基于电价预测的零售电价套餐形成方法

发布时间：2020-05-12 18:08

【摘要】：在未来的电力零售市场,用户将拥有挑选、更换售电商的权利,售电公司为规避风险、提高市场占有率,需要向终端电力用户提供科学合理并具有竞争力的售电套餐。同时,新电改背景下市场交易模式和电价形成及传导机制的改变使得销售电价受到更多市场信息的影响,有必要建立更精准的电价预测模型,为决策者掌握市场信息及决策售电市场行为提供辅助支持。销售电价预测作为售电公司进行成本核算的基础,同时也是零售电价套餐设计优化的关键环节。基于电价预测的精确性要求和零售电价套餐的优化需求,论文首先提出计及时序调整的Elman神经网络预测模型,对销售电价进行预测,并依据所预测的销售电价为基础,结合消费者参考价格决策及用户黏性对售电套餐进行优化设计。首先,以所查阅的众多相关文献资料为基础,对国内外已有的电力市场环境下电价预测技术和零售电价套餐的结构、模式进行分析总结,并以德州多类型电力市场中的电价水平和波动情况为例,对销售电价的影响因素进行分析,进而研究零售电价套餐的形成基础;其次,在剖析影响销售电价因素的基础上,提出了计及时序调整的Elman神经网络电价预测模型,该方法采用FastICA主成分分析法提取电价影响的重要信息,并针对负荷特性基于最小类内距离和最大类间距离的原则进行负荷聚类分析,在神经网络的训练算法中引入计及时序调整的训练方法,以提高预测算法的精确性;最后,根据销售电价预测结果,在建立售电公司多模式的电能成本核算模型的基础上,结合国外已有的售电套餐结构和新电改背景,提出基于消费者参考价格决策及用户黏性的售电套餐优化设计,该方法以售电公司总效用函数为目标,从用户参考价格对消费决策的影响入手,考虑用户消费的偏好行为和对价格接受程度的影响,依次建立影响目标函数的单个用户黏性函数、用户群决策矩阵和同化系数模型,并采用改进的交叉粒子群算法,以元胞数组作为存放多个套餐的单位,进行多个最优套餐价格的同时搜索。从有效性和正确性角度对销售电价预测模型以及零售电价套餐的形成、优化方法进行了验证分析。
【图文】：

２．１电价预测理论基础逡逑２．１．１电力价格的波动性分析逡逑以德州市场为例，分析现货市场中价格波动变化趋势。下图２－１和２－２分别逡逑为曰前市场（ＤＡＭ）和实时市场（ＲＴＭ）邋２０１６年南区、北区、西区、休斯顿区逡逑的小时平均结算价格。从图中可以看出日前市场的价格波动与实时市场相比波动逡逑范围较小，日前市场的价格波动范围更多的落在５０￥／ＭＷｈ范围内，实时市场出逡逑现的最高结算价格要远远高于日前市场；同时在相同的时间段内，实时市场出现逡逑高价的频率也远大于日前市场，在２０１６年中日前市场中平均结算价格大于逡逑２００￥／ＭＷｈ出现７次，在实时市场中出现４０次；相同的是，一年中的较高结算逡逑价格均会在７－９月份中间出现，价格尖峰的存在主要是受到网络阻塞的影响；除逡逑此之外，实时市场具备的一大特征就是存在零价甚至负价的结算价格，是日前市逡逑场不会存在的。逡逑－５０邋￣｜逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ￣逡逑２０１６／１／１－２０１６／１／７逡逑６０逡逑２００邋－邋５０邋？逡逑Ｉ逦：逦Ｉ逡逑｜１５０逦＾邋0Ａａａｖｗ逦１逡逑｜邋１００邋－邋，0ｌ／１邋１／２邋１／３邋１／４邋１５邋１６邋１／７逦，邋Ｉ邋！逦－逡逑０１／０１逦０１邋３１逦０２／２９逦０３邋３１逦０４／３０逦０５邋３１逦０６邋３０逦０７／３１逦０８／３１逦０９／３０逦１０／３１逦１１邋３０逦１

０１／０１逦０１／３１逦０２／２９逦０３／３１逦０４／３０逦０５／３１逦０６邋３０逦０７／３１逦０８／３１逦０９／３０逦１０／３１逦１１／３０逦１２／３１逡逑时间逡逑图２－２德州实时市场２０１６年平均结算价格走势逡逑从以周为时间尺度的图例中，可以看出ＤＡＭ和ＲＴＭ的结算价格均有日周逡逑期波动的趋势。德州辅助服务市场是以日前市场统一出清的方式进行交易，下图逡逑２－３为２０１６年日前市场４种辅助服务的出清价格走势，其中４种辅助服务包含：逡逑下降调节（Ｒｅｇｕｌａｔｉｏｎ邋Ｄｏｗｎ）、上升调节（Ｒｅｇｕｌａｔｉｏｎ邋Ｕｐ）、响应式预留服务逡逑（Ｒｅｓｐｏｎｓｉｖｅ邋Ｒｅｓｅｒｖｅ邋Ｓｅｒｖｉｃｅ）、冷备用（Ｎｏｎ－Ｓｐｉｎ）。通过对四种价格的对比逡逑分析可知，ＲＲＳ服务均价最高，ＮＳＰＩＮ服务均价最低，ＲＥＧＵＰ的价格与ＲＲＳ逡逑的价格呈现很强的正相关性。与日前交易市场和实时交易市场的价格相比，辅助逡逑服务价格的水平较低，而且没有明显的周期性的变化趋势。然而，，在ＤＡＭ和逡逑ＲＴＭ同时出现高价时，ＲＥＧＵＰ、ＲＲＳ和ＮＳＰＩＮ也出现了各自的价格峰值。逡逑３００邋￣｜逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ￣逡逑逦ＲＥＧＤＮ逡逑２５０邋－逦—－—ＲＥＧＵＰ逦ｘ逦－逡逑ＲＲＳ逡逑２００邋－逦—ＮＳＰＩＮ逦？邋｜？－逡逑．？邋ｘ逦0逦：ｔ逡逑ｌｏ逦ｘ逦ｉ逡逑＾邋１５０邋－逦
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM73;F426.61;F726

【相似文献】

相关期刊论文 前10条

1 徐兵;;电力市场下短期电价预测浅析[J];经贸实践;2015年08期

2 赵晶;;电力市场中电价预测方法综述[J];企业技术开发;2013年18期

3 杨俊;张勤;潘虹;张婷婷;;遗传程序设计在短期电价预测中的应用[J];电力学报;2009年01期

4 刘振宗;吴颖超;;电力市场短期电价预测方法综述[J];中国电力教育;2009年20期

5 张显;王锡凡;;短期电价预测综述[J];电力系统自动化;2006年03期

6 谢诗宇;;基于统计学习的电价预测模型[J];通讯世界;2018年05期

7 汪敏霞;;基于电力市场的短期电价预测分析[J];通讯世界;2015年11期

8 谢新南;;一种短期电价预测的新方法[J];电工电气;2009年08期

9 谢品杰;谭忠富;尚金成;侯建朝;王绵斌;;基于小波分析与广义自回归条件异方差模型的短期电价预测[J];电网技术;2008年16期

10 谢新南;;一种短期电价预测的新方法[J];安徽电力;2008年03期

相关会议论文 前10条

1 邹雅;滕贤亮;王阳;涂孟夫;谢蔚;;现货市场环境下基于堆叠自编码器的电价预测[A];中国电机工程学会电力市场专业委员会2019年学术年会暨全国电力交易机构联盟论坛论文集[C];2019年

2 闫彦;孙桂新;;互联电网地区电价预测与分析[A];发展的信息技术对管理的挑战——99’管理科学学术会议专辑（上）[C];1999年

3 马新顺;;基于神经网络与小波分解的市场清算电价预测[A];第十届中国青年信息与管理学者大会论文集[C];2008年

4 秦磊;邹斌;;电价预测及其概率分布[A];2007中国控制与决策学术年会论文集[C];2007年

5 崔天宝;栗然;王粤;;基于云模型的短期电价预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

6 廉晨;韩小平;左月明;;基于神经网络和小波分析的短期电价预测方法[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

7 孙伟;卢建昌;孟明;;基于时间序列支持向量机模型的电价预测研究[A];2006中国控制与决策学术年会论文集[C];2006年

8 田慧欣;;基于多神经网络的日前电价预测[A];天津市电机工程学会2009年学术年会论文集[C];2009年

9 涂启玉;张茂林;;小波神经网络预测电价的新改进[A];2010年云南电力技术论坛论文集（文摘部分）[C];2010年

10 赵军科;李郁侠;;我国电价时间序列混沌特性分析及电价预测[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年

相关博士学位论文 前3条

1 李彩虹;两类组合预测方法的研究及应用[D];兰州大学;2012年

2 刘达;电力市场中电价预测模型方法及应用研究[D];华北电力大学（北京）;2008年

3 杨俊;市场环境下电力系统可靠性分析若干问题研究[D];华北电力大学（北京）;2009年

相关硕士学位论文 前10条

1 吉晓琼;基于深度学习的电力市场短期电价预测研究[D];华北电力大学;2019年

2 黄晗;新南威尔士州日前市场出清电价预测研究[D];华北电力大学(北京);2019年

3 李欣宁;基于电价预测的零售电价套餐形成方法[D];华北电力大学(北京);2019年

4 Jeanne Baptiste NIYIGENA;电价预测与市场分析“卢旺达案例研究”[D];华北电力大学(北京);2019年

5 常子汉;基于小波变换与Adam优化的LSTM电价预测研究[D];兰州大学;2019年

6 舒文杰;用于电价预测的自适应理性超限学习机研究[D];湘潭大学;2018年

7 刘威;互联电力市场的区域电价预测[D];华中科技大学;2018年

8 王勤智;电力市场下短期电价预测研究[D];昆明理工大学;2013年

9 吴兴华;电力市场条件下的短期电价预测研究[D];北京交通大学;2008年

10 周冰;智能电网环境下的短期电价预测研究[D];郑州大学;2015年

本文编号：2660627