節(jié)能減排電價駐點廣西專項監(jiān)管報告報告內容

《報告》分為基本情況、主要問題和監(jiān)管意見三個部分。一是對廣西自治區(qū)節(jié)能減排電價政策總體執(zhí)行情況進行了介紹。二是對駐點檢查過程中發(fā)現的廣西節(jié)能減排電價政策執(zhí)行中存在的主要問題進行了總結。三是針對存在的問題，提出了進一步完善和落實好差別電價和懲罰性電價政策；加強脫硫電價執(zhí)行監(jiān)管，完善脫硝、除塵電價政策；厘清廣西自治區(qū)各電網企業(yè)關系等監(jiān)管意見。 2100433B

按照《國家能源局關于近期重點專項監(jiān)管工作的通知》要求，2013年12月至2014年1月國家能源局市場監(jiān)管司會同南方監(jiān)管局對廣西自治區(qū)開展了節(jié)能減排電價政策執(zhí)行情況駐點專項檢查工作。工作組赴南寧、柳州、百色、來賓等市縣級供電局、地方電網企業(yè)、國電南寧電廠等發(fā)電企業(yè)，以及中國鋁業(yè)廣西分公司等高耗能企業(yè)進行現場檢查，并對現場檢查材料進行了梳理、匯總，對有關問題進行了進一步核實。在此基礎上，形成了《報告》。

根據預測點的類型，將電價預測分為系統(tǒng)邊際電價或者市場統(tǒng)一出清電價預測、區(qū)域邊際電價預測、節(jié)點邊際電價預測。通常情況下，們所說的電價預測都是對系統(tǒng)的統(tǒng)一出清電價的預測，在系統(tǒng)不發(fā)生阻塞的情況下，各個地區(qū)的區(qū)域出清電價和系統(tǒng)統(tǒng)一出清電價是相同的 。

根據預測內容的不同，可以分為確定性預測和電價空間分布預測，前者是當前討論比較多的熱點，主要針對短期電價預測，預測的結果就是給出一個確定的電價預測數值，后者主要基于概率論與數理統(tǒng)計知識，確定預測結果的可能波動范圍及其一段時期內的電價均值，主要是針對中長期電價預測，目前國內外在這方面研究得還比較少。

根據預測機理的不同，將電價預測分為短期預測和中長期預測。由于電價波動大的特點，具體分為小時預測舊預測、月度、季度預測。針對周末邊際電價的特殊性，還將周末邊際電價進行單獨預測。

電價預測是電力市場化以后新出現的研究方向。研究尚不夠充分，目前還沒有一種通用的預測方法能較好地適合于所有的電力市場，因此有必要充分地利用各個電力市場本身的特點進一步展開研究，從而提高預測精度。下文將根據電價預測機理的不同，分別針對短期電價預測和中長期電價預測進行深入的分析。

短期電價預測是電價預測的重要組成部分，它主要用于預測未來幾小時、1天至幾天的電價。準確的短期電價預測將有助于發(fā)電商最優(yōu)報價策略的選擇，從而最大化其利潤，使購電方的動態(tài)成本控制成為可能，同時也為監(jiān)管部門的實時監(jiān)管提供了重要的科學依據，保證電力市場的正常運行。目前，短期電價預測主要有四種方法 :

1.時間序列法，

2.神經網絡(ANI})預測法，

3.基于小波理論的預測方法，

4.組合預測方法等。

電價預測時間序列預測法

時間序列模型分為自回歸(AR)模型、動平均(MA膜型、ARMA模型、累積式自回歸一動平均(AR MA膜型，已被廣泛應用于短期負荷預測中，考慮到各時段系統(tǒng)邊際電價本身就構成一個等間距的隨機時間序列，因此有不少學者嘗試將時間序列模型應用于短期電價預測，當前比較常用的主要是ARMA模型!7.A]和AR MA模型!9‘。]。 時間序列方法的主要難點在于如何選擇恰當的模型，如果模型選擇不準確，則即使參數估計再準確，預測的效果也不會好。考慮到在時間序列分析中，選用何種因子和用何種表達式有時只是一種推測，影響電價的因子的多樣性和某些因子的不可測，使得時間序列分析在某些情況下受到限制，預測的精度較低。

電價預測神經網絡方法

由于時間序列方法僅依靠分析電價自身發(fā)展規(guī)律進行預測，無法處理多變量問題，存在一定的片面J陛，為此可采用多變量模型，從而提高時間序列法的預測精度。神經網絡對大量非結構性、非精確性規(guī)律具有自適應功能，能夠有效處理多變量和非線性問題，從而成為目前國內外專家學者研究得比較多的一種申‘價預測方法

電價預測基于小波理論的預測方法

小波理論是在傅里葉分析基礎上發(fā)展起來的一種信號處理方法，小波變換能將各種織在一起的不同頻率混合信號分解成不同頻帶上的塊信號，然后在各個時頻區(qū)域分別進行觀察和處理，在時域和頻域都具有良好的分辨能力。

小波神經網絡與BP神經網絡相比，預測精度和收斂性方面都有明顯的提高。但是在用輔助式小波神經網絡進行預測時，需注意小波基和分解尺度的選擇，同時處理好小波變換過程中的邊界問題，否則即使各個子序列預測得再準確，總體的預測效果也不會很好。而在用嵌套式小波神經網絡進行預測時，需注意小波基的數量和網絡初始參數的選擇，選擇不當會導致網絡收斂速度緩慢甚至出現不收斂。

電價預測組合預測方法

由于電價的影響因素比較多而且關系錯綜復雜，有時候無論采用時間序列法、神經網絡方法等都難以達到理想的預測效果。鑒于單一預測方法的一些弊端，有些學者開始對組合預測方法進行探索，當前的主要思路是直接從電價預測機理的角度將單一預測模型進行組合，即先對各種已有的單一預測方法優(yōu)缺點進行分析，然后通過將兩種或者多種方法進行組合，揚長避短，從而建立最優(yōu)的組合預測模型。

基于數據挖掘技術強大的數據處理能力，能從大量的數據中發(fā)現有用的規(guī)律、規(guī)則、聯系、模式等知識，有學者!26]提出一種基于數據挖掘中的相似搜索技術和加權回歸技術相組合的電價預測方法:即對臨近日和相似搜索所得到的相似日的負荷—電價數據用加權回歸進行電價預測，這種方法比較適合于負荷與電價強相關性的電力市場如加州電力市場。