CN108471136B - 一种电力系统中的功率供需匹配可行性分析方法 - Google Patents
一种电力系统中的功率供需匹配可行性分析方法 Download PDFInfo
- Publication number
- CN108471136B CN108471136B CN201810331268.1A CN201810331268A CN108471136B CN 108471136 B CN108471136 B CN 108471136B CN 201810331268 A CN201810331268 A CN 201810331268A CN 108471136 B CN108471136 B CN 108471136B
- Authority
- CN
- China
- Prior art keywords
- power
- demand
- power generation
- supply
- output
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000010248 power generation Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000005611 electricity Effects 0.000 claims description 17
- 230000002146 bilateral effect Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 230000007774 longterm Effects 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H02J3/386—
-
- 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
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
-
- 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)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力系统中的功率供需匹配可行性分析方法,该方法通过对发电系统进行出力预测和对电力用户的负荷端用电需求进行功率预测从而进行供需匹配和交易可行性分析;包括以下步骤:S1:基于Markov对发电系统的风力发电功率进行中长期预测;S2:对不同类型的电力用户的负荷需求进行预测;S3:基于Hausdorff距离比较发电系统中的发电企业和电力用户供需曲线的相似度,将相似度高的供需两端用户进行匹配,分析大用户直接交易的可行性。
Description
技术领域
本发明涉及电力市场领域,涉及在供需双侧参与市场交易的情况下,供需双侧用户交易可行性的分析,尤其涉及一种电力系统中的功率供需匹配可行性分析方法。
背景技术
过去的几十年,电力行业为支持经济增长,把满足电力需求作为首要的发展目标。电力行业当时存在的主要矛盾是供给能力不足,因此发电行业重在规模扩张。随着经济增长逐渐放缓,电力供需已经由不足转为相对过剩,提高效率便逐渐成为首要发展目标。因此实行电力改革,发电环节的有效竞争也日益重要起来。发电侧方面,未来的发展模式将会由扩大规模逐渐变为争取更多的电量。
2015年3月,国务院发布《关于进一步深化电力体制改革的若干意见(中发〔2015〕9号)文》(后文简称《意见》),提出要放开计划调度电量和放开售电侧,允许发电企业参与售电,为放开发用电计划及发电企业争取电量提供了可行性,而售电侧放开则为发电企业提供了自己卖电的可能性。
新电改形势下,清洁能源参与的大用户直购电交易将会成为电力市场交易主要品种之一。清洁能源具有波动性大及随机性强等特点,其波动性与季节、地区及电厂规模等因素有关。并且不同的发电形式具有不同的出力特性,不同行业的负荷特性也具有很大的差异。对供需双侧用户的出力负荷特性曲线进行匹配,确定供需双侧用户直接交易的可行性,进一步对交易达成提供保障,可使得清洁能源更好的被消纳,同时可缓解火电企业的调峰压力。根据历史数据,可用概率指标描述电厂的波动性特征,总结出一个分布式能源出力的通用模型,同时可用概率指标描述负荷的波动特征,再利用一定的方法对其进行匹配。
由于新能源和分布式能源参与直购电交易的增多和售电侧的开放等不确定因素,电力交易在执行过程中面临很多风险威胁。因此,对供需双侧用户的可行性进行分析,将出力供给特性曲线进行匹配,可使得交易执行的可能性变大,维护电力系统的安全运行。
发明内容
根据现有技术中要对发电系统和电力用户进行合理有效的功率预测,根据预测结果将双方功率进行匹配,分析交易可行性。本发明的目的是对供需双侧特性曲线进行描绘,并对参与市场交易的可行性进行分析,为进一步对大用户直接交易风险评估提供支持。
为实现上述目的,本发明提出如下技术方案:一种电力系统中的功率供需匹配可行性分析方法,其特征在于:该方法通过对发电系统进行出力预测和对电力用户的负荷端用电需求进行功率预测从而进行供需匹配和交易可行性分析;包括以下步骤:
S1:基于Markov对发电系统的风力发电功率进行中长期预测;
S2:对不同类型的电力用户的负荷需求进行预测;
S3:基于Hausdorff距离比较发电系统中的发电企业和电力用户供需曲线的相似度,将相似度高的供需两端用户进行匹配,分析大用户直接交易的可行性。
S1具体采用如下方式:
对发电企业的出力进行状态划分,计算该出力的状态初始概率向量和对应的概率转移矩阵,对下一时刻出力所在状态进行预测:首先对分布式能源出力波动量的幅度变化进行评估,把分布式能源出力时间序列进行一阶差分,获得分布式能源出力波动;
其中发电企业的出力的时间序列为{x1,x2,,xn,xn+1},该序列的取值范围按阈值划分为r个离散状态集合S={s1,s2,,sr},基于t时刻波动量状态序列的前n个值,计算t+1时刻波动量的值xn+1落入S={s1,s2,,sr}中的哪个状态,若波动量序列的前n个数据x1,x2,,xn中有Ni个数据落在si中则状态si发生的频率为:
将发电企业的出力不同状态下的波动量的最初概率定义为向量即得到最初概率向量R(t)T,根据最初概率向量R(t)T获得状态转移矩阵以状态转移矩阵反映分布式能源的中长期出力特性及日出力特性,根据得到的概率向量绘制分布式能源出力特性曲线。
S2具体采用如下方式:
根据用电量大小及户数规模选取不同行业用户中用电量大的用户为研究对象,搜集各类行业Ki个样本用户日用电量Qikt和每一时刻的负荷fikt,得出不同行业在不同时刻标幺化后的负荷叠加数据再将上述数据进行拟合,得到不同行业的负荷拟合典型曲线的表达式根据该表达式绘制需求特性曲线。
S3具体采用如下方式:
将发电系统的风力发电功率、电力用户的日出力曲线和日负荷曲线都分割成多个时段,并记录每个时段该用户的数值形成两个包含多个点的点集,分别为A={a1,a2,…,an},B={b1,b2,…,bn},计算这两个点集之间的Hausdorff距离H(A,B)=max(h(A,B),h(B,A)),即点集之间点的最小值的最大值,Hausdorff距离度量了两个点集之间的最大不匹配度,如果Hausdorff距离越小,说明两个点集之间的不匹配度越低,供需双侧曲线的相似度越高,交易达成的可能性越大,可行性越高;反之,Hausdorff距离越大,供需双侧用户直接交易的可行性越低;同理,对大用户直接的中长期交易进行可行性分析,将供需两侧用户的年出力曲线及年负荷曲线都分割成多个时段,并记录每个时段该用户的数值,形成两个包含多个点的点集,分别为A={a1,a2,…,an},B={b1,b2,…,bn},计算这两个点集之间的Hausdorff距离H(A,B)=max(h(A,B),h(B,A)),即点集之间点的最小值的最大值,Hausdorff距离度量了两个点集之间的最大不匹配度,Hausdorff距离越小,说明两个点集之间的不匹配度越低,供需双侧曲线的相似度越高,交易达成的可能性越大,可行性越高;反之,Hausdorff距离越大,供需双侧用户直接交易的可行性越低。
由于采用了上述技术方案,本发明提供的一种电力系统中的功率供需匹配可行性分析方法,有益效果在于:1、对波动性可再生能源发电做出合理预测,计及供需双侧皆具有随机波动性,在双侧大用户波动的条件下考虑交易是否可能达成,更贴近现实情况。2、以供需双侧特性曲线为参考核心,合理的分析了在此情况下对于可能的购售合同供输用三方基于发用电特性考虑参与市场交易的可能性。3、为日后对于已签订的购售合同,以单位电量为基础做出对应风险评估提供支撑。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请中记载的一些实施例,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为本发明方法的流程图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
如图1所示的一种电力系统中的功率供需匹配可行性分析方法,具体步骤为:
S1:对发电系统的出力进行状态划分,计算该出力的状态初始概率向量以及对应的概率转移矩阵,对下一时刻出力所在状态进行预测;
S2:对需求侧用户的用电特性进行研究,对不同行业的用电负荷进行标幺统一,绘制需求特性曲线;
S3:利用Hausdorff距离,分析发电企业的出力曲线及需求侧用户的用电曲线之间的相似程度,相似度高的两条曲线进行匹配。
上述步骤1)中,首先需要对发电企业的出力进行状态划分。对风电功率波动量的幅度变化进行评估,确定其阈值。把风电功率时间序列进行一阶差分,获得风电出力波动量的时间序列{x1,x2,,xn,xn+1},则该序列的取值范围可按阈值划分为r个离散的状态集合S={s1,s2,,sr}。
随后基于t时刻波动量状态序列的前n个值,计算t+1时刻波动量的值xn+1会落入s1,s2,,sr中的哪个状态。若波动量序列的前n个数据x1,x2,,xn中,有Ni个数据落在si中,有则状态si发生的频率为:
最后,将不同状态下的波动量的最初概率写成向量,即可得到最初概率向量R(t)T。最终可得状态转移矩阵即计算发电企业的出力的状态初始概率向量,计算对应的概率转移矩阵,以此反映风电的中长期出力特性,使之能够对下一时刻出力所在状态进行预测。
上述步骤2)中,需要对于不同电力用户的负荷需求的预测,则有:
需要按照用电量大小及户数规模,选取不同行业用户用电量比较大的用户为典型样本用户,搜集各类行业Ki个典型样本用户的典型日的日用电量Qikt及每一时刻的负荷fikt,得出不同行业在不同时刻标幺化后的负荷叠加数据再将上述数据进行拟合,得到不同行业的负荷拟合典型曲线的表达式根据该表达式绘制需求特性曲线。
上述步骤3)中,需要将上述两侧用户的日出力曲线及日负荷曲线都分割成多(数值可为24、48、96等)个时段,并记录每个时段该用户的数值,形成两个包含多个点的点集,分别为A={a1,a2,…,an},B={b1,b2,…,bn}。计算这两个点集之间的Hausdorff距离H(A,B)=max(h(A,B),h(B,A)),即点集之间点的最小值的最大值。Hausdorff距离度量了两个点集之间的最大不匹配度,可以比较出供需曲线的相似程度,Hausdorff距离越小,说明两个点集之间的不匹配度越低,供需双侧曲线的相似度越高,交易可能达成的可能性越大,可行性越高;反之,Hausdorff距离越大,供需双侧用户直接交易的可行性越低。所以,在大用户直接交易中,选取供需曲线相似的双侧用户进行交易。此方法应用于日变化规律的分布式能源,如光伏发电等。
同理,可对大用户直接的中长期交易进行可行性分析,将供需两侧用户的年出力曲线及年负荷曲线都分割成多(数值可为24、48、96等)个时段,并记录每个时段该用户的数值,形成两个包含多个点的点集,分别为A={a1,a2,…,an},B={b1,b2,…,bn}。计算这两个点集之间的Hausdorff距离H(A,B)=max(h(A,B),h(B,A)),即点集之间点的最小值的最大值。Hausdorff距离度量了两个点集之间的最大不匹配度,可以比较出供需曲线的相似程度,Hausdorff距离越小,说明两个点集之间的不匹配度越低,供需双侧曲线的相似度越高,交易可能达成的可能性越大,可行性越高;反之,Hausdorff距离越大,供需双侧用户直接交易的可行性越低。所以,在大用户直接交易中,选取供需曲线相似的双侧用户进行交易。此方法应用于年变化规律的分布式能源,如水力发电等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种电力系统中的功率供需匹配可行性分析方法,其特征在于:该方法通过对发电系统进行出力预测和对电力用户的负荷端用电需求进行功率预测从而进行供需匹配和交易可行性分析;包括以下步骤:
S1:基于Markov对发电系统的风力发电功率进行中长期预测;
S2:对不同类型的电力用户的负荷需求进行预测;
S3:基于Hausdorff距离比较发电系统中的发电企业和电力用户供需曲线的相似度,将相似度高的供需两端用户进行匹配,分析大用户直接交易的可行性;
S1具体采用如下方式:
对发电企业的出力进行状态划分,计算该出力的状态初始概率向量和对应的概率转移矩阵,对下一时刻出力所在状态进行预测:首先对分布式能源出力波动量的幅度变化进行评估,把分布式能源出力时间序列进行一阶差分,获得分布式能源出力波动;
其中发电企业的出力的时间序列为{x1,x2,…,xn,xn+1},该序列的取值范围按阈值划分为r个离散状态集合S={s1,s2,…,sr},基于t时刻波动量状态序列的前n个值,计算t+1时刻波动量的值xn+1落入S={s1,s2,…,sr}中的哪个状态,若波动量序列的前n个数据x1,x2,…,xn中有Ni个数据落在si中则状态si发生的频率为:
将发电企业的出力不同状态下的波动量的最初概率定义为即得到最初概率向量R(t)T,根据最初概率向量R(t)T获得状态转移矩阵以状态转移矩阵反映分布式能源的中长期出力特性及日出力特性,根据得到的概率向量绘制分布式能源出力特性曲线;
其中Pij、Fij代表状态转移矩阵,Nij为发电企业的出力的状态初始概率向量。
3.根据权利要求1所述的一种电力系统中的功率供需匹配可行性分析方法,其特征还在于:S3具体采用如下方式:
将发电系统的风力发电功率、电力用户的日出力曲线和日负荷曲线都分割成多个时段,并记录每个时段该用户的数值形成两个包含多个点的点集,分别为A={a1,a2,...,an},B={b1,b2,...,bn},计算这两个点集之间的Hausdorff距离H(A,B)=max(h(A,B),h(B,A)),即点集之间点的最小值的最大值,Hausdorff距离度量了两个点集之间的最大不匹配度,如果Hausdorff距离越小,说明两个点集之间的不匹配度越低,供需双侧曲线的相似度越高,交易达成的可能性越大,可行性越高;反之,Hausdorff距离越大,供需双侧用户直接交易的可行性越低;
同理,对大用户直接的中长期交易进行可行性分析,将供需两侧用户的年出力曲线及年负荷曲线都分割成多个时段,并记录每个时段该用户的数值,形成两个包含多个点的点集,分别为A={a1,a2,...,an},B={b1,b2,...,bn},计算这两个点集之间的Hausdorff距离H(A,B)=max(h(A,B),h(B,A)),即点集之间点的最小值的最大值,Hausdorff距离度量了两个点集之间的最大不匹配度,Hausdorff距离越小,说明两个点集之间的不匹配度越低,供需双侧曲线的相似度越高,交易达成的可能性越大,可行性越高;反之,Hausdorff距离越大,供需双侧用户直接交易的可行性越低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810331268.1A CN108471136B (zh) | 2018-04-13 | 2018-04-13 | 一种电力系统中的功率供需匹配可行性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810331268.1A CN108471136B (zh) | 2018-04-13 | 2018-04-13 | 一种电力系统中的功率供需匹配可行性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108471136A CN108471136A (zh) | 2018-08-31 |
CN108471136B true CN108471136B (zh) | 2020-06-02 |
Family
ID=63262902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810331268.1A Expired - Fee Related CN108471136B (zh) | 2018-04-13 | 2018-04-13 | 一种电力系统中的功率供需匹配可行性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108471136B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851892B (zh) * | 2019-11-07 | 2021-09-03 | 山东大学 | 一种园区级综合能源系统辅助设计方法及系统 |
CN115048815B (zh) * | 2022-08-11 | 2022-11-04 | 广州海颐软件有限公司 | 一种基于数据库的电力业务智能仿真管理系统及方法 |
CN117791626B (zh) * | 2024-02-23 | 2024-04-30 | 广东佰林电气设备厂有限公司 | 一种智能综合电力箱电力供给优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006099432A (ja) * | 2004-09-29 | 2006-04-13 | Toshiba Corp | 電力取引システム、電力取引方法、電力取引プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800032A (zh) * | 2012-07-13 | 2012-11-28 | 中国电力科学研究院 | 一种可再生能源分布式发电运营模式的成本效益分析方法 |
CN102799952A (zh) * | 2012-07-13 | 2012-11-28 | 中国电力科学研究院 | 一种可再生能源分布式发电运营模式的优化方法 |
CN104200297B (zh) * | 2014-07-11 | 2018-04-20 | 浙江大学 | 实时电价环境下的家居混合供电系统能量优化调度方法 |
-
2018
- 2018-04-13 CN CN201810331268.1A patent/CN108471136B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006099432A (ja) * | 2004-09-29 | 2006-04-13 | Toshiba Corp | 電力取引システム、電力取引方法、電力取引プログラム |
Also Published As
Publication number | Publication date |
---|---|
CN108471136A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nojavan et al. | Optimal stochastic energy management of retailer based on selling price determination under smart grid environment in the presence of demand response program | |
Xuan et al. | A conditional value-at-risk based planning model for integrated energy system with energy storage and renewables | |
CN108471136B (zh) | 一种电力系统中的功率供需匹配可行性分析方法 | |
Jordehi | Two-stage stochastic programming for risk-aware scheduling of energy hubs participating in day-ahead and real-time electricity markets | |
CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
Zhan et al. | Distributionally robust chance-constrained flexibility planning for integrated energy system | |
Cong et al. | Two‐stage nested bilevel model for generation expansion planning in combined electricity and gas markets | |
Nammouchi et al. | Robust opportunistic optimal energy management of a mixed microgrid under asymmetrical uncertainties | |
CN112801343A (zh) | 一种计及多气象场景适应成本的储能系统容量规划方法 | |
Ding et al. | A dynamic period partition method for time-of-use pricing with high-penetration renewable energy | |
Grabner et al. | Statistical load time series analysis for the demand side management | |
Ceja-Espinosa et al. | An affine arithmetic-based energy management system for cooperative multi-microgrid networks | |
Osypenko et al. | On modeling-based elements of an intelligent system for cost-effective dispatching of energy islands with photovoltaic sourcing | |
Wang et al. | Learning-based energy management policy with battery depth-of-discharge considerations | |
CN112865101B (zh) | 一种考虑可再生能源出力不确定性的线性化交易方法 | |
Wang et al. | Household electricity load forecasting based on multitask convolutional neural network with profile encoding | |
Xu et al. | CVaR‐based method for optimizing the contract bidding strategy of PV power stations | |
Gu et al. | Optimal economic dispatch for an industrial park with consideration of an elastic energy cloud model with integrated demand response uncertainty | |
Li et al. | Renewable energy aggregation with intelligent battery controller | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
Salman et al. | Using recurrent neural network to forecast day and year ahead performance of load demand: A case study of France | |
CN114638638A (zh) | 基于统计学方法的绿色电力环境价值分析方法及系统 | |
Wu et al. | Power procurement strategies of retailer considering demand response program | |
Yildiran et al. | Game theory approach to solve economic dispatch problem | |
Guo et al. | Regret-based management of wind-solar-thermal generation company under uncertainties: A novel stochastic p-robust optimization approach |
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: 20200602 Termination date: 20210413 |
|
CF01 | Termination of patent right due to non-payment of annual fee |