電力市場下日前電價預(yù)測方法的研究

姚翰林 汪晉寬

摘要：目前存在的電價預(yù)測方法對電價周期性變化規(guī)律利用度較低，預(yù)測步長較短，使得電價預(yù)測存在較大誤差。本文提出時間序列法（ARIMA）和神經(jīng)網(wǎng)絡(luò)法（LSTM）對電力市場供給側(cè)短期電價變化進行預(yù)測。其中神經(jīng)網(wǎng)絡(luò)法主要針對循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的缺點和不足，將神經(jīng)網(wǎng)絡(luò)算法引入電價預(yù)測模型中，根據(jù)時間序列之間存在的相關(guān)關(guān)系對樣本數(shù)據(jù)進行學(xué)習(xí)與訓(xùn)練，降低實驗誤差。基于深度學(xué)習(xí)的長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)可以同時兼顧數(shù)據(jù)的時序性和非線性，包含的記憶單元能夠有效的克服RNN梯度消失問題，使得模型更加適合電價預(yù)測，預(yù)測短期電價精度高。

關(guān)鍵詞：電力價格; 時間序列;LSTM; 深度學(xué)習(xí)

一、背景技術(shù)

電價是電力市場的支點，電價的波動性，不確定性為電力市場注入了活力，同時也增加了電價預(yù)測難度。伴隨著國內(nèi)電力市場化的穩(wěn)步推進，電價預(yù)測對電力市場管理者和電力市場參與者顯得尤為重要。如果電力市場參與者能夠快速準(zhǔn)確地掌握電價的變化規(guī)律，從而有效預(yù)測電價、規(guī)避風(fēng)險，則其在激烈的市場競爭中處于有利地位，并能夠謀取更高的經(jīng)濟利潤; 倘若市場管理者能掌握電價的預(yù)期走勢，將有助于其制定行之有效的市場規(guī)則來合理運營電力市場。近年來各國政府大力推行電力市場化建設(shè)，吸引了越來越多的學(xué)者參與到電價預(yù)測研究之中，使得電價的預(yù)測精度得到了一定程度的提高。但電價本身特征決定了其受多重因素的影響，預(yù)測難度較大，當(dāng)前電價預(yù)測精度遠未達到電力市場參與者和管理者的要求， 因此對電價預(yù)測研究顯得十分必要。近年來，關(guān)于電價的短期預(yù)測問題，國內(nèi)外已有很多學(xué)者展開了深入研究并取得了一些成果。時間序列分析法和神經(jīng)網(wǎng)絡(luò)法最先被應(yīng)用到電價的短期預(yù)測中。

二、電價特征分析

（1）波動強烈

電能跟一般商品的性質(zhì)不同，因其不能夠大量存儲，只能通過實時維持供電平衡才能滿足用戶需求。夜晚低負荷時段，電價明顯降低，用電高峰期時段，電價明顯升高，因此可以總結(jié)出電價具有較強的波動性。電價不確定性決定了其預(yù)測難度要比電力負荷預(yù)測難度要大的多。

（2）多周期性

電力負荷是影響電價制定的重要因素，負荷變化將會直接影響電價的變化。電價的周期包含有日周期，周周期，季節(jié)性周期，由于本文主要對電價進行短期預(yù)測，所以不考慮季節(jié)性周期變化。電價所具有的周期性有利于算法模型對電價進行預(yù)測，因此選擇可以提取電價周期性特征的預(yù)測模型是十分必要的。

（3）均值回復(fù)性

電價的確定與一般商品價格確定具有相似性，受供求關(guān)系的影響，電價不會穩(wěn)定在一個恒定值，但也不會一直上升或者下降，而是在其實際價值附近波動，是一種動態(tài)平衡的狀態(tài)。

三、基于ARIMA模型的短期電價預(yù)測

時間序列預(yù)測方法是以時間作為數(shù)據(jù)發(fā)展的橫軸線，用時間標(biāo)尺把歷史數(shù)據(jù)進行排列，時間序列預(yù)測的方式可以非常好的挖掘數(shù)據(jù)的周期信息，電價是標(biāo)準(zhǔn)的時間序列，因此時間序列預(yù)測方法被廣泛的應(yīng)用在電價預(yù)測領(lǐng)域。由于大多數(shù)時間的電價是非平穩(wěn)序列，所以ARIMA被廣泛的采用，其對電價預(yù)測可以取得較好的精度。ARIMA模型的全稱為自回歸移動平均模型，是一種簡單而又實用的時間序列預(yù)測方法。ARIMA（p，d，q）模型中AR是自回歸模型，其中p對應(yīng)自回歸項，MA是移動平均模型，其中q對應(yīng)移動平均項數(shù)，d差分次數(shù)。ARIMA在時間序列預(yù)測應(yīng)用十分廣泛，ARIMA對數(shù)據(jù)能夠預(yù)測前提是預(yù)測數(shù)據(jù)必須為平穩(wěn)序列，所以針對不平穩(wěn)序列，需要對其差分，直到獲得平穩(wěn)序列為止?？紤]電價具有波動性、多重周期性和均值回復(fù)性等特點，可根據(jù)歷史電價建立ARIMA預(yù)測模型，并用建立的模型對未來電價進行預(yù)測。

時間序列分析法需要的歷史觀測數(shù)據(jù)相對較少，計算速度快，并能準(zhǔn)確地反映電價變化的連續(xù)性，而且它的理論淺顯、物理意義清晰。電價序列是一個以季、月、周、日為周期的時間序列，日周期是它的基本周期。在電價的短期預(yù)測中只需考慮星期周期性與日周期性。

四、基于LSTM模型的短期電價預(yù)測

電價序列波動較復(fù)雜，有些學(xué)者認為它可能呈非線性變化，可利用神經(jīng)網(wǎng)絡(luò)法來進行短期電價預(yù)測。神經(jīng)網(wǎng)絡(luò)法能夠以任意精度逼近連續(xù)函數(shù)，而不需要事先假定嘗試性模型。LSTM （Long Short Term Memory）是一種改進的循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它引入自循環(huán)的思想，自循環(huán)的權(quán)重視上下文而定，使梯度長時間持續(xù)流動，從而解決梯度消失問題，在時間序列預(yù)測方面有更強的能力。

售電市場的日前電價預(yù)測需要預(yù)測的步長較長，一般在24個以上，RNN并不能滿足需求。LSTM在循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上進行了一些節(jié)點的添加，也就是所謂的閥門節(jié)點。閥門節(jié)點總的來說只有輸入、輸出和遺忘閥門，這些閥門通過打開或者關(guān)閉將網(wǎng)絡(luò)狀態(tài)選擇性的記憶下來。輸入閥門決定了輸入的信息，它會呈現(xiàn)出類似生物上學(xué)到的細胞結(jié)構(gòu)，決定當(dāng)前時刻有多少信息可以輸入到細胞狀態(tài)。閥門節(jié)點利用sigmoid平滑函數(shù)將網(wǎng)絡(luò)的記憶態(tài)激活作為輸入計算。

LSTM單元最初設(shè)計的目的， 是解決RNN存在的梯度消失問題和長距離依賴問題， 它的默認行為是記住過去很長時間的信息而不是學(xué)習(xí)到什么。在標(biāo)準(zhǔn)的RNN中結(jié)構(gòu)是一個tanh激活函數(shù)層，而在LSTM結(jié)構(gòu)中將tanh激活函數(shù)層替換為LSTM單元。允許通過的信息概率由當(dāng)前的輸入和前一個隱藏狀態(tài)決定，LSTM單元通過三個閥門結(jié)構(gòu)控制網(wǎng)絡(luò)對數(shù)據(jù)的記憶或遺忘狀態(tài)，從而可以人為設(shè)定參數(shù)預(yù)測較長時間電價數(shù)據(jù)。

參考文獻：

[1]周明，嚴正，倪以信，等。含誤差預(yù)測校正的 ARIMA 電價預(yù)測新方法[J]。中國電機工程學(xué)報，2004，24（ 12） ： 63 - 68

[2]王瑞慶，王晛，李渝曾?；跁r間序列 ARMAX 模型的短期電價預(yù)測方法[J]。華東電力，2009，37（ 5） ： 727 - 730

[3]劉正國，付祥明，高伏英，等?；谏窠?jīng)網(wǎng)絡(luò)的浙江發(fā)電市場清算電價預(yù)測方法[J]。電力系統(tǒng)自動化，2002，26（ 9） ： 49 - 52

[4]張顯，王錫凡。短期電價預(yù)測綜述[J]。電力系統(tǒng)自動化，2006，30（ 3） ： 92 - 99

作者簡介：姚翰林（1996—），男，漢族，江蘇鹽城人，學(xué)歷：2019級在讀研究生（學(xué)號1971826），單位：東北大學(xué)秦皇島分校，研究方向：智能電動汽車;秦皇島市郵編066000