CN110264105A - 一种基于需求侧响应的电力现货交易方法及系统 - Google Patents
一种基于需求侧响应的电力现货交易方法及系统 Download PDFInfo
- Publication number
- CN110264105A CN110264105A CN201910580387.5A CN201910580387A CN110264105A CN 110264105 A CN110264105 A CN 110264105A CN 201910580387 A CN201910580387 A CN 201910580387A CN 110264105 A CN110264105 A CN 110264105A
- Authority
- CN
- China
- Prior art keywords
- few days
- days ago
- curve
- electricity consumption
- prediction
- 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
Links
- 230000004044 response Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005611 electricity Effects 0.000 claims abstract description 181
- 230000002688 persistence Effects 0.000 claims abstract description 7
- 238000009472 formulation Methods 0.000 claims abstract description 5
- 239000000203 mixture Substances 0.000 claims abstract description 5
- 238000004146 energy storage Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000005055 memory storage Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000036316 preload Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于需求侧响应的电力现货交易方法,包括以下步骤:S1.获取预测日前价格曲线、日前预测实时价格曲线和用电方日前负荷预测曲线;S2.根据预测日前价格曲线、预测实时交易价格曲线和用电方负荷预测曲线,制定日前交易申报曲线;S3.交易日内,持续预测实时交易价格和用电方负荷,判断是否满足条件;是,进行步骤S4;否,进行步骤S5;S4.实现套利;S5.通过需求侧响应减小损失保障收益。售电公司制定交易策略后,进行实时现货交易时,利用本发明的方法,基于需求侧响应可实现更大的套利;而在策略制定失误时,利用需求侧响应减小损失保障交易的收益。
Description
技术领域
本发明涉及能源交易领域,具体涉及一种基于需求侧响应的电力现货交易方法及系统。
背景技术
目前,随着广东电力现货市场按日试结算的开展,现货市场即将正式拉开帷幕。现阶段我国现货市场由日前市场和实时市场组成,中长期交易与日前交易制定的各种交易策略都将通过实时市场的物理交割得以证实是否合理,如何保障前期交易策略的顺利实施以及失误情况下如何挽回损失保障收益,在现有技术方法中,还没有有效的解决方案。
专利申请号CN201810638002.1,名称为一种基于神经网络的电力现货市场辅助交易方法,该方法利用历史申报和出清数据训练神经网络模型,模拟单个时段的申报量价与出清量价之间的关系,将单个时段的不同的申报方案依次输入神经网络模型,利用神经网络模型预测每个申报方案对应的出清价与出清量,计算每个申报方案的预测收,最终选择出每个时段最优的申报方案,为发电企业提供现货市场竞价的决策支持服务,提高发电企业参与电力现货交易的收益。该发明主要针对发电企业,且未涉及到方案制定后如何保障方案的执行。
专利申请号CN201910016448.5,名称为一种计及用户需求响应的售电公司购电决策方法,包括:将售电公司与用户签订的电量中断合同的费用、用户通过将可中断负荷卖给售电公司可获得的收益及用户将峰时段负荷转移至谷时段负荷的收益输入售电公司购电决策双层模型,确定售电公司的购电决策,降低用户用电费用且提高售电公司利润,实现双赢。该发明利用用户侧需求侧响应进行移峰填谷获得售电收益,未讲明如何具体的进行调节,未涉及到一种基于需求侧响应实现电力现货交易套利与保障收益的方法。
目前现货市场即将正式开展,有效的交易套利策略还未得到市场的检验,另外交易套利策略的有效执行依赖于精确的价格预测,即使售电公司能够制定出套利策略也不敢贸然进行,若价格预测失误将会给售电公司带来巨大的损失,现有技术还未有针对保障套利策略有效执行的方案方法。
发明内容
本发明提供一种基于需求侧响应实现电力现货交易套利与保障收益的方法与系统,主要解决在售电公司根据预测的市场价格制定交易策略后,在进行实时现货交易时,利用需求侧响应实现更大的套利,而在策略制定失误的条件下,利用需求侧响应减小损失保障交易的收益。
本发明提供一种基于需求侧响应的电力现货交易方法,包括以下步骤:
S1.获取预测日前价格曲线、日前预测实时价格曲线和用电方日前负荷预测曲线;
S2.根据预测日前价格曲线、日前预测实时交易价格曲线和用电方日前负荷预测曲线,制定日前交易申报曲线,条件为:
Q申报,t>Q用电,t,且P日前预测,t>P日前,t;
Q申报,t<Q用电,t,且P日前预测,t<P日前,t;
其中,Q申报,t为日前交易申报曲线中t时刻申报电量;
Q用电,t为用电方日前负荷预测曲线中t时刻用电量;
P日前预测,t为日前预测实时交易价格曲线中t时刻电价;
P日前,t为日前交易申报曲线中t时刻的电价;
S3.交易日内,持续预测实时交易价格和用电方负荷,判断是否满足以下条件:
Q申报,t>Q日内用电预测,t,且P日内预测,t>P日前,t;
Q申报,t<Q日内用电预测,t,且P日内预测,t<P日前,t;
其中,Q日内预测,t为日内用电方负荷预测t时刻用电量;
P日内预测,t为日内实时交易价格预测t时刻电价;
Q申报,t为日前交易申报曲线中t时刻申报电量;
P日前,t为日前交易申报曲线中t时刻申报电价;
是,进行步骤S4;否,进行步骤S5;
S4.实现套利,包括:
S41.通过允许套利公式实现套利:
允许套利=λ0×Q实时用电×(P实时-P日前),P实时,t>P日前,t
允许套利=λ0×Q实时用电×(P日前-P实时),P实时,t<P日前,t
其中,λ0为允许误差系数,由交易市场确定;
Q实时用电为用电方实时用电量;
P实时为实时交易价格;
S42通过需求侧响应增加套利:Q实时用电为用电方实时用电量,启动需求侧响应系统,利用用电方的可控负荷进行调节实现套利增加;
S5.通过需求侧响应减小损失保障收益,包括:
S51判断是否满足条件:P日内预测,t>P日前,t且Q申报,t<Q日内用电预测,t;是,进行步骤S52;
S52启动需求侧响应系统,减少预测失误时刻的外供电量。
作为优选技术方案,步骤S42包括:日内市场进行时,不断预测对比当前时刻与之后时刻的价格差值,当预测到k时刻比当前的价格差值大或将成为最大差值时刻时,预测并判断k时刻的套利是否达到最大值,仍有套利空间时可以启动需求侧响应系统,减少当前时刻的用电量,增加k时刻的用电量,增加售电公司的套利收益。
作为优选技术方案,步骤S52所述减少预测失误时刻的外供电量包括以下方式至少之一:启动自备电源,减少外供电量;储能系统放电,减少外供电量;减小/关闭可控负荷,减少当前时刻用电量。
作为优选技术方案,步骤S1中,
所述预测日前价格曲线,为日前交易前,根据市场及电力数据预测参与现货交易区域的日前价格曲线;
所述日前预测实时价格曲线,为日前交易前,根据市场及电力相关数据预测参与现货交易区域的实时价格曲线;
所述用电方日前负荷预测曲线,为售电公司根据各个用户的历史负荷曲线、用户用电需求、用户生产与检修计划、工作日类型、气象因素等数据,利用负荷预测技术作出的用户负荷预测曲线。
本发明还提供一种基于需求侧响应的电力现货交易系统,包括:
曲线获取模块,获取预测日前价格曲线、日前预测实时价格曲线和用电方日前负荷预测曲线;
日前交易申报曲线制订模块,根据预测日前价格曲线、日前预测实时交易价格曲线和用电方日前负荷预测曲线,制定日前交易申报曲线,条件为:
Q申报,t>Q用电,t,且P日前预测,t>P日前,t;
Q申报,t<Q用电,t,且P日前预测,t<P日前,t;
其中,Q申报,t为日前交易申报曲线中t时刻申报电量;
Q用电,t为用电方日前负荷预测曲线中t时刻用电量;
P日前预测,t为日前预测实时交易价格曲线中t时刻电价;
P日前,t为日前交易申报曲线中t时刻的电价;
日前预测判断模块,交易日日内,持续预测实时交易价格和用电方负荷,判断是否满足以下条件:
Q申报,t>Q日内用电预测,t,且P日内预测,t>P日前,t;
Q申报,t<Q日内用电预测,t,且P日内预测,t<P日前,t;
其中,Q日内预测,t为日内用电方负荷预测t时刻用电量;
P日内预测,t为日内实时交易价格预测t时刻电价;
Q申报,t为日前交易申报曲线中t时刻申报电量;
P日前,t为日前交易申报曲线中t时刻申报电价;
是,套利实现模块实现套利;否,第二日内预测判断模块进一步判断;
需求侧响应模块,启动需求侧系统响应;
套利实现模块,实现套利,包括:
通过允许套利公式实现套利:
允许套利=λ0×Q实时用电,t×(P实时,t-P日前,t),P实时,t>P日前,t
允许套利=λ0×Q实时用电,t×(P日前,t-P实时,t),P实时,t<P日前,t
其中,λ0为允许误差系数,由交易市场确定;
Q实时用电,t为用电方实时用电量;
P实时,t为实时交易价格;
需求侧响应模块通过需求侧响应增加套利:Q实时用电为用电方实时用电量,启动需求侧系统响应,利用用电方的可控负荷进行调节实现套利增加;
日内预测判断模块,判断是否满足条件:P日内预测,t>P日前,t且Q申报,t<Q日内用电预测,t;是,需求侧响应模块启动需求侧系统响应,减少预测失误时刻的外供电量。
作为优选技术方案,所述曲线获取模块包括:预测日前价格曲线获取模块、日前预测实时价格曲线获取模块和用电方日前负荷预测曲线获取模块,
本发明提供一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行上述方法。
本发明还提供一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行上述方法。
本发明提供的基于需求侧响应的电力现货交易方法和系统,在电力现货交易时,通过需求侧响应可增加售电公司的收益,减少损失。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例,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为本发明一实施例提供的一种基于需求侧响应的电力现货交易方法的步骤流程示意图;
图2为本发明的一种基于需求侧响应的电力现货交易系统的示意图。
图3为本发明一实施例的售电公司现货交易策略图。
图4为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的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。
如图1所示,本发明提供一种基于需求侧响应的电力现货交易方法,包括以下步骤:
S1.获取预测日前价格曲线、日前预测实时价格曲线和用电方日前负荷预测曲线;
S2.根据预测日前价格曲线、日前预测实时交易价格曲线和用电方日前负荷预测曲线,制定日前交易申报曲线,条件为:
Q申报,t>Q用电,t,且P日前预测,t>P日前,t;
Q申报,t<Q用电,t,且P日前预测,t<P日前,t;
其中,Q申报,t为日前交易申报曲线中t时刻申报电量;
Q用电,t为用电方日前负荷预测曲线中t时刻用电量;
P日前预测,t为日前预测实时交易价格曲线中t时刻电价;
P日前,t为日前交易申报曲线中t时刻的电价;
S3.交易日内,持续预测实时交易价格和用电方负荷,判断日前交易申报曲线趋势预测是否准确,即判断是否满足以下条件:
Q申报,t>Q日内用电预测,t,且P日内预测,t>P日前,t;
Q申报,t<Q日内用电预测,t,且P日内预测,t<P日前,t;
其中,Q日内预测,t为日内用电方负荷预测t时刻用电量;
P日内预测,t为日内实时交易价格预测t时刻电价;
Q申报,t为日前交易申报曲线中t时刻申报电量;
P日前,t为日前交易申报曲线中t时刻申报电价;
是,进行步骤S4;否,进行步骤S5;
S4.实现套利,包括:
S41.通过允许套利公式实现套利:
允许套利=λ0×Q实时用电×(P实时-P日前),P实时,t>P日前,t
允许套利=λ0×Q实时用电×(P日前-P实时),P实时,t<P日前,t
其中,λ0为允许误差系数,由交易市场确定;
Q实时用电为用电方实时用电量;
P实时为实时交易价格;
λ0、Q实时用电、(P日前-P实时)的绝对值,三者越大套利越多,Q用电为可控对象,可以利用需求侧响应即用电方的可控负荷进行调节。
S42.通过需求侧响应增加套利:Q实时用电为用电方实时用电量,启动需求侧响应系统,利用用电方的可控负荷进行调节实现套利增加。具体包括:日内市场进行时,不断预测对比当前时刻与之后时刻的价格差值,当预测到k时刻比当前的价格差值大或将成为最大差值时刻时,预测并判断k时刻的套利是否达到最大值,仍有套利空间时可以启动需求侧响应系统,减少当前时刻的用电量,增加k时刻的用电量,增加售电公司的套利收益。
S5.通过需求侧响应减小损失保障收益,包括:
S51判断是否满足条件:P日内预测,t>P日前,t且Q申报,t<Q日内用电预测,t;是,进行步骤S52;否,则说明售电公司获利,不需操作。
S52启动需求侧响应系统,减少预测失误时刻的外供电量。
作为优选技术方案,步骤S52减少预测失误时刻的外供电量包括以下方式至少之一:启动自备电源,减少外供电量;储能系统放电,减少外供电量;减小/关闭可控负荷,减少当前时刻用电量。
步骤S1中,预测日前价格曲线,为日前交易前,根据市场及电力数据预测参与现货交易区域的日前价格曲线;日前预测实时价格曲线,为日前交易前,根据市场及电力相关数据预测参与现货交易区域的实时价格曲线;用电方日前负荷预测曲线,为售电公司根据各个用户的历史负荷曲线、用户用电需求、用户生产与检修计划、工作日类型、气象因素等数据,利用负荷预测技术作出的用户负荷预测曲线。
如图2所示,本发明的一种基于需求侧响应的电力现货交易系统,包括:
曲线获取模块10,获取预测日前价格曲线、日前预测实时价格曲线、中长期交易负荷分解曲线和用电方日前负荷预测曲线;其包括:预测日前价格曲线获取模块101、日前预测实时价格曲线获取模块102和用电方日前负荷预测曲线获取模块103。
日前交易申报曲线制订模块20,根据预测日前价格曲线、日前预测实时交易价格曲线和用电方日前负荷预测曲线,制定日前交易申报曲线,条件为:
Q申报,t>Q用电,t,且P日前预测,t>P日前,t;
Q申报,t<Q用电,t,且P日前预测,t<P日前,t;
其中,Q申报,t为日前交易申报曲线中t时刻申报电量;
Q用电,t为用电方日前负荷预测曲线中t时刻用电量;
P日前预测,t为日前预测实时交易价格曲线中t时刻电价;
P日前,t为日前交易申报曲线中t时刻的电价;
日前(D-1日)预测判断模块30,交易日(D日)内,持续预测实时交易价格和用电方负荷,判断是否满足以下条件:
Q申报,t>Q日内用电预测,t,且P日内预测,t>P日前,t;
Q申报,t<Q日内用电预测,t,且P日内预测,t<P日前,t;
其中,Q日内预测,t为日内用电方负荷预测t时刻用电量;
P日内预测,t为日内实时交易价格预测t时刻电价;
Q申报,t为日前交易申报曲线中t时刻申报电量;
P日前,t为日前交易申报曲线中t时刻申报电价;
是,套利实现模块实现套利;否,日内预测判断模块进一步判断;
需求侧响应模块40,启动需求侧系统响应;
套利实现模块,实现套利,包括:
通过允许套利公式实现套利:
允许套利=λ0×Q实时用电,t×(P实时,t-P日前,t),P实时,t>P日前,t
允许套利=λ0×Q实时用电,t×(P日前,t-P实时,t),P实时,t<P日前,t
其中,λ0为允许误差系数,由交易市场确定;
Q实时用电,t为用电方实时用电量;
P实时,t为实时交易价格;
需求侧响应模块通过需求侧响应增加套利:Q实时用电为用电方实时用电量,启动需求侧系统响应,利用用电方的可控负荷进行调节实现套利增加;
日内(D日)预测判断模块50,判断是否满足条件:P日内预测,t>P日前,t且Q申报,t<Q日内用电预测,t;是,需求侧响应模块启动需求侧系统响应,减少预测失误时刻的外供电量。
以下以一具体实施例为例对本发明的技术方案进行进一步说明。
售电公司A根据价格预测及代理用户电量情况制定现货交易策略,如图3和表1所示;
表1售电公司现货交易策略表
在此例中为计算方便,λ0的值取1,按照售电公司的套利策略,可以实现总套利1.95万元。结合需求侧响应,例如在20:00,价差较大,套利未达到允许套利的峰值,可将12:00~19:00的无价差负荷转移部分到20:00使用,假设可转移100兆瓦时,则仍有50兆瓦时的套利空间,可多获利2500元。
假设现货价格预测出现了偏差,为了不亏钱,可利用用户的可控负荷进行调节,例如08:00的价格高于400元/兆瓦时,可以利用自备电源发电、储能放电或减少可控负荷用电量,使外供电量减少,减小售电公司的损失。
图4是本发明实施例提供的一种基于需求侧响应的电力现货交易方法的装置的结构示意图。在硬件层面,该服务器包括处理器701以及存储有执行指令的存储器702,可选地还包括内部总线703及网络接口704。其中,存储器702可能包含内存7021,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器7022(non-volatile memory),例如至少1个磁盘存储器等;处理器701、网络接口704和存储器702可以通过内部总线703相互连接,该内部总线703可以是ISA(Industry StandardArchitecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等;内部总线703可以分为地址总线、数据总线、控制总线等,为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。当然,该服务器还可能包括其他业务所需要的硬件。当处理器701执行存储器702存储的执行指令时,处理器701执行本发明任意一个实施例中的方法,并至少用于执行:在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成基于需求侧响应的电力现货交易方法的装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的基于需求侧响应的电力现货交易方法。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行执行指令时,电子设备执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图4基于需求侧响应的电力现货交易方法的装置备所示;执行指令基于需求侧响应的电力现货交易方法是所对应计算机程序。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种基于需求侧响应的电力现货交易方法,其特征在于,包括以下步骤:
S1.获取预测日前价格曲线、日前预测实时价格曲线和用电方日前负荷预测曲线;
S2.根据预测日前价格曲线、日前预测实时交易价格曲线和用电方日前负荷预测曲线,制定日前交易申报曲线,条件为:
Q申报,t>Q用电,t,且P日前预测,t>P日前,t;
Q申报,t<Q用电,t,且P日前预测,t<P日前,t;
其中,Q申报,t为日前交易申报曲线中t时刻申报电量;
Q用电,t为用电方日前负荷预测曲线中t时刻用电量;
P日前预测,t为日前预测实时交易价格曲线中t时刻电价;
P日前,t为日前交易申报曲线中t时刻的电价;
S3.交易日内,持续预测实时交易价格和用电方负荷,判断是否满足以下条件:
Q申报,t>Q日内用电预测,t,且P日内预测,t>P日前,t;
Q申报,t<Q日内用电预测,t,且P日内预测,t<P日前,t;
其中,Q日内预测,t为日内用电方负荷预测t时刻用电量;
P日内预测,t为日内实时交易价格预测t时刻电价;
Q申报,t为日前交易申报曲线中t时刻申报电量;
P日前,t为日前交易申报曲线中t时刻电价;
是,进行步骤S4;否,进行步骤S5;
S4.实现套利,包括:
S41.通过允许套利公式实现套利:
允许套利=λ0×Q实时用电×(P实时-P日前),P实时,t>P日前,t
允许套利=λ0×Q实时用电×(P日前-P实时),P实时,t<P日前,t
其中,λ0为允许误差系数,由交易市场确定;
Q实时用电为用电方实时用电量;
P实时为实时交易价格;
S42通过需求侧响应增加套利:Q实时用电为用电方实时用电量,启动需求侧响应系统,利用用电方的可控负荷进行调节实现套利增加;
S5.通过需求侧响应减小损失保障收益,包括:
S51判断是否满足条件:P日内预测,t>P日前,t且Q申报,t<Q日内用电预测,t;是,进行步骤S52;
S52启动需求侧响应系统,减少预测失误时刻的外供电量。
2.根据权利要求1所述的基于需求侧响应的电力现货交易方法,其特征在于,步骤S42包括:日内市场进行时,不断预测对比当前时刻与之后时刻的价格差值,当预测到k时刻比当前的价格差值大或将成为最大差值时刻时,预测并判断k时刻的套利是否达到最大值,仍有套利空间时可以启动需求侧响应系统,减少当前时刻的用电量,增加k时刻的用电量,增加售电公司的套利收益。
3.根据权利要求1所述的基于需求侧响应的电力现货交易方法,其特征在于,步骤S52所述减少预测失误时刻的外供电量包括以下方式至少之一:启动自备电源,减少外供电量;储能系统放电,减少外供电量;减小/关闭可控负荷,减少当前时刻用电量。
4.根据权利要求1所述的基于需求侧响应的电力现货交易方法,其特征在于,步骤S1中,
所述预测日前价格曲线,为日前交易前,根据市场及电力数据预测参与现货交易区域的日前价格曲线;
所述日前预测实时价格曲线,为日前交易前,根据市场及电力相关数据预测参与现货交易区域的实时价格曲线;
所述用电方日前负荷预测曲线,为售电公司根据各个用户的历史负荷曲线、用户用电需求、用户生产与检修计划、工作日类型和气象因素,利用负荷预测技术作出的用户负荷预测曲线。
5.一种基于需求侧响应的电力现货交易系统,其特征在于,包括:
曲线获取模块,获取预测日前价格曲线、日前预测实时价格曲线和用电方日前负荷预测曲线;
日前交易申报曲线制订模块,根据预测日前价格曲线、日前预测实时交易价格曲线和用电方日前负荷预测曲线,制定日前交易申报曲线,条件为:
Q申报,t>Q用电,t,且P日前预测,t>P日前,t;
Q申报,t<Q用电,t,且P日前预测,t<P日前,t;
其中,Q申报,t为日前交易申报曲线中t时刻申报电量;
Q用电,t为用电方日前负荷预测曲线中t时刻用电量;
P日前预测,t为日前预测实时交易价格曲线中t时刻电价;
P日前,t为日前交易申报曲线中t时刻的电价;
日前预测判断模块,交易日内,持续预测实时交易价格和用电方负荷,判断是否满足以下条件:
Q申报,t>Q日内用电预测,t,且P日内预测,t>P日前,t;
Q申报,t<Q日内用电预测,t,且P日内预测,t<P日前,t;
其中,Q日内预测,t为日内用电方负荷预测t时刻用电量;
P日内预测,t为日内实时交易价格预测t时刻电价;
Q申报,t为日前交易申报曲线中t时刻申报电量;
P日前,t为日前交易申报曲线中t时刻申报电价;
是,套利实现模块实现套利;否,日内预测判断模块进一步判断;
需求侧响应模块,启动需求侧系统响应;
套利实现模块,实现套利,包括:
通过允许套利公式实现套利:
允许套利=λ0×Q实时用电,t×(P实时,t-P日前,t),P实时,t>P日前,t
允许套利=λ0×Q实时用电,t×(P日前,t-P实时,t),P实时,t<P日前,t
其中,λ0为允许误差系数,由交易市场确定;
Q实时用电,t为用电方实时用电量;
P实时,t为实时交易价格;
需求侧响应模块通过需求侧响应增加套利:Q实时用电为用电方实时用电量,启动需求侧系统响应,利用用电方的可控负荷进行调节实现套利增加;
日内预测判断模块,判断是否满足条件:P日内预测,t>P日前,t且Q申报,t<Q日内用电预测,t;是,需求侧响应模块启动需求侧系统响应,减少预测失误时刻的外供电量。
6.根据权利要求5所述的基于需求侧响应的电力现货交易系统,其特征在于,包括:曲线获取模块,包括获取预测日前价格曲线获取模块、日前预测实时价格曲线获取模块和用电方日前负荷预测曲线获取模块。
7.一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如权利要求1至4中任一所述的方法。
8.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1至4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580387.5A CN110264105A (zh) | 2019-06-28 | 2019-06-28 | 一种基于需求侧响应的电力现货交易方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580387.5A CN110264105A (zh) | 2019-06-28 | 2019-06-28 | 一种基于需求侧响应的电力现货交易方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110264105A true CN110264105A (zh) | 2019-09-20 |
Family
ID=67923203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910580387.5A Pending CN110264105A (zh) | 2019-06-28 | 2019-06-28 | 一种基于需求侧响应的电力现货交易方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110264105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899122A (zh) * | 2020-07-03 | 2020-11-06 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN112651850A (zh) * | 2021-01-12 | 2021-04-13 | 国网宁夏电力有限公司 | 一种基于价格激励的源网荷储互动交易方法及系统 |
-
2019
- 2019-06-28 CN CN201910580387.5A patent/CN110264105A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899122A (zh) * | 2020-07-03 | 2020-11-06 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN111899122B (zh) * | 2020-07-03 | 2024-01-02 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN112651850A (zh) * | 2021-01-12 | 2021-04-13 | 国网宁夏电力有限公司 | 一种基于价格激励的源网荷储互动交易方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maity et al. | Simulation and pricing mechanism analysis of a solar-powered electrical microgrid | |
Chen et al. | Energy storage subsidy estimation for microgrid: A real option game-theoretic approach | |
CN113722882B (zh) | 一种考虑多盈利模式的园区电网储能优化配置方法及系统 | |
CN110649598B (zh) | 一种计及区域内虚拟电厂调节节点电价的方法及系统 | |
CN110264105A (zh) | 一种基于需求侧响应的电力现货交易方法及系统 | |
Li et al. | A risk-averse energy sharing market game for renewable energy microgrid aggregators | |
Chuang et al. | Deep reinforcement learning based pricing strategy of aggregators considering renewable energy | |
Tesfatsion | Auction basics for wholesale power markets: Objectives and pricing rules | |
CN108399505A (zh) | 分布式光伏电源接入容量规划方法及终端设备 | |
Yu et al. | Continuous group-wise double auction for prosumers in distribution-level markets | |
CN111445154A (zh) | 一种电力市场资源自调度优化方法、系统以及设备 | |
CN114066082A (zh) | 电力调度优化方法、电子设备及计算机可读存储介质 | |
CN110400168A (zh) | 一种电力中长期交易曲线分解的方法及系统 | |
US20230419211A1 (en) | OPTIMAL INTRADAY SCHEDULING OF AGGREGATED DISTRIBUTED ENERGY RESOURCES (DERs) | |
CN108471136A (zh) | 一种电力系统中的功率供需匹配可行性分析方法 | |
CN112232716A (zh) | 一种考虑调峰辅助服务的智慧园区优化决策方法 | |
CN116882848A (zh) | 一种企业电力碳绩效综合评价方法及设备 | |
CN114039351B (zh) | 一种储能容量配置方法及装置 | |
CN111276965B (zh) | 一种基于松弛罚因子的电能量市场优化方法、系统及设备 | |
CN114037264A (zh) | 一种低碳导向的微电网集群点对点博弈交易方法及系统 | |
CN112102047A (zh) | 虚拟电厂优化组合竞价方法、装置、设备和存储介质 | |
Ghiassi et al. | Designing a battery-friendly electricity market | |
CN116957349A (zh) | 火电机组参与现货交易的日前申报电价确定方法及系统 | |
CN111126551B (zh) | 一种多投资主体模式下虚拟电厂的组合规划方法和装置 | |
Rassenti et al. | Structural features that contribute to market power in electric power networks: Some preliminary results |
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: 20190920 |
|
RJ01 | Rejection of invention patent application after publication |