電價(jià)是反映電力市場(chǎng)運(yùn)營(yíng)狀況,評(píng)價(jià)市場(chǎng)競(jìng)爭(zhēng)效率的核心指標(biāo),是電力市場(chǎng)決策的基礎(chǔ)。電價(jià)預(yù)測(cè)對(duì)引導(dǎo)投資、自發(fā)配置市場(chǎng)資源、實(shí)現(xiàn)電力供求基本平衡、滿足各項(xiàng)服務(wù)目標(biāo)具有重要意義。較為準(zhǔn)確的短期電價(jià)預(yù)測(cè)即有助于發(fā)電商為獲得最大利潤(rùn)提供最優(yōu)報(bào)價(jià)策略的選擇,又使購(gòu)電方的動(dòng)態(tài)成本控制成為可能,同時(shí)還為監(jiān)管部門(mén)的實(shí)時(shí)監(jiān)管提供了重要的科學(xué)依據(jù),保證電力市場(chǎng)的正常運(yùn)行。 本文先簡(jiǎn)單介紹了電價(jià)預(yù)測(cè)并列舉了現(xiàn)有文獻(xiàn)的幾種主要電價(jià)預(yù)測(cè)方法。有統(tǒng)計(jì)學(xué)方法、神經(jīng)網(wǎng)絡(luò)法、市場(chǎng)模擬法、灰色系統(tǒng)理論、組合預(yù)測(cè)方法等。再在分析現(xiàn)有方法的基礎(chǔ)上,著重研究了粒子群優(yōu)化GM(1,1)冪-BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型。 本文的主要成果如下： 1、從實(shí)際出發(fā),按照電價(jià)數(shù)據(jù)的特點(diǎn)先對(duì)電價(jià)做分時(shí)段處理,在各分時(shí)段中利用一元線性回歸模型擬合該時(shí)段中已知電價(jià)并對(duì)未知電價(jià)進(jìn)行預(yù)測(cè)； 2、將線性回歸產(chǎn)生電價(jià)與原始電價(jià)數(shù)據(jù)進(jìn)行比較,剔除線性項(xiàng)； 3、利用GM(1,1)冪模型和BP神經(jīng)網(wǎng)絡(luò)都適用于處理非線性問(wèn)題的特點(diǎn),構(gòu)造GM(1,1)冪-神經(jīng)網(wǎng)絡(luò)模型并用粒子群優(yōu)化算法優(yōu)化GM(1,1)冪模型的冪指數(shù)和GM(1,1)冪模型與神經(jīng)網(wǎng)絡(luò)的組合系數(shù),建立PSO...

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 電價(jià)的特點(diǎn)與預(yù)測(cè)難點(diǎn)
        1.2.1 電價(jià)的特點(diǎn)分析
        1.2.2 電價(jià)預(yù)測(cè)的難點(diǎn)
    1.3 電價(jià)預(yù)測(cè)方法
    1.4 本文主要工作內(nèi)容
第二章 GM(1,1)冪模型
    2.1 GM(1,1)模型
        2.1.1 GM(1,1)模型的建模原理
        2.1.2 GM(1,1)模型的建模步驟
        2.1.3 GM(1,1)模型的適用范圍
    2.2 GM(1,1)冪模型
        2.2.1 GM(1,1)冪模型的建模步驟
        2.2.2 GM(1,1)冪模型的參數(shù)分析
        2.2.3 GM(1,1)冪模型的參數(shù)優(yōu)化
    2.3 本章小結(jié)
第三章 粒子群優(yōu)化算法與BP神經(jīng)網(wǎng)絡(luò)
    3.1 粒子群優(yōu)化算法
        3.1.1 粒子群優(yōu)化算法的背景知識(shí)
        3.1.2 粒子群優(yōu)化算法數(shù)學(xué)描述
        3.1.3 粒子群優(yōu)化算法步驟與偽代碼
        3.1.4 粒子群優(yōu)化算法參數(shù)設(shè)置
    3.2 BP神經(jīng)網(wǎng)絡(luò)
        3.2.1 神經(jīng)網(wǎng)絡(luò)發(fā)展概況
        3.2.2 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和基本原理
        3.2.3 人工神經(jīng)網(wǎng)絡(luò)用于電價(jià)預(yù)測(cè)
        3.2.4 BP神經(jīng)網(wǎng)絡(luò)與BP學(xué)習(xí)算法
        3.2.5 BP神經(jīng)網(wǎng)絡(luò)的主要不足與改進(jìn)
    3.3 本章小結(jié)
第四章 基于粒子群優(yōu)化GM(1,1)冪-神經(jīng)網(wǎng)絡(luò)模型的短期電價(jià)預(yù)測(cè)
    4.1 數(shù)據(jù)預(yù)處理
        4.1.1 一元線性回歸模型
        4.1.2 數(shù)據(jù)的分離與預(yù)測(cè)
    4.2 粒子群優(yōu)化GM(1,1)冪-神經(jīng)網(wǎng)絡(luò)模型的建立
    4.3 程序?qū)崿F(xiàn)
    4.4 預(yù)測(cè)結(jié)果分析
    4.5 本章小結(jié)
第五章 結(jié)論
    5.1 主要研究結(jié)果
    5.2 尚待研究的問(wèn)題
參考文獻(xiàn)
本人攻讀學(xué)位期間完成的工作
致謝



本文編號(hào)：3782039