基于MPMR方法的中长期电价预测模型研究

邓雪凝

（华北电力大学 北京市 102206）

电力行业在开展电力工业建设环节，传统形式是采用垂直垄断体制，该体制的运用有利于加强系统内部协调效果，提高电网规划效率。在经济飞速发展的当下，电力市场改革被正式提上日程，创建公开公正的市场电价机制是当前行业非常重要的工作之一。考虑到电力市场改革在一体化经营以及各个环节竞争方面的要求，电价预测就显得非常重要，则需要创建中长期电价预测模型，制定合理的电价。

在实施电力改革期间，电价预测是当前电力行业的一项新内容，在电力系统运行期间成为市场运行以及电力各项工作实施的重点[1]。展开电价预测需要重点分析市场供求关系以及所有参与人员的市场力，电力成本和电力市场体制结构也是十分关键的影响因素。通过数学工具展开对历史电价的分析，总结其中存在的关系与规律，在确保电价预测精准度与效率的基础之上，对电价价格展开预测[2]。

1 基于MPMR方法的中长期电价预测模型

1.1 MPMR方法的步骤分析

展开电价预测需要用到大量数据，构建电价预测模型，用到合理的算法，在采集到的历史数据基础上组织试验。并在实践过程中不断总结经验，调整电价预测模型与算法，总结电价变化存在的规律[7]。通常电价预测过程包括制定预测方向、采集历史电价数据、创建电价预测模型、模型预测、预测结果评价5 个步骤，具体分析如下：

1.1.1 制定电价预测方向

为了能够确定电价预测目标，需要从预测对象、内容范畴以及预测期限这三个方面着手。通常明确预测范围是电价预测涉及到的范畴，电价预测内容则有电量、电力、电价地区分布情况、电力电价变化规律、电力电价曲线特点、电价曲线[8]。电价预测期限则是预测时间，例如中长期预测或者短期预测。下面主要采用中长期电价预测方法。

表1：2006-2019年安徽省电价数据

1.1.2 采集历史电价信息

从多个渠道采集电价预测数据，选择最具代表性且真实性最高的数据在电价预测中应用。如果分析过程中发现有异常数据的存在，需要及时舍去或者修改[9]。电价预测期间遵循重近轻远原则，物理量今后变化趋势与历史时段近期发展规律有直接关系，远期历史电价数据和今后发展趋势关联程度不强。

1.1.3 组建电价预测模型

按照已经明确的电价预测内容，分析预测对象，按照历史电价数据实际状况，结合所在地区电价预测实际情况创建数学模型。

1.1.4 模型预测

在完成预测模型创建后，按照采集得到的数据获取模型参数，并且针对今后各个时段展开预测工作。

1.1.5 预测结果评价

采用MPMR 方法分析电价预测结果，判断预测结果的合理性，并且按照要求调整预测结果。

1.2 创建回归数学模型

采用MPMR 方法创建电价预测模型，首先要展开最小最大概率机分类，该方法是以核函数最小最大概率机分类为基础，在回归数学模型创建中得到广泛应用。

其中涉及到的二元分类问题可以总结为位置数据正确分类概率最大化处理，二元分类器的形式如下：

利用求解公式的最优化问题的方式，可以得出：

利用解最优问题公式（2）可以得出γ 的数值。

利用公式（3）：

即可求解得出bc的数值，其中

随后，分析最小最大概率回归，采用以上所述分类方法可以构建MPMR 方法框架，按照原始训练样本数据 可以得出两种类型的数据：

明确两类点集，利用最小化公式（2）可以获得Rd+1，随后得出两类电极ui、vi分类面：

1.3 中长期电价预测模型创建

构建电价预测模型，应用回归模型预测技术是以预测目标历史数据为前提，创建可以数学分析的模型，针对今后电价预测目标展开预测工作，立足于数学理论视角，通过数理统计所涉及到的回归分析法，采用变量观测数据展开统计与分析，明确不同变量之间所具有的相互关系，从而完成电价预测。下面运用最小最大概率回归模型展开中长期电价预测[13]。

电价涉及到诸多影响因素，不仅会引发电价突变现象，其中所涉及到的冗余信息还会降低回归模型精准性。所以，在大量数据中总结基本规律，提高中长期电价预测模型在电价波动这一层面的适应性，是展开电价预测工作最为重要的问题[14]。针对电价诸多影响因素，高阶统计量包括大量深层次数字特征，历史电价预测模型并没有运用到以上数据，为了能够总结出所有影响因素的规律，以高阶统计信息电价影响因素为前提，创建特征提取模型，对电价预测模型进行优化。在创建模型中运用到核函数，具体需要使用高斯核函数：

该模型的优势是历史数据拟合，可以总结今后电价发展趋势，并且得出预测公式，了解各个管道ε 值下与之对应的预测最小概率界，符合电价预测需求。

随后要选择预测模型变量，中长期电价预测模型中所有输出变量，为预测实际电价，模型输入变量选择需要在创建模型期间加强重视。针对数据的分析对比，预测期负荷预测值、前一年电价、发电成本作为三个重要变量，可以在预测模型输入变量中得到应用。其中预测期负荷预测值是制定发电商报价决策的重要内容，也关系到MCP。发电成本则可以明确实际电价。预测电价环节必须要重点考虑发电成本，如果数据缺失，那么发电成本可以替换为燃料成本。因为燃料成本的价格不会出现明显波动，且实际数据有限，所以下面分析中并不考虑燃料成本[15]。具体在实际电价的使用方面，主要指代的是预测周期范围内将实际电量作为权值的加权平均MCP。

2 采用MPMR方法创建中长期电价预测模型实例分析

通过 Matlab 软件创建中长期电价预测模型，采用MPMR 方法，以年为标准展开预测。进行年度电价预测，从2006-2019 电价表中采集电价预测数据，具体数值如表1 所示。

创建最小最大概率回归模型，为了保证模型预测精准度，训练样本可以结合实际需求分割，在模型训练环节预测当年信息当作输入量，逐次预测年平均电价。在电价预测实践过程中，将平均相对百分误差均方根百分误差作为系统评价指标，按照公式（9）进行计算。

在公式中Pi、代表预测范围内第二年实际平均电价、预测平均电价，d 代表的是预测期年数，如果指标数值减小，代表系统预测性能提升。针对高斯核函数形状参数σ2、回归管道参数ε 可以采用交叉验证的方式。针对各个管道ε 值展开平均电价预测。

由此可知，MPMR 方法可以保证回归模型在实际回归函数值管道中最小概率界的有效性，分别代表各个ε 值管道的各个数值，由此确定管道宽度是电价预测结果的重要影响因素。

由此可知，利用MPMR 方法展开电价预测，最终得出的预测结果更加准确且具有稳定性，特别是电价波动相对较大的时间范围内，最终预测效果更为理想。所以按照MPMR 方法创建电价预测模型，能够提升非线性回归模型在电价波动较大情况下的适应性，提高模型训练精准度，使MPM 和回归法能够有效融合。

3 结语

综上所述，电价预测工作是电力企业非常重要的工作之一，为了能够保证电价预测结果的准确性与可行性，需要创建电价预测模型。针对中长期电价预测模型展开讨论，其中应用MPMR 方法，不仅能够提高电价预测结果的准确性，还可以适应电价波动较大的情况，满足电价预测要求，也为今后电力企业开展电价预测工作提供有价值的参考。