电力市场短期电价预测方法综述

②跳跃和尖峰特性。电价趋势会展现出跳跃特性，出 归滑动平均（ＡＲＩＭＡ）模型。由于 ＡＲ 模型、ＭＡ 模型均具
现零电价、负电价和价格尖峰。电价跳跃的时间和高度在 有较大的缺陷，目前在短期电价预测中运用较多的是
现有的预测方法中无法得到准确的预测。
ＡＲＭＡ 模型和 ＡＲＩＭＡ 模型。
③周期性。与负荷相似，电价变化也呈现出较强的周
时间序列法的优点在于计算速度快，所需历史数据
少，其难点在于如何选择恰当的模型，模型选择得准确才
能保证预测的结果较为理想。影响电价的因素的多样性
使得时间序列法在某些情况下受到限制，预测的精度较
低。
2.2 人工神经网络法
时间序列方法仅从电价序列自身的发展规律来预测
从事营销稽查工作。
的方差与历史电价及历史电价的方差均有关系，不再是
１３２
企业技术开发
２０１２ 年 １２ 月
满足正态分布的随机数。因此，ＧＡＲＣＨ 模型是一种使用
过去电价变化和过去方差来预测未来变化的时间序列建
模方法。文献［２］考虑了电价序列的异方差性这一因素，建
立了基于时间序列条件异方差（ＧＡＲＣＨ）的电价预测模
型，取得了平均误差 ５．７６％的预测效果。
传统的 ＡＲＭＡ 模型和 ＧＡＲＣＨ 模型仅从电价时间序
列本身所包含的信息来预测电价，并未充分考虑各种外
部因素对电价的影响，存在一定的局限性，预测精度也不
尽如人意，这一不足可通过引入外生变量来改进。研究表
明，考虑外生变量的时间序列法预测精度能取得较理想
的预测结果。
第 ３１ 卷第 ３５ 期 Ｖｏｌ．３１ Ｎｏ．３５
企业技术开发 TECHNOLOGICAL DEVELOPMENT OF ENTERPRISE
２０１２ 年 １２ 月 Ｄｅｃ．２０１２
电力市场短期电价预测方法综述
杨旭钦
（广东电网公司潮州供电局，广东 潮州 521000）
摘 要：随着电力系统的市场化运行，短期电价的准确预测发挥着越来越重要的作用。文章阐述了电价的特点及预测
Biblioteka Baidu
因受较多不确定因素影响，预测结果可信度低，目前国内 无考虑负荷等其他因素的影响，使得预测精度收到限制。
外开展的研究也不多。后者主要包括周电价预测、日前电
上述模型均假设电价序列的方差为常数，而如前所
作者简介：杨旭钦（１９８５－ ），电力系统及自动化助理工程师，主要
述，电价具有异方差性，这一特性可以用广义均值回复时 间异方差（ＧＡＲＣＨ）模型来描述。ＧＡＲＣＨ 模型认为电价
的分类，对时间序列、人工神经网络和组合预测方法这三种常用的预测方法进行了评述，最后探讨了短期电价预测方法
的进一步研究方向。
关键词：电力市场；短期电价；时间序列法；神经网络；组合预测
中图分类号：TM731
文献标识码：A
文章编号：1006-8937（2012）35-0131-02
随着近年来全球电力市场的蓬勃发展，电价作为电 价预测和小时前电价预测，其中日前电价预测是目前电
ＡＲＭＡ 是 ＡＲ 模型和 ＭＡ 模型的结合，预测思想为序
期性，包括日周期、周周期和月周期。研究表明，负荷的周 期变化是电价预测必须考虑的一个重要因素。
④均值回复。电价和一般商品一样，围绕在价值附近
列当前值 ｙｔ 是现在和过去的误差（ａｔ，ａｔ－１，…，ａｔ－ｑ）以及之 前的各序列值（ｙｔ，ｙｔ－ １，…，ｙｔ－ ｐ）的线性组合，其数学 表 达 式 为：
…，φｐ 和 θ１，…θｑ，分别为自回归系数和滑动平均系数。
ＡＲＭＡ 模型是建立在电价序列为平稳的随机序列的
按预测点的类型分，电价预测可分为市场统一出清 基础上，而实际的市场电价序列往往具有非平稳的特性，
电价预测、节点边际电价预测和区域边际电价预测。一般 因此需对电价序列进行预处理，即先采用差分方法将电
目前较为成熟的预测方法主要有时间序列法，以神
这些离散的电价按时间先后排列就形成了电价的时间序 经网络为代表的智能算法以及组合预测方法。
列。电价受负荷需求、输电阻塞、机组可用容量、社会经济 2.1 时间序列法
形势、发电商市场力等因素影响，具有以下特点：
时间序列法是指利用电价时间序列自身的相关性，
①较强的波动性。与负荷相比，电价的波动性要远远 通过已有的数据样本建立电价的时间模型序列进行短期
力市场中的基本要素，其核心地位受到人们越来越多的 价预测研究的热点和重点。
重视。近年来国内外学者开始对电价预测进行了深入的
按预测内容分，电价预测可分为确定性预测和空间
研究，并提出不少行之有效的电价预测方法。本文对目前 分布预测，确定性预测的结果是给出一个确定的电价预
常用的 ３ 种短期电价预测方法进行介绍，并展望该领域 测值，主要用于短期电价预测，是当前研究的热点。而电
情况下所说的电价预测均指市场统一出清电价的预测。 价序列平稳化，然后将预处理后的平稳序列通过 ＡＲＭＡ
按预测时间分，电价预测可分为中长期电价预测和 模型建模，这就构成了 ＡＲＩＭＡ 模型。文献［１］首次引入
短期电价预测。前者主要是月电价预测和年电价预测，但 ＡＲＩＭＡ 模型预测电价，取得了较好的效果，但该文献并
大于负荷。按波动率的大小可将电力市场分为稳定市场、 电价预测，其优点在于模型的各分量均有明确的物理意
近似稳定市场和不稳定市场。波动率高的市场电价比波 义，解释性强，容易理解。
动率低的市场电价要更难预测，结果难以保持在很高的
常用的时间序列模型有自回归（ＡＲ）模 型 、动 平 均
精度。
（ＭＡ）模型、自回归滑动平均（ＡＲＭＡ）模型及累积式自回
研究发展的前景。
价空间分布预测则基于概率论和数理统计理论，确定预
1 电价的特点及其预测的分类
测电价的可能波动范围和某段时期内的均值，主要用于 中长期电价预测。
1.1 电价的特点
2 短期电价预测方法
当前电力市场交易中，一天通常被分为 ２４ 或 ４８ 个
时段，每个时段的电价被拍卖产生出 ２４ 个或 ４８ 个电价，
波动，具有均值回复特性；但不同时段的电价的均值是不 同的，且方差会随时间的变化而变化，不恒为一个常数， 也就是说电价具有异方差特性。 1.2 电价预测的分类
ｙｔ＝φ１ｙｔ－ １＋φ２ｙｔ－ １＋…＋φｐｙｔ－ ｐ＋ａｔ－ θ１ａｔ－ １－ …－ θｑａｔ－ １
（１）
式中，ｐ，ｑ 分别为自回归阶数和滑动平均阶数 φ１，φ２，