CN110910173B - 一种电力现货市场节点电价分析方法 - Google Patents

一种电力现货市场节点电价分析方法 Download PDF

Info

Publication number
CN110910173B
CN110910173B CN201911168631.3A CN201911168631A CN110910173B CN 110910173 B CN110910173 B CN 110910173B CN 201911168631 A CN201911168631 A CN 201911168631A CN 110910173 B CN110910173 B CN 110910173B
Authority
CN
China
Prior art keywords
time interval
price
node
electricity
clustering
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.)
Active
Application number
CN201911168631.3A
Other languages
English (en)
Other versions
CN110910173A (zh
Inventor
江克宜
刘典安
马煜华
饶伟年
李军
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.)
Shenzhen Electric Energy Technology Group Co ltd
Original Assignee
Shenzhen Electric Energy Technology Group 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 Shenzhen Electric Energy Technology Group Co ltd filed Critical Shenzhen Electric Energy Technology Group Co ltd
Priority to CN201911168631.3A priority Critical patent/CN110910173B/zh
Publication of CN110910173A publication Critical patent/CN110910173A/zh
Application granted granted Critical
Publication of CN110910173B publication Critical patent/CN110910173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电力现货市场节点电价分析方法，包括如下步骤：S1.以日为单位提取每个节点电价曲线的特征指标；S2.以特征指标向量和节点邻接矩阵对节点进行价区聚类；S3.以价区电价和时段邻接矩阵进行时段组聚类。本发明基于节点电价的时空分布特性，通过改进的聚类算法对节点电价在空间维度和时间维度进行聚类降维处理，可将所有节点的所有时段的电价处理为价区时段组电价，并可以在价区时段组电价的基础上，为开展电价的变化趋势分析以及电价与电源出力、负荷、电网结构、天气、节假日、社会事件等因素的关联分析奠定基础，大大降低电价分析的复杂度，提高电力市场成员掌握电价变化规律的便捷性。

Description

一种电力现货市场节点电价分析方法
技术领域
本发明属于电力技术领域，更具体地说，尤其涉及一种电力现货市场节点电价分析方法。
背景技术
节点电价是电力现货市场最重要的信号，不同时间不同地点的电价变化反映了电力资源在时间和空间两方面的稀缺程度。比如：节点电价随时间变化，反映的是负荷需求的不断变化；同时电价随节点位置变化，反映的是网损和传输阻塞的影响。
节点电价的时空变化规律，以及受电源出力、负荷、电网结构、天气、节假日、社会事件等因素的影响关系，是发电企业和售电公司等市场成员迫切需要掌握的信息。但由于我国电力现货市场正在建设之中，发电企业和售电公司等市场成员的技术能力不足，对节点电价的分析研究缺少有效的方法和工具。且电力市场交易中心公布的节点电价，一般包括电力系统某个电压等级及以上(如500kV、220kV)的所有母线节点一天T个时段(如24或96)的电价，如果针对每个节点每个时段都开展电价的变化规律分析，以及与电源出力、负荷、电网结构、天气、节假日、社会事件等因素的关联分析，复杂度将会很大。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，基于节点电价的时空分布特性，通过改进的聚类算法对节点电价在空间维度和时间维度进行聚类降维处理，可将所有节点的所有时段的电价处理为价区时段组电价，并可以在价区时段组电价的基础上，为开展电价的变化趋势分析以及电价与电源出力、负荷、电网结构、天气、节假日、社会事件等因素的关联分析奠定基础，大大降低电价分析的复杂度，提高电力市场成员掌握电价变化规律的便捷性，而提出的一种电力现货市场节点电价分析方法。
为实现上述目的，本发明提供如下技术方案：
一种电力现货市场节点电价分析方法，包括如下步骤：
S1.以日为单位提取每个节点电价曲线的特征指标；
S2.以特征指标向量和节点邻接矩阵对节点进行价区聚类；
S3.以价区电价和时段邻接矩阵进行时段组聚类。
优选的，所述步骤S1的具体步骤为：
针对每个节点，每一天的电价曲线表示为一个T维的向量，通过提取该曲线的极值指标、集中指标、离散指标来表征该日节点电价曲线。
优选的，所述极值指标取最大值和最小值，集中指标取平均值和三均值，离散指标取四分位极差和标准差，构造一个6维的特征指标向量，来表征T维的日节点电价曲线。
优选的，所述6维的特征指标向量表示为(pmax，pmin，pavg，ptm，pqdev，psdev)。
优选的，所述步骤S2的具体步骤为：
选取M天的历史节点电价数据进行分析；
针对每个节点，按时间顺序将M天的特征指标向量拼接成6*M维向量，作为各节点进行价区聚类计算的向量数据；
根据节点线路的拓扑连接关系或节点所在地区的地理相邻关系构建节点邻接矩阵；
采用k均值聚类算法对所有节点进行价区聚类，得到k个价区及其所含节点；
采用节点邻接矩阵对价区聚类结果进行修正；
根据价区聚类结果，计算价区电价数据。
优选的，所述采用节点邻接矩阵对价区聚类结果进行修正的具体步骤为：
遍历k个价区，如果某个价区内存在一组节点，该组中的所有节点在组内都至少存在一个邻接的节点，而与该价区内非该组的其他所有节点都不邻接，则将该组节点划归为一个新的价区；
如果不存在这样的组，则该价区及其所含节点保持不变。
优选的，所述根据价区聚类结果，计算价区电价数据的具体步骤为：
遍历所有价区和历史日的时段，将某价区内所有节点在某日某时段的电价进行算术平均，作为该价区在该日该时段的电价。
优选的，所述步骤S3的具体步骤为：
选取N天的历史价区电价数据进行分析；
针对每个时段，将N天同一时段的电价按时间顺序表示成一个N维向量，作为该时段进行时段组聚类计算的数据；
根据时段的相邻关系构建时段邻接矩阵；
采用k均值聚类算法对所有时段进行时段组聚类，得到k个时段组及其所含时段；
采用时段邻接矩阵对时段组聚类结果进行修正；
根据时段组聚类结果，计算价区时段组电价数据。
优选的，所述采用时段邻接矩阵对时段组聚类结果进行修正的具体步骤为：
遍历k个时段组，如果某个时段组内存在一个时段子集，该子集中的所有时段在子集内都至少存在一个邻接的时段，而与该时段组内非该子集的其他所有时段都不邻接，则将该子集的时段划归为一个新的时段组；
如果不存在这样的时段子集，则该时段组及其所含时段保持不变。
优选的，所述根据时段组聚类结果，计算价区时段组电价数据的具体步骤为：
根据时段组与其所含时段的关系，将历史某日某价区某时段组的所有时段电价进行算术平均，作为该价区在该日该时段组的电价。
本发明的技术效果和优点：
本发明提供的一种电力现货市场节点电价分析方法，基于节点电价的时空分布特性，通过改进的聚类算法对节点电价在空间维度和时间维度进行聚类降维处理，可将所有节点的所有时段的电价处理为价区时段组电价，并可以在价区时段组电价的基础上，为开展电价的变化趋势分析以及电价与电源出力、负荷、电网结构、天气、节假日、社会事件等因素的关联分析奠定基础，大大降低电价分析的复杂度，提高电力市场成员掌握电价变化规律的便捷性。
附图说明
图1为本发明的一种电力现货市场节点电价分析方法的流程示意图；
图2为本发明的一种电力现货市场节点电价分析方法的电力现货市场节点电价价区聚类的流程示意图；
图3为本发明的一种电力现货市场节点电价分析方法的电力现货市场节点电价时段组聚类的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。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。
请参阅图1-3，本发明提供一种电力现货市场节点电价分析方法，包括如下步骤：
S1.以日为单位提取每个节点电价曲线的特征指标；
针对每个节点，每一天的电价曲线表示为一个T维的向量，通过提取该曲线的极值指标、集中指标、离散指标来表征该日节点电价曲线；
以最大值和最小值为极值指标，以平均值和三均值为集中指标，以四分位极差和标准差为离散指标，构造一个6维的特征指标向量(pmax，pmin，pavg，ptm，pqdev，psdev)，来表征T维的日节点电价曲线；
S2.以特征指标向量和节点邻接矩阵对节点进行价区聚类；
选取M天的历史节点电价数据进行分析；
针对每个节点，按时间顺序将M天的特征指标向量拼接成6*M维向量，作为各节点进行价区聚类计算的向量数据；
根据节点线路的拓扑连接关系或节点所在地区的地理相邻关系构建节点邻接矩阵；
采用k均值聚类算法对所有节点进行价区聚类，得到k个价区及其所含节点；
采用节点邻接矩阵对价区聚类结果进行修正，遍历k个价区，如果某个价区内存在一组节点，该组中的所有节点在组内都至少存在一个邻接的节点，而与该价区内非该组的其他所有节点都不邻接，则将该组节点划归为一个新的价区，如果不存在这样的组，则该价区及其所含节点保持不变；
根据价区聚类结果，计算价区电价数据，遍历所有价区和历史日的时段，将某价区内所有节点在某日某时段的电价进行算术平均，作为该价区在该日该时段的电价；
S3.以价区电价和时段邻接矩阵进行时段组聚类；
选取N天的历史价区电价数据进行分析；
针对每个时段，将N天同一时段的电价按时间顺序表示成一个N维向量，作为该时段进行时段组聚类计算的数据；
根据时段的相邻关系构建时段邻接矩阵；
采用k均值聚类算法对所有时段进行时段组聚类，得到k个时段组及其所含时段；
采用时段邻接矩阵对时段组聚类结果进行修正，遍历k个时段组，如果某个时段组内存在一个时段子集，该子集中的所有时段在子集内都至少存在一个邻接的时段，而与该时段组内非该子集的其他所有时段都不邻接，则将该子集的时段划归为一个新的时段组，如果不存在这样的时段子集，则该时段组及其所含时段保持不变；
根据时段组聚类结果，计算价区时段组电价数据，根据时段组与其所含时段的关系，将历史某日某价区某时段组的所有时段电价进行算术平均，作为该价区在该日该时段组的电价。
综上所述：本发明提供的一种电力现货市场节点电价分析方法，基于节点电价的时空分布特性，通过改进的聚类算法对节点电价在空间维度和时间维度进行聚类降维处理，可将所有节点的所有时段的电价处理为价区时段组电价，并可以在价区时段组电价的基础上，为开展电价的变化趋势分析以及电价与电源出力、负荷、电网结构、天气、节假日、社会事件等因素的关联分析奠定基础，大大降低电价分析的复杂度，提高电力市场成员掌握电价变化规律的便捷性。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种电力现货市场节点电价分析方法，其特征在于，包括如下步骤：
S1.以日为单位提取每个节点电价曲线的特征指标；其中针对每个节点，每一天的电价曲线表示为一个T维的向量，通过提取该曲线的极值指标、集中指标、离散指标来表征该日节点电价曲线；所述极值指标取最大值和最小值，集中指标取平均值和三均值，离散指标取四分位极差和标准差，构造一个6维的特征指标向量，来表征T维的日节点电价曲线；所述6维的特征指标向量表示为(pmax，pmin，pavg，ptm，pqdev，psdev)；
S2.以特征指标向量和节点邻接矩阵对节点进行价区聚类；其中选取M天的历史节点电价数据进行分析；针对每个节点，按时间顺序将M天的特征指标向量拼接成6*M维向量，作为各节点进行价区聚类计算的向量数据；根据节点线路的拓扑连接关系或节点所在地区的地理相邻关系构建节点邻接矩阵；采用k均值聚类算法对所有节点进行价区聚类，得到k个价区及其所含节点；采用节点邻接矩阵对价区聚类结果进行修正；根据价区聚类结果，计算价区电价数据；
S3.以价区电价和时段邻接矩阵进行时段组聚类；其中首先选取N天的历史价区电价数据进行分析，针对每个时段，将N天同一时段的电价按时间顺序表示成一个N维向量，作为该时段进行时段组聚类计算的数据；然后根据时段的相邻关系构建时段邻接矩阵，采用k均值聚类算法对所有时段进行时段组聚类，得到k个时段组及其所含时段；采用时段邻接矩阵对时段组聚类结果进行修正，遍历k个时段组，如果某个时段组内存在一个时段子集，该子集中的所有时段在子集内都至少存在一个邻接的时段，而与该时段组内非该子集的其他所有时段都不邻接，则将该子集的时段划归为一个新的时段组，如果不存在这样的时段子集，则该时段组及其所含时段保持不变；最后根据时段组聚类结果，计算价区时段组电价数据，根据时段组与其所含时段的关系，将历史某日某价区某时段组的所有时段电价进行算术平均，作为该价区在该日该时段组的电价。
CN201911168631.3A 2019-11-25 2019-11-25 一种电力现货市场节点电价分析方法 Active CN110910173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911168631.3A CN110910173B (zh) 2019-11-25 2019-11-25 一种电力现货市场节点电价分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911168631.3A CN110910173B (zh) 2019-11-25 2019-11-25 一种电力现货市场节点电价分析方法

Publications (2)

Publication Number Publication Date
CN110910173A CN110910173A (zh) 2020-03-24
CN110910173B true CN110910173B (zh) 2022-05-06

Family

ID=69819340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911168631.3A Active CN110910173B (zh) 2019-11-25 2019-11-25 一种电力现货市场节点电价分析方法

Country Status (1)

Country Link
CN (1) CN110910173B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240144B (zh) * 2014-08-25 2017-12-22 河海大学 一种基于需求响应的电力负荷聚类方法
CN105356450B (zh) * 2015-10-28 2017-10-31 国家电网公司西北分部 一种基于动态电价的电网分区方法
CN105825298B (zh) * 2016-03-14 2020-05-01 梁海东 一种基于负荷特性预估的电网计量预警系统及方法
CN109886836B (zh) * 2019-03-01 2021-01-19 西安交通大学 一种基于划分聚类分析的动态分区电价计算方法

Also Published As

Publication number Publication date
CN110910173A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN108846530B (zh) 一种基于“聚类-回归”模型的短期负荷预测方法
CN106372747B (zh) 基于随机森林的台区合理线损率估计方法
CN107784518A (zh) 一种基于多维指标的电力客户细分方法
CN110910026B (zh) 一种跨省输电线路线损智能管理与决策方法及系统
CN111651448B (zh) 一种基于降噪差分进化的低压拓扑识别方法
CN112036686B (zh) 基于理论线损区间计算的低压配电台区线损评价方法
CN114065634A (zh) 一种数据驱动的电能质量监测布点优化方法及装置
CN110555619A (zh) 一种基于智能配电网的供电能力评估方法
CN110910173B (zh) 一种电力现货市场节点电价分析方法
CN112182499B (zh) 一种基于时序电量数据的低压配电网拓扑结构辨识方法
CN113240235A (zh) 一种电网公司发展状态的评价方法
CN111612054A (zh) 一种基于非负矩阵分解和密度聚类的用户窃电行为识别方法
CN111127186A (zh) 一种基于大数据技术的客户信用等级评价体系的使用方法
CN116307111A (zh) 一种基于k均值聚类和随机森林算法的无功负荷预测方法
CN115603318A (zh) 基于营配数据的跨地区大面积停电故障研判方法及系统
CN112611997B (zh) 一种台区关口表挂接关系在线校验方法和系统
CN115081551A (zh) 基于K-Means聚类和优化RVM线损模型建立方法及系统
CN113919694A (zh) 一种电力通信光缆关键业务承载状态分析方法及系统
CN111027829A (zh) 一种基于效益的电网规划系统
Lan et al. A Short-term Load Forecasting Method of Distribution Network Based on Improved AlexNet-GRU Deep Learning Network
CN113285440B (zh) 一种低压台区降损优化方法
CN117236532B (zh) 一种基于负荷数据的用电高峰负荷预测的方法及系统
Sun et al. Power Distribution Safety Assessment Based on the Digital Twin
Zhao et al. A novel accuracy adjustment approach for forecasted quantity of electricity sales based on abnormal influencing factors assessment
Guo et al. An Optimized Back Propagation Neural Network Based on Genetic Algorithm for Line Loss Calculation in Low-voltage Distribution Grid

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 6th floor, block a, Kelu building, Baoshen Road, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Electric Energy Technology Group Co.,Ltd.

Address before: 518000 6th floor, block a, Kelu building, Baoshen Road, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Shen Electric Energy Electric Sale Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 518000 3101, building 2, Huilong business center, North Station community, Minzhi street, Longhua District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Electric Energy Technology Group Co.,Ltd.

Address before: 518000 6th floor, block a, Kelu building, Baoshen Road, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen Electric Energy Technology Group Co.,Ltd.