电价预测

摘要： 通过对电力市场短期电价及长期电价预测进行大数据分析建模研究,结果表明指数平滑法、ARMA模型、最大信息熵模型及“关联规则+ARMA”等模型适合短期电价预测;状态空间模型及神经网络模型较适合长期电价预测。通过预测模型,对中长期电力市场以及现货电能量市场提供交易辅助决策有一定的指导作用。

摘要： 阐述粒子群算法对于BP神经网络初始权值、阈值进行精准计算,提升电力系统的电价可测性。仿真结果表明,神经网络预测模型系统设计对于电价预测有很好的应用效果。

摘要： 在高比例可再生能源参与市场竞争的背景下,电价波动更为剧烈。为了对电价区间进行预测,提出了动态贝叶斯网络(Dynamic Bayesian Network, DBN)的电价区间预测方法。该方法以风电发电量、总发电量和总用电量的预测值以及历史电价真实值为输入数据,以贪婪搜索算法确定DBN的网络结构,以最大似然估计法(Maximum Likelihood Estimate, MLE)估计DBN网络参数,建立DBN模型。然后以风电发电量、总发电量和总用电量的预测值为推理证据,采用联合树推理得到电价预测的离散值和后验概率,实现电价的区间预测。最后将所提方法与电价真实值、对比方法进行比较,验证了所提方法的有效性。所提方法不仅能得到电价的预测区间,而且能给出对应的概率,对提高市场成员的收益、规避价格风险具有指导意义。

摘要： 针对电价非平稳性强的问题,为提高电价的预测精度,提出一种基于变分模态分解(VMD)、经验模式分解(EMD)和长短时记忆网络(LSTM)的混合预测模型。首先利用VMD将电价分解为若干子序列和残差项;针对残差项具有较强非平稳性的问题,利用EMD对残差项进一步分解;最后对各子序列分别利用LSTM模型进行预测,并将各子序列预测结果叠加得到最终预测电价。实验结果表明,该方法相比于其他对比方法具有更高的预测精度。

摘要： 对双边协商电力市场合约价格的合理预测和预判可以给双边市场运营和监管提供重要支撑。传统电价预测方法主要针对可形成稳定时间序列的节点、区域或系统电价,对于具有“一人多单、一单一价”的高度异质性特点的双边协商市场则难以直接适用。中国当前双边协商市场数据类型单一、数据规模小的现状进一步加大了预测难度。为此,提出从微观行为到宏观价格的解决思路,给出了基于电力经济学模型和实证数据混合驱动的预测方案。首先,结合电力市场特征,提出可解释双边市场二元协商机理的公理化经济学模型,将市场主体的电能价值估计值与均衡价格联系起来;然后,基于数据回归的思想建立多主体联合优化模型,逆向求解各主体的价值估计值;最后,结合市场主体的价值最优估计值和所提出的经济学模型,对未知合约成交价格进行预测。算例结果表明,所提方法可适应当前数据环境,不仅预测精度高、速度快、鲁棒性好,还可以揭示双边协商市场的微观经济学规律,具有较强的解释力。

摘要： 为适应我国电力交易市场化改革战略,提出准确适用的电价预测方法能够有效规避交易市场风险以达到经济效应最大化。本文基于水电工程电力消耗特征,考虑影响水电工程电价影响因素,采用灰色关联度评价方法确定重要预测特征,基于小波神经网络构建水电工程短期电价预测算法。运用MATLAB软件针对算例数据仿真求解,预测水电工程短期电价。结果表明,本文提出的水电工程短期电价预测算法能够有效的泛化水电工程特征影响因素,与传统模型相比具有较高的预测精度。

摘要： 本文基于省间电力现货规则,分析了在省内现货市场模式、省内中长期市场模式下的新能源发电企业,参与省间电力现货的可获得的增量交易价值收益.本文给出了省间电力现货电价和省内现货电价预测方法,作者开发了"天机"电力交易辅助决策系统的省间现货交易模块,给出了省间电力现货收益提升判断算法流程和省间电力现货交易收益结果.

摘要： 为保障电力市场各参与者的利益和促进电力市场公平、稳定运行,提出一种基于改进小波神经网络的电力市场实时电价预测模型。将归一化处理的电力市场历史负荷与电价、模糊化处理的温度、预测时段供求指数以及竞价空间作为输入量,创建基于改进小波神经网络的电力市场实时电价预测模型,将优化后参数当作最终参数用以实现电力市场实时电价预测。实验结果表明:该模型方法可以有效提升电力市场实时电价预测的寻优精度和速度,具有较理想的电力市场实时电价预测性。该模型的应用可推动电力市场实时电价预测的发展。

摘要： 准确的电价和负荷预测对现代电力系统至关重要,但由于电价与负荷之间存在较强的相关性,若不考虑其相互影响,将导致预测的精度下降。为了提高现有方法的预测准确性,在考虑价格与负荷关系的前提下,提出了一种基于深度递归神经网络的价格与负荷预测模型,即基于外部输入的稀疏自编码器的非线性自回归网络,其功能包括特征提取和预测。首先针对特征提取环节,对原有方法进行改进,提出了稀疏自编码器,可以大大提高特征提取的有效性。其次,利用非线性自回归网络进行电价和负荷预测。使用电力市场大数据ISONE和PJM进行仿真验证,与级联Elam网络相比,ESAENARX在负荷预测方面将平均绝对误差降低了16%,在价格预测方面降低了7%。

摘要： 针对高比例水电电力市场,建立合理有效的水电厂日前报价策略,对保障水电有效参与市场、促进水电消纳具有重要意义。首先考虑运行日系统出清电价的不确定性,基于历史相似日识别,采用高斯过程回归(GPR)建立日前出清电价概率预测方法;然后以水电厂自身售电收益最大为目标,构建梯级上游水电站日前分段容量报价的解析计算方法,并建立梯级上下游电站之间的出力耦合模型,基于出力耦合关系得出下游水电站的申报策略;最后对实际梯级水电厂日前分段容量申报进行仿真分析,证明所提梯级水电厂报价策略的可行性和有效性。仿真结果表明,所提方法可为高比例水电电力市场中水电厂参与日前竞价提供合理的辅助决策参考。

摘要： 准确的短期电价预测可以为市场参与者的竞价策略提供指导,减少参与者的竞价风险,为其带来稳定的收益.本文利用美国新英格兰地区的数据,采用时间序列法和人工神经网络这两种常见的方法建立模型,对电价进行了预测,并且对两种方法的预测结果进行了对比分析.指出时间序列法的预测效果不太理想，尤其在预测体息日电价时，电价序列波动较大，导致误差较大。由于电价序列的平稳化比较困难，使得时间序列法在电价预测领域没有多少优势，一般都与其他方法结合使用。神经网络法的预测效果与时间序列法相比有了显著的提高。但在预测电价波动较大的体息日电价时，精度依然偏低。这与数据本身数量、波动性和随机性，神经网络的结构，市场参与者的报价策略，以及模型未能将一些非确定性因素，如天气、线路阻塞、备用等有关。在原有BP神经网络的基础上，可以考虑采用在输入层增加特殊的输入向量、用各种方法对电价序列进行预处理、改进神经网络的结构等方法加以改进。

摘要： 在电力市场条件下，准确的电价预测是市场参与各方的共同要求。本文介绍了电价预测的种类和我国电价的发展与国外电力市场对我国电力市场化改革的启示，分析了电价预测的一般过程和基于神经网络、小波分析的电价预测方法。由于电价的影响因素众多，认为对历史结算电价的选择和预处理上应该有更加深入的研究，不断更新电价预测的数学模型，提高预测的效果。

摘要： 本文针对日前市场电价波动的特点，结合智能建模方法建立日前电价预测模型。选择与传统神经网络相比速度更快性能更好的ELM新方法建立基本预测模型，再将集成思想运用到建模过程中，提出了多ELM的日前电价预测建模方法.并用实际数据对模型进行检验，结果表明使用该新方法建立的日前电价预测模型具有很好的预测性能。

摘要： 为了提高短期电价预测精度,本文提出了一种将异常值检测、anomaly detect、神经网络以及群体智能算法相结合的混合算法.作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法.作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度.

摘要： 预测市场边际电价对于电力市场的参与者有十分重要的意义。本文首先分析了BP神经网络在电价预测方面的优劣势，然后基于小波分析,即用母小波取代Sigmoid函数建立了小波神经网络的电价预测模型，并用遗传算法优化神经网络的拓扑结构和各权重系数，从而避免BP神经网络的预测电价陷入局部极小值。实际计算表明改进后的预测模型有效地提高了预测精度。

摘要： 预测市场边际电价对于电力市场的参与者有十分重要的意义。本文首先分析了BP神经网络在电价预测方面的优劣势,然后基于小波分析,用母小波取代Sigmoid函数建立了小波神经网络的电价预测模型,并用遗传算法优化神经网络的拓扑结构和各权重系数,从而避免BP神经网络的预测电价陷入局部极小值。实际计算表明改进后的预测模型有效地提高了预测精度。

摘要： 假设有一定量的水、用两种开机方式计一算，第一种当隔河岩小出力备用时，则水布t}正常发电;第二种山于隔河岩耗水率大于水布娅，若隔河岩正常的时I司为e，那么在水布娅发电应该是r时间小出力备用，剩下的水量还可以正常发电。最终结果通过比较电量，或加入电价因素，比较效益来决定那种开机策略更优。在2015年初研究出清江梯级电厂低谷开机策略的成果后，立即把它应用于实际调度过程中，由于电网对于低谷时段机组小出力的需求不敏感，所以大部分时段网调能够接受了调度思想，按照开机策略及时进行调整，2015年水布娅在80MW以下的运行区间有大幅度的下降，100MVV左右及以上的运行区间有大幅的提升，这除了增加经济效益，提高水能利用率外，对机组在不合理运行区间的损伤有了一定程度的降低。事实证明，在不能改变水布娅必须为电网提供调压和小出力备用的前提下，应用此低谷开机策略后，机组检修时发现机组裂纹的频率明显降低了，机组运行工况也有很大程度的改善。

摘要： 假设有一定量的水、用两种开机方式计一算，第一种当隔河岩小出力备用时，则水布t}正常发电;第二种山于隔河岩耗水率大于水布娅，若隔河岩正常的时I司为e，那么在水布娅发电应该是r时间小出力备用，剩下的水量还可以正常发电。最终结果通过比较电量，或加入电价因素，比较效益来决定那种开机策略更优。在2015年初研究出清江梯级电厂低谷开机策略的成果后，立即把它应用于实际调度过程中，由于电网对于低谷时段机组小出力的需求不敏感，所以大部分时段网调能够接受了调度思想，按照开机策略及时进行调整，2015年水布娅在80MW以下的运行区间有大幅度的下降，100MVV左右及以上的运行区间有大幅的提升，这除了增加经济效益，提高水能利用率外，对机组在不合理运行区间的损伤有了一定程度的降低。事实证明，在不能改变水布娅必须为电网提供调压和小出力备用的前提下，应用此低谷开机策略后，机组检修时发现机组裂纹的频率明显降低了，机组运行工况也有很大程度的改善。

摘要： 假设有一定量的水、用两种开机方式计一算，第一种当隔河岩小出力备用时，则水布t}正常发电;第二种山于隔河岩耗水率大于水布娅，若隔河岩正常的时I司为e，那么在水布娅发电应该是r时间小出力备用，剩下的水量还可以正常发电。最终结果通过比较电量，或加入电价因素，比较效益来决定那种开机策略更优。在2015年初研究出清江梯级电厂低谷开机策略的成果后，立即把它应用于实际调度过程中，由于电网对于低谷时段机组小出力的需求不敏感，所以大部分时段网调能够接受了调度思想，按照开机策略及时进行调整，2015年水布娅在80MW以下的运行区间有大幅度的下降，100MVV左右及以上的运行区间有大幅的提升，这除了增加经济效益，提高水能利用率外，对机组在不合理运行区间的损伤有了一定程度的降低。事实证明，在不能改变水布娅必须为电网提供调压和小出力备用的前提下，应用此低谷开机策略后，机组检修时发现机组裂纹的频率明显降低了，机组运行工况也有很大程度的改善。

摘要： 假设有一定量的水、用两种开机方式计一算，第一种当隔河岩小出力备用时，则水布t}正常发电;第二种山于隔河岩耗水率大于水布娅，若隔河岩正常的时I司为e，那么在水布娅发电应该是r时间小出力备用，剩下的水量还可以正常发电。最终结果通过比较电量，或加入电价因素，比较效益来决定那种开机策略更优。在2015年初研究出清江梯级电厂低谷开机策略的成果后，立即把它应用于实际调度过程中，由于电网对于低谷时段机组小出力的需求不敏感，所以大部分时段网调能够接受了调度思想，按照开机策略及时进行调整，2015年水布娅在80MW以下的运行区间有大幅度的下降，100MVV左右及以上的运行区间有大幅的提升，这除了增加经济效益，提高水能利用率外，对机组在不合理运行区间的损伤有了一定程度的降低。事实证明，在不能改变水布娅必须为电网提供调压和小出力备用的前提下，应用此低谷开机策略后，机组检修时发现机组裂纹的频率明显降低了，机组运行工况也有很大程度的改善。

摘要： 本发明涉及一种基于历史边际电价的配电网电价预测方法，属于自动化领域。该方法为：基于Kalman‑BP组合模型预测实时电价的方法，首先将得到的实时边际电价数据进行处理；将被预测数据看出是在白噪声作用下一个随机线性系统的输出，并且其输入/输出关系由状态方程和输出方程在时间域内给出，使得预测电价曲线更加平滑，更接近真实值；通过BP神经网络将数据分为训练；利用Kalman滤波去噪后的数据进行BP神经网络建模，对一天后的实时电价进行预测。改进现有的电力设备红外图像状态探测识别方案，能够用于电力设备红外图像状态探测识别与定位标记，通过算法模型自动处理红外图像信息，免去人工判别或用传统机器识别方法。

摘要： 本发明涉及一种基于长短期记忆网络的电力负荷预测与电价预测系统，该系统包括数据分区处理模块、天气信息模块、电价信息模块、数据库、长短期记忆网络负荷预测模块、电价预测模块和实时通信模块以及控制管理模块，所述的数据分区处理模块、天气信息模块和电价信息模块分别连接数据库，所述的控制管理模块分别通过电价预测模块、实时通信模块和长短期记忆网络负荷预测模块连接数据库。与现有技术相比，本发明具有以下优点：较为准确的预测相关电力数据，保证电力系统安全可靠运行，实现社会经济效益最大化。

摘要： 本发明涉及校准窗口集成与耦合市场特征的双层日前电价预测方法，属于电力市场技术领域，该预测算法为双层框架：内层框架为基于改进自适应噪声完备集合经验模态分解ICEEMDAN的择优预测：通过ICEEMDAN算法将原始电价序列分解为各个子序列后，对每个子序列使用本文提出的统计模型套索估计自回归模型LEAR和人工智能模型长期和短期时间序列网络LSTNet预测等。外层算法为基于贝叶斯模型平均的校准窗口集成预测：设置一组不同时间长度的校准窗口作为输入数据集中的训练集，在每个校准窗口数据集上训练内层预测模型，然后在测试集上预测并使用BMA方法对不同的校准窗口的预测赋予相应权重，整合得到最终预测电价。相比现有预测算法，本发明所提预测方面更加准确和稳定。

摘要： 本发明公开了基于稀疏自编码非线性自回归网络的负荷电价预测方法，涉及智能电网电价负荷预测技术领域，预测方法包括以下步骤：步骤一：建立非线性自回归网络预测模型，步骤二：使用最小‑最大归一化对输入数据和目标进行归一化，步骤四：对价格和负荷的预测值反归一化，获得实际值；步骤五：使用归一化公式对输入数据和目标进行最小‑最大归一化；步骤六：建立原始神经网络目标函数；步骤七：在原始神经网络目标函数中加入稀疏性限制，步骤八：对编码器系数进行微调，步骤九：得到非线性自回归网络，步骤十：得到最终预测结果。本发明可利用大数据对电力负荷和电价进行准确的预测，利用小波去噪作为解码函数，显著提高了提取特征的质量。

摘要： 本发明实施例公开了一种电价预测方法、装置、电子设备及存储介质，该方法包括：获取电力生产者的电力报价信息，并获取用户的电力需求信息，电力报价信息由电力管理者对原始报价信息进行第一保护操作得到，电力需求信息由电力管理者对原始需求信息进行第二保护操作得到；根据第一保护操作和第二保护操作确定目标电价预测模型；将电力报价信息和电力需求信息输入目标电价预测模型，以利用目标电价预测模型进行电价预测，得到市场电价。即根据第一保护操作和第二保护操作确定目标电价预测模型，将电力报价信息和电力需求信息输入目标电价预测模型，得到市场电价，提高基于不完全信息的目标电价预测模型的准确率，改善目标电价预测模型预测效果。

摘要： 本申请涉及一种电力物联网多源数据融合的深度学习电价预测方法和装置，包括：获取目标区域内各个地区的预设时间段的预测电价，其中预测电价由预先分别布置于各个地区的电价预测模型对相应的历史电价数据集进行预测得到；然后获取各个地区的历史电力负荷均值；对历史电力负荷均值进行融合权重计算，以得到各个地区历史负荷均值相应的融合权重；基于融合权重对预测电价进行融合计算，以得到预设时间段的最终预测电价。本申请通过融合计算进行电价的预测，避免了数据的大规模的传输，能够有效缓解对通信带宽和相应计算机资源的压力。

摘要： 本发明公开了一种电价预测模型的训练方法及应用方法，首先利用历史数据，采用3sigma(3σ)准则算法和箱线图算法计算出实时价格和系统负载率的典型曲线以及系统负载率对应的分割点，然后结合每段的特征选择相关性强的历史数据作为机器学习算法的输入，从而训练出相应的预测模型。最后调用该模型并结合系统负载率分段式的修正算法，准确预测出未来一定窗口期长度的实时价格。

摘要： 本申请适用于数据预测技术领域，提供了一种分时电价预测方法、装置及终端设备。该分时电价预测方法包括：获取目标用户的历史电价数据、历史总负荷数据、历史风能负荷数据、历史光伏负荷数据和历史日期数据；确定上述数据中对分时电价的影响程度超出阈值的目标变量；根据目标变量构建分时电价预测模型；基于深度极限学习机DELM，确定分时电价预测模型输出的分时电价。本申请针对光伏发电和风力发电等新能源的广泛参与到电力市场时引发分时电价预测不确定性的问题，通过建立分时电价预测模型，并引入了麻雀搜索算法SSA与深度极限学习机DELM相结合的算法，在考虑到电力市场实时性的同时，达到了能够准确预测分时电价的技术效果。

摘要： 本发明公开了一种基于多智能体博弈均衡的日前现货市场电价预测方法，S1、获取火电机组的技术参数；S2、定义决策变量；S3、建立日前电量市场的出清模型；S4、计算火电机组的日收益；S5：计算各报价策略的概率系数，并重新选择报价策略；S6、判断火电机组电力系统是否处于博弈均衡状态，若是则以火电机组电力系统达到博弈均衡时的系统边际电价作为预测的市场价格；否则，重复执行S3。本发明通过多智能体模拟火电机组的市场行为，智能体基于对历史报价策略竞价结果的学习，以自身利益最大化为原则，不断优化报价策略直至市场均衡，以均衡时的系统边际电价作为预测的市场价格，为预测日前现货市场价格提供了一种方法。

摘要： 本发明涉及电价预测的技术领域，更具体地，涉及一种短期电价预测方法，具体地是一种基于互信息—注意力机制和纵横交叉算法优化长短时记忆网络的短期电价预测方法。针对电价特征变量增多的问题，提出基于互信息—注意力机制的二次特征选取方法，利用互信息特征选取方法选取出与电价相关性最高的特征集，再引入注意力机制对该特征集赋予不同权重以突出其中的关键信息，能够有效选取出加权的高相关性特征集；针对传统长短时记忆网络容易陷入局部最优的问题，采用纵横交叉算法优化模型的权重和阈值，能有效提高模型跳出局部最优的能力；组合预测模型结合了多种算法的优势，能够有效提高电价预测精度和模型的泛化能力。