[发明专利]一种电力现货市场电价预测模型建立方法

说明书

一种电力现货市场电价预测模型建立方法，包括以下步骤：按照现货市场交易出清规则逻辑，对公布的历史及未来三天市场信息数据分析，找出多变量与电价的关系；基于CRM区间自适应回归分析预测模型；通过对样本训练集不断回归训练，对参数寻优；在进行预测时，根据两组关系参数，判断每个时刻输入变量信息位于哪个区间内，进而生成逐一时刻的预测电价；采用增加临近数据样本和相似日样本作为数据训练样本，应对火电报价行为变化；分析新能源申报行为，提前对全省新能源预测数据进行处理，降低其对电价的影响，提升预测的准确率。本发明克服了现有技术的不足，可以客观反映供需关系，模型结构不复杂，算力要求低，准确高效对电价实现预测。

技术领域

本发明涉及电力技术领域，具体涉及一种电力现货市场电价预测模型建立方法。

背景技术

在全国现货市场建设加速推进的背景下，市场主体需对新的市场架构及市场交易方式进行详细和深入的研究。电力现货市场的交易模式和规则与现行的基于物理交割的电力批发市场有很大差异。现行市场的交易周期分为年度、季度、月度、月内，电力现货市场的电能量市场细分为中长期、日前、实时市场，不同交易周期的交易方式有所不同。中长期交易的电量通过分解曲线分解至日前，不决定运行日的生产计划，现货市场在边际电能量成本的基础上引入了边际阻塞成本等等，这一系列变化增加了发电企业报价决策时需要考虑的因素和约束，加大了设计和实施交易策略的难度，降低了中标的可能性和盈利的空间。若不能正确判断市场供需关系、准确预测未来的电价，并依此制定报价策略，不仅企业的利润会被压缩，甚至可能出现发了电反而亏损的情况。

准确预测市场电价是非常困难的，因为电价预测需要对系统负荷需求、其他发电公司的报价行为、输电网络的拥挤状况、电力市场的运行状况等有全面的了解，需要有充分的历史数据。电力市场电价随机性、投机性大、变化起伏性大，电价规律不易掌握。但是，作为市场的参与者，对市场电价进行预测是十分必要的，电价预测的准确程度是影响竞价策略的一个非常关键的因素。目前预测电价的方法有很多种，例如时间序列预测法、灰色系统预测方法、人工神经元网络预测方法、组合预测方法、小波分析方法等。

如果只考虑历史电价数据自身内在变化规律和内在联系等特点，则可以使用时间序列法来预测未来电价，然而例如系统负荷、全省新能源出力等均是影响电价波动的重要因素，多变量引入到模型当中，时间序列法测试相关性效果一般；灰色预测模型的主要特点是不需要任何原始序列的概率分布，可实现少数据建模，但是，这种模型仅适用于历史数据少、电价序列波动较平缓的市场的电价预测。利用小波神经网络能够有效出力多变量的问题，短期电价预测整体的预测精准度较高，这是由于经过小波分解后的每个分量内部具有相似的频率特性并显示出较强的规律性，从而在很大程度上避免了由于训练样本不完备而导致的神经网络的预测精度波动。在应用小波神经网络进行电价预测过程中应处理好小波基和分解尺度的选择问题，还需要仔细分析预测成本和神经网络输入层数等，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，引入大量主观经验不确定性，并且操作复杂等问题。

发明内容

针对现有技术的不足，本发明提供了一种电力现货市场电价预测模型建立方法，克服了现有技术的不足，可以客观反映供需关系，模型结构不复杂，算力要求低，准确高效对电价实现预测。

为实现以上目的，本发明通过以下技术方案予以实现：

一种电力现货市场电价预测模型建立方法，包括以下步骤：

步骤S1：按照现货市场交易出清规则逻辑，对公布的历史及未来三天市场信息数据分析，找出多变量与电价的关系；

步骤S2：基于CRM区间自适应回归分析预测模型；

拟合的曲线为以天为周期的样本数据按照“区间法”确定因变量y_i，自变量为区间变量x_i(j＝1,…,p)的n个观测值；分别为区间变量中点和半径，分别为区间变量x_ij的中心和半径；分别建立区间中点和半径的关系，如下式：