利用混沌时间序列预测技术进行电力市场短期电价预测

论文题目: 利用混沌时间序列预测技术进行电力市场短期电价预测

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 万武辉

导师: 陆鑫

关键词: 电力市场,电价预测,价格钉,混沌理论,相似搜索,非线性时间序列

文献来源: 电子科技大学

发表年度: 2005

论文摘要: 电力工业放松管制,引入竞争的市场机制,逐步建立电力市场来优化资源配置是整个电力系统的发展趋势。电力市场中电价的确定是最本质、最关健的部分,如何合理的根据市场需求确定相应的电价直接影响到电力市场能否正常的运营。怎样根据电力市场的相关历史数据准确的预测出市场清除电价具有十分重要的意义。电力系统的负荷是一个时间序列,电价也是一个时间序列,因此,从理论上讲,凡是能用于负荷预测的方法都可以用于电价预测,如时间序列法、人工神经网络法、小波变换法等。但是电价由于其多变、价格钉等固有的特点,使得电价预测比负荷预测难得多,目前的电价预测方法都不尽如人意。数据挖掘(Data Mining,简称DM),又称为数据库中的知识发现,是90 年代中后期发展起来的人工智能分支。由于数据挖掘技术具有从大量数据中提取人们感兴趣的潜在知识和信息的显著优点,故其一出现就在各个领域获得了广泛的应用。本文主要使用数据挖掘中的一个重要技术-相似搜索来进行价格预测。混沌理论己被证明是解决非线性问题的重要的,行之有效的理论方法。混沌动力系统的奇异吸引子所具有的无穷自相似性使混沌理论和分形学自然紧密联系。基于混沌理论的非线性时间序列分析跳出了传统的建立主观模型的局限,通过时间序列的内在规律作出分析与预测。本文在综合考虑影响电价的各种因素下,提出一种基于Lyapunov 指数的电价短期预测方法,该方法简单、方便,能够较为准确的预测电力交易价格,预测电力交易价格,而且还能检测出可能发生价格钉的数据点并对这些点作单独的处理和预测。最后使用本方法对美国加州实际的系统清除价进行预测,收到了较好的效果,表明了本方法的有效性。

论文目录:

摘要

ABSTRACT

目录

第一章 绪论

1.1 世界范围内的电力改革

1.2 电力市场的基本概念

1.2.1 电力市场的定义

1.2.2 电力市场的目标

1.2.3 电力市场的基本特征

1.2.4 电力市场的交易模式

1.2.5 电力市场的类型

1.2.6 电力市场的运行

1.3 电力市场中电价的核心作用

1.4 电价预测的意义

1.5 本文组织结构

第二章 电价和电价预测

2.1 电价的形成及其特点

2.1.1 电价的形成

2.1.2 影响电价的因素

2.1.3 电价的特点

2.2 电价预测的基本概念

2.2.1 什么是电价预测

2.2.2 电价预测的分类

2.2.3 电价预测的方法

2.2.4 电价预测的难点

第三章 数据挖掘及相似搜索

3.1 数据挖掘的基本概念

3.1.1 数据挖掘的定义

3.1.2 数据挖掘的功能

3.1.3 数据挖掘的分类

3.1.4 数据挖掘的过程

3.1.5 数据挖掘在电力系统中的应用

3.2 时间序列及其相似性

3.2.1 时间序列的发展简介

3.2.2 时间序列分析

3.2.3 时间序列相似性度量

3.2.4 时间序列的相似查询

3.2.5 电价时间序列及其相似性

3.2.6 当前热点一混沌时间序列分析

第四章 混沌吸引子与分形

4.1 动力系统与混沌

4.1.1 动力系统的基本概念

4.1.2 混沌与奇异吸引子

4.2 奇异吸引子的分形学

4.2.1 分形概念

4.2.2 分形维数

4.3 混沌时序的判定

4.3.1 Lyapunov 指数

4.4 相空间重构

4.4.1 时序相空间的重构F.Takens 定理

4.4.2 嵌入维数的选择

4.5 奇异吸引子维数

4.5.1 时序关联维的计算

第五章 混沌时间序列的预测

5.1 混沌时序模型

5.2 基于Lyapunov 指数的预测方法

5.2.1 最大Lyapunov 指数的计算方法

5.2.2 基于最大Lyapunov 指数预测模式

5.2.3 对基于最大Lyapunov 指数预测方法的一点改进

5.2.4 改进后的基于Lyapunov 指数的预测方法

5.2.5 距离L M 和夹角θ的确定

5.3 加州电力市场短期电价预测

5.3.1 数据的准备和开发工具

5.3.2 数据的选择

5.3.3 数据的变换与反变换

5.3.4 最大Lyapunov 指数的电价短期预测

5.3.5 预测结果分析

5.3.6 预测过程的流程图

5.4 误差评价计算公式

5.4.1 传统的评价指标及其缺点

5.4.2 一种新的MAPE 定义方法

第六章 价格钉的检测及其相关预测

6.1 价格钉的基本概念

6.1.1 电价中的价格钉

6.1.2 价格钉的定义

6.1.3 价格钉产生的原因

6.2 价格钉的检测

6.2.1 检测的基本思想

6.2.2 几个检测评价指标

6.2.3 几个检测实例

6.3 考虑价格钉的电价预测

6.3.1 考虑价格钉的电价预测的基本思想

6.3.2 考虑价格钉的电价预测流程

6.3.3 考虑价格钉的电价预测

第七章 本文总结

7.1 结论

7.2 本文不足与展望

参考文献

致谢

个人简历

附录

附录1 加州电价数据源下载

附录2 本文所用相关Matlab 程序接口介绍

发布时间: 2005-09-23

参考文献

• [1].基因表达式程序设计在短期电价预测中的应用研究[D]. 杨俊.西南交通大学2009
• [2].电力用户侧数据信息价值评估方法研究[D]. 刘园园.华北电力大学2018
• [3].基于大数据的电力生态系统构建及技术可供性研究[D]. 赵慧生.北京交通大学2017
• [4].面向大数据的电力市场分析预测系统设计与应用[D]. 黄华晖.华北电力大学(北京)2017
• [5].温州电厂竞价上网辅助决策系统的开发[D]. 黄新荣.电子科技大学2010
• [6].基于移动互联电力缴费平台的研究与应用[D]. 葛云龙.华北电力大学2017
• [7].供电企业经济活动分析系统研制与开发[D]. 丁东霞.华北电力大学（北京）2005
• [8].电力市场供需研究决策支持系统[D]. 贾正强.华北电力大学（北京）2007
• [9].全国统一电力市场技术支撑平台系统的研究与开发[D]. 应弘毅.吉林大学2015
• [10].基于期权理论的电力远期合同交易策略研究[D]. 周丽兰.湖南大学2008

相关论文

• [1].基于主成分分析的多变量混沌时间序列预测研究[D]. 范明明.大连理工大学2006
• [2].多变量混沌时间序列预测及其在股票市场中的应用[D]. 方芬.东南大学2006
• [3].基于混沌特性的电力负荷时间序列预测方法研究[D]. 刘振华.西南交通大学2007
• [4].基于BP神经网络的混沌时间序列预测模型研究[D]. 陈敏.中南大学2007
• [5].基于混沌时间序列和神经网络的电力短期负荷预测[D]. 孙艳.广西大学2007
• [6].混沌时间序列预测及其在股票市场中的应用[D]. 朱梅.东南大学2004
• [7].混沌时间序列预测方法及其应用[D]. 孟庆芳.山东大学2005
• [8].基于模糊神经网络的混沌时间序列预测[D]. 胡玉霞.郑州大学2005
• [9].反向传播神经网络在混沌时间序列预测中的应用[D]. 安卫钢.中北大学2006
• [10].小波神经网络在电力系统短期电价预测中的应用[D]. 陈思杰.浙江大学2006

标签：电力市场论文;  电价预测论文;  价格钉论文;  混沌理论论文;  相似搜索论文;  非线性时间序列论文;