CN110021965A - 一种基于预测误差制定风电投标策略的方法 - Google Patents

一种基于预测误差制定风电投标策略的方法 Download PDF

Info

Publication number
CN110021965A
CN110021965A CN201910213296.8A CN201910213296A CN110021965A CN 110021965 A CN110021965 A CN 110021965A CN 201910213296 A CN201910213296 A CN 201910213296A CN 110021965 A CN110021965 A CN 110021965A
Authority
CN
China
Prior art keywords
power plant
wind
bidding strategy
wind power
prediction error
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
CN201910213296.8A
Other languages
English (en)
Inventor
邹金
禤培正
朱继忠
谢平平
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 Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid 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 China Southern Power Grid Co Ltd, Research Institute of Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201910213296.8A priority Critical patent/CN110021965A/zh
Publication of CN110021965A publication Critical patent/CN110021965A/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • H02J3/386—
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • 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
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于预测误差制定风电投标策略的方法，包括：获取风电场的历史出力数据及预测出力值，计算风电场的预测误差，拟合预测误差与预测出力值之间的统计规律；引入投标策略参数，制定风电机组报价形式；根据电力市场出清模型的供需平衡关系，计算电力市场出清模型的优化目标；计算风电场在日前、实时市场的总收益；将风电场在日前、实时市场的总收益对投标策略参数进行求导，得到风电场在最优投标策略下投标策略参数与预测误差之间的关系式；采用投标策略参数与预测误差之间的关系式计算投标电量，以在日前市场进行投标。采用本发明提出的方法，能够制定最优的投标策略，实现风电场在日前、实时市场的总收益最大化。

Description

一种基于预测误差制定风电投标策略的方法
技术领域
本发明涉及电网技术领域，尤其涉及一种基于预测误差制定风电投标策略的方法。
背景技术
随着风电逐步参与电力现货市场竞争，风电出力的不确定性将造成日前市场、实时市场的价格出现波动，给风电场收益带来不确定风险。在目前的市场环境下，风电作为优先消纳的可在生能源，在电力市场中作为价格接受者，但需要对其发电量在日前进行申报。风电场日前申报电量按照日前市场的价格进行结算，而日前申报的电量与实时实际发出电量的偏差则按照实时市场的价格进行结算，两个市场的总收益即为风电场的投标总收益。如何对风电场的申报电量进行优化，平衡其在日前市场和实时市场的收益，对提高风电场运行效益起到重要作用。目前，风电场日前通常直接采用预测出力值进行电量申报，在这种情况下，预测误差将造成风电场实时出力具有不确定性，从而给风电场收益带来不确定性的风险。
发明内容
本发明实施例的目的是提供一种基于预测误差制定风电投标策略的方法，对预测误差进行评估，同时平衡日前、实时两级市场收益，制定最优的投标策略，实现风电场在日前、实时市场的总收益最大化，减少由于风电不确定性对风电场收益带来的风险。
为实现上述目的，本发明实施例提供了一种基于预测误差制定风电投标策略的方法，包括：
获取风电场的历史出力数据及所对应的预测出力值，根据所述历史出力数据和所述预测出力值计算所述风电场的预测误差，并拟合所述预测误差与所述预测出力值之间的统计规律；
引入投标策略参数，制定风电机组的报价形式；
根据电力市场出清模型的供需平衡关系，计算所述电力市场出清模型的优化目标；
计算所述风电场在日前、实时市场的总收益和风电场的投标策略参数之间的关系；
对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，得到风电场在最优投标策略下投标策略参数与预测误差之间的关系式；
采用所述投标策略参数与所述预测误差之间的关系式计算投标电量，以在日前市场进行投标。
与现有技术相比，本发明公开的基于预测误差制定风电投标策略的方法通过推导风电场日前市场最优投标电量与风电出力预测误差之间的关系式，平衡风电场在日前市场和实时市场的收益，实现风电场总收益的最大化。相比于直接采用风电预测出力值进行投标，所提出的最优投标策略兼顾了日前市场和实时市场，实现了风电场收益的最大化。
作为上述方案的改进，所述拟合所述预测误差与预测出力值之间的统计规律，具体包括：
采用线性规律对所述预测误差与预测出力值间的统计规律进行拟合，满足以下公式：
Perro＝mPf+n 公式(1)；
其中，Perro为所述预测误差，Pf为所述预测出力值，m、n为自定义的线性拟合参数。
作为上述方案的改进，所述方法还包括：
制定火电机组的报价形式，满足以下公式：
F(P)＝aP2+bP+c 公式(2)；
其中，P为火电机组的出力；a、b、c为自定义的火电机组报价参数；F(P)为火电机组报价。
作为上述方案的改进，所述引入投标策略参数，制定风电机组的报价形式，满足以下公式：
E(Pf)＝αPf 公式(3)；
其中，Pf为所述预测出力值；α为所述投标策略参数；E(Pf)为所述风电机组的报价。
作为上述方案的改进，所述根据电力市场出清模型的供需平衡关系，计算所述电力市场出清模型的优化目标，具体包括：
根据日前电力市场出清模型的供需平衡关系，计算所述日前电力市场出清模型的优化目标；其中，
所述日前电力市场出清模型的供需平衡关系表达式，满足以下公式：
其中，G表示所述火电机组的个数，i＝1、2、3...G；N表示所述风电场的个数，j＝1、2、3...N；Pi表示第i个所述火电机组的出力；αj表示第j个风电场的投标策略参数；Pf,j表示第j个风电场的预测出力值；Plood为日前电力市场的总负荷；
所述日前电力市场出清模型的优化目标，满足以下公式：
其中，B(Plood)为日前用电收益；F(Pi)表示第i个火电机组的报价；
根据实时电力市场出清模型的供需平衡关系，计算所述实时电力市场出清模型的优化目标；其中，
所述实时电力市场出清模型的供需平衡关系，满足以下公式：
其中，Pw,j为第j个风电场实时的实际出力；P′lood为实时电力市场的总负荷；
所述实时电力市场出清模型的优化目标，满足以下公式：
其中，B(P′lood)为实时用电收益；F(Pi)表示第i个火电机组的报价。
作为上述方案的改进，所述计算所述风电场在日前、实时市场的总收益和风电场的投标策略参数之间的关系，具体包括：
在所述日前电力市场出清模型的优化目标中引入拉格朗日函数LDA，满足以下公式：
其中，LDA为拉格朗日函数；λDA为日前市场对应的拉格朗日系数；aiPi 2+biP+ci表示第i个火电机组的报价；
对所述拉格朗日函数LDA进行求导，联合所述日前电力市场出清模型的供需平衡关系表达式得到日前市场对应的拉格朗日系数的表达式，满足以下公式：
其中，所述日前市场对应的拉格朗日系数为日前市场的出清价格；
在所述实时电力市场出清模型的优化目标中引入拉格朗日函数LRT，满足以下公式：
其中，LRT为拉格朗日函数；λRT为实时市场对应的拉格朗日系数；aiPi 2+biP+ci表示第i个火电机组的报价；
对所述拉格朗日函数LRT进行求导，联合所述实时电力市场出清模型的供需平衡关系表达式得到实时市场对应的拉格朗日系数的表达式，满足以下公式：
其中，所述实时市场对应的拉格朗日系数为实时市场的出清价格；
根据所述日前市场对应的拉格朗日系数与所述实时市场对应的拉格朗日系数计算所述风电场在日前和实时市场的总收益，满足以下公式：
作为上述方案的改进，所述对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，满足以下公式：
其中，Perro,j为第j个风电场的日前出力预测误差。
附图说明
图1是本发明实施例提供的一种基于预测误差制定风电投标策略的方法的流程图；
图2是本发明实施例提供的一种基于预测误差制定风电投标策略的方法中风电预测出力值与预测误差之间的关系曲线；
图3是本发明实施例提供的一种基于预测误差制定风电投标策略的方法中风电场有无采用最优投标策略时的收益对比曲线。
具体实施方式
下面将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、完整地描述，显然，所描述的实施例仅仅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作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。
参见图1，图1是本发明实施例提供的一种基于预测误差制定风电投标策略的方法的流程图；包括：
S1、获取风电场的历史出力数据及所对应的预测出力值，根据所述历史出力数据和所述预测出力值计算所述风电场的预测误差，并拟合所述预测误差与所述预测出力值之间的统计规律；
S2、引入投标策略参数，制定风电机组的报价形式；
S3、根据电力市场出清模型的供需平衡关系，计算所述电力市场出清模型的优化目标；
S4、计算所述风电场在日前、实时市场的总收益和风电场的投标策略参数之间的关系；
S5、对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，得到风电场在最优投标策略下投标策略参数与预测误差之间的关系式；
S6、采用所述投标策略参数与所述预测误差之间的关系式计算投标电量，以在日前市场进行投标。
具体的，在步骤S1中，获取风电场的历史出力数据及所对应的预测出力值，并根据所述历史出力数据和所述预测出力值计算所述风电场的预测误差。一般风电场每天都会做预测，这些预测数据指的是历史的预测数据，即所述预测出力值。历史实际出力与当天对应的预测数据之差即所述风电场的预测误差。
优选的，在计算得到所述风电场的预测误差后，采用线性规律对所述预测误差与预测出力值间的统计规律进行拟合，满足以下公式：
Perro＝mPf+n 公式(1)；
其中，Perro为所述预测误差，Pf为所述预测出力值，m、n为自定义的线性拟合参数。
如图2所示，图中实测统计曲线为根据所述风电场历史出力及预测数据绘制的误差统计曲线，线性拟合曲线则表示采用直线拟合得到的风电预测出力值与预测误差之间的关系曲线。由图中可以看出，风电预测的相对误差率随着风电出力水平的增加基本呈现出线性减小的趋势。
具体的，在步骤S2中，假定系统中含多个独立投标的火电机组和风电场，考虑系统的发电、用电平衡约束，火电机组按照其发电成本进行报价，而风电的报价则以预测出力值Pf为基准，乘以投标策略参数α，报价为αPf。日前、实时市场均以社会福利最大化为优化目标，对该优化问题的拉格朗日函数求导，得到日前、实时现货市场的出清电价，由此计算得到各个风电场在日前和实时市场的总收益。
优选的，所述引入投标策略参数，制定风电机组的报价形式，满足以下公式：
E(Pf)＝αPf 公式(3)；
其中，Pf为所述预测出力值；α为所述投标策略参数；E(Pf)为所述风电机组的报价。一般投标是直接采用预测值投标，本发明的投标策略是在所述预测出力值的基础上乘以所述投标策略参数进行投标。
进一步的，所述方法还包括：
制定火电机组的报价形式，满足以下公式：
F(P)＝aP2+bP+c 公式(2)；
其中，P为火电机组的出力；a、b、c为自定义的火电机组报价参数；F(P)为火电机组报价。
具体的，在步骤S3中，所述根据电力市场出清模型的供需平衡关系，计算所述电力市场出清模型的优化目标，具体包括：
根据日前电力市场出清模型的供需平衡关系，计算所述日前电力市场出清模型的优化目标；其中，
所述日前电力市场出清模型的供需平衡关系表达式，满足以下公式：
其中，G表示所述火电机组的个数，i＝1、2、3...G；N表示所述风电场的个数，j＝1、2、3...N；Pi表示第i个所述火电机组的出力；αj表示第j个风电场的投标策略参数；Pf,j表示第j个风电场的预测出力值；Plood为日前电力市场的总负荷；
所述日前电力市场出清模型的优化目标，满足以下公式：
其中，B(Plood)为日前用电收益；F(Pi)表示第i个火电机组的报价；
根据实时电力市场出清模型的供需平衡关系，计算所述实时电力市场出清模型的优化目标；其中，
所述实时电力市场出清模型的供需平衡关系，满足以下公式：
其中，Pw,j为第j个风电场实时的实际出力；Pl'ood为实时电力市场的总负荷；
所述实时电力市场出清模型的优化目标，满足以下公式：
其中，B(P'lood)为实时用电收益；F(Pi)表示第i个火电机组的报价。
具体的，在步骤S4中，所述计算所述风电场在日前、实时市场的总收益和风电场的投标策略参数之间的关系，具体包括：
在所述日前电力市场出清模型的优化目标中引入拉格朗日函数LDA，满足以下公式：
其中，LDA为拉格朗日函数；λDA为日前市场对应的拉格朗日系数；aiPi 2+biP+ci表示第i个火电机组的报价；
对所述拉格朗日函数LDA进行求导，联合所述日前电力市场出清模型的供需平衡关系表达式得到日前市场对应的拉格朗日系数的表达式，满足以下公式：
其中，所述日前市场对应的拉格朗日系数为日前市场的出清价格；
在所述实时电力市场出清模型的优化目标中引入拉格朗日函数LRT，满足以下公式：
其中，LRT为拉格朗日函数；λRT为实时市场对应的拉格朗日系数；aiPi 2+biP+ci表示第i个火电机组的报价；
对所述拉格朗日函数LRT进行求导，联合所述实时电力市场出清模型的供需平衡关系表达式得到实时市场对应的拉格朗日系数的表达式，满足以下公式：
其中，所述实时市场对应的拉格朗日系数为实时市场的出清价格；
根据所述日前市场对应的拉格朗日系数与所述实时市场对应的拉格朗日系数计算所述风电场在日前和实时市场的总收益，满足以下公式：
具体的，在步骤S4中，各个风电场独立投标的模式下，每个风电场都需要使自己的收益最大化，因此对每个风电场的效益函数求导，所述对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，满足以下公式：
其中，Perro,j为第j个风电场的日前处理预测误差。
具体的，在步骤S5中，所述对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，满足以下公式：
其中，Perro,j为第j个风电场的日前出力预测误差。
具体的，在步骤S6中，获取各个风电场的日前预测出力值，并采用前述统计的风电预测出力值与预测误差的关系曲线对风电预测误差进行估计，根据式(16)所示的投标策略参数计算公式，得到风电场的最优投标策略参数。
获取各个风电场的日前预测出力值Pf,j，并采用前述步骤S1中统计的预测误差规律对风电场的日前处理预测误差Perro,j进行估计，结合步骤S4中推导所得的最优投标策略参数表达式，计算得到风电场的最优投标策略参数αj。风电场分别采用预测值和最优投标策略参数进行投标，所得的收益曲线如图3所示，图中结果显示，采用所提出的最优投标策略有效提升了风电场的投标收益。
与现有技术相比，本发明所公开的基于预测误差制定风电投标策略的方法实现了风电场收益的提升。从风电场出力预测误差的统计规律出发，结合日前、实时两级现货市场出清模型，通过对风电场投标收益的推导，得到风电场收益最大时的最优投标策略参数表达式，以此作为风电场的最优投标策略。与目前通常直接使用风电预测出力值进行投标相比，本发明提供的风电场最优投标策略有效的平衡了日前、实时市场的收益，保证了风电场总收益的最大化，同时，通过对风电出力预测误差的估计，减少了由于风电预测误差给风电场投标收益带来的风险。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (7)

1.一种基于预测误差制定风电投标策略的方法，其特征在于，包括：
获取风电场的历史出力数据及所对应的预测出力值，根据所述历史出力数据和所述预测出力值计算所述风电场的预测误差，并拟合所述预测误差与所述预测出力值之间的统计规律；
引入投标策略参数，制定风电机组的报价形式；
根据电力市场出清模型的供需平衡关系，计算所述电力市场出清模型的优化目标；
计算所述风电场在日前、实时市场的总收益和风电场的投标策略参数之间的关系；
对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，得到风电场在最优投标策略下投标策略参数与预测误差之间的关系式；
采用所述投标策略参数与所述预测误差之间的关系式计算投标电量，以在日前市场进行投标。
2.如权利要求1所述的基于预测误差制定风电投标策略的方法，其特征在于，所述拟合所述预测误差与预测出力值之间的统计规律，具体包括：
采用线性规律对所述预测误差与预测出力值间的统计规律进行拟合，满足以下公式：
Perro＝mPf+n 公式(1)；
其中，Perro为所述预测误差，Pf为所述预测出力值，m、n为自定义的线性拟合参数。
3.如权利要求2所述的基于预测误差制定风电投标策略的方法，其特征在于，所述方法还包括：
制定火电机组的报价形式，满足以下公式：
F(P)＝aP2+bP+c 公式(2)；
其中，P为火电机组的出力；a、b、c为自定义的火电机组报价参数；F(P)为火电机组报价。
4.如权利要求3所述的基于预测误差制定风电投标策略的方法，其特征在于，所述引入投标策略参数，制定风电机组的报价形式，满足以下公式：
E(Pf)＝αPf 公式(3)；
其中，Pf为所述预测出力值；α为所述投标策略参数；E(Pf)为所述风电机组的报价。
5.如权利要求4所述的基于预测误差制定风电投标策略的方法，其特征在于，所述根据电力市场出清模型的供需平衡关系，计算所述电力市场出清模型的优化目标，具体包括：
根据日前电力市场出清模型的供需平衡关系，计算所述日前电力市场出清模型的优化目标；其中，
所述日前电力市场出清模型的供需平衡关系表达式，满足以下公式：
其中，G表示所述火电机组的个数，i＝1、2、3...G；N表示所述风电场的个数，j＝1、2、3...N；Pi表示第i个所述火电机组的出力；αj表示第j个风电场的投标策略参数；Pf,j表示第j个风电场的预测出力值；Plood为日前电力市场的总负荷；
所述日前电力市场出清模型的优化目标，满足以下公式：
其中，B(Plood)为日前用电收益；F(Pi)表示第i个火电机组的报价；
根据实时电力市场出清模型的供需平衡关系，计算所述实时电力市场出清模型的优化目标；其中，
所述实时电力市场出清模型的供需平衡关系，满足以下公式：
其中，Pw,j为第j个风电场实时的实际出力；P′lood为实时电力市场的总负荷；
所述实时电力市场出清模型的优化目标，满足以下公式：
其中，B(P'lood)为实时用电收益；F(Pi)表示第i个火电机组的报价。
6.如权利要求5所述的基于预测误差制定风电投标策略的方法，其特征在于，所述计算所述风电场在日前、实时市场的总收益和风电场的投标策略参数之间的关系，具体包括：
在所述日前电力市场出清模型的优化目标中引入拉格朗日函数LDA，满足以下公式：
其中，LDA为拉格朗日函数；λDA为日前市场对应的拉格朗日系数；aiPi 2+biP+ci表示第i个火电机组的报价；
对所述拉格朗日函数LDA进行求导，联合所述日前电力市场出清模型的供需平衡关系表达式得到日前市场对应的拉格朗日系数的表达式，满足以下公式：
其中，所述日前市场对应的拉格朗日系数为日前市场的出清价格；
在所述实时电力市场出清模型的优化目标中引入拉格朗日函数LRT，满足以下公式：
其中，LRT为拉格朗日函数；λRT为实时市场对应的拉格朗日系数；aiPi 2+biP+ci表示第i个火电机组的报价；
对所述拉格朗日函数LRT进行求导，联合所述实时电力市场出清模型的供需平衡关系表达式得到实时市场对应的拉格朗日系数的表达式，满足以下公式：
其中，所述实时市场对应的拉格朗日系数为实时市场的出清价格；
根据所述日前市场对应的拉格朗日系数与所述实时市场对应的拉格朗日系数计算所述风电场在日前和实时市场的总收益，满足以下公式：
7.如权利要求6所述的基于预测误差制定风电投标策略的方法，其特征在于，所述对所述风电场在日前、实时市场的总收益对投标策略参数进行求导，满足以下公式：
其中，Perro,j为第j个风电场的日前出力预测误差。
CN201910213296.8A 2019-03-20 2019-03-20 一种基于预测误差制定风电投标策略的方法 Pending CN110021965A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910213296.8A CN110021965A (zh) 2019-03-20 2019-03-20 一种基于预测误差制定风电投标策略的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910213296.8A CN110021965A (zh) 2019-03-20 2019-03-20 一种基于预测误差制定风电投标策略的方法

Publications (1)

Publication Number Publication Date
CN110021965A true CN110021965A (zh) 2019-07-16

Family

ID=67189707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910213296.8A Pending CN110021965A (zh) 2019-03-20 2019-03-20 一种基于预测误差制定风电投标策略的方法

Country Status (1)

Country Link
CN (1) CN110021965A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738377A (zh) * 2019-10-25 2020-01-31 中国南方电网有限责任公司 含风电竞标的日前市场出清方法、装置、计算机设备
CN110750759A (zh) * 2019-09-11 2020-02-04 广东工业大学 一种基于虚拟储能并带有误差调制的需求侧管理方法
CN113822707A (zh) * 2021-09-10 2021-12-21 国网冀北电力有限公司电力科学研究院 电力市场的出力决策方法、装置、计算机设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110750759A (zh) * 2019-09-11 2020-02-04 广东工业大学 一种基于虚拟储能并带有误差调制的需求侧管理方法
CN110750759B (zh) * 2019-09-11 2023-04-21 广东工业大学 一种基于虚拟储能并带有误差调制的需求侧管理方法
CN110738377A (zh) * 2019-10-25 2020-01-31 中国南方电网有限责任公司 含风电竞标的日前市场出清方法、装置、计算机设备
CN110738377B (zh) * 2019-10-25 2021-11-30 中国南方电网有限责任公司 含风电竞标的日前市场出清方法、装置、计算机设备
CN113822707A (zh) * 2021-09-10 2021-12-21 国网冀北电力有限公司电力科学研究院 电力市场的出力决策方法、装置、计算机设备及存储介质
CN113822707B (zh) * 2021-09-10 2024-04-30 国网冀北电力有限公司电力科学研究院 电力市场的出力决策方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN106845807B (zh) 基于调峰辅助服务的结算方法及装置
CN110021965A (zh) 一种基于预测误差制定风电投标策略的方法
CN107895221B (zh) 市场环境下梯级水电站中长期调度与检修计划优化方法
CN108388968B (zh) 基于预招标偏差电量平衡机制的发电计划滚动调整方法
CN109636671B (zh) 一种考虑多层次市场联动型的风电消纳优化策略
CN110728405B (zh) 一种蓄热电锅炉负荷参与风电消纳的日前市场交易方法
CN110676885A (zh) 一种以新能源为核心的调峰方法
CN112418643B (zh) 一种风电并网下面向多目标市场的网源协同规划方法
CN115526550B (zh) 适应新能源电力与常规火电同台竞争的现货市场组织方法
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN106447539A (zh) 一种电转气机组与燃气机组在电力市场和天然气市场中的联合竞价方法
CN114971899A (zh) 新能源参与下的日前、日内和实时市场电能交易优化方法
CN116109076A (zh) 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法
CN107133840A (zh) 一种面向电供热取暖促进风电就地消纳的多风场竞价方法
CN108846754A (zh) 一种基于多品种电力交易的风险评估方法
CN112529249A (zh) 一种计及绿证交易的虚拟电厂优化调度及交易管理方法
CN110414764A (zh) 基于多代理系统的微电网群能量博弈调度方法
CN109726894A (zh) 保障现货交易和中长期电量的新能源有功指令计算方法
CN114091825A (zh) 新-储电站参与电能量-调频辅助服务市场的竞价方法
CN110310022B (zh) 一种基于电力现货市场价格的电厂月度发电计划分解方法
CN105896535B (zh) 用于最小化弃风电量的风电场发电权置换电量评估的方法
Zou et al. Optimal bidding strategy for wind farms in electric spot market
Adam et al. Rural electrification using a stand-alone photovoltaic system: Case study of Cameroon
CN113159476A (zh) 一种计及风电不确定性的风电场收益估计方法
Raghavendran et al. Sustainable Power Purchase Contracts for Local Industries from Floating Solar & Pumped Hydro Integration

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

Application publication date: 20190716

RJ01 Rejection of invention patent application after publication