CN112101981A - 一种基于机会成本的电力调频市场报价计算方法及系统 - Google Patents
一种基于机会成本的电力调频市场报价计算方法及系统 Download PDFInfo
- Publication number
- CN112101981A CN112101981A CN202010775451.8A CN202010775451A CN112101981A CN 112101981 A CN112101981 A CN 112101981A CN 202010775451 A CN202010775451 A CN 202010775451A CN 112101981 A CN112101981 A CN 112101981A
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- information
- market
- calculating
- winning
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 30
- 238000010248 power generation Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims description 66
- 238000013479 data entry Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005192 partition Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 14
- 238000013523 data management Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010835 comparative analysis Methods 0.000 abstract description 3
- 230000002354 daily effect Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000000540 analysis of variance Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Finance (AREA)
- Biomedical Technology (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于机会成本的电力调频市场报价计算方法及系统，所述方法包括：计算仅能量市场参与的收益信息，计算参与调频市场的总收益信息，通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，根据所述两个市场的收益对比信息，计算出毛利差信息，从而分别确定申报容量和申报价格。本发明通过分别计算发电企业在不参与调频和参与调频情况的整体发电收益，对比分析得到最优申报策略，从而帮助发电企业实现利益最大化；同时，解决传统调频数据管理存储量大导致数据混乱，而依靠人工经验处理无法有效提供数据展示、结算、复盘以及策略支撑的问题。
Description
技术领域
本发明涉及电力市场技术领域，尤其是涉及一种基于机会成本的电力调频市场报价计算方法及系统。
背景技术
对于电力调频市场的报价计算方法，现有技术一般采用传统的最低报价或者最高报价方法，还有通过边际成本的方法指导电力调频市场的价格申报。
但是，在对现有技术的研究与实践过程中，本发明的发明人发现，现有的电力调频市场报价方法存在如下缺陷：具有局限性，未能充分考虑发电企业的整体利益，存在由于参与调频预留了容量导致发电收益和整体利益受损的情况；同时由于缺乏市场统一出清价格信息的预测，因此无法界定中标以及对应的收益情况；另外，未来现货市场的节点价格及中标出力也会影响调频市场的容量及价格申报，现有传统的申报方案难以保障最优的能量利润，也存在难以界定价格申报的缺陷。因此，亟需一种能够克服上述缺陷的电力调频市场报价计算方法及系统。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于机会成本的电力调频市场报价计算方法及系统，能够计算发电企业在不参与调频和参与调频情况的整体发电收益，通过对比分析得到发电企业的最优申报策略，从而帮助发电企业实现利益最大化。
为解决上述问题，本发明的一个实施例提供了一种基于机会成本的电力调频市场报价计算方法，至少包括如下步骤：
计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；
计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；
通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；
根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
作为优选方案，所述基于机会成本的电力调频市场报价计算方法，还包括：
预先录入发电调频系统的调频数据、每月数据和每日数据，获取D日交易边界信息、昨日出清信息、历史收益信息、历史市场信息和机组性能信息。
作为优选方案，在采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值之前，还包括：
采集发电调频系统的历史中标数据和需求信息，包括历史中标K值、历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、仅参与能量市场下的能量出力数据、短期系统负荷信息和分区调频需求信息。
作为优选方案，所述采用预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，具体包括：
将所述历史统一出清价、历史调频总里程、短期系统负荷信息和分区调频需求信息输入至所述预测算法模型中，得到参与调频市场的预测统一出清价；
将所述历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、短期系统负荷信息和分区调频需求信息输入至所述预测算法模型中，得到预测的中标里程；
将所述能量出力预测值和历史中标K值输入至所述预测算法模型中，得到预测的中标K值。
作为优选方案，所述计算参与调频市场的总收益信息，还包括：
根据所述中标里程和中标K值计算里程补偿信息和容量补偿信息；
根据所述能量出力预测值计算发电收入信息；
根据所述中标里程和单位里程成本计算里程增加成本；
根据成本系数和所述能量出力预测值计算发电成本。
作为优选方案，所述预设的预测算法模型，具体包括：
通过方差分析法分析发电调频系统的历史数据特征的变化趋势，选择预测算法模型中的回归预测算法策略；
采用相关系数法求取历史数据与关联数据的相关系数，选取所述预测算法模型中的回归预测算法的特征集；
采用时间序列方法、机器学习方法以及深度学习方法挖掘历史数据的特征规律。
本发明的一个实施例还提供了一种基于机会成本的电力调频市场报价计算系统，包括：
仅能量市场收益模块，用于计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；
参与调频市场收益模块，用于计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；
市场收益比对模块，用于通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；
报价计算模块，用于根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
作为优选方案，所述基于机会成本的电力调频市场报价计算系统，还包括：
数据录入模块，用于预先录入发电调频系统的调频数据、每月数据和每日数据，获取D日交易边界信息、昨日出清信息、历史收益信息、历史市场信息和机组性能信息。
本发明的一个实施例还提供了一种基于机会成本的电力调频市场报价计算的终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于机会成本的电力调频市场报价计算方法。
本发明的一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的基于机会成本的电力调频市场报价计算方法。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的一种基于机会成本的电力调频市场报价计算方法及系统，所述方法包括：计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
与现有技术相比，本发明实施例能够通过分别计算发电企业在不参与调频情况下的发电收益和发电企业在参与调频情况下整体的收益，对比分析得出最优申报建议，帮助发电企业实现利益最大化，帮助其规避风险，进行科学决策的调频申报；同时帮助发电企业将调频业务进行信息化管理，解决发电企业因传统调频数据管理存储量大因而数据混乱，基本依靠人工经验处理，导致无法有效地提供数据展示、结算、复盘以及策略支撑的问题。
附图说明
图1为本发明第一实施例提供的一种基于机会成本的电力调频市场报价计算方法的流程示意图；
图2为本发明第一实施例提供的另一种基于机会成本的电力调频市场报价计算方法的流程示意图；
图3为本发明第二实施例提供的一种基于机会成本的电力调频市场报价计算系统的结构示意图；
图4为本发明第二实施例提供的另一种基于机会成本的电力调频市场报价计算系统的结构示意图；
图5为本发明第二实施例提供的一种基于机会成本的电力调频市场报价计算系统功能框架的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
首先介绍本发明可以提供的应用场景，如通过计算调频辅助市场的收益和预留容量的电能量收益，对比分析得出发电企业的最优申报策略。
本发明第一实施例：
请参阅图1-2。
如图1所示，本实施例提供了一种基于机会成本的电力调频市场报价计算方法，至少包括如下步骤：
S101、计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；
具体的，对于步骤S101，首先是计算仅能量市场的收益，通过KNN算法对短期系统负荷预测数据和历史能量出力进行算法预测计算，预测得到仅能量市场的能量出力预测值，根据该能量出力预测值计算对应的收入、成本和毛利；其中收入的计算公式为：收入＝能量出力*偏差2价格，成本的计算方式为：成本＝成本系数a*能量出力2+成本系数b*能量出力+成本系数c，根据收入和成本进行计算对应的毛利，毛利＝收入-成本。
S102、计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；
在优选的实施例中，所述计算参与调频市场的总收益信息，还包括：
根据所述中标里程和中标K值计算里程补偿信息和容量补偿信息；
根据所述能量出力预测值计算发电收入信息；
根据所述中标里程和单位里程成本计算里程增加成本；
根据成本系数和所述能量出力预测值计算发电成本。
在优选的实施例中，在采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值之前，还包括：
采集发电调频系统的历史中标数据和需求信息，包括历史中标K值、历史中标里程、历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、仅参与能量市场下的能量出力数据、短期系统负荷信息和分区调频需求信息。
具体的，对于步骤S102，计算参与调频市场的总收益，在采集发电调频系统的历史中标数据和需求信息后，采用预设的预测算法模型预测计算中标里程、中标K值、统一出清价(参与调频市场)和能量出力(参与调频市场)，在预测得到上述数据后，进一步计算里程补偿、容量补偿、发电收入、里程增加成本和发电成本，从而计算参与调频市场情况下的总收入、总成本以及毛利。
其中，里程补偿的计算方式为：里程补偿＝中标里程*中标K值*统一出清价(参与调频市场)；本系统支持在现行的电量版和未来的现货版两种模式下使用，容量补偿的计算方式为：容量补偿(电量版)＝单位中标容量补充标准*min{单位标准爬坡速率*5min，机组容量*0.075，调频需求*0.2/全厂中标发电单元数}，容量补偿(现货版)＝中标容量*{if上月平均节点电价-核定成本>0，上月平均节点电价-核定成本，else上月平均节点电价-核定成本<＝0，0}；发电收入的计算方式为：发电收入＝能量出力*偏差2价格；里程增加成本的计算方式为：里程增加成本＝中标里程*单位里程成本；发电成本的计算方式为：发电成本＝成本系数a*能量出力2+成本系数b*能量出力+成本系数c，对应的，总收入＝发电收入+里程补偿+容量补偿，总成本＝发电成本+里程增加成本，毛利＝总收入-总成本。
S103、通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；
具体的，对于步骤S103，通过比对步骤S101和步骤S102对应的仅能量市场和参与调频市场两种不同情况下的收益信息，从而得到两个市场的收益对比信息，其中收益对比信息包括毛利差信息，收入差信息、里程补偿信息、容量补偿信息和中标总时数，其中仅能量市场的收入、成本和毛利，以及参与调频市场的总收入、总成本和毛利在前面的步骤中已有详细的描述，在此不再赘述。在通过比对两种情况下的收益，能够更加直观有效地根据对两种不同情况的市场收益进行申报策略的调整。
在实际的方案对比过程中，用户可自定义不同的方案或者自定义对比方案的数量，并查看各个方案中的具体测算过程，下载方案中的申报容量和申报价格，在方案对比查看时，不仅可以查看总体对比，例如总毛利、总收入、里程补偿、容量补偿和中标总时数，也可以查看分项分时对比，例如容量补偿、里程补偿、收入、毛利、收入差、毛利差、能量差、统一出清价、中标里程和申报价格。
S104、根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
其中，申报价格指的是根据毛利差、统一出清价平衡点和中标里程平衡点进行综合计算得出的建议申报价格，具体包括门槛价格和价格上限。
具体的，对于步骤S104，根据两种不同市场情况下的收益对比信息，从而计算出毛利差、统一出清价平衡点和中标里程的平衡点，分别制定不同需求时的报价策略。其中，在本实施例中还可以通过计算统一出清价平衡点和中标里程平衡点从而制定报价策略，但这两种方式并非必须的。其中，毛利差＝毛利(调频+能量市场)-毛利(仅能量市场)，门槛价格＝统一出清价格*(归一化后的综合性能)，因此，根据毛利差建议发电企业的建议申报价格上限分为两种方案，第一种是建议申报价格上限＝门槛价格(毛利差≥0)，建议发电企业参与调频市场；第二种是建议申报价格上限＝价格上限(毛利差<0)，此时不建议发电企业参与调频市场，仅参与能量市场。关于统一出清价平衡点，即达到收益平衡时的统一出清价，统一出清价平衡点＝{不参与调频的毛利-(容量补偿+能量收入-参与调频成本)}/中标K值/中标里程，因此根据毛利差建议发电企业的建议申报价格上限同样分为两种方案，第一种是建议申报价格上限＝门槛价格(统一出清价≥统一出清价平衡点)，建议发电企业参与调频市场，第二种则是建议申报价格上限＝价格上限(统一出清价<统一出清价平衡点)，不建议发电企业参与调频市场。而针对中标里程平衡点，即发电企业在达到收益平衡时的中标里程，具体计算方式为：中标里程平衡点＝{不参与调频的毛利-(容量补偿+能量收入-参与调频成本)}/中标K值/统一出清价；因此根据中标里程平衡点建议发电的建议申报价格分为两种情况，第一种是建议申报价格上限＝门槛价格(统一出清价≥统一出清价平衡点)，即建议参与调频市场；第二种是建议申报价格上限＝价格上限(统一出清价<统一出清价平衡点)，即不建议参与调频市场。本方案通过在上一步骤中对两种同市场情况下的收益对比，从而计算出毛利差、统一出清价平衡点和中标里程平衡点这三个影响最后建议申报价格上限的三个因素，通过综合上述三个决定因素，从而得出发电企业参与调频和不参与调频时的建议申报价格上限，为发电企业提供一个综合的最优申报策略，帮助发电企业实现利益最大化。
其中，建议申报价格上限包括：建议参与调频时的申报价格上限、不建议参与调频的申报价格。在交易中心进行调频申报时，申报价格有上下限限制；出清时可以简单理解为以低价中标为大原则，故想中标(想参与调频)需报低价，不想中标(不想参与调频)需报高价。门槛价格指能中标的最高价格，超过门槛价格一般没法中标；故，建议参与调频时，建议使用不超过门槛价格的价格进行申报。同理，不建议参与调频时，建议使用价格上限进行申报。
在优选的实施例中，如图2所示，所述基于机会成本的电力调频市场报价计算方法，还包括：
预先录入发电调频系统的调频数据、每月数据和每日数据，获取D日交易边界信息、昨日出清信息、历史收益信息、历史市场信息和机组性能信息。
具体的，在计算两种不同市场的收益前，首先需要录入发电调频系统的相关数据，包括固定数据录入、每月数据录入和每日数据录入，其中固定数据录入包括机组调频数据，每月数据录入包括偏差2价格、月平均节点价格、容量补偿、调频分摊；每日数据包括能量出力/日前数据、统调负荷、中标里程、实测速率、报价&中标K值、分区调频需求、每日K值资格、统一出清价格、日调频总量程、日平均中标机组数、日平均中标价格和里程补偿。
在实际的数据管理过程中，本实例通过每月数据录入从而查看第一历史收益情况，第一历史收益情况包括年/月收益情况、机组中标小时数、机组中标里程、机组里程收益和机组收益占比；通过每日数据录入从而查看第一历史收益情况、第二历史收益情况和机组性能情况，其中，第二历史收益情况包括调频总里程、平均中标机组数和平均中标价格，机组性能情况包括综合性能K值走势。另外，通过数据管理还能够查看D日交易边界信息和D-2日出清情况，D日交易边界信息包括统调负荷和分区调频需求，D-2日出清情况包括申报&出清情况、机组中标情况、近8小时K值、调频需求&出清价、调频总里程、平均中标机组数、平均中标价格、平均中标价格和K值走势。
在优选的实施例中，所述采用预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，具体包括：
将所述历史统一出清价、历史调频总里程、短期系统负荷信息和分区调频需求信息输入至所述预测算法模型中，得到参与调频市场的预测统一出清价；
将所述历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、短期系统负荷信息和分区调频需求信息输入至所述预测算法模型中，得到预测的中标里程；
将所述能量出力预测值和历史中标K值输入至所述预测算法模型中，得到预测的中标K值。
在优选的实施例中，所述预设的预测算法模型，具体包括：
通过方差分析法分析发电调频系统的历史数据特征的变化趋势，选择预测算法模型中的回归预测算法策略；
采用相关系数法求取历史数据与关联数据的相关系数，选取所述预测算法模型中的回归预测算法的特征集；
采用时间序列方法、机器学习方法以及深度学习方法挖掘历史数据的特征规律。
具体的，本实施例提供的预测算法模型预测算法分为特征工程以及数据挖掘两类，其中，特征工程包括方差分析法和相关系数法，方差分析法主要通过方差分析历史特征的变化趋势，为选择回归预测算法提供策略参考；而相关系数法则是求取与历史数据与关联数据的相关系数，为回归预测算法的特征选择提供参考；对于数据挖掘，本实施例主要是采用时间序列方法、机器学习方法以及深度学习方法对特征规律进行挖掘总结。
本实施例采用了ARIMA、KNN算法以及LSTM算法对统一出清价进行数据挖掘，接下来简单介绍以下的回归预测模型。
K近邻法(k-nearest neighbors,KNN)是一种很基本的机器学习方法，在我们平常的生活中也会不自主的应用。比如，我们判断一个人的人品，只需要观察他来往最密切的几个人的人品好坏就可以得出了。这里就运用了KNN的思想。KNN方法既可以做分类，也可以做回归，这点和决策树算法相同。KNN做回归和分类的主要区别在于最后做预测时候的决策方式不同。KNN做分类预测时，一般是选择多数表决法，即训练集里和预测的样本特征最近的K个样本，预测为里面有最多类别数的类别。而KNN做回归时，一般是选择平均法，即最近的K个样本的样本输出的平均值作为回归预测值。本产品只应用了回归预测，因此只讨论回归预测。
其中KNN算法流程可以描述为：
1.准备数据，对数据进行预处理；
2.选用合适的数据结构存储训练数据和测试元组；
3.设定参数，如k；
4.维护一个大小为k的按距离由大到小的优先级队列，用于存储最近邻训练元组。随机从训练元组中选取k个元组作为初始的最近邻元组，分别计算测试元组到这k个元组的距离，将训练元组标号和距离存入优先级队列；
5.遍历训练元组集，计算当前训练元组与测试元组的距离，将所得距离L与优先级队列中的最大距离Lmax；
6.进行比较。若L>＝Lmax，则舍弃该元组，遍历下一个元组。若L<Lmax，删除优先级队列中最大距离的元组，将当前训练元组存入优先级队列。
7.遍历完毕，计算优先级队列中k个元组的多数类，并将其作为测试元组的类别。
8.测试元组集测试完毕后计算误差率，继续设定不同的k值重新进行训练，最后取误差率最小的k值。
以预测统一出清价为例，首先输入数据，包括用于预测中标里程的输入(D-2日)的历史统一出清价、用于预测中标里程的输入(D-2日)的历史调频总里程、用于预测统一出清价(D日)的短期系统负荷和用于预测统一出清价(D日)的分区调频需求，输出统一出清价(调频)的数据，即市场每小时的成交价，输入与输出时间需对应。然后，通过方差分析法分析历史数据特征的变化趋势，选择预测算法模型中的回归预测算法策略，分析以小时近三个月的方差图、三个月每天的方差图和近三月的频率方差图，从而得出统一出清价格采用最适合的周期特性的历史数据作统一回归预测。接着，通过相关系数分析法求取历史数据与关联数据的相关系数，选取所述预测算法模型中的回归预测算法的特征集，例如调频D日H时的统一出清价格与历史统一出清价格、分区调频需求及负荷变化率有关，因此选取以上对象作为调频出清价格的特征集。最后，在选取合适的优化算法和特征量后，采用时间序列方法、机器学习方法以及深度学习方法挖掘历史数据的特征规律。对于中标里程预测，则通过输入历史中标里程、历史统一出清价和分区调频需求，得到历史统一出清价，其他过程与预测统一出清价类似。而预测中标K值，则是输入能量出力预测值和历史中标K值，从而输出中标K值，其他过程与预测统一出清价类似。
本实施例提供的一种基于机会成本的电力调频市场报价计算方法，包括：计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
与现有技术相比，本实施例能够通过分别计算发电企业在不参与调频情况下的发电收益和发电企业在参与调频情况下整体的收益，对比分析得出最优申报建议，帮助发电企业实现利益最大化，帮助其规避风险，进行科学决策的调频申报；同时帮助发电企业将调频业务进行信息化管理，解决发电企业因传统调频数据管理存储量大因而数据混乱，基本依靠人工经验处理，导致无法有效地提供数据展示、结算、复盘以及策略支撑的问题。
本发明第二实施例：
请参阅图3-5。
如图3所示，本实施例提供了一种基于机会成本的电力调频市场报价计算系统，包括：
仅能量市场收益模块100，用于计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；
具体的，对于仅能量市场收益模块100，首先是计算仅能量市场的收益，通过KNN算法对短期系统负荷预测数据和历史能量出力进行算法预测计算，预测得到仅能量市场的能量出力预测值，根据该能量出力预测值计算对应的收入、成本和毛利。
参与调频市场收益模块200，用于计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；
在优选的实施例中，所述计算参与调频市场的总收益信息，还包括：
根据所述中标里程和中标K值计算里程补偿信息和容量补偿信息；
根据所述能量出力预测值计算发电收入信息；
根据所述中标里程和单位里程成本计算里程增加成本；
根据成本系数和所述能量出力预测值计算发电成本。
在优选的实施例中，在采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值之前，还包括：
采集发电调频系统的历史中标数据和需求信息，包括历史中标K值、历史中标里程、历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、仅参与能量市场下的能量出力数据、短期系统负荷信息和分区调频需求信息。
具体的，对于参与调频市场收益模块200，计算参与调频市场的总收益，在采集发电调频系统的历史中标数据和需求信息后，采用预设的预测算法模型预测计算中标里程、中标K值、统一出清价(参与调频市场)和能量出力(参与调频市场)，在预测得到上述数据后，进一步计算里程补偿、容量补偿、发电收入、里程增加成本和发电成本，从而计算参与调频市场情况下的总收入、总成本以及毛利。
市场收益比对模块300，用于通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；
具体的，对于市场收益比对模块300，通过比对仅能量市场和参与调频市场两种不同情况下的收益信息，从而得到两个市场的收益对比信息，其中收益对比信息包括毛利差信息、收入差信息、里程补偿信息、容量补偿信息和中标总时数，在通过比对两种情况下的收益，能够更加直观有效地根据对两种不同情况的市场收益进行申报策略的调整。
报价计算模块400，用于根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
具体的，对于报价计算模块400，根据两种不同市场情况下的收益对比信息，从而计算出毛利差、统一出清价平衡点和中标里程的平衡点，分别制定不同需求时的报价策略。
在优选的实施例中，如图4所示，所述基于机会成本的电力调频市场报价计算系统，还包括：
数据录入模块，用于预先录入发电调频系统的调频数据、每月数据和每日数据，获取D日交易边界信息、昨日出清信息、历史收益信息、历史市场信息和机组性能信息。
具体的，对于数据录入模块，在计算两种不同市场的收益前，首先需要录入发电调频系统的相关数据，包括固定数据录入、每月数据录入和每日数据录入，其中固定数据录入包括机组调频数据，每月数据录入包括偏差2价格、月平均节点价格、容量补偿、调频分摊；每日数据包括能量出力/日前数据、统调负荷、中标里程、实测速率、报价&中标K值、分区调频需求、每日K值资格、统一出清价格、日调频总量程、日平均中标机组数、日平均中标价格和里程补偿。
如图5所示，在本实例中还提供了一种基于机会成本的电力调频市场报价计算系统功能框架，包括数据管理模块、数据概览模块、交易测算模块、方案列表模块和方案对比模块。
其中，数据管理模块包括固定参数设置单元、电量市场数据单元、调频市场数据单元、调频结算单元和现货市场数据单元；固定参数设置单元则包括机组容量、机组最小出力、标准速率、AGC可调节容量、报价上下限、成本系数、核定成本和容量补偿标准，电量市场数据单元包括能量出力和偏差2价格，调频市场数据单元包括统调负荷、中标里程、实测速率、报价&中标K值、各项数据导入、分区调频需求、每日K值资格和调频市场信息，调频结算数据单元包括里程补偿、调频分摊、AGC考核、容量补偿和AGC平摊，现货市场数据单元包括日前数据和月平均节点价格。
数据概览模块包括D日市场信息单元、收益概况单元和D-2日出清情况单元，D日市场信息单元包括统调负荷、分区调频需求和数据更新情况，收益概况单元包括累计中标小时、累计中标里程和累计里程收益，D-2日出清情况单元包括申报&出清情况、机组中标情况、近8小时K值、调频需求&出清价、调频总里程、平均中标机组数、平均中标价格、平均中标价格和K值走势。
交易测算模块包括仅能量市场计算单元、参与调频市场计算单元、两市场结果单元和结论建议单元。
方案列表模块包括方案列表和方案概览，方案对比模块包括总体对比和分项分时对比。
本实施例能够通过分别计算发电企业在不参与调频情况下的发电收益和发电企业在参与调频情况下整体的收益，对比分析得出最优申报建议，帮助发电企业实现利益最大化，帮助其规避风险，进行科学决策的调频申报；同时帮助发电企业将调频业务进行信息化管理，解决发电企业因传统调频数据管理存储量大因而数据混乱，基本依靠人工经验处理，导致无法有效地提供数据展示、结算、复盘以及策略支撑的问题。
本发明的一个实施例还提供了一种基于机会成本的电力调频市场报价计算的终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于机会成本的电力调频市场报价计算方法。
本发明的一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的基于机会成本的电力调频市场报价计算方法。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如所述模块的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
Claims (10)
1.一种基于机会成本的电力调频市场报价计算方法，其特征在于，至少包括如下步骤：
计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；
计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；
通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；
根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
2.根据权利要求1所述的基于机会成本的电力调频市场报价计算方法，其特征在于，还包括：
预先录入发电调频系统的调频数据、每月数据和每日数据，获取D日交易边界信息、昨日出清信息、历史收益信息、历史市场信息和机组性能信息。
3.根据权利要求1所述的基于机会成本的电力调频市场报价计算方法，其特征在于，在采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值之前，还包括：
采集发电调频系统的历史中标数据和需求信息，包括历史中标K值、历史中标里程、历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、仅参与能量市场下的能量出力数据、短期系统负荷信息和分区调频需求信息。
4.根据权利要求3所述的基于机会成本的电力调频市场报价计算方法，其特征在于，所述采用预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，具体包括：
将所述历史统一出清价、历史调频总里程、短期系统负荷信息和分区调频需求信息输入至所述预测算法模型中，得到参与调频市场的预测统一出清价；
将所述历史中标里程、历史统一出清价、历史调频总里程、历史平均调频中标机组数、短期系统负荷信息和分区调频需求信息输入至所述预测算法模型中，得到预测的中标里程；
将所述能量出力预测值和历史中标K值输入至所述预测算法模型中，得到预测的中标K值。
5.根据权利要求1所述的基于机会成本的电力调频市场报价计算方法，其特征在于，所述计算参与调频市场的总收益信息，还包括：
根据所述中标里程和中标K值计算里程补偿信息和容量补偿信息；
根据所述能量出力预测值计算发电收入信息；
根据所述中标里程和单位里程成本计算里程增加成本；
根据成本系数和所述能量出力预测值计算发电成本。
6.根据权利要求1所述的基于机会成本的电力调频市场报价计算方法，其特征在于，所述预设的预测算法模型，具体包括：
通过方差分析法分析发电调频系统的历史数据特征的变化趋势，选择预测算法模型中的回归预测算法策略；
采用相关系数法求取历史数据与关联数据的相关系数，选取所述预测算法模型中的回归预测算法的特征集；
采用时间序列方法、机器学习方法以及深度学习方法挖掘历史数据的特征规律。
7.一种基于机会成本的电力调频市场报价计算系统，其特征在于，包括：
仅能量市场收益模块，用于计算仅能量市场参与的收益信息，具体的，在获取短期系统负荷的预测数据和历史能量出力信息后，采用KNN算法计算仅能量市场的能量出力预测值，并计算对应的收入、成本和毛利；
参与调频市场收益模块，用于计算参与调频市场的总收益信息，具体的，采用预设的预测算法模型计算参与调频市场的中标里程、中标K值、统一出清价和能量出力预测值，并计算对应的总收入、总成本和毛利；
市场收益比对模块，用于通过比对所述仅能量市场参与的收益信息和所述参与调频市场的总收益信息，计算得到两个市场的收益对比信息，包括收入差信息、里程补偿信息、容量补偿信息和中标总时数；
报价计算模块，用于根据所述两个市场的收益对比信息，计算出毛利差，从而分别确定申报容量和申报价格。
8.根据权利要求7所述的基于机会成本的电力调频市场报价计算系统，其特征在于，还包括：
数据录入模块，用于预先录入发电调频系统的调频数据、每月数据和每日数据，获取D日交易边界信息、昨日出清信息、历史收益信息、历史市场信息和机组性能信息。
9.一种基于机会成本的电力调频市场报价计算的终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的基于机会成本的电力调频市场报价计算方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的基于机会成本的电力调频市场报价计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010775451.8A CN112101981B (zh) | 2020-08-04 | 2020-08-04 | 一种基于机会成本的电力调频市场报价计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010775451.8A CN112101981B (zh) | 2020-08-04 | 2020-08-04 | 一种基于机会成本的电力调频市场报价计算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112101981A true CN112101981A (zh) | 2020-12-18 |
| CN112101981B CN112101981B (zh) | 2024-07-19 |
Family
ID=73749538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010775451.8A Active CN112101981B (zh) | 2020-08-04 | 2020-08-04 | 一种基于机会成本的电力调频市场报价计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112101981B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113706269A (zh) * | 2021-09-13 | 2021-11-26 | 华润电力技术研究院有限公司 | 一种调频服务报价方法和调频服务报价装置 |
| CN114298586A (zh) * | 2021-12-30 | 2022-04-08 | 华润电力技术研究院有限公司 | 调频数据实时监测与分析方法、系统、装置及存储介质 |
| CN116485076A (zh) * | 2023-04-27 | 2023-07-25 | 广东电网有限责任公司 | 监测水电机组调频交易的物联网信任度分析方法及系统 |
| CN116485076B (zh) * | 2023-04-27 | 2024-10-25 | 广东电网有限责任公司 | 监测水电机组调频交易的物联网信任度分析方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105760998A (zh) * | 2016-02-16 | 2016-07-13 | 国电南瑞科技股份有限公司 | 一种引入竞争机制的调频资源调用优化决策系统及方法 |
| CN107845022A (zh) * | 2017-11-02 | 2018-03-27 | 北京恒泰能联科技发展有限公司 | 电力市场辅助决策系统 |
| CN110070387A (zh) * | 2019-03-19 | 2019-07-30 | 武汉华中思能科技有限公司 | 一种基于边际成本的电力调频报价方法及系统 |
| CN110544112A (zh) * | 2019-08-13 | 2019-12-06 | 南方电网科学研究院有限责任公司 | 一种考虑可再生能源的区域调频市场出清的方法及装置 |
| CN110689239A (zh) * | 2019-09-11 | 2020-01-14 | 新奥数能科技有限公司 | 电力用户参与市场实现收益最大化的辅助决策方法及系统 |
| CN111242451A (zh) * | 2020-01-07 | 2020-06-05 | 中国南方电网有限责任公司 | 一种电力调频辅助服务出清方法、系统、装置及存储介质 |
| CN111291998A (zh) * | 2020-02-18 | 2020-06-16 | 广东电网有限责任公司电力调度控制中心 | 一种调频机组的运行安全控制方法、系统及设备 |
| CN111311335A (zh) * | 2020-03-13 | 2020-06-19 | 广东红海湾发电有限公司 | 电力市场调频辅助服务报价策略支持系统及方法 |
-
2020
- 2020-08-04 CN CN202010775451.8A patent/CN112101981B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105760998A (zh) * | 2016-02-16 | 2016-07-13 | 国电南瑞科技股份有限公司 | 一种引入竞争机制的调频资源调用优化决策系统及方法 |
| CN107845022A (zh) * | 2017-11-02 | 2018-03-27 | 北京恒泰能联科技发展有限公司 | 电力市场辅助决策系统 |
| CN110070387A (zh) * | 2019-03-19 | 2019-07-30 | 武汉华中思能科技有限公司 | 一种基于边际成本的电力调频报价方法及系统 |
| CN110544112A (zh) * | 2019-08-13 | 2019-12-06 | 南方电网科学研究院有限责任公司 | 一种考虑可再生能源的区域调频市场出清的方法及装置 |
| CN110689239A (zh) * | 2019-09-11 | 2020-01-14 | 新奥数能科技有限公司 | 电力用户参与市场实现收益最大化的辅助决策方法及系统 |
| CN111242451A (zh) * | 2020-01-07 | 2020-06-05 | 中国南方电网有限责任公司 | 一种电力调频辅助服务出清方法、系统、装置及存储介质 |
| CN111291998A (zh) * | 2020-02-18 | 2020-06-16 | 广东电网有限责任公司电力调度控制中心 | 一种调频机组的运行安全控制方法、系统及设备 |
| CN111311335A (zh) * | 2020-03-13 | 2020-06-19 | 广东红海湾发电有限公司 | 电力市场调频辅助服务报价策略支持系统及方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113706269A (zh) * | 2021-09-13 | 2021-11-26 | 华润电力技术研究院有限公司 | 一种调频服务报价方法和调频服务报价装置 |
| CN114298586A (zh) * | 2021-12-30 | 2022-04-08 | 华润电力技术研究院有限公司 | 调频数据实时监测与分析方法、系统、装置及存储介质 |
| CN116485076A (zh) * | 2023-04-27 | 2023-07-25 | 广东电网有限责任公司 | 监测水电机组调频交易的物联网信任度分析方法及系统 |
| CN116485076B (zh) * | 2023-04-27 | 2024-10-25 | 广东电网有限责任公司 | 监测水电机组调频交易的物联网信任度分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112101981B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| McNerney et al. | How production networks amplify economic growth | |
| KR101136696B1 (ko) | 기업성장단계를 표시하고, 이를 이용하여 주식의 저평가/고평가를 산출하는 주식정보 제공 방법 및 시스템 | |
| CN105139090A (zh) | 一种基于消耗预测的电力行业安全库存决策分析方法 | |
| US20140310059A1 (en) | System , method and computer program forecasting energy price | |
| Jánošíková et al. | Location of emergency stations as the capacitated p-median problem | |
| JP7542408B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
| CN111815447A (zh) | 基于回测数据的股票智能推荐系统、方法及电子终端 | |
| CN108364191A (zh) | 基于随机森林和逻辑回归的优质客户优化识别方法及装置 | |
| CN112101981A (zh) | 一种基于机会成本的电力调频市场报价计算方法及系统 | |
| CN112967108B (zh) | 基于bp-ann的电力零售套餐搜索排序仿真系统和方法 | |
| US20120232959A1 (en) | Optimized pricing solver with prioritized constraints | |
| Mandel | Agent-based dynamics in the general equilibrium model | |
| CN108429260B (zh) | 售电公司多时间尺度交易电量决策方法和系统 | |
| CN111626543A (zh) | 电力相关数据的处理方法及装置 | |
| CN115147144A (zh) | 数据处理方法及电子设备 | |
| CN112016977A (zh) | 一种具有阶梯电价优化模型的计及用电信息采集方法、系统及电量数据服务器 | |
| CN114971696A (zh) | 一种基于用电量的报价方法及流程信息上传系统 | |
| CN114066642A (zh) | 电力零售的风险预测方法、终端及存储介质 | |
| JP7335189B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| CN114742657A (zh) | 一种投资目标规划方法和系统 | |
| Li et al. | Information acquisition in new product introduction | |
| JP7514148B2 (ja) | 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム | |
| CN113793086B (zh) | 备货量确定方法及装置、计算机存储介质、电子设备 | |
| US20230169231A1 (en) | Computational modeling, climate plan scoring, and data tagging |
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 |