电力工业市场化是当前世界电力工业的发展趋势和国际电力科学研究与工程实践的热点。电价不仅是电力市场供求关系的信号,也是控制电力市场交易的经济杠杆,因此,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未来的市场出清电价,对于市场中的各个参与者都具有十分重要的意义。 本文首先简单介绍了电力系统电价的组成、特点及其影响因素,对当前较常用的预测方法的优缺点进行了探讨。在对小波变换理论和神经网络理论,及其各自在电价预测方面的优势进行分析的基础上,提出采用小波变换和BP神经网络相结合的电价预测模型。通过利用小波变换理论著名的多分辨率分析的MALLAT算法实现对电价序列的分解和重构。选择合适的小波基和分解尺度,将电价序列分解成一个低频分量和多个高频分量,从而进行电价特征的提取。利用所获得的电价各分量,本文采有两种方法来预测电价:一是对电价各分量分别建立BP神经网络预测模型,最后汇总叠加各分量预测结果得到最终的预测电价。二是利用电价和电价分量作为BP神经网络的输入,最后网络输出即为预测电价。为克服预测模型中BP神经网络本身易于陷入局部极值的缺点,本文提出多次重复预测方法和阈值处理方法修正预测结果,从而极大地提高了预测的精度和稳定性。结果表明模型二由于网络输入参量引入了受边界失真影响的小波低频分量,虽具有较高的精度,但是在稳定性方面不如模型一,但是两种方法都能显著地提高了日峰、谷电价的预测精度。 最后,本文提出了要提高电价预测的精度,需根据具体电力市场,加强对电价形成机理的分析,处理好预测模型输入变量的选择问题,努力建立符合实际市场电价特点的模型。文中所有计算采用的数据资料来自于加州电力市场。