电力市场中电价预测方法综述

赵晶

摘 要：文章对电力市场中电价预测方法进行了综述，阐述了电价预测的特点和分类方法，总结了短期电价预测，指出了长期电价预测研究的不足之处和发展方向。

关键词：电力市场；电价；预测；方法

中图分类号：TM744 文献标识码：A 文章编号：1006-8937（2013）18-0118-02

随着世界各国电力市场化的改革，电价在整个电力行业中的地位逐渐凸显，越来越受到了电力行业专家学者和电力企业的重视，国内外对电力市场中的电价预测进行了广泛的研究。所谓电力市场中的电价预测，就是指根据数学方法在电力市场的模式下，在满足相关数据精度要求的前提下，基于历史数据对电价进行合理的预测。这种预测对指导电力市场电价核定具有重要的作用，能够对电力市场中的电价提出合理的建议，本文对电力市场中电价预测方法进行了综述。

1 电价预测的特点和分类

电价预测具有和负荷预测相似的特点，其预测结果也是具有一定周期性的。同时，电价预测具有自己的特点，即其具有波动趋势长的特点，其在一个周期内是持续着波动和变化的状态。在通常情况下，用电市场中的电价与整个电力市场的制度是有很大关系的，同时还受到整个社会经济的影响。因此，这就增加了对电价预测的难度，导致在电价预测中难以应用传统的负荷预测方法，如一元线性回归方法或倍比法等，这些都难以对电价进行准确的预测。

根据上述的进行电价预测的特点，我们在进行电价预测时可以进行分类预测，即将电价分为市场统一的电价预测和基于边际的电价预测。通常我们所提到的都是指市场统一的电价预测，即在通常情况下认为区域的统一电价与边际电价都是统一的。

根据对电价所预测内容的不同，电价预测可以分为空间电价预测和确定性的电价预测，其中空间电价预测是基于数理统计和概率有关知识，确定空间电价的合理波动范围，并在一个确定的时间内给出电价的平均值，因此，空间电价预测主要是基于长期的电价预测；而确定性的电价预测主要在一个非常短内的时间进行电价预测，其电价预测结果表示为一个较为确定的值。

根据电价预测的原理不同，电价预测可划分为长期的电价预测方式和短期的电价预测方式。具体的根据电价所表现的波动性质，可将电价合理的划分为若干小时的电价预测，一日内的电价预测和一个季度的电价预测。

电价预测是电力行业发展和研究的新方向，对其研究有助于电力市场化的实施和发展，但当前对电价的预测还不够充分，尚未有一种方法能够对电力市场进行有效的预测，因此有必要对电力市场中的电价预测方法进行深入的研究，有效提高电价预测的精度和速度。下面分别对短期电价预测和中长期电价预测方法进行总结。

2 短期电价预测方法分析

作为整个电价预测理论体系中最为重要的一部分，短期电价预测主要是对未来若干个小时内到几天内的电价进行预测。提高短期电价预测的准确度有利于发电企业选择最合理的报价策略，进而使其利润最大化，而且还有助于有效控制购电用户的成本，同时更有利于相关的监管部门对电力市场进行有效的监管，确保电力行业中市场的稳定安全运行。当前，进行短期电价预测的方法主要有以下四种，即以时间推移为基础的时间序列法、以神经网络理论为核心的神经网络法、以傅里叶变换和小波变换为核心的预测法及组合预测的方法等，本文分别进行介绍。

2.1 时间序列方法

时间序列方法是基于AR、MA和ARMA模型，利用回归分析对短期电价预测进行分析的方法。由于短期电价预测中各个时间段系统的边际电价为一个等距离的随机序列，因此可用AMRA模型进行短期电价的预测。这种方法的局限性无法充分考虑市场对电价的综合影响，且难以选择合理模型，如果模型选择的不合理，则即使参数估计的再精确也难以达到理想的预测效果。

2.2 神经网络法

神经网络方法能够有效处理多变量的问题，因此能够适应非结构性和非精确性的预测，这正是电价预测所需要的。应用神经网络进行预测时，需要仔细分析预测成本和输入层数等，且网络结构选择大都是根据相关经验进行的，或者采用试凑法来进行，可能存在难以收敛或者精度不够的问题，这是神经网络法在短期电价预测中的弊端。神经网络法又可分为SP神经网络法和RBF神经网络法。

2.2.1 SP神经网络法

作为当前作为应用作为广泛同时也是最为成熟的一种神经网络方法。SP神经网络法能够依据最小均方差的有效方式，采用适应性的网络模式，在对函数评价最小化时能够对输入信号进行有效的映射，这种映射方式由于是非线性映射，其可进行复杂模式的识别。电价的短期预测正是需要对影响电价的各种因素进行评估，而这些因素和电价的关系大都是非线性的，因此，利用SP神经网络法能够有效解决短期电价预测的问题。相关学者通过对原始数据进行分析，得到了UMCP的明显变化趋势，并对其进行综合处理后，对数据的可用性进行了有效的增加。通过对其相关性进行分析，使其输入变量能够有效适应实际电价的变化。在SP神经法中并加入了权重值，通过拟合的方法能够有效进行预测。SP神经网络法所得到了预测结果大都能让人满意，但其缺点是无法考虑各个时间段的相关性，且在负荷变化较为缓慢时预测精度不够，且难以预测较为剧烈变化的电价，同时有时输出结果不够稳定，计算的速度较慢。

2.2.2 RBF神经网络方法。

国内外学者通过利用径向函数可以实现RBF神经网络法。RBF神经网络法是基于隐层的神经网络节点数、连接权和中心向量的，其要求隐层的节点数具有不可微和不连续的性质，因此必须利用阶梯遗传算法对RBF的网络参数进行训练，这样就能够有效实现网络节点数和参数的优化。这种方法能够有效解决SP神经网络法所存在的局部最大值和最小值这个缺陷，但其弊端是在负荷变动较大，且在电价的峰值时难以进行预测。

RBF神经网络法虽然结构较为简单，但其逼近和分类能力等方面都是比BP神经网络法优秀的，其所存在的应该解决的问题主要有：如何合理确定相关网络函数的数据中心，并通过聚类的方法进行有效的量度和定义；如何找到合理的径向函数；如何较为合理的反应影响电价的各种非线性因素及如何合理的选择基函数。

2.3 基于傅里叶变换的小波预测方法

小波分析法比神经网络法能够更加准确地对短期电价进行预测，其难点在于合理选择小波的尺度和分界度，同时合理处理小波变换中的边界问题，这样才会取得良好的短期电价预测效果。

2.4 组合方法

所谓组合方法，就是指通过对上述电价预测方法的组合来实现电力市场中电价预测。由于对电力市场中的电价影响因素较多，且各个影响因素较为复杂，有些时候无论采用何种方法，如时间序列法、回归方程法及神经网络法都难以得到满意的结果。因此许多专家学者基于电力市场的实际特点，提出了组合预测的方法。当前电力市场中电价组合预测方法都是基于某种预测机理将某一单一的电价预测进行有效的组合，即首先对单一的预测方法进行有效的分析，然后通过对两种或者多种方法进行对比，采取有效的方法组合，进而得到最有效的电价预测方法。

当前国内外研究生所提出的组合预测方法主要有两种：一种是将权重固定的电价组合预测方法；二是对权重进行改变的电价组合预测方法。其根本思想都是将对电价预测的各种方法进行有效的组合，进而得到一个合理的最佳电价预测结果。组合电价预测方法的核心内容是合理选择权重，其权重选择需要受电价各种因素的影响。由于当前各种电价预测方法的精度都不够高，如何合理将这些方法进行组合也是组合电价法的重点和难点。当前电价组合预测中所采用的主要的组合预测方式有：合理选择电价影响因素，根据各个影响因素的历史特征来进行数据筛选，然后在利用传统的方法依据影响因素的不同进行有效的分离，进而进行各种预测，将各个预测的结果进行对比分析即可得到最后的预测结果。组合电价预测方法的核心是要实现多种电价预测方法的有效互补和利用，这样才能提高电价预测精度，取得良好的电价预测效果。

3 中长期电价预测

在电力市场中对中长期电价进行准确的预测有助于发电企业合理安全年度生产计划，并为相关的电力投资商提高良好的参考依据，同时也有助于电力监管部门制定长期的监管政策，对电网企业而言，有利于其对电网的运行进行合理的安排。因此，研究电力市场中的中长期电价预测具有非常重要的意义。

由于存在多种因素对电价进行影响，同时这些因素具有非常大的不确定性，而且电价的中长期预测的周期较长，所以对电价进行中长期预测的难度是非常大的。当前国内外研究人员对中长期电价预测的研究较少，现有的研究成果大都是将电价等效为随机变量，对其分布函数进行研究，在其分布区间内建立有效的预测模型。

在电价长期预测方法中，采用模糊方法与采用神经网络方法对相关不确定性因素的处理思想是不一致的，采用模糊方法不是盲目地追求相关的预测精度，而是要构建预测数据的分布情况，而采用神经网络法则是要合理的对现有数据进行分析，确定自变量和因变量的关系，进而达到合理预测电价的目的。中长期电价预测最重要的影响因素就是电力负荷的长期需求情况及社会经济的发展情况，同时还应考虑发电厂企业的电源建设情况，要合理确定中长期电价与整个系统剩余百分比的关系，重点研究电价的整体变化趋势，有效确定中长期电价的置信区间。当前对中长期电价预测的研究还是不够充分，还需国内外电价预测研究者进行深入的研究。

4 结 语

本文对当前的电价预测方法进行了总结和综述。针对不同形式的电力市场，所采取的电价预测方法也有所不同，应综合电价预测方法的优点，对具体情况进行具体分析，有效提高电价预测的精度，使其在电力市场和电力系统中发挥越来越重要的作用。

参考文献：

[1] 周浩，陈建华，孙维真.电力市场中的电价分析与调控[J].电网技术，2004，（6）：37-40.

[2] 陈建华，周浩.电力市场中的短期电价调控[J].价格理论与实践，2003，（9）：25-26.