导读:本文包含了短期边际电价预测论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊最小二乘支持向量机,模糊集合,隶属度,边际电价
短期边际电价预测论文文献综述
黎特,皮薇[1]（2013）在《支持向量机模型改进及在短期边际电价预测中的应用》一文中研究指出传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑。在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型。最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50%左右,且复杂程度基本不变。(本文来源于《国网技术学院学报》期刊2013年05期）
王玉玮[2]（2013）在《支持向量机模型改进及在短期边际电价预测中的应用》一文中研究指出支持向量机预测模型虽然已被证实为一类优于神经网络等其他智能算法模型的新兴预测技术，但其本身依旧不够完美，仍然存在尚需改进的地方。本文选取了支持向量机家族中的最小二乘支持向量机预测模型进行研究，并发现在使用该模型进行训练时，由于其对训练样本的各个输入向量的惩罚度是一样的，即在训练过程中对所有输入点都等同看待，因此，一旦在训练样本集中出现离群点时，该点就会对预测模型产生一定的不良影响。这样一来，势必会降低系统的鲁棒性，引起过学习，降低了预测模型的推广能力和预测效果。本文关注了此项问题，尝试对原模型进行改进，从而使得改进后的预测模型能够很好地克服上述理论缺陷，优化预测过程与结果，达到管理科学理论创新的目的。为了达到上述目的，作者在经过了大量的研究与参考后，运用模糊数学中有关隶属度问题的相关理论和方法与原预测模型相结合，建立了一套新的预测模型。为了考察该模型是否能达到对原预测模型的改进效果，并使得预测结果更佳，文章选取了美国PJM电力市场在2012年内的一些有关日前交易的负荷与边际电价数据进行预测。首先，运用新模型对多个测试日的边际电价进行预测，通过Matlab软件加以实现，并得出了多个测试日的相关预测结果。之后，又运用原模型在相同条件下对相同日期的边际电价进行预测并得出预测结果。最后，通过将两种模型在多个测试日的预测值与真实值之间的误差进行比较，发现新模型的预测误差明显低于原模型。这一点证实了新模型确实起到了对原模型明显的改进效果，所得出的预测结果对未来发电企业的管理者作进一步分析与决策更加具有参考意义。另外，改进后的新模型在算法实现方面较之改进前的原模型并没有明显增加计算的复杂度，这又从另一个方面证实了该改进方案的有效性。综上所述，本文通过改进而得到的新模型可以被广泛推广，而且范围不仅局限在电价预测领域之内。这对于管理科学理论创新与应用等领域的研究都具有一定的贡献与启发意义。(本文来源于《华北电力大学》期刊2013-03-01）
牛会娜,杜彦巍[3]（2008）在《考虑市场力的短期边际电价预测》一文中研究指出电价波动较负荷波动剧烈,使得整个电价的预测精度降低。造成这种价格波动的主要原因是由于在电力市场中,发电商拥有的市场力具有能够支配电价上下波动的能力,使得电价的变化更加难以预测。因此市场力在电价预测中是必须考虑的重要因素之一。提出将市场供需比指标作为电价预测的一个输入量,将其引入到预测模型中作为影响电价的因素,使预测精度得到提高。(本文来源于《价值工程》期刊2008年08期）
尚玲玲,汪全,刘广建[4]（2006）在《基于人工神经网络的短期系统边际电价预测》一文中研究指出在对系统边际电价(SMP)的影响因素进行定性分析基础之上,采用了人工神经网络理论进行边际电价预测。在ANN模型中引入了平滑因子和遗忘因子,从而加快收敛速度并解决了ANN的遗忘问题。通过对某网局发电市场真实数据的仿真结果表明,该模型有预测精度高、速度快的优点。(本文来源于《山东电力技术》期刊2006年04期）
顾庆雯,陈刚,朱蕾蕾,吴迎霞[5]（2006）在《基于遗传算法和径向基函数神经网络的短期边际电价预测》一文中研究指出文章分析了影响电价的主要因素及电价的变化特点,讨论了电价预测模型中必需引入的影响电价的因素。在比较常用的几种电价预测方法的优缺点后,作者采用径向基函数神经网络(radial basis function neural networks,RBF)建立短期边际电价预测模型,用递阶遗传算法(HGA)同时训练RBF网络结构和参数。并以美国New England ISO公布的2002年历史电价数据进行训练和测试,与传统的BP网络预测模型相比较, 测试结果证明该模型的预测精确度是令人满意的。(本文来源于《电网技术》期刊2006年07期）
彭春华[6]（2005）在《电力市场短期边际电价的分时重构混沌相空间预测》一文中研究指出为了实现高精度的电力市场短期边际电价预测,该文对市场边际电价时间序列数据分时段聚类进行了相空间重构,并分别计算分形维数和提取最大Lyapunov指数,经分析得出了边际电价分时序列数据的演化具有混沌特征,由此提出了短期边际电价的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力市场短期边际电价预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显着提高。(本文来源于《中国电机工程学报》期刊2005年23期）
顾庆雯[7]（2005）在《短期边际电价预测模型研究》一文中研究指出系统边际电价(system marginal price)是反映电力市场中电力商品短期供求关系的统一价格,是联系用户、市场监管者、发电商的经济纽带,而且是关系到发电方、用电方经济利益的重要因子。目前大部分电力市场都是以市场出清价或边际电价进行结算的,如美国的新英格兰电力市场以及我国初步实现的几个省级电力市场等。系统边际电价是发电企业在竞争性电力市场中的产品价格,发电企业的利润依赖于成功的报价策略,而报价策略形成的基础是准确把握短期市场的走向,把握市场的关键则是对边际电价的准确预测。因此,边际电价的预测是发电企业进行“竞价上网”急待研究和解决的课题之一。同时,从购电方来看,边际电价构成了它的单位购电成本,边际电价的预测使自身的动态成本控制成为可能;从市场的监管者来看,边际电价的预测可为市场健康、稳定、有序地竞争和发展以及各种电价政策的制定提供科学依据。所以,边际电价预测对于电力市场中的各个参与者都具有重要意义。论文主要研究电力系统短期边际电价预测。首先分析了影响电价的主要因素及电价的变化特点,明确电价变化的规律性,分析了电价预测模型中必需引入的影响电价的因素。短期边际电价受到诸多因素的影响,特别是一些人为因素、市场力因素等对电价有很大的影响。这些因素严重扭曲了电价本来的面目,加大了电价预测工作的难度。论文详细分析了市场力对电价的影响,提出了在预测模型中加入衡量市场力的指标—市场供需比指标。通过仿真计算验证了加入市场供需比指标后的模型预测精度有极大提高。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、影响因素多等固有的特点,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。论文在预测技术的选择上,通过比较了常用的几种方法的优缺点,提出用RBF网络对边际电价进行预测。针对RBF网络的特点提出了用递阶遗传算法同时优化RBF网络结构及参数。通过仿真算例验证了所提方法的可行性。(本文来源于《重庆大学》期刊2005-04-15）
李彩华,郭志忠,王志伟[8]（2002）在《混合式短期边际电价预测模型》一文中研究指出提出以动态聚类和 BP神经网络来预测短期边际电价 ,以样本数据与聚类中心的距离最小为标准 ,通过动态聚类方法将所有样本数据划分到多个类别中 ,对不同类别的样本数据分别建立具有相同拓扑结构、不同神经元连接权值和阈值的 BP神经网络模型 ,通过 BP神经网络的反向传播过程不断修正模型中的神经元连接权值和阈值 ,实现对短期边际电价的合理预测 ,以 America PJM(美国宾夕法尼亚州、新泽西州和马里兰州 )公布的 1 999年数据进行模型训练和测试 ,结果表明该方法所建立的预测模型具有较高的预测精度(本文来源于《电力系统自动化》期刊2002年21期）
短期边际电价预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
支持向量机预测模型虽然已被证实为一类优于神经网络等其他智能算法模型的新兴预测技术，但其本身依旧不够完美，仍然存在尚需改进的地方。本文选取了支持向量机家族中的最小二乘支持向量机预测模型进行研究，并发现在使用该模型进行训练时，由于其对训练样本的各个输入向量的惩罚度是一样的，即在训练过程中对所有输入点都等同看待，因此，一旦在训练样本集中出现离群点时，该点就会对预测模型产生一定的不良影响。这样一来，势必会降低系统的鲁棒性，引起过学习，降低了预测模型的推广能力和预测效果。本文关注了此项问题，尝试对原模型进行改进，从而使得改进后的预测模型能够很好地克服上述理论缺陷，优化预测过程与结果，达到管理科学理论创新的目的。为了达到上述目的，作者在经过了大量的研究与参考后，运用模糊数学中有关隶属度问题的相关理论和方法与原预测模型相结合，建立了一套新的预测模型。为了考察该模型是否能达到对原预测模型的改进效果，并使得预测结果更佳，文章选取了美国PJM电力市场在2012年内的一些有关日前交易的负荷与边际电价数据进行预测。首先，运用新模型对多个测试日的边际电价进行预测，通过Matlab软件加以实现，并得出了多个测试日的相关预测结果。之后，又运用原模型在相同条件下对相同日期的边际电价进行预测并得出预测结果。最后，通过将两种模型在多个测试日的预测值与真实值之间的误差进行比较，发现新模型的预测误差明显低于原模型。这一点证实了新模型确实起到了对原模型明显的改进效果，所得出的预测结果对未来发电企业的管理者作进一步分析与决策更加具有参考意义。另外，改进后的新模型在算法实现方面较之改进前的原模型并没有明显增加计算的复杂度，这又从另一个方面证实了该改进方案的有效性。综上所述，本文通过改进而得到的新模型可以被广泛推广，而且范围不仅局限在电价预测领域之内。这对于管理科学理论创新与应用等领域的研究都具有一定的贡献与启发意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
短期边际电价预测论文参考文献
[1].黎特,皮薇.支持向量机模型改进及在短期边际电价预测中的应用[J].国网技术学院学报.2013
[2].王玉玮.支持向量机模型改进及在短期边际电价预测中的应用[D].华北电力大学.2013
[3].牛会娜,杜彦巍.考虑市场力的短期边际电价预测[J].价值工程.2008
[4].尚玲玲,汪全,刘广建.基于人工神经网络的短期系统边际电价预测[J].山东电力技术.2006
[5].顾庆雯,陈刚,朱蕾蕾,吴迎霞.基于遗传算法和径向基函数神经网络的短期边际电价预测[J].电网技术.2006
[6].彭春华.电力市场短期边际电价的分时重构混沌相空间预测[J].中国电机工程学报.2005
[7].顾庆雯.短期边际电价预测模型研究[D].重庆大学.2005
[8].李彩华,郭志忠,王志伟.混合式短期边际电价预测模型[J].电力系统自动化.2002
标签：模糊最小二乘支持向量机; 模糊集合; 隶属度; 边际电价;