电力市场电价预测方法综述

摘要：电力市场的运营情况，主要是通过电价来体现的。只有对电价预测准确了，才能做出相应的电力决策，提升市场竞争力。因此，需要根据电力市场电价预测问题的特点，使用不同的办法，并在实践中改进，提高其精准度。

关键词：电力市场;电价预测;方法

近年来，全球的电力市场都在飞速发展，所以对于电价预测的要求也随之提高。精准的电价预测，可以为电力核定提供重要数据，从而跟上时代发展的步伐。这也就确定了电价的核心地位，本文将找出预测办法的优缺点，提出一些完善的建议，提供参考。

一、电价预测的概念与特点

（一）电价预测的概念

电价预测，是在电力市场下，根据成本、经济形势等情况，运用数学的方法，对相关历史数据进行分析与计算。发现其中变化规律，在一定精准性与速度下，对市场中的电力价格做出合理预测。

（二）电价预测的特点

电价预测，虽然比较特殊，是一个比较波动的值，但是仍具有与负荷预测同样的周期性。正常情况下，燃料成本、设备容量、电阻与不同需求等会对电价波动造成制约，使之不同于负荷。而且，电价预测还会受到发电商实操情况、市场结构与经济发展的影响，所以准确度有待提升。介于电价预测比负荷的预测难度大，已经不能使用相同的办法去处理了。可以结合实际情况，使用短期与中长期电价预测办法，将精准度不断提升。电价预测是电力行业发展和研究的新方向，对其研究有助于电力市场化的实施和发展 ，但当前对电价的预测还不够充分。在实际预测中发现，没有一种普遍使用的办法，而是需要结合多种形势的组合预测，才能满足速度与精确度。

二、短期电价预测方法解析

短期电价，通常采用的是时间序列法，还有神经网络法、组合方法和小波理论等预测方法。其主要是对一定时间内的电价预测，例如，未来几个小时或者几天等。只有准确预测出短期电价，用此数据进行实时监测，使电力市场稳定运行。同时，也有能做出成本最低，利润较高的电力策略，跟上经济发展形势，提升市场竞争力。

（一）神经网络法

神经网络法，能满足电价非精准性的预测，最适合处理多变量的问题。但是在预测时，容易出现一些不精确的情况，没有科学的办法，只是通过以往经验进行尝试，也就是其最大的缺点。对于神经网络法来说，通过神经元、信号与函数进行电价预测，但其结果与实际情况偏差较大。RBF神经网络法，运用的是阶梯形的算法，对其中每层要求的数据比较严格，对其中的参数进行优化。但是不能对峰值时行合理预测，无法确定其中的径向函数，所以对最大与最少值不能更好的计算出来。

（二）时间序列法

通过电价使用时间排序，然后与历史数据进行结合，建立出电价时间模型进行预测，即时间序列法。其对于时间模型的分量有明确的特性，非常便于理解。其模型是建立在随机序列上的，但实际情况中并不是如此稳定的，所以预测结果会出现一些偏差。也就是因为不能考虑到外部的因素，所以模型不能合理选择，导致了精确度不高，需要通过外生变量来弥补。时间序列法还有一个优点，就是可以通过较少的历史数据进行计算，速度比较快。

（三）组合预测法

从以上两种方法中可以看出来，单一的使用中缺点较多，对于预测的准确性来说比较差，产生一系列的影响。结合影响电价的多种情况，改进短期预测办法，使缺点得以弥补，满足市场需要。因而，研发出了组合预测法，根据实际的电力情况，适当的将两种或多种辦法进行组合，建立起预测模型。这种组合，可以使两种办法之间进行互补，然后最大程度地发挥出各自的特点，使电力预测速度快，也很精确。例如，神经网络方法的速度比较慢，对于细小的点不能更好地预测，这个时候，可以加入数学的方法来对其进行预测。将细碎的数据收集起来，进行全面的计算，弥补其不足，从而建立起了组合预测模型。同时要注意的在选择两种办法的时候，要注意二者的优缺点，结合实际情况进行组合，才能保证电价预测的准确。

（四）基于小波理论的预测方法

在短期预测中，小波方法是基于傅里叶分析上对信号进行处理的方法。其能将混合在一起的众多信息进行分解，然后形成不同的信号，这样话，可以更加清晰地对不同信号进行观察。将原始的电价分成多个序列，然后重组，建立时间序列模型，这种组合方法，使二者的优点都发挥出来，对于预测的精确性有所提高。还可将小波法也神经网络结合在一起，进行电价预测。例如，用小波处理信号，然后用神经网络进行优化，建立起一个电价预测模型。在各个时间与区域进行分辨，做到更全面的监控与管理，使电力市场稳定运行，促进了经济的发展。但是，在参数选择的时候，注意小波变换中的分界度，才能使预测整体效果提升。

三、中长期电价预测

除了短期预测之外，就是中长期电价预测了。中长期电价预测能为发电商与电力的使用和投资，提供大量的数据信息。对于电力市场情况进行监督，同时做好预测，有助于电网的稳定运行。电价的中长期预测的周期较长，所以对电价进行中长期预测的难度是非常大的，所以在进行电价预测的时候，往往过多使用的是短期预测。加上对于电价的影响因素太多，每一种都非常不稳定，所以随机性较强。

中长期电价预测使用的是模糊方法。这种办法是计算出预测数据的分布情况，然后通过神经网络法的结合，找到不同变量的规律。对于预测精度没有特别要求，从不同分布中预测出电价。在中长期电价预测的时候，要结合各种影响电价的因素，例如：电力的需求、社会的发展，经济的形势等等。还有电场的设备建设情况，对于中长期电价与整个电力系统的比例关系。从中看出电价变化的整体情况，及发展趋势，才能更好地做出电力决策。

四、电价预测遇到的问题

电力除了受制于系统内部之外，还有更多的外部因素。所以在预测的时候，没有结合周围实际的因素，对于数据的准确性来说是很不利的。在电力预测中加入一些主要的相关因素，并且注意选择好合适的办法，从面提高预测的精度。

对于特征的选择，像人为因素，电力报价等，导致其在数学模型中不易确定。所以要注意在预测时加入这个情况，并非所有的市场模式下负荷与电价都强相关，因此，仅仅以预测负荷和历史电价作为模型的输入参数并非一定是合理的。因此，这个要根据市场需求进行选择，比如竞价空间、系统剩余百分比还有供求指数等。只有这样，才可以全方位的考虑电价趋势的影响，使预测结果符合真实需要。

对于重近轻远的原则，其要求注意各时段时的差值，将短期规律进行拟合。但对于远期的历史数据来说，这种相关性不强，所以可以稍微降低拟合度。同时对于参数，可以给近期数据最大的权值，对于远期可以稍小，从而更发好地实现重近轻远的原则。在预测时，可以发现不同的区域的电价会因市场需求而产生很大的差值。如前一时段、前一天的电价、负荷、反映供求关系的数据等。所以，一定要结合实际电网系统的情况，灵活运用多种方法，找到不同的影响因素，从而建立起电价预测模型，将相关参数加入预测中，提高了精确度。

结束语：

了解了电力市场中电价预测的方法，并且找到了其中规律，那么便可以根据实际情况，进行合理选择。介于每种办法在单一使用时容易出现数据笼等一些不足问题，那么可以组合预测，从多方数据中计算。对电力预测方法进行不断地实践与改进，有利于提升其精准度与时效，使之发挥出最大的作用。

参考文献：

[1]基于统计学习的电价预测模型[J].谢诗宇.通讯世界.2018（05）

[2]基于电力市场的短期电价预测分析[J].汪敏霞通讯世界.2015（11）

[3]赵庆波，周原冰，郭蓉，等.模糊神经网络在电力系统边际电价预测中的应用[J].电网技术，2018，28（7）：45.48