4种电力衍生产品定价方法分析

随着电力市场的出现，电力衍生产品逐步成为电力交易的主要形式之一。由于电力不能大规模储存，作为现代金融工程理论核心的无套利定价原理对大多数电力衍生产品定价不再适用。文中采用Black-76公式和仿射跳跃-扩散电价模型研究了电力期货／远期、期货期权、单点期权以及摇摆期权等奇异期权的定价问题，提出了一种新的电力衍生产品风险中性概率框架，并根据德国EEX电力市场实际价格，利用解析及Monte Carlo方法给出了若干常见电力衍生产品的实际定价算例。计算表明，所提出的电力衍生产品定价方法具有完备的理论基础，能够解决各类常见电力衍生产品定价问题。     

基于灵敏度分析的机组电价决策及其算法

基于博弈论的机组报价分析算法中，要对所有机组的高中低3种报价组合进行机组功率分配计算。如果系统中机组数较多，计算工作量将会十分巨大。目前的基于Nasb均衡点求解的方法只能竞价一个电价参数，因而很难用于实际系统。该文提出了基于最优解灵敏度的二电价参数的Nasb均衡点求解方法。与已有文献相比，该方法具有数学模型合理可行实用之特点，可用于中长期电量电力市场，日前电力市场，实时电力市场以及辅助服务市场竞价策略的分析。文中给出了实例分析结果，表明所提方法正确合理。     

基于功率贡献的负荷电价计算

合理地制定负荷电价是电力市场中的一个重要问题。文中提出了一种应用叠加原理求解某一潮流运行点下各电源对负荷的有功、无功贡献，依据综合成本分摊进行负荷电价计算的电力定价新方法。该方法适用于存在环流的网络，有效地解决了发电机进相运行时生产成本的回收问题，并将负荷有功、无功电价计算有效地统一起来；该方法计算简单、实用性强。文中以IEEE 14节点系统为例进行了负荷电价仿真计算，验证了该方法的合理性。     

基于多智能体强化学习的电力现货市场定价机制研究(二):结合理论与仿真的定价机制决策框架

该文研究了电力现货市场定价机制的选择和设计问题。首先,初步分析系统边际电价、节点边际电价和分区边际电价等3种定价机制的适用性,提出理论分析和市场仿真相结合的电力现货市场定价机制决策框架。理论分析方面,梳理了电力现货市场定价机制的理论和国际实践,给出3种定价机制的出清模型和电价计算方式,基于安全约束经济调度模型建立兼容性再调度模型;从价格信号作用、对中长期市场交易开展的影响、市场监管和配套机制需求等多个维度,对3种定价机制的特点进行对比分析,并探讨定价机制与市场模式的配合关系和我国定价机制设计中需要考虑的关键问题。市场仿真方面,基于3种定价机制下的发电商报价双层优化模型,对IEEE 39系统进行仿真计算。最后,综合分析仿真结果和定价机制特点,为算例系统选择合适的定价机制,验证了所提电力现货市场定价机制决策框架的有效性。2篇论文共同解决了定价机制设计与发电商报价策略的嵌套难题。     

可中断电力合同中新型期权的定价

可中断电力合同是一种结合电力期权的风险管理工具，可有效地管理可中断负荷。可中断电力合同所结合的电力期权为新型复合电力期权而不是普通的期权，由于新型电力期权的复杂性导致不能求解期权价格的解析解，因此该文提出通过数值方法：蒙特卡罗法近似求解该复合电力期权的价格，并提出了该期权在无套利条件下的定价公式。该文通过电价的历史数据分析提出了电价的混合模型，以描述电价行为特性。算例对美国New England电力市场某月的复合电力期权进行定价，结果表明该期权价格与实际市场中的该期权价值间的误差小于5％，说明该文所提方法是有效的。该文提出的期权定价方法也适用于其它类型的电力期权，有推广价值和应用前景。     

节点电价的理论剖析与拓展

电力市场化的改革关键在于还原电力的商品属性,通过市场发现价格,发挥电价在引导能源资源配置中的关键作用。节点电价是美国区域电力市场及我国现货市场试点建设中普遍采用的定价机制。该文通过剖析节点电价的物理内涵及其经济学原理,说明节点电价的一般计算方法,论证节点电价满足的激励相容性质。分析结果表明,节点电价激励相容属性成立的条件是市场出清模型为凸优化问题,而电力现货市场出清中需要求解的机组组合模型为非凸模型。针对这一关键问题,给出非凸定价的概念,并深入剖析非凸定价的典型代表——凸包定价方法,给出凸包定价的基本模型,推导凸包定价可降低上调费用的优良性质,阐述其物理内涵和经济学意义。     

基于MCP预测的发电侧定价方法

随着我国电力系统解除管制和电力市场的逐步建立和完善，以及发电侧电力市场的建立，如何制订合理的发电价格成为研究重点。传统的方法大都以考虑电网的潮流约束为主,建立实时定价模型，忽视了发电方经济目标的要求。文中以发电方的经济目标为出发点，除传统的潮流约束外，把预测的平均成交电价、年度利润目标等一起作为约束条件建立定价模型，采用牛顿法计算发电电价。计算结果表明这种定价方法可以有效提高发电方利润。     

基于原–对偶内点法的节点边际电价计算

节点边际电价在电力交易和处理输电阻塞中具有重要作用。文中建立了计算节点边际电价的线性规划模型，分析了利用传统线性规划方法求解节点电价存在的困难，提出了基于原–对偶内点法的节点边际电价计算方法。对典型的6节点电力系统进行了计算验证，结果表明，所提出的方法计算结果符合理论要求，计算速度快，收敛性好。     

基于多参数规划理论的时间连续节点电价

随着新能源渗透率的不断提高,电力市场需要细化定价颗粒度以反映时变的市场供需关系。基于多参数规划理论,提出时间连续节点电价的计算方法。以时间为规划参数构建经济调度模型,并基于多参数规划理论解析推导了节点电价与时间之间的解析表达式,可快速获得节点电价与时间的连续映射关系,为市场提供随时间连续变化的价格信号。基于IEEE30节点和IEEE118节点系统的仿真分析,验证了所提方法的价格信号合理性及计算效率优势。     

基于潮流跟踪的电力市场电价研究

我国现在正处在电力市场开放的前夕,厂网分开,竞价上网.如何公正、合理地确定电价是电力市场的一个核心问题.文中使用矩阵法进行系统潮流跟踪,确定用户对系统网络资源、发电资源的占用,以及应分摊的网损,依此为基础提出一种电力市场定价方式,真正体现根据资源占用比例计算费用的原则,同时还讨论了无功电价的计算方法.一个22节点的算例计算显示,该方法是可行的.     

Stochastic Simulation of Spot Power Prices by Spectral Representation

Simulating the random changes of power prices is a crucial task for operational and trading decisions. Currently, models stemming from econometrics and financial mathematics represent the dominating approach to the stochastic simulation of electricity prices. This work proposes a novel methodology based on frequency-domain techniques for simulating the random fluctuations of hourly electricity prices according to probabilistic and spectral properties observed in historical data. The developed nonparametric algorithm is based on the well-known spectral representation method. The method has been extended to accurately reproduce the remarkable non-Gaussian and local nonstationary features of power prices. An iterative procedure and a nonlinear memoryless transformation have been applied to simultaneously match the observed evolutionary spectral content and the marginal non-Gaussian probability density function (PDF) of the random power price fluctuations. The proposed method is general and can be applied to any power market as it does not require the postulation of a model structure and the calibration of model parameters. The method is computationally very efficient as it takes advantage of fast Fourier transform techniques. Spot prices quoted on the German EEX have been selected for extensively testing the quality of the synthetically generated prices. Results show that price samples simulated with the proposed model replicate very accurately both the distributional and time-varying spectral features of the stochastic electricity price dynamics.     

基于可信度加权组合的电价波动模式日前预报方法

准确的日前电价预测对电力市场参与者的优化决策具有重要意义。目前,大多数日前电价预测方法并不区分每天电价的波动模式而采用统一模型进行预测,当被预测日的波动模式与历史数据出现较大差异时无法保证预测的准确性。根据不同的日波动模式采用相似历史数据进行分类建模是解决此问题的有效途径,这就需要建立针对历史数据不同波动模式的分类识别模型和针对未来波动模式的日前预报模型。为此,文章提出一种针对分类预测的电价日波动模式日前加权组合预报方法。第一,采用K-means算法对日电价序列进行聚类分析,在分析聚类结果特性的基础上提取反映每日波动模式差异的特征向量,利用支持向量机分类（support vector machine for classification, SVC）方法建立电价数据日波动模式的识别模型;第二,利用多种常规方法建立日前电价预测模型对日前电价进行预测,并将预测结果输入日波动模式识别模型得到对应的模式识别结果;第三,根据多个方法波动模式预测结果对历史数据表现出来的不同精度,设计了基于可信度的组合机制,实现考虑预测准确性的加权组合预测,从而得到最终的日波动模式预测结果。利用美国PJM电力市场电价数据进行的仿真分析表明,提出的日前电价波动模式预测方法能得到较为准确的模式预测结果;利用电价波动模式日前预报进行分类预测的精度相对统一预测有显著提高。     

利用多因素小波变换和多变量时间序列模型的日前电价预测

电力市场中,市场出清电价具有较强的波动性、周期性和随机性,实践证明单一的电价预测模型很难提高预测精度。针对该问题,提出一种基于多因素小波变换和多变量时间序列模型的日前电价预测方法。利用小波变换将历史电价序列和负荷序列分解和重构成概貌电价、细节电价和概貌负荷、细节负荷。用概貌电价和概貌负荷作变量建立多元时间序列模型,预测未来概貌电价;用单变量时间序列模型预测未来细节电价。将概貌电价和细节电价的预测结果求和作为最终的预测电价。采用上述方法对美国加州电力市场日前电价进行预测,并与对比模型进行了详细的比较分析,结果表明该方法能够提供更准确的预测电价。     

考虑多重周期性的短期电价预测

考虑到电价各时段变化以及周末与工作日变化的差异,提出了区分周末的分时段短期电价预测模型。该模型首先将各日中同一时段的电价形成该时段的电价序列,再将各时段电价序列分为工作日电价序列和周末电价序列。这样形成了多个消除了日周期性和星期周期性的子电价序列,分别对各子电价序列进行预测以得到预测日电价。采用基于小波分析的广义回归神经网络对这些子电价序列分别进行提前一天的预测,各子电价序列的预测电价就形成了下一天的预测电价。采用该方法对西班牙电力市场电价进行了长时间的连续预测,并与已有的预测方法进行了详细的比较分析,研究表明该方法能够提供更准确的预测电价。     

基于动态计量经济学模型的短期电价预测

电力市场中的电价受众多因素影响,单变量时间序列法已很难提高短期电价的预测精度。针对该问题,文中运用时间序列模型的动态计量方法来预测短期电价。首先建立电价和电量的一般自回归分布滞后模型;然后对电价和电量的时间序列数据进行预处理;在通过平稳性和协整性检验后,建立误差修正模型,最终由Eviews 5.0估计出模型的参数。利用此模型对澳大利亚新南威尔士州电力市场的短期电价进行预测,结果表明此模型具有较高的预测精度。     

基于小波分析的短期电价ARIMA预测方法

电力市场中的电价具有特殊的周期性,以天、周、年为周期波动,且大周期中嵌套小周期.作者提出一种基于小波分析的累积式自回归滑动平均方法(WARIMA)用于短期电价预测,首先利用小波变换能将交织不同频率成份的混合信号分解成不同频带上的块信号的特性,将电价这一随机序列进行小波分解,得到低频上的概貌序列和高频上的细节序列,并在此基础上对各个子电价序列分别利用累积式自回归滑动平均模型(ARIMA)进行预测,然后在电价平稳时段用概貌序列预测结果直接作为电价预测结果,而在电价非平稳时段将各子序列预测结果重构作为最终的预测结果.为了对比分析,将直接使用ARIMA模型的预测结果和采用WARIMA方法的预测结果进行了比较,表明引入小波分析对提高预测精度是有益的.     

Forecasting the Mean and the Variance of Electricity Prices in Deregulated Markets

A fundamental bid-based stochastic model is presented to predict electricity hourly prices and average price in a given period. The model captures both the economic and physical aspects of the pricing process, considering two sources of uncertainty: availability of the units and demand. This work is based on three oligopoly models-Bertrand, Cournot, and supply function equilibrium (SFE) due to Rudkevich, Duckworth, and Rosen-and obtains closed form expressions for expected value and variance of electricity hourly prices and average price. Sensitivity analysis is performed on the number of firms, anticipated peak demand, and price elasticity of demand. The results show that as the number of firms in the market decreases, the expected values of prices increase by a significant amount. Variances for the Cournot model also increase, but the variances for the SFE model decrease, taking even smaller values than Bertrand's. Thus, if the Rudkevich model is an accurate representation of the electricity market, the results show that an introduction of competition may decrease the expected value of prices but the variances may actually increase. Finally, using a refinement of the model, it has been demonstrated that an accurate temperature forecast can reduce significantly the prediction error of the electricity prices.     

带置信区间的短期电价预测方法

电力市场中的电价呈现出均值回复、异方差、多周期、跳跃和尖峰等特性,预测精度往往不理想.同时,单点预测值难以有效指导市场参与者选择交易策略,也无法为电力监管机构提供监管和调控的依据.提出了一种带置信区间的小波-季节短期电价预测方法,以小波多分辨率分析和季节模型为工具,得到带置信区间的电价预测结果.算例分别采用加州市场平稳时期和危机时期历史数据,预测下一日电价,说明模型是有效的.     

最优组合预测方法在电价预测中的应用

电价是电力市场中的核心因素,电价预测是各个市场参与方共同关注的一项重要工作。为了提高电价预测的准确性,文章引入组合预测模型,将几个单一电价预测模型有机地结合起来,综合各个预测模型的优点,得出更为准确的预测结果。通过使组合预测误差平方和最小,以确定各个单一预测方法的权重系数。用美国加利福尼亚州电力市场日均历史电价进行预测校验,算例分析结果说明了该组合预测方法的有效性。     

Electricity price forecasting using artificial neural networks

Electricity price forecasting in deregulated open power markets using neural networks is presented. Forecasting electricity price is a challenging task for on-line trading and e-commerce. Bidding competition is one of the main transaction approaches after deregulation. Forecasting the hourly market-clearing prices (MCP) in daily power markets is the most essential task and basis for any decision making in order to maximize the benefits. Artificial neural networks are found to be most suitable tool as they can map the complex interdependencies between electricity price, historical load and other factors. The neural network approach is used to predict the market behaviors based on the historical prices, quantities and other information to forecast the future prices and quantities. The basic idea is to use history and other estimated factors in the future to “fit” and “extrapolate” the prices and quantities. A neural network method to forecast the market-clearing prices (MCPs) for day-ahead energy markets is developed. The structure of the neural network is a three-layer back propagation (BP) network. The price forecasting results using the neural network model shows that the electricity price in the deregulated markets is dependent strongly on the trend in load demand and clearing price.