负荷之间的关系。其次根据系统边际电价的主要影响因素,建立了灰色GM和小波多分辨率模型,以及综合上述两种模型的最优组合预测模型,实例计算结果表明组合预测模型有更高的预测精度。最后本文就发电厂商报价策略进行了分析。
王立明[10]2004年在《水电商报价策略研究》文中进行了进一步梳理我国电力工业的市场化改革即将进入到“竞价上网”阶段,传统的水力发电厂从单一的安全生产单位转变为集生产运行、市场预测和电力营销为一体的水电运营中心,即水电商。水电商的收入不仅仅取决于系统结算电价(本文以系统边际电价为计算电价),还取决于发电量在时间上的分配,在高电价时段尽可能多地安排上网电量,在低电价时段适当少安排一些上网电量,能够较大地提高经济效益。可见,报价策略的优劣将直接影响到水电商收益的高低,因此,在电力市场环境下,研究水电商的报价策略问题具有十分重要的理论意义和实用价值。本文从以下几方面进行了较为深入的研究:(1) 通过对系统边际电价(SMP)预测理论的分析,以历史边际电价资料为基础,建立了线性移动自回归、线性移动联合指数平滑和滤波调整SMP预测模型,并对次日96点实时边际电价进行预测,进而得出基于SMP预测的报价策略。(2) 报价策略的制定可以被描述为一个近似的不完全信息非合作博弈过程,用博弈论进行策略性分析,模拟计算的结果更接近于实际情况。本文结合了水电机组运行特点,建立基于期望电价和博弈原理的水电商报价策略,并分别对丰水期、平水期和枯水期的代表日进行计算,得出的报价策略与实际情况进行对比分析,证明其结论基本可行。(3) 提出基于期望损益值准则的风险性决策算法,对水电商面临的经济风险进行分析,并给出了一些水电商规避风险的措施。<WP=3>(4) 建立了水电商报价决策支持系统,详细地论述了其报价流程,重点对生产运行、报价决策和经济分析叁个子系统的功能进行了分析。
参考文献：
[1]. 实时边际电价预测模型研究[D]. 张建. 四川大学. 2003
[2]. 基于机器学习的智能电网实时电价研究[D]. 邓丽. 沈阳理工大学. 2015
[3]. 基于电价预测的水电工程投资控制与效益最大化实现研究[D]. 陈平. 四川大学. 2005
[4]. 电力市场边际电价预测与水电厂竞价上网模式研究[D]. 李郁侠. 西安理工大学. 2005
[5]. 基于粒子群—神经网络的电价预测与水电厂报价策略研究[D]. 李娜. 西安理工大学. 2008
[6]. 火电厂实时发电成本分析与辅助报价研究[D]. 华扬松. 华北电力大学（北京）. 2006
[7]. 电力市场报价方案的预测和优化[D]. 吴超. 东南大学. 2006
[8]. 百年电力公司经济分析与竞价上网辅助决策系统的研究[D]. 张建通. 华北电力大学. 2001
[9]. 火电厂动态成本分析及其报价策略研究[D]. 宁柏锋. 华北电力大学（北京）. 2008
[10]. 水电商报价策略研究[D]. 王立明. 四川大学. 2004
标签：工业经济论文; 预测模型论文; 峰谷电价论文; 上网电价论文; 电费论文; 神经网络模型论文; 边际收益论文; 成本预测论文; 边际收入论文; 市场策略论文; 用户分析论文; 优化策略论文; 电力论文;