本文選擇在對在對電力市場進(jìn)行預(yù)測的基礎(chǔ)上,研究發(fā)電商如何對其面臨的市場環(huán)境中潛在的市場風(fēng)險進(jìn)行有效的識別和管理,避免帶來損失的可能性,從而提高其自身的競爭獲益的能力。本文抓住電力市場的核心---MCP,選擇先進(jìn)的人工智能組合預(yù)測方法,對其進(jìn)行建模和預(yù)測,從而形成對發(fā)電商面臨的短期市場環(huán)境的一個精確的預(yù)測分析理論體系。然后,對發(fā)電商面臨的參與競價進(jìn)行的獲益情況以及MCP、所獲出力等進(jìn)行建模,以此為基礎(chǔ)構(gòu)建基于群體智能優(yōu)化算法的競價決策優(yōu)化模型。在此基礎(chǔ)上,借鑒金融市場風(fēng)險管理理論的研究進(jìn)展,對發(fā)電商面臨的市場變化帶來的風(fēng)險進(jìn)行量化描述。接著,結(jié)合發(fā)電商參與競價面臨的風(fēng)險進(jìn)行風(fēng)險度量化評估,在此基礎(chǔ)上,提出計及風(fēng)險約束的發(fā)電商競價決策優(yōu)化模型和進(jìn)化規(guī)劃優(yōu)化求解算法設(shè)計。本文研究所依賴的主要理論基礎(chǔ)為最優(yōu)化組合預(yù)測理論,智能優(yōu)化計算理論,時間序列預(yù)測,以及金融風(fēng)險計量與管理理論。本文將結(jié)合這些理論研究的最新成果,結(jié)合本文所研究內(nèi)容進(jìn)行有機(jī)結(jié)合,并針對具體問題,改進(jìn)相關(guān)的理論模型,對這些理論的內(nèi)涵和外延都予以拓展,以形成一套完整的基于MCP、計及短期市場風(fēng)險的發(fā)電商競價決策優(yōu)化理論,為發(fā)電商兼... 

【文章來源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：166 頁

【學(xué)位級別】：博士

【文章目錄】：
中文摘要
英文摘要
第一章 緒論
    1.1 研究背景與研究意義
    1.2 主要研究內(nèi)容
    1.3 研究方案、特色及難點(diǎn)
    1.4 研究框架歸納與理論基礎(chǔ)
    1.5 預(yù)期的成果及創(chuàng)新點(diǎn)
第二章 國內(nèi)外相關(guān)理論研究動態(tài)
    2.1 電力市場預(yù)測相關(guān)問題研究動態(tài)
        2.1.1 短期負(fù)荷預(yù)測研究動態(tài)
        2.1.2 短期電價預(yù)測研究動態(tài)
    2.2 發(fā)電商報價策略研究方法動態(tài)
        2.2.1 基于成本分析的方法
        2.2.2 基于預(yù)測市場電價的報價方法
        2.2.3 估計競爭對手的報價行為的方法
    2.3 金融風(fēng)險計量管理理論（VaR）研究進(jìn)展
        2.3.1 VaR的含義
        2.3.2 VaR的產(chǎn)生背景
        2.3.3 VaR的測量基礎(chǔ)
        2.3.4 經(jīng)典VaR方法
        2.3.5 極端VaR方法
    2.4 發(fā)電商風(fēng)險管理研究綜述
第三章 基于改進(jìn)蟻群算法的電力市場短期負(fù)荷最優(yōu)化組合預(yù)測模型
    3.1 負(fù)荷預(yù)測對發(fā)電商市場分析的意義
    3.2 電力市場環(huán)境下負(fù)荷變化的特點(diǎn)
    3.3 負(fù)荷預(yù)測中的數(shù)據(jù)處理相關(guān)問題設(shè)定
        3.3.1 歷史數(shù)據(jù)的處理原則
        3.3.2 預(yù)測中“近大遠(yuǎn)小”原則的貫徹
        3.3.3 對預(yù)測誤差分析標(biāo)準(zhǔn)的設(shè)定
    3.4 基于時間序列方法的負(fù)荷預(yù)測模型
        3.4.1 AR模型
        3.4.2 MA模型
        3.4.3 ARMA模型
        3.4.4 ARIMA模型
    3.5 基于遺傳算法改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測模型
        3.5.1 小波神經(jīng)網(wǎng)絡(luò)原理
        3.5.2 利用遺傳算法優(yōu)化小波網(wǎng)絡(luò)
        3.5.3 改進(jìn)遺傳小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測效果分析
    3.6 基于混沌模糊神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測模型
        3.6.1 動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測模型
        3.6.2 混沌學(xué)習(xí)方法設(shè)計
        3.6.3 基于混沌模糊神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測模型
        3.6.4 混沌模糊神經(jīng)網(wǎng)絡(luò)預(yù)測效果分析
    3.7 基于改進(jìn)蟻群算法的最優(yōu)化組合預(yù)測模型
        3.7.1 組合預(yù)測模型的建立
        3.7.2 改進(jìn)蟻群算法
        3.7.3 實例分析
    3.8 負(fù)荷預(yù)測預(yù)測敏感性分析
        3.8.1 可行的模型
        3.8.2 對輸入因子的靈敏度
    3.9 本章小結(jié)
第四章 電力市場環(huán)境下MCP分析及ARIMA-SASVM混合預(yù)測模型
    4.1 引言
    4.2 電力市場環(huán)境下市場出清價的形成機(jī)制分析
        4.2.1 電力市場交易模式概述
        4.2.2 市場出清價結(jié)算機(jī)制
        4.2.3 電力市場出清價的形成過程
    4.3 市場出清價的特點(diǎn)
    4.4 影響市場出清價變化的因素分析
        4.4.1 發(fā)電商成本對價格的影響
        4.4.2 電力市場供應(yīng)和需求對出清價的影響
        4.4.3 發(fā)電商的市場力對市場價格的影響
        4.4.4 負(fù)荷對出清電價的影響分析
    4.5 基于ARIMA-SASVM的混合預(yù)測模型
        4.5.1 時間序列時域分析方法
        4.5.2 SA-SVM預(yù)測子模型
        4.5.3 ARIMA-SASVM混合預(yù)測模型
        4.5.4 電價預(yù)測的性能評估
    4.6 實例分析
    4.7 本章小結(jié)
第五章 價格釘形成機(jī)制與考慮價格釘?shù)碾妰r預(yù)測模型
    5.1 價格釘?shù)亩x與概念
        5.1.1 電價中的價格釘
        5.1.2 價格釘?shù)亩x
    5.2 電價突變的形成機(jī)制分析
        5.2.1 過高的負(fù)荷
        5.2.2 發(fā)電商市場力
        5.2.3 過小的容量裕度
    5.3 市場力在考慮價格釘?shù)碾妰r預(yù)測中的量化
        5.3.1 市場力的度量指標(biāo)比較與其對電價預(yù)測的適用程度
        5.3.2 市場供需比指標(biāo)的構(gòu)建
    5.4 考慮價格釘?shù)碾妰r預(yù)測模型
        5.4.1 價格釘?shù)臋z測
        5.4.2 總體預(yù)測模型描述
    5.5 實例分析
    5.6 本章小結(jié)
第六章 基于MCP的發(fā)電商競價決策優(yōu)化模型及GIPHA求解算法設(shè)計
    6.1 引言
    6.2 發(fā)電商參與日前能量市場競價建模
        6.2.1 單邊交易模式
        6.2.2 雙邊交易模式
    6.3 發(fā)電商參與輔助服務(wù)市場和備用市場競價建模
    6.4 基于MCP的發(fā)電競價優(yōu)化模型
    6.5 改進(jìn)GIPSOHA優(yōu)化求解算法設(shè)計
        6.5.1 PSO和GA算法概述
        6.5.2 改進(jìn)迭代策略的自適應(yīng)粒子群算法
        6.5.3 GIPHA算法
    6.6 GIPSOHA算法用于求解基于MCP的發(fā)電商競價機(jī)組組合優(yōu)化模型
        6.6.1 問題的描述
        6.6.2 初始化
        6.6.3 適應(yīng)度值評價
        6.6.4 粒子群迭代過程與GA算法更新粒子群
        6.6.5 算法停止標(biāo)準(zhǔn)設(shè)定
        6.6.6 算法結(jié)構(gòu)歸納
    6.7 仿真實例分析
    6.8 本章小結(jié)
第七章 計及風(fēng)險的發(fā)電商競價決策Gopula-GARCH-EVT建模及EP優(yōu)化算法求解設(shè)計
    7.1 引言
    7.2 基于Gopula-GARCH-EVT發(fā)電商資產(chǎn)組合優(yōu)化問題
        7.2.1 傳統(tǒng)的資產(chǎn)組合優(yōu)化模型存在的缺陷
        7.2.2 基于Copula-GARCH-EVT的發(fā)電商組合選擇模型構(gòu)建思路
        7.2.3 根據(jù)Copula函數(shù)構(gòu)建反映金融資產(chǎn)收益率相關(guān)性的聯(lián)合分布函數(shù)
        7.2.4 用蒙特卡羅方法模擬發(fā)電商競價機(jī)組組合的收益率
        7.2.5 采用VaR和CVaR度量風(fēng)險，構(gòu)建基于均值-風(fēng)險準(zhǔn)則的資產(chǎn)組合選擇模型
        7.2.6 兼顧利潤最大化和風(fēng)險最小化的競價決策綜合優(yōu)化模型
    7.3 進(jìn)化規(guī)劃算法設(shè)計
        7.3.1 進(jìn)化規(guī)劃的發(fā)展及研究現(xiàn)狀
        7.3.2 進(jìn)化規(guī)劃的幾種表達(dá)方式
        7.3.3 進(jìn)化規(guī)劃的基本技術(shù)
    7.4 進(jìn)化規(guī)劃算法適應(yīng)度評價函數(shù)設(shè)計
    7.5 仿真實例分析
    7.6 本章小結(jié)
第八章 結(jié)論與展望
    8.1 主要結(jié)論及創(chuàng)新性
    8.2 未來研究展望
參考文獻(xiàn)
致謝
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀博士學(xué)位期間參加的科研工作


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)粒子群優(yōu)化算法在電源規(guī)劃中的應(yīng)用[J]. 李翔,牛東曉,楊尚東.  中國管理科學(xué). 2006(06)
[2]基于LVQ神經(jīng)網(wǎng)絡(luò)的供電企業(yè)客戶信用風(fēng)險識別[J]. 楊尚東,乞建勛,李星梅.  統(tǒng)計與決策. 2006(23)
[3]基于遺傳算法和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的短期邊際電價預(yù)測[J]. 顧慶雯,陳剛,朱蕾蕾,吳迎霞.  電網(wǎng)技術(shù). 2006(07)
[4]基于CC/BM電網(wǎng)設(shè)施檢修流程優(yōu)化模型研究與應(yīng)用[J]. 李星梅,乞建勛,楊尚東.  電力建設(shè). 2006(04)
[5]基于改進(jìn)DFNN的短期電價預(yù)測新方法[J]. 敖磊,劉旭東,吳耀武,熊信銀.  繼電器. 2006(06)
[6]電力市場短期邊際電價的分時重構(gòu)混沌相空間預(yù)測[J]. 彭春華.  中國電機(jī)工程學(xué)報. 2005(23)
[7]基于貝葉斯理論和在線學(xué)習(xí)支持向量機(jī)的短期負(fù)荷預(yù)測[J]. 趙登福,龐文晨,張講社,王錫凡.  中國電機(jī)工程學(xué)報. 2005(13)
[8]基于模糊多目標(biāo)遺傳優(yōu)化算法的節(jié)假日電力負(fù)荷預(yù)測[J]. 馮麗,邱家駒.  中國電機(jī)工程學(xué)報. 2005(10)
[9]基于小波分析的短期電價ARIMA預(yù)測方法[J]. 周明,聶艷麗,李庚銀,倪以信.  電網(wǎng)技術(shù). 2005(09)
[10]基于RBF網(wǎng)絡(luò)的電力市場清算電價預(yù)測[J]. 夏吉廣,張維存,尹怡欣.  中國制造業(yè)信息化. 2005(05)

碩士論文
[1]實時邊際電價預(yù)測模型研究[D]. 張建.四川大學(xué) 2003



本文編號：3171564