隨著電力市場開放政策的提出,一個自由、平等、競爭化的電力交易平臺逐步形成。其中,日前電價作為各項電力交易參考價格,成為電力交易平臺各主體掌握市場供需關(guān)系、制定交易策略的關(guān)鍵核心。由此,對日前電價進行精準預測為實現(xiàn)電力交易主體利潤最大化起到至關(guān)重要的作用。然而,由于大量可再生能源并入電網(wǎng)、競爭性電力市場機制形成給日前電價預測帶來前所未有的挑戰(zhàn)。為此,本文從三個方面入手,對日前電價預測方法進行了研究。相比中長期電價預測,日前電價預測對歷史日數(shù)據(jù)集的選取條件更加苛刻。如果將與預測日特征不相符的歷史日電價數(shù)據(jù)混入預測數(shù)據(jù)集中,不僅增加了計算成本更將導致日前電價預測精度降低。針對上述問題,提出了一種基于綜合因子的預測相似日選取方法。首先,分析確定電價影響因素特征并給出相關(guān)電價影響因素相似度計算方法:然后,設(shè)計改進的頭腦風暴算法為各影響因素相似度賦予對應(yīng)權(quán)值,實現(xiàn)歷史日的綜合因子計算;最后,選取具有較大綜合影響因子的相似日形成預測數(shù)據(jù)集。傳統(tǒng)的電價預測模型絕大多數(shù)集中于點預測與區(qū)間預測,這種預測結(jié)果既不能顯示電價的波動范圍,也不能細致表現(xiàn)電價可能出現(xiàn)價格的概率,這對競爭電力市場環(huán)境下售電主體制定詳... 

【文章來源】：東北電力大學吉林省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－２電價的周期性??（２）跳躍波動性??雖然電價特性在－定程度上與負荷特性相似，但是與負荷相比，電價與其最大的不同??

?３?２０１８／７／１５?夏季的星期日???４?２０１８／１０／１?秋季的星期一???考慮季節(jié)性因素以及Ｉ丨期類型（節(jié)假日與工作日）對日前電價預測的影響選擇預測日??期，確定相似Ｋ丨搜索案例（以及算例分析的預測案例）按表３－２分類。根據(jù)上述綜合??影響因子的相似日選取方法。以案例１為例對２０１８年１月１日電價相關(guān)數(shù)據(jù)的部分實驗??過程如下：??１）使用Ｐｙｔｈｏｎ中的ｐａｎｄａｓ庫實現(xiàn)改進的灰色關(guān)聯(lián)度算法實驗，分辨系數(shù)／尸０．５。??生成的ｚ〔象關(guān)聯(lián)系數(shù)矩陣如圖３－５?ａ）所示，生成的各氣象關(guān)聯(lián)度及其模糊系數(shù)如圖３－５?ｂ）??所示，再由式（３－１８）與式（３－２２）可求得這２０１８年１月１日與２０１８年４月６日氣象因??子相似度。??０．３３３３?９．４７０６?１．００００?０．５３３３?０．４０００?＿?＿＿??２?０．４０４６?０．７６８１?０．３３３３?１．００００?０．５３５４??３?０．５６００?０．３３３３?０．４８２８?０．６０８７?０．４５１６??４?０．３３３３?０．４３４０?０週?０．５１１１?１．００６０?０．４６３０?０．５５６８?０．６４９１?０．６５２７?０．４９３６??５?０．４８００?０．６０００?０．３６３６?１．００００?０．４８００??６?０．５２３８?１．００００?０．４７８３?０．３３３３?０．５２３８??７?０．６０００?０．３８４６?１．００００?０．４２８６?０．３３３３??８?０．５１７２?０．３３３３?０．７１４３?１．０００９?０．３８４６??０．４１４６?０．圓?１？誦?０觀?０．３３３３?０．６５２７?０．６４９１?８．６１３０?０．

?東北電力大學工學碩士學位論文???自適應(yīng)調(diào)整。下面首先介紹一下模糊神經(jīng)網(wǎng)絡(luò)。??傳統(tǒng)的模糊系統(tǒng)只是根據(jù)指定的模糊集、模糊規(guī)則、專家意見進行推理，但是這樣不??利？解決復雜多變的實際問題。為此構(gòu)建的模糊祌經(jīng)網(wǎng)絡(luò)對模糊系統(tǒng)進行改進，將神經(jīng)網(wǎng)??絡(luò)與模糊系統(tǒng)結(jié)合，使用神經(jīng)網(wǎng)絡(luò)在學習中對隸屬函數(shù)與權(quán)值進行調(diào)整修正。這樣避免對??系統(tǒng)進行主觀調(diào)整隸屬函數(shù)，實現(xiàn)模糊系統(tǒng)的自推理化。有關(guān)模糊祌經(jīng)Ｎ絡(luò)的具體結(jié)構(gòu)如??圖４－２所示：??模糊化??１Ａ２）??ｉ理?模糊輸出??１Ｃ??圖４－２模糊神經(jīng)網(wǎng)絡(luò)圖??由圖４－２可知模糊神經(jīng)網(wǎng)絡(luò)共有五層，因每－層祌將元輸出權(quán)值勾它連接的Ｆ—層祌??經(jīng)元的連接權(quán)值有關(guān)，因此記１？?＝?／（％（／），１１’２（／），．．．，％（〇，１，１（／）．１，２（／）．．．，１，／，（／））。其｜｜｜，／表??示在第／層，／ｅ［Ｕ，３Ａ５；｜：?表示連接下－層祌經(jīng)元的權(quán)值；ｖ＾／）農(nóng)示此神經(jīng)元的權(quán)??值。在第Ａ個網(wǎng)絡(luò)層中第／個神經(jīng)元的激勵函數(shù)為式（４－８）所水：??１??＆?—?１?＋。－乂??ｐ?（４－８）??／?＝芝Ｘ（々）ｖ．／（々）??．／＝！??在輸入層中導入訓練樣本集，記導入結(jié)果為公式（４－９）：??乂（１）?＝?＂，（１）』，（１）?＝?．／；（１）?（４－９）??在模糊化層中，根據(jù)隸屬度函數(shù)求取各訓練樣本隸屬度，模糊化層的輸出結(jié)果如式??（４－１０）：??ｆ，（２）?＝?－＾＇｛２）￣＾（１２）＼ａｌ（２）?＝?ｅ，＇ｉ２）?（４－１０）??％⑵－??－２８－??


本文編號：3114859