陳斌源 黃江云 吳迪 王鈞召

（1 廣東省能源集團(tuán)有限公司 廣東廣州 510150 2 廣東粵電信息科技有限公司 廣東廣州 510150）

0 引言

電價是體現(xiàn)發(fā)電企業(yè)電力市場的電能交易效益的絕對方式［1］。伴隨著我國電力市場的不斷開放，現(xiàn)貨市場已經(jīng)到來，那么較為精確地預(yù)測中長期以及短期電價，對于各發(fā)電企業(yè)在電力市場中的效益，具有決定性的影響因素。如何利用科學(xué)有效的數(shù)學(xué)模型，不論是對各類發(fā)電企業(yè)電力市場中長期交易，還是短期輔助決策，均具有明顯的風(fēng)險防控意義。通過對電力企業(yè)所在節(jié)點電價及全網(wǎng)加權(quán)平均價格進(jìn)行預(yù)測，以及對日前市場的現(xiàn)貨申報前，預(yù)測次日的小時所在節(jié)點電價及全網(wǎng)加權(quán)平均價，可為各發(fā)電企業(yè)的電力中長期及現(xiàn)貨決策提供重要的數(shù)據(jù)支撐［2］。由此看來，利用大數(shù)據(jù)建模的電價預(yù)測對于發(fā)電企業(yè)電力營而言是一個重要課題。

1 大數(shù)據(jù)分析模型

對于發(fā)電企業(yè)的節(jié)點電價或出清電價預(yù)測，其需要的數(shù)據(jù)基礎(chǔ)包括：供應(yīng)方（發(fā)電側(cè)）數(shù)量、總申報電量、平均價差、最高成功申報價差；需求方（用電方）數(shù)量、需求方總申報電量、平均申報價差、最低成功申報價差；電網(wǎng)總成交電量、供應(yīng)方邊際成交申報價差、需求方邊際成交申報價差以及統(tǒng)一出清價。其他的基礎(chǔ)信息，還包括系統(tǒng)收集的電力市場政策信息、工業(yè)發(fā)展行情信息、對電力敏感的天氣信息（次日日夜溫度、降雨等）、發(fā)電企業(yè)發(fā)電能力信息（最高帶負(fù)荷能力、檢修情況）以及網(wǎng)絡(luò)潮流信息（電網(wǎng)阻塞情況、電網(wǎng)檢修等）。這些大數(shù)據(jù)，一般都可通過時間序列的形式，進(jìn)行搜集并整理。另外相關(guān)資料包括國家能源戰(zhàn)略規(guī)劃、電力環(huán)保法規(guī)、電力發(fā)展規(guī)劃、煤炭產(chǎn)業(yè)結(jié)構(gòu)調(diào)整規(guī)劃以及電力發(fā)展戰(zhàn)略規(guī)劃等。以上各大數(shù)據(jù)信息構(gòu)成了電價預(yù)測的分析模型。本文利用各種大數(shù)據(jù)分析方法，結(jié)合上述信息，對電力市場中長期以及短期電價進(jìn)行預(yù)測分析，為各發(fā)電企業(yè)提供指導(dǎo)性意見。

2 結(jié)合大數(shù)據(jù)分析的電價預(yù)測的方法

對于電價的中長期以及短期預(yù)測方式，采用不同的預(yù)測模型開展預(yù)測分析，包括但不限于：指數(shù)平滑法、ARMA 模型、狀態(tài)空間、神經(jīng)網(wǎng)絡(luò)以及灰色理論等。結(jié)合大數(shù)據(jù)分析的電價預(yù)測整體思路見圖1。

圖1 中長期以及日前節(jié)點電價及全網(wǎng)加權(quán)平均價格預(yù)測研究路線圖

2.1 短期預(yù)測方法

實時、日度的電價預(yù)測，對于發(fā)電企業(yè)現(xiàn)貨市場的實時競價策略，具備至關(guān)重要的作用。企業(yè)掌握了精準(zhǔn)的實時電價預(yù)測數(shù)據(jù)，則可有效提高企業(yè)在電力市場中的盈利能力。針對企業(yè)的短期電價預(yù)測，包括日前報價的小時級電價以及全網(wǎng)平均價格，根據(jù)不同的數(shù)學(xué)模型的功能特點，經(jīng)研究后采用指數(shù)平滑法、ARMA 模型、最大信息熵模型及關(guān)聯(lián)規(guī)則與ARMA 的結(jié)合模型，進(jìn)行電價預(yù)測，以下分別介紹各模型的特點。

2.1.1 指數(shù)平滑法

指數(shù)平滑是一種非常重要且常用的時間序列預(yù)測法［3］。它的基本思想是：通過對原始數(shù)據(jù)進(jìn)行相關(guān)操作，得到數(shù)據(jù)的“平滑值”，然后計算構(gòu)成預(yù)測模型，進(jìn)一步預(yù)測未來值。對季節(jié)波動不敏感以及對季節(jié)趨勢變化不明顯的時間序列數(shù)據(jù)，數(shù)學(xué)上一般采用指數(shù)平滑法對數(shù)據(jù)進(jìn)行擬合并預(yù)測。指數(shù)平滑法是一種簡易的數(shù)學(xué)方法，其預(yù)測結(jié)果為變化趨勢，難以實現(xiàn)準(zhǔn)確的定量預(yù)測，可以作為數(shù)據(jù)的初步分析工具。

ARMA 模型（Auto-Regressive and Moving Average Model），也是研究時間序列數(shù)據(jù)的重要方法，由自回歸模型（AR）與滑動平均模型（MA）組成［4］。其主要思想為：通過時間序列過去時間點的信息（歷史信息），建立模型準(zhǔn)確的擬合方式，對數(shù)據(jù)進(jìn)行擬合，進(jìn)而預(yù)測重要參數(shù)的未來值。其應(yīng)用步驟如下：

（1）數(shù)據(jù)準(zhǔn)備及數(shù)據(jù)預(yù)處理。本模型前提條件是：預(yù)測對象或者參數(shù)的時間序列是零均值的平穩(wěn)隨機(jī)序列。但一般情況下，隨著時間的積累，大量的數(shù)據(jù)總是具有上升或下降的波動，由此構(gòu)成了非平穩(wěn)的時間序列。對于此種現(xiàn)象，應(yīng)在模型建立支出，對參數(shù)的時間序列進(jìn)行平穩(wěn)性檢驗，即對非平穩(wěn)的時間序列，通過零均值和差分平穩(wěn)化操作，進(jìn)行數(shù)據(jù)預(yù)處理。

（2）確定參數(shù)的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)。

（3）模型的擬合和預(yù)測。本文采用Eviews、SPSS、Matlab 等多種方式進(jìn)行建模，并測試模型的預(yù)測效果。

2.1.3 最大信息熵原理

在對價格進(jìn)行預(yù)測時，根據(jù)以往的經(jīng)驗，許多數(shù)據(jù)是難以直接獲取的，為離線情況。由此在部分?jǐn)?shù)據(jù)缺少的情形下，可采用最大信息熵原理進(jìn)行建模分析。

（1）信息熵的意義。1948 年，C.E.Shannon 提出了所謂“信息熵”的概念，解決了對信息的量化度量問題［5］。抽象地講，信息熵可以看做成成某種特定信息的出現(xiàn)概率，其數(shù)學(xué)意義則是表征了信源的不確定度。

深耕中國市場多年，黃連光對各領(lǐng)域的發(fā)展了如指掌。他細(xì)數(shù)細(xì)分領(lǐng)域情況，“出版物印刷在過去這些年里，由于新媒體的介入、人們閱讀習(xí)慣的改變，而受到了一些沖擊，但是到了某個階段，這種變化又停滯下來，傳統(tǒng)印刷讀物依然很有市場，還在平穩(wěn)地往上走?！薄鞍b印刷的量在不斷增加，而且是內(nèi)需的部分，并非外銷。過去十年，外銷在包裝印刷中占了大部分，現(xiàn)在剛好相反。十年來，國內(nèi)中產(chǎn)階層規(guī)模不斷擴(kuò)大，購買能力不斷增長，相應(yīng)地內(nèi)需也在增加”。

式中：P（xi）為信息源取第i 個符號的概率；H（x）為信息源的信息熵。

（2）模型數(shù)學(xué)原理：在只掌握一部分的信息情況下，對數(shù)據(jù)的分布做出較為準(zhǔn)確的預(yù)測，應(yīng)該滿足以下條件：①符合約束條件；②熵值取最大的概率分布。這是在數(shù)學(xué)意義上做出的不偏不倚的選擇。

利用上述原理，把信息熵作為該參數(shù)的不確定性標(biāo)桿，由此確定在相關(guān)約束條件（滿足實際情況）下的隨機(jī)分布，并且取概率最大的情況，祛除人為影響因素，則得出該參數(shù)的最大估計分布，對重要參數(shù)進(jìn)行預(yù)測。該原理已在某些短期負(fù)荷預(yù)測中成功預(yù)測［6］，目前可根據(jù)已有的實施方案，結(jié)合電價的預(yù)測機(jī)制，利用最大信息熵原理對節(jié)點電價進(jìn)行預(yù)測。

2.1.4 基于關(guān)聯(lián)規(guī)則推理

很多重要參數(shù)，可通過對歷史數(shù)據(jù)的關(guān)聯(lián)規(guī)則分析，從而推理發(fā)現(xiàn)一些可靠的規(guī)則，進(jìn)而對歷史數(shù)據(jù)的不斷篩選，可發(fā)現(xiàn)更多的關(guān)聯(lián)規(guī)則。并通過符合實際情況的推理，得到對應(yīng)變化量，如需求電量、供應(yīng)電量、天氣情況（氣溫、降雨）等對電力價格趨勢的影響。另外，政策影響也十分重要。通過關(guān)聯(lián)規(guī)則，進(jìn)一步對ARMA 預(yù)測的結(jié)果進(jìn)行分析驗證和修正，主要是對預(yù)測過程中的“拐點”進(jìn)行校正，使得模型得出的價格預(yù)測結(jié)果更加準(zhǔn)確與完善，符合電力企業(yè)實際報價需求。

2.2 中長期預(yù)測方法

中長期電價預(yù)測可為電力中長期輔助決策提供有效的數(shù)據(jù)支撐，本文采用狀態(tài)空間模型及神經(jīng)網(wǎng)絡(luò)模型進(jìn)行相關(guān)電價的中長期預(yù)測。值得說明的是，神經(jīng)網(wǎng)絡(luò)模型也可對于短期電價進(jìn)行預(yù)測。

2.2.1 狀態(tài)空間模型

狀態(tài)空間模型也稱作為動態(tài)時域模型，是以隱含時間為自變量的數(shù)學(xué)模型［7］。目前我國電力形式、電力市場的電力需求、發(fā)電側(cè)的邊際成本以及負(fù)荷出力情況，由于國家經(jīng)濟(jì)體量已經(jīng)很大，電力市場需求以及電力供應(yīng)情況是不會發(fā)生較為頻繁和巨大的變動，而在煤價較為穩(wěn)定的情況下，發(fā)電側(cè)的邊際發(fā)電成本則能保持較為平穩(wěn)。但如果這3 個變量或者其中1個或者2 個發(fā)生了較大的變動，如2021 年年初至今的煤價居高不下，已達(dá)到歷史新高并保持如此長時間的高位，已對發(fā)電邊際成本起到巨大的影響；再就是疫情的影響，國際市場的影響，電力供應(yīng)也在部分月份出現(xiàn)較大的波動；此種情況下，運用用狀態(tài)空間模型，就可以較好地刻畫出節(jié)點電價的變動?？梢酝ㄟ^對長期煤價、經(jīng)濟(jì)形勢的預(yù)測，利用狀態(tài)空間模型得到長期電價的預(yù)測趨勢，可對企業(yè)提供中長期市場交易支撐作用。

2.2.2 神經(jīng)網(wǎng)絡(luò)模型

由于影響電力市場節(jié)點電價的因素是非常多的，并不是所有的因素都是時間序列參數(shù)，由此當(dāng)影響因素中大量的參數(shù)呈現(xiàn)出強(qiáng)耦合特性，或者非線性的時序特性時，就可采用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模分析［8］。該模型不需要計算參數(shù)的統(tǒng)計特征，從理論上講，神經(jīng)網(wǎng)絡(luò)可以適用于任何非線性時間序列參數(shù)的建模預(yù)測分析。目前學(xué)術(shù)界以及工程界多采用其他建模工具，如模糊數(shù)學(xué)等與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式，對非時序參數(shù)進(jìn)行預(yù)測熱分析。根據(jù)筆者研究，基于小波分析的小波神經(jīng)網(wǎng)絡(luò)具有較好的函數(shù)逼近能力以及泛化性能，可將其應(yīng)用于電價的預(yù)測中。

2.3 預(yù)測模型的預(yù)測范圍與精度分析

各模型方法的優(yōu)缺點對比分析見表1 所示。

表1 電價預(yù)測模型對比

通過上述模型算例預(yù)測節(jié)點電價以及全網(wǎng)節(jié)點加權(quán)平均價格走勢，根據(jù)時序的長短，分別對應(yīng)中長期交易以及日前現(xiàn)貨申報決策。

具體而言，短期電價預(yù)測，包括日前小時級電價問題，其電價波動與時間周期具有一定關(guān)系，如波谷平峰段的不同電價趨勢，可采用時間序列預(yù)測的模型進(jìn)行建模，如ARMA 模型、狀態(tài)空間以及神經(jīng)網(wǎng)絡(luò)建模等。而對于中長期電價預(yù)測，由于時間周期長，影響因素不確定，電價波動可能較大，采用狀態(tài)空間模型以及神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測。綜合各模型適用范圍以及不同的電價指標(biāo)信息特點，模型算法與預(yù)測精度對應(yīng)對關(guān)系如表2 所示。

表2 電價預(yù)測模型適用范圍與精度對比

3 電價預(yù)測的實際應(yīng)用

3.1 電力中長期市場交易輔助決策

中長期交易輔助決策需要綜合考慮持倉合同電量的前提下，權(quán)衡收益以及風(fēng)險情況，提供曲線分解的策略，采取多空頭寸策略。合同電量包括基數(shù)電量、雙邊協(xié)商合約合同電量（市場、基數(shù)），年度、月、周度集中競爭電量合同電量（市場、基數(shù)）、掛牌交易電量。

中長期輔助決策的核心在于對節(jié)點電價的有效預(yù)測。本文所提供的持倉策略主要為：未來節(jié)點電價看漲，少持倉；未來節(jié)點電價看跌，增加持倉。示意圖如圖2。

圖2 電力中長期市場交易輔助決策示意圖

3.2 電能量市場交易輔助決策

電能量市場實時交易策略及報價模型的建立，主要依賴成本分析模塊對于發(fā)電機(jī)組的成本計算以及預(yù)測，風(fēng)險管理系統(tǒng)對交易品種的風(fēng)險偏好計算與預(yù)估，價格預(yù)測模塊對市場電價走勢及電價的有效預(yù)測，最終通過以上信息與中長期合同價格對比，并結(jié)合發(fā)電成本，提供持倉策略：日前/現(xiàn)貨電價預(yù)測值高（概率高），增加現(xiàn)貨出清電量，減少短期合同電量；日前/現(xiàn)貨電價預(yù)測值低，增加合同電量，減少現(xiàn)貨出清電量，示意圖如圖3。

圖3 電能量市場交易輔助決策示意圖

4 總結(jié)

研究表明指數(shù)平滑法、ARMA 模型、最大信息熵模型及“關(guān)聯(lián)規(guī)則+ARMA”等模型較適合短期電價預(yù)測；狀態(tài)空間模型及神經(jīng)網(wǎng)絡(luò)模型較適合長期電價預(yù)測。通過多因素分析以及各模型多級驗證，對節(jié)點電價進(jìn)行預(yù)測，并應(yīng)用于電力中長期市場及電能量市場，表明：①中長期輔助決策的核心即在于對節(jié)點電價的有效預(yù)測，持倉策略主要為：未來節(jié)點電價看漲，少持倉；未來節(jié)點電價看跌，增加持倉；②電能量市場持倉策略是日前/現(xiàn)貨電價預(yù)測值高（概率高），增加現(xiàn)貨出清電量，減少短期合同電量；日前/現(xiàn)貨電價預(yù)測值低，增加合同電量，減少現(xiàn)貨出清電量。