CN111598629A - 基于月度工业用电量预测确定电力市场月内交易需求方法 - Google Patents

基于月度工业用电量预测确定电力市场月内交易需求方法 Download PDF

Info

Publication number
CN111598629A
CN111598629A CN202010465732.3A CN202010465732A CN111598629A CN 111598629 A CN111598629 A CN 111598629A CN 202010465732 A CN202010465732 A CN 202010465732A CN 111598629 A CN111598629 A CN 111598629A
Authority
CN
China
Prior art keywords
monthly
demand
transaction
electric quantity
industrial
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
CN202010465732.3A
Other languages
English (en)
Inventor
唐志强
陈思
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.)
Jiangsu Weineng Technology Co ltd
Original Assignee
Jiangsu Weineng Technology 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 Jiangsu Weineng Technology Co ltd filed Critical Jiangsu Weineng Technology Co ltd
Priority to CN202010465732.3A priority Critical patent/CN111598629A/zh
Publication of CN111598629A publication Critical patent/CN111598629A/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
    • G06Q30/0202—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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision 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

本发明公开了一种基于月度工业用电量预测确定电力市场月内交易需求方法，整个方法以历史年份月度工业用电量为基础，首先，预测出当年1‑12月每月工业用电量，折算出每月工业用电量比例系数；然后，以当年全年交易总用电量为基准，结合每月比例系数，推算出每月总交易电量需求；最后，根据每月总交易电量需求、年度长协分月计划电量和月度集中竞价电量，得到每月月内交易需求。本发明从历史大工业用电数据出发，能够最大程度挖掘用电信息，提高预测准确率。

Description

基于月度工业用电量预测确定电力市场月内交易需求方法
技术领域
本发明涉及一种基于月度工业用电量预测确定电力市场月内交易需求方法，属于月度用电量预测技术领域。
背景技术
2015年3月，中共中央发布文件〔2015〕9号《关于进一步深化电力体制改革的若干意见》，提出了建立相对独立的电力交易机构，形成公平规范的市场交易平台。此举标志着我国电力体制改革展开了新的历程，此后，全国各省相继出台电力交易相关文件，建立适应本省实际情况的电力交易机制。江苏省目前建立了集年度长协、年度挂牌、月度集中竞价和月内交易四种交易模式相结合的交易机制。其中，月内交易作为电量偏差调整的重要手段，是每月售电公司交易的重要环节，而准确地判断月内交易电量需求又对售电公司对于月内交易价格的预估起到重要作用。
由于交易数据的不完全公开性，在月内交易需求判定过程中，售电公司面临的一大挑战就是数据的缺乏。江苏电力市场中，市场交易电量类别包括大工业用电和一般工商业用电，其中，绝大部分用电为大工业用电；因此，预测每月全省大工业用电量，而后折算出每月的大工业用电占比，最后，结合市场全年交易电量、年度长协电量、月度集中竞价电量，可推算出每月月内市场化交易的电量需求。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于月度工业用电量预测确定电力市场月内交易需求方法，其能够从本质上实现更加精准的预测。
为了实现上述目的，本发明采用如下技术方案：一种基于月度工业用电量预测确定电力市场月内交易需求方法，整个方法以历史年份月度工业用电量为基础，首先，预测出当年1-12月每月工业用电量，折算出每月工业用电量比例系数；然后，以当年全年交易总用电量为基准，结合每月比例系数，推算出每月总交易电量需求；最后，根据每月总交易电量需求、年度长协分月计划电量和月度集中竞价电量，得到每月月内交易需求。
一种基于月度工业用电量预测确定电力市场月内交易需求方法，整个方法包括如下步骤：
步骤一、预测当年1至12月每月工业用电量：获取历史n年月度工业用电量数据，记为
Figure BDA0002512593510000026
，i＝1，2，...，n；j＝1，2，3，...，12；使用一次动平均法进行预测，则预测年份j月的用电量预测值Qj等于历史n年一次动平均值，即
Figure BDA0002512593510000021
步骤二、折算每月工业用电量比例系数：计算历史n年每月大工业用电占总用电量的比例系数
Figure BDA0002512593510000022
则j月的工业用电量比例系数为：
Figure BDA0002512593510000023
步骤三、预测年份月度用电需求：预测年份第j月的月度用电需求
Figure BDA0002512593510000024
Q为交易中心每年公布的年度交易电量规模；
步骤四、预测年份月内交易需求：预测年份第j月的月内交易电量需求
Figure BDA0002512593510000025
其中，QCj为预测年份第j月的月度集中竞价电量，QXj为预测年份第j月的年度长协分月计划电量；若QYj为正值，表示月内交易电量需求为正，需要买入电量；若QYj为负值，表示月内交易电量需求为负，需要出售电量。
一种基于月度工业用电量预测确定电力市场月内交易需求方法，所述步骤一和步骤二中的n为3，即取历史3年的月度工业用电量数据进行预测。
与现有技术相比，本发明从历史大工业用电数据出发，锁定电力交易市场中占比最大的用电数据，深入探索月度大工业用电数据逐月占比系数，能够最大程度挖掘电力市场用电信息，提高预测准确率。
附图说明
图1为本发明的原理示意图；
图2为本发明预测与指数平滑法预测偏差率的对比图。
具体实施方式
下面结合附图对本发明实施中的技术方案进行清楚，完整的描述，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，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。
本发明提供的一种基于月度工业用电量预测确定电力市场月内交易需求方法，整个方法以历史年份月度工业用电量为基础，首先，预测出当年1-12月每月工业用电量，折算出每月工业用电量比例系数；然后，以当年全年交易总用电量为基准，结合每月比例系数，推算出每月总交易电量需求；最后，根据每月总交易电量需求、年度长协分月计划电量和月度集中竞价电量，得到每月月内交易需求。
实施例：
选取2016年、2017年、2018年某省份月度大工业用电量数据，如表1所示，2019年某省份年度总交易电量Q为31200000万千瓦时。
表1某省份2016-2018年月度大工业用电量(万千瓦时)
Figure BDA0002512593510000031
Figure BDA0002512593510000041
如图1所示，整个预测方法包括如下步骤：
步骤一、预测2019年1至12月每月工业用电量：根据表1中2016年至2018年3年的月度工业用电量数据，使用一次动平均法进行预测，则2019年第j月的用电量预测值Qj等于历史3年一次动平均值，即
Figure BDA0002512593510000042
其中，
Figure BDA0002512593510000043
为2016年第j月的大工业用电量，
Figure BDA0002512593510000044
为2017年第j月的大工业用电量，
Figure BDA0002512593510000045
为2018年第j月的大工业用电量；2019年第j月的用电量预测值Qj见表2中的第2列；
步骤二、折算每月工业用电量比例系数：计算2016-2018年3年每月大工业用电占总用电量的比例系数
Figure BDA0002512593510000046
则2019年第j月的工业用电量比例系数为：
Figure BDA0002512593510000047
其中，
Figure BDA0002512593510000048
为2016年第j月大工业用电占总用电量的比例系数，见表2中的第3列；
Figure BDA0002512593510000049
为2017年第j月大工业用电占总用电量的比例系数，见表2中的第4列；
Figure BDA00025125935100000410
为2018年第j月大工业用电占总用电量的比例系数，见表2中的第5列；2019年第j月的工业用电量比例系数λj见表2中的第六列；
步骤三、预测年份月度用电需求：预测2019年第j月的月度用电需求
Figure BDA0002512593510000051
见表2中第7列；Q为交易中心每年公布的年度交易电量规模，即Q为2019年某省份年度总交易电量31200000万千瓦时；
步骤四、预测年份月内交易需求：预测2019年第j月的月内交易电量需求
Figure BDA0002512593510000052
其中，QCj为预测年份第j月的月度集中竞价电量，见表2中第9列；QXj为预测年份第j月的年度长协分月计划电量，见表2中第8列；QCj、QXj都是我们在长协和月度集中竞价交易中已经成交的电量，是确定值；预测的月内交易电量QYj见表2中第10列。若QYj为正值，表示月内交易电量需求为正，需要买入电量；若QYj为负值，表示月内交易电量需求为负，需要出售电量。
最终，采用本发明所述方法进行预测，整个预测过程的相应数据如表2所示：
表2：利用本发明方法预测过程(电量单位：万千瓦时)
Figure BDA0002512593510000053
下面，采用指数平滑法进行预测。选取2016-2018年某省份电力市场月度交易电量数据，如表3所示。
表3：某省份2016-2018年月度交易电量(万千瓦时)
月份 2016年 2017年 2018年
1月 2609133 2365384 2797917
2月 1683266 2163740 1874192
3月 2462457 2581370 2741013
4月 2333564 2520334 2468427
5月 2469853 2518306 2564861
6月 2360807 2599854 2546033
7月 3071355 2857284 2894460
8月 3162081 2793125 2887464
9月 2577884 2942689 2551249
10月 2374147 2495450 2508437
11月 2462755 2470858 2638363
12月 2744880 2875199 2790076
选取平滑系数0.3，进行一次、二次指数平滑。
表4：指数平滑法预测过程(电量：万千瓦时)
Figure BDA0002512593510000061
将上述两种方法预测的数据与2019年月内交易实际电量进行对比，并计算其偏差率，如表5所示：
表5：预测偏差率
Figure BDA0002512593510000062
Figure BDA0002512593510000071
将表5中两种预测方法的偏差率做成了对比图，如图2所示，可以看出，本发明预测方法的预测偏差率明显优于常规的指数平滑法预测偏差率。
综上所述，考虑到电力市场交易中，大工业电量占据很高的比例，因此大工业用电水平能够很好地体现电力市场的用电需求。本发明从历史大工业用电数据出发，锁定电力交易市场中占比最大的用电数据，深入探索月度大工业用电数据逐月占比系数，能够最大程度挖掘电力市场用电信息，提高预测准确率。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.一种基于月度工业用电量预测确定电力市场月内交易需求方法，其特征在于，整个方法以历史年份月度工业用电量为基础，首先，预测出当年1-12月每月工业用电量，折算出每月工业用电量比例系数；然后，以当年全年交易总用电量为基准，结合每月比例系数，推算出每月总交易电量需求；最后，根据每月总交易电量需求、年度长协分月计划电量和月度集中竞价电量，得到每月月内交易需求。
2.根据权利要求1所述的一种基于月度工业用电量预测确定电力市场月内交易需求方法，其特征在于，整个方法包括如下步骤：
步骤一、预测当年1至12月每月工业用电量：获取历史n年月度工业用电量数据，记为
Figure FDA0002512593500000011
使用一次动平均法进行预测，则预测年份j月的用电量预测值Qj等于历史n年一次动平均值，即
Figure FDA0002512593500000012
步骤二、折算每月工业用电量比例系数：计算历史n年每月大工业用电占总用电量的比例系数
Figure FDA0002512593500000013
则j月的工业用电量比例系数为：
Figure FDA0002512593500000014
步骤三、预测年份月度用电需求：预测年份第j月的月度用电需求
Figure FDA0002512593500000015
Q为交易中心每年公布的年度交易电量规模；
步骤四、预测年份月内交易需求：预测年份第j月的月内交易电量需求
Figure FDA0002512593500000016
其中，QCj为预测年份第j月的月度集中竞价电量，QXj为预测年份第j月的年度长协分月计划电量；若QYj为正值，表示月内交易电量需求为正，需要买入电量；若QYj为负值，表示月内交易电量需求为负，需要出售电量。
3.根据权利要求2所述的一种基于月度工业用电量预测确定电力市场月内交易需求方法，其特征在于，所述步骤一和步骤二中的n为3，即取历史3年的月度工业用电量数据进行预测。
CN202010465732.3A 2020-05-28 2020-05-28 基于月度工业用电量预测确定电力市场月内交易需求方法 Pending CN111598629A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010465732.3A CN111598629A (zh) 2020-05-28 2020-05-28 基于月度工业用电量预测确定电力市场月内交易需求方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010465732.3A CN111598629A (zh) 2020-05-28 2020-05-28 基于月度工业用电量预测确定电力市场月内交易需求方法

Publications (1)

Publication Number Publication Date
CN111598629A true CN111598629A (zh) 2020-08-28

Family

ID=72185775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010465732.3A Pending CN111598629A (zh) 2020-05-28 2020-05-28 基于月度工业用电量预测确定电力市场月内交易需求方法

Country Status (1)

Country Link
CN (1) CN111598629A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657640A (zh) * 2021-07-01 2021-11-16 南京邮电大学 一种基于机器学习算法的用户中长期交易购电量优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657640A (zh) * 2021-07-01 2021-11-16 南京邮电大学 一种基于机器学习算法的用户中长期交易购电量优化方法

Similar Documents

Publication Publication Date Title
Simshauser et al. On the inequity of flat-rate electricity tariffs
CN108711077B (zh) 一种基于区块链技术的光伏型微电网交易方法
CN109087213B (zh) 一种分散式电力现货市场交易模拟方法
CN107871214A (zh) 一种多能互补供能系统综合评价指标体系建立方法
CN107480907A (zh) 一种峰谷电价下含风电的省级电网购电配比的优化方法
CN107330542A (zh) 一种分析优化电网投资规模的方法
Woo et al. Consumption effects of an electricity decarbonization policy: Hong Kong
CN112132309A (zh) 可再生能源发电配额制下售电公司购售电优化方法和系统
CN111598629A (zh) 基于月度工业用电量预测确定电力市场月内交易需求方法
CN111695943A (zh) 一种计及浮动高峰电价的优化管理方法
CN112926811A (zh) 一种考虑可再生能源消纳责任权重的负荷聚合商购电方法
Xu et al. Decision-making model of electricity purchasing for electricity retailers based on conditional value-atRisk in day-ahead market
Shil et al. Meeting peak electricity demand through combinatorial reverse auctioning of renewable energy
CN116452331A (zh) 一种碳-绿证联合交易与月度集中竞价交互的优化方法
US20140279314A1 (en) System and Method for Reducing and Monitoring Energy Utility Bills
Reichelstein et al. Cost-and price dynamics of solar PV modules
CN113793034A (zh) 不同配额制完成方式下售电公司收益的研究方法
CN115660208B (zh) 一种考虑消纳责任权重的电网企业月度购电优化方法
CN111047352A (zh) 一种渐进式电力现货市场运营效率测度方法及系统
CN112001552B (zh) 一种基于用电量序列的月度售电量预测方法
Liang et al. Demand-side response resource value evaluation method based on entropy-weighted close value method
Ubogu Demand for electricity in Nigeria: Some empirical findings
CN116014745B (zh) 一种基于综合需求响应的尖峰负荷平抑方法及装置
CN113408900B (zh) 一种中长期电力市场不同时间尺度的购电量安排方法
CN113191807B (zh) 一种天然气客户评级系统及方法

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: 20200828

RJ01 Rejection of invention patent application after publication