论文部分内容阅读
电力市场化是当今世界电力工业的发展趋势,电能作为一种商品,其价格是整个市场的核心,也是控制电力市场交易的经济杠杆,对电价的预测也逐渐成为各国学者的研究热点。准确的电价预测,对发电商而言,可以为其制定准确的投标策略,以期获得最大利润;而对购电方而言,可以有效地控制购电成本;对市场监管者而言,可为市场的稳定发展提供科学依据。所以,电价预测对于每个电力市场的参与者都具有重要的意义。对电价进行预测之前,首先对各国电力市场的历史数据进行了分析,研究发现电价与电力负荷相似,都具有一定的周期性和波动性,但电价的影响因素更多,且多是时变因素,其中还有一些不能量化的因素,这些都使得电价预测工作变得更具有挑战性。鉴于电价的随机性特点,而神经网络具有很好的泛化能力,能处理各种非线性问题,本文采用BP神经网络算法。在分析了该算法的原理后,对其收敛速度慢等不足之处进行了改进,针对澳大利亚新南威尔士州电力市场的历史数据,使用改进后的BP神经网络模型对其进行了实例计算,取得了较好的预测效果。本文提出了遗传模拟退火算法与BP神经网络的混合模型,遗传模拟退火算法是由遗传算法和模拟退火算法两者取长补短而得,由于BP神经网络的反向传播特性容易使误差信号陷入局部极小值,而遗传模拟退火算法可以通过优化BP神经网络的权值,并代替其反向计算过程,克服了其不足之处。本文最后用混合模型对同一组数据进行了仿真验算,结果表明,无论是从运算速度上,还是预测精度上,用遗传模拟退火算法优化后的BP神经网络模型都要优于单纯的BP神经网络模型。