基于BP神经网络短期市场出清电价预测.docVIP

基于BP神经网络短期市场出清电价预测 　　摘要：在电力市场中，短期市场电价预测的准确与否，对发电厂的竞价决策具有关键性的影响。文章提出应用神经网络算法来模拟预测日前市场出清电价，以获取精确的预测结果，该方法可适用于原始数据有限的情况。利用电力系统历史负荷、历史清算电价、系统的旋转备用等影响因素作为分析因子，分析其对未来时段电力市场价格的影响，并对下一交易时段电价进行预测。以美国加利福尼亚州电力市场为背景，采用BP神经网络算法，应用MATLAB软件编程，建立电力市场清算电价短期预测模型。该模型结构为三层神经网络，通过网络的反向传播过程不断修正模型中的神经元连接权值和阈值，充分发挥BP网络局部搜索能力强的优点，实现对未来24小时市场出清电价的有效预测，并针对美国加州实际电力市场价格数据进行训练和预测分析，结果表明该模型具有良好的预测效果。 　　关键词：神经网络；出清电价；短期电价预测；BP神经网络 　　作者简介：王萌（1984-），男，内蒙古包头人，内蒙古电力（集团）有限责任公司，助理工程师；景志滨（1974-），男，内蒙古呼和浩特人，内蒙古电力（集团）有限责任公司，高级工程师。（内蒙古#8194;呼和浩特#8194;010020） 　　中图分类号：F407.61#8195;#8195;#8195;#8195;#8195;文献标识码：A#8195;#8195;#8195;#8195;#8195;文章编号：1007-0079（2011）30-0100-03 　　 　　21世纪来，我国电力市场已逐步形成“厂网分开，竞价上网”的发展框架，并确定了以发展区域电力市场为重点的策略方向。[1] 　　电价是电力市场的核心和杠杆，是电力市场中反映电力商品短期供求关系的重要数据，是电力市场中传递供求变化最敏感的信号。[2]从系统购电方来看，市场出清电价（MCP）构成了它的单位购电成本，而MCP的预测使自身的动态成本控制成为可能；从发电方来看，MCP构成它的产品价格，其利润依赖于准确把握短期市场走向，而把握市场的关键就是对MCP的准确预测。因此，电价预测越来越受到电力市场中各利益主体的关注，成为电力市场中急待研究和解决的课题。 　　近年来，学者们在电力市场的发电计划领域针对负荷的短期预测研究比较深入，而电价的预测和负荷的预测具有很大的相似性。[3-5]所以，我们尝试应用与电力系统负荷预测相类似的方法对市场出清电价进行预测。电力负荷的预测方法根据所建立模型的不同有多种研究策略，概括起来主要包括模型回归法、经验预测法、灰色预测法、趋势外推法、时间序列法以及神经网络法、专家预测法和小波分析预测法等。其中神经网络是一个比较好的也是用得较多的方法。 　　对市场电价的预测研究在学术领域已取得了一些成果，但总体来说依然存在预测精度较低，高峰时段以及周末、节假日的误差较大，实用化风险过高等缺陷。这主要是因为传统预测方法对电价的影响因素考虑不够全面，对主要影响因素的选取以及各因素权值的设定误差过大。[6]宏观来说影响市场出清电价的因素可分为两大类：主观影响因素和客观影响因素。主观影响因素主要是指电价市场参与者的策略性投标行为以及其对价格波动走向的心理反应方面；客观影响因素主要是指电力系统负荷波动和市场燃料价格、系统运行状况等方面。此外，外部市场的经济环境，如国家财政金融状况、国民经济增长状况、贷款利率、汇率以及折现率、物价指数等，[7-9]还有国家进行宏观调控干预都会对出清电价造成一定影响。因此，应用神经网络的方法分析并准确选取影响市场出清电价的因素并对数据进行精密的训练来提高预测精度具有重要的现实意义。 　　本文基于对短期实际电力市场价格的分析，使用BP神经网络对MCP进行预测，考虑系统旋转备用、历史的负荷和市场清算电价对未来时段电价的影响，使用MATLAB软件编程，建立三层反向传播神经网络针对电力系统次日市场清算电价进行模拟预测。本文选取了美国加利福尼亚州2011年3月的市场电价数据作为BP神经网络的数据训练样本，并对该州2011年4月第一周的市场出清电价进行模拟预测，计算结果与实际信息基本相符，具有重要的工程应用价值。 　　一、BP神经网络预测模型 　　1.BP神经网络算法的基本思想 　　把网络学习时在输出层出现的与期望值（Od）不符的误差，归结为各层各个节点连接权和阈值的误差，通过把输出层误差逐层向输入层反向传递，将误差“分摊”给各个节点，计算各节点的参考误差，由此调整各个权值和阈值，直至误差最小。 　　BP算法采用非线性规划中的最速下降法，按误差函数的负梯度方向修改各个权值。[10] 　　2.传递函数的选择 　　本文建立了三层反向传播神经网络系统模型，其中神经元与神经元之间采用Sigmoid方程作为传递函数，定义为：