电力市场环境下的短期电价预测

　　本书在分析国内外短期电价预测研究现状、电价影响因素、电价特征和影响电价预测精度因素的基础上，提出了针对不同电力市场的短期电价混合预测模型，以期提高短期电价预测精度。本书适用于发电商、电力大客户、市场监管部门等需要对短期电价进行预测的读者。

　　张金良，北京理工大学管理与经济学院博士后，Tufts University， Fletcher School of Law and Diplomacy博士后，Malardalen University访问学者，华北电力大学副教授，硕士生导师、北京能源发展研究基地研究员、中国优选法统筹法与经济数学研究会统筹分会常务理事、中国“双法”研究会能源经济与管理研究分会理事。近五年主持国家J课题两项，电网企业课题十多项；近五年以第D一作者发表SCI/SSCI期刊论文10多篇。

目录

第1章 绪论
1.1 电力市场的基本概念
1.1.1 电力市场的出现
1.1.2 电力市场的 定义
1.1.3 电力市场的目标
1.1.4 电力市场的模式
1.1.5 电力市场的结构
1.1.6 电力市场的种类
1.2 国内外研究现状
1.2.1 时间序列模型
1.2.2 人工智能模型
1.2.3 组合预测模型
1.2.4 混合预测模型
1.3 本书研究的主要内容
第 2 章 电价形成机制及其影响因素分析
2.1 电价形成机制
2.2 电价影响因素
2.2.1 历史电价
2.2.2 负荷

2.1.3 发电商报价策略
2.1.4 市场供求情况
2.1.5 其他因素
第 3 章 电价特点分析
3.1 多周 期性
3.2 均值回复特性
3.3 异 方 差 性
3.4 较强的波动性
第 4 章 影响电价预测精度的 因素分析
4.1 输入变量的选择
4.2 输入数据的处理
4.3 样本长度的选择..
4.4 预测模型的选择
第 5 章 基于时间序列模型的混合预测模型
5.1 引言
5.1 基本理论
5.2.1 , 、 J 波 变换
5.2.2 ARMAX - GARCH 模型
52 3 SARIMA 模型
5.2.4 ARIMA 模型
5.3 混合预测模型的建立
5.3.1 建模的思想.
5..3 2 建模的步骤
5.4 算例分析
5.4.1 美国加州电 力市 场电价预测5.4.2 加拿大安大略省电力市场电价预测
5.5 小结
第 6 章 基于时间序列模型和人工智能模型的混合预测模型
6. 1 引言
6.2 基本理论
6.2.1 支持向量机
6.2.2 最小二乘支持向量机
6.2.3 粒子群算法
6.2.4 粒子群优化的最小二乘支持向量机
6.3 混合预测模型的建立
6.3.1 建模的思 想
6.3.2 建模的步骤
6.4 算 例 分 析
6.4.1 澳大利亚新南威 尔士 电力市场电价预测
6.4.2 澳大利亚昆士兰电力市场电价预测
6.5 小结
第 7 章 基于时间序列模型、人工智能模型和混沌理论的混合预测模型
7.1 引言
7.2 基本理论
7.2.1 混沌预测理论
7.2.2 指数广义自回归条件异方差模型
7.3 混合预测模型的建 立
7.3.1 建模的思想
7.2.1 7.3.2 建模的步骤
7.4 算例分析
7.3.3 西班牙电 力市场电价预测
7.3.4 美国宾夕法尼亚－新泽西－马里兰电力市场电价预测
7.5 小结
第 8 章 总结与展望 8.1总结 8.2展望 参考文献