论文总字数：35259字

摘 要

电价作为电力市场竞争力的核心评定指标，在全球电力市场不断发展和竞争力逐步上升的今天，电价预测占据着举足轻重的地位。在如今的电力市场中，电价不仅和市场参与者的利益紧紧绑在一起，也影响着社会发展以及经济增长，因此一直是多方人员关注的焦点。精确的电价预测对政府监管机构、电力企业以及人民群众都具有深远的意义。

论文对电力市场、电价的制定、电价特点等进行了简单的阐述，同时，给出了电价预测的概念、特点、分类以及预测难点，选择BP神经网络法进行建模预测。

通常来说，电力市场的电价波动很大，不同市场中的电价特性差异也很大，很难采用单一方法建模预测。组合预测方法能够避免单一预测方法的缺陷，对提高预测精度有很大帮助。如鉴于时间序列可以通过自身数据的自相关性进行预测，而神经网络具有自学习、自组织性和推广能力，可以将二者结合起来进行电价预测。本毕业设计的目标是通过将两种预测方法进行组合而预测电价，编写相应程序实现算法，并用电力系统实际数据，验证算法的可行性。

关键字：电价，组合电价预测

The method of electricity price forecast in electricity market

Abstract

The price competition as the core index of the efficiency of electricity market, with the continuous development of the global electricity market and electricity market, electricity price forecasting is becoming more and more important. In the electricity market, electricity price is not only closely related to the interests of the market participants, but also affects the social and economic aspects, so has been the focus of the parties concerned. Accurate price forecast has far-reaching significance for government regulators, power enterprises and the public.

Papers on the development of electricity markets, electricity prices, pricing features, such as a simple explanation, meanwhile, gives the concept and characteristics of electricity price forecasting, classification and prediction of difficulty, select the method of BP neural network model.

Generally speaking, the electricity price fluctuates very much, and the price difference in different market is also very difficult to use single method to forecast.The combination forecasting method can avoid the defects of single prediction method, is of great help to improve the prediction accuracy. If given the time series by its own data correlation prediction, and neural network self-learning, self-organization and generalization ability, can combine the two electricity price forecasting. The graduation design objective is to combine the forecast price by two kinds of prediction methods, preparation of the corresponding procedures for the realization of algorithm, and the actual data of the power system, verify the feasibility of the algorithm.

keyword：electricity price，Combined electricity price forecast

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 电价预测概念和研究意义 1

1.2 国内外研究现状 1

1.3 本文研究的主要内容 2

1.4 本文结构安排 2

第二章 电价预测基本理论 4

2.1 电价 4

2.1.1电价的制定与形成 4

2.1.2电价的影响因素和特点 5

2.2 电价预测 7

2.2.1电价预测的难点 7

2.2.2电价预测的方法 7

第三章 短期电价预测 9

3.1 短期电价预测的概念及意义 9

3.2 短期电价预测基本步骤 9

3.3 短期电价预测方法 10

3.3.1时间序列法 10

3.3.2神经网络法 12

3.3.3组合预测方法 14

第四章 短期电价预测模型 19

4.1 自回归滑动平均（ARMA）模型 19

4.1.1自回归（AR）及滑动平均（MA）模型 19

4.1.2自回归滑动平均（ARMA）模型 19

4.2 前馈型神经网络（BP）模型 21

第五章 MATLAB下的短期电价预测 24

5.1 BP神经网络预测模型的建立 24

5.1.1神经网络的构造 24

5.1.2训练样本集的生成 24

5.1.3基于BP神经网络的MATLAB 24

5.2 自回归模型的建立 25

5.3 基于组合预测模型的建立 26

5.4 建立图形用户界面 26

5.5 预测结果及误差分析 28

5.5.1BP神经网络模型预测结果分析 28

5.5.2自回归模型预测结果分析 29

5.5.3组合模型预测结果分析 30

5.6 三种预测模型的分析比较 31

第六章 总结和展望 33

6.1 总结 33

6.2 展望 33

参考文献 35

致谢 36

附录 37

第一章 绪论

全球电力市场已迈向大趋势发展方向，电力行业也逐步走向竞争化。电价的制订与政府政策、天气、电力系统的运行情况等关系密切，它往往随用户需求而改变。反过来，电价的变化也影响需求量。因此，对电价进行准确的电价预测十分重要。

1.1 电价预测概念和研究意义

请支付后下载全文，论文总字数：35259字