电力市场背景下需求侧报价的时间序列分析方法研究

发布时间：2017-09-01 12:09

  本文关键词：电力市场背景下需求侧报价的时间序列分析方法研究

  更多相关文章： 可转移负荷 日前市场 实时市场 电价预测 自回归积分滑动平均模型

【摘要】：随着电力市场的发展,需求侧购电的优化策略一直是国内外学者研究的热点问题。在目前的研究中,对参与市场报价的负荷主要以统一的形式进行处理。随着用电器种类的增多、储能技术和电动汽车技术的不断发展,在运行时间上具有一定灵活性的可转移负荷将给需求侧报价策略带来新的优化空间。论文以典型的日前市场和实时市场结合的双结算市场为应用背景,分别对日前市场和实时市场的出清电价进行时间序列分析。通过自相关函数和偏相关函数的计算分析了不同日期同一时刻电价之间的相关性,并以此建立两个市场各个时刻的ARIMA模型,通过最大似然估计计算出相应的模型参数。通过ARIMA模型对电价序列进行表示,充分利用了电价历史数据的信息,为可转移负荷的优化报价模型提供了电价预测支持。在双结算市场的环境下,论文提出了基于时间序列模型电价短期预测的可转移负荷优化报价策略。由于市场电价具有较大的不确定性,可转移负荷的最优报价是一个随机优化问题。论文以可转移负荷的购电费用期望最低为目标函数,在现有优化策略模型的基础上引入ARIMA模型的短期预测从而对优化方法进行改进。采用电力市场的实际目前电价和实时电价数据对论文提出的方法进行算例测试,结果验证了该方法能够在现有方法的基础上进一步优化可转移负荷的报价策略,从而降低可转移负荷的购电费用的期望值。考虑到电力市场对需求侧单一时刻的报价功率限制,论文提出了一种自动报价调整策略。为了避免功率约束增加优化报价模型的复杂性,先通过无功率约束的策略模型计算出优化报价,然后通过考虑报价功率约束的贪心算法对优化报价策略进行调整,使得报价在满足功率约束的前提下购电费用期望值最低。基于贪心策略的报价调整算法为未来研究中考虑更多报价约束提供了模型简化思路,将可能的约束与模型进行解耦,提高了优化模型的适用度和通过性,可供报价策略模型研究参考。
【关键词】：可转移负荷 日前市场 实时市场 电价预测 自回归积分滑动平均模型
【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】：2016
【分类号】：F426.61
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 绪论9-15
• 1.1 研究背景及意义9-10
• 1.2 国内外研究发展现状10-13
• 1.2.1 电力市场发展现状10-11
• 1.2.2 需求侧报价研究现状11-12
• 1.2.3 短期电价预测研究现状12-13
• 1.3 本文研究内容13-15
• 第2章 时间序列分析15-29
• 2.1 线性平稳模型16-21
• 2.1.1 有限阶数自回归平稳过程17-19
• 2.1.2 有限阶数滑动平均过程19-20
• 2.1.3 混合自回归滑动平均过程20-21
• 2.2 线性非平稳模型21-25
• 2.2.1 ARIMA模型的提出22-23
• 2.2.2 ARIMA模型的三种表示方式23-25
• 2.3 时间序列预测方法25-28
• 2.3.1 最小均方误差预测与更新26-27
• 2.3.2 预测概率置信限的计算27-28
• 2.4 本章小结28-29
• 第3章 双结算电力市场与电价时间序列建模29-44
• 3.1 电力市场的模型与结构29-33
• 3.1.1 电力市场模型30
• 3.1.2 电力市场的结构30-33
• 3.2 双结算市场电价的时间序列分析33-43
• 3.2.1 电价样本处理33-36
• 3.2.2 日前市场电价时间序列分析36-40
• 3.2.3 实时市场电价时间序列分析40-43
• 3.3 本章小结43-44
• 第4章 电力市场中需求侧报价策略44-52
• 4.1 可转移负荷报价模型44-45
• 4.2 基于电价预测的报价策略45-48
• 4.2.1 可转移负荷报价的计算方法45-46
• 4.2.2 考虑功率限制的自动调整策略46-48
• 4.3 算例分析48-51
• 4.3.1 平均值法与预测值的比较48-50
• 4.3.2 考虑功率限制的报价调整算法50-51
• 4.4 本章小结51-52
• 第5章 结论与展望52-54
• 5.1 结论52
• 5.2 未来研究展望52-54
• 参考文献54-58
• 攻读硕士学位期间参加的科研工作及发表的论文58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 卢建昌,张世英,牛东晓;基于ARIMA的发电量预测方法[J];华北电力大学学报;2004年03期

2 李佳萌,曾涛,王伟;ARIMA模型在天津港交通量预测中的应用[J];数理医药学杂志;2004年05期

3 姜庆华;赵丽萍;;基于ARIMA模型的我国电力生产预测研究[J];价值工程;2006年09期

4 王婷;;民航客运量的ARIMA模型与预测[J];五邑大学学报(自然科学版);2007年01期

5 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

6 惠军;马冬冬;;ARIMA模型在房屋售价中的预测[J];佳木斯大学学报(自然科学版);2009年01期

7 周叶;肖灵机;;基于ARIMA模型的我国航空货运量预测分析[J];南昌航空大学学报(社会科学版);2010年03期

8 任欢;;基于ARIMA模型的河南省能源需求量预测[J];安阳师范学院学报;2010年05期

9 张士强;王雯;王健;;ARIMA模型在城市年用电量预测中的应用[J];电力需求侧管理;2010年06期

10 董小刚;李纯净;;基于ARIMA模型的上证指数预测实证分析[J];长春工业大学学报(自然科学版);2012年05期

中国重要会议论文全文数据库 前10条

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三届中国控制会议论文集（下册）[C];2004年

2 王建锋;高歌;陈立凌;李红美;张明芝;王艾丽;;ARIMA模型及其在江苏省卫技人员数预测中的应用[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 李君华;王志坚;张立杰;陈雪;;基于小波理论及ARIMA模型的短期棉花价格预测[A];中国棉花学会2012年年会暨第八次代表大会论文汇编[C];2012年

4 陈兴荣;;ARIMA模型和GM(1,1)在我国白银消费需求预测应用中的比较研究[A];第25届全国灰色系统会议论文集[C];2014年

5 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

6 刘军;柴洪洲;陈轲;刘先冬;;ARIMA模型预报电离层VTEC研究[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

7 ;Economic Design of Integrating SPC and APC with Quality Constraints[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 任家福;张f ;周宗放;;基于ARIMA和BP神经网络的组合预测模型及应用研究[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全国时间生物医学学术会议论文集[C];2004年

10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六届中国控制会议论文集[C];2007年

中国重要报纸全文数据库 前1条

1 ;基于数量化方法对未来经济增长趋势的预测[N];第一财经日报;2009年

中国硕士学位论文全文数据库 前10条

1 梁佳琦;ARIMA模型同MAXENT模型在自然保护区内口蹄疫疫情风险预警中的应用研究[D];东北林业大学;2015年

2 张海东;基于论坛的热点话题识别与趋势预测研究[D];上海师范大学;2015年

3 王炜翔;南京市2006～2013年流感流行特征及ARIMA模型的应用[D];东南大学;2015年

4 赵佳宝;ARIMA结合BP神经网络对核心交易量预测的研究[D];东华大学;2016年

5 高金标;基于Hadoop的全国零售户数据处理与市场感知[D];浙江理工大学;2016年

6 李思洋;电力光纤线路状态预测方法研究[D];东北电力大学;2016年

7 苗亚男;基于卡尔曼滤波的ARIMA—GM雾霾预测及扩散消失模型研究[D];吉林大学;2016年

8 刘源;基于GM-ARIMA模型的成都市生活垃圾产量预测研究[D];西南交通大学;2016年

9 陈聪聪;基于ARIMA模型和ARIMAX模型的山东省GDP的预测与分析[D];山东大学;2016年

10 钟令枢;基于ARIMA-LSTM的架空线状态数据挖掘[D];华南理工大学;2016年

，

本文编号：771992