CN110648164A - 一种节点边际电价区间的确定方法和装置 - Google Patents

一种节点边际电价区间的确定方法和装置 Download PDF

Info

Publication number
CN110648164A
CN110648164A CN201910751764.7A CN201910751764A CN110648164A CN 110648164 A CN110648164 A CN 110648164A CN 201910751764 A CN201910751764 A CN 201910751764A CN 110648164 A CN110648164 A CN 110648164A
Authority
CN
China
Prior art keywords
determining
load
electricity price
node
historical
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
CN201910751764.7A
Other languages
English (en)
Inventor
陈爱林
冯树海
杨争林
郑亚先
薛必克
白杨
张轩
陈中飞
赵越
陈福明
陈雨果
罗钢
程海花
王高琴
史新红
邵平
吕建虎
包宇庆
成丽珉
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 Electric Power Research Institute Co Ltd CEPRI
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Dispatch Control Center of Guangdong 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 Electric Power Research Institute Co Ltd CEPRI, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201910751764.7A priority Critical patent/CN110648164A/zh
Publication of CN110648164A publication Critical patent/CN110648164A/zh
Pending legal-status Critical Current

Links

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
    • 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)
  • 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

本发明提供一种节点边际电价区间的确定方法和装置，基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；确定每个出清电价场景对应的出清电价；基于出清电价的下限和上限确定节点边际电价区间，同时考虑了发电商历史报价信息和负荷节点的历史负荷信息，大大提高了节点边际电价区间的准确度；本发明提供的技术方案考虑了确定节点边际电价过程中发电商报价和节点负荷的不确定性，较好地反映了电力市场节点边际电价情况；生成发电商的报价场景和负荷节点的负荷场景，并通过发电商的报价场景和负荷节点的负荷场景生成出清电价场景，能够显著提高节点边际电价区间预测的精度。

Description

一种节点边际电价区间的确定方法和装置
技术领域
本发明涉及电力自动化技术领域，具体涉及一种节点边际电价区间的确定方法和装置。
背景技术
电价是电力市场机制中经济核心体现，是电力市场交易中的重要指标。准确的电价预测对于参与电力市场的各个成员意义非凡，不仅为规划者提供制定调度计划的依据，为政府提供市场监管的依据，而且还为电厂投资者提供了选择厂址并进行风险评估的依据。此外，准确的电价预测还可以使得发电商和购电商能够选择更优的报价来获取更多的利润。因此，电价预测在电力市场研究中占有重要地位，且电价预测与节点边际电价有直接联系。
节点边际电价(Locational Marginal Price，简称LMP)最早由FRED C.SCHWEPPE教授提出，在美国、澳大利亚等国家得到了广泛应用，其含义是指在保证电力系统安全运行的基础上，满足系统中某一节点增加单位负荷需求的最小供电成本，节点边际电价不仅能够度量买卖电的价格，保证系统购电费用最低，而且能够衡量系统中资源的稀缺情况。
节点边际电价区间可以为电力市场的各个参与者提供电价信号，起到优化电力资源，提高电力资源使用率的作用，从而促进电力市场稳定发展，因此需要对节点边际电价的上下限进行合理预测。
节点边际电价会受到发电商报价以及节点负荷的影响，且发电商报价、节点负荷均存在不确定性，不利于节点边际电价区间的准确预测。现有技术中一般基于历史电价，采用趋势外推的方法确定节点边际电价区间，未考虑发电商的报价，导致得到的节点边际电价区间准确度低。
发明内容
为了克服上述现有技术中节点边际电价区间准确度低的不足，本发明提供一种节点边际电价区间的确定方法和装置，基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；确定每个出清电价场景对应的出清电价；基于出清电价的下限和上限确定节点边际电价区间，同时考虑了发电商历史报价信息和负荷节点的历史负荷信息，大大提高了节点边际电价区间的准确度。
为了实现上述发明目的，本发明采取如下技术方案：
一方面，本发明提供一种节点边际电价区间的确定方法，包括：
基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；
确定每个出清电价场景对应的出清电价；
基于所述出清电价，确定出清电价的下限和上限，并根据所述出清电价的下限和上限确定节点边际电价区间。
所述基于获取的历史报价信息和历史负荷信息生成多个出清电价场景，包括：
基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数；
基于各发电商各历史报价信息的概率密度函数生成所述发电商的多个报价场景；
基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数；
基于各负荷节点各历史负荷信息的概率密度函数生成所述负荷节点的多个负荷场景；
基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景；
优选的，所述基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数，包括：
采用趋势外推法对各发电商的多个历史报价信息进行趋势外推，得到各发电商多个历史报价信息的均值；
基于获取的各发电商报价预测误差确定各发电商报价预测误差的方差；
基于各发电商多个历史报价信息的均值和各发电商报价预测误差的方差确定各发电商每个历史报价信息的概率密度函数；
优选的，所述基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数，包括：
采用趋势外推法对各负荷节点的多个历史负荷信息进行趋势外推，得到各负荷节点多个历史负荷信息的均值；
根据获取的各负荷节点的负荷预测误差确定各负荷预测误差的方差；
基于各负荷节点多个历史负荷信息的均值和各负荷预测误差的方差确定各负荷节点多个历史负荷信息的概率密度函数。
所述确定出清电价场景对应的出清电价，包括：
基于预先设定的拉格朗日方程求解预先构建的潮流优化模型，得到拉格朗日系数；
基于所述拉格朗日系数确定出清电价场景对应的出清电价。
所述潮流优化模型包括目标函数和约束条件；
所述目标函数按下式确定：
Figure BDA0002167413070000031
式中，Ctotal为用户的总购电成本，pgi为发电商i的调用功率，ppidi为发电商i的报价预测值；
所述约束条件包括功率平衡约束和输电线路功率限值约束；
所述功率平衡约束按下式确定：
Figure BDA0002167413070000032
式中，pdj为负荷节点j的负荷；
所述输电线路功率限值约束按下式确定：
pl(pgi,pdj)≤plmax
式中，pl(pgi,pdj)为通过pgi和pdj计算的输电线路l的传输功率，plmax为输电线路l的功率限值。
所述拉格朗日方程按下式预先设定：
式中，L为拉格朗日函数，λ和μl为拉格朗日系数。
所述出清电价场景对应的出清电价按下式确定：
Figure BDA0002167413070000034
式中，PLMP为出清电价场景对应的出清电价，为pl(Pgi,Pdj)对Pdj的偏导数。
所述基于所述出清电价，确定出清电价的下限和上限，包括：
确定出清电价的均值和方差；
基于出清电价的均值和方差确定出清电价的概率密度函数；
基于所述出清电价的概率密度函数确定出清电价的概率分布函数；
确定出清电价的概率分布函数的反函数，并基于所述反函数确定出清电价的下限和上限。
所述出清电价的下限和上限按下式确定：
Figure BDA0002167413070000041
式中，p LMP为出清电价的下限，为出清电价的上限，
Figure BDA0002167413070000043
为出清电价的概率分布函数的反函数，η为节点边际电价的置信水平预设值。
另一方面，本发明提供一种节点边际电价区间的确定装置，包括：
生成模块，用于基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；
第一确定模块，用于确定每个出清电价场景对应的出清电价；
第二确定模块，用于基于所述出清电价，确定出清电价的下限和上限，并基于出清电价的下限和上限确定节点边际电价区间。
所述生成模块包括：
第一确定单元，用于基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数；
第一生成单元，用于基于各发电商各历史报价信息的概率密度函数生成所述发电商的多个报价场景；
第二确定单元，用于基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数；
第二生成单元，用于基于各负荷节点各历史负荷信息的概率密度函数生成所述负荷节点的多个负荷场景；
第三确定单元，用于基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景。
与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
本发明提供的节点边际电价区间的确定方法中，基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；确定每个出清电价场景对应的出清电价；基于出清电价的下限和上限确定节点边际电价区间，同时考虑了发电商历史报价信息和负荷节点的历史负荷信息，大大提高了节点边际电价区间的准确度；
本发明提供的技术方案考虑了确定节点边际电价过程中发电商和节点负荷的不确定性，较好地反映了电力市场节点边际电价情况；
本发明生成发电商的报价场景和负荷节点的负荷场景，并通过发电商的报价场景和负荷节点的负荷场景生成出清电价场景，能够显著提高节点边际电价区间预测的精度；
本发明提供的技术方案有利于实时掌握电力供需平衡状态，制定合理的电价政策，保障电力系统安全稳定发展。
附图说明
图1是本发明实施例中节点边际电价区间的确定方法流程图。
图2是本发明实施例中出清电价区间的示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
实施例1
本发明实施例1提供了一种节点边际电价区间的确定方法，其中的节点可以是发电机节点，可是是负荷节点，还可以是除这两种外的其他节点，本发明实施例提供的节点边际电价区间的确定方法具体流程图如图1所示，具体过程如下：
S101：基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；
S102：确定每个出清电价场景对应的出清电价；
S103：基于出清电价，确定出清电价的下限和上限，并基于出清电价的下限和上限确定节点边际电价区间。
基于获取的历史报价信息和历史负荷信息生成多个出清电价场景，包括：
基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数；
基于各发电商各历史报价信息的概率密度函数生成所述发电商的多个报价场景；
基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数；
基于各负荷节点各历史负荷信息的概率密度函数生成所述负荷节点的多个负荷场景；
基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景；
假设每个发电商随机生成M个报价场景，每个负荷节点随机生成N个负荷场景。假设系统中共有m个发电商以及n个负荷节点，共m×M个发电商报价场景以及n×N个负荷的场景。
基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景，通过场景融合，一共生成m×n×M×N个出清电价场景。
基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数，包括：
采用趋势外推法对各发电商的多个历史报价信息进行趋势外推，得到各发电商多个历史报价信息的均值；
基于获取的各发电商报价预测误差确定各发电商报价预测误差的方差；
基于各发电商多个历史报价信息的均值和各发电商报价预测误差的方差确定各发电商每个历史报价信息的概率密度函数；
基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数，包括：
采用趋势外推法对各负荷节点的多个历史负荷信息进行趋势外推，得到各负荷节点多个历史负荷信息的均值；
根据获取的各负荷节点的负荷预测误差确定各负荷预测误差的方差；
基于各负荷节点多个历史负荷信息的均值和各负荷预测误差的方差确定各负荷节点多个历史负荷信息的概率密度函数。
上述发电商历史报价信息的均值、负荷节点的历史负荷信息的均值、发电商报价预测误差的方差、负荷预测误差的方差、发电商历史报价信息的概率密度函数以及负荷节点的历史负荷信息的概率密度函数更具体计算过程本领域技术人员熟知，此处不再累赘阐述。
m×n×M×N个不同场景可得到m×n×M×N个出清出清电价。确定出清电价场景对应的出清电价具体过程如下：
基于预先设定的拉格朗日方程求解预先构建的潮流优化模型，得到拉格朗日系数；即先设定拉格朗日方程，然后构建拉格朗日偏导数方程组，求解潮流优化模型即求解拉格朗日偏导数方程组。
基于拉格朗日系数确定出清电价场景对应的出清电价。
潮流优化模型包括目标函数和约束条件；
目标函数按下式确定：
Figure BDA0002167413070000061
式中，Ctotal为用户的总购电成本，pgi为发电商i的调用功率，ppidi为发电商i的报价预测值；
发电商的报价预测值的具体确定过程如下：
获取发电商的基准预测电价；
基于基准预测电价和乐观程度确定发电商对未来电价的期望，并基于基准预测电价和把握程度确定发电商对未来电价的标准差；
基于发电商对未来电价的期望和标准差确定发电商对未来电价的概率密度函数，并基于概率密度函数确定发电商对未来电价的概率分布函数；
确定概率分布函数的反函数，并基于反函数确定发电商的报价预测值。
发电商对未来电价的期望和标准差具体按下式确定：
Epi＝pp0(1+ηi)
δpi＝pp0ψi
式中，Epi为发电商i对未来电价的期望，pp0为发电商的基准预测电价；δpi为发电商i对未来电价的标准差。
假设发电商的报价预测值服从正态分布，基于发电商对未来电价的期望和标准差，按照下式确定发电商对未来电价的概率密度函数：
Figure BDA0002167413070000071
式中，fpi(ppi)为发电商i对未来电价的概率密度函数，ppi为预设的实际电价的概率。
于是，发电商对未来电价的概率分布函数可按照下式确定：
Figure BDA0002167413070000072
式中，F(ppi)为发电商i对未来电价的概率分布函数。
因为每个发电商对未来电价预测的电价预测值服从正态分布，所以有：
Figure BDA0002167413070000073
每个发电商的投标风险偏好可以表示为该发电商在报价预测值时的不中标风险，即报价大于预设的实际电价时，表示为不中标的情况，有：
Figure BDA0002167413070000074
在给定投标风险偏好的情况下，通过概率分布函数的反函数，发电商的报价预测值按下式确定：
pbidi＝F-1(γi)＝pp0ψiΦ-1(γi)+pp0(1+ηi)
式中，pbidi为发电商的报价预测值，F-1(γi)为概率分布函数的反函数，γi为发电商i的风险偏好，pp0为发电商的基准预测电价，ψi为发电商i的把握程度，ηi为发电商i的乐观程度，Φ-1(γi)为标准正态分布函数的反函数。
其中的发电商的乐观程度、把握程度和风险偏好具体按照以下公式确定：
ηi＝kηiPbid_avei
ψi＝kψiδbid
γi＝kγi(Pgmaxi-Pgavei)
式中，ηi为发电商i的乐观程度，kηi为乐观程度系数，Pbid_avei为发电商i历史报价的平均值，ψi为发电商i的把握程度，kψi为把握程度系数，δbid为发电商历史报价的标准差；γi为发电商i的风险偏好，kγi为风险偏好系数，Pgmaxi为发电商i申报发电功率的最大值，Pgavei为发电商i中标发电功率的平均值。
约束条件包括功率平衡约束和输电线路功率限值约束；
功率平衡约束按下式确定：
Figure BDA0002167413070000081
式中，pdj为负荷节点j的负荷；
输电线路功率限值约束按下式确定：
pl(pgi,pdj)≤plmax
式中，pl(pgi,pdj)为通过pgi和pdj计算的输电线路l的传输功率，plmax为输电线路l的功率限值。
拉格朗日方程按下式预先设定：
式中，L为拉格朗日函数，λ和μl为拉格朗日系数。
上述的拉格朗日偏导数方程为：
Figure BDA0002167413070000083
出清电价场景对应的出清电价按下式确定：
Figure BDA0002167413070000084
式中，PLMP为出清电价场景对应的出清电价，
Figure BDA0002167413070000091
为pl(Pgi,Pdj)对Pdj的偏导数。
基于出清电价，确定出清电价的下限和上限，包括：
确定出清电价的均值和方差；
基于出清电价的均值和方差确定出清电价的概率密度函数(如图2中的fLMP)；
基于出清电价的概率密度函数确定出清电价的概率分布函数；
确定出清电价的概率分布函数的反函数，并基于反函数确定出清电价的下限和上限，如图2所示。
出清电价的均值和方差、出清电价的概率密度函数、出清电价的概率分布函数、出清电价的概率分布函数的反函数各自更具体的计算过程本领域技术人员熟知，此处不再累赘阐述。
出清电价的下限和上限按下式确定：
Figure BDA0002167413070000092
式中，p LMP为出清电价的下限，
Figure BDA0002167413070000093
为出清电价的上限，为出清电价的概率分布函数的反函数，η为节点边际电价的置信水平预设值(可设为0.98)。
实施例2
基于同一发明构思，本发明实施例2还提供一种节点边际电价区间的确定装置，下面对各个组成部分的功能进行详细说明：
生成模块，用于基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；
第一确定模块，用于确定每个出清电价场景对应的出清电价；
第二确定模块，用于基于所述出清电价，确定出清电价的下限和上限，并基于出清电价的下限和上限确定节点边际电价区间。
生成模块包括：
第一确定单元，用于基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数；
第一生成单元，用于基于各发电商各历史报价信息的概率密度函数生成所述发电商的多个报价场景；
第二确定单元，用于基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数；
第二生成单元，用于基于各负荷节点各历史负荷信息的概率密度函数生成所述负荷节点的多个负荷场景；
第三确定单元，用于基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景。
第一确定单元具体用于：
采用趋势外推法对各发电商多个历史报价信息进行趋势外推，得到各发电商多个历史报价信息的均值；
基于获取的各发电商报价预测误差确定发电商报价预测误差的方差；
基于各发电商多个历史报价信息的均值和发电商报价预测误差的方差确定各发电商每个历史报价信息的概率密度函数。
第二确定单元具体用于：
采用趋势外推法对各负荷节点的多个历史负荷信息进行趋势外推，得到各负荷节点多个历史负荷信息的均值；
根据获取的各负荷节点的负荷预测误差确定负荷预测误差的方差；
基于各负荷节点的多个历史负荷信息的均值和负荷预测误差的方差确定各负荷节点每个历史负荷信息的概率密度函数。
第一确定模块包括：
第三确定单元，用于基于预先设定的拉格朗日方程求解预先构建的潮流优化模型，得到拉格朗日系数；
第四确定单元，用于基于拉格朗日系数确定每个出清电价场景对应的出清电价。
第三确定单元构建的潮流优化模型包括目标函数和约束条件；
目标函数按下式确定：
Figure BDA0002167413070000101
式中，Ctotal为用户的总购电成本，pgi为发电商i的调用功率，ppidi为发电商i的报价预测值；
约束条件包括功率平衡约束和输电线路功率限值约束；
功率平衡约束按下式确定：
Figure BDA0002167413070000111
式中，pdj为负荷节点j的负荷；
输电线路功率限值约束按下式确定：
pl(pgi,pdj)≤plmax
式中，pl(pgi,pdj)为通过pgi和pdj计算的输电线路l的传输功率，plmax为输电线路l的功率限值。
第三确定单元按下式预先设定拉格朗日方程：
Figure BDA0002167413070000112
式中，L为拉格朗日函数，λ和μl为拉格朗日系数。
第四确定单元按下式确定每个出清电价场景对应的出清电价：
式中，PLMP为出清电价场景对应的出清电价，为pl(Pgi,Pdj)对Pdj的偏导数。
第二确定模块具体用于：
确定出清电价的均值和方差；
基于出清电价的均值和方差确定出清电价的概率密度函数；
基于出清电价的概率密度函数确定出清电价的概率分布函数；
确定出清电价的概率分布函数的反函数，并基于反函数确定出清电价的下限和上限。
第二确定模块按下式确定出清电价的下限和上限：
Figure BDA0002167413070000115
式中，p LMP为出清电价的下限，
Figure BDA0002167413070000116
为出清电价的上限，
Figure BDA0002167413070000117
为出清电价的概率分布函数的反函数，η为节点边际电价的置信水平预设值。
为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (10)

1.一种节点边际电价区间的确定方法，其特征在于，包括：
基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；
确定每个出清电价场景对应的出清电价；
基于所述出清电价，确定出清电价的下限和上限，并根据所述出清电价的下限和上限确定节点边际电价区间。
2.根据权利要求1所述的节点边际电价区间的确定方法，其特征在于，所述基于获取的历史报价信息和历史负荷信息生成多个出清电价场景，包括：
基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数；
基于各发电商各历史报价信息的概率密度函数生成所述发电商的多个报价场景；
基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数；
基于各负荷节点各历史负荷信息的概率密度函数生成所述负荷节点的多个负荷场景；
基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景；
优选的，所述基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数，包括：
采用趋势外推法对各发电商的多个历史报价信息进行趋势外推，得到各发电商多个历史报价信息的均值；
基于获取的各发电商报价预测误差确定各发电商报价预测误差的方差；
基于各发电商多个历史报价信息的均值和各发电商报价预测误差的方差确定各发电商每个历史报价信息的概率密度函数；
优选的，所述基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数，包括：
采用趋势外推法对各负荷节点的多个历史负荷信息进行趋势外推，得到各负荷节点多个历史负荷信息的均值；
根据获取的各负荷节点的负荷预测误差确定各负荷预测误差的方差；
基于各负荷节点多个历史负荷信息的均值和各负荷预测误差的方差确定各负荷节点多个历史负荷信息的概率密度函数。
3.根据权利要求1所述的节点边际电价区间的确定方法，其特征在于，所述确定出清电价场景对应的出清电价，包括：
基于预先设定的拉格朗日方程求解预先构建的潮流优化模型，得到拉格朗日系数；
基于所述拉格朗日系数确定出清电价场景对应的出清电价。
4.根据权利要求3所述的节点边际电价区间的确定方法，其特征在于，所述潮流优化模型包括目标函数和约束条件；
所述目标函数按下式确定：
Figure FDA0002167413060000021
式中，Ctotal为用户的总购电成本，pgi为发电商i的调用功率，ppidi为发电商i的报价预测值；
所述约束条件包括功率平衡约束和输电线路功率限值约束；
所述功率平衡约束按下式确定：
Figure FDA0002167413060000022
式中，pdj为负荷节点j的负荷；
所述输电线路功率限值约束按下式确定：
pl(pgi,pdj)≤plmax
式中，pl(pgi,pdj)为通过pgi和pdj计算的输电线路l的传输功率，plmax为输电线路l的功率限值。
5.根据权利要求4所述的节点边际电价区间的确定方法，其特征在于，所述拉格朗日方程按下式预先设定：
Figure FDA0002167413060000023
式中，L为拉格朗日函数，λ和μl为拉格朗日系数。
6.根据权利要求5所述的节点边际电价区间的确定方法，其特征在于，所述各出清电价场景对应的出清电价按下式确定：
式中，PLMP为出清电价场景对应的出清电价，为pl(Pgi,Pdj)对Pdj的偏导数。
7.根据权利要求1所述的节点边际电价区间的确定方法，其特征在于，所述基于所述出清电价，确定出清电价的下限和上限，包括：
确定出清电价的均值和方差；
基于出清电价的均值和方差确定出清电价的概率密度函数；
基于所述出清电价的概率密度函数确定出清电价的概率分布函数；
确定出清电价的概率分布函数的反函数，并基于所述反函数确定出清电价的下限和上限。
8.根据权利要求1所述的节点边际电价区间的确定方法，其特征在于，所述出清电价的下限和上限按下式确定：
Figure FDA0002167413060000031
式中，p LMP为出清电价的下限，
Figure FDA0002167413060000032
为出清电价的上限，为出清电价的概率分布函数的反函数，η为节点边际电价的置信水平预设值。
9.一种节点边际电价区间的确定装置，其特征在于，包括：
生成模块，用于基于获取的历史报价信息和历史负荷信息生成多个出清电价场景；
第一确定模块，用于确定每个出清电价场景对应的出清电价；
第二确定模块，用于基于出清电价的下限和上限确定节点边际电价区间。
10.根据权利要求11所述的节点边际电价区间的确定装置，其特征在于，所述生成模块包括：
第一确定单元，用于基于各发电商多个历史报价信息确定各发电商每个历史报价的概率密度函数；
第一生成单元，用于基于各发电商各历史报价信息的概率密度函数生成所述发电商的多个报价场景；
第二确定单元，用于基于各负荷节点的多个历史负荷信息确定各负荷节点每个历史负荷信息的概率密度函数；
第二生成单元，用于基于各负荷节点各历史负荷信息的概率密度函数生成所述负荷节点的多个负荷场景；
第三确定单元，用于基于所有发电商的多个报价场景和所有负荷节点的多个负荷场景确定多个出清电价场景。
CN201910751764.7A 2019-08-15 2019-08-15 一种节点边际电价区间的确定方法和装置 Pending CN110648164A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910751764.7A CN110648164A (zh) 2019-08-15 2019-08-15 一种节点边际电价区间的确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910751764.7A CN110648164A (zh) 2019-08-15 2019-08-15 一种节点边际电价区间的确定方法和装置

Publications (1)

Publication Number Publication Date
CN110648164A true CN110648164A (zh) 2020-01-03

Family

ID=69009588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910751764.7A Pending CN110648164A (zh) 2019-08-15 2019-08-15 一种节点边际电价区间的确定方法和装置

Country Status (1)

Country Link
CN (1) CN110648164A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053193A (zh) * 2020-09-03 2020-12-08 润电能源科学技术有限公司 基于可调整电价的发电管理方法、装置、设备及存储介质
CN112862286A (zh) * 2021-01-28 2021-05-28 中国电力科学研究院有限公司 考虑可再生能源的现货市场风险管理方法、装置及设备
CN113159835A (zh) * 2021-04-07 2021-07-23 远光软件股份有限公司 基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053193A (zh) * 2020-09-03 2020-12-08 润电能源科学技术有限公司 基于可调整电价的发电管理方法、装置、设备及存储介质
CN112053193B (zh) * 2020-09-03 2024-05-14 润电能源科学技术有限公司 基于可调整电价的发电管理方法、装置、设备及存储介质
CN112862286A (zh) * 2021-01-28 2021-05-28 中国电力科学研究院有限公司 考虑可再生能源的现货市场风险管理方法、装置及设备
CN113159835A (zh) * 2021-04-07 2021-07-23 远光软件股份有限公司 基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备
CN113159835B (zh) * 2021-04-07 2023-02-28 远光软件股份有限公司 基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
Parker et al. Electric power industry: Operational and public policy challenges and opportunities
Xiao et al. Optimal joint demand and virtual bidding for a strategic retailer in the short-term electricity market
US9134353B2 (en) Comfort-driven optimization of electric grid utilization
Sharma et al. Strategic bidding for wind power producers in electricity markets
KR102094137B1 (ko) 전력거래 중계방법
US10796254B2 (en) Systems, methods and apparatus for integrated optimal outage coordination in energy delivery systems
US20170285720A1 (en) Method and system for mitigating transmission congestion via distributed computing and blockchain technology
Sommerfeldt et al. Revisiting the techno-economic analysis process for building-mounted, grid-connected solar photovoltaic systems: Part two-Application
Delarue et al. Effect of the accuracy of price forecasting on profit in a price based unit commitment
CN110648164A (zh) 一种节点边际电价区间的确定方法和装置
Barroso et al. Offering strategies and simulation of multi-item iterative auctions of energy contracts
KR20210012579A (ko) 소규모 분산자원 거래 방법 및 이를 실행시키기 위하여 컴퓨터로 판독 가능한 저장매체에 저장된 컴퓨터 프로그램
CN106374536A (zh) 新能源接入条件下电力容量市场的低碳电源投资决策方法
Darvishi et al. Bidding strategy of hybrid power plant in day‐ahead market as price maker through robust optimization
Zhang et al. A novel adaptive penalty mechanism for Peer-to-Peer energy trading
CN113779495A (zh) 基于多类型市场的发电商和电力用户竞价方法及装置
Shinde et al. A multi-agent model for cross-border trading in the continuous intraday electricity market
CN108429260A (zh) 售电公司多时间尺度交易电量决策方法和系统
CN108446828A (zh) 一种企业发电完成率均衡性评价方法及系统
Aghaei et al. Demand‐side reserve in stochastic market clearing of joint energy/reserve auctions
US10268973B2 (en) Systems, methods and apparatus for a stakeholder market simulator for energy delivery systems
CN112581210A (zh) 一种分布式电源交易系统
Panda et al. Risk assessment by security‐constrained unit commitment for hybrid wind‐thermal by pair copula approach in reserve power market: a stochastic approach
Jung et al. Optimal energy procurement with long-term photovoltaic energy contracts considering generation uncertainty: A two-dimensional auction approach
CN110674969A (zh) 一种节点边际电价预测方法和装置

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