CN109190849A - 一种能源价格的预测方法、装置、定价设备及存储介质 - Google Patents
一种能源价格的预测方法、装置、定价设备及存储介质 Download PDFInfo
- Publication number
- CN109190849A CN109190849A CN201811214589.XA CN201811214589A CN109190849A CN 109190849 A CN109190849 A CN 109190849A CN 201811214589 A CN201811214589 A CN 201811214589A CN 109190849 A CN109190849 A CN 109190849A
- Authority
- CN
- China
- Prior art keywords
- energy
- model
- price
- energy source
- node
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000013178 mathematical model Methods 0.000 claims abstract description 47
- 230000014509 gene expression Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000903 blocking effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 abstract description 9
- 230000007246 mechanism Effects 0.000 abstract description 8
- 238000010438 heat treatment Methods 0.000 description 16
- 230000005611 electricity Effects 0.000 description 11
- 239000013598 vector Substances 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000009795 derivation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000002074 deregulated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241001091282 Trimorphodon lambda Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例公开了一种能源价格的预测方法、装置、定价设备及存储介质。包括：通过建立协同第一能源和第二能源的第一模型，然后根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，最后根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。本发明反映真实用能成本，制定合理的定价机制促进用户参与价格响应，方便进行能源利用与管理。
Description
技术领域
本发明涉及综合能源系统中的市场定价领域，尤其涉及一种能源价格的预测方法、装置、定价设备及存储介质。
背景技术
为了保障能源安全，提高能源效率，增加可再生能源的消纳，综合能源系统得到广泛关注，其中电热联供系统发展最为迅速。热能的易存储，慢传输，为电力系统的调节提供了很大灵活性。电能和热能不仅是终端用户消费的两大能源，而且在生产侧通过热电联供机组紧密联系。根据调研，一些国家和地区的热电联供机组供电可达总量的1/3，供热可达2/3。随着环境问题和能源问题的日益严峻，清洁高效的热电联供机组将会被更广泛地使用。
一方面能源协同日益增强，另一方面各能源市场开始探索解除管制的道路。完全竞争的电力市场已在各文献专著中广泛研究，并在世界各地有了运行经验，如PJM电力市场，欧洲Nord pool，新西兰电力市场。关于供热市场，近些年欧洲开始解除管制，实行竞争性的市场机制，如丹麦和芬兰。不同燃料和供热设备可以接入到区域供热系统参与竞价，用户也有参与需求响应的动力。
能源协同伴随着市场开放，电-热协同的开放市场逐渐形成。在这个市场体系下，电力传输贯穿整个国家，供热系统在局部地区建立，像配电网一样与整个电力输电网密切相连。这一市场的定价机制设计尤为关键，因为需要考虑不同能源特性和能源交互特性。传统定价方法常将热电联供机组的联合成本解耦，先将电能按市场出清价出售，再将供热成本从联合成本中解算出来。这些方法不能综合优化两个系统的运营，增大了系统运行成本，也没有细致考虑能源耦合。
发明内容
本发明实施例提供一种能源价格的预测方法、装置、定价设备及存储介质，通过考虑电-热系统的运行特性和交互特性，反映真实用能成本，制定合理的定价机制促进用户参与价格响应，方便进行能源利用与管理。
第一方面，本发明实施例提供了一种能源价格的预测方法，该方法包括：
建立协同第一能源和第二能源的第一模型；
根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型；
根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
第二方面，本发明实施例还提供了一种能源价格的预测装置，该装置包括：
协同能源模型模块，用于建立协同第一能源和第二能源的第一模型；
价格模型模块，用于根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型；
价格组成模型模块，用于根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的能源价格的预测方法。
第四方面，本发明实施例还提供了一种定价设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例提供的能源价格的预测方法。
本发明实施例，通过建立协同第一能源和第二能源的第一模型，然后根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，最后根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。该方法反映真实用能成本，制定合理的定价机制促进用户参与价格响应，方便进行能源利用与管理。
附图说明
图1是本发明实施例提供的一种能源价格的预测方法的流程示意图；
图2是本发明实施例提供的另一种能源价格的预测方法的流程示意图；
图3是本发明实施例提供的另一种能源价格的预测方法的流程示意图；
图4是本发明实施例提供的另一种能源价格的预测方法的流程示意图；
图5是本发明实施例提供的一种能源价格的预测装置的结构示意图；
图6是本发明实施例提供的一种定价设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的一种能源价格的预测方法的流程示意图，该方法可以由本发明实施例提供的定价设备来执行，该定价设备可采用软件和/或硬件方式实现，该方法具体包括如下步骤：
步骤110、建立协同第一能源和第二能源的第一模型；
步骤120、根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型；
步骤130、根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
本发明中以第一能源为热能，第二能源为电能为例进行说明，所述节点指的是供热系统和供电系统中的网络节点，一实施例中，通过建立协同热能和电能的第一模型，然后根据该第一模型建立网络中节点的热能和电能的价格数学模型，最后根据该价格数学模型建立热能和电能的价格组成模型，以预测热能和电能的成本价格。其中，所述第一模型指的是热能和电能的供能机组总成本模型和功率模型，价格数学模型指的是热能和电能的价格模型，价格组成模型指的是与热能和电能的价格相关联的参数的模型，可以理解为是价格数学模型的子模型，这些子模型构成了价格数学模型。具体的建模过程以及各个模型中各参数的含义参见下面的具体实施例，在此处暂不做具体说明。
本发明提出了一种基于原对偶内点法的电-热协同市场的节点能源价格预测方法，其特点和效果是：该方法考虑了电-热协同市场中电能和热能的协同关系，同时对供热系统传输延时对定价的影响进行了量化建模，更加真实的反映了系统生产成本，减少了电能和热能之间的交叉补贴，利于用户比较不同能源和不同设备，合理安排用能计划，积极参与需求响应。此外，模型是电热系统的联合优化，相较于传统的解耦定价、优化单一系统的方法，本发明更适用于电-热耦合系统，能有效降低系统的总运行成本。
本发明综合考虑了电力系统和供热系统的联合优化。一方面对供热系统进行了细致建模，考虑了热网延时特性，利于反映真实的热价成本，另一方面也考虑了电热系统的耦合效应，使得电能影响热价，热能影响电价，利于为两个系统的协同运行和两种能源的相互替代提供价格信号引导。
进一步的，本发明中的方法可以较为容易地扩展到其他能源领域，为未来综合能源系统的协同发展和市场建立提供了一种定价思路。本发明给出了节点能源价格的数学解释，为各组成成分的来源和用途做了清晰的界定，是一种严格明确且有经济依据的定价手段，利于价格的公开透明和公正公平。
本实施例的技术方案，通过建立协同第一能源和第二能源的第一模型，然后根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，最后根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。该方案反映真实用能成本，制定合理的定价机制促进用户参与价格响应，方便进行能源利用与管理。
图2是本发明实施例提供的另一种能源价格的预测方法的流程示意图，参见图2，该方法进一步包括如下步骤：
步骤210、建立第一运行系统模型，其中，所述第一运行系统模型为提供所述第一能源的系统；
一实施例中，所述第一能源为热能，所述第一运行系统模型为供热系统模型，包括：第一运行成本模型和第一网络约束模型，所述第一运行成本模型用于预测热能的供能机组的运行成本，所述第一网络约束模型用于分析供热系统的网络运行约束条件。
其中，供热系统热源包括锅炉和热电联供机组，可以理解为锅炉和热电联供机组为热能的供能机组。
1、锅炉的模型如下：
其中：t为运行时段的编号，T为优化总时长，I HB为锅炉总数。为锅炉的运行成本，为锅炉的供热功率，为锅炉燃料费用系数，分别为锅炉供热功率的下限和上限，和由锅炉设备的产品说明书提供。
2、热电联供机组的模型如下：
其中：I CHP为热电联供机组总数，Bi为热电联供机组可行域的边界约束对(boundary pairs)的数目。为热电联供机组i在时段t的运行成本，和分别为热电联供机组i在时段t的电出力和热出力，和为热电联供机组i在边界约束对j上的电出力运行上限和运行下限，和为热电联供机组i在边界约束对j上的热出力的运行上限和运行下限， 和是热电联供机组i的燃料费用系数。
故由上述说明可知，第一运行成本模型为：
和
本实施例中，供热系统的网络运行约束条件包括：供热网络节点功率、供热网络管段温降损失以及供热网络温度不等式约束。
1、供热网络节点功率平衡方程为：
其中：HG为节点热生产列向量，HD为节点热负荷列向量，这三个列向量维数均为NT×1，N为供热系统节点数，且向量内部元素按照第1时段N个节点，第2时段N个节点……依次排列。Cp为水的比热容，取值为4182焦耳/(千克摄氏度)。Aa1为供热网络的起点关联矩阵，维数为NT×KT，其中K为供热系统管段数，若节点i是管段j的起点，则内部元素Aa1ij＝1。Aa2为供热网络的终点关联矩阵，维数为NT×KT，若节点i是管段j的终点，则内部元素Aa2ij＝1。M为供热网络管段的流量对角阵，维数为KT×KT，内部元素M(j,t)(j,t)＝mj,j＝1,…,K；t＝1,…,T，mj为流经管段j的流量，M(j,t)(j,t)表示M的第(t-1)N+j行，第(t-1)N+j列的元素。τ为供热网络节点流出温度列向量，维数为NT×1。τc为供热网络管段流出温度列向量，维数为KT×1。T表示转置。
2、供热网络管段温降损失方程为：
τc＝(Γτ+D-Ta)⊙E+Ta
其中，Ta为管段所在的环境温度列向量，维数为KT×1。E为管段温降损失向量，维数为KT×1，其内部元素λ为管段单位长度的导热系数，Lj为管段长度，λ和Lj从供热系统能量管理系统中获取。⊙表示向量之间对应位置元素相乘。D为温度初值列向量，对于超出仿真时间尺度的温度值选取合适的初值，通常根据运行经验设定。Γ为时间起点关联矩阵，维数为KT×NT，其内部元素为：
其中，表示节点i到管段j末端的传输时延，i∈|j|s表示节点i是管
段j的起点，表示向下取整。
3、供热网络温度不等式约束
在质调节的供热调节方式下，流量固定不变，温度是可调量。温度需要控制在一定的安全范围：
其中，和T为节点出口温度的上限列向量和下限列向量。和Tc 为管段出口温度的上限列向量和下限列向量。
故由上述说明可知，第一网络约束模型为：
和
τc＝(Γτ+D-Ta)⊙E+Ta
和
步骤220、建立第二运行系统模型，其中，所述第二运行系统模型为提供所述第二能源的系统；
一实施例中，所述第二能源为电能，所述第二运行系统模型为电力系统模型，包括：第二运行成本模型和第二网络约束模型，所述第二运行成本模型用于预测电能的供能机组的运行成本，所述第二网络约束模型用于分析电力系统的网络运行约束条件。
其中，电力系统电源包括热电联供机组和火电机组，可以理解为热电联供机组和火电机组为电能的供能机组。
由于热电联供机组的建模过程已在步骤210对应的说明中阐述，故此处只阐述火电机组的模型，该模型如下：
其中：I TU为火电机组个数，为火电机组i在时段t的输出电功率，为火电机组i在时段t的运行成本，为火电机组i在时段t的燃料费用系数。和为火电机组i输出功率上下限。和从火电机组i的产品说明书获取。
故第二运行成本模型为：
和
本实施例中，电力系统的网络运行约束条件包括供电网络节点功率平衡约束，供电网络线路潮流约束和节点电压约束。
供电网络节点功率平衡方程的元素表达形式为：
其中：I bus为电力系统节点数，I line为电力系统支路数。pgi,t/qgi,t为节点i在时段t的电有功生产功率/无功生产功率，pdi,t/qdi,t为节点i在时段t的电有功负荷功率/无功负荷功率。Vi,t和Vj,t为节点i和节点j在时段t的电压幅值，θij,t为节点i和节点j在时段t的相角差，j∈i表示节点j与节点i相连。gij和bij为线路ij的电导和电纳，gij和bij从电力能量管理系统中获取。pij,t为线路ij在时段t的有功功率，为线路ij传输功率的上限。和Vi 为节点i的电压上下限。
故由上述说明可知，第二网络约束模型为：
步骤230、根据所述第一运行系统模型和第二运行系统模型建立供能机组总成本模型和功率模型，其中，所述供能机组总成本模型用于预测所述第一能源和第二能源的机组的成本之和的最小值，所述功率模型用于预测所述第一能源和第二能源的功率。
一实施例中，建立网络节点功率生产的等式约束：
建立电-热协同市场的优化目标函数如下：
优化目标为系统总成本最小，即各供能机组的成本总和最小，描述如下：
可以理解为，供能机组总成本模型为：
功率模型为：
和
τc＝(Γτ+D-Ta)⊙E+Ta
和
本实施例的技术方案，通过分析热能和电能的运行成本和功率，建立对应的供能机组总成本模型和功率模型，该模型用于后续推导能源的价格数学模型，使得到的价格数学模型有科学数据支撑，从而提高模型的精准度。
图3是本发明实施例提供的另一种能源价格的预测方法的流程示意图，参见图3，该方法进一步包括如下步骤：
步骤310、获取所述供能机组总成本模型和功率模型中与所述第一能源和第二能源的功率相关的表达式；
步骤320、根据所述表达式建立所述第一能源和第二能源的最优功率模型；
本实施例中，基于已得到的供能机组总成本模型和功率模型，获取与第一能源和第二能源的功率相关的表达式，再根据该表达式建立第一能源和第二能源的最优功率模型，以第一能源和第二能源为热能和电能为例进行说明，得到的最优功率模型为：
可以理解为，供能机组总成本模型为：
功率模型为：
和
τc＝(Γτ+D-Ta)⊙E+Ta、
和
需要说明的是，最优功率模型是供能机组总成本模型和功率模型的进一步简化模型。
步骤330、根据所述第一能源和第二能源的最优功率模型建立对应的拉格朗日函数；
一实施例中，原对偶内点法是求解非线性规划的有效算法。该算法通过使用松弛变量将不等式约束转化为等式约束，并设置了障碍参数。使用原对偶内点法构造的拉格朗日函数如下：
其中，λpgi,t,λhgn,t,λpi,t,λqi,t,λpij,t,λqij,t,λh,ξ是拉格朗日等式约束的乘子， μ pi,t, μ, μ c,和是拉格朗日不等式约束的乘子。W为不等式约束总数。s i,t和为式中标量松弛变量的总称，包含 s pi,t和
步骤340、根据所述拉格朗日函数建立网络中节点的所述第一能源和第二能源的价格数学模型。
本实施例中，节点能源的价格数学模型的推导过程如下：
节点电价和节点热价定义为新增单位负荷(电能或热能)时的系统边际成本。表达如下：
其中，λpi,t为节点电价，λhn,t为节点热价。
对于连接有生产机组的节点，其节点能价还可以有如下形式：
或者
或者
其中，*表示最优值点。
本实施例的技术方案，讲述了通过供能机组总成本模型和功率模型得到能源的价格数学模型，该方案利用原对偶内点法构造拉格朗日函数，得到精准完善的价格数学模型，以用于分析节点能源价格的各组成成分的表达模型。
图4是本发明实施例提供的另一种能源价格的预测方法的流程示意图，参见图4，该方法进一步包括如下步骤：
步骤410、建立所述节点的第一能源和第二能源的价格数学模型对应的拉格朗日函数；
步骤420、简化所述拉格朗日函数；
步骤430、对简化后的拉格朗日函数进行矩阵分块操作以得到所述节点的第一能源和第二能源的价格表达式；
步骤440、根据所述价格表达式建立与能源价格关联的价格组成模型。
本实施例中，讲述节点热价的推导过程，并给出节点电价的表达式，对热能和电能价格的各部分做相应解释。为方便起见，松弛节点是指边际机组所在的节点。
节点热价的推导过程如下：
令τ和τc对第一能源和第二能源的最优功率模型建立对应的拉格朗日函数L求导，可得：
其次，令可得：
Yλh＝X
其中，ME＝{MEkk＝Mkk·Ek|k∈KT}。
最后，对公式Yλh＝X进行矩阵分块操作，可得：
其中，S为与松弛节点有关的矩阵块，-S为与非松弛节点有关的矩阵块。可得非松弛节点的节点热价与松弛节点的节点热价之间的关系：
此外，由于节点电价在现有文献中已经建立，可直接引用，节点电价的表达式为：
其中，pL,t/qL,t是电力系统在时段t的有功线损总量/无功线损总量，pi,t为节点i在时段t的电功率注入量。λps,t/λqs,t为电力系统松弛节点s在时段t的节点有功电价/节点无功电价。和是关于电力不等式约束gj,t的拉格朗日乘子。表示不等式约束中不包含关于传统火电机组和热电联供机组的运行约束。
基于得到的热能和电能的价格表达式建立与能源价格关联的价格组成模型，节点能源(热能和电能)价格各个组成部分描述如下：
1、扩展边际生产成本：在节点电价中体现为松弛节点的节点电价λps,t，在节点热价中体现为松弛节点的节点热价扩展边际生产成本包含边际生产成本和能源耦合成本。若选取热电机组所在节点为松弛节点，则
其中，λhs,t为的内部元素。若热电机组为边际机组，则能源耦合成本不为零，在节点电价中体现为在节点热价中体现为
2、边际阻塞成本：在节点电价中体现为在节点热价中体现为
3、边际损耗成本：在节点电价中体现为在节点热价中体现为E。
4、传输延迟影响：电能以光速传播，所以不考虑电能的延时。供热网络传输延时对节点热价的影响主要体现在时间起点关联矩阵Γ。
需要说明的是，上述节点能源(热能和电能)价格各个组成部分对应的数学模型即为能源价格组成模型。
本实施例的技术方案，讲述通过价格数学模型得到与能源价格关联的价格组成模型，如此更能直观的反映真实的能源成本，可以辅助系统进行阻塞管理，损耗分摊，需求响应等，从而保证电-热协同市场的高效运行。
图5是本发明实施例提供的一种能源价格的预测装置的结构示意图，该装置适用于执行本发明任意实施例提供的能源价格的预测方法，如图5所示，该装置包括：协同能源模型模块501、价格模型模块502和价格组成模型模块503。
协同能源模型模块501，用于建立协同第一能源和第二能源的第一模型；
价格模型模块502，用于根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型；
价格组成模型模块503，用于根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
本实施例提供的能源价格的预测装置，通过建立协同第一能源和第二能源的第一模型，然后根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，最后根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。该装置反映真实用能成本，制定合理的定价机制促进用户参与价格响应，方便进行能源利用与管理。
在上述实施例的基础上，协同能源模型模块501还包括：
建立第一运行系统模型，其中，所述第一运行系统模型为提供所述第一能源的系统；
建立第二运行系统模型，其中，所述第二运行系统模型为提供所述第二能源的系统；
根据所述第一运行系统模型和第二运行系统模型建立供能机组总成本模型和功率模型，其中，所述供能机组总成本模型用于预测所述第一能源和第二能源的机组的成本之和的最小值，所述功率模型用于预测所述第一能源和第二能源的功率。
在上述实施例的基础上，所述第一运行系统模型包括第一运行成本模型和第一网络约束模型，所述第一运行成本模型用于预测第一能源的供能机组的运行成本，所述第一网络约束模型用于分析第一运行系统的网络运行约束条件；
所述第二运行系统模型包括第二运行成本模型和第二网络约束模型，所述第二运行成本模型用于预测第二能源的供能机组的运行成本，所述第二网络约束模型用于分析第二运行系统的网络运行约束条件。
在上述实施例的基础上，价格模型模块502还包括：
获取所述供能机组总成本模型和功率模型中与所述第一能源和第二能源的功率相关的表达式；
根据所述表达式建立所述第一能源和第二能源的最优功率模型；
根据所述第一能源和第二能源的最优功率模型建立对应的拉格朗日函数；
根据所述拉格朗日函数建立网络中节点的所述第一能源和第二能源的价格数学模型。
在上述实施例的基础上，价格组成模型模块503还包括：
价格表达式模块，用于根据所述节点的第一能源和第二能源的价格数学模型得出所述节点的第一能源和第二能源的价格表达式；
根据所述价格表达式建立与能源价格关联的价格组成模型。
在上述实施例的基础上，价格表达式模块还包括：
建立所述节点的第一能源和第二能源的价格数学模型对应的拉格朗日函数；
简化所述拉格朗日函数；
对简化后的拉格朗日函数进行矩阵分块操作以得到所述节点的第一能源和第二能源的价格表达式。
在上述实施例的基础上，所述第一网络约束模型和第二网络约束模型至少包括网络节点的功率平衡模型。
在上述实施例的基础上，所述第一能源为热能，所述第二能源为电能。
本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明所有实施例提供的能源价格的预测方法：也即，该程序被处理器执行时实现：通过建立协同第一能源和第二能源的第一模型，然后根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，最后根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或定价设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
图6是本发明实施例提供的一种定价设备的结构示意图，该定价设备可集成本发明实施例提供的能源价格的预测装置。参见图6，定价设备600可以包括：存储器601，处理器602及存储在存储器601上并可在处理器602运行的计算机程序，所述处理器602执行所述计算机程序时实现如本发明实施例所述的能源价格的预测方法。
本发明实施例提供的定价设备，通过建立协同第一能源和第二能源的第一模型，然后根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，最后根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。实现反映真实用能成本，制定合理的定价机制促进用户参与价格响应，方便进行能源利用与管理。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种能源价格的预测方法，其特征在于，包括：
建立协同第一能源和第二能源的第一模型；
根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型；
根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
2.根据权利要求1所述的方法，其特征在于，建立协同第一能源和第二能源的第一模型，包括：
建立第一运行系统模型，其中，所述第一运行系统模型为提供所述第一能源的系统；
建立第二运行系统模型，其中，所述第二运行系统模型为提供所述第二能源的系统；
根据所述第一运行系统模型和第二运行系统模型建立供能机组总成本模型和功率模型，其中，所述供能机组总成本模型用于预测所述第一能源和第二能源的机组的成本之和的最小值，所述功率模型用于预测所述第一能源和第二能源的功率。
3.根据权利要求2所述的方法，其特征在于，
所述第一运行系统模型包括第一运行成本模型和第一网络约束模型，所述第一运行成本模型用于预测第一能源的供能机组的运行成本，所述第一网络约束模型用于分析第一运行系统的网络运行约束条件；
所述第二运行系统模型包括第二运行成本模型和第二网络约束模型，所述第二运行成本模型用于预测第二能源的供能机组的运行成本，所述第二网络约束模型用于分析第二运行系统的网络运行约束条件。
4.根据权利要求2所述的方法，其特征在于，根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型，包括：
获取所述供能机组总成本模型和功率模型中与所述第一能源和第二能源的功率相关的表达式；
根据所述表达式建立所述第一能源和第二能源的最优功率模型；
根据所述第一能源和第二能源的最优功率模型建立对应的拉格朗日函数；
根据所述拉格朗日函数建立网络中节点的所述第一能源和第二能源的价格数学模型。
5.根据权利要求4所述的方法，其特征在于，根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，包括：
根据所述节点的第一能源和第二能源的价格数学模型得出所述节点的第一能源和第二能源的价格表达式；
根据所述价格表达式建立与能源价格关联的价格组成模型。
6.根据权利要求5所述的方法，其特征在于，根据所述节点的第一能源和第二能源的价格数学模型得出所述节点的第一能源和第二能源的价格表达式，包括：
建立所述节点的第一能源和第二能源的价格数学模型对应的拉格朗日函数；
简化所述拉格朗日函数；
对简化后的拉格朗日函数进行矩阵分块操作以得到所述节点的第一能源和第二能源的价格表达式。
7.根据权利要求3所述的方法，其特征在于，所述第一网络约束模型和第二网络约束模型至少包括网络节点的功率平衡模型。
8.根据权利要求1-7所述的方法，其特征在于，所述第一能源为热能，所述第二能源为电能。
9.一种能源价格的预测装置，其特征在于，包括：
协同能源模型模块，用于建立协同第一能源和第二能源的第一模型；
价格模型模块，用于根据所述第一模型建立网络中节点的所述第一能源和第二能源的价格数学模型；
价格组成模型模块，用于根据所述节点的第一能源和第二能源的价格数学模型建立所述第一能源和第二能源的价格组成模型，以预测所述第一能源、第二能源的成本价格。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的能源价格的预测方法。
11.一种定价设备，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-8中任一所述的能源价格的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214589.XA CN109190849B (zh) | 2018-10-18 | 2018-10-18 | 一种能源价格的预测方法、装置、定价设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214589.XA CN109190849B (zh) | 2018-10-18 | 2018-10-18 | 一种能源价格的预测方法、装置、定价设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109190849A true CN109190849A (zh) | 2019-01-11 |
| CN109190849B CN109190849B (zh) | 2022-05-31 |
Family
ID=64945869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811214589.XA Active CN109190849B (zh) | 2018-10-18 | 2018-10-18 | 一种能源价格的预测方法、装置、定价设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109190849B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050137959A1 (en) * | 2003-10-24 | 2005-06-23 | Yan Joseph H. | Simultaneous optimal auctions using augmented lagrangian and surrogate optimization |
| CN105046369A (zh) * | 2015-08-13 | 2015-11-11 | 河海大学 | 一种基于能源中心的电气混联系统建模和优化调度方法 |
| CN106339794A (zh) * | 2016-08-16 | 2017-01-18 | 清华大学 | 一种电‑热耦合多能流网络节点能价计算方法 |
| CN107194516A (zh) * | 2017-06-07 | 2017-09-22 | 华北电力大学 | 含多主体的多能互补微电网分布式优化调度方法 |
-
2018
- 2018-10-18 CN CN201811214589.XA patent/CN109190849B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050137959A1 (en) * | 2003-10-24 | 2005-06-23 | Yan Joseph H. | Simultaneous optimal auctions using augmented lagrangian and surrogate optimization |
| CN105046369A (zh) * | 2015-08-13 | 2015-11-11 | 河海大学 | 一种基于能源中心的电气混联系统建模和优化调度方法 |
| CN106339794A (zh) * | 2016-08-16 | 2017-01-18 | 清华大学 | 一种电‑热耦合多能流网络节点能价计算方法 |
| CN107194516A (zh) * | 2017-06-07 | 2017-09-22 | 华北电力大学 | 含多主体的多能互补微电网分布式优化调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邓莉荣 等: "面向能源互联网的热电联供系统节点能价研究", 《电网技术》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109190849B (zh) | 2022-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qin et al. | A generalized quasi-dynamic model for electric-heat coupling integrated energy system with distributed energy resources | |
| Wang et al. | Automatic and linearized modeling of energy hub and its flexibility analysis | |
| Zheng et al. | Coordinated scheduling strategy to optimize conflicting benefits for daily operation of integrated electricity and gas networks | |
| CN109711601B (zh) | 电-气-热综合能源系统分布式优化调度方法和装置 | |
| Yao et al. | Dynamic optimal energy flow in the heat and electricity integrated energy system | |
| Zhang et al. | Dynamic energy conversion and management strategy for an integrated electricity and natural gas system with renewable energy: Deep reinforcement learning approach | |
| Chen et al. | Energy trading and market equilibrium in integrated heat-power distribution systems | |
| Jing et al. | Multi-objective optimization of a neighborhood-level urban energy network: Considering Game-theory inspired multi-benefit allocation constraints | |
| Huang et al. | Deepopf-v: Solving ac-opf problems efficiently | |
| US10607303B2 (en) | Coordination of thermostatically controlled loads | |
| El Geneidy et al. | Contracted energy flexibility characteristics of communities: Analysis of a control strategy for demand response | |
| Deng et al. | Optimal operation of integrated heat and electricity systems: A tightening McCormick approach | |
| Cui et al. | Game-based peer-to-peer energy sharing management for a community of energy buildings | |
| Mohammadi-Ivatloo et al. | Combined heat and power economic dispatch problem solution using particle swarm optimization with time varying acceleration coefficients | |
| Zheng et al. | Incentive-based coordination mechanism for distributed operation of integrated electricity and heat systems | |
| Chang | A decision support system for planning and coordination of hybrid renewable energy systems | |
| Xiao et al. | A novel energy management method for networked multi-energy microgrids based on improved DQN | |
| Sharma et al. | Optimization of a smooth flat plate solar air heater using stochastic iterative perturbation technique | |
| Qian et al. | A fully decentralized dual consensus method for carbon trading power dispatch with wind power | |
| Li et al. | Unified modeling of regionally integrated energy system and application to optimization | |
| Du et al. | Energy optimization and routing control strategy for energy router based multi-energy interconnected energy system | |
| CN115204562B (zh) | 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统 | |
| CN115693779A (zh) | 一种多虚拟电厂与配网协同优化调度方法及设备 | |
| Tostado-Véliz et al. | An interval-based bi-level day-ahead scheduling strategy for active distribution networks in the presence of energy communities | |
| Wu et al. | An integrated energy system optimization strategy based on particle swarm optimization algorithm |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221201 Address after: 518000 2nd floor, building a, Tsinghua campus, Shenzhen University Town, Xili street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Tsinghua Shenzhen International Graduate School Address before: 518055 Nanshan Zhiyuan 1001, Xue Yuan Avenue, Nanshan District, Shenzhen, Guangdong. Patentee before: TSINGHUA-BERKELEY SHENZHEN INSTITUTE |
|
| TR01 | Transfer of patent right |