亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于SA-BP算法的蒙西電力現(xiàn)貨市場價格預(yù)測

        2021-10-26 02:18:02王金鑫蔣子彥于福榮任婧媛
        內(nèi)蒙古電力技術(shù) 2021年4期
        關(guān)鍵詞:蒙西電價權(quán)值

        王金鑫,蔣子彥,王 琪,李 東,于福榮,劉 海,任婧媛

        (1.北京京能電力股份有限公司,北京 100020;2.華北電力大學(xué),北京 102206)

        0 引言

        目前我國電力現(xiàn)貨市場尚處于初步探索階段,電價機制、報價機制、市場規(guī)則等尚未成熟,蒙西電力現(xiàn)貨市場于2019-06-26正式投入模擬試運行。在市場條件下,準(zhǔn)確預(yù)測電力現(xiàn)貨市場的電價能夠輔助發(fā)電企業(yè)開展高質(zhì)量的報價決策工作,對發(fā)電企業(yè)具有重要意義。

        目前,短期的電價預(yù)測方法主要有時間序列法、神經(jīng)網(wǎng)絡(luò)法、組合預(yù)測法以及混合預(yù)測法。時間序列法通常采用歷史電價作為樣本建立回歸模型,再用樣本外的數(shù)據(jù)進行模型測試及電價預(yù)測。文獻[1-2]將電價序列分為工作日序列與節(jié)假日序列,對兩種序列分別建立ARMA-GARCH模型,最后對電價進行預(yù)測。文獻[3]在研究了電價的波動規(guī)律后,根據(jù)電價序列特點建立ARMAX模型,并采用ARMAX模型進行電價預(yù)測。然而由于影響電價的因素眾多,僅考慮單一變量的ARMAX模型存在一定的局限性。人工神經(jīng)網(wǎng)絡(luò)可以通過模擬人類大腦結(jié)構(gòu)與功能來處理多變量問題。文獻[4]采用人工神經(jīng)網(wǎng)絡(luò)進行電價預(yù)測,但易陷入局部優(yōu)化,且預(yù)測效果并未顯著優(yōu)于時間序列法。

        鑒于僅通過單一模型進行電價預(yù)測具有局限性,有學(xué)者嘗試?yán)枚鄠€模型從不同角度開展預(yù)測,再將預(yù)測結(jié)果組合起來,形成了組合預(yù)測法。還有學(xué)者直接將多個模型組合起來共同進行電價預(yù)測,提出了混合預(yù)測法。文獻[5]利用多元線性回歸模型和反向傳播網(wǎng)絡(luò)組合模型對電價分別進行預(yù)測,然后根據(jù)預(yù)測值和權(quán)系數(shù)求得最終結(jié)果。文獻[6-12]采用基于人工神經(jīng)網(wǎng)絡(luò)的混合模型對電力市場短期電價進行預(yù)測,均取得良好的效果。以上文獻均未對國內(nèi)電力現(xiàn)貨市場進行過短期電價預(yù)測。

        本文結(jié)合蒙西電力市場的特征以及影響電價預(yù)測的因素,采用模擬退火算法(Simulated Anneal?ing,SA)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合模型對蒙西電力市場實際電價數(shù)據(jù)進行短期預(yù)測。算例結(jié)果證明了本文所提出方法的有效性。

        1 SA-BP神經(jīng)網(wǎng)絡(luò)電價預(yù)測算法

        1.1 SA算法

        SA算法是基于Monte-Carlo迭代求解策略的一種隨機尋優(yōu)算法,由Metropolis算法和退火過程兩部分組成。SA算法源于固體退火原理,溫度升高時,固體內(nèi)部的粒子內(nèi)能增大,變?yōu)闊o序狀;當(dāng)溫度緩緩降至固體冷卻,粒子內(nèi)能降低,并逐漸變得有序;最后在常溫時達到基態(tài),內(nèi)能最小,每個粒子溫度達到平衡狀態(tài)。

        SA算法利用Metropolis準(zhǔn)則來控制溫度下降的過程,以求全局最優(yōu)解。其計算見公式(1):?式中:P(i)—轉(zhuǎn)移概率;

        E(i)—粒子在i狀態(tài)時的能量;

        E(j)—粒子在j狀態(tài)時的能量;

        T—粒子溫度。

        SA算法流程如圖1所示。

        圖1 SA算法流程

        1.2 BP神經(jīng)網(wǎng)絡(luò)算法

        BP神經(jīng)網(wǎng)絡(luò)可以通過模擬人類大腦結(jié)構(gòu)與功能來處理多變量問題,且具有良好的學(xué)習(xí)能力。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層、輸出層組成,是一種單向傳播的多層前向網(wǎng)絡(luò)。其優(yōu)點在于泛化能力良好,可以很好地處理非線性問題;僅通過自身的訓(xùn)練就能以給定的輸入得到接近期望值的結(jié)果,無需給出輸入與輸出之間的映射關(guān)系。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

        圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        1.3 SA-BP神經(jīng)網(wǎng)絡(luò)算法

        BP神經(jīng)網(wǎng)絡(luò)在對閾值和權(quán)值調(diào)整時采用梯度下降法,這種方法使得誤差只能往降低的方向進行,容易陷入局部最優(yōu)化。BP神經(jīng)網(wǎng)絡(luò)對初始網(wǎng)絡(luò)權(quán)重較為敏感,當(dāng)初始化權(quán)重不同時,可能誤差信號不是只向降低的方向進行,從而避免陷入局部最優(yōu)化。

        本文將BP神經(jīng)網(wǎng)絡(luò)中的梯度下降法與SA算法中的隨機擾動相結(jié)合,生成一種新的神經(jīng)網(wǎng)絡(luò)閾值與權(quán)值調(diào)整方法,在利用梯度法降低BP神經(jīng)網(wǎng)絡(luò)誤差的同時,借助SA算法來解決BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)的困境,改善BP神經(jīng)網(wǎng)絡(luò)的收斂特性,從而實現(xiàn)對電價的有效預(yù)測。其計算流程如圖3所示。

        圖3 SA算法與BP神經(jīng)網(wǎng)絡(luò)混合模型流程圖

        具體實現(xiàn)如下:首先設(shè)定一個神經(jīng)網(wǎng)絡(luò),令初始矩陣R=[R1R2R3R4]為神經(jīng)網(wǎng)絡(luò)的初始權(quán)值與閾值組成的矩陣。其中由輸入層與隱藏層之間權(quán)值組成的列向量為R1;由神經(jīng)網(wǎng)絡(luò)隱藏層閾值組成的列向量為R2;隱藏層與輸出層之間權(quán)值組成的列向量為R3,輸出層組成的列向量為R4。當(dāng)神經(jīng)網(wǎng)絡(luò)在采用梯度下降法訓(xùn)練后達到局部最優(yōu),其權(quán)值和閾值停止調(diào)整。此時權(quán)值與閾值組成的矩陣變?yōu)镽(i)為使其跳出局部最優(yōu),進行隨機擾動,再對權(quán)值和閾值重新進行調(diào)整。隨機擾動公式見式(2):

        式中:R(i+1)—經(jīng)擾動后神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值組成的新矩陣,i=1,2,3,…,k(k為正整數(shù));

        rrand—隨機函數(shù);

        R(i)—經(jīng)訓(xùn)練后神經(jīng)網(wǎng)絡(luò)權(quán)值與閾值組成的矩陣。

        2 影響電價預(yù)測的因素分析

        輸入變量的選擇及輸入數(shù)據(jù)的處理對電價預(yù)測的準(zhǔn)確性影響重大,因此就這兩方面分別進行討論,以提高電價預(yù)測精度。

        2.1 輸入變量的選擇

        電力現(xiàn)貨市場中影響電價的因素諸多,如負(fù)荷水平、供給情況、歷史電價、電網(wǎng)結(jié)構(gòu)、環(huán)境因素等。事實上,兩個相似日的電價時間序列往往具有較強的關(guān)聯(lián)性。如圖4所示,兩個相似日96時段電價變化趨勢、電價水平都呈現(xiàn)較強的關(guān)聯(lián)性。除歷史電價外,負(fù)荷變化對電價的影響也較大。導(dǎo)致電價波動的因素如節(jié)假日、溫度、氣候、突發(fā)事件等,都已經(jīng)包含在負(fù)荷波動這個主要因素中。

        圖4 蒙西電力現(xiàn)貨市場兩個相似日電價對比

        在實際電力現(xiàn)貨市場中,歷史電價與歷史負(fù)荷也是比較容易獲取的數(shù)據(jù),因此選擇歷史電價與歷史負(fù)荷作為模型的輸入變量。

        2.2 輸入數(shù)據(jù)的處理

        由于蒙西電力市場高載能產(chǎn)業(yè)發(fā)達、需求彈性相對較大,且新能源裝機占比高、外送電量大,故其市場出清電價受新能源出力及外送電量的影響較大。為減少輸入變量選擇和輸入數(shù)據(jù)處理兩個因素對電價預(yù)測的影響,將輸入數(shù)據(jù)中的統(tǒng)調(diào)負(fù)荷、全網(wǎng)新能源出力、外送計劃預(yù)處理為凈負(fù)荷,其計算公式見式(3):

        式中:P—凈負(fù)荷;

        L—統(tǒng)調(diào)負(fù)荷;

        E—外送計劃;

        R—新能源出力。

        為了加快模型的訓(xùn)練速度和收斂性,再對輸入數(shù)據(jù)進行歸一化處理,將數(shù)據(jù)映射到[0,1]之間。歸一化公式見式(4):

        3 算法實例

        3.1 電價預(yù)測

        選取蒙西電力市場2020-12-01—2020-12-24,2304個時段的日前和實時歷史電價及其對應(yīng)的負(fù)荷作為訓(xùn)練樣本,預(yù)測2020-12-25—2020-12-29,480個時段的市場出清電價,480個時段的日前市場預(yù)測電價與實際電價的對比見圖5,實時市場預(yù)測電價與實際電價的對比見圖6,日前市場與實時市場每日的預(yù)測誤差如表1所示。采用MAPE(平均絕對誤差百分比,用M表示)描述預(yù)測誤差,其計算見公式(5):

        式中:n—樣本個數(shù);

        —預(yù)測電價;

        yi—實際電價。

        通過圖5、圖6和表1可以看出,日前市場在12月27日電價有劇烈波動,誤差較大,其余時間預(yù)測誤差在允許范圍內(nèi);實時市場在12月25日至12月27日出現(xiàn)較多“尖峰”電價,其預(yù)測精度有待進一步提高,其余時間預(yù)測誤差處于允許范圍。由于實時市場電價的波動性顯著高于日前市場電價,所以實時市場電價的精度并不高??傮w來看,SA-BP神經(jīng)網(wǎng)絡(luò)模型對日前市場電價預(yù)測的效果可以接受,能對蒙西電力市場進行有效預(yù)測。

        圖5 日前電價預(yù)測值與實際值對比

        圖6 實時電價預(yù)測值與實際值對比

        表1 日前及實時市場MAPE預(yù)測結(jié)果 %

        3.2 誤差分析

        對相似日平均電價預(yù)測法、多項式擬合模型、BP神經(jīng)網(wǎng)絡(luò)算法、SA-BP神經(jīng)網(wǎng)絡(luò)算法四種方法的預(yù)測結(jié)果采用MAPE進行誤差對比,結(jié)果如圖7、圖8所示。

        圖7 四種方法日前預(yù)測電價MAPE對比

        從圖7、圖8可以看出,不論日前市場還是實時市場,SA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差均小于其他三種方法,說明SA-BP神經(jīng)網(wǎng)絡(luò)模型電價預(yù)測方法比傳統(tǒng)方法的預(yù)測精度高。

        圖8 四種方法實時預(yù)測電價MAPE對比

        4 結(jié)束語

        考慮影響電價的因素與蒙西電力市場的特點,提出將輸入數(shù)據(jù)預(yù)處理為凈負(fù)荷;針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)易陷入局部優(yōu)化的特點,使用梯度下降法與隨機擾動機制相結(jié)合的方法對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,使其跳出局部優(yōu)化陷阱。并對蒙西電力現(xiàn)貨市場的日前市場電價與實時市場電價進行預(yù)測,其預(yù)測精度說明該方法適用于蒙西電力現(xiàn)貨市場的電價預(yù)測。

        此算法還可以從以下方面進一步完善:SA算法的參數(shù)取值、隨機擾動方式、降溫方式。參數(shù)取值、隨機擾動方式、降溫方式的多種組合,本文采用傳統(tǒng)經(jīng)驗選擇,具體哪種選擇更為科學(xué)有待進一步研究。

        猜你喜歡
        蒙西電價權(quán)值
        一種融合時間權(quán)值和用戶行為序列的電影推薦模型
        國家管網(wǎng)集團蒙西管道項目一期工程開工 清潔動脈添霸氣
        CONTENTS
        煤礦采煤掘進中高強支護技術(shù)應(yīng)用探討
        淺談巖土工程地質(zhì)勘察與地基基礎(chǔ)設(shè)計的應(yīng)用
        德國:電價上漲的背后邏輯
        能源(2018年10期)2018-12-08 08:02:40
        探索電價改革
        商周刊(2018年16期)2018-08-14 01:51:52
        基于權(quán)值動量的RBM加速學(xué)習(xí)算法研究
        可再生能源電價附加的收支平衡分析
        爭議光伏標(biāo)桿上網(wǎng)電價
        能源(2016年11期)2016-05-17 04:57:24
        久久精品久久精品中文字幕| 亚洲色欲色欲欲www在线| 成人无码激情视频在线观看| 免费人成黄页在线观看国产| 天天做天天爱夜夜夜爽毛片| 一本一道av中文字幕无码| 国产真实乱人偷精品人妻| 99福利影院| 免费人妻精品区一区二区三 | 中文字幕天天躁日日躁狠狠躁免费| 久久人人爽人人爽人人片av麻烦| 亚洲综合性色一区| 小13箩利洗澡无码免费视频| 久久婷婷夜色精品国产| 狂插美女流出白浆视频在线观看| 精品国产第一国产综合精品| 白又丰满大屁股bbbbb| 亚洲日产无码中文字幕| 日本一区二区三区在线观看免费| 一二三区亚洲av偷拍| 少妇裸体性生交| 人妻少妇av无码一区二区 | 日本少妇人妻xxxxx18| 亚洲五月激情综合图片区| 精品久久人妻一区二区| 中文字幕亚洲无线码在线一区| 欧美日韩中文国产一区发布| 午夜一级成人| 最新国产成人自拍视频| 人妖一区二区三区在线| 丰满熟妇人妻av无码区| 最近中文字幕视频高清| 波多吉野一区二区三区av| 九九久久精品国产免费av| 精品国产一二三产品区别在哪| 亚洲成a人片在线网站| 青青草视频在线观看视频免费| 男女18视频免费网站| 欧美极品少妇无套实战| 久草午夜视频| 国产av三级精品车模|