隨著電力市場(chǎng)開(kāi)放政策的提出,一個(gè)自由、平等、競(jìng)爭(zhēng)化的電力交易平臺(tái)逐步形成。其中,日前電價(jià)作為各項(xiàng)電力交易參考價(jià)格,成為電力交易平臺(tái)各主體掌握市場(chǎng)供需關(guān)系、制定交易策略的關(guān)鍵核心。由此,對(duì)日前電價(jià)進(jìn)行精準(zhǔn)預(yù)測(cè)為實(shí)現(xiàn)電力交易主體利潤(rùn)最大化起到至關(guān)重要的作用。然而,由于大量可再生能源并入電網(wǎng)、競(jìng)爭(zhēng)性電力市場(chǎng)機(jī)制形成給日前電價(jià)預(yù)測(cè)帶來(lái)前所未有的挑戰(zhàn)。為此,本文從三個(gè)方面入手,對(duì)日前電價(jià)預(yù)測(cè)方法進(jìn)行了研究。相比中長(zhǎng)期電價(jià)預(yù)測(cè),日前電價(jià)預(yù)測(cè)對(duì)歷史日數(shù)據(jù)集的選取條件更加苛刻。如果將與預(yù)測(cè)日特征不相符的歷史日電價(jià)數(shù)據(jù)混入預(yù)測(cè)數(shù)據(jù)集中,不僅增加了計(jì)算成本更將導(dǎo)致日前電價(jià)預(yù)測(cè)精度降低。針對(duì)上述問(wèn)題,提出了一種基于綜合因子的預(yù)測(cè)相似日選取方法。首先,分析確定電價(jià)影響因素特征并給出相關(guān)電價(jià)影響因素相似度計(jì)算方法:然后,設(shè)計(jì)改進(jìn)的頭腦風(fēng)暴算法為各影響因素相似度賦予對(duì)應(yīng)權(quán)值,實(shí)現(xiàn)歷史日的綜合因子計(jì)算;最后,選取具有較大綜合影響因子的相似日形成預(yù)測(cè)數(shù)據(jù)集。傳統(tǒng)的電價(jià)預(yù)測(cè)模型絕大多數(shù)集中于點(diǎn)預(yù)測(cè)與區(qū)間預(yù)測(cè),這種預(yù)測(cè)結(jié)果既不能顯示電價(jià)的波動(dòng)范圍,也不能細(xì)致表現(xiàn)電價(jià)可能出現(xiàn)價(jià)格的概率,這對(duì)競(jìng)爭(zhēng)電力市場(chǎng)環(huán)境下售電主體制定詳... 

【文章來(lái)源】：東北電力大學(xué)吉林省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２電價(jià)的周期性??（２）跳躍波動(dòng)性??雖然電價(jià)特性在－定程度上與負(fù)荷特性相似，但是與負(fù)荷相比，電價(jià)與其最大的不同??

?３?２０１８／７／１５?夏季的星期日???４?２０１８／１０／１?秋季的星期一???考慮季節(jié)性因素以及Ｉ丨期類型（節(jié)假日與工作日）對(duì)日前電價(jià)預(yù)測(cè)的影響選擇預(yù)測(cè)日??期，確定相似Ｋ丨搜索案例（以及算例分析的預(yù)測(cè)案例）按表３－２分類。根據(jù)上述綜合??影響因子的相似日選取方法。以案例１為例對(duì)２０１８年１月１日電價(jià)相關(guān)數(shù)據(jù)的部分實(shí)驗(yàn)??過(guò)程如下：??１）使用Ｐｙｔｈｏｎ中的ｐａｎｄａｓ庫(kù)實(shí)現(xiàn)改進(jìn)的灰色關(guān)聯(lián)度算法實(shí)驗(yàn)，分辨系數(shù)／尸０．５。??生成的ｚ〔象關(guān)聯(lián)系數(shù)矩陣如圖３－５?ａ）所示，生成的各氣象關(guān)聯(lián)度及其模糊系數(shù)如圖３－５?ｂ）??所示，再由式（３－１８）與式（３－２２）可求得這２０１８年１月１日與２０１８年４月６日氣象因??子相似度。??０．３３３３?９．４７０６?１．００００?０．５３３３?０．４０００?＿?＿＿??２?０．４０４６?０．７６８１?０．３３３３?１．００００?０．５３５４??３?０．５６００?０．３３３３?０．４８２８?０．６０８７?０．４５１６??４?０．３３３３?０．４３４０?０週?０．５１１１?１．００６０?０．４６３０?０．５５６８?０．６４９１?０．６５２７?０．４９３６??５?０．４８００?０．６０００?０．３６３６?１．００００?０．４８００??６?０．５２３８?１．００００?０．４７８３?０．３３３３?０．５２３８??７?０．６０００?０．３８４６?１．００００?０．４２８６?０．３３３３??８?０．５１７２?０．３３３３?０．７１４３?１．０００９?０．３８４６??０．４１４６?０．圓?１？誦?０觀?０．３３３３?０．６５２７?０．６４９１?８．６１３０?０．

?東北電力大學(xué)工學(xué)碩士學(xué)位論文???自適應(yīng)調(diào)整。下面首先介紹一下模糊神經(jīng)網(wǎng)絡(luò)。??傳統(tǒng)的模糊系統(tǒng)只是根據(jù)指定的模糊集、模糊規(guī)則、專家意見(jiàn)進(jìn)行推理，但是這樣不??利？解決復(fù)雜多變的實(shí)際問(wèn)題。為此構(gòu)建的模糊祌經(jīng)網(wǎng)絡(luò)對(duì)模糊系統(tǒng)進(jìn)行改進(jìn)，將神經(jīng)網(wǎng)??絡(luò)與模糊系統(tǒng)結(jié)合，使用神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)中對(duì)隸屬函數(shù)與權(quán)值進(jìn)行調(diào)整修正。這樣避免對(duì)??系統(tǒng)進(jìn)行主觀調(diào)整隸屬函數(shù)，實(shí)現(xiàn)模糊系統(tǒng)的自推理化。有關(guān)模糊祌經(jīng)Ｎ絡(luò)的具體結(jié)構(gòu)如??圖４－２所示：??模糊化??１Ａ２）??ｉ理?模糊輸出??１Ｃ??圖４－２模糊神經(jīng)網(wǎng)絡(luò)圖??由圖４－２可知模糊神經(jīng)網(wǎng)絡(luò)共有五層，因每－層祌將元輸出權(quán)值勾它連接的Ｆ—層祌??經(jīng)元的連接權(quán)值有關(guān)，因此記１？?＝?／（％（／），１１’２（／），．．．，％（〇，１，１（／）．１，２（／）．．．，１，／，（／））。其｜｜｜，／表??示在第／層，／ｅ［Ｕ，３Ａ５；｜：?表示連接下－層祌經(jīng)元的權(quán)值；ｖ＾／）農(nóng)示此神經(jīng)元的權(quán)??值。在第Ａ個(gè)網(wǎng)絡(luò)層中第／個(gè)神經(jīng)元的激勵(lì)函數(shù)為式（４－８）所水：??１??＆?—?１?＋。－乂??ｐ?（４－８）??／?＝芝Ｘ（々）ｖ．／（々）??．／＝！??在輸入層中導(dǎo)入訓(xùn)練樣本集，記導(dǎo)入結(jié)果為公式（４－９）：??乂（１）?＝?＂，（１）』，（１）?＝?．／；（１）?（４－９）??在模糊化層中，根據(jù)隸屬度函數(shù)求取各訓(xùn)練樣本隸屬度，模糊化層的輸出結(jié)果如式??（４－１０）：??ｆ，（２）?＝?－＾＇｛２）￣＾（１２）＼ａｌ（２）?＝?ｅ，＇ｉ２）?（４－１０）??％⑵－??－２８－??


本文編號(hào)：3114859