《电力系统自动化》考虑市场力的短中长期电价预测.doc

考虑市场力的短、中、长期电价预测胡朝阳\孙维真2,汪震\王康元\甘德强1，韩祯祥1 (1.浙江大学电气工程学院，浙江省杭州帘310027； 2.浙江电力调度通信中心，浙江省杭州帘310007)摘要：本文报道的研究是“浙江电力市场风险评估和辅助决策系统”研究项目的一个子课题，旨在 幵发能够适用于浙江电力市场的短期、中期和长期电价预测方法和软件文中分别介绍了采用BP 祌经网络模型和线性|n|归模型来进行电价预测的方法和结果方法的突出特点是在预测模型中引入 了一个衡量市场力的新指标---发电界量必须运行率(Must Run Ratio, MRR),从而充分考虎了市场力 对电价的影响，提高了电价预测的精度，特别是增强了短期预测模型对最高限价的预测能力文中 对MRR指标进行了简单的介绍此外，针对电价预测的不同特点，本文对预测模型和预测变量的 选择理由进行了详尽的探讨，并提出了自己的观点基于浙江电力市场实际运行数据的初步预测结 果表明：所提预测模型是适用的，选择的预测输入变量是恰当的，电价预测的精度能够满足电力市 场实际运行的需要关键词：电力市场；短期电价预测；中长期电价预测；市场力：BP网络模型；线性回归模型；相关 性分析0引言按照预测时间的长短划分，电价预测可分为短期、中期和长期电价预测。

中期电价预测和长期 电价预测的主要区别在于前者的预测时间较短，但两者都是对今后较长一段时间的电价走势进行预 测，因此在实现方法上并无本质上的不同，可合在一起讨论由于交易中心可以提前一天算出次日的预调度价格，除非预测负荷出现较大偏差，需要对预调 度方案进行较大调整，否则这个预调度价格与实时的市场清算价格(MCP)非常接近因此，短期电 价预测的主要意义在于各发电商可以利用预测的MCP选择最优的报价策略，从而达到最大化利润的 目的而对交易中心而言，MCP的预测结果只是对可能出现的预调度价格偏差进行修正，起一个参 考值的作用，其重要程度相对不高中长期电价预测的主要意义在于：1.交易中心可以利用预测结果合理地分配现货交易和期货交 易(合约交易)的比例，减小电力市场运营的风险；2.准确的中长期预测电价是制定电网发展规划 最重要的决定性因素之一；3.中长期预测电价的高低是反映发电商拥有市场力大小的一个重要指称, 从而能够为有效监管措施的制定和实施提供一个客观依据；4.当电力市场幵放双边交易后，中长期 预测电价将是供电企业或大用户同电厂谈判购电价格的关键因素需要指出，由于中长期电价预测 的难度相对较大到目前为止，绝大多数相关文献均是针对短期电价预测，涉及到中长期电价预 测方面的内容相当少。

浙江发电市场于2000年1月正式运营［2］这个市场的基本特点是发电侧为竞争市场，浙江电力 公司从现货市场购买电力，再以受到管制的价格出售给终端用户浙江电力公司作为单一购买者承 担巨大的布场风险本文报道的研宄是“浙江电力市场风险评估和辅助决策系统”研宄项0的一个 子课题，旨在开发能够适川于浙江电力市场的短期、中期和长期电价预测方法和软件1 市场力指标 MRR (Must Run Ratio)众所周知，电力市场是寡头垄断型帘场，发电尚或多或少均拥有一定的帘场力这种能够支配 电价上下波动的市场力是电价预测中必须考虑的关键性因素之一然而，0前常用的衡量市场力大小的市场集中度指标（HH1）是一个静态指标，不能反映在不同负荷水平下发电商市场力的变化情况， 而事实上发电商拥有市场力的大小与负荷水平高低密切相关例如，在负荷高峰时期，即使是小发 电商也可能拥有哄抬电价的能力，而在负荷低谷时期，大发电商也不一定有能力抬高价格因此， HHT不适合作为电价预测的输入变量本文引入一个衡量市场力大小的新指标必须运行率（MRR）来描述发电商操纵价格的能力， 这个新指标是根据美国新英格兰电力市场的运行经验建立的*31。

运用傅弈理论，文献［4, 5］进一步 对这个指标的意义进行了深入分析MRK是一个随系统负荷变化和发电容:W:所有权分布而不断改变 的动态指标，较好地反映了发电商在某段时期内是否拥有市场力以及市场力的大小，其II•算公式如 下：某发电商MRR=（系统负荷一其他发电商的可用容量之和）/此发电商的可用容量 （1 ）上式计算的是单个发电商的MRR,表示该发电商在某段时期内必须出力容量与可用容量的比例，如果出力比例低于这个数值，系统负荷将不能全部得到满足我们将MRR值限制在［0, 1］范围 之内（将小于0的MRR置为0,将大于1的MRR置为1）这样，我们就能够保证可用发电容量最 大的发电商拥有最大的市场力，这与市场的实际情况是一致的界易看出，只要某发电商的MRR 大于0,他就有能力把电价抬到最高限价下面的结论从博弈论的角度证明了这一点定理（强容量约束下的均衡点）［5］令戸z代表第y台发电机可用容s, 代表电力系统总负荷，代表发电机报价上限假设所有发电商的边际成本相同，再假设存在供应商A且:E 5 < Dp，则博弈有一个均衡点且在这个均衡点处电价进一步，是唯一的当一个电力市场发电机边际成本不相同时，文献［4］证明市场均衡点同样可能存在，但在均衡点 处电价还与发电机成本有关。

因此发电商是否愿意利用自己的市场力来操纵电价，很大程度取决于 其MRR的大小如果发电商把电价抬到最高限价，就意味着他必须成为边际机组，这时该发电商 的岀力容量就不能是他的全部可用容量，其fli力容量与可用容量的比例大小为MRR伉反之，如 果该发电商放弃利用市场力来抬高电价，虽然单位出力容fi的利润减少了但其出力容:W:有可能为 全部可用容量出于利润最大化的考虑，发电商通常会权衡这两种情况下获得的利润大小来决定自 己的报价策略显然，在MRR值较小的情况下，拥有市场力的发电商一般不愿意抬高电价，这就 很好地解释了电力市场实际运行中出现的一个奇怪现象…拥有市场力的发电商不一定报高价在不同的市场供需条件下，MRR的分布情况也有所不同：1. 当电力市场供不应求，即存在可用容量缺额，此时所有发电商的MRR均为1,该情况下市 场清算价格（MCP）必定为扱高限价系统负荷刚好等于系统可用容量的供求平衡情况也属于这类2. 当电力市场供大于求，即存在可用容量余额，但余额小于最大发电商的可用容量，此时各发 电商的MRR处在0到1之间，最大的发电商拥有最大的MRR,该情况卜容易出现高电价乃至最高 限价3. 当电力市场供大于求，即存在可用容量余额，且余额大于最大发电商的可用容量，此时所有 发电商的MRR均为0,没有发电商拥有市场力，该情况下一般不会出现高电价。

如果在这种情况下 山现了最高限价，很有可能是因为发电商之间存在串通报价行为，而这种非法行为是应当受到严厉 监管的为了更加全而地反映整个市场操纵价格的潜力，本文提岀将单个发电商的MRR求和，得到整 个市场总的MRR，以此作为电价预测的输入变之一2短期电价预测模型目前，比较常用的短期电价预测模型主要有点对点倍比法、时间序列法和祌经网络法点对点 倍比法是寻找与预测的日负荷曲线相似的历史日，将这些历史日相应时段的电价进行加权平均得到 预测的电价由于短期电价的走势不仅仅取决于负荷大小，所以这种预测方法的预测精度通常较差 时间序列法是将短期电价的波动当作一个随机过程，然后通过模式识别和参数估计来确定具体的电 价预测公式我们认为，时间序列法并不适用于短期电价预测，因为该法完全依据历史数椐来预测 电价，而电价的波动不同于负荷的波动，前后两天的变化曲线可能相差甚远神经网络法是0前最常用的短期电价预测方法目前，不少文献提出［6’7］，类似于负荷预测，电 价预测应该区分不同预测口和不同预测时段，建议在预测模型中添加星期标签或者按照不同时段分 别建立预测模型我们认为，这种观点侪得商榷市场清算价格是巾发电商的报价排序决定的。

而 发电商的报价策略完全是根据预测负荷、自身拥有的市场力和估计的其他发电商报价策略来确定的 相应的预测tl或预测时段实际电价的高低之所以具有一定的关联性，完全是因为相应的系统负荷存 在相似性吋期因素（包括季节性因素）对电价预测的影响，本质上是因为不同吋期内系统负荷的 不同造成的，可以通过作为预测变量之一的预测负荷的大小变化完全体现出來，没有必要给予单独 的考虑例如，同样是节假円的电价，如果系统负荷相差很大，那么电价的差异也相当大，所以按 工作円和节假円分别建立电价预测模型的观点是没有理论依据的本文采用一个3层BP网络来进行短期电价预测根据BPM络理论，只要隐含层具有足够多的 神经元，BP网络就能够以任意精度逼近任何函数因此，BP网络-直是短期电价预测首选的方法 特别地，本文提出将市场力指标MRR加入BP网络的输入变量，从而提高Y预测模型的预测精度， 尤其增强了对上限电价的预测能力经过相关性分析，我们选择以下三个变S:作为BP网络的输入变fi:预测负荷、市场力指标MRR 和预测时段所在H前1 H同一时段的电价BP网络的输出变量自然为预测的电价我们计算了浙江电力市场2002年1月到2002年9月所有时段的MRR值，发现当MRR值大于 一定值时，实际电价一般都位于最高限价（820元/MWh）。

因此，我们在预测模型中设立了这个门 槛值，用来修正BP网络的预测结果，一旦计算出某时段的MRR值超过门槛值，则直接将该时段的 预测电价置为上限大量的测试结果表明，经过这样处理之后，BP网络对最岛限价的预测能力大有 提高，见图1所示必须指出，当MRR值小于门槛值时，实际电价也有可能到达上限，但是大于 门槛值时，则一定到达上限图中23时段，即上午11:00〜11:30实际电价出现负值的主要原因是该 时段的负荷通常要比上一时段低1000MW左右，为了避免被停机，许多发电商申报负价，因此这个 时段的市场清算价格有时会出现负伉10008006004002000-200O(is盞105O44550--经过MRR门槛值处理的电价预测结果；一-实际电价；一未经MRR门槛值处理的电价预测结果图1 2002年7月13 U的电价预测结果Fig.l Actual price forecast results of July 13,2002关于训练样本的选择，我们发现，当训练样本采用预测H前一个星期及以内的数据时，预测效 果较好如果采用预测日前两个星期及以上的数据时，则预测效果变差这可能是因为样本集中包 含了很多距离预测日较远的数据，而发电商的报价策略在这段时间内已经发生了较大改变，致使BP 网络学习了很多失效样本，影响了预测精度。

至丁•训练样本具体采用预测日前几天的数据并没有原 则规定，但一般来说，训练样本距预测日越近，预测精度越岛不过训练样本数似太少容易造成BP 网络泛化能力下降，即预测样本的输入变量相对训练样本的输入变量发生较大变化时，预测模型的 预测精度迅速下降本文提出的预测模型训练两个BP网络，一个采用预测日前一个星期（48*7=336 点）的数据作为训练样本，另一个采用预测口前三天的数据作为训练样本（48*3=144点），然后将 两个预测模型的输岀结果进行加权相加（权値分别为1/3和2/3）,得到最终的预测电价预测模型隐含层祌经元数目的选择是依靠人:W:的测试结果来确定我们在测试中发现，预测模 型隐含层的祌经元数0越多，预测结果的波动性也越大换句话说，对于同样的训练样本和测试样 本，预测模型前后两次的预测结果可能相差很大，有可能第一次和实际电价曲线拟合得很好，而第 二次则相差甚远这主要是因为预测模型各神经元之间的权值初值是随机确定的，每次重新训练都 有所不同而降低预测模型的网络规模是限制预测结果的波动幅度，提高预测结果稳定性的有效方 法另一方而，降低网络规模也能很好地解决预测。