淺談分時段短期電價預(yù)測方法

席丹

摘 要：電力市場中，供求關(guān)系是通過電價反映出來的，是電能交易與市場監(jiān)管的重要依據(jù)。這樣在電力市場中，電價成為了其中最主要的信息。因此，如何將電價預(yù)測的工作效率提升上來，是當(dāng)前非常重要的工作，需要有關(guān)部門及工作人員重視起來。

關(guān)鍵詞：分時段短期 電價 預(yù)測方法

中圖分類號：TM74 文獻標(biāo)識碼：A 文章編號：1674-098X（2015）02（c）-0241-01

隨著社會經(jīng)濟發(fā)展與進步，為我國電力行業(yè)的發(fā)展帶來了巨大的推動作用，為了促進我國電力行業(yè)更加合理的發(fā)展，文章通過下文對分時段短期電價預(yù)測方法上進行了闡述，為有關(guān)部門及工作人員提供一定的借鑒作用。

1 電價的特征及對電價帶來影響的因素

市場化的電力運營，令電力同一般的商品相同，交易可以自由進行，會隨機的波動電力價格，在各種機制的電力市場中，電力價格都展現(xiàn)出了同一般商品價格不一樣的特征。第一，有著明顯的均值回復(fù)性特征存在于電力價格中，電力的供求關(guān)系就會決定其走向；第二，因為不能有效的存儲電力商品，而供求實時平衡的要求卻存在于電力消費中，這樣就會有強烈的波動性會存在于電力價格中；第三，因為系統(tǒng)的故障、有限的輸電容量、市場力的作用和較低的價格彈性，這樣就會導(dǎo)致尖峰和跳躍的情況出現(xiàn)在電力價格中。同時，氣候和季節(jié)也會影響到電價，有著很強的周期性存在于其中，涵蓋著年、季度、和每天的周期性。

針對有著多樣性特點的這樣一個順序電價，不管是神經(jīng)網(wǎng)絡(luò)法，還是時間序列法，在預(yù)測的過程中都很難準(zhǔn)確的進行，這也是當(dāng)前電價有著較低準(zhǔn)確度的原因所在。因為有很大的差異存在于各個時段的電力需求中，這樣一來，有著很大的差異就會存在于不同時段電價變化中。就15點來講，這個時段有較高的負(fù)荷，因此，就會有較高的電價，有較多的價格尖峰和跳躍，并且，電價波動的非常劇烈；相對24點，電價則相對平穩(wěn)的進行變化。各異的電價變化特點可以通過不同時段電價展現(xiàn)出來。所以，在預(yù)測各個時段電價的時候，分時段的電價預(yù)測方法，不但有助于分析建模時間序列法，并且還能夠?qū)⑸窠?jīng)網(wǎng)絡(luò)的訓(xùn)練效率有效的提升上來。

2 在小波分析基礎(chǔ)上，預(yù)測神經(jīng)網(wǎng)路工具

在有效的信號分析工具中，就包涵著小波分析，在圖像分析、信號處理等很多方面都大量的進行了使用。電力市場供求關(guān)系是由電價所決定的，例如：設(shè)備故障、電商博弈等預(yù)測不到的因素等，將較多高頻細(xì)節(jié)分量賦予給了電價，導(dǎo)致電價與正常值之間出現(xiàn)偏差，進而電價的真正變化規(guī)律沒有被顯示出來，這樣在預(yù)測電價時必將會帶來一定影響。對于電價序列的近似分量，文章通過小波分解技術(shù)進行提取，進而將高頻分量在電價序列中剔除，并且對于原電價序列用近似分量予以取代，將其視為神經(jīng)網(wǎng)絡(luò)的輸入。

在函數(shù)逼近理論的前提下，將徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)構(gòu)建了起來，屬于一種前向的網(wǎng)絡(luò)，學(xué)習(xí)這類網(wǎng)的時候，同多為空間對訓(xùn)練數(shù)據(jù)的最理想擬合面進行收索是相同的，各個隱層神經(jīng)元在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中，對函數(shù)進行傳遞的時候，都將擬合面的一個基函數(shù)構(gòu)建了起來，局部逼近的網(wǎng)絡(luò)是其主要的特征，對于每一個局部區(qū)域在輸入空間中，在對網(wǎng)絡(luò)的輸出進行決定中，只存在少數(shù)的神經(jīng)元。全局的逼近網(wǎng)絡(luò)即為常用的BP網(wǎng)絡(luò)。和BP網(wǎng)絡(luò)進行比較，徑向基網(wǎng)絡(luò)有著很大的規(guī)模，但是，能夠快速的令工作人員們?nèi)W(xué)習(xí)，這樣還會有非常優(yōu)越的函數(shù)逼近能力。徑向基函數(shù)網(wǎng)絡(luò)類似于廣義回歸網(wǎng)絡(luò)，特殊線層是其輸出層的特點，規(guī)則性的徑向基函數(shù)網(wǎng)絡(luò)是其主要特性。當(dāng)存在著足夠多的隱層神經(jīng)元的時候，廣義回歸網(wǎng)絡(luò)在向一個平滑函數(shù)逼近的時候，能夠通過任意的精度給予完成。輸出層和GRNN隱層的神經(jīng)元數(shù)量，都等同于輸入樣本矢量的個數(shù)，當(dāng)有較多的樣本被輸入進去之后，就會有非常龐大的GRNN網(wǎng)絡(luò)。文章對分時段的電價預(yù)測方法進行了使用，一旦在對訓(xùn)練樣本進行選擇的時候，對近30天的進行了選擇，這樣樣本矢量個數(shù)在各個時段中僅為30，這樣就會有30個GRNN的神經(jīng)元存在于，這樣就會有較快的網(wǎng)絡(luò)計算速度存在。因此，在對各個時段的電價進行預(yù)測的時候，文章對GRNN神經(jīng)網(wǎng)絡(luò)進行了使用。

電價的預(yù)測過程中對于神經(jīng)網(wǎng)絡(luò)的各個輸入量，可以從歷史數(shù)據(jù)中統(tǒng)計獲取，并且訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過這個流程圖來獲取各個時段的預(yù)測價格，這樣預(yù)測日的全天預(yù)測電價就會被獲取出來。

3 神經(jīng)網(wǎng)絡(luò)和輸入因素影響預(yù)測結(jié)果分析

在對電價進行預(yù)測的時候，電價的預(yù)測精度會受到不同輸入因素的影響，順序電價序列和分時段電價序列，不同神經(jīng)元網(wǎng)絡(luò)和輸入量，在影響電價預(yù)測精度上會存在一定的差異，并且根據(jù)一些工作經(jīng)驗?zāi)軌虬l(fā)現(xiàn)以下幾個方面內(nèi)容。

（1）在分時段電價序列預(yù)測方法的基礎(chǔ)上，在每種神經(jīng)網(wǎng)絡(luò)下，和順序電價序列的方式進行比較會更加的優(yōu)異。

（2）對負(fù)荷用負(fù)荷率進行取代，能夠?qū)㈩A(yù)測的精度大大的提升上來，這是因為電價的有關(guān)系數(shù)比負(fù)荷率較電價和負(fù)荷的有關(guān)系數(shù)要高。

（3）當(dāng)對氣溫因素進行考慮的時候，RBP網(wǎng)絡(luò)和BP網(wǎng)絡(luò)的預(yù)測精度就會被降低，這時就會發(fā)現(xiàn)，相應(yīng)的提升了GRNN網(wǎng)絡(luò)的預(yù)測精度。電價的相關(guān)系數(shù)同氣溫因素的聯(lián)系較小，所以，在預(yù)測電價的時候，可以認(rèn)為在負(fù)荷中已經(jīng)將氣溫因素融入到了其中，在考慮的時候，就不用單獨的進行。

（4）在只將電價輸入進去，會有非常理想的預(yù)測精度，同負(fù)荷率和電價時的精度上會保持一致，所以，當(dāng)對電價帶來影響的因素本身預(yù)測誤差較大或者不是非常明確的時候，在輸入的時候，使用歷史電價，這樣能夠?qū)⒏玫碾妰r預(yù)測精度獲取出來。

（5）對不同的神經(jīng)網(wǎng)絡(luò)進行使用，對預(yù)測精度的影響上不會太大，在預(yù)測電價的時候，所選擇的輸入因素，比選擇神經(jīng)網(wǎng)絡(luò)更為關(guān)鍵。

4 結(jié)語

綜上所訴，在對電價進行預(yù)測的過程中，有著一定的復(fù)雜性。所以，在工作的過程中，需要對合理的方式上進行選擇和應(yīng)用，因為分時段電價序列變化的時候會比較單一，順序電價序列變化有著較多的特點。對此，文章利用神經(jīng)網(wǎng)絡(luò)和小波分解工具，來預(yù)測分時段的電價。這樣能夠大大的提升電價預(yù)測的精度，使工作更加的簡易。通過文章的描述，為此項工作順利進展提供相應(yīng)的幫助。

參考文獻

[1] 張顯，王錫凡，陳芳華，等.分時段短期電價預(yù)測[J].中國電機工程學(xué)報，2005（6）：1-6.

[2] 楊洪明，段獻忠.電價的混沌特性分析及其預(yù)測模型研究[J].電網(wǎng)技術(shù)，2008（3）：59-64.

[3] 邰能靈，侯志儉.小波模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng)用[J].中國電機工程學(xué)報，2004（1）：24-29.