CN107909196A - 一种考虑用户反弹特性的购售电方法 - Google Patents

一种考虑用户反弹特性的购售电方法 Download PDF

Info

Publication number
CN107909196A
CN107909196A CN201711091130.0A CN201711091130A CN107909196A CN 107909196 A CN107909196 A CN 107909196A CN 201711091130 A CN201711091130 A CN 201711091130A CN 107909196 A CN107909196 A CN 107909196A
Authority
CN
China
Prior art keywords
electricity
load
user
selling
formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711091130.0A
Other languages
English (en)
Inventor
窦迅
赵文浩
邵平
郭艳敏
叶飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
Nanjing Tech University
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
State Grid Tianjin Electric Power Co Ltd
Nanjing Tech University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Electric Power Research Institute Co Ltd CEPRI, State Grid Tianjin Electric Power Co Ltd, Nanjing Tech University filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201711091130.0A priority Critical patent/CN107909196A/zh
Publication of CN107909196A publication Critical patent/CN107909196A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)

Abstract

本发明公开了一种考虑用户反弹特性的购售电方法，步骤包括：计算日前交易市场进行购电交易的负荷量以及实时交易市场进行购电交易的负荷量；计算售电商向用户的售电收益以及售电商在平衡市场进行直接交易的交易收益；计算售电商采取激励需求响应所需向用户给予的补偿；建立计及风险的售电商的可调负荷决策模型；利用遗传算法求解可调负荷决策模型得出可调负荷的调用方案以及在各级市场所需购买的电量。该购售电方法充分考虑并分别评估了影响售电商收益的各级市场因素，细化不同的激励方式对用户负荷特性的影响，同时考虑在不同购电市场下购电组合的优化策略，从而使售电商在购售电市场得到更多的利润。

Description

一种考虑用户反弹特性的购售电方法
技术领域
本发明涉及一种购售电方法，尤其是一种考虑用户反弹特性的购售电方法。
背景技术
随着售电侧改革的快速推进，越来越多的售电公司进入电力交易，竞争压力剧增，因此科学的购售电理论对售电公司在购售电市场进行购售决策获取更大的利润至关重要。目前，国内外购售电策略研究集中在基于风险分析的购售电策略和基于可中断负荷调用的购售电策略上。
现有的研究使用加权条件风险价值(WCVaR)量化风险，研究多市场、多时段的售电公司动态购电组合策略。有的考虑用户的需求价格弹性对收益的影响，采用条件价值风险理论(CVaR)衡量风险，研究零售商购售电最优策略问题。有的文献以购电成本最小化为目标，考虑电价和负荷的不确定性，提出计及风险的购电组合策略。有的文献基于机会约束规划方法框架,研究供电公司在不同市场计及风险的最优购电组合决策方法。有的研究考虑在不同市场最优购电组合比例，提出峰谷分时电价下计及风险的供电公司最优购电组合策略。以上研究考虑负荷预测不确定性，研究在不同市场下计及价格风险的购售电组合策略问题，但是这些研究没有考虑需求侧管理手段对负荷的影响。而有一些研究计及市场价格波动性和不确定性的特点，提出了包含可中断负荷/电量收购和关键负荷电价两类需求响应项目参与的平衡市场优化交易策略。友谐烟酒考虑现货市场价格的不确定性和可中断负荷的影响，对最优购售电策略问题进行了探讨。也有专家以均一电价和保底封顶实时电价为主，计及可中断负荷影响，基于心理学方法分析用户对售电公司及用电合同的选择行为的影响。
也有部分研究不考虑风险和中断的影响，分析实时电价下售电公司的购售电优化决策，研究实时平衡市场和中长期合约市场的协作交易模式。
综上所述，现有的购售电策略，大多针对市场价格和负荷预测的不确定性波动和可中断负荷的影响，或计及风险因素对购售电进行组合。但是这些策略很少考虑不同用户在不同激励措施下的负荷反弹特性对售电商在不同市场下的购售电组合策略产生的影响。
发明内容
本发明要解决的技术问题是现有的策略很少考虑不同用户在不同激励措施下的负荷反弹特性对售电商在不同市场下的购售电组合策略产生的影响。
为了解决上述技术问题，本发明提供了一种考虑用户反弹特性的购售电方法，包括如下步骤：
步骤1，计算日前双边交易市场进行购电交易的成本CB，以及实时交易市场进行购电交易的成本CP；
步骤2，计算售电商向用户的售电收益Bsell，以及售电商在平衡市场进行直接交易的交易收益BRE；
步骤3，计算售电商采取激励需求响应所需向用户给予的补偿，补偿包括中断补偿费用CDLC、售电商实际支出的前期补贴Ce、售电商实际支出的负荷调整补偿成本Cb以及为规避合同用户违约造成的风险损失罚金BBC；
步骤4，建立售电商的可调负荷决策模型为：
max[Bsell+BRE+BBC-CP-CB-CDLC-Cb-Ce-γRCVaR]
式中，γ为售电商风险度量因子，表示售电商考虑风险的程度，γ＝0代表售电商不计风险以收益最大化为唯一目标，γ越大考虑风险的程度越大，代表售电商策略趋于保守，RCvaR为最大期望损失，RCVaR在置信度水平β下的在计算公式为：
式中，[f(ω)-RVaR,β]+＝max[0,f(ω)-RVaR,β]，β表示置信度水平，RCVaR,β表示在β下交易策略的期望风险损失，RVaR,β表示计算RCVaR,β辅助变量，f(ω)表示交易策略的损失函数，由收益期望与调用过后的实际差值表示；
步骤5，利用matlab的遗传算法求解可调负荷决策模型得出可调负荷的调用方案以及在各级市场所需购买的电量。
作为本发明的进一步限定方案，步骤1中，日前交易市场进行购电交易的成本CB的计算公式为：
CB＝QB·pB(QB)
式中，QB表示合同期内的售电商和发电商双边签购电量，pB表示双边交易价格随QB变化的函数。
作为本发明的进一步限定方案，步骤1中，实时交易市场进行购电交易的成本CP为：
式中，qPt为实时集中交易的负荷量，pt为实时市场电价。
作为本发明的进一步限定方案，步骤2中，售电商向用户的售电收益Bsell的计算公式为：
式中，qLt为售电商各小时实际售电量，pretail为零售电价。
作为本发明的进一步限定方案，步骤2中，售电商在平衡市场进行直接交易的交易收益BRE的计算公式为：
式中，为每小时直接市场售电量。
作为本发明的进一步限定方案，步骤3中，中断补偿费用CDLC的计算公式为：
式中，rk为实际中断补偿费率，xkt为第t时段k组负荷是否被控制的0-1状态变量，qDLC为第t时段所有用户的可控制负荷，K为用户组数，rk和qDLC的计算公式分别为：
rk＝r0λDLC(x)
式中，Rk为用户负荷的受控时间灵活度，为所有用户Rk的平均值，r0为基本中断补偿费率，λDLC(x)为用于计算直接负荷控制的差别补偿费率的函数，x，λDLC(x)和Rk的计算公式分别为：
λDLC(x)＝0.35arctanx+1
式中，Toff,k,max和Ton,k,min分别为第k组用户的最大连续受控时间与最小连续运行时间。
作为本发明的进一步限定方案，步骤3中，售电商实际支出的前期补贴Ce的计算公式为：
Ce＝pe×(qu1+qu2+qu3)
式中，pe为单位补贴价格，计算公式为：
式中，Pmin为用户参与需求响应项目的最小容量，q1和q2分别为参与容量第一档和第二档的界限，pe1、pe2和pe3分别为三档负荷集群对应的单位前期补贴价格，pe1<pe2<pe3，上式中qu1、qu2和qu3分别为从三档负荷集群购买的可调负荷容量，qu表示购买的可调负荷容量。
作为本发明的进一步限定方案，步骤3中，售电商实际支出的负荷调整补偿成本Cb的计算公式为：
Cb＝pb×qIL
式中，pb表示用户的单位调度补偿价格，qIL为可调负荷集群动作量。
作为本发明的进一步限定方案，步骤3中，为规避合同用户违约造成的风险损失罚金BBC的计算公式为：
式中，表示与用户签订的可中断初始交易电量，表示实际可中断交易电量，NL表示参与项目用户数。
作为本发明的进一步限定方案，步骤4中，售电商的可调负荷决策模型满足下列负荷平衡条件：
式中，q0t表示初始时的实时负荷，qDLC,t表示直接负荷控制项目可控制负荷量，为可中断项目在t时段用户的响应负荷量，为在通知发布后的t时段转移负荷电量，为直接负荷控制项目反弹负荷量，qLt为售电商各小时实际售电量；
其中，直接负荷控制项目反弹负荷量的计算公式为：
式中，以及分别为前3个时段用户负荷变化值，α＝0.6,β＝0.3,γ＝0.1；
在通知发布后的t时段转移负荷电量包括负荷平移到x小时后以及负荷平移到x小时前两种平移类型，表达式分别为：
可中断项目在t时段用户的响应负荷量与t时段转移负荷电量构成如下等式：
设定在响应时段前ts小时发布通知，则用户在收到该通知后分散转移负荷量，NT为24。
本发明的有益效果在于：在日调用的时间尺度上，按照激励发布后用户响应前后的负荷转移特征，将用户的反弹特性分为负荷反弹型(响应结束后下一时段以一定比例反弹负荷)、负荷分散转移型(响应缺额的负荷分散转移到响应时段前后)和负荷平移型(负荷固定平移到响应后或响应前x小时)；给出的考虑用户反弹特性的购售电策略可以辅助售电商对可调负荷的购买及调用做出决策，以规避某一时段过高的市场电价；充分考虑并分别评估了影响售电商收益的各级市场因素，细化不同的激励方式对用户负荷特性的影响，同时考虑在不同购电市场下购电组合的优化策略，从而使售电商在购售电市场得到更多的利润，在此基础上构建考虑用户反弹特性的购售电优化模型，并考虑收益的风险因素，有益于本方案的推广与实施。
附图说明
图1为本发明的方法流程图。
具体实施方式
如图1所示，本发明公开的考虑用户反弹特性的购售电方法，在具体执行过程中，由以下几个步骤组成：
(1)日前双边交易购电成本
售电公司通过与发电商协商达成一致，以一定的价格签订交易期内的购电合同。在商品市场环境下，发电商之间的竞争也将更加激烈，可认为单位电价随签购电量的增长而呈现缓慢降低的趋势，日前交易市场进行购电交易成本CB的计算公式为：
CB＝QB·pB(QB) (1)
其中，QB表示合同期内的双边签购电量，pB表示双边交易价格随QB变化的函数。
(2)实时集中交易购电成本
由于双边交易签订的是合同期内的总交易电量，面对实时变化的负荷需求，分配各时段内调用的电量后，其余不足部分由集中交易补足。
集中竞价交易模式下，需要有一个集中的交易中心，并定义一定的交易规则，市场参与者通过该交易中心报价，交易中心按照相关交易规则进行市场出清，确定每个市场参与者的中标量和中标价格。(考虑到实时负荷的波动性，有的实时市场每5分钟根据报价进行一次出清)实时现货市场价格波动大，售电公司需要承受巨大风险。实时交易市场进行购电交易成本CP为：
其中，qPt代表实际集中交易的实时负荷量，pt为实时市场电价。
(3)售电公司售电收益
1)用户售电收益
售电公司的主要业务为从批发市场购电后零售给各分散用户，零售电价由售电公司预先制定，若零售电价为pretail，则售电商的售电收益Bsell为：
其中，qLt为售电公司各小时实际售电功率。
2)平衡市场直接交易收益
售电公司出现电量剩余时向市场直接售电，出现电量短缺时从市场购电然后向用户出售，交易收益BRE表示为：
其中，表示每小时直接市场售电量。
(4)售电公司开展激励型需求响应项目成本
激励型需求响应项目是风险管理的有力工具，售电商可以依据市场电价需要，依照事先签订的合同做出合理的负荷调整。按照激励型需求响应的实施特征，可以将其分为直接负荷控制(DLC)以及可中断负荷(IL)。按照极力需求响应发布后用户响应前后的负荷转移特征，可以分为负荷反弹型(响应结束后下一时段以一定比例反弹负荷)、负荷分散转移型(响应缺额的负荷分散转移到响应时段前后)和负荷平移型(负荷固定平移到响应后或响应前x小时)。
1)直接负荷控制
在所有已经签订直接负荷控制合同的用户中，排除有特殊用电安排无法受控的用户；主要的参数有：用户受控负荷QDLC，最大连续受控时间toff,max，最小连续运行时间ton,min，最大受控次数NDLC，基本受控补偿费率r0。假设有K组用户参加售电商实施的DLC项目，第t时段所有用户的可控制负荷为:
式中，xkt为第t时段k组负荷是否被控制的0-1状态变量；qDLC,kt表示第t时段k组负荷的可控负荷。
由于直接负荷控制是在不通知用户的前提下直接控制调用的，用户无法提前安排转移用电负荷，因此负荷控制后会出现负荷反弹，即该类负荷资源皆属于负荷反弹型。精确的反弹负荷模型很难得到，通常使用3阶段反弹负荷模型：
式中，负荷反弹值与前3个时段用户负荷变化值有关，其中α＝0.6,β＝0.3,γ＝0.1。
用户参与DLC项目以后，售电商将以中断补偿的方式来激励用户执行DR。电力市场下，用户在参与DLC项目时所能获得的中断补偿费率大小与负荷受控的有效性有关，即用户负荷可以被越有效地中断(供电可靠性越低)，其获得的中断补偿费率就越高。为了更明确地区分DLC参与用户的贡献程度，并对不同贡献的用户实行合理的差别补偿，定义用户负荷的受控时间灵活度Rk和实际中断补偿费率rk分别为：
λDLC(x)＝0.35arctanx+1 (8)
式中：Rk为第k组用户的受控时间灵活度；Toff,k,max和Ton,k,min分别为第k组用户的最大连续受控时间与最小连续运行时间；λDLC(x)为用于计算DLC差别补偿费率的函数；为所有用户Rk的平均值；r0为基本中断补偿费率；rk为第k组用户的实际中断补偿费率。
则售电商提供的中断补偿费用CDLC为：
2)可中断负荷
可中断负荷项目同样是风险管理的有力工具，售电公司与参与用户提前签订合同，并规定负荷最大中断量和中断时间等。售电公司在电量短缺时可依据合同合理中断用户负荷，并给予相应补偿。由于该项目提前通知用户，用户有时间进行用电安排，因此该项目负荷资源主要包括平移时间固定以及分散转移型负荷。其特性可由以下约束体现：
平移时间固定型：
负荷平移到x小时后：
负荷平移到x小时前：
分散转移型负荷：
从通知发布开始进行负荷转移，日负荷量保持不变：
式中，假设在响应时段前ts小时发布通知，则理论上用户在收到该通知后可以分散转移负荷量；为在x时段用户的响应负荷量；为在通知发布后的t时段转移负荷电量，NT为24。
设售电商按照如下原则进行可调负荷交易：
a)售电商预先与用户签订合同，以前期补贴的方式从用户处购买调度可调负荷的权限。为提高用户参与项目的积极性，设计单位补贴价格pe(万元/MW)与用户可调负荷容量有关：
式中，Pmin为用户参与需求响应项目的最小容量，q1、q2分别为参与容量第一、二档界限，pe1、pe2、pe3为对应的单位前期补贴价格，pe1<pe2<pe3。售电商实际支出的前期补贴为：
Ce＝pe×(qu1+qu2+qu3) (15)
其中，qu1、qu2、qu3分别为从三类负荷集群购买的可调负荷容量。
b)当售电商行使对用户的调整负荷权利后，需按一定的补偿价格对用户响应量进行补偿。补偿成本Cb的实际计算公式如下所示:
Cb＝pb×qIL (16)
式中，pb表示用户的单位调度补偿价格，qIL为可调负荷集群动作量。
c)设时段T的批发市场电价为pt(万元/MWh)，则当pt＞(pretail+pb)时，理性的售电商选择行使对用户的调整负荷权利；否则，售电商不会选择行使对用户进行负荷调用的权利。
d)由于日前合同限制，售电商在日内时段T具体决策调度电量时受到签约容量约束，即qIL1≤qu1,qIL2≤qu2,qIL3≤qu3，其中qIL1、qIL2、qIL3为三类负荷集群的日内负荷削减功率。
e)可中断负荷合同用户若未按照调用指令中断负荷，售电公司只得在平衡市场交易电量差额，为规避合同用户违约可能造成的风险损失，惩罚金额与平衡市场电价有关：
式中，表示与用户签订的可中断初始交易电量，表示实际可中断交易电量，。
3)激励型需求响应基本约束条件
激励型需求响应项目受到调用功率上下限约束、提前通知时间和最小持续时间约束等约束：
调用负荷的上下限约束：
正调用和负调用的耦合约束：
最小启动/关停时间约束：
调用次数约束：
(5)售电公司平衡市场交易策略风险度量
采用CVaR度量售电公司在购售电两侧交易的风险损失。CVaR度量了购售电组合购电以及激励售电侧所面临损失部分售电商所能承受的最大期望值，适用于组合优化问题。公式如下：
式中，[f(ω)-RVaR,β]+＝max[0,f(ω)-RVaR,β]，β表示置信度水平，RCVaR,β表示在β下交易策略的最大期望风险损失，RVaR,β表示计算RCVaR,β辅助变量，f(ω)表示交易策略的损失函数，由收益期望与调用过后的实际差值表示。
(6)售电公司平衡市场交易目标函数
售电公司在平衡市场交易主要有两个目的：最大化交易净收益和最小化交易风险。由于售电公司不再需要考虑电网的安全运营问题，本文构建售电公司决策模型如下：
max[Bsell+BRE+BBC-CP-CB-CDLC-Cb-Ce-γRCVaR] (25)
为售电公司风险度量因子，表示售电公司考虑风险的程度，γ＝0代表售电公司不计风险，以收益最大化为唯一目标，γ越大，考虑风险的程度越大，售电公司策略趋于保守。模型满足负荷平衡：
其中，q0t表示初始时的实时负荷，qDLC,t表示直接负荷控制项目可控制负荷量，为可中断项目在x时段用户的响应负荷量；为在通知发布后的t时段转移负荷电量，为直接负荷控制项目反弹负荷量，qLt为售电商各小时实际售电量。
(7)求解模型得出可调负荷调用方案以及在各级市场购电组合策略
本方案的决策模型为非线性随机优化模型，决策变量为各类负荷个调用容量qDLC,t，qIL以及在各级市场需要购买的容量和风险损失，因此采用matlab软件自带的遗传算法工具箱求解。本发明针对用户的负荷特性，基于需求响应激励措施，考虑市场价格风险，分析不同的激励项目的响应情况，根据各购电市场的不同特性，制定购电组合方案。具体内容如下：
1)在日调用的时间尺度上，按照激励发布后用户响应前后的负荷转移特征，将激励调用方式设计为负荷反弹型、负荷分散转移型和负荷平移型。并根据用户对三种激励方式的反弹特性情况进行研究，为售电商最优调用组合方式和调用量的选择提供了参考。
2)按照购电市场的不同特性划分市场，根据用户对激励调用方式负荷响应的不同程度以及风险分析，确定最优购电组合策略，最终实现风险最小化，并获取最大利润。
采用本发明的技术方案，可实现如下有益效果：充分考虑并分别评估了影响售电商收益的两大市场因素，细化不同的激励方式对用户负荷特性的影响，同时考虑在不同购电市场下购电组合的优化策略，从而使售电商在购售电市场得到更多的利润。在此基础上构建考虑用户反弹特性的购售电优化模型，并考虑收益的风险因素，有益于本方案的推广与实施。

Claims (10)

1.一种考虑用户反弹特性的购售电方法，其特征在于，包括如下步骤：
步骤1，计算日前双边交易市场进行购电交易的成本CB，以及实时交易市场进行购电交易的成本CP；
步骤2，计算售电商向用户的售电收益Bsell，以及售电商在平衡市场进行直接交易的交易收益BRE；
步骤3，计算售电商采取激励需求响应所需向用户给予的补偿，补偿包括中断补偿费用CDLC、售电商实际支出的前期补贴Ce、售电商实际支出的负荷调整补偿成本Cb以及为规避合同用户违约造成的风险损失罚金BBC；
步骤4，建立售电商的可调负荷决策模型为：
max[Bsell+BRE+BBC-CP-CB-CDLC-Cb-Ce-γRCVaR]
式中，γ为售电商风险度量因子，表示售电商考虑风险的程度，γ＝0代表售电商不计风险以收益最大化为唯一目标，γ越大考虑风险的程度越大，代表售电商策略趋于保守，RCvaR为最大期望损失，RCVaR在置信度水平β下的在计算公式为：
<mrow> <msub> <mi>R</mi> <mrow> <mi>C</mi> <mi>V</mi> <mi>a</mi> <mi>R</mi> <mo>,</mo> <mi>&amp;beta;</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>R</mi> <mrow> <mi>V</mi> <mi>a</mi> <mi>R</mi> <mo>,</mo> <mi>&amp;beta;</mi> </mrow> </msub> <mo>+</mo> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;beta;</mi> </mrow> </mfrac> <mo>)</mo> </mrow> <munder> <mo>&amp;Sigma;</mo> <mi>&amp;omega;</mi> </munder> <mi>&amp;pi;</mi> <mrow> <mo>(</mo> <mi>&amp;omega;</mi> <mo>)</mo> </mrow> <mo>.</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>&amp;omega;</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>R</mi> <mrow> <mi>V</mi> <mi>a</mi> <mi>R</mi> <mo>,</mo> <mi>&amp;beta;</mi> </mrow> </msub> <mo>&amp;rsqb;</mo> </mrow> <mo>+</mo> </msup> </mrow>
式中，[f(ω)-RVaR,β]+＝max[0,f(ω)-RVaR,β]，β表示置信度水平，RCVaR,β表示在β下交易策略的期望风险损失，RVaR,β表示计算RCVaR,β辅助变量，f(ω)表示交易策略的损失函数，由收益期望与调用过后的实际差值表示；
步骤5，利用matlab的遗传算法求解可调负荷决策模型得出可调负荷的调用方案以及在各级市场所需购买的电量。
2.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤1中，日前交易市场进行购电交易的成本CB的计算公式为：
CB＝QB·pB(QB)
式中，QB表示合同期内的售电商和发电商双边签购电量，pB表示双边交易价格随QB变化的函数。
3.根据权利要求2所述的考虑用户反弹特性的购售电方法，其特征在于，步骤1中，实时交易市场进行购电交易的成本CP为：
<mrow> <msub> <mi>C</mi> <mi>P</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>q</mi> <mrow> <mi>P</mi> <mi>t</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>p</mi> <mi>t</mi> </msub> </mrow>
式中，qPt为实时集中交易的负荷量，pt为实时市场电价。
4.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤2中，售电商向用户的售电收益Bsell的计算公式为：
<mrow> <msub> <mi>B</mi> <mrow> <mi>s</mi> <mi>e</mi> <mi>l</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>p</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>t</mi> <mi>a</mi> <mi>i</mi> <mi>l</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>q</mi> <mrow> <mi>L</mi> <mi>t</mi> </mrow> </msub> </mrow>
式中，qLt为售电商各小时实际售电量，pretail为零售电价。
5.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤2中，售电商在平衡市场进行直接交易的交易收益BRE的计算公式为：
<mrow> <msup> <mi>B</mi> <mrow> <mi>R</mi> <mi>E</mi> </mrow> </msup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>p</mi> <mi>t</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>q</mi> <mi>t</mi> <mrow> <mi>s</mi> <mi>a</mi> <mi>l</mi> <mi>e</mi> </mrow> </msubsup> </mrow>
式中，为每小时直接市场售电量。
6.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤3中，中断补偿费用CDLC的计算公式为：
<mrow> <msub> <mi>C</mi> <mrow> <mi>D</mi> <mi>L</mi> <mi>C</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msub> <mi>r</mi> <mi>k</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>x</mi> <mrow> <mi>k</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>q</mi> <mrow> <mi>D</mi> <mi>L</mi> <mi>C</mi> <mo>,</mo> <mi>k</mi> <mi>t</mi> </mrow> </msub> </mrow>
式中，rk为实际中断补偿费率，xkt为第t时段k组负荷是否被控制的0-1状态变量，qDLC为第t时段所有用户的可控制负荷，K为用户组数，rk和qDLC的计算公式分别为：
rk＝r0λDLC(x)
<mrow> <msub> <mi>q</mi> <mrow> <mi>D</mi> <mi>L</mi> <mi>C</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>x</mi> <mrow> <mi>k</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>q</mi> <mrow> <mi>D</mi> <mi>L</mi> <mi>C</mi> <mo>,</mo> <mi>k</mi> <mi>t</mi> </mrow> </msub> </mrow>
式中，Rk为用户负荷的受控时间灵活度，为所有用户Rk的平均值，r0为基本中断补偿费率，λDLC(x)为用于计算直接负荷控制的差别补偿费率的函数，x，λDLC(x)和Rk的计算公式分别为：
<mrow> <mi>x</mi> <mo>=</mo> <mfrac> <mrow> <msub> <mi>R</mi> <mi>k</mi> </msub> <mo>-</mo> <mover> <mi>R</mi> <mo>&amp;OverBar;</mo> </mover> </mrow> <mover> <mi>R</mi> <mo>&amp;OverBar;</mo> </mover> </mfrac> </mrow>
λDLC(x)＝0.35arctanx+1
<mrow> <msub> <mi>R</mi> <mi>k</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>T</mi> <mrow> <mi>o</mi> <mi>f</mi> <mi>f</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mrow> <msub> <mi>T</mi> <mrow> <mi>o</mi> <mi>f</mi> <mi>f</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>T</mi> <mrow> <mi>o</mi> <mi>n</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mrow> </mfrac> </mrow>
式中，Toff,k,max和Ton,k,min分别为第k组用户的最大连续受控时间与最小连续运行时间。
7.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤3中，售电商实际支出的前期补贴Ce的计算公式为：
Ce＝pe×(qu1+qu2+qu3)
式中，pe为单位补贴价格，计算公式为：
<mrow> <msub> <mi>p</mi> <mi>e</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>p</mi> <mrow> <mi>e</mi> <mn>1</mn> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>q</mi> <mi>min</mi> </msub> <mo>&lt;</mo> <msub> <mi>q</mi> <mi>u</mi> </msub> <mo>&lt;</mo> <msub> <mi>q</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>p</mi> <mrow> <mi>e</mi> <mn>2</mn> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>q</mi> <mn>1</mn> </msub> <mo>&amp;le;</mo> <msub> <mi>q</mi> <mi>u</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>q</mi> <mn>2</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>p</mi> <mrow> <mi>e</mi> <mn>3</mn> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>q</mi> <mn>2</mn> </msub> <mo>&lt;</mo> <msub> <mi>q</mi> <mi>u</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
式中，Pmin为用户参与需求响应项目的最小容量，q1和q2分别为参与容量第一档和第二档的界限，pe1、pe2和pe3分别为三档负荷集群对应的单位前期补贴价格，pe1<pe2<pe3，上式中qu1、qu2和qu3分别为从三档负荷集群购买的可调负荷容量，qu表示购买的可调负荷容量。
8.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤3中，售电商实际支出的负荷调整补偿成本Cb的计算公式为：
Cb＝pb×qIL
式中，pb表示用户的单位调度补偿价格，qIL为可调负荷集群动作量。
9.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤3中，为规避合同用户违约造成的风险损失罚金BBC的计算公式为：
<mrow> <msup> <mi>B</mi> <mrow> <mi>B</mi> <mi>C</mi> </mrow> </msup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>L</mi> </msub> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mn>0</mn> </msubsup> <mo>-</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mrow> <mi>r</mi> <mi>e</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>p</mi> <mi>t</mi> </msub> </mrow>
式中，表示与用户签订的可中断初始交易电量，表示实际可中断交易电量，NL表示参与项目用户数。
10.根据权利要求1所述的考虑用户反弹特性的购售电方法，其特征在于，步骤4中，售电商的可调负荷决策模型满足下列负荷平衡条件：
<mrow> <msub> <mi>q</mi> <mrow> <mn>0</mn> <mi>t</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>q</mi> <mrow> <mi>D</mi> <mi>L</mi> <mi>C</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>-</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>-</mo> </msubsup> <mo>+</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>+</mo> </msubsup> <mo>+</mo> <msubsup> <mi>up</mi> <mi>t</mi> <mrow> <mi>l</mi> <mi>o</mi> <mi>a</mi> <mi>d</mi> </mrow> </msubsup> <mo>=</mo> <msub> <mi>q</mi> <mrow> <mi>L</mi> <mi>t</mi> </mrow> </msub> </mrow>
<mrow> <msub> <mi>Q</mi> <mi>B</mi> </msub> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>q</mi> <mrow> <mi>P</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>q</mi> <mrow> <mi>L</mi> <mi>t</mi> </mrow> </msub> </mrow>
式中，q0t表示初始时的实时负荷，qDLC,t表示直接负荷控制项目可控制负荷量，为可中断项目在t时段用户的响应负荷量，为在通知发布后的t时段转移负荷电量，为直接负荷控制项目反弹负荷量，qLt为售电商各小时实际售电量；
其中，直接负荷控制项目反弹负荷量的计算公式为：
<mrow> <msubsup> <mi>up</mi> <mi>t</mi> <mrow> <mi>l</mi> <mi>o</mi> <mi>a</mi> <mi>d</mi> </mrow> </msubsup> <mo>=</mo> <mi>&amp;alpha;</mi> <mo>*</mo> <msubsup> <mi>x</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>+</mo> </msubsup> <mo>*</mo> <msub> <mi>q</mi> <mrow> <msubsup> <mi>dI</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>+</mo> <mi>&amp;beta;</mi> <mo>*</mo> <msubsup> <mi>x</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>2</mn> </mrow> <mo>+</mo> </msubsup> <mo>*</mo> <msub> <mi>q</mi> <mrow> <msubsup> <mi>dI</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>2</mn> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>*</mo> <msubsup> <mi>x</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>3</mn> </mrow> <mo>+</mo> </msubsup> <mo>*</mo> <msub> <mi>q</mi> <mrow> <msubsup> <mi>dI</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>3</mn> </mrow> <mo>+</mo> </msubsup> </mrow> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mi>T</mi> </msub> <mo>+</mo> <mn>3</mn> </mrow>
式中，以及分别为前3个时段用户负荷变化值，α＝0.6,β＝0.3,γ＝0.1；
在通知发布后的t时段转移负荷电量包括负荷平移到x小时后以及负荷平移到x小时前两种平移类型，表达式分别为：
<mrow> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> <mo>+</mo> <msub> <mi>N</mi> <mi>x</mi> </msub> </mrow> <mo>+</mo> </msubsup> <mo>=</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>-</mo> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mi>T</mi> </msub> <mo>-</mo> <msub> <mi>N</mi> <mi>x</mi> </msub> </mrow>
<mrow> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>N</mi> <mi>x</mi> </msub> </mrow> <mo>+</mo> </msubsup> <mo>=</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>-</mo> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mi>T</mi> </msub> <mo>+</mo> <msub> <mi>N</mi> <mi>x</mi> </msub> </mrow>
可中断项目在t时段用户的响应负荷量与t时段转移负荷电量构成如下等式：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>t</mi> <mi>s</mi> </msub> </mrow> <msub> <mi>N</mi> <mi>T</mi> </msub> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>+</mo> </msubsup> <mo>-</mo> <msubsup> <mi>q</mi> <mrow> <mi>I</mi> <mi>L</mi> <mo>,</mo> <mi>x</mi> </mrow> <mo>-</mo> </msubsup> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mi>T</mi> </msub> </mrow>
设定在响应时段前ts小时发布通知，则用户在收到该通知后分散转移负荷量，NT为24。
CN201711091130.0A 2017-11-08 2017-11-08 一种考虑用户反弹特性的购售电方法 Pending CN107909196A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711091130.0A CN107909196A (zh) 2017-11-08 2017-11-08 一种考虑用户反弹特性的购售电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711091130.0A CN107909196A (zh) 2017-11-08 2017-11-08 一种考虑用户反弹特性的购售电方法

Publications (1)

Publication Number Publication Date
CN107909196A true CN107909196A (zh) 2018-04-13

Family

ID=61843650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711091130.0A Pending CN107909196A (zh) 2017-11-08 2017-11-08 一种考虑用户反弹特性的购售电方法

Country Status (1)

Country Link
CN (1) CN107909196A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376970A (zh) * 2018-12-21 2019-02-22 青岛理工大学 适用于能源互联网的动态实时电价机制形成方法及系统
CN111242458A (zh) * 2020-01-07 2020-06-05 广东电网有限责任公司电力调度控制中心 一种基于个性化用电需求的电力零售定价方法及装置
CN111402015A (zh) * 2020-03-17 2020-07-10 南京工业大学 一种基于购售风险的虚拟电厂双层竞标方法及系统
CN112241826A (zh) * 2020-07-31 2021-01-19 贵州万峰电力股份有限公司 基于智能电表数据的配电市场端对端偏差补偿方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376970A (zh) * 2018-12-21 2019-02-22 青岛理工大学 适用于能源互联网的动态实时电价机制形成方法及系统
CN109376970B (zh) * 2018-12-21 2021-03-12 青岛理工大学 适用于能源互联网的动态实时电价机制形成方法及系统
CN111242458A (zh) * 2020-01-07 2020-06-05 广东电网有限责任公司电力调度控制中心 一种基于个性化用电需求的电力零售定价方法及装置
CN111402015A (zh) * 2020-03-17 2020-07-10 南京工业大学 一种基于购售风险的虚拟电厂双层竞标方法及系统
CN112241826A (zh) * 2020-07-31 2021-01-19 贵州万峰电力股份有限公司 基于智能电表数据的配电市场端对端偏差补偿方法及系统

Similar Documents

Publication Publication Date Title
Cornélusse et al. A community microgrid architecture with an internal local market
Mnatsakanyan et al. A novel demand response model with an application for a virtual power plant
Bhattacharya Competitive framework for procurement of interruptible load services
CN110909910B (zh) 一种基于pbr的偏差电量考核机制优化设计方法
Qi et al. Sharing demand-side energy resources-A conceptual design
Nguyen et al. Market-based demand response scheduling in a deregulated environment
CN107909196A (zh) 一种考虑用户反弹特性的购售电方法
CN108520437A (zh) 基于用户负荷曲线提高风电消纳的vpp市场机制
CN109934501A (zh) 一种电力零售商参与平衡市场交易的风险规避方法
CN110516855A (zh) 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN112465303A (zh) 考虑需求响应基于多代理的双边电力市场优化决策方法
CN110659772A (zh) 售电公司在分段线性偏差电量考核机制下的最优经营策略确定方法
CN111967695B (zh) 一种面向售电公司的峰谷组合电力套餐优化方法
Ciarreta et al. The impact of regulation on pricing behavior in the Spanish electricity market (2002–2005)
Ciarreta et al. Market power in the Spanish electricity auction
Li et al. Coordinated low-carbon dispatching on source-demand side for integrated electricity-gas system based on integrated demand response exchange
Mao et al. Pricing mechanism for community prosumers in decentralized electricity market
CN109785014A (zh) 一种能量共享系统的电价确定方法及系统
Yao et al. Service quality and the share of renewable energy in electricity generation
CN109345292A (zh) 一种考虑用户贡献度的购售电方法
Chawda et al. Uncertainty and risk management in electricity market: Challenges and opportunities
Feng et al. A robust optimization model for multiple electricity retailers based on electricity trading in the presence of demand response program
Wang et al. An analysis from the perspective of direct power-purchase for industrial users: Should the power grid company implement incentive-based demand response management?
CN112381399A (zh) 一种能源系统日前-实时出清方法及系统
CN109636436A (zh) 一种电力金融合约交易曲线分解方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180413