CN111898789A - 基于深度学习的电量出清方法、系统、介质及出清设备 - Google Patents

基于深度学习的电量出清方法、系统、介质及出清设备 Download PDF

Info

Publication number
CN111898789A
CN111898789A CN202010476540.2A CN202010476540A CN111898789A CN 111898789 A CN111898789 A CN 111898789A CN 202010476540 A CN202010476540 A CN 202010476540A CN 111898789 A CN111898789 A CN 111898789A
Authority
CN
China
Prior art keywords
power
electric quantity
price
thermal power
hydropower
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.)
Granted
Application number
CN202010476540.2A
Other languages
English (en)
Other versions
CN111898789B (zh
Inventor
吕翔
饶秀平
许政�
吴引航
戴晓娟
卢冬雪
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.)
Guangxi Electric Power Trading Center Co ltd
Original Assignee
Guangxi Electric Power Trading Center 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 Guangxi Electric Power Trading Center Co ltd filed Critical Guangxi Electric Power Trading Center Co ltd
Priority to CN202010476540.2A priority Critical patent/CN111898789B/zh
Publication of CN111898789A publication Critical patent/CN111898789A/zh
Application granted granted Critical
Publication of CN111898789B publication Critical patent/CN111898789B/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

本发明公开了一种基于深度学习的电量出清方法、系统、介质及出清设备，所述方法包括：分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线；对出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对火电优先出清电量及水电优先出清电量进行安全校核；当火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。本发明能够减少由于丰枯期发电结构差异大、发电产能严重过剩而导致电量出清损失大、出清效率的问题。

Description

基于深度学习的电量出清方法、系统、介质及出清设备
技术领域
本发明涉及电力市场技术领域，特别是涉及一种基于深度学习的电量出清方法及系统。
背景技术
电力系统是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、经济、优质的电能。电力系统中各种电压的变电所及输配电线路组成的整体，称为电网。
EMS能量管理系统是现代电网调度自动化系统总称，其主要功能由基础功能和应用功能两个部分组成。基础功能包括:计算机、操作系统和EMS支撑系统；应用功能包括:数据采集与监视(SCADA)、自动发电控制(AGC)与计划、网络应用分析。电力系统经济调度是能量管理系统(EMS)的主要内容，在一些具体环境下它在概念范畴上等同于发电计划，发电计划包括机组组合、水火电计划、交换计划、检修计划和燃料计划等；按周期其有:超短期计划，即自动发电控制 (AGC)，短期发电计划，即日或周的计划；中期发电计划，即月至年的计划与修正；长期计划，即数年至数十年的计划，包括电源发展规划和网络发展规划等。
然而，近年来，随着水力资源丰富地区的水电发展规模的不断扩大，以水电为主的清洁能源装机占比增加，导致清洁能源占比高、丰枯期发电结构差异大、发电产能严重过剩等问题。
发明内容
为了解决上述问题，本发明的目的是提供一种能够减少电量出清损失，提高电力出清效率的基于深度学习的电量出清方法及系统。
一种基于深度学习的电量出清方法，所述方法包括：
分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线；
对所述出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对所述火电优先出清电量及水电优先出清电量进行安全校核；
当所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。
根据本发明提供的基于深度学习的电量出清方法，通过对电力系统中火电机组的出让量价曲线及水电机组的受让量价曲线进行审核，以便于确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，提高出清效率；通过对所述火电优先出清电量及水电优先出清电量进行安全校核，以确定目标时段内的各机组开停机方案和相应电量范围，并校验机组优先出清电量的可执行性；通过在所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核，从而进一步提升水电出清电量及火电出清电量的效率和可靠性。本发明能够由于减少丰枯期发电结构差异大、发电产能严重过剩而导致电量出清损失大、出清效率的问题，满足了实际应用需求。
另外，根据本发明上述的基于深度学习的电量出清方法，还可以具有如下附加的技术特征：
进一步地，分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线的方法包括：
获取所述电力系统的电力信息，所述电力信息包括系统信息、机组信息、联络线计划信息、负荷信息及灵敏度信息；
根据所述电力信息、火电机组的火电出让量、火电价格及对应的时段电量，确定所述火电机组的出让量价曲线；
根据所述电力信息、水电机组的水电受让量、水电价格及对应的时段电量，确定所述水电机组的受让量价曲线。
进一步地，对所述出让量价曲线进行审核，并根据火电报价确定火电机组的火电优先出清电量的方法包括：
对所述火电机组的火电成本进行核算；
当所述电力系统中未存储当前火电机组的火电成本信息时，则将上网标杆电价乘以预设电价系数作为当前火电机组的火电成本，且火电报价大于其发电成本的价格为有效报价格；
当所述火电报价大于或等于合同价格与火电最低补偿价的火电价差时，则根据所述火电价差确定火电机组的火电优先出清电量；
当所述火电报价小于合同价格与火电最低补偿价的火电价差时，则进入集中撮合出清。
进一步地，对所述受让量价曲线进行审核，并根据水电报价确定水电机组的水电优先出清电量的方法包括：
对所述水电机组的收购价格进行核算，且当所述水电报价高于水电上网的标杆电价时，为无效报价；
当所述水电报价小于等于电网统一收购价与水电最小盈利价的水电价和时，则根据所述水电价和确定水电机组的水电优先出清电量；
当所述水电报价大于电网统一收购价与水电最小盈利价的水电价和时，则进入集中撮合出清。
进一步地，对所述火电优先出清电量、水电优先出清电量及优先配对出清的电量进行安全校核的方法包括：
根据第一目标时段内的机组组合模型及第一约束条件，确定该时段的机组开停机方案和相应电量范围，其中所述第一约束条件包括系统负荷平衡约束、系统备用约束、机组最小开机/停机时间约束、机组处理上下限约束、机组爬坡能力约束、机组目标时段合约电量约束及线路潮流约束；
根据电量校核模型及第二约束条件，确定第二目标时段内的机组出力，并校验机组优先出清电量的可执行性，其中所述第二约束条件为松弛变量，以表征每台机组优先出清电量的偏差。
进一步地，所述机组组合模型为：
Figure BDA0002516052060000041
其中，Pi,t为发电机组i在时段t的有功出力；CG,t为发电机组i 的发电成本函数；
Figure BDA0002516052060000042
为发电机组i在时段t的启停机状态变量，该变量为0和1整数变量；CU,t为发电机组i的启停成本函数，表征机组启停产生的损耗；T为优化总时段数，月度一般为每月31天(时段)；NG为发电机组总数。
进一步地，若所述松弛变量为0，则表明第一目标时段内的机组开停机计划能够满足机组电量计划；若所述存在松弛变量不为0，则松弛变量的大小代表对应机组优先出清电量的待修正量，并跟所述待修正量跟新机组组合模型；
所述电量校核模型为：
Figure BDA0002516052060000043
Figure BDA0002516052060000044
di,1,di,2≥0
Figure BDA0002516052060000045
其中，di,1、di,2为优先出清电量的松弛变量；Wi为机组i优先出清电量；Pi,t,s为机组i在时段t中时刻s的有功出力；时刻s是时段t 中的时间点；
Figure BDA0002516052060000051
为第一目标时段内得到的各时段机组开停机状态。
本发明的另一实施例提出一种基于深度学习的电量出清系统，解决了现有清洁能源占比高、丰枯期发电结构差异大、发电产能严重过剩的问题。
根据本发明实施例的基于深度学习的电量出清系统，包括：
信息获取模块，用于分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线；
第一校核模块，用于对所述出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对所述火电优先出清电量及水电优先出清电量进行安全校核；
第二校核模块，用于当所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。
本发明的另一个实施例还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
本发明的另一个实施例还提出一种出清设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。
附图说明
图1是本发明第一实施例提出的基于深度学习的电量出清方法的流程图；
图2是图1中步骤S101的具体流程图；
图3是图1中确定火电机组的火电优先出清电量的具体流程图；
图4是图1中确定水电机组的水电优先出清电量的具体流程图；
图5是图1中进行安全校核的具体流程图；
图6是本发明第二实施例提出的基于深度学习的电量出清系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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，本发明第一实施例提出的一种基于深度学习的电量出清方法，其中，包括步骤S101～S103：
步骤S101，分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线。
其中，为利用电价引导能源资源合理优化配置，促进电力系统高比例新能源消纳，因此以水电为主的清洁能源装机占比增加，导致清洁能源占比高、丰枯期发电结构差异大、发电产能严重过剩等问题。本发明实施例中，为了解决这一问题对进行电量出清的水火电企业中对应的火电机组的让量价曲线及水电机组的受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对火电优先出清电量及水电优先出清电量进行安全校核，以提高水火电的出清效率、可靠性及可执行性，减少了电量出清周期，通过在火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核，以进一步提升水火电的出清电量及可靠性。
在本实施例中，通过火电机组的出让量价曲线及水电机组的受让量价曲线的生成，以便于对火电机组及水电机组的出清电量趋势及价格趋势进行预测，为后续对火电机组及水电机组的出清电量和价格申报提供参考。
进一步地，分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线的步骤之前，所述方法还包括：根据目标时间段内电力系统的电力电量平衡度、水库优化调度、电网安全约束，确定该电力系统的可吸纳水电电量预测值；核定目标时间段内电力系统中火电机组的上网电量及签约电量，并确定火电出清电量的最低补偿价格和水电出清电量最小盈利价格。
具体实施时，调度机构每月根据电力系统的电力电量平衡、水库优化调度、电网安全约束等，发布水电月最大可吸纳电量预测值；核定参与电量出清的火(核)电企业的月度计划上网电量(非市场部分) 和通过市场化交易获得的签约电量；确定参与电量出清的水火发电权的火电企业的出清电价与发电成本；根据电量出清结果确定火电出清电量的最低补偿价格和水电出清电量最小盈利价。
请参阅图2，分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线的方法包括如下步骤：
步骤S1011，获取所述电力系统的电力信息，所述电力信息包括系统信息、机组信息、联络线计划信息、负荷信息及灵敏度信息。
其中，所述系统信息包括时段信息、系统负荷、系统备用要求，所述机组信息包括机组基本信息、机组计算参数、机组启动报价、机组初始状态、机组电力约束及机组爬坡速率，所述联络线计划信息包括联络线基本信息及联络线计划功率，所述负荷信息为母线负荷预测，所述灵敏度信息包括机组、负荷注入功率对线路、断面潮流的发电转移分布因子。可以理解的，通过所述电力信息的获取，为后续出清电量的安全审核提供必要条件。
步骤S1012，根据所述电力信息、火电机组的火电出让量、火电价格及对应的时段电量，确定所述火电机组的出让量价曲线。
可以理解的，火电企业作为发电权卖方，出清给水电企业的上网电量为出让电量，申报出让电量的实际价格与对应时段电量，即申报出让电量的分时段量价曲线。其中，出让电量不应超过其月度计划上网电量和通过市场化交易获得的签约电量的总和。
步骤S1013，根据所述电力信息、水电机组的水电受让量、水电价格及对应的时段电量，确定所述水电机组的受让量价曲线。
可以理解的，水电企业作为发电权买方，从火电企业获得的上网电量为受让电量，申报受让电量的实际价格与对应时段电量，即申报受让电量的分时段量价曲线。全区各水电企业应结合来水情况、调度机构发布的水电月度最大可吸纳电量预测值，自行决定各月参与发电权交易的电量。
步骤S102，对所述出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对所述火电优先出清电量及水电优先出清电量进行安全校核。
可以理解的，参与发电权转让的火电企业、水电企业等主体的申报信息、数据应当满足规定要求。该主体提交申报信息后，经电力调度机构和电力出清机构审核后确认申报信息生效。
请参阅图3，对所述出让量价曲线进行审核，并根据火电报价确定火电机组的火电优先出清电量的方法包括如下步骤：
步骤S1021a，对所述火电机组的火电成本进行核算。
步骤S1021b，当所述电力系统中未存储当前火电机组的火电成本信息时，则将上网标杆电价乘以预设电价系数作为当前火电机组的火电成本，且火电报价大于其发电成本的价格为有效报价格。
步骤S1021c，当所述火电报价大于或等于合同价格与火电最低补偿价的火电价差时，则根据所述火电价差确定火电机组的火电优先出清电量。
步骤S1021d，当所述火电报价小于合同价格与火电最低补偿价的火电价差时，则进入集中撮合出清。
具体的，在核算火电成本时，若无火电发电成本数据，可采用上网标杆电价乘以预设电价系数(小于1，如0.8)，且火电报价大于其发电成本的价格为有效报价格；当火电申报价格大于等于合同价格减去火电最低补偿价时，确定火电机组的火电优先出清电量并进行优先成交；当火电申报价格小于合同价格减去火电最低补偿价时，则进入集中撮合出清。其中集中撮合出清的方法为将火电报价由高到低排序，水电报价由低到高排序，依次配对形成电量出清对价差。其中，电量出清对价差等于火电申报价格与水电申报价格之差，即：电量出清对价差＝火电申报价格–水电申报价格。当电量出清对价差为负值时不能成交，电量出清对价差为正值或零时匹配有效，直到双方出现最后一个有效匹配对为止。其中，价差大的交易对优先成交；交易对价差相同时，申报时间较早的优先成交，申报时间以系统记录时间为准。
请参阅图4，对所述受让量价曲线进行审核，并根据水电报价确定水电机组的水电优先出清电量的方法包括如下步骤：
步骤S1022a，对所述水电机组的收购价格进行核算，且当所述水电报价高于水电上网的标杆电价时，为无效报价。
步骤S1022b，当所述水电报价小于等于电网统一收购价与水电最小盈利价的水电价和时，则根据所述水电价和确定水电机组的水电优先出清电量。
步骤S1022c，当所述水电报价大于电网统一收购价与水电最小盈利价的水电价和时，则进入集中撮合出清。
具体的，在核算水电的电网统一收购价格时：当水电申报价格小于等于电网统一收购价加上水电最小盈利价时，优先成交并进行安全校核；当所述水电报价大于电网统一收购价加上水电最小盈利价时，进入集中撮合出清；当水电价格高于水电上网的标杆电价时，为无效报价。
请参阅图5，对所述火电优先出清电量及水电优先出清电量进行安全校核的方法包括如下步骤：
步骤S1023a，根据第一目标时段内的机组组合模型及第一约束条件，确定该时段的机组开停机方案和相应电量范围。
所述机组组合模型为：
Figure BDA0002516052060000101
其中，Pi,t为发电机组i在时段t的有功出力；CG,t为发电机组i 的发电成本函数；
Figure BDA0002516052060000102
为发电机组i在时段t的启停机状态变量，该变量为0和1整数变量；CU,t为发电机组i的启停成本函数，表征机组启停产生的损耗；T为优化总时段数，月度一般为每月31天(时段)；NG为发电机组总数。
所述第一约束条件包括：
1)系统负荷平衡约束
Figure BDA0002516052060000103
其中，Dt为时段t的电网总负荷。
2)系统备用约束
Figure BDA0002516052060000104
其中，Pmax,i表示机组i的最大技术出力，RP表示旋转备用率。
3)机组最小开机/停机时间约束
根据机组的物理属性及实际运行需求，机组的连续开机/停机时间要大于一定的限值：
Figure BDA0002516052060000111
其中，Ei,t,on表示机组i时段t的持续开机时间；Ei,t,off表示机组i 时段t的持续关机时间；Ti,U表示机组i的最小开机时间；Ti,D表示机组i的最小关机时间。
4)机组处理上下限约束
开机机组的出力Pi,t应该处于最大、最小技术出力范围之内：
Figure BDA0002516052060000112
其中，Pmin,i、Pmax,i表示机组i的最大、最小技术出力。
5)机组爬坡能力约束
Figure BDA0002516052060000113
Figure BDA0002516052060000114
其中，Dmax,i为机组i的最大增出力速率；Dmin,i为机组i的最大降出力速率。
6)机组目标时段合约电量约束
机组在一定时段内需要满足中长期电量合约，进而限制了机组的发电量范围：
Figure BDA0002516052060000115
其中，Wi,down为机组i合约电量下限；Wi,up为机组i合约电量上限； Ho为发电计划周期内的时段长度。
7)线路潮流约束
Figure BDA0002516052060000116
其中，K为系统中的负荷节点总数；Pl,max为线路l传输功率的上限；Pl,min为线路l传输功率的下限；Dj,t为电网中节点j在时段t的节点负荷预测值；Gl,i为机组i对线路l的功率转移分布因子；Gl,j为节点j对线路l的功率转移分布因子。
步骤S1023b，根据电量校核模型及第二约束条件，确定第二目标时段内的机组出力，并校验机组优先出清电量的可执行性，其中所述第二约束条件为松弛变量，以表征每台机组优先出清电量的偏差。
进一步地，若所述松弛变量为0，则表明第一目标时段内的机组开停机计划能够满足机组电量计划；若所述存在松弛变量不为0，则松弛变量的大小代表对应机组优先出清电量的待修正量，并跟所述待修正量跟新机组组合模型；
具体的，通过电量校核模型在所确定的机组开停机计划的基础上，对各机组的机组的优先出清电量完成情况进行校核与修正，以减少偏差，所述电量校核模型为：
Figure BDA0002516052060000121
其中，di,1、di,2为优先出清电量的松弛变量。
为了精确描述各机组的优先出清电量完成情况，电量校核模型不再以每天最大负荷为基准粗略衡量月度电量，取而代之的是根据每天每个时段实际机组出力精确衡量月度电量，为了保证模型的可行性，每条电量约束添加相应的松弛变量di,1、di,2。相应电量约束如式(11) 和式(12)所示，第一阶段和第二阶段连接约束如式(13)所示
Figure BDA0002516052060000122
di,1,di,2≥0 (12)
Figure BDA0002516052060000123
其中，di,1、di,2为优先出清电量的松弛变量；Wi为机组i优先出清电量；Pi,t,s为机组i在时段t中时刻s的有功出力；时刻s是时段t 中的时间点；
Figure BDA0002516052060000124
为第一目标时段内得到的各时段机组开停机状态。
可以理解的，校核主要分为两个阶段：第一阶段建立月度机组组合模型，通过求解该模型得到月度机组开停机方案和相应电量范围；第二阶段在第一阶段所确定的机组开停机方案和电量范围的基础上，通过精细化求解5时段(或者24时段)机组出力，校验机组电量合同的可执行性。通过在第二阶段电量约束中引入松弛变量，表征每台机组合同电量的偏差，若所有松弛变量为0，则说明第一阶段所制定的机组开停机计划能够满足机组电量计划；若存在松弛变量不为0的情况，则松弛变量的大小代表对应机组优先出清电量的待修正量，此时，需要将电量偏差反馈回机组组合进行优化。
步骤S103，当所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。
可以理解的，通过在所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核，从而进一步提升水电出清电量及火电出清电量的效率及可靠性，满足了实际应用需求
在此还需要说明的是，在本发明其他实施例中，在集中撮合出清的结果经过安全校核后，所述方法还包括对市场主体各方进行结算并对出清结果与结算结果进行输出：
1)差价收益返还
电网公司收取的差价，即：
差价收益＝∑{(火电成交价格-水电成交价格)*对应的成交电量}
电网公司将差价收益分为两部分进行返还：
第一部分作为对火电在水火发电权出清中成交电量的利益返还，按照成交电量比例进行返还；
第二部分作为对水电在水火发电权出清中成交电量的利益返还，按照成交电量比例进行返还。
2)发电权出让方
火电按出让合同对应的价格与在集中撮合市场中申报的合约价格之差获得补偿的价格进行结算，即：
火电企业结算＝∑{(火电合同价格-火电成交价格)*对应的成交电量+对应电量的差价返还}
3)发电权受让方
水电按其在集中撮合出清中申报的合约价格进行结算。
水电企业结算＝∑{(水电成交价格*对应的成交电量)+对应电量的差价返还}
根据本发明提供的基于深度学习的电量出清方法，通过对电力系统中火电机组的出让量价曲线及水电机组的受让量价曲线进行审核，以便于确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，提高出清效率；通过对所述火电优先出清电量及水电优先出清电量进行安全校核，以确定目标时段内的各机组开停机方案和相应电量范围，并校验机组优先出清电量的可执行性；通过在所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核，从而进一步提升水电出清电量及火电出清电量的效率和可靠性。本发明能够由于减少丰枯期发电结构差异大、发电产能严重过剩而导致电量出清损失大、出清效率的问题，满足了实际应用需求。
请参阅图6，基于同一发明构思，本发明第二实施例提供的基于深度学习的电量出清系统，包括：
信息获取模块10，用于分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线。
进一步地，所述信息获取模块10包括：
信息获取单元，用于获取所述电力系统的电力信息，所述电力信息包括系统信息、机组信息、联络线计划信息、负荷信息及灵敏度信息。
第一确定单元，用于根据所述电力信息、火电机组的火电出让量、火电价格及对应的时段电量，确定所述火电机组的出让量价曲线。
第二确定单元，用于根据所述电力信息、水电机组的水电受让量、水电价格及对应的时段电量，确定所述水电机组的受让量价曲线。
第一校核模块20，用于对所述出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对所述火电优先出清电量及水电优先出清电量进行安全校核。
进一步地，所述第一校核模块20包括：
第一审核单元，用于对所述出让量价曲线进行审核，并根据火电报价确定火电机组的火电优先出清电量。
具体的，对所述火电机组的火电成本进行核算；当所述电力系统中未存储当前火电机组的火电成本信息时，则将上网标杆电价乘以预设电价系数作为当前火电机组的火电成本，且火电报价大于其发电成本的价格为有效报价格；当所述火电报价大于或等于合同价格与火电最低补偿价的火电价差时，则根据所述火电价差确定火电机组的火电优先出清电量；当所述火电报价小于合同价格与火电最低补偿价的火电价差时，则进入集中撮合出清。
第二审核单元，用于对所述受让量价曲线进行审核，并根据水电报价确定水电机组的水电优先出清电量。
具体的，对所述水电机组的收购价格进行核算，且当所述水电报价高于水电上网的标杆电价时，为无效报价；当所述水电报价小于等于电网统一收购价与水电最小盈利价的水电价和时，则根据所述水电价和确定水电机组的水电优先出清电量；当所述水电报价大于电网统一收购价与水电最小盈利价的水电价和时，则进入集中撮合出清。
安全校核单元，用于对所述火电优先出清电量、水电优先出清电量及优先配对出清的电量进行安全校核。
进一步地，根据第一目标时段内的机组组合模型及第一约束条件，确定该时段的机组开停机方案和相应电量范围，其中所述第一约束条件包括系统负荷平衡约束、系统备用约束、机组最小开机/停机时间约束、机组处理上下限约束、机组爬坡能力约束、机组目标时段合约电量约束及线路潮流约束；根据电量校核模型及第二约束条件，确定第二目标时段内的机组出力，并校验机组优先出清电量的可执行性，其中所述第二约束条件为松弛变量，以表征每台机组优先出清电量的偏差。
具体的，所述机组组合模型为：
Figure BDA0002516052060000161
其中，Pi,t为发电机组i在时段t的有功出力；CG,t为发电机组i 的发电成本函数；
Figure BDA0002516052060000162
为发电机组i在时段t的启停机状态变量，该变量为0和1整数变量；CU,t为发电机组i的启停成本函数，表征机组启停产生的损耗；T为优化总时段数，月度一般为每月31天(时段)；NG为发电机组总数。
具体的，若所述松弛变量为0，则表明第一目标时段内的机组开停机计划能够满足机组电量计划；若所述存在松弛变量不为0，则松弛变量的大小代表对应机组优先出清电量的待修正量，并跟所述待修正量跟新机组组合模型；
所述电量校核模型为：
Figure BDA0002516052060000163
Figure BDA0002516052060000164
di,1,di,2≥0
Figure BDA0002516052060000165
其中，di,1、di,2为优先出清电量的松弛变量；Wi为机组i优先出清电量；Pi,t,s为机组i在时段t中时刻s的有功出力；时刻s是时段t 中的时间点；
Figure BDA0002516052060000171
为第一目标时段内得到的各时段机组开停机状态。
第二校核模块30，用于当所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。
根据本发明提供的基于深度学习的电量出清系统，通过对电力系统中火电机组的出让量价曲线及水电机组的受让量价曲线进行审核，以便于确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，提高出清效率；通过对所述火电优先出清电量及水电优先出清电量进行安全校核，以确定目标时段内的各机组开停机方案和相应电量范围，并校验机组优先出清电量的可执行性；通过在所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核，从而进一步提升水电出清电量及火电出清电量的效率和可靠性。本发明能够由于减少丰枯期发电结构差异大、发电产能严重过剩而导致电量出清损失大、出清效率的问题，满足了实际应用需求。
本发明实施例提出的基于深度学习的电量出清系统的技术特征和技术效果与本发明实施例提出的方法相同，在此不予赘述。
此外，本发明的实施例还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
此外，本发明的实施例还提出一种出清设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于深度学习的电量出清方法，其特征在于，所述方法包括如下步骤：
分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线；
对所述出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对所述火电优先出清电量及水电优先出清电量进行安全校核；
当所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。
2.根据权利要求1所述的基于深度学习的电量出清方法，其特征在于，分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线的方法包括：
获取所述电力系统的电力信息，所述电力信息包括系统信息、机组信息、联络线计划信息、负荷信息及灵敏度信息；
根据所述电力信息、火电机组的火电出让量、火电价格及对应的时段电量，确定所述火电机组的出让量价曲线；
根据所述电力信息、水电机组的水电受让量、水电价格及对应的时段电量，确定所述水电机组的受让量价曲线。
3.根据权利要求1所述的基于深度学习的电量出清方法，其特征在于，对所述出让量价曲线进行审核，并根据火电报价确定火电机组的火电优先出清电量的方法包括：
对所述火电机组的火电成本进行核算；
当所述电力系统中未存储当前火电机组的火电成本信息时，则将上网标杆电价乘以预设电价系数作为当前火电机组的火电成本，且火电报价大于其发电成本的价格为有效报价格；
当所述火电报价大于或等于合同价格与火电最低补偿价的火电价差时，则根据所述火电价差确定火电机组的火电优先出清电量；
当所述火电报价小于合同价格与火电最低补偿价的火电价差时，则进入集中撮合出清。
4.根据权利要求1所述的基于深度学习的电量出清方法，其特征在于，对所述受让量价曲线进行审核，并根据水电报价确定水电机组的水电优先出清电量的方法包括：
对所述水电机组的收购价格进行核算，且当所述水电报价高于水电上网的标杆电价时，为无效报价；
当所述水电报价小于等于电网统一收购价与水电最小盈利价的水电价和时，则根据所述水电价和确定水电机组的水电优先出清电量；
当所述水电报价大于电网统一收购价与水电最小盈利价的水电价和时，则进入集中撮合出清。
5.根据权利要求1所述的基于深度学习的电量出清方法，其特征在于，对所述火电优先出清电量、水电优先出清电量及优先配对出清的电量进行安全校核的方法包括：
根据第一目标时段内的机组组合模型及第一约束条件，确定该时段的机组开停机方案和相应电量范围，其中所述第一约束条件包括系统负荷平衡约束、系统备用约束、机组最小开机/停机时间约束、机组处理上下限约束、机组爬坡能力约束、机组目标时段合约电量约束及线路潮流约束；
根据电量校核模型及第二约束条件，确定第二目标时段内的机组出力，并校验机组优先出清电量的可执行性，其中所述第二约束条件为松弛变量，以表征每台机组优先出清电量的偏差。
6.根据权利要求5所述的基于深度学习的电量出清方法，其特征在于，所述机组组合模型为：
Figure FDA0002516052050000031
其中，Pi,t为发电机组i在时段t的有功出力；CG,t为发电机组i的发电成本函数；
Figure FDA0002516052050000032
为发电机组i在时段t的启停机状态变量，该变量为0和1整数变量；CU,t为发电机组i的启停成本函数，表征机组启停产生的损耗；T为优化总时段数，月度一般为每月31天(时段)；NG为发电机组总数。
7.根据权利要求5所述的基于深度学习的电量出清方法，其特征在于，若所述松弛变量为0，则表明第一目标时段内的机组开停机计划能够满足机组电量计划；若所述存在松弛变量不为0，则松弛变量的大小代表对应机组优先出清电量的待修正量，并跟所述待修正量跟新机组组合模型；
所述电量校核模型为：
Figure FDA0002516052050000033
Figure FDA0002516052050000034
di,1,di,2≥0
Figure FDA0002516052050000035
其中，di,1、di,2为优先出清电量的松弛变量；Wi为机组i优先出清电量；Pi,t,s为机组i在时段t中时刻s的有功出力；时刻s是时段t中的时间点；
Figure FDA0002516052050000036
为第一目标时段内得到的各时段机组开停机状态。
8.一种基于深度学习的电量出清系统，其特征在于，所述系统包括：
信息获取模块，用于分别获取电力系统中火电机组及水电机组的出让量价曲线及受让量价曲线；
第一校核模块，用于对所述出让量价曲线及受让量价曲线进行审核，并根据火电报价及水电报价分别确定火电机组的火电优先出清电量及水电机组的水电优先出清电量，同时对所述火电优先出清电量及水电优先出清电量进行安全校核；
第二校核模块，用于当所述火电优先出清电量大于或小于水电优先出清电量时，多出来的火电出清电量或水电出清电量分别与低报价水电优先配对出清或高报价火电优先配对出清后，再次对优先配对出清的电量进行安全校核。
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7任意一项所述的方法。
10.一种出清设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
CN202010476540.2A 2020-05-29 2020-05-29 基于深度学习的电量出清方法、系统、介质及出清设备 Active CN111898789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010476540.2A CN111898789B (zh) 2020-05-29 2020-05-29 基于深度学习的电量出清方法、系统、介质及出清设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010476540.2A CN111898789B (zh) 2020-05-29 2020-05-29 基于深度学习的电量出清方法、系统、介质及出清设备

Publications (2)

Publication Number Publication Date
CN111898789A true CN111898789A (zh) 2020-11-06
CN111898789B CN111898789B (zh) 2024-02-13

Family

ID=73207546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010476540.2A Active CN111898789B (zh) 2020-05-29 2020-05-29 基于深度学习的电量出清方法、系统、介质及出清设备

Country Status (1)

Country Link
CN (1) CN111898789B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011022902A (ja) * 2009-07-17 2011-02-03 Ritsumeikan 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム
CN103236719A (zh) * 2013-04-17 2013-08-07 国家电网公司 风电和火电接入电网后的风电打捆控制方法
CN106157098A (zh) * 2016-08-26 2016-11-23 中国南方电网有限责任公司电网技术研究中心 发电权交易方法与系统
CN106548296A (zh) * 2016-11-22 2017-03-29 西南科技大学 促进清洁优质电能消纳的混合发电权交易匹配方法
CN106682933A (zh) * 2016-10-10 2017-05-17 国家电网公司 一种考虑输电网损影响因子的跨区跨省电力用户直接交易方法
CN107153885A (zh) * 2017-03-31 2017-09-12 国电南瑞科技股份有限公司 考虑火电机组深度调峰的实时发电计划优化方法
CN108879796A (zh) * 2018-08-10 2018-11-23 广东电网有限责任公司 电力日前市场出清计算方法、系统、装置及可读存储介质
CN109064028A (zh) * 2018-08-03 2018-12-21 南方电网科学研究院有限责任公司 发电权交易-碳交易藕合模型构建方法与系统
CN109377411A (zh) * 2018-10-29 2019-02-22 南方电网科学研究院有限责任公司 基于区块链的电力市场集中撮合交易方法及装置
US20190147464A1 (en) * 2017-11-16 2019-05-16 Tsinghua University Method and apparatus for clearing electric quantity market
CN109829559A (zh) * 2018-04-20 2019-05-31 广东电网有限责任公司 一种促进清洁能源消纳的调峰权交易方法
CN110350599A (zh) * 2019-07-16 2019-10-18 国家电网有限公司 一种风光一体消纳控制方法及系统
CN110378787A (zh) * 2019-06-27 2019-10-25 国电南瑞科技股份有限公司 一种交易电量的分解方法、装置及系统
CN110555757A (zh) * 2019-09-09 2019-12-10 国家电网公司西北分部 一种适用于高比例新能源参与的电量库现货交易方法
CN110689286A (zh) * 2019-11-13 2020-01-14 国网陕西省电力公司电力科学研究院 中长期电力市场下风火打捆电厂的最优合同电量决策方法
CN110866646A (zh) * 2019-11-18 2020-03-06 国家电网公司西北分部 一种电力系统安全校核方法及安全校核装置
CN110991733A (zh) * 2019-11-29 2020-04-10 国网吉林省电力有限公司电力科学研究院 一种电力系统省间调峰需求和调峰能力评估分析方法
CN111030101A (zh) * 2019-12-16 2020-04-17 北京科东电力控制系统有限责任公司 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN111130146A (zh) * 2020-01-16 2020-05-08 南方电网科学研究院有限责任公司 一种基于火电深度调峰的水电消纳方法及装置
CN111178956A (zh) * 2019-12-23 2020-05-19 全球能源互联网集团有限公司 一种适用于跨国电-碳市场的交易模型及报价策略

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011022902A (ja) * 2009-07-17 2011-02-03 Ritsumeikan 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム
CN103236719A (zh) * 2013-04-17 2013-08-07 国家电网公司 风电和火电接入电网后的风电打捆控制方法
US20150349528A1 (en) * 2013-04-17 2015-12-03 State Grid Corporation Of China Wind power bundling control method after wind power and thermal power are connected to grid
CN106157098A (zh) * 2016-08-26 2016-11-23 中国南方电网有限责任公司电网技术研究中心 发电权交易方法与系统
CN106682933A (zh) * 2016-10-10 2017-05-17 国家电网公司 一种考虑输电网损影响因子的跨区跨省电力用户直接交易方法
CN106548296A (zh) * 2016-11-22 2017-03-29 西南科技大学 促进清洁优质电能消纳的混合发电权交易匹配方法
CN107153885A (zh) * 2017-03-31 2017-09-12 国电南瑞科技股份有限公司 考虑火电机组深度调峰的实时发电计划优化方法
US20190147464A1 (en) * 2017-11-16 2019-05-16 Tsinghua University Method and apparatus for clearing electric quantity market
CN109829559A (zh) * 2018-04-20 2019-05-31 广东电网有限责任公司 一种促进清洁能源消纳的调峰权交易方法
CN109064028A (zh) * 2018-08-03 2018-12-21 南方电网科学研究院有限责任公司 发电权交易-碳交易藕合模型构建方法与系统
CN108879796A (zh) * 2018-08-10 2018-11-23 广东电网有限责任公司 电力日前市场出清计算方法、系统、装置及可读存储介质
CN109377411A (zh) * 2018-10-29 2019-02-22 南方电网科学研究院有限责任公司 基于区块链的电力市场集中撮合交易方法及装置
CN110378787A (zh) * 2019-06-27 2019-10-25 国电南瑞科技股份有限公司 一种交易电量的分解方法、装置及系统
CN110350599A (zh) * 2019-07-16 2019-10-18 国家电网有限公司 一种风光一体消纳控制方法及系统
CN110555757A (zh) * 2019-09-09 2019-12-10 国家电网公司西北分部 一种适用于高比例新能源参与的电量库现货交易方法
CN110689286A (zh) * 2019-11-13 2020-01-14 国网陕西省电力公司电力科学研究院 中长期电力市场下风火打捆电厂的最优合同电量决策方法
CN110866646A (zh) * 2019-11-18 2020-03-06 国家电网公司西北分部 一种电力系统安全校核方法及安全校核装置
CN110991733A (zh) * 2019-11-29 2020-04-10 国网吉林省电力有限公司电力科学研究院 一种电力系统省间调峰需求和调峰能力评估分析方法
CN111030101A (zh) * 2019-12-16 2020-04-17 北京科东电力控制系统有限责任公司 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN111178956A (zh) * 2019-12-23 2020-05-19 全球能源互联网集团有限公司 一种适用于跨国电-碳市场的交易模型及报价策略
CN111130146A (zh) * 2020-01-16 2020-05-08 南方电网科学研究院有限责任公司 一种基于火电深度调峰的水电消纳方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴引航，凡华: "电能与调频辅助服务联合出清模型研究", 企业技术开发, vol. 37, no. 8, pages 32 - 34 *
周明，武昭原，贺宜恒，李庚银，赵彤， 龙苏岩: "兼顾中长期交易和风电参与的日前市场出清模型", 中国科学:信息科学, vol. 49, no. 8, pages 1050 - 1065 *
李晓刚,言茂松,王: "电力市场中水电的当量定价及其收支平衡分析", 电力系统自动化, no. 09, pages 1 - 5 *

Also Published As

Publication number Publication date
CN111898789B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Aghaei et al. Risk-constrained offering strategy for aggregated hybrid power plant including wind power producer and demand response provider
Turvey Interconnector economics
CN110909910B (zh) 一种基于pbr的偏差电量考核机制优化设计方法
Nikpour et al. Day-ahead optimal bidding of microgrids considering uncertainties of price and renewable energy resources
CN109087213B (zh) 一种分散式电力现货市场交易模拟方法
CN110649598B (zh) 一种计及区域内虚拟电厂调节节点电价的方法及系统
JP2006235888A (ja) 電力事業会社における収益予測及び収益計測のためのコンピュータ・システム、収益予測方法及び収益計測方法
CN111027739A (zh) 基于负荷集成商的双层两阶段需求响应调度方法及系统
Hou et al. An energy imbalance settlement mechanism considering decision-making strategy of retailers under renewable portfolio standard
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
Shayesteh et al. Congestion management using demand response programs in power market
CN108418210A (zh) 提高风电消纳能力的可中断负荷机制设计优化方法
O’Neill et al. Essays on average incremental cost pricing for independent system operators
CN112132386A (zh) 一种日前出清与可靠性机组组合联合优化方法及系统
Wang et al. A Transition Mechanism for the Participation of Renewable Energy Generation Companies in Competitive Electricity Spot Markets
CN110929978A (zh) 一种电力市场风险评估方法及评估系统
CN114693346A (zh) 电力市场出清方法、系统、设备及存储介质
CN111898789A (zh) 基于深度学习的电量出清方法、系统、介质及出清设备
CN114298839A (zh) 一种市场化电力用户参与电力现货市场报价方法
Angaphiwatchawal et al. Centralized Optimal Operations of Local Energy Trading Market in Distribution System
Prada et al. Pricing reliability: A probabilistic approach
Wu et al. Strategic bidding of gas-fired units with tanks in coupled electricity and natural gas markets
Mackenzie Resistance is futile-implementing automated renewable trading in competitive energy markets
Dong et al. Equivalence of Scarcity Pricing and Reliability Options in Guiding Generation Investment
Ying et al. Research on Bidding Strategy of Virtual Power Plant Considering Risk Preference

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
GR01 Patent grant
GR01 Patent grant