《博士研究生论文答辩竞争性电力市场环境下电价预测方法与应...课件》由会员分享，可在线阅读，更多相关《博士研究生论文答辩竞争性电力市场环境下电价预测方法与应...课件（78页珍藏版）》请在金锄头文库上搜索。
1、博士研究生论文答辩 竞争性电力市场环境下电价预测方法与应用研究,博 士 生：李正欣 导 师：赵林度,2,汇报提纲,论文的背景 电力市场及电价分析 电价价格钉的预测与控制 电价的非线性预测模型 电价的组合预测 电价预测的应用发电商容量分配研究 总结论文的创新点,3,论文的背景,选题背景 近年来，由于电力、信息等技术的发展，世界各国纷纷进行电力体制的改革 2002年，国务院出台电力体制改革方案 2003年6月，国家电力监管委员会陆续在东北、华东开展区域电力市场建设试点。 目前我国的电力市场已供大于求，电力的市场化改革将会不断地深入。,4,研究目的 研究电价的变化规律 提高电价预测水平 控制发电商的
2、决策风险,5,国内外研究综述 电价预测研究综述 博弈论模型 随机模型 无参数和人工智能模型 价格钉的判别与预测,6,发电商竞价策略研究综述 基于成本分析 基于电价预测 基于博弈理论优化 基于矩阵博弈模型 基本寡头博弈模型 发电商风险控制研究综述 风险来源 风险管理 风险计量,7,论文的研究框架路线,返回,8,电力市场及电价分析,电力市场 电力市场中的电价 电价的影响因素 电价预测概述,9,电力市场体系结构,10,电力交易模式及交易类型 交易模式 双向合约模式 电力库模式 综合模式 交易类型 现货交易 合约交易 期货交易,返回,11,电价的形成,12,电力产品及电价的特点,电力是一种较为特殊商品
3、 网络依赖性 不可大量储存性 高度协调性 公共品 规模经济与自然垄断 高沉淀成本 政府规制 用户多样、需求不确定,13,电价的统计特性 波动性 周期性 均值回复 跳跃性和价格钉,14,电价在电力市场中的核心作用 吸引投资 优化资源配置 增强企业活力 引导用户合理用电，节能减排,返回,15,电力成本 发电成本 输送成本 交易成本 市场交易并非无成本，交易成本主要为了： 了解市场信息 谈判协商、达成交易的费用 交易执行、监督费用及违约成本 发电公司要实现利润最大化，需满足边际成本等于边际利润。,16,市场供求状况 需求 电力市场的需求具有不确定性 对日前市场，需求由市场交易中心给出预测值，可认为是
4、确定的、已知的 负荷（即需求）的不确定性交由实时市场 需求价格函数在短期内接近于垂直与横轴的曲线，即需要弹性接近于0。 供给 完全竞争时，发电企业的市场供给曲线为水平直线,17,与一般商品的市场均衡不同，电力产品的市场均衡，必须同时实现电力和电量双重平衡 发电企业产出的关键是电力，其次才是电量 发电设备的装机容量（生产能力）不能以均匀的生产满足随时间变化的不均匀的需求，装机容量要大于最大电力负荷的120-150%（含备用容量）。 电力系统提供的电量既不能多于需求，又不能少于需求。 电力系统既需足够容量，还需统一调度,18,市场力与市场监管 市场力 经济学对市场力的一般定义是指改变市场价格使之偏
5、离市场充分竞争情况下所具有价格水平的能力。 在电力市场中，市场力的行使和扩大有多种方式： 电力企业扩大自身的规模，包括企业自身的成长以及企业间的兼并、合并、收购等行为。 发电商通过持留行为行使市场力。一是物理持留，二是经济持留。 通过横向合作限制竞争。 有优势的发电企业通过自身垄断力量来打击、消灭竞争对手或组织新的竞争者的竞争。如掠夺性定价。,19,市场监管 最高价格限制 价格波动限制,返回,20,电价预测概述 电价预测的基本概念 电价预测是在综合考虑电价影响因素，运用数学模型、计算机模拟等工具对相关数据进行分析和研究，对未来电力市场中的电力交易价格进行预测。 对电价的预测要求必须同时具备预测
6、速度与预测精度，才具有实际的应用意义。 电价预测分类 根据预测点分类 根据预测内容分类 根据预测期限分类 电价预测误差及评价指标 绝对误差和相对误差,21,平均绝对误差 均方误差 均方根误差 改进的平均绝对百分比误差 传统的MAPE 改进的MAPE,返回,22,电价价格钉预测与控制,价格钉的经济学分析 价格钉的预测 价格钉的控制,23,价格钉的定义,电价的突然、剧烈地波动,24,价格钉的成因,电力需求的两方面缺陷 短期内明显缺乏价格弹性，很多市场价格弹性为零 电力需求由于气候等因素呈现出较大的波动性 电力供给的独特性 发电是资金密集型产业，短期内难以增加供给 电力不能经济储存，需要在瞬间实现供
7、给平衡，任何偶然的机组停运或传输系统障碍都将直接影响供给并进而影响电力供需平衡点 发电机组存在较高的启动成本,25,价格钉的影响因素,供给方面 装机容量 停运 发电机组种类 传输限制 需求方面 负荷持续时间 天气敏感性 经济活动 零售价格,26,市场组织及设计方面 零售电价限额 现货交易比例 容量要求 批发价限额,27,价格钉的判别及分布特点,判别 基于历史数据的异常价格统计方法，即把价格处于 以外的异常值作为价格钉。 基于经验的方法，即设定一价格阈值 ，将所有大于此值的电价视为价格钉。 基于价格变化量的方法，即若当前价格与前一时间点价格的变化量 大于正常变化量的最大值时，认定当前电价为价格钉
8、。 所有数值为负数的价格视为价格钉。 分布特点 同正常电价数据相比，价格钉数据所占比例通常很低，二者的比例可达100：1,返回,28,价格钉的预测,预测模型 跳跃扩散模型 区间选择模型 将电价分解为含价格钉过程与不含价格钉的过程两个部分，而含价格钉的过程假定为一两状态的马尔柯夫过程,29,结构化模型 供给函数由分段函数描述 均衡价格运用供给与需求的交点解得，即 数据挖掘模模型 首先预测某一时点价格钉发生的可能性 然后预测价格钉的大致范围 最后再预测价格钉的数值,30,基于SMOTEBoost的SVM分类器价格钉预测模型,分类预测 电价数据分为2类：一类为价格钉；一类为正常电价 2类数据所占比例
9、悬殊，是一种较为典型的非平衡数据集 解决的途径可粗略地分为2个方向 对数据进行采样处理 一种是减少多数法（under-sampling），即通过对多数类样本的数量来平衡2类样本 另一类是增加少数法（over-sampling），即通过复制或插值等方法增加少数类样本的数量 算法设计 线性Logistic回归、决策树、多层感知器神经网络、贝叶斯网络、多项Logistic回归以及支持向量机等,31,AdaBoost是一种最常见的Boosting方法，在每次迭代中，增加没有正确分类样本的权值，减少正确分类样本的权值，更加关注于分类错误的样本。因少数类样本更容易被错误分类，所以有理由相信该方法能够改进对
10、少数类的预测性能。 SMOTE技术（Synthetic Minority Over-sampling Technique）是非平衡数据集学习的一种新办法，通过对少数类样本的人工合成提高少数类样本的比例，降低数据的过度偏斜。 SMOTE技术与AdaBoost结合，可有效避免由于赋予少数类样本更大权值而可能产生的过度拟合。 SVM具有较强的泛化能力,32,算法模型 AdaBoost分类器 AdaBoost算法的基本思想是通过训练一组分量分类器，将多个弱分类器集成为一个强分类器。在训练过程中，每个训练样本被赋予一个初始权值，当一个弱分类器训练完成后，根据其在训练集上的分类结果对所有的样本权值进行调整
11、，使得下一次训练的弱分类器更关注那些被识别错误的样本。最后的强分类器的判决结果是所有弱分类器判决结果的加权和 SMOTE增加少数样本法 增加少数样本法是通过增加数据集中少数类样本的办法，降低类别之间分布的不平衡程度。早期的增加少数法是直接复制少数类样本，以增加其数量。DeRouin等学者通过神经网络技术，用仿制取代复制，以期减少少数类信息的缺失。Chawla则沿用仿制的思路，提出了少数类信息的仿制技术SMOTE（Synthetic Minority Over- Sampling Technique）,33,SMOTEBoostSVM集成算法 基本思想 先运用SMOTE技术合成少数类样本，改善数
12、据的偏斜状况，然后用AdaBoost算法集成多个SVM分类器，从而达到非均衡数据集上更好的分类效果与模型泛化能力 算法流程,34,4 输出：最后的强分类器,35,实例分析 数据的选择与预处理 评价指标 少数类正确率 多数类正确率 几何平均正确率 精确率 召回率 F-measure 训练与预测结果,返回,36,价格钉的控制 降低市场力 市场力的衡量指标 HHI指数 Lerner指数 市场力的抑制措施 增加市场竞争主体，降低市场集中程度 加强电网建设，合理布局电源 设立价格上限，加强市场监管 鼓励远期合约，引入电力期货、期权等风险管理工具 建立有效的价格传导机制，加强需求侧响应,37,增加容量充裕
13、性 在电力行业放松管制的改革前，作为公用事业的电力企业有保证电力稳定供应的义务，电力系统的装机容量由其统一规划并进行投资决策，但改革后，没有一家企业承担此项义务，每个企业根据自己对于未来电力市场的发展趋势判断决定自己的投资决策。由于改革后的电力市场并没有形成完全竞争市场，而更接近于寡头垄断，加之电力行业的固有特征，如建设周期长、投资大、需求受气候等因素波动性大等原因，以及价格上限等因素，造成市场对新机组的投资不足，成为多个市场价格钉产生，甚至电力危机产生的重要原因。 确定容量费用的模式 容量责任模式 行政方法 显式的额外容量费用模式,返回,38,电价的非线性预测,电价的解释变量选择 电价的非线
14、性特性分析 电价的非线性预测模型 模型仿真与比较,39,电价的解释变量选择,需求 供给 可调容量 计划停运 竞价策略,返回,40,电价的非线性特性分析,多维时间序列的相空间重构 非线性检验 Lyapunov指数 替代数据法 检验统计量 Cao方法 关联维数,41,电价非线性检验实例,最大Lyapunov指数 电价时间序列的最大Lyapunv指数 负荷时间序列的最大Lyapunv指数 相空间重构 替代数据法检验T值和关联维数 使零假设在95%的置信水平内有效，依据相位随机化方法，对电价和负荷时间序列分别生成40组替代数据,42,电价T值检验,负荷T值检验,43,关联维数统计检验,返回,44,电价
15、的非线性预测模型,局域多项式预测模型 单变量时间序列的局域多项式预测 用 个已知数值的 和 ，通过最小二乘法可确定上式中的系数，即： 通过QR分解方式将系数向量f 析出。,45,多变量时间序列的局域多项式预测 重构的动力系统 通过 阶多项式局域拟合 与单变量类似，可通过QR分解的方式辩识出系统参数,46,电价时间序列的多变量局域多项式预测 以广义交叉验证值（GCV）作为参数集优劣的评判标准，从一组参数集中选择最优的一组参数 算法步骤,47,48,多元样条自适应回归模型 多元自适应回归样条(MARS: Multivariate Adaptive Regression Splines)是用来解决多
16、元数据问题的新方法。MARS将分段解释方程汇总组合出一个较具弹性的预测模型。它是一种具有弹性的回归处理程序，可以自动建立准则模型，并利用这个准则模型来推测其连续和间断的因变量。从名称来看，就是指多元逐步的回归程序，它最适合应用在高维度的问题中，也被视为广义的线性逐步回归，或者是通过修正分类与回归树模型方法改善的多元自适应回归执行过程。目前己被运用到许多不同领域的研究中。 MARS简介 局部回归方法，通过样条函数(又称为基函数Basis functions，简称BF)来模拟复杂非线性关系。它将整个非线性模型划分为若干区域，在每个特定区域内由一段线性回归直线来拟合 模型,49,MARS模型构建 函数以加权和的形式引入到MARS模型中 采用前向逐步过程，每次选取一对最优样条函数来提高模型准确度。每对样条函数包括由结点位置定义的左侧的和右侧的分割函数。这样最优的样条函数被一对一对地添加到模型中，用来提高对训练数据描述的准确度。 剪
