CN110633917A - 基于电力大数据的新能源政策实施效果综合评价方法 - Google Patents
基于电力大数据的新能源政策实施效果综合评价方法 Download PDFInfo
- Publication number
- CN110633917A CN110633917A CN201910907888.XA CN201910907888A CN110633917A CN 110633917 A CN110633917 A CN 110633917A CN 201910907888 A CN201910907888 A CN 201910907888A CN 110633917 A CN110633917 A CN 110633917A
- Authority
- CN
- China
- Prior art keywords
- policy
- new energy
- variables
- model
- price
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 title claims abstract description 34
- 238000010219 correlation analysis Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000013499 data model Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 51
- 238000011161 development Methods 0.000 claims description 40
- 238000010248 power generation Methods 0.000 claims description 24
- 230000008901 benefit Effects 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 238000011160 research Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000013139 quantization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 claims description 3
- 208000001456 Jet Lag Syndrome Diseases 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
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
- G06Q10/0637—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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于电力大数据的新能源政策实施效果综合评价方法，其步骤如下：首先基于新能源政策实施效果综合评价指标体系、相关性分析以及时差相关性分析确定模型变量；其次通过模型适用条件及F检验进行模型选取，并应用MATLAB软件进行面板数据模型求解；最后根据模型结果进行模拟仿真，从而量化新能源政策单一维度实施效果，进行新能源政策单一维度实施效果评价。本发明客观、全面地评价政策实施效果，为新能源政策的制定与实施提供决策支持。
Description
技术领域
本发明涉及电力系统、新能源政策等领域，尤其是一种基于电力大数据的新能源政策实施效果综合评价方法。
背景技术
目前，以风能、太阳能为代表的新能源在我国迅速发展，为鼓励新能源产业发展，进一步提高新能源消纳水平，我国已出台了一系列新能源政策，在政策的实施过程中，政策评价尤为关键，政策评价结果的好坏决定着政策的方向。虽然从上述各个角度的研究内容和研究现状上看，对于新能源政策平阿基已经取得了一些研究成果，但是还是远远不够的，还存在一些问题需要进一步的深入研究。首先，我国对新能源政策评价的方法大多还停留在指标建立的综合评价方法和静态的成本收益分析等主观静态方法上，不能客观的并且从动态的角度反映出政策的实际效果，往往导致最后得出的结论过于模糊，不能为我国新的发展提供准确的指向。其次，我国目前对新能源政策的评价大部分只考虑了新能源政策对新能源装机容量、发电量和电价的影响，忽略了新能源政策导致的传统能源行业的变化。因此未来对新能源政策评价的研究应将整个社会作为一个系统，不仅要评价其对新能源产业的促进效果，还要考虑新能源政策对传统能源产业以及宏观经济的影响，客观、全面地评价政策实施效果，为新能源政策的制定与实施提供决策支持。
发明内容
本发明的目的在于解决上述技术问题而提供一种客观、全面的基于电力大数据的新能源政策实施效果综合评价方法。
为了解决上述技术问题，本发明采用如下技术方案：
一种基于电力大数据的新能源政策实施效果综合评价方法，其特征在于，包括以下步骤：
1)基于相关性分析以及时差相关性分析确定模型变量；
2)基于模型适用条件及F检验确定模型；
3)运用MATLAB软件进行拟合各政策对新能源发展的促进效果的步骤建立面板数据模型且进行面板数据模型求解，并根据模型结果进行各政策实施前后的仿真分析，确定各政策实施对新能源发展的促进效果；
4)采用TOPSIS方法从新能源发展效益和环境效益两方面对新能源政策的实施效果进行综合评估。
进一步地，确定模型变量的过程如下：
(1)被解释变量
被解释变量指代在面板数据模型中的因变量，即体现新能源发展效益的变量；根据新能源政策实施效果评价指标体系，模型中新能源政策效果的被解释变量即新能源发展效果的五个二级指标：新能源上网电量、新能源发电量、新能源新增装机容量、新能源发电利用小时数、弃风/弃光率；
(2)解释变量
解释变量指代面板数据模型的自变量当中作为研究对象的变量，指各项政策变量；在选取解释变量过程中，由于政策的难以量化性和政策的非即时性，必须对解释变量进行量化处理以及生效时延的确定；
1)政策时间序列的量化
在政策的量化层面，将新能源发电政策分为两类，价格政策以及非价格政策，价格政策指可连续变化且变化较为频繁的直接导致电价或发电收益变化的政策；非价格政策除价格政策外的其他政策；针对两类政策采用不同的处理方式，价格政策直接将上网电价利润作为解释变量的取值，上网电价利润为风电上网电价除去风电发电成本；而非价格政策则处理为二元决策变量，实施政策即为1，否则为0；
2)政策时延的确定
在政策生效时延层面，需明确一个原则：政策的生效需要时间；政策不能作为短期应急措施，必须考虑政策的生效时间，采用时差相关性分析对政策时延进行分析；
收集研究区域w年政策实施情况，即量化后的政策时间序列Z，结合被解释变量的w年数据Yi，其中i≤5,按照公式(1)进行时差相关性分析：
式中：
为时间序列Z，Y的均值；l称为时差或延迟期数，此处为年；nl是数据取齐后的数据个数；t'是政策实施初始年；
按照公式(2)计算在各延迟期数下，政策时间序列Z与被解释变量Yi的时差相关性绝对值的均值：
选择绝对值平均数最大的时差相关系数rl所对应的延迟期数l为政策时间序列Z的滞后期数，从而确定政策的时延；
(3)控制变量
控制变量是为避免有偏估计而引入的，其表示除政策变动外风电发展的其它影响因素；在进行风电政策实施效果评估时，除解释变量外，宏观环境因素以及系统运行因素均影响风电发展情况，需要在模型中引入控制变量，实现政策因素与其他因素对风电发展的影响效果的区分；除政策外其他因素主要是宏观环境因素以及系统运行因素两方面：
1)宏观环境因素：用电量、二产GDP占比、人口增长率、平均气温、平均风速；
2)系统运行因素：电源结构、负荷率、储能容量；
考虑到模型数据量的约束，需要通过相关性分析方法对影响风电发展效果的因素进行筛选；
收集研究区域的被解释变量以及潜在控制变量的w年数据，对每个被解释变量Yi分别与九个潜在控制变量X1-X9进行相关性分析,控制变量X1-X9记作Xj，j≤9；公式(3)为相关系数计算方法：
式中：
为Yi与Xj的相关系数；
为时间序列X，Y的均值；
对每个被解释变量，选择相关性系数大于0.5并且满足置信度95％的潜在控制变量作为控制变量，从而确定各被解释变量对应的控制变量。
进一步地，模型的通用公式如下：
式中，Y为被解释变量，X1、X2…Xn以及Z1、Z2代表潜在控制变量，可以为风电上网电量、用电量、上网利润。
本发明的有益效果是：通过新能源政策目的研究，明确新能源发电政策对新能源发展以及环境改善的促进作用，构建了基于电力大数据的新能源政策评价影响因素识别与评价模型，从而实现对新能源政策实施效果的对比评价，并通过算例验证了课题所提评价模型的可行性；本发明客观、全面地评价政策实施效果，为新能源政策的制定与实施提供决策支持。
附图说明
图1为新能源政策单一维度实施效果评价流程图；
图2a为上网电价政策与上网电量时差相关性趋势图；
图2b为上网电价政策与利用小时数时差相关性趋势图；
图2c为上网电价政策与新增装机容量时差相关性趋势图；
图3为上网电量仿真结果图；
图4为风电利用小时数仿真结果图；
图5为新增装机容量仿真结果图。
具体实施方式
本专利结合新能源政策实施效果综合评价指标体系，基于面板数据针对单一指标进行新能源单一维度的新能源发展效益的促进效果或单一环境效益的促进效果的评价，为后面新能源政策实施效果综合评价提供理论及数据基础。如图1所示，本专利首先基于新能源政策实施效果综合评价指标体系、相关性分析以及时差相关性分析确定模型变量；其次通过模型适用条件及F检验进行模型选取，并应用MATLAB软件进行面板数据模型求解；最后根据模型结果进行模拟仿真，从而量化新能源政策单一维度实施效果，进行新能源政策单一维度实施效果评价。
1、面板数据模型简介
面板数据模型属于计量经济学，在进行新能源政策分析的过程中存在明显优势，如下：
(1)在研究可再生能源政策影响因素时，由于新能源发展数据波动太大，许多指标都呈现明显的趋势特征，数据序列不易满足平稳性要求，因此使用单一省份的数据进行时间序列分析拟合的误差较高容易得出错误结论，而选用面板数据模型，由于具有横向多个体数据的对比分析，可有效降低数据序列不平稳对拟合结果的影响。
(2)由于我国新能源发展尚处于起步阶段，新能源发展指标时间序列数据有限，单一省份数据进行时间序列拟合的误差大，而面板数据在时间长度不够时由于包含了截面数据，大大增加了数据所包含的信息量，进而提高拟合精度。
(3)在实际中，各项新能源政策并不是彼此孤立的，政策之间往往表现出较强的相关性，直接应用单一省份数据进行时间序列分析容易由于解释变量的相关性出现多重共线性问题，大大影响评价结果，而面板数据由于包含了截面数据可以表示个体的差异性，并且在很大程度上避免多重共线性的问题。
综上所述，由于我国新能源发展数据少、有明显趋势且各指标存在相关性，因此选取面板数据模型进行新能源政策分析。
2、变量设置
(1)被解释变量
被解释变量就是在面板数据模型中的因变量，也就是体现新能源发展效益的变量。根据上述评价指标体系，模型中新能源政策效果的被解释变量即新能源发展效果的五个二级指标：新能源上网电量、新能源发电量、新能源新增装机容量、新能源发电利用小时数、弃风/弃光率。
(2)解释变量
解释变量就是面板数据模型的自变量当中作为研究对象的变量，本报告中指各项政策变量。在选取解释变量过程中，由于政策的难以量化性和政策的非即时性，必须对解释变量进行量化处理以及生效时延的确定。
1)政策时间序列的量化
在政策的量化层面，本文将新能源发电政策分为两类，价格政策以及非价格政策，价格政策指可连续变化且变化较为频繁的直接导致电价或发电收益变化的政策；非价格政策除价格政策外的其他政策。针对两类政策采用不同的处理方式，价格政策直接将上网电价利润作为解释变量的取值，上网利润为风电上网电价除去风电发电成本；而非价格政策则处理为二元决策变量，实施政策即为1，否则为0。
2)政策时延的确定
在政策生效时延层面，需明确一个原则：政策的生效需要时间。政策不能作为短期应急措施，必须考虑政策的生效时间，采用时差相关性分析对政策时延进行分析。
收集研究区域w年政策实施情况(量化后的政策时间序列)Z，结合上述被解释变量的w年数据Yi(i≤5)，按照公式(1)进行时差相关性分析。
式中：
为时间序列Z，Y的均值。l称为时差或延迟期数，此处为年。nl是数据取齐后的数据个数。t'是政策实施初始年。
按照公式(2)计算在各延迟期数下，政策时间序列Z与被解释变量Yi的时差相关性绝对值的均值。
选择绝对值平均数最大的时差相关系数rl所对应的延迟数l为时间序列Z的滞后期数，从而确定政策的时延。例如，在生效时延为1年时，用2010年解释变量的量化值作为2011年解释变量的实际取值，由此可以确定解释变量的值。
(3)控制变量
控制变量指为避免有偏估计而引入的，表示除政策变动外风电发展的其它影响因素。在进行风电政策实施效果评估时，除解释变量外，宏观环境因素以及系统运行因素均影响风电发展情况，需要在模型中引入控制变量，实现政策因素与其他因素对风电发展的影响效果的区分。除政策外其他因素主要宏观环境因素以及系统运行因素两方面。
1)宏观环境因素：用电量、二产GDP占比(二产GDP占总GDP的比例)、人口增长率、平均气温、平均风速。
2)系统运行因素：电源结构(传统火电装机容量占总装机容量的比例)、负荷率、储能容量。
上述因素均影响风电的发展效果，但考虑到模型数据量的约束，不能将上述所有因素全部作为模型的控制变量，需要通过相关性分析方法对上述因素进行筛选。
收集研究区域的被解释变量以及潜在控制变量的w年数据，对每个被解释变量Yi(i≤5)分别与九个潜在控制变量X1-X9(记作Xj，j≤9)进行相关性分析，公式(3)为相关系数计算方法。
式中：
为Yi与Xj的相关系数；为时间序列X，Y的均值。
对每个被解释变量，选择相关性系数大于0.5并且满足置信度95％的潜在控制变量作为控制变量，从而确定各被解释变量对应的控制变量。
(4)通用模型
式中，Y为被解释变量，X1、X2…Xn以及Z1、Z2代表潜在控制变量，可以为风电上网电量，用电量，上网利润等。
3、新能源政策综合评价实证分析
本专利针对风电政策，选取山东、江苏、新疆三个省份2010年-2016年的地区风电上网电量、风电利用小时数、风电新增装机容量、全社会用电量、二产GDP占比、电源结构、人口增长率、平均气温及负荷率等数据，选取风电上网电价政策、《可再生能源电价附加补助资金管理暂行办法》、《关于开展节能减排财政政策综合示范工作的通知》三个政策进行政策实施效果综合评价的实证分析。
(1)基础数据
目前，由于太阳能光伏等新能源发电利用期较短，省级统计数据较少，而风电是新能源的重要发电类型，在新能源发电装机中占较大比例，发展期较长，统计数据更为全面。同时，未来对于风电发展增速要求较高，开发利用潜力较大，且风电在发展中面临较多突出的问题，与发展期相对较短、同样发电成本较高且受资源分布限制的太阳能光伏和生物质发电相比更具代表性。基于以上因素，本文以风电为代表进行新能源政策综合评价的实证分析，既满足研究中数据可获取性的要求，又具有很强的代表性。
由于自2009年颁布《国家发展改革委关于完善风力发电上网电价政策的通知》起正式实施风电上网电价政策，与2009年前实施风电招标上网电价时数据难以统一，不具有可比性。因此本文选取2010-2017年的数据进行实证分析，同时结合地区差异以及数据可得性，选取山东、江苏、新疆三省进行实证分析。
本专利选取2010-2016年江苏、山东、新疆三个省份的原始数据，数据如表1所示。
表1基础数据
为保证数据平稳性，本文将基础数据取对数处理。
(2)控制变量选取
将上述基础数据取对数处理后，进行相关性分析，所得结果如表2所示。
表2相关性分析结果表
对单一地区，选择相关性系数大于0.5并且满足置信度95％的潜在控制变量作为控制变量；针对多地区，按上述方法分别计算，选择相关频率(即相关次数/总地区数)大于50％的潜在控制变量。从而确定各被解释变量对应的控制变量，控制变量筛选结果如表3所示。
表3控制变量筛选结果表
(3)解释变量选取
综合考虑政策实施时间以及政策实施区域等因素，选取风电上网电价政策、《可再生能源电价附加补助资金管理暂行办法》、《关于开展节能减排财政政策综合示范工作的通知》三个政策。其中电价政策为定量政策，按照上网利润＝上网电价-发电成本的计算公式，确定电价政策取值。《可再生能源电价附加补助资金管理暂行办法》共六批，山东、江苏、新疆均与2012年实施该政策，自2012年起政策取值为1。《关于开展节能减排财政政策综合示范工作的通知》中指明国家节能减排财政政策综合示范城市全国共有30个，分为三批，2011年第一批(8个)城市为北京市、深圳市、重庆市、杭州市、长沙市、贵阳市、吉林市、新余市；2013年第二批(10个)城市为石家庄市、唐山市、铁岭市、齐齐哈尔市、铜陵市、南平市、荆门市、韶关市、东莞市、铜川市；2014年第三批(12个)城市为天津市、临汾市、包头市、徐州市、聊城市、鹤壁市、梅州市、南宁市、德阳市、兰州市、海东市、乌鲁木齐市，自省内出现实施该政策的市开始政策变量取值为1，在此之前取值为0。综上所述，政策量化结果如表4所示。
表4政策量化结果表
为明确政策的生效时延，对以上网电价政策进行时差相关性分析，相关结果如表5所示。
表5上网电价时差相关性分析结果表
根据上述结果分别绘制上网电价政策的时差相关性趋势图，结果如图2a、图2b、图2c所示。
根据上述表格结果确定上网电价政策、附加补贴政策以及节能减排财政政策的时延均为1年，进而确定解释变量。
(4)模型确定
利用MATLAB软件，模型通过F检验，则选取混合回归模型。由此，得到拟合公式(5)至(7)。
式中，OWP代表风电上网电量，EC代表用电量，GR代表二产GDP占比，PS代表电源结构，OP代表上网利润，FS代表财政补贴政策取值，CEE代表节能减排财政政策。
式中，UH代表风电利用小时数。
式中，NIC代表新增装机容量。
(5)模型结果及仿真：
通过MATLAB软件计算，得出的拟合参数如表6至表8所示。
表6风电上网电量拟合结果表
表7风电利用小时数拟合结果表
表8风电新增装机容量拟合结果表
由此得到仿真公式(8)至(10)：
根据模型结果拟用2016年原始数据对风电上网电价政策、附加补贴政策、节能减排财政政策的实施情况进行模拟仿真。由于上网电价为连续的价格政策，变动量根据各地区电价变动历史幅度设置。对山东及江苏而言，最近一次电价调整为2015年风电上网电价降低1分每千瓦，则山东及江苏的风电上网电价变动幅度为1分每千瓦，而对新疆而言，最近一次电价调整为2016年风电上网电价降低2分每千瓦，则新疆的风电上网电价变动幅度为2分每千瓦。所得到的结果如图3至图5所示。
基于新能源政策评价标准、指标体系、评价方法等的对比，结合评价准则并考虑考虑了两个层面进行设计。在新能源发展效益层面，由于现行新能源发电政策主要集中于对新能源生产的促进、新能源消纳的促进两类。对新能源生产促进效果和新能源消纳促进效果分别进行细化描述，选择新能源生产促进效果：发电量和新增装机容量；新能源消纳促进作用上网电量、利用小时数以及弃风/光率。在环境效益层面，由于新能源发电对比传统火电具有明显的减排优势，由此报告主要从较少排放的角度对新能源发电政策的实施效果进行评价。选取传统火电排放物中，排放量较多同时对环境影响较大的五个指标进行新能源发电政策环境效益的评价指标：CO2减排量、SO2减排量、NOX减排量、烟尘减排量以及PM2.5减排量。
综上所述，本发明的内容并不局限在上述的实施例中，本领域的技术人员可以在本发明的技术指导思想之内提出其他的实施例，但这些实施例都包括在本发明的范围之内。
Claims (3)
1.一种基于电力大数据的新能源政策实施效果综合评价方法，其特征在于，包括以下步骤：
1)基于相关性分析以及时差相关性分析确定模型变量；
2)基于模型适用条件及F检验确定模型；
3)运用MATLAB软件进行拟合各政策对新能源发展的促进效果的步骤建立面板数据模型且进行面板数据模型求解，并根据模型结果进行各政策实施前后的仿真分析，确定各政策实施对新能源发展的促进效果；
4)采用TOPSIS方法从新能源发展效益和环境效益两方面对新能源政策的实施效果进行综合评估。
2.根据权利要求1所述的基于电力大数据的新能源政策实施效果综合评价方法，其特征在于，确定模型变量的过程如下：
(1)被解释变量
被解释变量指代在面板数据模型中的因变量，即体现新能源发展效益的变量；根据新能源政策实施效果评价指标体系，模型中新能源政策效果的被解释变量即新能源发展效果的五个二级指标：新能源上网电量、新能源发电量、新能源新增装机容量、新能源发电利用小时数、弃风/弃光率；
(2)解释变量
解释变量指代面板数据模型的自变量当中作为研究对象的变量，指各项政策变量；在选取解释变量过程中，由于政策的难以量化性和政策的非即时性，必须对解释变量进行量化处理以及生效时延的确定；
1)政策时间序列的量化
在政策的量化层面，将新能源发电政策分为两类，价格政策以及非价格政策，价格政策指可连续变化且变化较为频繁的直接导致电价或发电收益变化的政策；非价格政策除价格政策外的其他政策；针对两类政策采用不同的处理方式，价格政策直接将上网电价利润作为解释变量的取值，上网电价利润为风电上网电价除去风电发电成本；而非价格政策则处理为二元决策变量，实施政策即为1，否则为0；
2)政策时延的确定
在政策生效时延层面，需明确一个原则：政策的生效需要时间；政策不能作为短期应急措施，必须考虑政策的生效时间，采用时差相关性分析对政策时延进行分析；
收集研究区域w年政策实施情况，即量化后的政策时间序列Z，结合被解释变量的w年数据Yi，其中i≤5,按照公式(1)进行时差相关性分析：
式中：为时间序列Z，Y的均值；l称为时差或延迟期数，此处为年；nl是数据取齐后的数据个数；t'是政策实施初始年；
按照公式(2)计算在各延迟期数下，政策时间序列Z与被解释变量Yi的时差相关性绝对值的均值：
选择绝对值平均数最大的时差相关系数rl所对应的延迟期数l为政策时间序列Z的滞后期数，从而确定政策的时延；
(3)控制变量
控制变量是为避免有偏估计而引入的，其表示除政策变动外风电发展的其它影响因素；在进行风电政策实施效果评估时，除解释变量外，宏观环境因素以及系统运行因素均影响风电发展情况，需要在模型中引入控制变量，实现政策因素与其他因素对风电发展的影响效果的区分；除政策外其他因素主要是宏观环境因素以及系统运行因素两方面：
1)宏观环境因素：用电量、二产GDP占比、人口增长率、平均气温、平均风速；
2)系统运行因素：电源结构、负荷率、储能容量；
考虑到模型数据量的约束，需要通过相关性分析方法对影响风电发展效果的因素进行筛选；
收集研究区域的被解释变量以及潜在控制变量的w年数据，对每个被解释变量Yi分别与九个潜在控制变量X1-X9进行相关性分析,控制变量X1-X9记作Xj，j≤9；公式(3)为相关系数计算方法：
式中：
为Yi与Xj的相关系数；为时间序列X，Y的均值；
对每个被解释变量，选择相关性系数大于0.5并且满足置信度95％的潜在控制变量作为控制变量，从而确定各被解释变量对应的控制变量。
3.根据权利要求1所述的基于电力大数据的新能源政策实施效果综合评价方法，其特征在于，模型的通用公式如下：
式中，Y为被解释变量，X1、X2…Xn以及Z1、Z2代表潜在控制变量，可以为风电上网电量、用电量、上网利润。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907888.XA CN110633917A (zh) | 2019-09-25 | 2019-09-25 | 基于电力大数据的新能源政策实施效果综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907888.XA CN110633917A (zh) | 2019-09-25 | 2019-09-25 | 基于电力大数据的新能源政策实施效果综合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110633917A true CN110633917A (zh) | 2019-12-31 |
Family
ID=68973495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910907888.XA Pending CN110633917A (zh) | 2019-09-25 | 2019-09-25 | 基于电力大数据的新能源政策实施效果综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110633917A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117078049A (zh) * | 2023-10-18 | 2023-11-17 | 山东昆仲信息科技有限公司 | 一种国土空间规划评估方法及系统 |
-
2019
- 2019-09-25 CN CN201910907888.XA patent/CN110633917A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117078049A (zh) * | 2023-10-18 | 2023-11-17 | 山东昆仲信息科技有限公司 | 一种国土空间规划评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416691B (zh) | 一种能源替代环保潜力计算方法 | |
| CN110601250B (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
| CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
| Wang et al. | Influencing factors and future trends of natural gas demand in the eastern, central and western areas of China based on the grey model | |
| CN110544180A (zh) | 一种基于能耗预测和分析诊断的建筑节能系统 | |
| CN111723982A (zh) | 基于灰色-马尔可夫链的中长期电力负荷组合预测方法 | |
| Dong et al. | Improving the accuracy of wind speed statistical analysis and wind energy utilization in the Ningxia Autonomous Region, China | |
| CN110212592A (zh) | 基于分段线性表达的火电机组负荷调节最大速率估计方法及系统 | |
| CN110829502B (zh) | 一种考虑新能源的多目标区间发电调度方法 | |
| CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
| CN117132132A (zh) | 基于气象数据的光伏发电功率预测方法 | |
| Sun et al. | Short-term power load prediction based on VMD-SG-LSTM | |
| CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
| CN110633917A (zh) | 基于电力大数据的新能源政策实施效果综合评价方法 | |
| CN111967660B (zh) | 一种基于svr的超短期光伏预测残差修正方法 | |
| CN117634678A (zh) | 基于实际运行场景的低碳园区碳排放预测方法 | |
| CN117273195A (zh) | 一种蒸汽供热系统需求负荷预测方法 | |
| CN115313422B (zh) | 主动支撑主网频率的电-气综合能源系统运行控制方法 | |
| CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
| Xu et al. | A new multivariable grey model and its application to energy consumption in China | |
| CN114065610A (zh) | 基于麻雀搜索算法优化核极限学习机的风电功率预测方法 | |
| CN109494747B (zh) | 一种基于交替梯度算法的电网概率潮流计算方法 | |
| CN113609929A (zh) | 基于e-a的蓄热电锅炉日前功率调节裕度预测方法 | |
| Zhao et al. | An interpretable ultra-short-term wind power prediction model based on the feature matrix reconstruction through regression trees | |
| Yang et al. | A Heat Load Prediction Method for District Heating Systems Based on the AE-GWO-GRU Model |
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: 20191231 |
|
| RJ01 | Rejection of invention patent application after publication |