电力工业的市场化改革是当前世界电力工业的发展趋势。电价是电力市场环境下调节电力交易的经济杠杆,关系到所有电力市场参与者的利益。准确的电价预测是实现策略性报价的基础,是发电企业参与市场竞争、降低风险的关键。随着我国电力市场化进程的加快,实现电力市场环境下发电厂的策略性报价已成为关系到发电厂效益及生存的重要问题。本文针对水电厂竞价上网时的电价预测与报价策略关键问题进行研究。本文对电价的形成及影响电价的因素进行了分析,研究了我国电力市场电价在周期性、工作日和周末电价变化规律的差异、负荷大时电价波动和“价格钉”出现规律等方面的特点,提出了根据电价变化特点与规律合理选择预测模型和算法,以提高电价预测精度的方法。利用神经网络具有高度非线性拟合能力、可在训练过程中根据输入数据的改变调整权重系数实现对数据变化快速反应的特点,结合粒子群优化方法善于随机全局寻优的优点,论文研究中将两种算法相结合,采用3层感知机神经网络构建了粒子群—BP神经网络的电价预测模型,通过Matlab7.0中的神经网络工具箱(Neural Network Toolbox)编程实现。神经网络训练时引入粒子群优化算法对其连接权值进行优化,利用粒子群算法进行粗精度的学习以确定初值,再采用BP神经网络完成给定精度的学习。预测实例证明该模型有良好的预测效果,解决了传统方法对周末电价预测需要单独建模的问题,具有预测准确、适应性强等优点。通过对电价与负荷的相关性分析,发现电价与负荷并不是在任何时段都呈现强相关。本文对电价预测模型进行改进,将相关系数引入模型,做为判断是否将负荷因素加入输入样本的阈值。在负荷与电价相关性强、相关系数大的时候引入负荷因素做为输入样本,增强了模型对电价波动的敏感性。实际算例表明,改进后的电价预测模型提高了粒子群—BP神经网络算法的预测精度,对波动较大的周末电价和“价格钉”都有很好的预测效果,有效解决了电力市场中短期边际电价预测的问题。改进后模型与混沌理论模型和灰色理论模型相比较,具有迭代次数少、预测精度高等明显优势。在预测电价的基础上建立了水电厂的报价策略模型,并利用遗传算法对模型进行求解。该模型考虑了水电厂的各种约束条件,通过合理分配水电厂各交易时段的出力,达到售电利润最大化的目的。计算结果表明,得到的报价策略能够显著增加水电厂的发电收益。