基于外界影响和模型自适应的电价预测理论研究

电力市场改革的核心是建立竞争性的电价市场形成机制。电价预测对于我国即将建立的电力市场具有前瞻性的理论意义。电价除了受负荷、天气等等客观因素影响之外，还受到市场参与方行为的严重影响。这些因素之间存在复杂的交互影响，电价预测难度大。.针对经常出现的严重偏离正常价格的尖峰电价，研究引入证据理论、粗糙集等智能算法分析其产生的外部原因，结合隐马尔科夫模型（HMM）深入挖掘价格突变的自身原因，找出电价突变规律，进行预测。针对单一预测模型对外界影响考虑不足，预测误差包含大量尚未被利用的信息这一问题，引入HMM对模型预测能力的状态和误差表现进行分析。针对传统组合预测模型仅考虑历史误差，忽略了模型所处的环境以及在不同环境下模型预测能力不同等重要信息，引入HMM对特定环境下模型的预测状态进行事先判断，优选最佳的预测模型；引入粗糙集等智能算法对环境进行归类，并根据预测时点的环境确定组合权值，以提高预测精度。

为了打破垄断，提高电力行业效率，上个世纪末期，英国、美国以及北欧等纷纷进行了电力市场改革，建立起了较为成熟的电力市场。2002年起是中国开始进行电力市场改革，目前已实现了发电和输电的分开，但并没有实现完全的竞价上网，未来中国电力市场改革的路途遥远。以国外成熟的电力市场的运行数据为借鉴，研究电力市场中电价预测方法和模型，对我国未来的电力市场具有前瞻性的理论意义。电力市场中的电价除了受负荷、天气等等客观因素影响之外，还受到市场参与者行为的严重影响。这些因素之间存在复杂的交互影响，电价预测难度大。项目围绕不同特点的电价进行分析和建模预测，并着重探讨如何引入智能算法分析在复杂的环境中如何如何提高单一模型预测精度，并根据相关信息确定组合预测时变权值问题。. 项目的主要研究对象是电力市场中的电价及其影响因素，并结合当今电力能源行业的特点，将研究方向扩展到风电预测等领域。主要的预测建模方法包括：时间序列预测建模，人工智能预测建模，组合算法预测建模等。建模中侧重于选择合适的参数以提高单一模型预测精度、研究单一模型误差形成机理和消除方法、研究组合预测模型的选择和组合权值的确定问题。项目研究得出了如下结论：.1)对于增长性序列预测，将总量数据转换成增速数能有效提高精度。.2)应用格兰杰因果检验筛选适当的影响因素,引入主成分分析提取影响因素中包含的信息,降低自变量的维数,提高建模精度。.3) 建立回归模型分析GARCH模型的残差，能有效消除未被GARCH模型解释的外界影响。.4)支持向量机等智能算法预测性能受参数影响较大，蛙跳算法、粒子群优化等算法能有效寻找到最优参数，提高模型的预测精度。.5)采用粗糙集等缩减输入变量属性，能有效减少模型的冗余度，从而提高模型预测精度和减少模型训练时间。.6)根据样本数据特点自动聚类，然后分别对具有较高相似度的同一类样本训练和预测，其预测效果要优于整体预测。.7)组合预测方法一般要比单一预测模型预测精度高。采用多目标优化、蛙跳算法等优化方法确立的组合权值，组合预测的预测精度要优于一般的组合预测方法。组合预测权值的合理确立是提高预测性能的有效途径。. 研究成果不仅对于电力市场中的电价预测具有指导意义，而且对于其他的经济管理领域的预测也具有借鉴意义，有效地丰富了预测理论和方法。