发电商市场预测与竞价决策优化新方法研究
发布时间：2021-05-06 08:01
本文选择在对在对电力市场进行预测的基础上,研究发电商如何对其面临的市场环境中潜在的市场风险进行有效的识别和管理,避免带来损失的可能性,从而提高其自身的竞争获益的能力。本文抓住电力市场的核心---MCP,选择先进的人工智能组合预测方法,对其进行建模和预测,从而形成对发电商面临的短期市场环境的一个精确的预测分析理论体系。然后,对发电商面临的参与竞价进行的获益情况以及MCP、所获出力等进行建模,以此为基础构建基于群体智能优化算法的竞价决策优化模型。在此基础上,借鉴金融市场风险管理理论的研究进展,对发电商面临的市场变化带来的风险进行量化描述。接着,结合发电商参与竞价面临的风险进行风险度量化评估,在此基础上,提出计及风险约束的发电商竞价决策优化模型和进化规划优化求解算法设计。本文研究所依赖的主要理论基础为最优化组合预测理论,智能优化计算理论,时间序列预测,以及金融风险计量与管理理论。本文将结合这些理论研究的最新成果,结合本文所研究内容进行有机结合,并针对具体问题,改进相关的理论模型,对这些理论的内涵和外延都予以拓展,以形成一套完整的基于MCP、计及短期市场风险的发电商竞价决策优化理论,为发电商兼...
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：166 页
【学位级别】：博士
【文章目录】：
中文摘要
英文摘要
第一章 绪论
1.1 研究背景与研究意义
1.2 主要研究内容
1.3 研究方案、特色及难点
1.4 研究框架归纳与理论基础
1.5 预期的成果及创新点
第二章 国内外相关理论研究动态
2.1 电力市场预测相关问题研究动态
2.1.1 短期负荷预测研究动态
2.1.2 短期电价预测研究动态
2.2 发电商报价策略研究方法动态
2.2.1 基于成本分析的方法
2.2.2 基于预测市场电价的报价方法
2.2.3 估计竞争对手的报价行为的方法
2.3 金融风险计量管理理论（VaR）研究进展
2.3.1 VaR的含义
2.3.2 VaR的产生背景
2.3.3 VaR的测量基础
2.3.4 经典VaR方法
2.3.5 极端VaR方法
2.4 发电商风险管理研究综述
第三章 基于改进蚁群算法的电力市场短期负荷最优化组合预测模型
3.1 负荷预测对发电商市场分析的意义
3.2 电力市场环境下负荷变化的特点
3.3 负荷预测中的数据处理相关问题设定
3.3.1 历史数据的处理原则
3.3.2 预测中“近大远小”原则的贯彻
3.3.3 对预测误差分析标准的设定
3.4 基于时间序列方法的负荷预测模型
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 基于遗传算法改进小波神经网络的负荷预测模型
3.5.1 小波神经网络原理
3.5.2 利用遗传算法优化小波网络
3.5.3 改进遗传小波神经网络预测模型预测效果分析
3.6 基于混沌模糊神经网络的负荷预测模型
3.6.1 动态模糊神经网络的预测模型
3.6.2 混沌学习方法设计
3.6.3 基于混沌模糊神经网络的负荷预测模型
3.6.4 混沌模糊神经网络预测效果分析
3.7 基于改进蚁群算法的最优化组合预测模型
3.7.1 组合预测模型的建立
3.7.2 改进蚁群算法
3.7.3 实例分析
3.8 负荷预测预测敏感性分析
3.8.1 可行的模型
3.8.2 对输入因子的灵敏度
3.9 本章小结
第四章 电力市场环境下MCP分析及ARIMA-SASVM混合预测模型
4.1 引言
4.2 电力市场环境下市场出清价的形成机制分析
4.2.1 电力市场交易模式概述
4.2.2 市场出清价结算机制
4.2.3 电力市场出清价的形成过程
4.3 市场出清价的特点
4.4 影响市场出清价变化的因素分析
4.4.1 发电商成本对价格的影响
4.4.2 电力市场供应和需求对出清价的影响
4.4.3 发电商的市场力对市场价格的影响
4.4.4 负荷对出清电价的影响分析
4.5 基于ARIMA-SASVM的混合预测模型
4.5.1 时间序列时域分析方法
4.5.2 SA-SVM预测子模型
4.5.3 ARIMA-SASVM混合预测模型
4.5.4 电价预测的性能评估
4.6 实例分析
4.7 本章小结
第五章 价格钉形成机制与考虑价格钉的电价预测模型
5.1 价格钉的定义与概念
5.1.1 电价中的价格钉
5.1.2 价格钉的定义
5.2 电价突变的形成机制分析
5.2.1 过高的负荷
5.2.2 发电商市场力
5.2.3 过小的容量裕度
5.3 市场力在考虑价格钉的电价预测中的量化
5.3.1 市场力的度量指标比较与其对电价预测的适用程度
5.3.2 市场供需比指标的构建
5.4 考虑价格钉的电价预测模型
5.4.1 价格钉的检测
5.4.2 总体预测模型描述
5.5 实例分析
5.6 本章小结
第六章 基于MCP的发电商竞价决策优化模型及GIPHA求解算法设计
6.1 引言
6.2 发电商参与日前能量市场竞价建模
6.2.1 单边交易模式
6.2.2 双边交易模式
6.3 发电商参与辅助服务市场和备用市场竞价建模
6.4 基于MCP的发电竞价优化模型
6.5 改进GIPSOHA优化求解算法设计
6.5.1 PSO和GA算法概述
6.5.2 改进迭代策略的自适应粒子群算法
6.5.3 GIPHA算法
6.6 GIPSOHA算法用于求解基于MCP的发电商竞价机组组合优化模型
6.6.1 问题的描述
6.6.2 初始化
6.6.3 适应度值评价
6.6.4 粒子群迭代过程与GA算法更新粒子群
6.6.5 算法停止标准设定
6.6.6 算法结构归纳
6.7 仿真实例分析
6.8 本章小结
第七章 计及风险的发电商竞价决策Gopula-GARCH-EVT建模及EP优化算法求解设计
7.1 引言
7.2 基于Gopula-GARCH-EVT发电商资产组合优化问题
7.2.1 传统的资产组合优化模型存在的缺陷
7.2.2 基于Copula-GARCH-EVT的发电商组合选择模型构建思路
7.2.3 根据Copula函数构建反映金融资产收益率相关性的联合分布函数
7.2.4 用蒙特卡罗方法模拟发电商竞价机组组合的收益率
7.2.5 采用VaR和CVaR度量风险，构建基于均值-风险准则的资产组合选择模型
7.2.6 兼顾利润最大化和风险最小化的竞价决策综合优化模型
7.3 进化规划算法设计
7.3.1 进化规划的发展及研究现状
7.3.2 进化规划的几种表达方式
7.3.3 进化规划的基本技术
7.4 进化规划算法适应度评价函数设计
7.5 仿真实例分析
7.6 本章小结
第八章 结论与展望
8.1 主要结论及创新性
8.2 未来研究展望
参考文献
致谢
攻读博士学位期间发表的学术论文
攻读博士学位期间参加的科研工作
【参考文献】：
期刊论文
[1]改进粒子群优化算法在电源规划中的应用[J]. 李翔,牛东晓,杨尚东. 中国管理科学. 2006(06)
[2]基于LVQ神经网络的供电企业客户信用风险识别[J]. 杨尚东,乞建勋,李星梅. 统计与决策. 2006(23)
[3]基于遗传算法和径向基函数神经网络的短期边际电价预测[J]. 顾庆雯,陈刚,朱蕾蕾,吴迎霞. 电网技术. 2006(07)
[4]基于CC/BM电网设施检修流程优化模型研究与应用[J]. 李星梅,乞建勋,杨尚东. 电力建设. 2006(04)
[5]基于改进DFNN的短期电价预测新方法[J]. 敖磊,刘旭东,吴耀武,熊信银. 继电器. 2006(06)
[6]电力市场短期边际电价的分时重构混沌相空间预测[J]. 彭春华. 中国电机工程学报. 2005(23)
[7]基于贝叶斯理论和在线学习支持向量机的短期负荷预测[J]. 赵登福,庞文晨,张讲社,王锡凡. 中国电机工程学报. 2005(13)
[8]基于模糊多目标遗传优化算法的节假日电力负荷预测[J]. 冯丽,邱家驹. 中国电机工程学报. 2005(10)
[9]基于小波分析的短期电价ARIMA预测方法[J]. 周明,聂艳丽,李庚银,倪以信. 电网技术. 2005(09)
[10]基于RBF网络的电力市场清算电价预测[J]. 夏吉广,张维存,尹怡欣. 中国制造业信息化. 2005(05)
硕士论文
[1]实时边际电价预测模型研究[D]. 张建.四川大学 2003
本文编号：3171564
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：166 页
【学位级别】：博士
【文章目录】：
中文摘要
英文摘要
第一章 绪论
1.1 研究背景与研究意义
1.2 主要研究内容
1.3 研究方案、特色及难点
1.4 研究框架归纳与理论基础
1.5 预期的成果及创新点
第二章 国内外相关理论研究动态
2.1 电力市场预测相关问题研究动态
2.1.1 短期负荷预测研究动态
2.1.2 短期电价预测研究动态
2.2 发电商报价策略研究方法动态
2.2.1 基于成本分析的方法
2.2.2 基于预测市场电价的报价方法
2.2.3 估计竞争对手的报价行为的方法
2.3 金融风险计量管理理论（VaR）研究进展
2.3.1 VaR的含义
2.3.2 VaR的产生背景
2.3.3 VaR的测量基础
2.3.4 经典VaR方法
2.3.5 极端VaR方法
2.4 发电商风险管理研究综述
第三章 基于改进蚁群算法的电力市场短期负荷最优化组合预测模型
3.1 负荷预测对发电商市场分析的意义
3.2 电力市场环境下负荷变化的特点
3.3 负荷预测中的数据处理相关问题设定
3.3.1 历史数据的处理原则
3.3.2 预测中“近大远小”原则的贯彻
3.3.3 对预测误差分析标准的设定
3.4 基于时间序列方法的负荷预测模型
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 基于遗传算法改进小波神经网络的负荷预测模型
3.5.1 小波神经网络原理
3.5.2 利用遗传算法优化小波网络
3.5.3 改进遗传小波神经网络预测模型预测效果分析
3.6 基于混沌模糊神经网络的负荷预测模型
3.6.1 动态模糊神经网络的预测模型
3.6.2 混沌学习方法设计
3.6.3 基于混沌模糊神经网络的负荷预测模型
3.6.4 混沌模糊神经网络预测效果分析
3.7 基于改进蚁群算法的最优化组合预测模型
3.7.1 组合预测模型的建立
3.7.2 改进蚁群算法
3.7.3 实例分析
3.8 负荷预测预测敏感性分析
3.8.1 可行的模型
3.8.2 对输入因子的灵敏度
3.9 本章小结
第四章 电力市场环境下MCP分析及ARIMA-SASVM混合预测模型
4.1 引言
4.2 电力市场环境下市场出清价的形成机制分析
4.2.1 电力市场交易模式概述
4.2.2 市场出清价结算机制
4.2.3 电力市场出清价的形成过程
4.3 市场出清价的特点
4.4 影响市场出清价变化的因素分析
4.4.1 发电商成本对价格的影响
4.4.2 电力市场供应和需求对出清价的影响
4.4.3 发电商的市场力对市场价格的影响
4.4.4 负荷对出清电价的影响分析
4.5 基于ARIMA-SASVM的混合预测模型
4.5.1 时间序列时域分析方法
4.5.2 SA-SVM预测子模型
4.5.3 ARIMA-SASVM混合预测模型
4.5.4 电价预测的性能评估
4.6 实例分析
4.7 本章小结
第五章 价格钉形成机制与考虑价格钉的电价预测模型
5.1 价格钉的定义与概念
5.1.1 电价中的价格钉
5.1.2 价格钉的定义
5.2 电价突变的形成机制分析
5.2.1 过高的负荷
5.2.2 发电商市场力
5.2.3 过小的容量裕度
5.3 市场力在考虑价格钉的电价预测中的量化
5.3.1 市场力的度量指标比较与其对电价预测的适用程度
5.3.2 市场供需比指标的构建
5.4 考虑价格钉的电价预测模型
5.4.1 价格钉的检测
5.4.2 总体预测模型描述
5.5 实例分析
5.6 本章小结
第六章 基于MCP的发电商竞价决策优化模型及GIPHA求解算法设计
6.1 引言
6.2 发电商参与日前能量市场竞价建模
6.2.1 单边交易模式
6.2.2 双边交易模式
6.3 发电商参与辅助服务市场和备用市场竞价建模
6.4 基于MCP的发电竞价优化模型
6.5 改进GIPSOHA优化求解算法设计
6.5.1 PSO和GA算法概述
6.5.2 改进迭代策略的自适应粒子群算法
6.5.3 GIPHA算法
6.6 GIPSOHA算法用于求解基于MCP的发电商竞价机组组合优化模型
6.6.1 问题的描述
6.6.2 初始化
6.6.3 适应度值评价
6.6.4 粒子群迭代过程与GA算法更新粒子群
6.6.5 算法停止标准设定
6.6.6 算法结构归纳
6.7 仿真实例分析
6.8 本章小结
第七章 计及风险的发电商竞价决策Gopula-GARCH-EVT建模及EP优化算法求解设计
7.1 引言
7.2 基于Gopula-GARCH-EVT发电商资产组合优化问题
7.2.1 传统的资产组合优化模型存在的缺陷
7.2.2 基于Copula-GARCH-EVT的发电商组合选择模型构建思路
7.2.3 根据Copula函数构建反映金融资产收益率相关性的联合分布函数
7.2.4 用蒙特卡罗方法模拟发电商竞价机组组合的收益率
7.2.5 采用VaR和CVaR度量风险，构建基于均值-风险准则的资产组合选择模型
7.2.6 兼顾利润最大化和风险最小化的竞价决策综合优化模型
7.3 进化规划算法设计
7.3.1 进化规划的发展及研究现状
7.3.2 进化规划的几种表达方式
7.3.3 进化规划的基本技术
7.4 进化规划算法适应度评价函数设计
7.5 仿真实例分析
7.6 本章小结
第八章 结论与展望
8.1 主要结论及创新性
8.2 未来研究展望
参考文献
致谢
攻读博士学位期间发表的学术论文
攻读博士学位期间参加的科研工作
【参考文献】：
期刊论文
[1]改进粒子群优化算法在电源规划中的应用[J]. 李翔,牛东晓,杨尚东. 中国管理科学. 2006(06)
[2]基于LVQ神经网络的供电企业客户信用风险识别[J]. 杨尚东,乞建勋,李星梅. 统计与决策. 2006(23)
[3]基于遗传算法和径向基函数神经网络的短期边际电价预测[J]. 顾庆雯,陈刚,朱蕾蕾,吴迎霞. 电网技术. 2006(07)
[4]基于CC/BM电网设施检修流程优化模型研究与应用[J]. 李星梅,乞建勋,杨尚东. 电力建设. 2006(04)
[5]基于改进DFNN的短期电价预测新方法[J]. 敖磊,刘旭东,吴耀武,熊信银. 继电器. 2006(06)
[6]电力市场短期边际电价的分时重构混沌相空间预测[J]. 彭春华. 中国电机工程学报. 2005(23)
[7]基于贝叶斯理论和在线学习支持向量机的短期负荷预测[J]. 赵登福,庞文晨,张讲社,王锡凡. 中国电机工程学报. 2005(13)
[8]基于模糊多目标遗传优化算法的节假日电力负荷预测[J]. 冯丽,邱家驹. 中国电机工程学报. 2005(10)
[9]基于小波分析的短期电价ARIMA预测方法[J]. 周明,聂艳丽,李庚银,倪以信. 电网技术. 2005(09)
[10]基于RBF网络的电力市场清算电价预测[J]. 夏吉广,张维存,尹怡欣. 中国制造业信息化. 2005(05)
硕士论文
[1]实时边际电价预测模型研究[D]. 张建.四川大学 2003
本文编号：3171564
本文链接：https://www.wllwen.com/gongshangguanlilunwen/3171564.html
