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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 49
- 230000007774 longterm Effects 0.000 claims abstract description 7
- 238000009499 grossing Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 2
- 101100027969 Caenorhabditis elegans old-1 gene Proteins 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010586 diagram 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
- G06Q30/0202—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
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,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
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)
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
其中,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;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;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
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)
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)
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
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:
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。
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)
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 |
-
2020
- 2020-05-28 CN CN202010465732.3A patent/CN111598629A/zh active Pending
Cited By (1)
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 |