第２卷第２３期２１０１年４月电力系统及其自动化学报ＰｒｅｄｉｈｅＣＳＵ－ｏｃｅｎｇｓｏｆｔＥＰＳＡＶｏ．Ｏ１２３Ｎ．２Ａｐｒ．２０１１小波神经网络预测电价的新改进涂启玉，张茂林（南电力调度中心，明６０１）云昆５０１摘要：测市场边际电价对于电力市场的参与者有十分重要的意义。该文首先分析了Ｂ预Ｐ神经网络在电价预测方面的优劣势，后基于小波分析，用母小波取代Ｓｇｉ数建立了小波神经网络的电价预测模型，然即ｉｍｏｄ函并用遗传算法优化神经网络的拓扑结构和各权重系数，而避免Ｂ从Ｐ神经网络的预测电价陷入局部极小值。实际计算表明，进后的预测模型有效地提高了预测精度。改关键词：电价预测；Ｐ神经网络；波变换；遗传算法Ｂ小中图分类号：ＴＭ７；Ｆ２．３１３９文献标志码：Ａ文章编号：０３８３（０１０―１７Ｏ１０―９０２１）２０５一４ＥｌｃｒｃｔｉｅＦｏｅａｔｎｇＵｓｎｇＷａｅｅｅｔｉｉｙＰｒｃｒｃｓｉｉｖｌｔＮｅｒｌＮｅｗｏｋｕａｔｒｓＯｐｔｍｉｅｙＧＡｉｚｄｂＴＵ―ｕ，ＺＨＡＮＧＭａ―ｉＱｉｙｏｌｎ（ＹｕｎｎｎＰｏｒＤｉｐｔｈｉｇＣｅｅａｗｅｓａｃｎｎｔｒ，Ｋｕｎｉ５１１，Ｃｈｉａｍｎｇ６００ｎ）ＡｂｔａｔＦｏｒｃｓｉｇｈｅｆｕｒｌｃｒｃｔｉｅｉｅｙｉｐｒａｏｒｅｅｒｒｉｉａｔｓｉｈｅｐｏｅａｋｅ．ｓｒｃ：ｅａｔｎｔｕｔｅｅｅｔｉｉｙｐｒｃｓｖｒｍｏｔｎｔｆｖｙｐａｔｃｐｏｒｎｔｗｒｍｒｔＴｈｉｐｐｅｎｙｓｓｔｄｖｎｔｇｅｎｄｄｓｄｖｎｔｇｅｆＢＰｅａｅｗｏｋｔｎｐｒｉｓａｗａｌｔｉｐｒｅｓａｒａａｌｅｈｅａａａｓａｉａａａｓｏｎｕｒｌｎｔｒｓ，ｈｅｏｖｄｅｖｅｅ―ｍｏｖｄｎｅｒｌｎｅｗｏｒｍｏｄｌｂｓａｅｅｎｌｓｓａｈｅｔｐｏｏｔｕｃｕｒｎｅｇｈｏｅｆｃｅｔｍｉｅｕａｔｋｅａｅｏｎｗｖｌｔａａｙｉｎｄｔｏｌｇｙｓｒｔｅａｄｗｉｔｃｆｉｉｎｔｏｐｉｚｄｂｙＧＡ．Ａｐｉａｔｏｏｔｅｒａｙｓｅｍｈｏｗｓｔｔｔｓｍｏｌｃｒｉｐｒｅｔｏｅａｉｇｐｒｃｓｏｎａｖｄｔｅｐｌｃｉｎｔｈｅｌｓｔｓｈａｈｉｄｅａｌｍｏｖｈｅｆｒｃｓｔｎｅｉｉｎｄａｏｉｈ１ｔｔｏｆｔｅＢｅｒ１ｅｗｏｋ．ｉａｉｎｏｈＰｎｕａｎｔｒｓｍｉＫｅｒｓｌｃｒｃｔｒｃｏｅａｔｎｙｗｏｄ：ｅｅｔｉｉｐｉｅｆｒｃｓｉｇ；ｂｃｒｐｇｔｎｎｔｒｙａｋｐｏａａｉｅｗｏｋ；ｗａｅｅｒｎｆｒ；ｇｎｔｌｏｉｍｏｖｌｔｔａｓｏｍｅｅｉａｇｒｔｃｈ电力市场短期边际电价预测是电力市场竞价系统的重要组成部分，为电力市场各交易方的竞它应用于ＢＰ神经网络，而加快其收敛速度，从有效避免陷入局部最小值。］遗传算法具有全局搜索能力强的特点［，４能够用来对小波网络的拓扑结构、］权价策略提供了有效信息，对实现电力市场的利润最大化意义重大。因此，高精确度、高智能化的短期电价预测已成为目前实际运行和理论研究中的热点。电价预测的方法大致可分为神经网络法、计统学方法、糊建模法、行仿真法、场均衡分析法模运市及灰色理论和小波分析等数学方法。人工神经网络法是个经久不衰的电价预测方法。是由简单的处它理单元所组成的大量并行分布的处理机，这种处理机具有存储和应用经验知识的自然特性，它可通过函数和伸缩平移因子进行优化训练。因此，本文将二者应用于ＢＰ神经网络，建立小波神经网络预测电价模型，用遗传算法优化其结构和权重等参并数，然后将其运用于边际电价预测。ｌ预测模型１１基于Ｂ．Ｐ网络的预测模型１１１ＢＰ网络结构］．．学习过程从外部获取知识，能存储获取的知识信还息＿。般主要采用Ｂ＿一１］Ｐ神经网络进行电价预测，但网络存在收敛于局部极小点的缺点和神经网络拓扑结构确定困难及全局搜索能力弱的问题。小波分析由于具有良好的时频局部特性而被本文采用一个３层ＢＰ神经网络构建预测模型，实际问题中一般输入层与输出层单元数由问在题决定，隐含层层数在本文选取单隐含层，单元其节点数由试算确定。型中每个神经元对应的传递模函数为Ｓｇｉ函数，义为ｉｍｏｄ型定收稿日期：０９０～７修回日期：０９１―３２０―９２；２０―１２?１８５?电力系