模糊神经网络在电力系统边际电价预测中的应用

赵庆波¹，周原冰¹，郭蓉²，曾鸣²

(1．山东电力研究院，山东省济南市250002；2．华北电力大学，北京102206)
摘要：文章针对短期电力系统边际电价预测研究和应用中存在的用多元回归等传统方法建模困难、用ANN方法学习速度慢和易陷入局部极小点等问题，利用模糊神经网络具有接受和处理模糊数据、自适应地以任意精度逼近映射函数、不要求明确的数学描述等优点，建立了基于模糊神经网络的系统边际电价预测模型。通过具体实例测算及现场运用，证明了该方法为提高电力市场中边际电价预测精度、制定和实施科学合理的发电企业报价策略提供了可靠的支持。
关键词：电力市场；边际电价；模糊神经网络APPLICATIONOFFUZZYNEURALNETWORKINPOWERSYSTEM
MARGINALPRICEFORECASTING

ZHAOQing-bo¹，ZHOUYuan-bing¹，GUORong²，ZENGMing²

(1．ShandongElectricPowerResearchInstitute，Jinan250002，ShandongProvince，China；2．Dept.ofElectricPowerEngineering，NorthChianElectricPowerUniversity，Beijing102206，China)
ABSTRACT:Tosolvetheproblemsoccurredintheresearchandapplicationofpowersystemshort-termmarginalprice,e.g.,lowlearningspeedwhileartificialneuralnetwork(ANN)isused,easytofallintolocalminimumpointanddifficulttoestablishmodelbytraditionalmethodssuchasthemultipleregressionandsoon,amarginalpriceforecastingmodelbasedonfuzzyneuralnetworkisestablishedbecausethefuzzyneuralnetworkpossessesfollowingadvantages:itcanacceptandprocessfuzzydata,themappingfunctioncanbeapproximatedwitharbitraryaccuracyanddoesnotneedthedeterminatemathematicaldescriptionisnotneeded.Thecalculationresultsofpracticalexamplesandtheexperienceofon-siteapplicationshowthatusingthismethodtheforecastingaccuracyofmarginalpriceinelectricitymarketcanbeimprovedandreliablesupporttothereasonablebiddingstrategycanbeprovidedforpowergenerationcompanies.
KEYWORDS:Electricitymarkets；Systemmarginalprice；Fussyneuralnetworks
1引言
电力市场是从事电力商品交易的场所,系统边际电价的本质体现了电力市场中电力商品——电能的一种供求平衡关系，这是电能的商品属性。但是电力不能储存，电力供应的系统性、随机性及高度可靠性是区别于其他商品的重要特点。在电力市场运行机制下，发电与输电分离，发电企业独立经营并为用户提供电能，输电则为发电和用户提供电能转送服务，这种开放式管理为电力市场注入了活力，但同时也增加了不确定性和风险性。因此，对于独立的发电企业来说，准确把握系统的边际电价，形成科学合理的发电企业报价策略，提高其在电力市场中的竞争力，具有非常重要的意义。

2系统边际电价的影响因素分析
电力市场中，电能作为买卖双方交易的商品，其商品的价值规律是由商品价值的货币表现形式——系统边际电价来体现的。电力市场中的各种要素包括电价、供给和竞争等因素，它们相互作用可自发调节生产资料，降低生产成本，维护有效的市场竞争。电力市场的参与者具有如下特点：由于受市场开放程度的影响，目前作为电能的具体需求方由原来的电网调度统一代理，因此需求价格曲线是无弹性的；电能的供给方则具有相对的灵活性，目前所谓的电力市场开放主要也是针对供给方——独立发电企业而言的，其价格供给曲线是有弹性的。在公平交易机制下，供给与需求相互作用，使市场达到动态均衡，从而决定商品的均衡数量和均衡价格。从上述分析可以看出影响系统边际电价的因素主要包括：
(1)需求，即竞争负荷曲线。由于市场开放程度的限制，一些特殊机组不参与市场竞价，如热电联产机组。因此作为产生系统边际电价的需求负荷，必须从系统负荷中剔除非竞价机组容量，将剩余负荷作为竞争负荷。
(2)竞争供给,即可用的发电容量。一般可用容量为市场中全部参与竞价的发电机组的最大机组容量之和减去检修容量。
(3)市场的竞争水平。由于电力市场不是完全竞争市场而更接近于寡头垄断市场，因此恶性竞争或者过度投机的报价都将导致系统边际电价曲线偏离正常的市场供求关系。
发电商的报价策略属于商业秘密，不可能事先知道，而分析和预测发电商的具体报价行为也相当困难。但是系统总体的报价水平在短期内是相对稳定的，它与过去的系统边际电价曲线是相关的。而且时间间隔越短的系统边际电价相关性越强，敏感程度越高。

3预测方法的选择
为了说明模糊神经网络在预测边际电价方面优于其它方法的优点，本文采用多种方法加以比较。
(1)基于多元线性回归的预测模型
多元回归是根据数理统计中的回归分析法，即通过多变量的观测数据进行统计分析，确定变量之间的相关关系，以达到预测的目的。假设预测第n天某一时刻的边际电价为λ_n，以第n、n-1、n-2天的竞争负荷(l_n、l_n-1、l_n-2)、竞争发电量(p_n、p_n-1、p_n-2)和第n-1、n-2天的边际电价(λ_n-1、λ_n-2)作为模型输入参数，建立如下的多元线形回归模型

(2)基于ANN的BP神经网络预测方法
多层BP神经网络是能实现映射变换的前馈型网络中最常使用的一类网络，也是人们研究最多、认知最清楚的一类网络。本文采用文献[5]的模型结构来说明ANN神经网络预测边际电价的方法。图1显示的是一个多输入、单输出的三层BP网络结构。
其中，输入层A_k和输出层C_k中间有一层隐含层，V_hi、W_ij分别为神经网络的连接权值，激励函数采用Sigmoid函数，网络的输入变量与该节中(1)的相同。
(3)基于模糊神经网络的预测方法
模糊神经网络(FuzzyNeuralNetworks，FNN)通常是由大量模糊的或非模糊的神经元相互连接构成的网络系统。FNN除具有一般神经网络的性质和特点外，还具有一些特殊性质。比如，由于采用了模糊数学中的计算方法，使一些处理单元的计算变得较为简便，从而使信息处理的速度加快；由于采用了模糊化的运行机制，使得系统的容错能力得到加强。但最主要的是FNN扩大了系统处理信息的范围，使系统可同时处理确定性和非确定性信息，极大地增强了系统处理信息的灵活性。
本文建立了多输入单输出的前馈型模糊神经网络模型，该预测模型构建的网络由输入层、模糊化层、模糊推理层、去模糊化层和输出层构成。如图2所示。
输入层对应的输入变量(x_i，i=1,2……8)是一个8维的特征向量，分别是系统发布的连续三天的负荷L_(t-2)、L_(t-1)、L_(t)，连续三天的全网机组发电可用容量q_(t-2)、q_(t-1)、q_{[1][2]下一页}