CN108429260B - 售电公司多时间尺度交易电量决策方法和系统 - Google Patents

售电公司多时间尺度交易电量决策方法和系统 Download PDF

Info

Publication number
CN108429260B
CN108429260B CN201810296960.5A CN201810296960A CN108429260B CN 108429260 B CN108429260 B CN 108429260B CN 201810296960 A CN201810296960 A CN 201810296960A CN 108429260 B CN108429260 B CN 108429260B
Authority
CN
China
Prior art keywords
electricity
transaction
power
prediction data
traditional
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.)
Expired - Fee Related
Application number
CN201810296960.5A
Other languages
English (en)
Other versions
CN108429260A (zh
Inventor
王蕾
史述红
李竹
高春成
袁明珠
刘永辉
方印
王海宁
王清波
承林
张倩
汪涛
代勇
王春艳
张琳
习培玉
吕文涛
刘杰
刘冬
袁晓鹏
吴雨健
吕俊良
李瑞肖
万舒路
董武军
李守保
陶力
赵显�
谭翔
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.)
Beijing Power Exchange Center Co ltd
Beijing Kedong Electric Power Control System Co Ltd
Original Assignee
Beijing Power Exchange Center Co ltd
Beijing Kedong Electric Power Control System Co Ltd
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 Beijing Power Exchange Center Co ltd, Beijing Kedong Electric Power Control System Co Ltd filed Critical Beijing Power Exchange Center Co ltd
Priority to CN201810296960.5A priority Critical patent/CN108429260B/zh
Publication of CN108429260A publication Critical patent/CN108429260A/zh
Application granted granted Critical
Publication of CN108429260B publication Critical patent/CN108429260B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • G06Q10/063—Operations research, analysis or management
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了售电公司多时间尺度交易电量决策方法和系统，包括：获取历史数据，并确定售电公司参与竞价交易的最长时间尺度；根据历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据；根据第一用电量预测数据和第二用电量预测数据参与最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策。本发明基于不同时间尺度负荷用电量需求，考虑了非传统电源和负荷的电量需求，为新形态配电网条件下售电公司参与不同时间尺度购电交易提供了准确的参考依据。

Description

售电公司多时间尺度交易电量决策方法和系统
技术领域
本发明涉及售电交易技术领域，尤其是涉及售电公司多时间尺度交易电量决策方法和系统。
背景技术
随着电力系统规模的不断扩大，电网的结构和运行方式变得越来越复杂，有效提高和保证电力系统的安全可靠性、供电质量以及运行的经济性已成为电力系统发展的一个重要目标，用电量预测的重要性越来越突出。
在配售电分离市场条件下，传统供电公司、发电公司以及社会资产企业等均可申请和投资成立售电公司，开展售电业务、附加增值服务以及社会普遍服务，但同时售电公司作为新的市场主体，可以参与不同时间尺度(年度、季度、月度)的电量交易，并独自承担由于供给侧和需求侧波动带来的市场风险。对于售电公司而言，如果购电量高于需求电量，将产生额外的购电成本并造成购电量的浪费；如果购电量少于需求电量，将造成用户停电，对用户的停电损失赔偿也会产生较大的经济成本，所以多时间尺度条件下的购电量预测将直接影响售电公司的经济效益。
随着国家清洁能源政策的实施，未来配电网将接入大量分布式电源、电动汽车、电能替代为代表的新型负荷，呈现出新形态。分布式电源可为部分负荷供电，直接导致售电公司购电量减少。以电动汽车、电能替代等为代表的新型负荷激增，导致区域内用电量的变化趋势不同于传统配电网，以上新型负荷需要单独进行预测。随着输配电线路的改造和升级，配电网损耗呈现下降趋势，也将使售电公司购电量减少。以上要素将导致售电公司交易电量发生大幅变化，从而影响售电公司交易成本。
目前，现有技术的方法通常适用于电网跨省区交易，对于小规模售电公司参与电量交易并不适用。对于大规模用电量交易，参与交易的区域较广，决策方法复杂，数据需求量大，不适合于小范围内配电网新形态条件下的售电公司参与竞价交易。
综上所述，如何能在配电网新形态下，使售电公司具有一种精确度高、数据需求简单、灵活性强的多时间尺度电量交易决策方法成为亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供售电公司多时间尺度交易电量决策方法和系统，基于不同时间尺度负荷用电量需求，考虑了非传统电源和负荷的电量需求，为新形态配电网条件下售电公司参与不同时间尺度购电交易提供了准确的参考依据。
第一方面，本发明实施例提供了售电公司多时间尺度交易电量决策方法，包括：
获取历史数据，并确定所述售电公司参与竞价交易的最长时间尺度；
根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据；
根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述时间尺度包括年度、月度和季度；所述第一用电量预测数据包括传统负荷年度用电量预测数据、传统负荷季度用电量预测数据和传统负荷月度用电量预测数据；所述第二用电量预测数据包括非传统负荷/设备年度用电量预测数据、非传统负荷/设备季度用电量预测数据和非传统负荷/设备月度用电量预测数据；所述长时间尺度竞价交易包括年度竞价交易，所述非长时间尺度竞价交易包括季度竞价交易和月度竞价交易。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据包括：
利用平均增长率法对传统负荷的年度用电量进行预测得到所述传统负荷年度用电量预测数据；
利用增量法对非传统负荷/设备年度用电量进行预测得到所述非传统负荷/设备年度用电量预测数据，其中，所述非传统负荷/设备包括分布式电源、电动汽车和电能替代负荷。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易包括：
根据所述传统负荷年度用电量预测数据和所述非传统负荷/设备年度用电量预测数据参与所述年度用电量交易。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，还包括：
利用线性二次移动平均模型对传统负荷的季度用电量进行预测得到所述传统负荷季度用电量预测数据；
利用增量法对非传统负荷/设备的季度用电量进行预测得到所述非传统负荷/设备季度用电量预测数据。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述判断是否需要参与非长时间尺度竞价交易包括：
根据所述传统负荷季度用电量预测数据和所述非传统负荷/设备季度用电量预测数据判断是否参加所述季度竞价交易。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，还包括：
利用三次指数平滑预测法对传统负荷的月度用电量进行预测得到所述传统负荷月度用电量预测数据；
利用增量法对非传统负荷/设备的月度用电量进行预测得到所述非传统负荷/设备月度用电量预测数据。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述判断是否需要参与非长时间尺度竞价交易还包括：
根据所述传统负荷月度用电量预测数据和所述非传统负荷/设备月度用电量预测数据判断是否参与所述月度竞价交易。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，所述历史数据包括售电公司历史年/季/月购电量数据、分布式电源历史年/季/月发电量数据、电动汽车历史年/季/月用电量数据和电能替代历史年/季/月用电量数据。
第二方面，本发明实施例提供了售电公司多时间尺度交易电量决策系统，包括：
获取单元，用于获取历史数据，并确定所述售电公司参与竞价交易的最长时间尺度；
预测单元，用于根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据；
决策单元，用于根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策。
本发明提供了售电公司多时间尺度交易电量决策方法和系统，包括：获取历史数据，并确定售电公司参与竞价交易的最长时间尺度；根据历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据；根据第一用电量预测数据和第二用电量预测数据参与最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策。本发明基于不同时间尺度负荷用电量需求，考虑了非传统电源和负荷的电量需求，为新形态配电网条件下售电公司参与不同时间尺度购电交易提供了准确的参考依据。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的售电公司多时间尺度交易电量决策方法流程图；
图2为本发明实施例提供的另一售电公司多时间尺度交易电量决策方法流程图；
图3为本发明实施例提供的另一售电公司多时间尺度交易电量决策方法流程图；
图4为本发明实施例提供的售电公司多时间尺度交易电量决策系统示意图。
图标：
10－获取单元；20－预测单元；30－决策单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例属于针对售电公司的多时间尺度交易电量决策方法，需要售电公司提供与外部电网交易电量的历史数据，同时需要提供对售电公司交易电量影响较大的内部要素(如分布式电源发电量、电动汽车充电量、电能替代电量、网络损耗电量等历史数据)，全面考量了售电公司参加外部电网竞价交易的多时间尺度(年度、季度、月度)的交易电量。具体而言是一种配售电分离背景下基于预测技术的售电公司多时间尺度交易电量决策方法。本发明实施例基于电量预测技术，提出一种考虑分布式电源、电动汽车、电能替负荷和网损的售电公司多时间尺度交易电量决策方法。
本发明实施例想要解决的技术问题在于：售电公司参与竞价交易涉及到年度、季度、月度等多种时间尺度，现有用电量预测技术大多采用单一的预测方法，计算流程一成不变，难以适应多种不同时间尺度要求下的用电量预测，而且不能适应当前大量分布式电源、电动汽车的新形态。本发明实施例针对售电公司管辖区域用电量交易，提出了一种基于预测技术的售电公司多时间尺度交易电量决策方法，主要解决以下问题：
综合考虑各预测方法的误差，针对不同时间尺度采用不同的电量预测技术，大大提高了多时间尺度负荷预测的精度，为配售电市场分离条件下的售电公司参与用电量交易提供了决策依据。具体而言：平均增长率法有利于反应负荷的线性增长趋势，更加适合受政策调整等宏观因素影响程度较大的年用电量预测；线性二次移动平均模型采用移动平均的思路，有利于消除历史数据的毛刺，适用于季度用电量预测；三次指数平滑预测最终给出二次型预测曲线，有利于描述负荷增长率攀升的情况，适用于月用电量预测。
考虑分布式电源、电动汽车、电能替代等配电网新形态以及网络损耗变化，并与传统负荷用电量预测结果综合考量，得到售电公司参与竞价交易电量值，为售电公司参与购电交易决策提供参考。
本发明实施例总体思路为：
售电公司参与竞价交易涉及到年度、季度、月度等多种时间尺度。由于短期竞价交易的购电电价往往高于中长期交易的购电电价，为了确保售电公司利益最大化，售电公司会尽量规避参与短期竞价交易。在保证用电量需求的条件下，售电公司选择参与购电量交易的时间尺度优先级应该为：年、季、月。
本发明实施例构建了售电公司参与不同时间尺度竞价交易的框架：1)首先，根据年度电量预测完成年度购电量交易；2)然后，在每个季度初始时修正季度用电量的预测值，判断是否需要参与季度的购电量交易；3)最后，在每个月度初始时修正月度用电量的预测值，判断是否需要参与月度的购电量交易。
售电公司参与购电交易的主要依据是管辖区域的电量需求，根据历史用电量数据可以获得电量需求的预测值。本发明实施例分别采用平均增长率法、线性二次移动平均模型、三次指数平滑模型预测年用电量、季度用电量和月度用电量，方法适应性强、数据需求量少，避免了单一方法预测精度低的问题。
基于不同时间尺度负荷用电量需求，进一步考虑了分布式电源发电量、电动汽车充电用电量、电能替代用电量、网络损耗电量变化等指标，对售电公司购电量预测值进行修正，可以获得更加接近实际的管辖区域用电量需求，为新形态配电网条件下售电公司参与不同时间尺度购电交易提供较为准确的参考依据。
实施例一：
首先需要说明的是，本发明实施例所提出的决策方法主要需要以下历史数据：
(1)售电公司历史年/季/月购电量数据；
(2)分布式电源历史年/季/月发电量数据；
(3)电动汽车历史年/季/月用电量数据；
(4)电能替代历史年/季/月用电量数据。
交易电量的决策过程如下：
(1)根据历史交易购电量、分布式电源发电量、电动汽车用电量、电能替代用电量，获得传统负荷的历史用电量；
(2)采用不同预测方法得到不同时间尺度条件下传统负荷的用电量预测值；
(3)根据分布式电源、电动汽车和电能替代的增长率分别得出各自电量预测值(新能源用电量预测值)；
(4)以传统负荷的用电量预测值为基础，考虑分布式电源、电动汽车和电能替代电量的预测值，确定售电公司参与上级电网的竞价交易电量。
下面对实施例所提出的方法进行具体描述：
参照图1，售电公司多时间尺度交易电量决策方法，包括：
步骤S101，获取历史数据，并确定售电公司参与竞价交易的最长时间尺度；
步骤S102，根据历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据；
步骤S103，根据第一用电量预测数据和第二用电量预测数据参与最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策。
进一步地，时间尺度包括年度、月度和季度；第一用电量预测数据包括传统负荷年度用电量预测数据、传统负荷季度用电量预测数据和传统负荷月度用电量预测数据；第二用电量预测数据包括非传统负荷/设备年度用电量预测数据、非传统负荷/设备季度用电量预测数据和非传统负荷/设备月度用电量预测数据；长时间尺度竞价交易包括年度竞价交易，非长时间尺度竞价交易包括季度竞价交易和月度竞价交易。
进一步地，步骤S102包括：
利用平均增长率法对传统负荷的年度用电量进行预测得到传统负荷年度用电量预测数据；
利用增量法对非传统负荷/设备年度用电量进行预测得到非传统负荷/设备年度用电量预测数据，其中，非传统负荷/设备包括分布式电源、电动汽车和电能替代负荷；
进一步地，步骤S103包括：
根据传统负荷年度用电量预测数据和非传统负荷/设备年度用电量预测数据参与年度用电量交易。
进一步地，步骤S102还包括：
利用线性二次移动平均模型对传统负荷的季度用电量进行预测得到传统负荷季度用电量预测数据；
利用增量法对非传统负荷/设备的季度用电量进行预测得到非传统负荷/设备季度用电量预测数据。
进一步地，判断是否需要参与非长时间尺度竞价交易包括：
根据传统负荷季度用电量预测数据和非传统负荷/设备季度用电量预测数据判断是否参加季度竞价交易。
进一步地，步骤S102还包括：
利用三次指数平滑预测法对传统负荷的月度用电量进行预测得到传统负荷月度用电量预测数据；
利用增量法对非传统负荷/设备的月度用电量进行预测得到非传统负荷/设备月度用电量预测数据。
进一步地，判断是否需要参与非长时间尺度竞价交易还包括：
根据传统负荷月度用电量预测数据和非传统负荷/设备月度用电量预测数据判断是否参与所述月度竞价交易。
实施例二：
交易电量的决策过程参照图3：
步骤S201，根据历史交易购电量、分布式电源发电量、电动汽车用电量、电能替代用电量，获得传统负荷的历史用电量；
步骤S202，采用不同预测方法得到不同时间尺度条件下传统负荷的用电量预测值；
步骤S203，根据分布式电源、电动汽车和电能替代的增长率分别得出各自电量预测值(新能源用电量预测值)；
步骤S204，以传统负荷的用电量预测值为基础，考虑分布式电源、电动汽车和电能替代电量的预测值，确定售电公司参与上级电网的竞价交易电量。
售电公司参与竞价交易的决策模型包括如下三个部分：
(1)年度交易电量决策
由于年度竞价交易过程中的电价一般最低，售电公司为了完成售电业务并实现售电利益的最大化，通常首先选择年度作为参与售电市场竞价交易的时间尺度，所以年度用电量交易是售电公司参与用电量交易的主要方式。
在预测过程当中，售电公司需要输入近5年的历史年用电量数据，采用平均增长率法预测待交易年的传统负荷用电量，并根据分布式电源报装量、电动汽车增量、电能替代负荷增量给出各自的预测值，据此完成购电交易。通常情况下，年用电量预测只需在每个自然年度初始时进行一次，用于完成该年度的电量竞价交易。
平均增长率法亦称比例系数增长法，是根据历史规律和未来国民经济发展规划，估算出今后的用电量的平均增长率，在一定的时期内采用同一增长率来测算，通常采用分阶段的不同增长率来测算。
以传统负荷的年用电量预测为例，从第n年至第m年(n＜m)电量的平均增长率K为：
Figure BDA0001618625880000121
式中：第m年的电量值为AmkWh，第n年的电量值为AnkWh。
如果此后至l年(1＞m)的电量增长速度可以取为此平均增长率，则第l年的电量值为：
Al＝Am(1+K)l-m (2)
在考虑高渗透率分布式电源、电动汽车、电能替代增量和内部配电网的损耗情况下，售电公司年交易电量的预测值通常采用以下公式计算：
Figure BDA0001618625880000122
式中：Wy为售电公司管辖区域内年交易电量的预测值；
Figure BDA0001618625880000123
为售电公司管辖区域内传统负荷年用电量的预测值；
Figure BDA0001618625880000124
为售电公司管辖区域内分布式电源的年发电量预测值；
Figure BDA0001618625880000125
为售电公司管辖区域内电动汽车年用电量的预测值；
Figure BDA0001618625880000126
售电公司管辖区域内电能替代负荷年用电量的预测值；α为网络损耗率，可按全部负荷用电量的5％计。
根据历史数据提供的用电量实际值可以计算年交易电量的可信度：
ηy＝1-(ωy 1σy 1-ωy 2σy 2+ωy 3σy 3+ωy 4σy 4) (4)
式中：ηy为年交易电量的可信度；σy 1、σy 2、σy 3、σy 4分别为
Figure BDA0001618625880000127
Figure BDA0001618625880000128
的预测误差；ωy 1、ωy 2、ωy 3、ωy 4分别为
Figure BDA0001618625880000129
的预测电量权重，其中
Figure BDA00016186258800001210
通常情况下，售电公司为避免风险，按误差σy＝1-ηy取预测电量下限ηyWy作为最终参与年度交易的用电量。
(2)季度交易电量决策
售电公司为保证其在售电过程中的利益最大化，通常会按照略低于年用电量预测值的电量ηy进行交易，以避免电量冗余的状况出现。在完成年度竞价交易的基础上，首先进行季度分摊(把年度交易电量按以往5年季度交易电量平均值占比，分配到各季节)，进而可以通过在每个季度初始时进行该季度的用电量预测，判断是否需要参与该季度的用电量竞价交易。
季度用电量预测一般需要输入近5年相同季度的季度用电量数据，采用线性二次移动平均模型，通过多项式函数逼近得到较为精确的传统负荷用电量预测值，并根据分布式电源报装量、电动汽车增量、电能替代负荷增量给出各自的预测值，判断是否需要参与季度用电量交易。
多项式趋势中线性二次移动平均模型更符合季度电力负荷的增长趋势，其预测公式如下：
Figure BDA0001618625880000131
Figure BDA0001618625880000132
式中：Mt (1)为t季度用电量数据的一次平均模型；Mt (2)为t季度用电量数据的二次平均模型；n为移动平均的数据个数；Yt为过去连续t季度用电量数据。
Figure BDA0001618625880000133
式中的
Figure BDA0001618625880000134
为待检测第τ季度的电量数据。
Figure BDA0001618625880000135
在考虑高渗透率分布式电源、电动汽车、电能替代增量和内部配电网损耗的情况下，售电公司季度购电量的预测值通常采用以下公式计算：
Figure BDA0001618625880000136
式中：Ws为售电公司管辖区域内季度交易电量的预测值；W1 S为售电公司管辖区域内传统负荷季度用电量的预测值；
Figure BDA0001618625880000141
为售电公司管辖区域内分布式电源的季度发电量预测值；
Figure BDA0001618625880000142
为售电公司管辖区域内电动汽车季度用电量的预测值；
Figure BDA0001618625880000143
售电公司管辖区域内电能替代负荷季度用电量的预测值；α为网络损耗率，可按全部负荷用电量的5％计。
通过提供该年度已经过去的各个季度实际交易电量总和与本季度用电量的预测值相加，得到截至本季度的总用电量预测值，如果该预测值大于前面各季分摊电量与本季分摊电量之和，售电公司就需要参与本季度的竞价交易，补全已购电量与预测值之间的差值。
Figure BDA0001618625880000144
式中：Ws*为需要参与季度竞价交易的电量，若Ws*>0则必须参与季度竞价交易；
Figure BDA0001618625880000145
为前面各季分摊电量与本季分摊电量之和；
Figure BDA0001618625880000146
为已经过去的n个季度用电量实际值；
Figure BDA0001618625880000147
为第n+1个季度用电量的预测值。
简而言之，确定季度交易电量的步骤如下：
(1)若前面各季度实际交易电量+本季度预测电量＜＝前面各季度分摊电量+本季度分摊电量，则不交易；
(2)若前面各季度实际交易电量+本季度预测电量＞前面各季度分摊电量+本季度分摊电量，则交易，交易电量为差额Ws*。
由于参与季度竞价交易的实时电价较月度竞价交易的实时电价而言较低，所以采用参与季度竞价交易的方法能够在一定程度上节约购电成本，实现利益最大化。
(3)月度交易电量决策
为避免购电量过多而导致的浪费，售电公司一般按照较低值购电。在完成季度竞价交易的基础上，首先月度分摊(把季度交易电量按以往5年该季度各月交易电量平均值占比，分配到各月)，进而可以通过在该季度每个月份初始时进行该月份的用电量预测，判断是否需要参与该月份的用电量竞价交易。
月度用电量预测一般需要输入近5年相同月度的月度用电量数据，采用三次指数平滑预测，通过加权平均的方法修正得到较为精确的传统负荷用电量预测值，并根据分布式电源报装量、电动汽车增量、电能替代负荷增量给出各自的预测值，判断是否需要参与月度用电量交易。
指数平滑法使用加权平均的原理，使用时可以适当加大新数据的权重系数，减小旧数据的权重系数，体现这个过程具有时变性，反映新数据对于以后负荷的影响大小，使用平滑的方法可以消除负荷序列中的波动。
以三次指数平滑预测法进行月度用电量预测为例，输入数据为过去连续t月(以t＝5为例)月用电量数据xt，待预测数据个数T。输出数据为待预测T月用电量数据y1￣yT。
Figure BDA0001618625880000151
式中：St′为用电量关于时间t的一次平滑值，其中
Figure BDA0001618625880000152
St″为用电量关于时间t的二次平滑值，其中
Figure BDA0001618625880000153
St″′为用电量关于时间t的三次平滑值，其中
Figure BDA0001618625880000154
为已知第t日用电量；St－1为用电量关于时间t－1的平滑值；a为平滑常数，其取值范围为[0，1]；当时间序列数据呈上升/下降发展趋势，a应取较大的值，在0.6－1之间(可在程序内部自行设定)。
yT＝at+bt+ctT2 (12)
式中：yT为待预测第T月用电量数据。
at＝3St′-3St″+St″′ (13)
Figure BDA0001618625880000161
Figure BDA0001618625880000162
在考虑高渗透率分布式电源、电动汽车、电能替代增量和内部配电网的损耗情况下，售电公司月度交易电量的预测值通常采用以下公式计算：
Figure BDA0001618625880000163
式中：Wm为售电公司管辖区域内月度交易电量的预测值；Wm 1为售电公司管辖区域内传统负荷月度用电量的预测值；Wm 2为售电公司管辖区域内分布式电源的月度发电量预测值；Wm 3为售电公司管辖区域内电动汽车月度用电量的预测值；Wm 4售电公司管辖区域内电能替代负荷月度用电量的预测值；α为网络损耗率，可按全部负荷用电量的5％计。
通过提供该季度已经过去的各个月实际交易电量总和与本月用电量的预测值相加，得到截至本月的总用电量预测值，如果该预测值大于前面各月分摊电量与本月分摊电量之和，售电公司就需要参与本月的竞价交易，补全已购电量与预测值之间的差值。
Figure BDA0001618625880000164
式中：Wm*为需要参与月竞价交易的电量，若Wm*>0则必须参与月竞价交易；WΣ m为前面各月分摊电量与本月分摊电量之和；W1 m,W2 m,......,Wn m为已经过去的n个月用电量实际值；
Figure BDA0001618625880000165
为第n+1个月用电量的预测值。
简而言之，确定月交易电量的步骤如下：
(1)若本季度前面各月实际交易电量+本月预测电量＜＝前面各月分摊电量+本月分摊电量，则不交易；
(2)若本季度前面各月实际交易电量+本月预测电量＞前面各月分摊电量+本月分摊电量，则交易，交易电量为差额Wm*。
由于参与月度竞价交易的实时电价较日前竞价交易的实时电价而言较低，所以采用参与月度竞价交易的方法能够在一定程度上节约购电成本，实现利益最大化。
实施例三：
参照图2，方法步骤可具体描述为：
第一步：确定售电公司参与竞价交易的最长时间尺度，可供参考是时间尺度有年度、季度、月度，一般取年度作为售电公司参与竞价交易的最长时间尺度。
第二步：按照式(1)－(2)采用平均增长率法完成传统负荷的年度用电量，根据增量法完成分布式电源年发电量、电动汽车年用电量、电能替代负荷年用电量的预测，并通过式(3)－(4)计算总的年度用电量的预测值和可信度，确定年度交易电量，为售电公司参与年度竞价交易提供可靠性依据。
第三步：按照式(5)－(8)采用线性二次移动平均模型完成传统负荷的季度用电量，根据增量法完成分布式电源季度发电量、电动汽车季度用电量、电能替代负荷季度用电量的预测，并通过式(9)计算总的季度用电量的预测值，根据式(10)中Ws*的符号来判断是否需要参与季度的竞价交易，确定季度交易电量，为售电公司参与季度竞价交易提供可靠性依据。
第四步：按照式(11)－(15)采用三次指数平滑预测完成传统负荷的月度用电量，根据增量法完成电动汽车月度发电量、电动汽车月度用电量、电能替代负荷月度用电量的预测，并通过式(16)计算总的月度用电量的预测值，根据式(17)中Wm*的符号来判断是否需要参与月度的竞价交易，确定月度交易电量，为售电公司参与月度竞价交易提供可靠性依据。
(1)本发明实施例采用多时间尺度来描述用电量时间序列，可以为售电公司参与用电量交易提供更细致的数据支持；
(2)采用平均增长率法、线性二次移动平均模型、三次指数平滑预测提供不同时间尺度条件下的用电量预测值，根据时间尺度的划分选取不同的预测方法，建立了售电公司管辖区域内多时间尺度负荷预测的优化模型，用于售电公司参与用电量的竞价交易，评估准则更科学有效；
(3)以单一预测方法为基础，引入售电公司参与不同时间尺度用电量竞价交易的组合决策模型，从而使得售电公司可以选择是否参与某一时间尺度条件下的用电量交易，实现利益最大化。
(4)考虑到新型配电网区别于传统配电网的主要元素：分布式电源、电动汽车、电能替代负荷、网损等，结合传统负荷的预测方法，进一步提高了用电量预测的精确度。
实施例三：
参照图4，售电公司多时间尺度交易电量决策系统包括：
获取单元10，用于获取历史数据，并确定所述售电公司参与竞价交易的最长时间尺度；
预测单元20，用于根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统负荷/设备用电量进行预测得到第二用电量预测数据；
决策单元30，用于根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策。
本发明实施例提供的售电公司多时间尺度交易电量决策系统，与上述实施例提供的售电公司多时间尺度交易电量决策方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例所提供的售电公司多时间尺度交易电量决策方法以及系统的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种售电公司多时间尺度交易电量决策方法，其特征在于，包括：
获取历史数据，并确定所述售电公司参与竞价交易的最长时间尺度；
根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统设备用电量进行预测得到第二用电量预测数据；
根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策，其中，所述长时间尺度竞价交易包括年度竞价交易，所述非长时间尺度竞价交易包括季度竞价交易和月度竞价交易。
2.根据权利要求1所述的售电公司多时间尺度交易电量决策方法，其特征在于，所述时间尺度包括年度、月度和季度；所述第一用电量预测数据包括传统负荷年度用电量预测数据、传统负荷季度用电量预测数据和传统负荷月度用电量预测数据；所述第二用电量预测数据包括非传统设备年度用电量预测数据、非传统设备季度用电量预测数据和非传统设备月度用电量预测数据；所述长时间尺度竞价交易包括年度竞价交易，所述非长时间尺度竞价交易包括季度竞价交易和月度竞价交易。
3.根据权利要求2所述的售电公司多时间尺度交易电量决策方法，其特征在于，所述根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统设备用电量进行预测得到第二用电量预测数据包括：
利用平均增长率法对传统负荷的年度用电量进行预测得到所述传统负荷年度用电量预测数据；
利用增量法对非传统设备年度用电量进行预测得到所述非传统设备年度用电量预测数据，其中，所述非传统设备包括电能替代负荷，所述电能替代负荷包括分布式电源和电动汽车。
4.根据权利要求2所述的售电公司多时间尺度交易电量决策方法，其特征在于，所述根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易包括：
根据所述传统负荷年度用电量预测数据和所述非传统设备年度用电量预测数据参与所述年度用电量交易。
5.根据权利要求3所述的售电公司多时间尺度交易电量决策方法，其特征在于，还包括：
利用线性二次移动平均模型对传统负荷的季度用电量进行预测得到所述传统负荷季度用电量预测数据；
利用增量法对非传统设备的季度用电量进行预测得到所述非传统设备季度用电量预测数据。
6.根据权利要求2所述的售电公司多时间尺度交易电量决策方法，其特征在于，所述判断是否需要参与非长时间尺度竞价交易包括：
根据所述传统负荷季度用电量预测数据和所述非传统设备季度用电量预测数据判断是否参加所述季度竞价交易。
7.根据权利要求3所述的售电公司多时间尺度交易电量决策方法，其特征在于，还包括：
利用三次指数平滑预测法对传统负荷的月度用电量进行预测得到所述传统负荷月度用电量预测数据；
利用增量法对非传统设备的月度用电量进行预测得到所述非传统设备月度用电量预测数据。
8.根据权利要求2所述的售电公司多时间尺度交易电量决策方法，其特征在于，所述判断是否需要参与非长时间尺度竞价交易还包括：
根据所述传统负荷月度用电量预测数据和所述非传统设备月度用电量预测数据判断是否参与所述月度竞价交易。
9.根据权利要求2所述的售电公司多时间尺度交易电量决策方法，其特征在于，所述历史数据包括售电公司历史年/季/月购电量数据和电能替代历史年/季/月用电量数据，所述电能替代历史年/季/月用电量数据包括分布式电源历史年/季/月发电量数据和电动汽车历史年/季/月用电量数据。
10.一种售电公司多时间尺度交易电量决策系统，其特征在于，包括：
获取单元，用于获取历史数据，并确定所述售电公司参与竞价交易的最长时间尺度；
预测单元，用于根据所述历史数据对传统负荷用电量进行预测得到第一用电量预测数据，并对非传统设备用电量进行预测得到第二用电量预测数据；
决策单元，用于根据所述第一用电量预测数据和第二用电量预测数据参与所述最长时间尺度的长时间尺度竞价交易，并判断是否需要参与非长时间尺度竞价交易，以得出用电量交易决策，其中，所述长时间尺度竞价交易包括年度竞价交易，所述非长时间尺度竞价交易包括季度竞价交易和月度竞价交易。
CN201810296960.5A 2018-04-04 2018-04-04 售电公司多时间尺度交易电量决策方法和系统 Expired - Fee Related CN108429260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810296960.5A CN108429260B (zh) 2018-04-04 2018-04-04 售电公司多时间尺度交易电量决策方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810296960.5A CN108429260B (zh) 2018-04-04 2018-04-04 售电公司多时间尺度交易电量决策方法和系统

Publications (2)

Publication Number Publication Date
CN108429260A CN108429260A (zh) 2018-08-21
CN108429260B true CN108429260B (zh) 2020-11-27

Family

ID=63160469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810296960.5A Expired - Fee Related CN108429260B (zh) 2018-04-04 2018-04-04 售电公司多时间尺度交易电量决策方法和系统

Country Status (1)

Country Link
CN (1) CN108429260B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109066661B (zh) * 2018-08-29 2020-08-18 新智能源系统控制有限责任公司 一种售电偏差控制方法和售电控制系统
CN113743743A (zh) * 2021-08-12 2021-12-03 广州汇电云联互联网科技有限公司 一种关于售电公司交易组合的筛选方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101752903A (zh) * 2009-11-27 2010-06-23 清华大学 一种时序递进式电力调度方法
CN102156815A (zh) * 2011-04-07 2011-08-17 国电南瑞科技股份有限公司 年度电量进度跟踪调度模式下发电计划优化方法
JP2013054559A (ja) * 2011-09-05 2013-03-21 Toshiba Tec Corp 商品販売データ処理装置
CN103530696A (zh) * 2013-09-27 2014-01-22 国家电网公司 计入风电不确定度的火电机组中长期时序递进发电协调算法
CN105608633A (zh) * 2015-10-28 2016-05-25 国家电网公司西北分部 多时间尺度的大用户直接交易电力市场模拟仿真方法
CN106447073A (zh) * 2016-08-11 2017-02-22 广西电网有限责任公司电力科学研究院 一种基于不确定性因素与全省负荷预测的购电交易方法
CN107292710A (zh) * 2017-06-16 2017-10-24 昆明电力交易中心有限责任公司 一种电力市场交易的集中竞价交易系统和方法
CN107679670A (zh) * 2017-10-19 2018-02-09 东南大学 一种基于tc‑cvar的工业园区售电商购售电优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6342131B2 (ja) * 2013-09-13 2018-06-13 株式会社東芝 受給エネルギー削減情報算出装置、受給エネルギー削減情報算出方法およびプログラム
US10599107B2 (en) * 2016-09-29 2020-03-24 Siemens Aktiengesellschaft System and method for smart grid dynamic regulation pools

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101752903A (zh) * 2009-11-27 2010-06-23 清华大学 一种时序递进式电力调度方法
CN102156815A (zh) * 2011-04-07 2011-08-17 国电南瑞科技股份有限公司 年度电量进度跟踪调度模式下发电计划优化方法
JP2013054559A (ja) * 2011-09-05 2013-03-21 Toshiba Tec Corp 商品販売データ処理装置
CN103530696A (zh) * 2013-09-27 2014-01-22 国家电网公司 计入风电不确定度的火电机组中长期时序递进发电协调算法
CN105608633A (zh) * 2015-10-28 2016-05-25 国家电网公司西北分部 多时间尺度的大用户直接交易电力市场模拟仿真方法
CN106447073A (zh) * 2016-08-11 2017-02-22 广西电网有限责任公司电力科学研究院 一种基于不确定性因素与全省负荷预测的购电交易方法
CN107292710A (zh) * 2017-06-16 2017-10-24 昆明电力交易中心有限责任公司 一种电力市场交易的集中竞价交易系统和方法
CN107679670A (zh) * 2017-10-19 2018-02-09 东南大学 一种基于tc‑cvar的工业园区售电商购售电优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Time Sequential Simulation Method for Making Electric Energy Monthly Trade Schedule Incorporating Multiple Energy Resources;Yi Wang et al.;《The 2016 3rd International Conference on Systems and Informatics (ICSAI 2016)》;20161231;第240-246页 *
Research on demand response strategy of the electricity deviation assessment;Sibo Song et al.;《The 6th International Conference on Renewable Power Generation 》;20171020;第1-5页 *

Also Published As

Publication number Publication date
CN108429260A (zh) 2018-08-21

Similar Documents

Publication Publication Date Title
Devarajan et al. The simplest dynamic general-equilibrium model of an open economy
JP2019082935A (ja) 管理装置および管理方法
Sommerfeldt et al. Revisiting the techno-economic analysis process for building-mounted, grid-connected solar photovoltaic systems: Part two-Application
Hennadii et al. Simulation model of new electricity market in Ukraine
CN109087213B (zh) 一种分散式电力现货市场交易模拟方法
Golmohamadi et al. Stochastic optimization for retailers with distributed wind generation considering demand response
JP2006235888A (ja) 電力事業会社における収益予測及び収益計測のためのコンピュータ・システム、収益予測方法及び収益計測方法
CN110852519A (zh) 一种考虑多类型负荷的售电公司最优盈利方法
US20160063624A1 (en) Automated energy brokering
Salehpour et al. The effect of price responsive loads uncertainty on the risk-constrained optimal operation of a smart micro-grid
Charwand et al. Exploring the trade-off between competing objectives for electricity energy retailers through a novel multi-objective framework
CN108429260B (zh) 售电公司多时间尺度交易电量决策方法和系统
Angarita-Márquez et al. Analysis of a wind farm's revenue in the British and Spanish markets
CN110838076A (zh) 一种月度跨省区可再生能源消纳方法及终端设备
Simoglou et al. Long-term electricity procurement portfolio optimization
CN111695943B (zh) 一种计及浮动高峰电价的优化管理方法
CN116777497A (zh) 考虑多时间尺度绿电消纳积分的售电商零售方案优化方法
JP2019046467A (ja) 電力取引支援装置及び電力取引支援方法
CN116071102A (zh) 一种基于订单的电力变压器供应预警方法及系统
JP2022090134A (ja) 管理装置および管理方法
Petek Assessing California’s Climate Policies—Electricity Generation
WO2021009371A1 (en) Method and system for decentralized energy forecasting and scheduling
JP6658064B2 (ja) 電力管理装置および電力管理プログラム
Marshall et al. Allocation rules and meter timing issues in local energy or'peer to peer'networks
Ahunbay et al. Solving Large-Scale Electricity Market Pricing Problems in Polynomial Time

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201127

CF01 Termination of patent right due to non-payment of annual fee