CN110956493A - 一种通过虚拟区域节点预测节点电价的方法及装置 - Google Patents
一种通过虚拟区域节点预测节点电价的方法及装置 Download PDFInfo
- Publication number
- CN110956493A CN110956493A CN201911127348.6A CN201911127348A CN110956493A CN 110956493 A CN110956493 A CN 110956493A CN 201911127348 A CN201911127348 A CN 201911127348A CN 110956493 A CN110956493 A CN 110956493A
- Authority
- CN
- China
- Prior art keywords
- node
- line
- core area
- load
- nodes
- 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 74
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000010248 power generation Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 20
- 108010074506 Transfer Factor Proteins 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011282 treatment 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本发明涉及一种通过虚拟区域节点预测节点电价的方法及装置,属于电力能源技术领域,解决了现有的电网拓扑结构复杂造成的预测电价成本高且准确度低等问题。以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型,得到总体电网拓扑模型结构;计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;根据线路负荷的最优解计算核心区域各节点的电价。实现了核心区域节点电价的预测,减少了预测成本,提高了节点电价预测结果的准确性。
Description
技术领域
本发明涉及电力能源技术领域,尤其涉及一种通过虚拟区域节点预测节点电价的方法及装置。
背景技术
随着电力现货市场交易逐步开展,为在市场化交易中获取更多经济利益,供给方市场主体(发电企业)在日益激烈的市场竞争中,应掌握必要的竞价申报策略。其中节点电价的预测数据将成为申报策略中重要的依据之一。
通常,进行节点电价预测的方法分为两类:第一类是通过历史数据积累,使用一些数学算法或统计学方法进行预测。如现有技术公开的一种方式中,利用拟蒙特卡洛模拟法进行数据抽样,再根据特定数学模型进行节点边际电价预测值计算。该方法缺陷为节点电价影响因素较多,历史数据推演误差无法避免,且推演过程对用户不友好,专业壁垒较大;第二类是通过搭建电网模型进行仿真模拟,通过节点负荷预测及模拟市场主体申报进行交易模拟出清得到电网模型中各节点电价,从而进行节点电价预测。如现有技术公开的另一种方式中,通过构建发电企业的区域电网模型,结合现货交易出清规则及其它交易数据进行仿真出清,从而得到预测的节点电价。其该方法缺陷为,如其所建立的区域电网太小则无法完整体现整个电网对发电企业节点电价的影响,存在较大的误差。如其所建立的区域电网较为完整,则获取其它市场主体的交易数据及相关电网运行约束条件数据难度较大,无法进行有效的出清仿真模拟。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种通过虚拟区域节点预测节点电价的方法及装置,用以解决现有的电网拓扑结构复杂造成的预测电价成本高且准确度低等问题。
本发明的目的主要是通过以下技术方案实现的:
一种通过虚拟区域节点预测节点电价的方法,包括以下步骤:
以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;
根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型;所述类型包括供给节点和需求节点;
基于所述核心区域模型和所述可变节点得到总体电网拓扑模型结构;
在总体电网拓扑模型结构的供给节点不同负荷段报价和总体电网拓扑模型结构运行约束已知的条件下,计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;
根据所述线路负荷的最优解计算核心区域各节点的电价。
在上述方案的基础上,本发明还做了如下改进:
进一步,确定所述可变节点的类型具体包括:
若潮流流向由核心区域外向核心区域内,则该可变节点为供给节点;
若潮流流向由核心区域内向核心区域外,则该可变节点为需求节点。
进一步,所述总体电网拓扑模型结构运行约束包括系统平衡约束、供给节点最大及最小负荷约束和线路潮流约束;
所述系统平衡约束公式为:
上式中,G表示总体电网拓扑模型结构中的所有供方节点;Pi表示某一时刻供给节点i的负荷值;N表示总体电网拓扑模型结构中的所有需求节点,Di表示某一时刻需求节点j的负荷值;
所述供给节点最大及最小负荷约束公式:
Pi_min≤Pi≤Pi_max
上式中,Pi_min表示供给节点的最小负荷值;Pi_max表示供给节点的最大负荷值;
所述线路潮流约束公式为:
上式中,PL_min表示某一时刻线路的最小负荷值;WL-i表示供给节点i对线路的功率转移因子;WL-j表示需求节点j对线路的功率转移因子;PL_max表示线路的最大负荷值。
进一步,所述功率转移因子WL-i等于与线路潮流关联的供给节点负荷与所关联节点的总负荷的比值;所述功率转移因子WL-j等于与线路潮流关联的需求节点负荷与所关联节点的总负荷的比值。
进一步,所述发电成本最小时供给节点负荷最优解计算公式为:
上式中,Qi表示某一时刻供给节点i的负荷值对应的报价。
进一步,所述核心区域各节点的电价计算公式如下:
上式中,LMPj表示核心区域各节点的电价;L表示潮流流向当前计算节点的线路合集;Pj-l表示输入功率至当前节点j的线路负荷;Ql表示线路潮流对应的供方节点的电价。
另一方面,本发明实施例提供了一种通过虚拟区域节点预测节点电价的装置,包括核心区域构建模块、可变节点虚拟模块、模拟出清模块和核心区域节点电价计算模块;
所述核心区域构建模块,用于以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;
所述可变节点虚拟模块,用于根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型;所述类型包括供给节点和需求节点;基于所述核心区域模型和所述可变节点得到总体电网拓扑模型结构;
所述模拟出清模块,用于在总体电网拓扑模型结构中的供给节点不同负荷段报价和总体电网拓扑模型结构运行约束已知的条件下,计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;
所述核心区域节点电价计算模块,用于根据所述线路负荷的最优解计算核心区域各节点的电价。
进一步,该装置还包括总体电网拓扑模型结构运行约束模块,用于实现系统平衡约束、供给节点最大及最小负荷约束和线路潮流约束;
所述系统平衡约束公式为:
上式中,G表示总体电网拓扑模型结构中的所有供方节点;Pi表示某一时刻供给节点i的负荷值;N表示总体电网拓扑模型结构中所有需求节点,Di表示某一时刻需求节点j的负荷值;
所述供给节点最大及最小负荷约束公式:
Pi_min≤Pi≤Pi_max
上式中,Pi_min表示供给节点的最小负荷值;Pi_max表示供给节点的最大负荷值;
所述线路潮流约束公式为:
上式中,PL_min表示某一时刻线路的最小负荷值;WL-i表示供给节点i对线路的功率转移因子;WL-j表示需求节点j对线路的功率转移因子;PL_max表示线路的最大负荷值。
进一步,所述发电成本最小时的供给节点负荷最优解计算公式为:
上式中,Qi表示某一时刻供给节点i的负荷值对应的报价。
进一步,所述核心区域各节点电价计算模块计算电价的公式为:
上式中,LMPj表示核心区域各节点的电价;L表示潮流流向当前计算节点的线路合集;Pj-l表示输入功率至当前节点j的线路负荷;Ql表示线路潮流对应的供方节点的电价。
与现有技术相比,本发明至少可实现如下有益效果之一:
1、通过结合预测目标市场主体所在节点,进行核心区域的电网拓扑模型结构构建,实现了核心区域节点电价的预测,减少了预测成本,提高了节点电价预测结果的准确性。
2、通过根据核心区域外部与核心区域的影响关系虚拟可变节点,解决了现有的电网拓扑结构模型复杂造成的计算量大和成本高的问题,减少了预测过程的数据输入成本,提高了系统的精确度和实用性;
3、通过从全电网结构中提取核心区域模型,以及在总体电网拓扑模型结构中利用运行约束条件,简化了仿真模拟数据规模,提高了预测算法的计算速度。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为一个实施例中一种通过虚拟区域节点预测节点电价的方法流程图;
图2为一个实施例中总体电网拓扑模型结构图;
图3为另一个实施例中一种通过虚拟区域节点预测节点电价的装置图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,公开了一种通过虚拟区域节点预测节点电价的方法,如图1所示,包括以下步骤:
S1、以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;
其中,预测目标市场主体是指使用本方法进行模型搭建以及节点电价预测及计算的市场主体,包含电力用户或电厂单位,在本方案的实施例中为电厂单位。
根据实际电网结构是指根据预测目标市场主体在其所处的真实的电网拓扑结构抽离出的不同电压等级的电网结构。
构建的核心区域模型中包括节点及节点间的连接线路。节点类型包括供给节点和需求节点。
供给节点是指模型搭建中提供电能并承担发电功率负荷的节点。对应实际电网结构,通常为火电厂,水电厂等各发电类型电厂。
需求节点是指模型搭建中使用电能并承担电力用户负荷的节点。对应实际电网结构,通常为大型变电站,开关站等电网枢纽节点。
S2、根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型;所述类型包括供给节点和需求节点;
虚拟可变节点是指将外部的影响以节点的方式表示出来。
实际潮流流向是指在实际电网运行中不同节点之间的电力潮流走向。
S3、基于所述核心区域模型和所述可变节点得到总体电网拓扑模型结构;
总体电网拓扑模型结构中的节点包括步骤S1中核心区域中的节点及步骤S2中虚拟得到的可变节点,其中的线路指总体电网拓扑模型结构中的节点间的线路关系。
S4、在总体电网拓扑模型结构的供给节点不同负荷段报价和总体电网拓扑模型结构运行约束已知的条件下,计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;
S5、根据所述线路负荷的最优解计算核心区域各节点的电价。
通过结合预测目标市场主体所在节点,进行核心区域的电网拓扑模型结构构建,实现了核心区域节点电价的预测,减少了成本,提高了节点电价预测结果的准确性。
优选的,确定所述可变节点的类型具体包括:
若潮流流向由核心区域外向核心区域内,则该可变节点为供给节点;
若潮流流向由核心区域内向核心区域外,则该可变节点为需求节点。
通过根据核心区域外部与核心区域的影响关系虚拟可变节点,解决了现有的电网拓扑结构模型复杂造成的计算量大和成本高的问题,减少了预测过程的数据输入成本,提高了系统的精确度和实用性。
具体的,本实施例使用的总体电网拓扑模型结构如图2所示,其中虚线标识划分为核心区域模型,圆形为供给节点,方块为需求节点,连接线为线路,三角形为可变节点。核心区域围绕供给节点G1进行构建,同时应包含其影响区域相关节点(示例性的如图中所示的G2,N1,N2,N3,N4)及连接线路。基于搭建的总体电网拓扑模型结构可得到所需的T时刻整体数据环境,用于总体电网拓扑模型结构运行约束计算。
表1为T时刻需求节点列表及负荷值,一般来说其负荷值为预测值,可由电网发布母线预测数据或其它方式获得。
表1 T时刻需求节点列表及负荷值
表2为供给节点列表,模型数据还应包含供给点即电厂所属机组信息。
表2 T时刻供给节点列表及最大、最小负荷值
节点名称 | 机组名称 | 最小技术出力 | 最大技术出力 |
G1 | G101 | 200MW | 1200MW |
G1 | G102 | 200MW | 1200MW |
G2 | G201 | 200MW | 1500MW |
G2 | G202 | 200MW | 1500MW |
表3为线路列表,模型数据包含线路限流值。
表3线路列表及线路限流值
线路名称 | 线路限流(负荷) |
L1 | 1800MW |
L2 | 1000MW |
L3 | 800MW |
L4 | 800MW |
L5 | 1000MW |
L6 | 800MW |
L7 | 900MW |
实施时,可将预测目标主体G1以及区域内其他供给节点G2的5段模拟交易报价输入至系统。在实际运行中,可根据核心区域建立的具体情况进行不同处理。本实施例中,供给节点报价情况如表4所示。
具体的,T时刻可变节点相关数据的节点类型及负荷值如下表5所示,可变节点的负荷值根据实际电网运行中相同时刻的潮流流向及潮流值确定。
表5 T时刻可变节点的节点类型及负荷值
节点名称 | 节点类型 | 负荷/功率 |
M1 | 供方节点 | 300MW |
M2 | 需方节点 | 200MW |
优选的,所述总体电网拓扑模型结构运行约束包括系统平衡约束、供给节点最大及最小负荷约束和线路潮流约束;
所述系统平衡约束公式为:
上式中,G表示总体电网拓扑模型结构中的所有供方节点;Pi表示某一时刻供给节点i的负荷值;N表示总体电网拓扑模型结构中的所有需求节点,Di表示某一时刻需求节点j的负荷值;
所述供给节点最大及最小负荷约束公式:
Pi_min≤Pi≤Pi_max
上式中,Pi_min表示供给节点的最小负荷值;Pi_max表示供给节点的最大负荷值;
所述线路潮流约束公式为:
上式中,PL_min表示某一时刻线路的最小负荷值;WL-i表示供给节点i对线路的功率转移因子;WL-j表示需求节点j对线路的功率转移因子;PL_max表示线路的最大负荷值。
通过从全电网结构中提取核心区域模型,以及在总体电网拓扑模型结构中利用运行约束条件,简化了仿真模拟数据规模,提高了预测算法的计算速度。
优选的,所述功率转移因子WL-i等于与线路潮流关联的供给节点负荷与所关联节点的总负荷的比值;所述功率转移因子WL-j等于与线路潮流关联的需求节点负荷与所关联节点的总负荷的比值。
具体的,线路L1在T时刻潮流方向为G1至N1,G1关联L1负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
线路L2在T时刻潮流方向为N1至N2,仅G1,N1关联L2负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L2 | 1 | -- | 1 | -- | -- | -- | -- | -- |
线路L3在T时刻潮流方向为N2至N4,仅G1,G2,N1,N2,N3,M1关联L3负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L3 | 0.5926 | 0.2963 | 0.3182 | 0.4091 | 0.2727 | -- | 0.1111 | -- |
线路L4在T时刻潮流方向为N2至N3,仅G1,G2,N1,N2,N4,M2关联L4负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L4 | 0.6667 | 0.3333 | 0.3333 | 0.4286 | -- | 0.1429 | -- | 0.0952 |
线路L5在T时刻潮流方向为G2至N2,仅G2关联L5负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L5 | -- | 1 | -- | -- | -- | -- | -- | -- |
线路L6在T时刻潮流方向为M1至N3,仅M1关联L6负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L6 | -- | -- | -- | -- | -- | -- | 1 | -- |
线路L7在T时刻潮流方向为N4至M2,仅G1,G2,N1,N2,N3,N4,M1关联L7负荷,其供给及需求节点功率转移因子可为:
线路 | G1 | G2 | N1 | N2 | N3 | N4 | M1 | M2 |
L7 | 0.5926 | 0.2963 | 0.2800 | 0.3600 | 0.2400 | 0.1200 | 0.1111 | -- |
优选的,所述发电成本最小时供给节点负荷最优解计算公式为:
上式中,Qi表示某一时刻供给节点i的负荷值对应的报价。
具体的,对目标函数进行最优解计算后,可得到T时刻供给节点的负荷值及报价,下表6所示;同时可得到线路的负荷值,如下表7所示。
表6 T时刻供给节点的负荷值及报价
机组名称 | 出力 | 价格 |
G101 | 800MW | 300 |
G102 | 800MW | 300 |
G201 | 400MW | 310 |
G202 | 400MW | 310 |
M1 | 300MW | 350 |
表7 T时刻线路的负荷值
线路 | 负荷 |
L1 | 1600MW |
L2 | 900MW |
L3 | 500MW |
L4 | 300MW |
L5 | 800MW |
L6 | 300MW |
L7 | 200MW |
优选的,所述核心区域各节点的电价计算公式如下:
上式中,LMPj表示核心区域各节点的电价;L表示潮流流向当前计算节点的线路合集;Pj-l表示输入功率至当前节点j的线路负荷;Ql表示线路潮流对应的供方节点的电价。
具体的,该实施例中得到核心区域各节点的电价如下表8所示。
表8核心区域各节点的电价
本发明的另一个具体实施例,如图3所示,提供了一种通过虚拟区域节点预测节点电价的装置,包括核心区域构建模块、可变节点虚拟模块、模拟出清模块和核心区域节点电价计算模块;
所述核心区域构建模块,用于以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;
所述可变节点虚拟模块,用于根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型;所述类型包括供给节点和需求节点;基于所述核心区域模型和所述可变节点得到总体电网拓扑模型结构;
所述模拟出清模块,用于在总体电网拓扑模型结构中的供给节点不同负荷段报价和总体电网拓扑模型结构运行约束已知的条件下,计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;
所述核心区域节点电价计算模块,用于根据所述线路负荷的最优解计算核心区域各节点的电价。
通过可变节点虚拟模块,解决了现有的电网拓扑结构模型复杂造成的计算量大和成本高的问题,减少了预测过程的数据输入成本,提高了系统的精确度和实用性。
优选的,该装置还包括总体电网拓扑模型结构运行约束模块,用于实现系统平衡约束、供给节点最大及最小负荷约束和线路潮流约束;
所述系统平衡约束公式为:
上式中,G表示总体电网拓扑模型结构中的所有供方节点;Pi表示某一时刻供给节点i的负荷值;N表示总体电网拓扑模型结构中所有需求节点,Di表示某一时刻需求节点j的负荷值;
所述供给节点最大及最小负荷约束公式:
Pi_min≤Pi≤Pi_max
上式中,Pi_min表示供给节点的最小负荷值;Pi_max表示供给节点的最大负荷值;
所述线路潮流约束公式为:
上式中,PL_min表示某一时刻线路的最小负荷值;WL-i表示供给节点i对线路的功率转移因子;WL-j表示需求节点j对线路的功率转移因子;PL_max表示线路的最大负荷值。
通过总体电网拓扑模型结构运行约束模块,简化了仿真模拟数据规模,提高了预测算法的计算速度。
优选的,所述发电成本最小时的供给节点负荷最优解计算公式为:
上式中,Qi表示某一时刻供给节点i的负荷值对应的报价。
优选的,所述核心区域各节点电价计算模块计算电价的公式为:
上式中,LMPj表示核心区域各节点的电价;L表示潮流流向当前计算节点的线路合集;Pj-l表示输入功率至当前节点j的线路负荷;Ql表示线路潮流对应的供方节点的电价。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种通过虚拟区域节点预测节点电价的方法,其特征在于,包括以下步骤:
以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;
根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型;所述类型包括供给节点和需求节点;
基于所述核心区域模型和所述可变节点得到总体电网拓扑模型结构;
在总体电网拓扑模型结构的供给节点不同负荷段报价和总体电网拓扑模型结构运行约束已知的条件下,计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;
根据所述线路负荷的最优解计算核心区域各节点的电价。
2.根据权利要求1所述的预测节点电价的方法,其特征在于,确定所述可变节点的类型具体包括:
若潮流流向由核心区域外向核心区域内,则该可变节点为供给节点;
若潮流流向由核心区域内向核心区域外,则该可变节点为需求节点。
3.根据权利要求1所述的预测节点电价的方法,其特征在于,所述总体电网拓扑模型结构运行约束包括系统平衡约束、供给节点最大及最小负荷约束和线路潮流约束;
所述系统平衡约束公式为:
上式中,G表示总体电网拓扑模型结构中的所有供方节点;Pi表示某一时刻供给节点i的负荷值;N表示总体电网拓扑模型结构中的所有需求节点,Di表示某一时刻需求节点j的负荷值;
所述供给节点最大及最小负荷约束公式:
Pi_min≤Pi≤Pi_max
上式中,Pi_min表示供给节点的最小负荷值;Pi_max表示供给节点的最大负荷值;
所述线路潮流约束公式为:
上式中,PL_min表示某一时刻线路的最小负荷值;WL-i表示供给节点i对线路的功率转移因子;WL-j表示需求节点j对线路的功率转移因子;PL_max表示线路的最大负荷值。
4.根据权利要求3所述的预测节点电价的方法,其特征在于,所述功率转移因子WL-i等于与线路潮流关联的供给节点负荷与所关联节点的总负荷的比值;所述功率转移因子WL-j等于与线路潮流关联的需求节点负荷与所关联节点的总负荷的比值。
7.一种通过虚拟区域节点预测节点电价的装置,其特征在于,包括核心区域构建模块、可变节点虚拟模块、模拟出清模块和核心区域节点电价计算模块;
所述核心区域构建模块,用于以预测目标市场主体所在节点为中心,根据实际电网结构构建核心区域模型;
所述可变节点虚拟模块,用于根据核心区域外部与核心区域的影响关系虚拟可变节点,并根据实际潮流流向确定虚拟的所述可变节点的类型;所述类型包括供给节点和需求节点;基于所述核心区域模型和所述可变节点得到总体电网拓扑模型结构;
所述模拟出清模块,用于在总体电网拓扑模型结构中的供给节点不同负荷段报价和总体电网拓扑模型结构运行约束已知的条件下,计算发电成本最小时供给节点负荷的最优解,得到线路负荷的最优解;
所述核心区域节点电价计算模块,用于根据所述线路负荷的最优解计算核心区域各节点的电价。
8.根据权利要求7所述的预测节点电价的装置,其特征在于,还包括总体电网拓扑模型结构运行约束模块,用于实现系统平衡约束、供给节点最大及最小负荷约束和线路潮流约束;
所述系统平衡约束公式为:
上式中,G表示总体电网拓扑模型结构中的所有供方节点;Pi表示某一时刻供给节点i的负荷值;N表示总体电网拓扑模型结构中所有需求节点,Di表示某一时刻需求节点j的负荷值;
所述供给节点最大及最小负荷约束公式:
Pi_min≤Pi≤Pi_max
上式中,Pi_min表示供给节点的最小负荷值;Pi_max表示供给节点的最大负荷值;
所述线路潮流约束公式为:
上式中,PL_min表示某一时刻线路的最小负荷值;WL-i表示供给节点i对线路的功率转移因子;WL-j表示需求节点j对线路的功率转移因子;PL_max表示线路的最大负荷值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911127348.6A CN110956493A (zh) | 2019-11-18 | 2019-11-18 | 一种通过虚拟区域节点预测节点电价的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911127348.6A CN110956493A (zh) | 2019-11-18 | 2019-11-18 | 一种通过虚拟区域节点预测节点电价的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110956493A true CN110956493A (zh) | 2020-04-03 |
Family
ID=69977718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911127348.6A Pending CN110956493A (zh) | 2019-11-18 | 2019-11-18 | 一种通过虚拟区域节点预测节点电价的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956493A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563779A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种节点边际电价求解方法 |
CN109523309A (zh) * | 2018-10-26 | 2019-03-26 | 武汉华中思能科技有限公司 | 一种基于潮流分析计算的电力报价仿真方法及系统 |
CN109886836A (zh) * | 2019-03-01 | 2019-06-14 | 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 |
CN109980631A (zh) * | 2017-12-28 | 2019-07-05 | 广东电网有限责任公司电力调度控制中心 | 一种日前电力现货市场出清与节点电价计算方法 |
CN110276532A (zh) * | 2019-06-04 | 2019-09-24 | 国网江苏省电力有限公司泰州供电分公司 | 一种研究基于负荷分块的配电网可靠性计算方法 |
-
2019
- 2019-11-18 CN CN201911127348.6A patent/CN110956493A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563779A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种节点边际电价求解方法 |
CN109980631A (zh) * | 2017-12-28 | 2019-07-05 | 广东电网有限责任公司电力调度控制中心 | 一种日前电力现货市场出清与节点电价计算方法 |
CN109523309A (zh) * | 2018-10-26 | 2019-03-26 | 武汉华中思能科技有限公司 | 一种基于潮流分析计算的电力报价仿真方法及系统 |
CN109886836A (zh) * | 2019-03-01 | 2019-06-14 | 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 |
CN110276532A (zh) * | 2019-06-04 | 2019-09-24 | 国网江苏省电力有限公司泰州供电分公司 | 一种研究基于负荷分块的配电网可靠性计算方法 |
Non-Patent Citations (1)
Title |
---|
邢玉辉等: "基于自调度的日前市场出清机制设计", 《中国电机工程学会电力市场专业委员会2019年学术年会暨全国电力交易机构联盟论坛论文集》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Du et al. | A cooperative game approach for coordinating multi-microgrid operation within distribution systems | |
Fang et al. | Multi-agent deep reinforcement learning for distributed energy management and strategy optimization of microgrid market | |
Rubio-Oderiz et al. | Marginal pricing of transmission services: A comparative analysis of network cost allocation methods | |
Machlev et al. | A review of optimal control methods for energy storage systems-energy trading, energy balancing and electric vehicles | |
Hammerstrom et al. | Evaluating transactive systems: Historical and current US DOE research and development activities | |
CN110232490A (zh) | 一种配电网工程投资成效的评估方法及系统 | |
Cui et al. | Data-driven joint voltage stability assessment considering load uncertainty: A variational bayes inference integrated with multi-CNNs | |
Xiao et al. | Multi-period data driven control strategy for real-time management of energy storages in virtual power plants integrated with power grid | |
Yong et al. | Prospects and barriers analysis framework for the development of energy storage sharing | |
Liu et al. | An integrated fuzzy multi-energy transaction evaluation approach for energy internet markets considering judgement credibility and variable rough precision | |
Wang et al. | Lessons learned from power industry reform and electricity spot market trial operation in Southern China | |
Peng et al. | Sequential coalition formation for wind-thermal combined bidding | |
Jia et al. | Dynamic pricing strategy and regional energy consumption optimization based on different stakeholders | |
Li et al. | Analysis of the compound differential evolution game of new energy manufacturers’ two-stage market behavior under the weight of consumption responsibility | |
Saidakhmedovna et al. | The role of structural reforms and attracting investment in improving the electricity supply of the Republic of Uzbekistan | |
Kemfert et al. | 100% Renewable Energy Transition: Pathways and Implementation | |
CN110956493A (zh) | 一种通过虚拟区域节点预测节点电价的方法及装置 | |
Voropai et al. | Hierarchical modeling in expansion planning of electric power systems | |
Ribeiro et al. | Intelligent remuneration and tariffs for virtual power players | |
Sun et al. | Nash–Cournot power market model with a high penetration of prosumers: A distributionally robust optimization approach | |
CN111049140B (zh) | 一种电力系统的运行合理性分析方法和装置 | |
CN114447923A (zh) | 高风电占比电力系统的电能和调频辅助服务博弈优化方法 | |
Nezhad et al. | Nonparametric correlative-probabilistic microgrid power energy management based sine-cosine algorithm | |
Arneja et al. | Probabilistic OPF using linear fuzzy relation | |
Feng et al. | Economic research on application of electric heating system based on game theory |
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: 20200403 |