電力市場中電價預測方法綜述

趙晶

摘 要：文章對電力市場中電價預測方法進行了綜述，闡述了電價預測的特點和分類方法，總結了短期電價預測，指出了長期電價預測研究的不足之處和發展方向。

關鍵詞：電力市場；電價；預測；方法

中圖分類號：TM744 文獻標識碼：A 文章編號：1006-8937（2013）18-0118-02

隨著世界各國電力市場化的改革，電價在整個電力行業中的地位逐漸凸顯，越來越受到了電力行業專家學者和電力企業的重視，國內外對電力市場中的電價預測進行了廣泛的研究。所謂電力市場中的電價預測，就是指根據數學方法在電力市場的模式下，在滿足相關數據精度要求的前提下，基于歷史數據對電價進行合理的預測。這種預測對指導電力市場電價核定具有重要的作用，能夠對電力市場中的電價提出合理的建議，本文對電力市場中電價預測方法進行了綜述。

1 電價預測的特點和分類

電價預測具有和負荷預測相似的特點，其預測結果也是具有一定周期性的。同時，電價預測具有自己的特點，即其具有波動趨勢長的特點，其在一個周期內是持續著波動和變化的狀態。在通常情況下，用電市場中的電價與整個電力市場的制度是有很大關系的，同時還受到整個社會經濟的影響。因此，這就增加了對電價預測的難度，導致在電價預測中難以應用傳統的負荷預測方法，如一元線性回歸方法或倍比法等，這些都難以對電價進行準確的預測。

根據上述的進行電價預測的特點，我們在進行電價預測時可以進行分類預測，即將電價分為市場統一的電價預測和基于邊際的電價預測。通常我們所提到的都是指市場統一的電價預測，即在通常情況下認為區域的統一電價與邊際電價都是統一的。

根據對電價所預測內容的不同，電價預測可以分為空間電價預測和確定性的電價預測，其中空間電價預測是基于數理統計和概率有關知識，確定空間電價的合理波動范圍，并在一個確定的時間內給出電價的平均值，因此，空間電價預測主要是基于長期的電價預測；而確定性的電價預測主要在一個非常短內的時間進行電價預測，其電價預測結果表示為一個較為確定的值。

根據電價預測的原理不同，電價預測可劃分為長期的電價預測方式和短期的電價預測方式。具體的根據電價所表現的波動性質，可將電價合理的劃分為若干小時的電價預測，一日內的電價預測和一個季度的電價預測。

電價預測是電力行業發展和研究的新方向，對其研究有助于電力市場化的實施和發展，但當前對電價的預測還不夠充分，尚未有一種方法能夠對電力市場進行有效的預測，因此有必要對電力市場中的電價預測方法進行深入的研究，有效提高電價預測的精度和速度。下面分別對短期電價預測和中長期電價預測方法進行總結。

2 短期電價預測方法分析

作為整個電價預測理論體系中最為重要的一部分，短期電價預測主要是對未來若干個小時內到幾天內的電價進行預測。提高短期電價預測的準確度有利于發電企業選擇最合理的報價策略，進而使其利潤最大化，而且還有助于有效控制購電用戶的成本，同時更有利于相關的監管部門對電力市場進行有效的監管，確保電力行業中市場的穩定安全運行。當前，進行短期電價預測的方法主要有以下四種，即以時間推移為基礎的時間序列法、以神經網絡理論為核心的神經網絡法、以傅里葉變換和小波變換為核心的預測法及組合預測的方法等，本文分別進行介紹。

2.1 時間序列方法

時間序列方法是基于AR、MA和ARMA模型，利用回歸分析對短期電價預測進行分析的方法。由于短期電價預測中各個時間段系統的邊際電價為一個等距離的隨機序列，因此可用AMRA模型進行短期電價的預測。這種方法的局限性無法充分考慮市場對電價的綜合影響，且難以選擇合理模型，如果模型選擇的不合理，則即使參數估計的再精確也難以達到理想的預測效果。

2.2 神經網絡法

神經網絡方法能夠有效處理多變量的問題，因此能夠適應非結構性和非精確性的預測，這正是電價預測所需要的。應用神經網絡進行預測時，需要仔細分析預測成本和輸入層數等，且網絡結構選擇大都是根據相關經驗進行的，或者采用試湊法來進行，可能存在難以收斂或者精度不夠的問題，這是神經網絡法在短期電價預測中的弊端。神經網絡法又可分為SP神經網絡法和RBF神經網絡法。

2.2.1 SP神經網絡法

作為當前作為應用作為廣泛同時也是最為成熟的一種神經網絡方法。SP神經網絡法能夠依據最小均方差的有效方式，采用適應性的網絡模式，在對函數評價最小化時能夠對輸入信號進行有效的映射，這種映射方式由于是非線性映射，其可進行復雜模式的識別。電價的短期預測正是需要對影響電價的各種因素進行評估，而這些因素和電價的關系大都是非線性的，因此，利用SP神經網絡法能夠有效解決短期電價預測的問題。相關學者通過對原始數據進行分析，得到了UMCP的明顯變化趨勢，并對其進行綜合處理后，對數據的可用性進行了有效的增加。通過對其相關性進行分析，使其輸入變量能夠有效適應實際電價的變化。在SP神經法中并加入了權重值，通過擬合的方法能夠有效進行預測。SP神經網絡法所得到了預測結果大都能讓人滿意，但其缺點是無法考慮各個時間段的相關性，且在負荷變化較為緩慢時預測精度不夠，且難以預測較為劇烈變化的電價，同時有時輸出結果不夠穩定，計算的速度較慢。

2.2.2 RBF神經網絡方法。

國內外學者通過利用徑向函數可以實現RBF神經網絡法。RBF神經網絡法是基于隱層的神經網絡節點數、連接權和中心向量的，其要求隱層的節點數具有不可微和不連續的性質，因此必須利用階梯遺傳算法對RBF的網絡參數進行訓練，這樣就能夠有效實現網絡節點數和參數的優化。這種方法能夠有效解決SP神經網絡法所存在的局部最大值和最小值這個缺陷，但其弊端是在負荷變動較大，且在電價的峰值時難以進行預測。

RBF神經網絡法雖然結構較為簡單，但其逼近和分類能力等方面都是比BP神經網絡法優秀的，其所存在的應該解決的問題主要有：如何合理確定相關網絡函數的數據中心，并通過聚類的方法進行有效的量度和定義；如何找到合理的徑向函數；如何較為合理的反應影響電價的各種非線性因素及如何合理的選擇基函數。

2.3 基于傅里葉變換的小波預測方法

小波分析法比神經網絡法能夠更加準確地對短期電價進行預測，其難點在于合理選擇小波的尺度和分界度，同時合理處理小波變換中的邊界問題，這樣才會取得良好的短期電價預測效果。

2.4 組合方法

所謂組合方法，就是指通過對上述電價預測方法的組合來實現電力市場中電價預測。由于對電力市場中的電價影響因素較多，且各個影響因素較為復雜，有些時候無論采用何種方法，如時間序列法、回歸方程法及神經網絡法都難以得到滿意的結果。因此許多專家學者基于電力市場的實際特點，提出了組合預測的方法。當前電力市場中電價組合預測方法都是基于某種預測機理將某一單一的電價預測進行有效的組合，即首先對單一的預測方法進行有效的分析，然后通過對兩種或者多種方法進行對比，采取有效的方法組合，進而得到最有效的電價預測方法。

當前國內外研究生所提出的組合預測方法主要有兩種：一種是將權重固定的電價組合預測方法；二是對權重進行改變的電價組合預測方法。其根本思想都是將對電價預測的各種方法進行有效的組合，進而得到一個合理的最佳電價預測結果。組合電價預測方法的核心內容是合理選擇權重，其權重選擇需要受電價各種因素的影響。由于當前各種電價預測方法的精度都不夠高，如何合理將這些方法進行組合也是組合電價法的重點和難點。當前電價組合預測中所采用的主要的組合預測方式有：合理選擇電價影響因素，根據各個影響因素的歷史特征來進行數據篩選，然后在利用傳統的方法依據影響因素的不同進行有效的分離，進而進行各種預測，將各個預測的結果進行對比分析即可得到最后的預測結果。組合電價預測方法的核心是要實現多種電價預測方法的有效互補和利用，這樣才能提高電價預測精度，取得良好的電價預測效果。

3 中長期電價預測

在電力市場中對中長期電價進行準確的預測有助于發電企業合理安全年度生產計劃，并為相關的電力投資商提高良好的參考依據，同時也有助于電力監管部門制定長期的監管政策，對電網企業而言，有利于其對電網的運行進行合理的安排。因此，研究電力市場中的中長期電價預測具有非常重要的意義。

由于存在多種因素對電價進行影響，同時這些因素具有非常大的不確定性，而且電價的中長期預測的周期較長，所以對電價進行中長期預測的難度是非常大的。當前國內外研究人員對中長期電價預測的研究較少，現有的研究成果大都是將電價等效為隨機變量，對其分布函數進行研究，在其分布區間內建立有效的預測模型。

在電價長期預測方法中，采用模糊方法與采用神經網絡方法對相關不確定性因素的處理思想是不一致的，采用模糊方法不是盲目地追求相關的預測精度，而是要構建預測數據的分布情況，而采用神經網絡法則是要合理的對現有數據進行分析，確定自變量和因變量的關系，進而達到合理預測電價的目的。中長期電價預測最重要的影響因素就是電力負荷的長期需求情況及社會經濟的發展情況，同時還應考慮發電廠企業的電源建設情況，要合理確定中長期電價與整個系統剩余百分比的關系，重點研究電價的整體變化趨勢，有效確定中長期電價的置信區間。當前對中長期電價預測的研究還是不夠充分，還需國內外電價預測研究者進行深入的研究。

4 結 語

本文對當前的電價預測方法進行了總結和綜述。針對不同形式的電力市場，所采取的電價預測方法也有所不同，應綜合電價預測方法的優點，對具體情況進行具體分析，有效提高電價預測的精度，使其在電力市場和電力系統中發揮越來越重要的作用。

參考文獻：

[1] 周浩，陳建華，孫維真.電力市場中的電價分析與調控[J].電網技術，2004，（6）：37-40.

[2] 陳建華，周浩.電力市場中的短期電價調控[J].價格理論與實踐，2003，（9）：25-26.