【能源数字化产品】ElecTrade电力现货价格分析预测系统

电力现货市场不同于寻常大宗商品市场，其价格(节点边际电价，LMP)基于物理约束和市场主体报价计算得出，掌握充足的数据和算法即可最大限度的预测价格。
ElecTrade电力现货价格分析预测系统融合了多源多维度大数据信息，整合传统优化技术与机器学习技术，能够有效针对电力市场现货价格进行分析和预测。系统可针对不同市场的规则进行100多个参数的定制化修正。

系统模型

现货市场中短期电价预测方法众多，大致可以分为以下六个类型：分别为多智能体模型，基本面分析模型，简化形式模型，统计学模型，人工智能模型以及组合模型。

01. 多智能体模型

多智能体模型运⽤经济学、博弈论等学科知识，模拟电⼒市场中各主体的⾏为，匹配供给和需求曲线来预测价格。其中又细分为生产成本模型和策略性报价模型。这类模型比较灵活，定制性较强，要求使⽤者⾃行确定很多变量和参数，例如市场主体可能使用的策略，市场出清⽅式等。

多智能体

02. 基本面分析模型

基本面分析模型通过分析关键物理量和经济因素对电价的影响来描述价格变化进而预测电价。该模型能够提取电⼒⽣产和交易中存在的基本物理量和经济指标间的关系。该模型的基本假设是各因素（负荷水平，供需比，天⽓条件，系统参数等）之间相互耦合，共同影响市场价格。

宏观分析

03. 简化形式模型

简化形式模型描述了电价随时间推移的统计特性，其⽬标是⾦融衍⽣品评估和⻛险管理。它的主要⽬的并非提供准确的逐⼩时价格预测，⽽是复刻每⽇电价的主要特征，如未来某时刻价格的概率分布、价格动态变化趋势以及商品原料和价格之间的相关性。该模型是衍⽣品定价和⻛险管理系统的核⼼。

微观分析

04. 统计学模型

统计学模型运⽤统计学和计量经济学的⽅法，基于历史数据进⾏分析和预测。统计学模型运⽤统计学⽅法组合历史电价数据和外部数据，包括⽣产数据、需求数据、天⽓数据等。统计模型最⼤的优势在于它能够很好的解释各个变量对价格的影响，有利于理解模型内部的⾏为逻辑。缺点在于它不能很好的⽀持⾮线性拟合。统计学模型通常包括历史相似日比较法、回归模型法、自回归滑动平均模型等。