基于最大Lyapunov指数的市场出清电价预测.pdfVIP

3792 中南大学学报(自然科学版) 第42卷 稳定、有序，国内外许多研究者使用不同的方法对出 能够保留原空间状态轨道最主要的特征。本文采用目 清电价预测进行了研究，如：文献【1]采用合作协同进 前使用最广泛的延迟坐标状态相空间重构法[101，将实 化的方法进行出清电价预测；文献[2】基于历史电价、 际观测的时间序列数据扩展到多维的相空间，分析时 电量以及其他信息，采用神经网络法对电力市场出清 间序列中所包含的系统信息。 电价进行预测；文献[3】从市场出清价具有非线性和多 将观测到的Ⅳ个电价数据记为1个单变量时间序 时间尺度的特性出发，采用人工免疫系统优化后的小 列工。，X2，…，轴，将其嵌入m维相空间，则m维相 波网络来描述市场出清价的变化规律并对次日市场出 空间中的相点表示为： 清价进行预测：文献[4】用免疫遗传算法对模糊神经网 ‘2(啊，晰_f，…，h一(。一1)，) 络的学习算法进行改进，对出清电价进行预测；文献 【5]对市场出清电价的影响因素进行了系统分析，认为 玎=1，2,,N一(优-1)v 影响市场出清电价的因素众多，且这些因素具有较强 式中：Ⅳ为时间长度；xl，X2，…，晰为电价序列；_r 的随机性和不确定性，而常规的市场出清电价单值预 为延迟时间；m为嵌入维数。 测模型未充分考虑历史数据的不确定性，预测结果无 设Do为估算的最大分数维，D为原系统的维数。 法体现市场出清电价的随机变化特性，预测精度也较 根据Takens提出的嵌入定理…】，时间长度Ⅳ越大， 低；文献【6】将BP神经网络引入出清电价预测，将负 越能反映出原系统的信息，但过大的时间长度会造成 荷和清算电价作为输入变量，出清电价作为输出变量， 重构时间延长，因此，Ⅳ通常在区间[10Do，102风一】范 构造了3层BP神经网络模型对未来出清电价进行了 围内取值；延迟时间r的取值应适当，既保证各分量 预测：文献【7】将相似性原理和BP神经网络相结合预 间的相互独立性，又要保证延迟坐标的相关性；嵌入 测日前市场出清电价，该法尤其适用于只能获得有限 维数m的取值应满足m≥2D+l。 原始数据的情况。由于影响电价的因素很多，电价一 1．2混沌特性判定原理 般被认为是一种随机变量，因此，预测市场出清电价 混沌运动是一种介于确定与随机之间的更具普遍 时既要给出所预测电价的可能值，还要给出相应的概 意义的状态，其产生于确定性的非线性系统中，对初 率信息。文献[8]研究了西班牙能源市场次日电价的预 始条件具有高度敏感性，并且具有自相似的分形结构 测问题。上述研究大多采用单一序列的研究方法而忽 和分数维。为了鉴别电价的演化过程是否为混沌运动， 略了不确定因素的影响，而神经网络预测方法也有其 可采用相空间重构进行分析，提取特征指标Lyapunov 局限性。为此，本文作者引入相空间重构和最大 指数来定量判断电价序列是否处于混沌状态。 Lyapunov指数的计算方法，在此基础上对市场出清电