利用混沌时间序列预测技术进行电力市场短期电价预测

电力工业放松管制,引入竞争的市场机制,逐步建立电力市场来优化资源配置是整个电力系统的发展趋势。电力市场中电价的确定是最本质、最关健的部分,如何合理的根据市场需求确定相应的电价直接影响到电力市场能否正常的运营。怎样根据电力市场的相关历史数据准确的预测出市场清除电价具有十分重要的意义。 电力系统的负荷是一个时间序列,电价也是一个时间序列,因此,从理论上讲,凡是能用于负荷预测的方法都可以用于电价预测,如时间序列法、人工神经网络法、小波变换法等。但是电价由于其多变、价格钉等固有的特点,使得电价预测比负荷预测难得多,目前的电价预测方法都不尽如人意。 数据挖掘(Data Mining,简称DM),又称为数据库中的知识发现,是90 年代中后期发展起来的人工智能分支。由于数据挖掘技术具有从大量数据中提取人们感兴趣的潜在知识和信息的显著优点,故其一出现就在各个领域获得了广泛的应用。本文主要使用数据挖掘中的一个重要技术-相似搜索来进行价格预测。 混沌理论己被证明是解决非线性问题的重要的,行之有效的理论方法。混沌动力系统的奇异吸引子所具有的无穷自相似性使混沌理论和分形学自然紧密联系。基于混沌理论的非线性时间序列分析跳出了传统的建立主观模型的局限,通过时间序列的内在规律作出分析与预测。 本文在综合考虑影响电价的各种因素下,提出一种基于Lyapunov 指数的电价短期预测方法,该方法简单、方便,能够较为准确的预测电力交易价格,预测电力交易价格,而且还能检测出可能发生价格钉的数据点并对这些点作单独的处理和预测。最后使用本方法对美国加州实际的系统清除价进行预测,收到了较好的效果,表明了本方法的有效性。