基于电价预测的水电厂报价策略研究

论文摘要

实行厂网分开、竞价上网、建立完善的电力市场是世界电力工业发展的必然趋势。对于水电厂而言，极其重要的是如何在电力市场环境下实现自身的经济效益最大化。这很大程度取决于水电厂能否制定合理的报价策略。本文主要研究了电力市场环境下的水电厂报价策略问题，并在准确预测系统边际电价的基础上提出了一种售电利润最大化的水电厂报价策略模型。首先，论述了水电厂在电力市场环境下进行报价策略研究的重要意义，并详细介绍了当前报价策略的研究现状。其次，分析了电力市场下影响系统边际电价的各种因素，并利用相似搜索和最小二乘支持向量机对系统边际电价进行预测。以相似搜索得到的相似日负荷和邻近日负荷作为最小二乘支持向量机的输入，并利用网格搜索和交叉验证对最小二乘支持向量机的参数进行自动选取，实例分析表明，该方法能够有效提高系统边际电价的预测精度。然后，在预测电价的基础上建立了水电厂的报价策略模型。该模型考虑了水电厂的各种约束条件，通过合理统筹水电厂各交易时段的用水量和出力，以达到售电利润最大化的目的。最后，利用本文提出的改进遗传算法对报价策略模型进行求解，得到报价策略。该算法采用改进的自适应交叉概率和变异概率，能够在算法运算过程中根据适应度的要求自适应地改变交叉概率和变异概率，有效克服了简单遗传算法中的早熟和易陷入局部最优的不足，提高了遗传算法的全局寻优性能。实例分析表明，利用该算法求解得到的报价策略能够有效提高水电厂的经济效益。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景和意义
• 1.1.1 电力市场概述
• 1.1.2 我国电力市场的特点
• 1.1.3 本文研究的意义
• 1.2 竞价策略的研究现状
• 1.3 本文的主要工作
• 2 最小二乘支持向量机原理
• 2.1 机器学习问题
• 2.1.1 学习问题的数学描述
• 2.1.2 模型的推广能力
• 2.2 统计学习理论基础
• 2.2.1 VC维
• 2.2.2 推广性的界
• 2.2.3 结构风险最小化原则
• 2.3 支持向量机回归
• 2.3.1 基本原理
• 2.3.2 支持向量机回归
• 2.3.3 核函数
• 2.3.4 支持向量机回归的实现
• 2.4 最小二乘支持向量机回归
• 2.5 对 LS-SVM的几点说明
• 2.6 数值试验
• 2.7 本章小结
• 3 系统边际电价预测
• 3.1 系统边际电价分析
• 3.1.1 SMP的形成机制
• 3.1.2 SMP的影响因素
• 3.1.3 SMP的特点
• 3.2 系统边际电价预测
• 3.2.1 时间序列相似搜索
• 3.2.2 LS-SVM电价预测模型
• 3.2.3 LS-SVM参数的自动选取
• 3.3 实例分析
• 3.4 本章小结
• 4 改进自适应遗传算法
• 4.1 简单遗传算法
• 4.1.1 算法流程
• 4.1.2 算法的控制参数
• 4.2 简单遗传算法的不足
• 4.3 改进自适应遗传算法
• 4.3.1 交叉概率和变异概率的改进
• 4.3.2 遗传操作的改进
• 4.4 改进算法的性能测试
• 4.4.1 改进算法流程
• 4.4.2 性能测试
• 4.5 本章小结
• 5 水电厂报价策略
• 5.1 水电厂报价策略的数学模型
• 5.2 水电厂报价策略流程
• 5.3 实例分析
• 5.4 本章小结
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的学术论文及科研实践情况