电网技术
 
      设为首页      加入收藏
 
 首页 | 电网技术 | 期刊浏览 | 投稿指南 | 期刊订阅 | 广告服务 | 联系我们 | Email Alert |RSS |留 言 板

电网技术 ›› 2007, Vol. 31 ›› Issue (22): 44-48 .doi:

• 论文 • 上一篇    下一篇

考虑外生变量的广义自回归条件异方差日前电价预测模型

牛东晓,刘 达,冯 义,李金超   

  1. 华北电力大学 工商管理学院,北京市 昌平区 102206
  • 收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-20 发布日期:2007-11-20

Exogenous Variable Considered Generalized Autoregressive Conditional Heteroscedastic Model for Day-Ahead Electricity Price Forecasting

NIU Dong-xiao,LIU Da,FENG Yi,LI Jin-chao   

  1. School of Business Administration,North China Electric Power University,Changping District,Beijing 102206,China
  • Received:1900-01-01 Revised:1900-01-01 Online:2007-11-20 Published:2007-11-20

摘要:

利用广义自回归条件异方差模型预测电价,并在该模型中引入周用电比率作为外生变量,以增加模型对外界影响的响应。采用上述方法对美国PJM电力市场2004年12月份的日前电价进行预测,结果表明该方法对高峰时段电价的预测精度明显高于与之对比的其他模型,整体预测精度也好于对比模型。

关键词: 电力市场, 日前电价预测, 外生变量, 自回归滑动平均, 广义自回归条件异方差

Abstract:

The authors forecast day-ahead electricity price by generalized autoregressive conditional heteroscedasticity (GARCH) model and as exogenous variable the daily price ratios of different weekday types are led into this GARCH mode to intensify the response of the proposed model to external influences. Using the proposed model, the day-ahead electricity prices of PJM (Pennsylvania-New Jersey-Maryland) electricity market in December 2004 are forecasted. Forecasting results show that the forecasted day-ahead electricity prices in peak hours are evidently better than those by other models taken for contrasts, and its global forecasting precision is also better than those by other models.

Key words: electricity market, day-ahead electricity price forecasting, exogenous variable, autoregressive moving average (ARMA), generalized autoregressive conditional heteroscedasticity (GARCH)

中图分类号: 

  • TM73
[1] 张显,王锡凡.短期电价预测综述[J].电力系统自动化,2006,30(3):92-101. Zhang Xian, Wang Xifan.Review of the short-term electricity price forecasting[J].Automation of Electric Power Systems,2006,30(3):92-101(in Chinese). [2] Li Guang,Liu ChenChing,Lawarree J,et al.State-of-the-art of electricity price forecasting[C].CIGRE/IEEE PES International Symposium,2005. [3] Amjady N.Day-ahead price forecasting of electricity markets by a new fuzzy neural network[J].IEEE Trans on Power Systems,2006, 21(2):887-896. [4] 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,2004,28(7):45-48. Zhao Qingbo,Zhou Yuanbing,Guo Rong,et al.Application of fuzzy neural network in power system marginal price forecasting[J].Power System Technology,2004,28(7):45-48(in Chinese). [5] 顾庆雯,陈刚,朱蕾蕾,等.基于遗传算法和径向基函数神经网络的短期边际电价预测[J].电网技术,2006,30(7):18-25. Gu Qingwen,Chen Gang,Zhu Leilei,et al.Short-term marginal price forecasting based on genetic algorithm and radial basis function neural network[J].Power System Technology, 2006,30(7):18-25(in Chinese). [6] 周明,聂艳丽,李庚银,等.基于小波分析的短期电价ARIMA预测方法[J].电网技术,2005,29(9):50-55. Zhou Ming,Nie Yanli,Li Gengyin,et al.Wavelet analysis based ARIMA hourly electricity prices forecasting approach[J].Power System Technology,2005,29(9):50-55(in Chinese). [7] 周明,严正,倪以信,等.含误差预测校正的ARIMA电价预测新方法[J].中国电机工程学报,2004,24(12):63-68. Zhou Ming,Yan Zheng,Ni Yixin,et al.A novel ARIMA approach on electricity price forecasting with the improvement of predicted error[J].Proceedings of the CSEE,2004,24(12):63-68(in Chinese). [8] Conejo A J,Plazas M A,Espinola R,et al.Day-ahead electricity price forecasting using the wavelet transform and ARIMA models [J].IEEE Trans on Power Systems,2005,20(2):1035-1042. [9] Contreras J,Espínola R,F Nogales J,et al.ARIMA models to predict next-day electricity prices[J].IEEE Trans on Power Systems,2003,18(3):1014-1020. [10] Nogales F J,Contreras J,Conejo A J,et al.Forecasting next-day electricity prices by time series models[J].IEEE Trans on Power Systems,2002,17(2):342-348. [11] Garcia R C,Contreras J,van Akkeren M,et al.A GARCH forecasting model to predict day-ahead electricity prices[J].IEEE Trans on Power Systems,2005,20(2):867-874. [12] PJM Files:lmpda & loadhryr[DB/OL].ftp://www.pjm.com/ 2006-05-01.
[1] 周博, 吕林, 高红均, 刘俊勇, 陈庆攀, 谭心怡. 多虚拟电厂日前鲁棒交易策略研究[J]. 电网技术, 2018, 42(8): 2694-2703.
[2] 苗树敏, 罗彬, 申建建, 程春田, 李刚, 孙永军. 考虑市场过渡和中长期合约电量分解的水火电短期多目标发电调度[J]. 电网技术, 2018, 42(7): 2221-2231.
[3] 王占洋, 赵文会, 高鹏, 赵文哲, 钟孔露. 考虑网络外部性的电力增值服务销售策略模型[J]. 电网技术, 2018, 42(7): 2213-2220.
[4] 施贵荣, 孙荣富, 徐海翔, 乔颖. 大规模集群可再生能源有功分层协调控制策略[J]. 电网技术, 2018, 42(7): 2160-2167.
[5] 谢畅, 王蓓蓓, 赵盛楠, 谈健, 黄俊辉, 谢珍建. 基于双层粒子群算法求解电力市场均衡[J]. 电网技术, 2018, 42(4): 1170-1176.
[6] 刘方, 张粒子. 计及随机和风险因素的梯级水电调度交易优化模型和方法[J]. 电网技术, 2018, 42(3): 870-877.
[7] 张茂林, 黄宋波, 涂启玉, 王睿琛, 马高权, 邢玉辉, 刘双全, 刘祥瑞, 陈聪. 一种基于挂牌的电力市场竞价模式与实践[J]. 电网技术, 2018, 42(2): 434-440.
[8] 王晛, 王留晖, 张少华. 风电商与DR聚合商联营对电力市场竞争的影响[J]. 电网技术, 2018, 42(1): 110-116.
[9] 陈政, 肖江, 荆朝霞, 张翔, 张皓, 冷媛. 一种适用于我国电力市场的分区输电定价方法[J]. 电网技术, 2017, 41(7): 2124-2130.
[10] 周亦洲, 孙国强, 黄文进, 胥峥, 卫志农, 臧海祥, 楚云飞. 计及电动汽车和需求响应的多类电力市场下虚拟电厂竞标模型[J]. 电网技术, 2017, 41(6): 1759-1766.
[11] 曾意, 孔祥玉, 胡启安, 孙洪波, 周平, 周颖. 考虑后备容量的微电网储能充放电策略[J]. 电网技术, 2017, 41(5): 1519-1525.
[12] 刘萌, 梁雯, 张岩, 刘杰, 李宽. 计及空调负荷群控制的源-荷协同优化调度模型[J]. 电网技术, 2017, 41(4): 1230-1236.
[13] 宫鑫, 林涛, 苏秉华. 电动汽车代理在电力市场的最优竞标策略[J]. 电网技术, 2016, 40(9): 2596-2602.
[14] 陈达, 鲜文军, 吴涛, 余秀月, 郭瑞鹏. 混合电力市场下碳排放流的分配[J]. 电网技术, 2016, 40(6): 1683-1688.
[15] 王晛, 黄蒙涛, 张少华. 考虑风电投标偏差惩罚的电力市场均衡分析[J]. 电网技术, 2016, 40(2): 602-607.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 何飞跃|段献忠. 基于广域测量的滑模TCSC控制器设计[J]. 电网技术, 2006, 30(23): 50 -55 .
[2] 钱科军|袁 越|文学鸿. 基于原–对偶内点法的复杂电力系统电压崩溃校正控制[J]. 电网技术, 2007, 31(21): 27 -31 .
[3] 王海超,周双喜,鲁宗相,吴俊玲. 含风电场的电力系统潮流计算的联合迭代方法及应用 [J]. 电网技术, 2005, 29(18): 59 -62 .
[4] 郭文鑫,李世明,朱柳,李钦,林玥廷,卢建刚,颜伟. 考虑量测误差计及等值参数物理约束的外网静态等值方法[J]. 电网技术, 2012, 36(10): 216 -221 .
[5] 马钊, 梁惠施, 苏剑. 主动配电系统规划和运行中的重要问题[J]. 电网技术, 2015, 39(6): 1499 -1503 .
[6] 李崇涛, 林啸, 赵勇, 赵利刚, 杜正春, 夏道止. 高压直流输电系统暂态过程的解析解法(一):数学模型[J]. 电网技术, 2017, 41(1): 1 -7 .
[7] 王新颖, 汤广福, 魏晓光, 马春艳, 高阳, 肖湘宁. 适用于直流电网的LCL谐振式模块化多电平DC/DC变换器[J]. 电网技术, 2017, 41(4): 1106 -1113 .
[8] 华 科|谢 开|郭志忠. 采用直流和交流功率传输分布因子的输电权交易[J]. 电网技术, 2007, 31(13): 71 -74 .
[9] 张程 王主丁 张宗益 赵俊光 樊亚辉. 多负荷水平下配电网电容器优化配置算法[J]. 电网技术, 2010, 34(12): 85 -89 .
[10] 周勤勇. 亚洲电网互联模式探讨[J]. 电网技术, 2017, 41(5): 1491 -1497 .
京ICP备05032083号-3
版权所有:《电网技术》编辑部 电话:010-82812532
技术支持:北京玛格泰克科技发展有限公司