节能减排电价驻点广西专项监管报告报告内容

《报告》分为基本情况、主要问题和监管意见三个部分。一是对广西自治区节能减排电价政策总体执行情况进行了介绍。二是对驻点检查过程中发现的广西节能减排电价政策执行中存在的主要问题进行了总结。三是针对存在的问题，提出了进一步完善和落实好差别电价和惩罚性电价政策；加强脱硫电价执行监管，完善脱硝、除尘电价政策；厘清广西自治区各电网企业关系等监管意见。 2100433B

按照《国家能源局关于近期重点专项监管工作的通知》要求，2013年12月至2014年1月国家能源局市场监管司会同南方监管局对广西自治区开展了节能减排电价政策执行情况驻点专项检查工作。工作组赴南宁、柳州、百色、来宾等市县级供电局、地方电网企业、国电南宁电厂等发电企业，以及中国铝业广西分公司等高耗能企业进行现场检查，并对现场检查材料进行了梳理、汇总，对有关问题进行了进一步核实。在此基础上，形成了《报告》。

根据预测点的类型，将电价预测分为系统边际电价或者市场统一出清电价预测、区域边际电价预测、节点边际电价预测。通常情况下，们所说的电价预测都是对系统的统一出清电价的预测，在系统不发生阻塞的情况下，各个地区的区域出清电价和系统统一出清电价是相同的 。

根据预测内容的不同，可以分为确定性预测和电价空间分布预测，前者是当前讨论比较多的热点，主要针对短期电价预测，预测的结果就是给出一个确定的电价预测数值，后者主要基于概率论与数理统计知识，确定预测结果的可能波动范围及其一段时期内的电价均值，主要是针对中长期电价预测，目前国内外在这方面研究得还比较少。

根据预测机理的不同，将电价预测分为短期预测和中长期预测。由于电价波动大的特点，具体分为小时预测旧预测、月度、季度预测。针对周末边际电价的特殊性，还将周末边际电价进行单独预测。

电价预测是电力市场化以后新出现的研究方向。研究尚不够充分，目前还没有一种通用的预测方法能较好地适合于所有的电力市场，因此有必要充分地利用各个电力市场本身的特点进一步展开研究，从而提高预测精度。下文将根据电价预测机理的不同，分别针对短期电价预测和中长期电价预测进行深入的分析。

短期电价预测是电价预测的重要组成部分，它主要用于预测未来几小时、1天至几天的电价。准确的短期电价预测将有助于发电商最优报价策略的选择，从而最大化其利润，使购电方的动态成本控制成为可能，同时也为监管部门的实时监管提供了重要的科学依据，保证电力市场的正常运行。目前，短期电价预测主要有四种方法 :

1.时间序列法，

2.神经网络(ANI})预测法，

3.基于小波理论的预测方法，

4.组合预测方法等。

电价预测时间序列预测法

时间序列模型分为自回归(AR)模型、动平均(MA膜型、ARMA模型、累积式自回归一动平均(AR MA膜型，已被广泛应用于短期负荷预测中，考虑到各时段系统边际电价本身就构成一个等间距的随机时间序列，因此有不少学者尝试将时间序列模型应用于短期电价预测，当前比较常用的主要是ARMA模型!7.A]和AR MA模型!9‘。]。 时间序列方法的主要难点在于如何选择恰当的模型，如果模型选择不准确，则即使参数估计再准确，预测的效果也不会好。考虑到在时间序列分析中，选用何种因子和用何种表达式有时只是一种推测，影响电价的因子的多样性和某些因子的不可测，使得时间序列分析在某些情况下受到限制，预测的精度较低。

电价预测神经网络方法

由于时间序列方法仅依靠分析电价自身发展规律进行预测，无法处理多变量问题，存在一定的片面J陛，为此可采用多变量模型，从而提高时间序列法的预测精度。神经网络对大量非结构性、非精确性规律具有自适应功能，能够有效处理多变量和非线性问题，从而成为目前国内外专家学者研究得比较多的一种申‘价预测方法

电价预测基于小波理论的预测方法

小波理论是在傅里叶分析基础上发展起来的一种信号处理方法，小波变换能将各种织在一起的不同频率混合信号分解成不同频带上的块信号，然后在各个时频区域分别进行观察和处理，在时域和频域都具有良好的分辨能力。

小波神经网络与BP神经网络相比，预测精度和收敛性方面都有明显的提高。但是在用辅助式小波神经网络进行预测时，需注意小波基和分解尺度的选择，同时处理好小波变换过程中的边界问题，否则即使各个子序列预测得再准确，总体的预测效果也不会很好。而在用嵌套式小波神经网络进行预测时，需注意小波基的数量和网络初始参数的选择，选择不当会导致网络收敛速度缓慢甚至出现不收敛。

电价预测组合预测方法

由于电价的影响因素比较多而且关系错综复杂，有时候无论采用时间序列法、神经网络方法等都难以达到理想的预测效果。鉴于单一预测方法的一些弊端，有些学者开始对组合预测方法进行探索，当前的主要思路是直接从电价预测机理的角度将单一预测模型进行组合，即先对各种已有的单一预测方法优缺点进行分析，然后通过将两种或者多种方法进行组合，扬长避短，从而建立最优的组合预测模型。

基于数据挖掘技术强大的数据处理能力，能从大量的数据中发现有用的规律、规则、联系、模式等知识，有学者!26]提出一种基于数据挖掘中的相似搜索技术和加权回归技术相组合的电价预测方法:即对临近日和相似搜索所得到的相似日的负荷—电价数据用加权回归进行电价预测，这种方法比较适合于负荷与电价强相关性的电力市场如加州电力市场。