طبقه بندی قیمت آینده بازار برق

چکیده

 مقدمه 

بررسی پس زمینه ها

نقد و بررسی نشریات پیش بینی کوتاه مدت قیمت 

ساختمان مدل داده محور 

 پیش پردازش داده ها:

انتخاب مدل

دسته بندی پیشنهاد شده بر مبنای SVM 

شکل  1.  نمونه  ACF برای (a) HOEPها و (b) HAPPها برای سال 2008. 

نتیجه ی عددی   

مدل M1 

مدل M2 

شکل  2.  نوسانات قیمت تقاضا برای بازار آلبرتا در سال 2008.

 شکل  3.  حساسیت MPCE را در آستانه ی  T  ، HOEP

عملکرد مقایسه

حساسیت نتایج آستانه انتخاب 

نتیجه گیری

 ضمیمه 

پیش بینی کوتاه مدت قیمت ها در بازار برق در سال های اخیر در تمرکز مطالعات متعدد بوده است. اگر چه روش های مختلف مورد بررسی قرار داده شده اند، دستیابی کمی از خطاهای پیش بینی نشده همیشه امکان پذیر است. با این حال، برخی از برنامه های کاربردی، مانند مدیریت سمت تقاضا، نیاز به مقادیر دقیق برای قیمت های آینده ندارند، بلکه از آستانه قیمت مشخص به عنوان پایه ای برای ساخت تصمیمات برنامه ریزی کوتاه مدت استفاده می کند. در این مقاله، طبقه بندی قیمت های بازار برق در آینده با توجه به آستانه قیمت از پیش تعیین شده معرفی شده است. دو مدل جایگزین بر اساس بردارهای پشتیبانی ماشین با مفهوم چند طبقه، به صورت طبقه بندی روز آتی قیمت ارائه شده است. نتایج عددی برای طبقه بندی قیمت ها در بازار آلبرتا و انتاریو ارائه شده است.

قیمت برق یک عامل کلیدی در تعیین برنامه عملیاتی کوتاه مدت و استراتژیهای مناقصه در بازار رقابتی برق [1] می باشد. در نتیجه، روش های متعدد داده ی رانده شده، برای مدل سازی و پیش بینی کوتاه مدت قیمت ها در بازار برق ارائه شده است. [16] -[2] خطاهای پیش بینی قیمت گزارش شده به طور کلی از حدود 5٪ تا 36٪ متغیر و متفاوت است که بر اساس روش مورد استفاده و تجزیه و تحلیل بازار می باشد. این طیف وسیعی از خطا، با این حال، در مقایسه با پیش بینی کوتاه مدت بار الکتریکی که در آن اشتباهات معمولا از 1٪ تا 3٪ متغیر می باشند، نسبتا بالا خواهد بود [17]. عوامل مختلفی که باعث کاهش دقت مدل پیش بینی قیمت برق می شوند، عبارتند از: قطع اجباری غیر قابل پیش بینی [16]، رژیم های پیچیده و در حال تغییر قیمت [18]، یکپارچه سازی منابع انرژی متناوب [19]، و پیاده سازی برنامه های پاسخ به تقاضای مبتنی بر قابلیت اطمینان، [20] همه اینها نوسانات و تغییراتی را در قیمت برق معرفی می کنند که ممکن است به شکلی با دقت و به طور مداوم مدل شوند. این است که از نشریات موجود مشاهده می شود که مدل پیش بینی قیمت های سنتی به طور کلی برای پیش بینی عددی یا پیش بینی نقطه ای توسعه یافته است. اینگونه است که، مدل های موجود پیش بینی دقیق قیمت ها در ساعت های آینده را توسط تخمین فرایند شکل گیری قیمت واقعی زیر بنایی امتحان می کنند. با این حال، تمام شرکت کنندگان در بازار نیاز به دانستن مقدار دقیقی از قیمت های آینده در فرآیند تصمیم گیری خود دارند. به عنوان مثال، از طریق مقدمه ای از فناوری های "شبکه هوشمند" و طرح های بازار جدید، انتظار می رود که از طریق فعل و انفعالاتی در سمت تقاضا به طور گسترده ای قادر به شرکت در بازارهای برق در سطوح مسکونی، تجاری، و صنعتی باشند[21]. با توجه به روشن / خاموشی طبیعی بسیاری از بارهای الکتریکی، به خصوص در سطح مسکونی، ممکن است شرکت کنندگان در سمت تقاضا در بازار در درجه اول هنگامی که قیمت از آستانه خاص تجاوز کند واکنش نشان دهند. فراتر از این آستانه ها، قیمت دقیق برق بی اهمیت در نظر گرفته می شود. [20] علاوه بر این، بسیاری از محصولات پاسخ تقاضا با داشتن آستانه مشخصی برای قیمت برق به صورت ذهنی طراحی شده اند، مانند برنامه روز آتی بار قابل ارسال در بازار انتاریو [22]. یکی دیگر از نمونه های تصمیم گیری بر مبنای آستانه می تواند در مصرف کنندگان برق با امکانات تولید در محل یافت شود. این تسهیلات ، اگر قیمت بازار برق پایین تر از هزینه های حاشیه ای عامل تجهیزات تولید برق بر روی سایت باشد، تنها برق را از شبکه خریداری می کنند [12]. در این نوع از برنامه های کاربردی که در آن مقدار دقیق قیمت ها در درجه اول لازم نیست، مشکل پیش بینی قیمت نقطه ای می تواند به طبقه بندی مسئله فرعی قیمت کاهش یابد که در آن طبقه قیمت های آینده مورد توجه می باشد. این مقاله روش طبقه بندی کوتاه مدت قیمت را به عنوان جایگزینی برای پیش بینی قیمت های عددی پیشنهاد می کند. در طبقه بندی قیمت، پیش بینی ها با توجه به اینکه آیا قیمت بالا یا پایین تر است از آستانه قیمت پیش تعیین شده ای که توسط کاربران تعریف شده و بر اساس عملکرد و برنامه ریزی های علمی آنها می باشد، ساخته شده است. زمانیکه مقدار دقیق قیمت های آینده، در حد بحرانی مهم نباشد، طبقه بندی قیمت به طور خاص مفید می باشد. کار اصلی این مقاله پیشنهاد یک رویکرد سفارشی برای پیش بینی رفتار قیمت ها در آینده می باشد که در آن پیش بینی نیازهای خاص کاربران در نظر گرفته شده است. بقیه این مقاله به شرح زیر است: در بخش دوم، یک بررسی از پس زمینه های مربوط به این مقاله ارائه شده است. مدل پیشنهادی در بخش سوم مورد بحث قرار گرفته به دنبال آن نتایج عددی در بخش چهارم. در نهایت، یافته های اصلی این مقاله در بخش V خلاصه شده است.