CN110322278A - 一种中长期交易购电决策分析方法及装置 - Google Patents
一种中长期交易购电决策分析方法及装置 Download PDFInfo
- Publication number
- CN110322278A CN110322278A CN201910485375.4A CN201910485375A CN110322278A CN 110322278 A CN110322278 A CN 110322278A CN 201910485375 A CN201910485375 A CN 201910485375A CN 110322278 A CN110322278 A CN 110322278A
- Authority
- CN
- China
- Prior art keywords
- electricity
- curve
- power purchase
- day
- moon
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 142
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 230000007774 longterm Effects 0.000 claims abstract description 28
- 230000002146 bilateral effect Effects 0.000 claims abstract description 8
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 39
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 2
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003442 weekly effect Effects 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
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供提供一种中长期交易购电决策分析方法及装置，基于售电公司内部数据(如用户历史电量数据、负荷预测数据、双边协商合同电量数据、中长期历史交易数据、交易限额数据等)，结合电力市场公开披露的电价、市场信息等数据以及交易规则，对售电公司的中长期电量进行分解、规划和组合，生成最经济的购电指导曲线，辅助售电公司进行实际购电决策，帮助售电公司降低购电成本。
Description
技术领域
本发明涉及电力交易技术领域，尤其涉及一种中长期交易购电决策分析方法及装置。
背景技术
随着我国电力体制改革的不断深入，售电公司日渐成为电力交易市场最核心的购电主体。绝大多数电力用户都选择委托售电公司参与市场购电。在非现货环境下，售电公司参与中长期电力市场的购电决策主要依赖于用户的实际负荷申报数据，参与市场竞价的频率也只需要每月参与一次，对决策分析算法的要求不高。但是在现货环境下，中长期交易的品种和交易频率将大大增加，不仅每月有月度集中竞争交易，每周还有周集中竞争、周挂牌交易等，再加上双边协商变得更加灵活，每月交易次数将大大增加，并且现货环境下的中长期交易还允许售电公司对持有的电量进行买入和卖出，持有的电量还分为不同的曲线类型，在如此复杂的规则下，传统的购电分析和决策方法将不再适用。
发明内容
本发明所要解决的技术问题在于，提供一种中长期交易购电决策分析方法及装置，以有效解决复杂规则下的购电决策。
为了解决上述技术问题，本发明提供一种中长期交易购电决策分析方法，包括：
一种中长期交易购电决策分析方法，包括：
步骤S1，设定年分月典型负荷曲线Y、月分日典型负荷曲线M、日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的电量分解比例参数；
步骤S2，根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，分别将双边协商电量、年度集中竞争电量、年度挂牌交易电量进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
步骤S3，根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，将本月已发生的交易记录进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
步骤S4，将步骤S2、S3所生成负荷分解曲线按小时为单位进行电量叠加计算，并生成售电公司持有的全部电量24个小时时点的叠加电量曲线；
步骤S5，获取售电公司购电计划对应的负荷预测曲线并分解至小时，得到计划购电曲线；
步骤S6，设定日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的价格参数、现货参考价格参数、交易限额参数；
步骤S7，将步骤S4得到的持有叠加电量曲线与步骤S5得到的计划购电电量曲线进行计算，得到Y+M+D1、Y+M+D2、Y+M+D3的新增购电量曲线；
步骤S8，根据步骤S6中设定的现货参考价格参数计算D1、D2、D3的购电费用，并生成D1、D2、D3曲线的购电费用占比。
其中，所述步骤S3中，本月已发生的交易记录包括月度集中竞争电量、周集中竞争电量、周挂牌交易电量。
其中，所述步骤S7中，新增购电电量＝计划购电电量-持有叠加电量。
其中，所述步骤S8中，D1、D2、D3曲线的购电费用计算方式为：购电费用＝购电电量×现货参考价格。
本发明还提供一种中长期交易购电决策分析装置，包括：
第一设定单元，用于设定年分月典型负荷曲线Y、月分日典型负荷曲线M、日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的电量分解比例参数；
第一获取单元，用于根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，分别将双边协商电量、年度集中竞争电量、年度挂牌交易电量进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
第二获取单元，用于根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，将本月已发生的交易记录进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
第三获取单元，用于将所述第一获取单元和第二获取单元所生成负荷分解曲线按小时为单位进行电量叠加计算，并生成售电公司持有的全部电量24个小时时点的叠加电量曲线；
第四获取单元，用于获取售电公司购电计划对应的负荷预测曲线并分解至小时，得到计划购电曲线；
第二设定单元，用于设定日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的价格参数、现货参考价格参数、交易限额参数；
第五获取单元，用于将所述第三获取单元得到的持有叠加电量曲线与所述第四获取单元得到的计划购电电量曲线进行计算，得到Y+M+D1、Y+M+D2、Y+M+D3的新增购电量曲线；
计算单元，用于根据所述第二设定单元设定的现货参考价格参数计算D1、D2、D3的购电费用，并生成D1、D2、D3曲线的购电费用占比。
其中，所述第二获取单元具体是将月度集中竞争电量、周集中竞争电量、周挂牌交易电量进行年到月、月到日、日到时的电量分解。
其中，所第五获取单元获取的新增购电量曲线中，新增购电电量＝计划购电电量-持有叠加电量。
其中，所述计算单元计算D1、D2、D3曲线的购电费用的方式为：购电费用＝购电电量×现货参考价格。
本发明实施例的有益效果在于：
1、本发明考虑了现货环境下中长期市场的各类交易品种，同时考虑了不同曲线分布及对应电价对购电总成本的影响，综合利用的售电公司内部的各种数据资源，评估结果更准确，更适应售电公司的实际业务需求；
2、本发明可以根据各个售电公司的不同业务需求和实际业务开展情况，以及市场变化情况，对步骤S1、S6中涉及的参数进行调整，适应能力更强；
3、本发明支持短到数天长到数月等各个时间长度的分析，更加灵活。
附图说明
为了更清楚地说明本发明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为本发明实施例一一种中长期交易购电决策分析方法的流程示意图。
图2为本发明实施例一中售电公司持有的叠加电量月分日曲线示意图。
图3为本发明实施例一中售电公司持有的叠加电量日分时曲线示意图。
图4为本发明实施例一中售电公司需新增购买的各类曲线叠加示意图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
本发明旨在提供一种现货环境下售电公司中长期交易购电决策分析方法，基于售电公司内部数据(如用户历史电量数据、负荷预测数据、双边协商合同电量数据、中长期历史交易数据、交易限额数据等)，结合电力市场公开披露的电价、市场信息等数据以及交易规则，对售电公司的中长期电量进行分解、规划和组合，生成最经济的购电指导曲线，辅助售电公司进行实际购电决策，帮助售电公司降低购电成本。
请参照图1所示，本发明实施例一提供一种中长期交易购电决策分析方法，包括：
步骤S1，设定年分月典型负荷曲线Y、月分日典型负荷曲线M、日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的电量分解比例参数；
步骤S2，根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，分别将双边协商电量、年度集中竞争电量、年度挂牌交易电量进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
步骤S3，根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，将本月已发生的交易记录进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
步骤S4，将步骤S2、S3所生成负荷分解曲线按小时为单位进行电量叠加计算，并生成售电公司持有的全部电量24个小时时点的叠加电量曲线；
步骤S5，获取售电公司购电计划对应的负荷预测曲线并分解至小时，得到计划购电曲线；
步骤S6，设定日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的价格参数、现货参考价格参数、交易限额参数；
步骤S7，将步骤S4得到的持有叠加电量曲线与步骤S5得到的计划购电电量曲线进行计算，得到Y+M+D1、Y+M+D2、Y+M+D3的新增购电量曲线；
步骤S8，根据步骤S6中设定的现货参考价格参数计算D1、D2、D3的购电费用，并生成D1、D2、D3曲线的购电费用占比。
其中，步骤S3中，本月已发生的交易记录包括月度集中竞争电量、周集中竞争电量、周挂牌交易电量。
步骤S4获得的售电公司持有的叠加电量月分日曲线、日分时曲线分别如图2、图3所示，其中，由下至上分别为双边协商电量、年度集中竞争电量、年度挂牌交易电量、月度集中竞争电量的月分日或日分时曲线。
步骤S7中，新增购电电量＝计划购电电量-持有叠加电量，得到的售电公司需新增购买的各类曲线如图4所示。图2-4的纵坐标电量的单位为KWh。
步骤S8中，D1、D2、D3曲线的购电费用计算方式为：购电费用＝购电电量×现货参考价格。
相应于本发明实施例一一种中长期交易购电决策分析方法，本发明实施例二提供一种中长期交易购电决策分析装置，包括：
第一设定单元，用于设定年分月典型负荷曲线Y、月分日典型负荷曲线M、日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的电量分解比例参数；
第一获取单元，用于根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，分别将双边协商电量、年度集中竞争电量、年度挂牌交易电量进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
第二获取单元，用于根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，将本月已发生的交易记录进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
第三获取单元，用于将所述第一获取单元和第二获取单元所生成负荷分解曲线按小时为单位进行电量叠加计算，并生成售电公司持有的全部电量24个小时时点的叠加电量曲线；
第四获取单元，用于获取售电公司购电计划对应的负荷预测曲线并分解至小时，得到计划购电曲线；
第二设定单元，用于设定日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的价格参数、现货参考价格参数、交易限额参数；
第五获取单元，用于将所述第三获取单元得到的持有叠加电量曲线与所述第四获取单元得到的计划购电电量曲线进行计算，得到Y+M+D1、Y+M+D2、Y+M+D3的新增购电量曲线；
计算单元，用于根据所述第二设定单元设定的现货参考价格参数计算D1、D2、D3的购电费用，并生成D1、D2、D3曲线的购电费用占比。
其中，所述第二获取单元具体是将月度集中竞争电量、周集中竞争电量、周挂牌交易电量进行年到月、月到日、日到时的电量分解。
其中，所第五获取单元获取的新增购电量曲线中，新增购电电量＝计划购电电量-持有叠加电量。
其中，所述计算单元计算D1、D2、D3曲线的购电费用的方式为：购电费用＝购电电量×现货参考价格。
通过上述说明可知，本发明与现有技术相比具有以下有益效果：
1、本发明考虑了现货环境下中长期市场的各类交易品种，同时考虑了不同曲线分布及对应电价对购电总成本的影响，综合利用的售电公司内部的各种数据资源，评估结果更准确，更适应售电公司的实际业务需求；
2、本发明可以根据各个售电公司的不同业务需求和实际业务开展情况，以及市场变化情况，对步骤S1、S6中涉及的参数进行调整，适应能力更强；
3、本发明支持短到数天长到数月等各个时间长度的分析，更加灵活。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (8)
1.一种中长期交易购电决策分析方法，其特征在于，包括：
步骤S1，设定年分月典型负荷曲线Y、月分日典型负荷曲线M、日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的电量分解比例参数；
步骤S2，根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，分别将双边协商电量、年度集中竞争电量、年度挂牌交易电量进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
步骤S3，根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，将本月已发生的交易记录进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
步骤S4，将步骤S2、S3所生成负荷分解曲线按小时为单位进行电量叠加计算，并生成售电公司持有的全部电量24个小时时点的叠加电量曲线；
步骤S5，获取售电公司购电计划对应的负荷预测曲线并分解至小时，得到计划购电曲线；
步骤S6，设定日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的价格参数、现货参考价格参数、交易限额参数；
步骤S7，将步骤S4得到的持有叠加电量曲线与步骤S5得到的计划购电电量曲线进行计算，得到Y+M+D1、Y+M+D2、Y+M+D3的新增购电量曲线；
步骤S8，根据步骤S6中设定的现货参考价格参数计算D1、D2、D3的购电费用，并生成D1、D2、D3曲线的购电费用占比。
2.根据权利要求1所述的中长期交易购电决策分析方法，其特征在于，所述步骤S3中，本月已发生的交易记录包括月度集中竞争电量、周集中竞争电量、周挂牌交易电量。
3.根据权利要求1所述的中长期交易购电决策分析方法，其特征在于，所述步骤S7中，新增购电电量＝计划购电电量-持有叠加电量。
4.根据权利要求1所述的中长期交易购电决策分析方法，其特征在于，所述步骤S8中，D1、D2、D3曲线的购电费用计算方式为：购电费用＝购电电量×现货参考价格。
5.一种中长期交易购电决策分析装置，其特征在于，包括：
第一设定单元，用于设定年分月典型负荷曲线Y、月分日典型负荷曲线M、日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的电量分解比例参数；
第一获取单元，用于根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，分别将双边协商电量、年度集中竞争电量、年度挂牌交易电量进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
第二获取单元，用于根据所述电量分解比例参数，按照Y+M+D1、Y+M+D2、Y+M+D3组合，将本月已发生的交易记录进行年到月、月到日、日到时的电量分解，得到对应的24个小时时点的负荷分解曲线；
第三获取单元，用于将所述第一获取单元和第二获取单元所生成负荷分解曲线按小时为单位进行电量叠加计算，并生成售电公司持有的全部电量24个小时时点的叠加电量曲线；
第四获取单元，用于获取售电公司购电计划对应的负荷预测曲线并分解至小时，得到计划购电曲线；
第二设定单元，用于设定日分时峰平谷曲线D1、日分时平均负荷曲线D2、日分时高峰负荷曲线D3的价格参数、现货参考价格参数、交易限额参数；
第五获取单元，用于将所述第三获取单元得到的持有叠加电量曲线与所述第四获取单元得到的计划购电电量曲线进行计算，得到Y+M+D1、Y+M+D2、Y+M+D3的新增购电量曲线；
计算单元，用于根据所述第二设定单元设定的现货参考价格参数计算D1、D2、D3的购电费用，并生成D1、D2、D3曲线的购电费用占比。
6.根据权利要求5所述的中长期交易购电决策分析装置，其特征在于，所述第二获取单元具体是将月度集中竞争电量、周集中竞争电量、周挂牌交易电量进行年到月、月到日、日到时的电量分解。
7.根据权利要求5所述的中长期交易购电决策分析装置，其特征在于，所第五获取单元获取的新增购电量曲线中，新增购电电量＝计划购电电量-持有叠加电量。
8.根据权利要求5所述的中长期交易购电决策分析装置，其特征在于，所述计算单元计算D1、D2、D3曲线的购电费用的方式为：购电费用＝购电电量×现货参考价格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910485375.4A CN110322278A (zh) | 2019-06-05 | 2019-06-05 | 一种中长期交易购电决策分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910485375.4A CN110322278A (zh) | 2019-06-05 | 2019-06-05 | 一种中长期交易购电决策分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110322278A true CN110322278A (zh) | 2019-10-11 |
Family
ID=68120789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910485375.4A Pending CN110322278A (zh) | 2019-06-05 | 2019-06-05 | 一种中长期交易购电决策分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110322278A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111125633A (zh) * | 2019-11-14 | 2020-05-08 | 广东电力交易中心有限责任公司 | 电力市场交易的分解曲线计算方法及装置 |
| CN113657640A (zh) * | 2021-07-01 | 2021-11-16 | 南京邮电大学 | 一种基于机器学习算法的用户中长期交易购电量优化方法 |
-
2019
- 2019-06-05 CN CN201910485375.4A patent/CN110322278A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111125633A (zh) * | 2019-11-14 | 2020-05-08 | 广东电力交易中心有限责任公司 | 电力市场交易的分解曲线计算方法及装置 |
| CN113657640A (zh) * | 2021-07-01 | 2021-11-16 | 南京邮电大学 | 一种基于机器学习算法的用户中长期交易购电量优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112884381B (zh) | 一种考虑供需不确定性的p2p用能市场规划方法 | |
| CN110322278A (zh) | 一种中长期交易购电决策分析方法及装置 | |
| Tomkins et al. | Option contracting in the California water market | |
| Meunier et al. | A sectoral approach balancing global efficiency and equity | |
| CN112132309A (zh) | 可再生能源发电配额制下售电公司购售电优化方法和系统 | |
| Johnathon et al. | Analyzing electricity markets with increasing penetration of large-scale renewable power generation | |
| Makrygiorgou et al. | The electricity market in Greece: Current status, identified challenges, and arranged reforms | |
| Alshehri et al. | Cash-settled options for wholesale electricity markets | |
| CN109493176A (zh) | 一种农贸市场用农产品交易分析系统 | |
| CN110489705B (zh) | 经纪费计算方法、装置、终端设备和存储介质 | |
| CN111260354A (zh) | 一种多时序多品种电力市场下的电费结算方法和相关装置 | |
| CN109598555A (zh) | 一种电力市场中长期集中竞争交易方法 | |
| CN109409011B (zh) | 一种发电权电量仿真系统及方法 | |
| Firsova et al. | Development of" active consumer" concept on energy market | |
| CN113408868A (zh) | 一种适应可再生能源配额指标完成的出清方法及系统 | |
| Xu et al. | Mechanism design and consumption certification of differentiated green electricity trading: A Zhejiang experience | |
| Choynowski | Restructuring and regulatory reform in the power sector: review of experience and issues | |
| CN108734461A (zh) | 预付式虚拟资源的处理方法及终端设备 | |
| Pinopoulos | Input price discrimination, two-part tariff contracts and bargaining | |
| Alshehri et al. | Volatility Reduction in Electricity Markets via Centralized Call Options | |
| Sparrow et al. | Modeling electricity trade in Southern Africa | |
| CN115809876A (zh) | 基于关口的省间省内电力结算方法、系统、设备及介质 | |
| Wang | Fund-raising and Allocation of Green Climate Fund: Taking Global Pareto Optimality and Fiscal Balance into Consideration | |
| Colombo et al. | Basic income reform in Germany: a microsimulation-age analysis | |
| Monjoie et al. | Securing investment for essential goods. How to design demand functions in reservation markets? |
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 |