李志强， 王凡凯， 刘曙元

(北京华电天仁控制技术有限公司，北京 100039)

0 引 言

随着我国电力体制改革的深入，部分区域在调频市场中，除常规发电单元外，第三方辅助服务提供者被鼓励参与到市场中来[1]。多样化主体促进了辅助服务市场化发展，同时市场主体对于报价等辅助决策的需求也日益增长。

目前改革处于前期阶段，竞价规则与政策随着市场化发展和运行结果反馈不断更新。因此针对某市场价格进行预测研究时，会发现该竞价规则下的市场运行时间较短，难以获取足够的数据量。一般以小时为单位的短期预测至少需要预测日前三周的历史数据，最好可提供历史三个月数据量。

另外调频出清价格受需求和气象等多种因素的影响，以大数据为基础的机器学习手段成为主流方法。然而针对受多种因素影响的目标而言，单一算法的泛化能力较弱，采用多种算法组合应用的方式可提升预测精度。

排序价格(Y排序)与报价(Y报价)的关系表达式为：

Y排序=Y报价/P

(1)

P=k/kmax

(2)

式中：P为发电单元归一化后的综合调频性能指标；k为归一化前的综合调频性能；kmax为所属调频资源分布区所有发电单元的指标最大值。

电价本身具有一定的波动性，而市场的出清方式将会加剧波动特性。如广东调频市场是根据调频里程排序价格进行顺序出清的，由式(2)可知分母P小于1，会导致排序价格波动性增强。因此如何准确预测价格的波动趋势是提升预测准确性的重点。……