GARCH族模型在电力市场电价预测中的比较研究.PDFVIP

GARCH族模型在电力市场电价预测中的比较研究 刘丽燕，邹小燕 （重庆师范大学经济与管理学院，重庆 401331） 摘要：电力市场电价的剧烈波动带来巨大的风险，准确的电价预测有助于市场参与者管理风险并达到 自身利益的最大化。本文用ARMA—GARCH族模型对美国PJM 电力市场和北欧电力市场的日前小时 电价序列进行建模和预测。在模型估计时假设残差分别服从正态分布和学生t分布，进而比较不同模 型对不同电力市场日前电价的预测精度。通过比较得出，由于不同日前电价数据特征不同 ARMA—GARCH族模型的预测效果也不同，总的来说非对称的GARCH模型预测效果较好。但是 ARMA—GARCH族模型并非适用所有电力市场，例如澳大利亚电力市场电价数据波动异常剧烈 不 能用ARMA—GARCH族模型进行建模和预测。 关键词：电力市场；电价预测；GARCH族模型 中图分类号：TM73：F123.9 文献标识码：A 文章编号 够灵活，并且存在过度拟合的问题，所以不能保证 1 引言 该方法的预测精度。 在电力工业改革之前，电力受到国家的管制， 时间序列方法用电价的历史数据准确地反应历 电价由政府相关部门统一制定，短期内电价较为稳 史电价的连续性。其中采用ARIMA模型与ARCH [7] [8] 定，波动较小。政府放松管制之后，电力市场的电 模型结合 或者与GARCH模型结合的方法 ，对电 价由供需双方来决定，最终以均衡电价进行交易。 价的均值和波动性进行建模较多。文献[9]用 电力商品不同于普通商品，它不能大规模储存，并 ARIMA与对数条件异方差（EGARCH）模型结合 受到传输线路和天气等的影响，导致了电价的波动 进行短期电价预测，来拟合电价的 “负杠杆效应”。 十分剧烈，显示出“尖峰”、“厚尾”和“极端跳跃” 文献[10]采用ARMA模型与GARCH族模型以及均 [1-2] 等特征 ，这加大了电价预测的难度，并给电力市 值GARCH （GARCH—M）族类模型进行短期电价 场参与者带来极大的市场风险。因此，对电价进行 预测。文献[11]采用以总负荷为外生变量的ARMA 精准的预测显得尤为重要。 （ARMAX）与GARCH族类模型结合进行日前电 电价预测的重要性及预测的复杂程度使很多学 价的预测。GARCH族类模型有较少的变量，并且 者在这个领域展开了大量研究。电价预测的方法主 可以很好拟合电价的时变方差。 要有人工智能法和时间序列法。文献[3]采用人工神 由于电价波动的“尖峰”、“厚尾”和 “负杠杆 经网络对电力市场小时电价进行预测，主要预测未 效应”等特征，本文用ARMA—GARCH族模型对 来3天的短期电价。为了提高预测精度，文献[4]采 电价波动性进行建模，通过对残差做不同分布的假 用引入多向全局搜索机制的改进粒子群算法的改进 设比较5个ARMA—GARCH族模型在不同市场的 人工智能神经网络预测模型，对美国PJM 电力市场 预测精度。本文结构如下：第二部分是电价波动的 的小时电价进行预测。结果显示，改进后的神经网 特征与GARCH族模型的理论基础；第三部分是讨 络模型对短期电价的预测精度提高了10.16%。文献 论本文所用数据；第四部分是GARCH族模型以及 [5]采用了基于Levenberg-Marquardt算法的人工神 模型预测所用的方法；第五部分是10个GARCH 经网络预测方法，对PJM 电力市场进行预测。结果 族模型的估计结果，各个模型在不同的残差分布假 显示，基于Levenberg-Marquardt算法的人工神经网 设下的预测精度，以及对GARCH族模型的实适用 络预测方法显示出了较高的合理性和精确性。文献 性讨论；第六部分是结论。 [6]采用Kalman滤波与神经网络相结合的方法，对 2 电价波动的特征与GARCH族模型 短期电价进行预测。但神经网络方法的参数调整不 2.1 电价波动的特征 基金项目：国家自然科学基