竞争性电力市场环境下电价预测方法与应用.pptx
电力市场中电价预测模型的应用
电力市场中电价预测模型的应用在当今的电力市场中，电价预测模型的应用具有极其重要的意义。
随着电力行业的不断发展和市场化改革的推进，准确预测电价成为了电力供应商、消费者以及市场监管者等各方关注的焦点。
电价的波动受到众多因素的影响，包括但不限于供需关系、燃料价格、季节变化、天气状况以及政策法规等。
这些因素相互交织、错综复杂，使得电价的预测成为一项具有挑战性的任务。
然而，通过运用科学合理的电价预测模型，我们能够在一定程度上应对这一挑战，为电力市场的参与者提供有价值的决策依据。
常见的电价预测模型主要可以分为三类：基于统计学的模型、基于人工智能的模型以及基于混合方法的模型。
基于统计学的模型，如时间序列分析和回归分析，是早期电价预测中较为常用的方法。
时间序列分析通过对历史电价数据的自相关性和趋势进行分析，来预测未来的电价走势。
回归分析则试图建立电价与各种影响因素之间的线性或非线性关系。
这些方法相对简单易懂，计算成本较低，但在处理复杂的非线性关系和不确定性时可能表现不佳。
人工智能模型，如人工神经网络、支持向量机等，近年来在电价预测中得到了广泛的应用。
人工神经网络具有强大的学习能力和对非线性关系的处理能力，能够从大量的历史数据中自动提取特征和模式。
支持向量机则在处理小样本和高维度数据时具有独特的优势。
然而，人工智能模型往往需要大量的训练数据，并且其结果的解释性相对较差。
混合方法模型则是将统计学方法和人工智能方法相结合，取长补短，以提高预测的准确性和可靠性。
例如，可以先使用时间序列分析对电价数据进行初步处理，然后将处理后的结果输入到人工神经网络中进行进一步的预测。
在实际应用中，选择合适的电价预测模型需要综合考虑多种因素。
首先，要充分了解预测的目标和需求。
如果需要快速获得初步的预测结果，并且对精度要求不是特别高，那么基于统计学的简单模型可能是一个不错的选择。
如果对预测精度要求较高，并且有足够的计算资源和数据支持，那么人工智能或混合方法模型可能更为合适。
电力市场中的电价预测模型在电力市场中的应用研究
电力市场中的电价预测模型在电力市场中的应用研究引言：随着电力市场的逐步发展与完善，电力价格的准确预测对于电力市场的参与者来说愈发重要。
电价预测模型的应用研究在电力市场中具有广泛的应用，可以帮助市场参与者制定相应的电力购买或者销售策略。
本文将探讨电力市场中电价预测模型的应用研究，并分析其在市场参与者决策中的影响。
1. 电价预测模型的背景与意义电价预测模型是通过分析历史数据和其他相关因素来预测未来一定时间段内的电力价格走势的数学模型。
具体而言，这些模型可以基于统计学、机器学习和人工智能等技术手段进行构建。
电价预测模型的应用可以帮助电力市场参与者做出更准确的决策，例如制定购电策略、安排电力供应等。
2. 电价预测模型的应用方法与技术电价预测模型的应用方法可以分为两大类：传统统计学方法和机器学习方法。
传统统计学方法主要基于历史数据进行建模，通过时间序列分析、回归分析等统计学方法来预测电力价格。
而机器学习方法则更加注重算法的学习和优化，通过训练模型来预测电价，并可以自动适应市场变化。
在实际应用中，电力市场中的电价预测模型通常会考虑以下几个方面的因素：2.1. 历史数据分析电价预测模型的构建首先要基于历史数据进行分析。
这些历史数据可以包括电力市场的供求关系、天气因素、电力需求、电力价格等。
通过对历史数据的分析，可以找到一些潜在的关联关系，为后续的模型构建提供基础。
2.2. 天气因素考虑在电价预测模型中，天气因素往往是一个重要的影响因素。
例如，气温的变化、季节性的能源需求等都会影响电力市场的供需关系。
因此，在构建电价预测模型时，考虑将天气因素纳入其中是必要的。
2.3. 市场需求分析电力市场的需求是电价波动的重要因素之一。
通过对市场需求进行分析，可以预测电力价格的上涨或下跌趋势。
此外，还需要考虑电力市场中其他相关因素的影响，如市场竞争、政策调整等。
2.4. 机器学习技术应用近年来，机器学习技术在电价预测模型中的应用越来越广泛。
电力市场中的电价波动预测
电力市场中的电价波动预测在当今的社会发展中，电力作为不可或缺的能源，其市场的稳定与发展至关重要。
而电价的波动不仅影响着电力企业的运营策略，也关系到广大用户的经济利益。
因此，对电力市场中电价波动的准确预测具有极其重要的意义。
要理解电价波动的预测，首先需要了解影响电价的各种因素。
电力的供需关系是其中最为关键的因素之一。
当电力需求大于供应时，电价往往会上涨；反之，当供应大于需求时，电价则可能下降。
经济形势的变化也会对电价产生影响。
在经济繁荣时期，工业生产和居民生活用电需求增加，可能推动电价上升；而在经济衰退时，用电需求减少，电价可能相应降低。
季节和天气因素同样不可忽视。
夏季高温和冬季严寒时，空调和取暖设备的大量使用会导致用电高峰，从而影响电价。
此外，能源价格的变动，特别是煤炭、天然气等发电原料的价格变化，会直接影响发电成本，进而传导至电价。
政策法规的调整，如对可再生能源的补贴政策、环保要求等，也会对电力市场的格局和电价走势产生作用。
那么，如何对电价波动进行预测呢？传统的方法主要基于历史数据的统计分析。
通过收集过去一段时间内的电价数据、电力供需情况、经济指标等信息，运用统计学方法，如回归分析、时间序列分析等，来建立预测模型。
这些方法在一定程度上能够反映电价的变化趋势，但也存在一些局限性。
例如，它们往往假设过去的模式会在未来延续，而实际情况中，由于各种突发因素的影响，电价的变化可能会出现较大的偏差。
近年来，随着技术的进步和数据量的增加，一些新的预测方法逐渐兴起。
机器学习和人工智能技术在电价波动预测中展现出了巨大的潜力。
例如，神经网络模型可以自动从大量的数据中学习复杂的模式和关系，从而提高预测的准确性。
然而，这些方法也并非完美无缺。
它们需要大量高质量的数据进行训练，并且模型的解释性相对较差，使得人们在使用时可能存在一定的疑虑。
除了技术方法，市场参与者的行为和心理也会对电价波动产生影响。
在电力市场中，发电企业、供电企业和用户都有着各自的利益诉求和决策策略。
电力市场中电价预测技术的使用教程与准确度评估
电力市场中电价预测技术的使用教程与准确度评估引言：电力行业是现代社会的重要组成部分，对于电力市场中的参与者来说，准确预测电力价格对于决策和规划至关重要。
本文将介绍电力市场中电价预测技术的使用教程，包括常用的预测方法和模型，并对这些方法的准确度进行评估。
一、电价预测方法及模型介绍1. 时间序列分析法时间序列分析法是电价预测中常用的方法。
它基于过去的历史数据，通过分析数据的趋势、季节性和周期性变动等特征，来预测未来的电价。
常用的时间序列模型包括ARIMA模型、指数平滑法等。
2. 基于统计学模型的方法基于统计学模型的方法利用大量历史数据进行建模和预测，通过对数据进行回归分析、因子分析和概率模型等，来预测电价的变动趋势。
常用的统计学模型包括线性回归模型、多元回归模型、灰色预测模型等。
3. 人工智能方法近年来，随着人工智能技术的发展，越来越多的电力市场开始采用基于机器学习和深度学习的方法进行电价预测。
这些方法通过训练神经网络模型，利用大量历史数据进行学习和模型参数的优化，来提高预测的准确度。
二、电价预测技术的使用教程1. 数据收集和整理首先，需要收集电力市场的历史数据，包括电力需求、电力供给、天气等相关数据。
这些数据可以通过电力市场监测系统、公开的统计数据以及气象数据等渠道获取。
然后，将收集到的数据进行整理，确保数据的完整性和准确性。
2. 特征工程在进行电价预测之前，需要对数据进行一些处理和特征提取。
常见的处理方法包括数据的平滑、去除异常值和缺失值的填补等。
然后，从整理好的数据中提取出与电价变动相关的特征，例如日期、时间、季节、节假日等。
这些特征可以帮助模型更好地学习电价的规律。
3. 选择合适的预测模型根据任务的需求和数据的特点，选择适合的电价预测模型。
如果数据具有明显的时间序列特征，可以考虑使用时间序列模型；如果数据的变动受多个因素影响，可以尝试使用统计学模型；如果数据较为复杂且无明显规律，可以考虑使用人工智能方法。
电力市场竞价预测模型设计与优化
电力市场竞价预测模型设计与优化随着电力市场的发展，电力市场竞价预测模型的设计与优化也成为了一个研究热点。
电力市场是一个相对自由的市场，通过双边竞价的方式来确定电力交易的价格和数量。
而竞价预测模型的作用就是在电力市场中预测未来的竞价情况，以便企业能够做出更好的决策。
一、竞价预测模型的应用竞价预测模型在电力市场中的应用非常广泛，这主要体现在以下几个方面：1. 价格预测。
通过对市场数据的分析和建模，可以预测未来电力交易的价格。
这可以帮助企业在电力市场中做出更好的决策，比如及时购买电力，以避免价格过高。
2. 负荷预测。
通过对历史负荷数据的分析和建模，可以预测未来负荷的变化趋势。
这可以帮助企业更好地规划电力交易和发电计划。
3. 风电和光伏发电预测。
通过对气象数据的分析和建模，可以预测未来风电和光伏发电的产量。
这可以帮助企业更好地规划发电计划和电力交易。
二、竞价预测模型的设计竞价预测模型的设计是一个复杂且需要深入研究的过程。
一般来说，有以下几个基本步骤：1. 数据采集。
要建立一个有效的竞价预测模型，首先需要收集和整理大量的市场数据，包括历史电力交易数据、天气数据等。
2. 数据处理。
对采集到的数据进行清洗，去除异常点和缺失值，以保证所建模型的准确性和稳定性。
3. 特征工程。
通过对数据的挖掘和分析，提取出最具有影响力的特征变量，以用于模型的建立。
4. 模型选择。
根据数据的特点和目标任务的要求，选择合适的竞价预测模型。
常见的模型包括线性回归模型、支持向量机模型等。
5. 模型训练。
使用历史数据对所选模型进行训练，以优化模型的性能和参数。
6. 模型评估。
使用测试数据对所建模型进行测试和评估，以评价模型的性能和准确度。
三、竞价预测模型的优化竞价预测模型的优化是一个持续不断的过程，以下列举一些优化方向：1. 数据质量的优化。
在数据采集和处理过程中，需要采取一系列措施，以增强数据的质量。
比如，对缺失值和异常值进行处理，使用更精确的天气预测算法等。
《电力价格》PPT课件
3.1.2 经营期定价方法
现金流量计算公式：
现金流入＝产品销售收入＋回收固定资产残值 ＋回收流动资产 产品销售收入＝厂供电量×上网电价 回收固定资产残值指固定资产在项目经营期 末的残留价值在期末年作为项目效益回收。 回收流动资金指在项目期初投入的用于周转 的流动资金在期末年作为项目效益回收。
3.1.1 还本付息定价方法
发电利润=还贷利润+资本金收益 还贷利润=（当年应还贷款本金－当年折 旧可用于还贷数额）÷（1-所得税率）， 其中，折旧资金用于归还贷款的比例为投 产后三年内80％，三年以后为50％；后 改为80%、90%。 资本金收益=（资本金×资本金收益率） ÷（1-所得税率）。
单一制电价
总的来说，单—制电价简便易行，但没有考 虑电力成本的特点——固定成本较大。
对用电量大的工业用户不利，一般对于用电 量不大的用户都采用这种电价制度。
2.1.2 两部制电价
两部制电价是将电价分成基本电价（容量电 价）和电度电价（电量电价）两个部分计算 的电价制度。
2.1.2 两部制电价
输电服务价格和配电服务价格（分别简称输电价和 配电价）是指输电网和配电网的拥有者提供相应的 输、配电服务的价格。
在厂网没有分开的时候，不存在真正意义的输配电价格。 厂网分开后，如果输、配和售三个环节还没有分开，而
且输、配和售这三个环节的服务成本也不独立核算，则 输电服务费、配电服务费和售电服务费将由电网拥有者 按售电价一并向用户收取。 一般来说，输配电价由输配电成本、输配电利润和价内 税构成。
间电价之差达8倍，我国有的省份也试行峰谷电价。
2.2.2 季节电价
季节电价即是在一年中对于不同季节按照不同价 格水平计费的一种电价制度。
电力市场中电价预测模型方法及应用研究的开题报告
电力市场中电价预测模型方法及应用研究的开题报告一、选题背景和意义随着电力市场的进一步发展和电力体制改革的深入推进，电力市场电价预测成为基本问题之一。
电价预测研究的目的是为电力市场的各方提供可信、准确的市场价格信息，帮助电力市场的生产经营决策、技术研发和政策制定。
在现实应用中，电价预测面临着诸多挑战，如复杂的市场环境、数据质量受限、电力供求动态变化等。
因此，如何精准地预测电力市场的价格成为了一项急需解决的问题。
本研究旨在探究电价预测领域相关研究，深入挖掘影响电力市场电价变化的因素，采用数据分析、统计建模等方法，构建适合电力市场实际情况的电价预测模型，并将其应用于实际生产经营和决策中。
二、研究内容和思路本研究的主要内容包括以下几个方面：1.电价预测方法及技术研究本部分主要介绍电价预测的方法和技术，包括基于传统统计方法的预测模型、基于机器学习算法的预测模型、基于深度学习的预测模型等，对各种方法进行比较和评价。
2.电价预测影响因素分析本部分主要对电力市场电价的影响因素进行分析，重点探究供求关系、气候因素、政策因素、市场环境等因素对电价的影响机制。
3.电价预测模型设计及实现本部分主要根据电价预测相关因素，选择适合的数学模型，采用大量真实数据进行模型训练和验证，并对模型进行调整、优化。
4.电价预测模型应用场景探讨本部分主要结合实际的应用场景，将本研究中开发的电价预测模型应用于电力企业的实际经营中，探讨模型的适用性和实际效果。
三、研究目标和方法本研究的目标是：（1）研究电力市场电价预测相关的理论和方法，深入挖掘影响电价变化的因素；（2）构建适合电力市场的电价预测模型，并对模型进行验证和优化；（3）将电价预测模型应用于电力企业的实际经营中，验证其实际效果。
本研究主要采用数据分析、统计建模和机器学习技术等方法，深入挖掘影响电力市场电价变化的因素，构建适合电力市场实际情况的电价预测模型。
模型应用于实际生产经营和决策中，从而提高电力市场运行效率和经济效益。
电力市场中的电价预测综述
Ｋｅ ｒ ｓ ｅｅ ｔｉｉ ｒ ｅ ； ｌｃ ｒ ｉ ｒ ｅ ｆｒ ｃ ｓｉ ｇ ｆｒ ｃ ｓｉ ｇ ｍｅｈ ｄ ； ｒ ｃ ｓｉ ｇｍｏ ｅ ｉｇ ｒ ｖｅ ｙ ｗｏ ｄ ： ｌｃ ｒ ｔ ｍａ ｋ ｔ ｅｅ ｔ ｃｔ ｐ ｃ ｏ ｅ ａ ｔ ； ｅ ａ ｔ ｔ ｏ ｓ ｆ ｅ ａ ｔ ｄ ｌ ； ｅ ｉｗ ｃｙ ｉ ｙ ｉ ｎ ｏ ｎ ｏ ｎ ｎ
１测 是进 行 电力 投资 的 重要 依 据 ． 积极 透 明 的 电价机 制 能 自动 调节 长 期 电力 市 场 中 的备 用 容 量 ， 着 电力 市场 参与者 进人 或者退 出的门槛 ， 决定 实
现社 会资 源 的最优 配 置 ， 保证 电力 系统 的稳 定 和健 康发展 ｌ ｌ ｌ 。 随着 电力市 场 的发 展 ， 电价 预测 越来 越 受 到重 视， 也成 为研究 的热 点 ， 短期 电价 预测在 电价 预测 中
ｐ ｏ ｅ ｕｒ， ａ ｌ ａ ｈ ａ ｏ ｅｅ ｔｄ ａ ｎｐ ｒ ｏ ａ ｅ ｒｃ ｄ ｅ ｓｗｅｌ ｓ ｔｅ ｖ ｒ ｕｓｓ ｌ ｃｅ ｓｉ ｕｔａ ｅ ｃ ｍｐ ｒ ｄ； ｔ ｅ ｍｅｒｔ ｄ ｄｅｅ ｔ ｆｄｉ ｅ ｅ ｔｍ ｅｈ ｓａ ｅ ａ ａ ｙ ｅ ｎ ｄｅａｌ ｉ ｈ ｉ ｓａｎ ｆ ｃｓ ｏ ｆ ｒ ｎ ｔｏｄ ｒ ｎ ｌ ｚ ｄ ｉ ｔｉ， ｆ ｓ ｍｅ ｓ ｇ ｔｏ ｓｆ ｒｅ ｅ ｔ ｃｔ ｒｃ ｏ ｅ ａｓｉ ｇ ａ ｄ ｉ ｒ ｓ ｃ ｒ ｉｅ ｔｌ ｓ． ｏ ｕｇ ｅｓｉ ｎ ｌ ｃｒ ｉｙ ｐ ｉｅ ｆ ｒ ｃ ｔｎ ｎ ｔ ｐ ｏ ｐｅ ｔａ ｅ ｇｖ ｎ ａ ａ ｔ ｏ ｉ ｓ
制定 相应 的报 价策 略来 达 到利 润 最 大化 。反之 ， 供
电企业 和其他购 买者 可 以选 择适 当的购 买策 略来达 到效用 的最大化 。准确 的电价预测 还是监 管机 构对 市 场进 行监 管 的重要 依 据 。从 长远 来 看 ， 确 的长 准
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电价预测误差及评价指标
绝对误差和相对误差
20
平均绝对误差 均方Байду номын сангаас差
MAE 1
N
N i 1
Ei
1 N
N i 1
xai x fi
均方根误差
MSE
1 N
N
(xai x fi )2
i 1
RMSE
1 N
N
Ei 2
i 1
1 N
N
(xai x fi )2
❖ 在电力市场中，市场力的行使和扩大有多种方式：
➢ 电力企业扩大自身的规模，包括企业自身的成长以及企业间的兼并、 合并、收购等行为。
➢ 发电商通过持留行为行使市场力。一是物理持留，二是经济持留。 ➢ 通过横向合作限制竞争。 ➢ 有优势的发电企业通过自身垄断力量来打击、消灭竞争对手或组织
新的竞争者的竞争。如掠夺性定价。
i 1
改进的平均绝对百分比误差
传统的MAPE
MAPE 1 N Ei 100% 1 N xai x fi
N i1 xai
N i1 xai
改进的MAPE
N
N
MAPE 1 N
Ei
i 1
x
100%
i 1
xai x fi
N
xai
100%
i 1
返回
21
电价价格钉预测与控制
❖ 价格钉的经济学分析 ❖ 价格钉的预测 ❖ 价格钉的控制
4
❖ 国内外研究综述
电价预测研究综述
❖博弈论模型 ❖随机模型 ❖无参数和人工智能模型 ❖价格钉的判别与预测
5
发电商竞价策略研究综述
➢ 基于成本分析 ➢ 基于电价预测 ➢ 基于博弈理论优化
基于矩阵博弈模型 基本寡头博弈模型
发电商风险控制研究综述
➢ 风险来源 ➢ 风险管理 ➢ 风险计量
6
❖论文的研究框架路线
为是确定的、已知的 ❖负荷（即需求）的不确定性交由实时市场 ❖需求价格函数在短期内接近于垂直与横轴的曲线，即
需要弹性接近于0。
供给
❖ 完全竞争时，发电企业的市场供给曲线为水平直线
16
❖与一般商品的市场均衡不同，电力产品的市场 均衡，必须同时实现电力和电量双重平衡
❖发电企业产出的关键是电力，其次才是电量 ❖发电设备的装机容量（生产能力）不能以均匀
历史价格 数据
历史需求与预 测需求数据
数据分类 形成与分时段数据序列
历史供给与预 测供给数据
局域多项式模型
运用基于SMOTEBoost 技术的SVM预测是否为
价格钉？ N
MARS模型
Y
调用价格钉电价 数值预测模型
支持向量机模型
组合预测模型 预测误差分析 形成竞价策略
返回
7
电力市场及电价分析
❖ 电力市场 ❖ 电力市场中的电价 ❖ 电价的影响因素 ❖ 电价预测概述
负荷持续时间 天气敏感性 经济活动 零售价格
25
❖ 市场组织及设计方面
零售电价限额 现货交易比例 容量要求 批发价限额
❖ 选题背景
➢ 近年来，由于电力、信息等技术的发展，世界各 国纷纷进行电力体制的改革
➢ 2002年，国务院出台《电力体制改革方案》 ➢ 2003年6月，国家电力监管委员会陆续在东北、
华东开展区域电力市场建设试点。 ➢ 目前我国的电力市场已供大于求，电力的市场化
改革将会不断地深入。
3
❖ 研究目的
➢ 研究电价的变化规律 ➢ 提高电价预测水平 ➢ 控制发电商的决策风险
博士研究生论文答辩
竞争性电力市场环境下电价 预测方法与应用研究
博 士 生： 李正欣 导 师：赵林度
1
汇报提纲
❖ 论文的背景 ❖ 电力市场及电价分析 ❖ 电价价格钉的预测与控制 ❖ 电价的非线性预测模型 ❖ 电价的组合预测 ❖ 电价预测的应用——发电商容量分配研究 ❖ 总结论文的创新点
2
论文的背景
8
电力市场体系结构
供给端 发电商
现货市场
电力经销商/ 中介商
热电供应商
独立系统操作者 输电公司
合约市场
需求端 配电商
电力经销商/ 中介商
大用户
9
电力交易模式及交易类型
交易模式
❖双向合约模式 ❖电力库模式 ❖综合模式
交易类型
➢ 现货交易 ➢ 合约交易 ➢ 期货交易
返回
10
电价的形成
价格
D1
D2 S4
22
价格钉的定义
电价的突然、剧烈地波动
价格($/MWh)
600 500 400 300 200 100
0 2006年1月1日
2006年1月11日
2006年1月21日 时间
2006年1月31日
23
价格钉的成因
❖ 电力需求的两方面缺陷
短期内明显缺乏价格弹性，很多市场价格弹性为 零
电力需求由于气候等因素呈现出较大的波动性
的生产满足随时间变化的不均匀的需求，装机 容量要大于最大电力负荷的120-150%（含备 用容量）。 ❖电力系统提供的电量既不能多于需求，又不能 少于需求。 ❖电力系统既需足够容量，还需统一调度
17
市场力与市场监管
市场力
❖ 经济学对市场力的一般定义是指改变市场价格使之偏离市场充分 竞争情况下所具有价格水平的能力。
S3 S2 S1
D3 S6
S5
容量
11
电力产品及电价的特点
❖ 电力是一种较为特殊商品
网络依赖性 不可大量储存性 高度协调性 公共品 规模经济与自然垄断 高沉淀成本 政府规制
用户多样、需求不确定 12
❖ 电价的统计特性
波动性 周期性 均值回复 跳跃性和价格钉
13
❖ 电价在电力市场中的核心作用
吸引投资 优化资源配置 增强企业活力 引导用户合理用电，节能减排
返回
14
t
电力成本
发电成本 输送成本 交易成本
市场交易并非无成本，交易成本主要为了： ❖了解市场信息 ❖谈判协商、达成交易的费用 ❖交易执行、监督费用及违约成本 发电公司要实现利润最大化，需满足边际成本等于边际利 润。
15
市场供求状况
需求
❖电力市场的需求具有不确定性 ❖对日前市场，需求由市场交易中心给出预测值，可认
18
市场监管 ❖最高价格限制 ❖价格波动限制
返回
19
❖ 电价预测概述
电价预测的基本概念
电价预测是在综合考虑电价影响因素，运用数学模型、计算机模拟等工具对相 关数据进行分析和研究，对未来电力市场中的电力交易价格进行预测。
对电价的预测要求必须同时具备预测速度与预测精度，才具有实际的应用意义。 电价预测分类
❖ 电力供给的独特性
发电是资金密集型产业，短期内难以增加供给 电力不能经济储存，需要在瞬间实现供给平衡，
任何偶然的机组停运或传输系统障碍都将直接影 响供给并进而影响电力供需平衡点
❖ 发电机组存在较高的启动成本
24
价格钉的影响因素
❖ 供给方面
装机容量 停运 发电机组种类 传输限制
❖ 需求方面