CN110992075A - 一种基于自由市场交易机制的智能电价预测系统及方法 - Google Patents
一种基于自由市场交易机制的智能电价预测系统及方法 Download PDFInfo
- Publication number
- CN110992075A CN110992075A CN201911044010.4A CN201911044010A CN110992075A CN 110992075 A CN110992075 A CN 110992075A CN 201911044010 A CN201911044010 A CN 201911044010A CN 110992075 A CN110992075 A CN 110992075A
- Authority
- CN
- China
- Prior art keywords
- electricity price
- training
- intelligent
- model
- trading mechanism
- 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 111
- 230000007246 mechanism Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 67
- 230000006870 function Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000013277 forecasting method Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 210000002569 neuron Anatomy 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012938 design process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 8
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电价预测信息处理技术领域，公开了一种基于自由市场交易机制的智能电价预测系统及方法，自由市场交易机制下电价影响因子、模型变量和时间尺度的确定；智能记忆网络预测模型的网络结构设计和模型构建多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练；训练过程包括构建训练集，设计目标函数和约束条件，模型训练；自由市场交易机制下智能记忆网络电价预测模型的电价预测。本发明准确的电价预测，能够调动多环节市场参与者的调整积极性，有效发挥电价调整对具体市场操作和电力行业发展策略的调节能力，进而促进电力市场乃至电力行业的健康可持续发展。
Description
技术领域
本发明属于电价预测信息处理技术领域，尤其涉及一种基于自由市场交易机制的智能电价预测系统及方法。
背景技术
目前，最接近的现有技术：随着电力市场的不断深化改革，具有竞争性的电价制定机制能够让市场参与方处于市场中的有利地位，电价预测方法的准确性是重要的影响因素。准确的短期电价预测能够让市场参与者制定最佳的市场操作策略，准确的中长期电价预测决定着市场参与者的战略决策，从而影响电力行业的投资情况。随着智能电网和能源互联网的发展，使电力市场的自由市场交易机制成为可能，研究一种基于自由市场交易机制下的电价预测方法是市场参与者的迫切需求。
目前，业内常用的电价预测方法有基于时间序列的建模、基于智能算法的建模、系统模拟法和和平衡法等。前两种方法主要针对短期电价预测，后两种方法主要针对中长期电价预测。由于电价受众多不确定因素影响，周期性因素和不确定因素互相影响，使电价的变化无明显的规律，导致基于模型的预测效果不理想；而基于模拟法和平衡法的电价预测方法需要大量的系统信息，普通的市场参与者难以获取足够的数据。因此需要研究一种能够适应自由市场交易机制、同时考虑周期性和不确定因素影响、不依赖系统信息的电价预测方法。
综上所述，现有技术存在的问题是：
(1)业内常用的电价预测方法考虑影响因素不够全面，难以体现实际电价变化的规律，导致预测结果不准确。
(2)业内常用的电价预测方法对于系统信息有强依赖性，系统信息的完备性对电价预测结果的准确性低。
(3)业内常用的电价预测方法不能同时兼顾短、中、长期的预测需要，不适应自由市场交易机制模型。
解决上述技术问题的难度：为了提高电价预测方法的适应性和准确性，需要总结自由市场交易机制下各种不确定因素对电价变化的影响规律，目前还没有能够充分体现此变化规律的模型；对于不同周期的电价预测没有通用的预测方法，现有预测方法的适应性不够；预测方法的准确性与系统信息有直接关系，需要开发更加独立的预测方法。
解决上述技术问题的意义：随着电力市场的不断深化改革，具有竞争性的电价制定机制能够让市场参与方处于市场中的有利地位，电价预测方法的准确性直接影响电价制定机制的有效性。自由市场交易机制是电力市场交易机制的发展方向，目前缺少能够适应自由市场交易机制的电价预测方法。通过制定合理的电价机制，才能够有效发挥电价调整对具体市场操作和电力行业发展策略的调节能力，调动多环节市场参与者的调整积极性，进而促进电力市场乃至电力行业的健康可持续发展。
发明内容
针对现有技术存在的问题，本发明提供了一种基于自由市场交易机制的智能电价预测系统及方法。
本发明是这样实现的，一种基于自由市场交易机制的智能电价预测方法，所述基于自由市场交易机制的智能电价预测方法包括以下步骤：
第一步，自由市场交易机制下电价影响因子、模型变量和时间尺度的确定；智能记忆网络预测模型的网络结构设计和模型构建；
第二步，多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练；训练过程包括构建训练集，设计目标函数和约束条件，模型训练；
第三步，自由市场交易机制下智能记忆网络电价预测模型的电价预测。
进一步，所述第一步自由市场交易机制下多影响因子、多变量以及多时间尺度的智能记忆网络结构设计过程包括：采用输入层、隐含层和输出层三层神经网络结构，每一层均考虑多影响因子，每一层均由多个神经元组成；输入层的输入数据格式形式为：
其中X为输入矩阵，V为输入数据，t为时间，N为影响因子编号，i为不同时刻电价序号。
进一步，所述第二步多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练具体过程包括：构建训练数据，设定目标函数和约束条件，确定训练结束条件和模型训练；如果训练结果满足训练目标要求，结束训练，输出智能网路记忆预测模型；如果结果不满足预测目标要求，则返回修改模型参数或者目标函数，重新训练，直至满足训练目标要求。
进一步，所述第三步基于智能记忆网络电价预测模型的电价预测具体包括：
1)确定影响因子的内容和数量，确定输出层变量个数，设定时间尺度等初始条件；
2)将初始参数输入训练模型，进行电价预测。
本发明的另一目的在于提供一种实施所述基于自由市场交易机制的智能电价预测方法的基于自由市场交易机制的智能电价预测系统，所述基于自由市场交易机制的智能电价预测系统包括：
预测模型构建模块，用于实现多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的构建；
预测模型训练模块，用于实现多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练；
电价预测模块，用于实现基于智能记忆网络电价预测模型的电价预测。
进一步，所述预测模型训练模块包括：
训练条件确认单元，用于构建训练数据，设定目标函数和约束条件，确定训练结束条件和模型训练；
预测模型输出单元，用于实现训练结果满足训练目标要求，结束训练，输出智能网路记忆预测模型；
重新训练单元，用于实现结果不满足预测目标要求，则返回修改模型参数或者目标函数，重新训练，直至满足训练目标要求。
进一步，所述电价预测模块包括：
参数设定单元，用于确定影响因子的内容和数量，确定输出层变量个数，设定时间尺度等初始条件；
初始参数输入单元，用于将初始参数输入训练模型，进行电价预测。
进一步，所述预测模型构建模块的智能记忆网络结构包括输入层、隐含层和输出层三层神经网络结构，每一层均考虑多影响因子，每一层均由多个神经元组成。
本发明的另一目的在于提供一种实现所述基于自由市场交易机制的智能电价预测方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于自由市场交易机制的智能电价预测方法。
综上所述，本发明的优点及积极效果为：本发明基于自由市场交易机制的智能电价预测方法，采用智能记忆网络电价预测模型进行电价预测，在考虑多种影响因素、多变量和多时间尺度的基础上，采用智能记忆网络进行电价的预测。
本发明的自由市场交易机制下的智能记忆网络电价预测方法，考虑了自由市场交易机制下多种影响因素和多种时间尺度的影响，所设计的智能记忆网络预测模型的预测结果准确，满足使用要求。准确的电价预测，能够调动多环节市场参与者的调整积极性，有效发挥电价调整对具体市场操作和电力行业发展策略的调节能力，进而促进电力市场乃至电力行业的健康可持续发展。
附图说明
图1是本发明实施例提供的基于自由市场交易机制的智能电价预测系统的结构示意图；
图中：1、预测模型构建模块；2、预测模型训练模块；3、电价预测模块。
图2是本发明实施例提供的基于自由市场交易机制的智能电价预测方法流程图。
图3是本发明实施例提供的考虑多种影响因素的智能记忆网络结构示意图。
图4是本发明实施例提供的采用所述基于自由市场交易机制的智能电价预测方法的预测结果示意图。
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。
针对现有技术存在的问题，本发明提供了一种基于自由市场交易机制的智能电价预测系统及方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于自由市场交易机制的智能电价预测系统包括：
预测模型构建模块1，用于实现多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的构建。
预测模型训练模块2，用于实现多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练。
电价预测模块3，用于实现基于智能记忆网络电价预测模型的电价预测。
如图2所示，本发明实施例提供的基于自由市场交易机制的智能电价预测方法包括以下步骤：
S201：考虑多种影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的构建；
S202：考虑多种影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练过程；
S203：基于智能记忆网络电价预测模型的在线电价预测，确定影响因子的内容和数量，确定输出层变量个数，设定时间尺度等初始条件；将初始参数输入训练模型，进行电价预测。
在本发明的优选实施例中，步骤S202具体训练过程包括：构建训练数据，设定目标函数和约束条件，确定训练结束条件和模型训练。如果训练结果满足训练目标要求，结束训练，输出智能网路记忆预测模型；如果结果不满足预测目标要求，则返回修改模型参数或者目标函数，重新训练，直至满足训练目标要求。
下面结合附图对本发明的技术方案作进一步的描述。
本发明实施例提供的基于自由市场交易机制的智能电价预测方法所采用的考虑多种影响因素的智能记忆网络结构如图3所示，具体说明如下：
考虑多种影响因素的智能记忆网络结构采用输入层、隐含层和输出层三层神经网络结构，每一层均考虑多影响因子，每一层均由多个神经元组成。输入层的输入数据格式形式为：
其中X为输入矩阵，V为输入数据，t为时间，N为影响因子编号，i为不同时刻电价序号。
下面结合仿真对本发明的技术效果作详细的描述。
本发明实施例的主要目的是验证本发明智能电价预测方法的有效性。实验中考虑的电价影响因素有发电量、负荷量、能源消纳率、用电满意度等，由于没有自由市场交易机制下的历史数据，实验中模型训练数据由现有交易机制下的历史数据修正产生。
本发明的基于自由市场交易机制的智能电价预测方法的预测结果如图4所示。为了反映影响因素与电价的关系，对数据进行了归一化处理。由图4可见，本发明的智能电价预测方法能够反映各种不确定因素对电价的影响情况，可以通过调节电价实现对市场参与者发电、用电方式方法的调度。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于自由市场交易机制的智能电价预测方法，其特征在于，所述基于自由市场交易机制的智能电价预测方法包括以下步骤：
第一步，自由市场交易机制下电价影响因子、模型变量和时间尺度的确定；智能记忆网络预测模型的网络结构设计和模型构建；
第二步，多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练；训练过程包括构建训练集，设计目标函数和约束条件，模型训练；
第三步，自由市场交易机制下智能记忆网络电价预测模型的电价预测。
2.如权利要求1所述的基于自由市场交易机制的智能电价预测方法，其特征在于，所述第一步自由市场交易机制下多影响因子、多变量以及多时间尺度的智能记忆网络结构设计过程包括：采用输入层、隐含层和输出层三层神经网络结构，每一层均考虑多影响因子，每一层均由多个神经元组成；输入层的输入数据格式形式为：
其中X为输入矩阵，V为输入数据，t为时间，N为影响因子编号，i为不同时刻电价序号。
3.如权利要求1所述的基于自由市场交易机制的智能电价预测方法，其特征在于，所述第二步多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练具体过程包括：构建训练数据，设定目标函数和约束条件，确定训练结束条件和模型训练；如果训练结果满足训练目标要求，结束训练，输出智能网路记忆预测模型；如果结果不满足预测目标要求，则返回修改模型参数或者目标函数，重新训练，直至满足训练目标要求。
4.如权利要求1所述的基于自由市场交易机制的智能电价预测方法，其特征在于，所述第三步基于智能记忆网络电价预测模型的电价预测具体包括：
1)确定影响因子的内容和数量，确定输出层变量个数，设定时间尺度等初始条件；
2)将初始参数输入训练模型，进行电价预测。
5.一种实施权利要求1～4任意一项所述基于自由市场交易机制的智能电价预测方法的基于自由市场交易机制的智能电价预测系统，其特征在于，所述基于自由市场交易机制的智能电价预测系统包括：
预测模型构建模块，用于实现多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的构建；
预测模型训练模块，用于实现多影响因子、多变量以及多时间尺度的智能记忆网络电价预测模型的线下训练；
电价预测模块，用于实现基于智能记忆网络电价预测模型的电价预测。
6.如权利要求5所述的基于自由市场交易机制的智能电价预测系统，其特征在于，所述预测模型训练模块包括：
训练条件确认单元，用于构建训练数据，设定目标函数和约束条件，确定训练结束条件和模型训练；
预测模型输出单元，用于实现训练结果满足训练目标要求，结束训练，输出智能网路记忆预测模型；
重新训练单元，用于实现结果不满足预测目标要求，则返回修改模型参数或者目标函数，重新训练，直至满足训练目标要求。
7.如权利要求5所述的基于自由市场交易机制的智能电价预测系统，其特征在于，所述电价预测模块包括：
参数设定单元，用于确定影响因子的内容和数量，确定输出层变量个数，设定时间尺度等初始条件；
初始参数输入单元，用于将初始参数输入训练模型，进行电价预测。
8.如权利要求5所述的基于自由市场交易机制的智能电价预测系统，其特征在于，所述预测模型构建模块的智能记忆网络结构包括输入层、隐含层和输出层三层神经网络结构，每一层均考虑多影响因子，每一层均由多个神经元组成。
9.一种实现权利要求1～4任意一项所述基于自由市场交易机制的智能电价预测方法的信息数据处理终端。
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1～4任意一项所述的基于自由市场交易机制的智能电价预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911044010.4A CN110992075A (zh) | 2019-10-30 | 2019-10-30 | 一种基于自由市场交易机制的智能电价预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911044010.4A CN110992075A (zh) | 2019-10-30 | 2019-10-30 | 一种基于自由市场交易机制的智能电价预测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110992075A true CN110992075A (zh) | 2020-04-10 |
Family
ID=70082588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911044010.4A Pending CN110992075A (zh) | 2019-10-30 | 2019-10-30 | 一种基于自由市场交易机制的智能电价预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992075A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111600304A (zh) * | 2020-06-17 | 2020-08-28 | 广东工业大学 | 一种楼宇电力调度方法、装置和设备 |
-
2019
- 2019-10-30 CN CN201911044010.4A patent/CN110992075A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111600304A (zh) * | 2020-06-17 | 2020-08-28 | 广东工业大学 | 一种楼宇电力调度方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516843B (zh) | 一种虚拟电厂容量优化方法、设备以及系统 | |
| CN113705929B (zh) | 一种基于负荷特征曲线及典型特征值融合的春节假期负荷预测方法 | |
| WO2024077752A1 (zh) | 一种混合储能系统充放电状态实时优化控制方法 | |
| Qiu et al. | Probabilistic transmission expansion planning for increasing wind power penetration | |
| Wang et al. | Optimal sizing of energy storage considering the spatial‐temporal correlation of wind power forecast errors | |
| Hou et al. | Data‐driven multi‐time scale robust scheduling framework of hydrothermal power system considering cascade hydropower station and wind penetration | |
| CN110880072A (zh) | 实时电网静态安全风险处置优化方法、装置及存储介质 | |
| CN111769599B (zh) | 一种电力现货市场下的新能源有功控制方法和装置 | |
| CN117424293A (zh) | 一种智能风力预测与调度方法及系统 | |
| CN110992075A (zh) | 一种基于自由市场交易机制的智能电价预测系统及方法 | |
| CN110162403A (zh) | 一种基于人工神经网络的硬件资源分配方法及系统 | |
| Liu et al. | Deep reinforcement learning for real-time economic energy management of microgrid system considering uncertainties | |
| Eklund et al. | Using a digital twin as the objective function for evolutionary algorithm applications in large scale industrial processes | |
| CN118074186A (zh) | 用户储能运行方法、虚拟电厂、运行系统、设备 | |
| Amorim et al. | A new formulation of multinodal short-term load forecasting based on adaptive resonance theory with reverse training | |
| CN111799820B (zh) | 一种电力系统双层智能混合零星云储能对抗调控方法 | |
| CN116757716A (zh) | 基于改进时变深度前馈神经网络的电价预测方法及装置 | |
| Zhang et al. | Short‐Term Power Load Forecasting Model Design Based on EMD‐PSO‐GRU | |
| CN114580941A (zh) | 市场环境下电力系统的规划评估方法及装置 | |
| Cheng | A grey CES production function model and its application in Calculating the contribution rate of economic growth factors | |
| Lou et al. | ADMM‐Based Distributed Algorithm for Energy Management in Multi‐Microgrid System | |
| Xie | [Retracted] Application Model of Public Health Visual Art Creation Concept Based on Artificial Intelligence Technology in Venice Biennale | |
| Yao et al. | An improved gray wolf optimization to solve the multi-objective tugboat scheduling problem | |
| Xu et al. | Deposit mechanism design and corresponding decision strategy considering uncertainty of customer behaviour | |
| CN114048968B (zh) | 一种电网关键断面实时阻塞调整方法、装置及介质 |
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: 20200410 |
|
| RJ01 | Rejection of invention patent application after publication |