CN112116233A - 一种基于电力需求和投资能力的电网投资优化方法及系统 - Google Patents
一种基于电力需求和投资能力的电网投资优化方法及系统 Download PDFInfo
- Publication number
- CN112116233A CN112116233A CN202010945757.3A CN202010945757A CN112116233A CN 112116233 A CN112116233 A CN 112116233A CN 202010945757 A CN202010945757 A CN 202010945757A CN 112116233 A CN112116233 A CN 112116233A
- Authority
- CN
- China
- Prior art keywords
- investment
- power grid
- power
- year
- capacity
- 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 38
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 32
- 230000008901 benefit Effects 0.000 claims abstract description 31
- 238000011161 development Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于电力需求和投资能力的电网投资优化方法及系统，其包括：构建电网投资组合模型；求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。本发明结合电网企业投资的影响因素——融资额、折旧费、净利润、销售电价、销售电量、购电成本、GDP。在此基础上，建立了投资规模多目标优化模型，统筹考虑经济性和安全性，计及电力需求、投资能力、输配电价等约束，有效的提高投资效益。
Description
技术领域
本发明涉及一种电网投资规划技术领域，特别是关于一种基于电力需求和投资能力的电网投资优化方法及系统。
背景技术
电能作为重要的二次能源，其价值有别于普通商品，是关乎国家安全、社会环境、经济发展的重要战略资源。电能生产者和使用者通过协商、竞价等方式就电能及其相关产品进行交易，通过市场竞争确定价格和数量的机制——电力市场，大致可分为发电、输电、配电、售电及相关辅助市场几大体系。全球电力市场主要活跃点在于发电、输电及电力设施建设、电工设备贸易等辅助服务市场领域。由于电能本身的特殊性，电力市场在同一区域内，往往具有一定的垄断性。复杂、多变、迥异的电力发展背景与电力市场模式，决定了研究电网投资的独特性和重要性。
深入研究投资策略不仅能确保公司投资规模合理、方向精准、结构优化、时序科学，还能严控低效投资，杜绝无效投资，对确保公司在发展改革背景下健康高效成长，具有重要的理论和现实意义。依据与电力发展相关的国家战略、政策、电力行业政策、公司发展规划，对公司投资方向进行研究；通过分析电力供应、电力需求相关数据的变化情况，研判公司投资规模；通过研究网架结构，设定合理的投资结构；结合公司运营情况及新一轮电改，研究制定公司投资策略。电网目前投资决策方法如图1所示。由此可知，电网的投资决策主要受两方面影响：成本效益以及负荷预测。其中，成本效益直接构成电网投资中的资金约束，从而决定投资的规模；而负荷属于社会效应影响方面。
一直以来，电网企业的投资大多以社会效益为首要考虑因素，对经济效益的考虑较少。但是此类投资项目的投资大、周期长等特点决定了投资效益对企业经济效益长远持续的影响作用。同时，项目的复杂性还涉及到电网企业自身的运营状况、工程建设的外部环境、环境保护要求、现有技术的局限性等方面。因此，加强电网企业投资项目策略优化是电网企业实现可持续发展的需要，是企业避免盲目投资、提高投资效益的有效管理途径。
发明内容
针对上述问题，本发明的目的是提供一种基于电力需求和投资能力的电网投资优化方法及系统，其能有效提高投资效益。
为实现上述目的，本发明采取以下技术方案：一种基于电力需求和投资能力的电网投资优化方法，其包括：构建电网投资组合模型；求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。
进一步，所述电网投资组合模型的构建方法如下：
建立目标函数；
设置约束条件：不同地区投资需求约束、投资能力约束、不同电压等级输配电价约束以及平衡账户盈亏约束。
进一步，所述目标函数为：
式中，E为各省公司总的经济效益目标函数，R为各省公司总的可靠性效益目标函数；Et表示该省电网投资的经济效益函数；Rt表示单该省电网投资的可靠性效益函数；T表示一个监管周期总年限。
进一步，所述经济效益函数Et为：
Et＝EA,tROE,t
式中，EA,t为第t年电网公司的可计提收益有效资产；ROE,t为第t年电网公司的加权平均资本收益率。
进一步，所述第t年电网公司的可计提收益有效资产EA,t、加权平均资本收益率ROE,t分别为：
EA,t＝EA,t-1+ΔEA,t-1
ROE,t＝ROCE(1-DAR,t)+DCYDAR,t
式中，ΔEA,t-1为第t-1年电网公司的有效资产变化量；ROCE为权益资本收益率；DAR,t为第t年电网公司的资产负债率；DCY为电网公司的债务资本收益率。
进一步，所述可靠性效益函数Rt为：
其中，α为电网的剩余容量的影响系数；β为电网不足容量的影响系数；Lt为第t年整个电网系统主线平均负荷，△ct为表示第t年的新增供电容量；ct表示第t年初始供电容量。
进一步，所述投资能力约束为，不同地区、不同电压等级和不同类型电网项目投资额之和应当不超过省级电网企业的最大投资能力；
所述平衡账户盈亏约束为，三年核算周期内，三年平衡账户总和应大于等于零。
进一步，采用遗传算法求解电网投资组合模型，其求解方法包括以下步骤：
2.1)输入电力系统及电网项目参数，对方案所有变量进行编码；
2.2)将进化代数计数器设置最大进化代数T′，随机生成M个个体作为初始群体P(0)；
2.3)根据所有系统参数的约束条件、以及选择交叉变异运算，计算群体P(t)中各个个体的适应度；
2.4)判断是否满足收敛条件，若满足则终止计算输出结果，反之，则重新进行选择交叉变异运算。
进一步，所述收敛条件为：判断是否满足t>T′，若满足，则以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止计算。
一种基于电力需求和投资能力的电网投资优化系统，其包括：模型构建模块和求解模块；所述模型构建模块用于构建电网投资组合模型；所述求解模块用于求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。
本发明由于采取以上技术方案，其具有以下优点：本发明结合电网企业投资的影响因素——融资额、折旧费、净利润、销售电价、销售电量、购电成本、GDP。在此基础上，建立了投资规模多目标优化模型，统筹考虑经济性和安全性，计及电力需求、投资能力、输配电价等约束，有效的提高投资效益。
附图说明
图1是现有技术中电网投资决策过程示意图。
图2是本发明的电网投资组合模型解算方法流程图。
图3是本发明实施例中某公式电网投资规模建议发展趋势图。
图4是本发明实施例中2020-2022主配网投资趋势预测图。
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的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的第一实施方式中，提供一种基于电力需求和投资能力的电网投资优化方法，其包括以下步骤：
1)构建电网投资组合模型；
2)求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。
上述步骤中，电网投资组合模型的构建方法如下：
1.1)建立目标函数；
电网投资组合模型是在经济效益、电网可靠性均最大化目标下完成项目投资的平衡优化；则目标函数为：
式中，E为各省公司总的经济效益目标函数，R为各省公司总的可靠性效益目标函数；Et表示第t年电网投资的经济效益函数；Rt表示第t年电网投资的可靠性效益函数；T表示一个监管周期总年限。
输配电价改革后，省级电网企业的经济收益模式不再是传统购售电价之差，变为由政府核定的准许收益模式。其中，电网企业准许收益的关键影响因素为电网企业的有效资产，电网企业准许收益网企业投资具有密不可分的关系。因此，经济效益目标函数即为在投资规划周期内，如何合理安排电网投资，使得电网企业的准入收益最大。
经济效益函数Et为：
Et＝EA,tROE,t (2)
式中，EA,t为第t年电网公司的可计提收益有效资产；ROE,t为第t年电网公司的加权平均资本收益率。具体计算式分别如下：
EA,t＝EA,t-1+ΔEA,t-1 (3)
ROE,t＝ROCE(1-DAR,t)+DCYDAR,t (4)
式中，ΔEA,t-1为第t-1年电网公司的有效资产变化量；ROCE为权益资本收益率；DAR,t为第t年电网公司的资产负债率；DCY为电网公司的债务资本收益率。
电网投资一般包括变电站投资和安全可靠性目标用容载比来表示。采用容载比来衡量电网投资的可靠性，当容载比过高时，较多的设备将被闲置，造成投资的效率降低；反之，若过低，则会降低电网的可靠性。则可靠性效益函数Rt为：
其中，α为电网的剩余容量的影响系数；β为电网不足容量的影响系数；Lt为第t年整个电网系统主线平均负荷，即电力需求；△ct表示第t年的新增供电容量；ct表示第t年初始供电容量。
1.2)设置约束条件；
电网运营的可靠性是电力行业的一个重要衡量指标，也是电网企业长久以来追求的目标，电网企业也一直着重强调电网的可靠性建设。因此，该电网投资组合模型是要在一定的约束条件下保证电网企业的可靠性实现最大化。
(1)不同地区投资需求约束：
对于某一地区，其电网项目投资应当满足：
式中，
—第t年地区i新增负荷的电网项目投资规模需求，j表示电压等级；
—第t年地区i的新增电网项目投资规模；
—第t年地区i的扩建电网项目投资规模；
—第t年地区i的电网投资中政策型投资；
—第t年地区i现有电网投资总规模；
—第t年现有电网投资中必须进行的政策型投资比例；
—第t年现有电网项目中具有相应条件的政策型投资比例。
对于不同地区，约束表达式相同，其中参数不同。
(2)投资能力约束
不同地区、不同电压等级和不同类型电网项目投资额之和应当不超过省级电网企业的最大投资能力。
式中：
—第t年地区i电压等级j项目类型k的电网项目投资数量；UIj,k—电压等级j项目类型k电网项目的平均单位投资；Kt—第t年的自有资金；Rt—第t年的新增外部资金。
省级电网企业的自有资金Kt为：
Kt＝Qt+Zt-Jt (9)
式中，Kt—第t年的自有资金；Qt—第t年的留存利润(净利润中扣除上缴的利润)；Zt—第t年的折旧；Jt—第t年的留存流动资产；
其中，留存利润、折旧和留存流动资产分别为：
Qt＝(1-10％)×PA,t (10)
PA,t＝EA,t×ROE,t (11)
式中：PA,t—第t年的准许收益；G1,p—2015年1月1日之前形成的第p类资产固定资产净值；m1,p—第p类固定资产折旧年限中值；G2,p—2016年及以后形成的第p类资产固定资产原值；m2,p—第p类固定资产折旧年限；γ—残值率；Ct—第t年的营业总成本；Ct-1—第t-1年的营业总成本；η—留存流动资产计提比例。
第t年的新增外部资金Rt：
式中，Rt,1—第t年由资产负债情况带来的外部资金规模；Rt,2—第t年由盈利带来的外部资金规模；fMax—资产负债率上限；Qt-1—第t-1年的资产总额；Dt-1—第t-1年的新增负债；Gt-1—第t-1年的新增权益资本；St-1—第t-1年的负债总额；n—核算年限，一般是三年。
(3)不同电压等级输配电价约束
输配电价改革下，政府将对电网企业的输配电资产进行严格的成本监管，同时将执行合理的输配电价调整机制，不允许输配电价在不同监管周期之间具有较大幅度增长。不同电压等级的输配电价是依据不同电压等级的用电特性和成本结构分别制定的。因此，电网企业应合理安排不同电压等级之间的电网项目投资，防止不同电压等级的输配电价产生较大波动变化。
不同电压等级输配电价在不同监管周期的变化波动范围应在合理范围之内。
式中：
—上一监管周期内电压等级j的输配电价；
—电压等级j输配电价的波动变化下限；
—电压等级j的输配电价；
—电压等级j输配电价的波动变化上限。
其中，不同电压等级输配电价计算的方法为：
式中，
—电压等级j的输配电服务总成本；Qj—电压等级j的总供电量。
不同电压等级的输配电服务总成本计算方法为：
式中：
—第t年电压等级j的准许收入，IC表示准许收入下标；PIC,t—第t年电网企业的准许收入；
—第t年电压等级j的有效资产占比；
—第t年电压等级j的变电站有效资产，TS表示有效资产上标；
—第t年电压等级j的变电站有效资产占比；
—第t年电压等级j线路有效资产；
—第t年电压等级j的线路有效资产占比；
—电压等级j的输配电服务总成本；
—电压等级j的线路有效资产；
—电压等级j+1的变电站有效资产；ζj+1/j—电压等级j+1向电压等级j的变电比例；
—电压等级j+1的输配电服务总成本；ξj+1/j—电压等级j+1向电压等级j的供电量比例。
(4)平衡账户盈亏约束
根据输配电价核定方法规定，输配电价等于准许收入与输配电量的比值。在准许收入测算过程中，采用了大量的预测值。在实际经营过程中，实际支出核算得到的实际收入与准许收入难免存在误差。因此，为调节误差，专门设立了平衡账户调节。电网企业监管期内，输配电实际收入与准许收入之间的差额，通过设立平衡账户进行调节。多出部分进入平衡账户，不足部分由平衡账户弥补。为保证电网利润为正，平衡账户亏损额不能超过准许收益。
根据输配电价核算过程可知，以周期核算得出的输配电价实际上是各年输配电价的加权平均。在一个监管周期内，各测算量可能出现差别。为保证下一个周期获得合理收益，电网可能会在监管周期最后一年加大投资，以增加下一周期准许收入。因此，同一个监管周期内平衡账户情况可能出现差别。从输配电价监管周期整体来看，三年核算周期内，三年平衡账户总和应大于等于零。
式中：PIC,t′—第t年电网企业的实际收入；PIC,t—第t年电网企业的准许收入。
其中，
PIC,t′-PIC,t+PR,t≥0 (24)
式中：PIC,t′—第t年电网企业的实际收入；PR,t—第t年电网企业的准许收益；
—第t年电网企业电压等级i的实际输配电量；
—第t年电压等级i的输配电价核定值。
上述各步骤中，如图2所示，采用遗传算法求解电网投资组合模型，其求解方法包括以下步骤：
2.1)输入电力系统及电网项目参数，对方案所有变量进行编码。
2.2)将进化代数计数器设置最大进化代数T′，随机生成M个个体作为初始群体P(0)。
2.3)根据所有系统参数的约束条件、以及选择交叉变异运算，计算群体P(t)中各个个体的适应度；
2.4)判断是否满足收敛条件，若满足则终止计算输出结果，反之，则重新进行选择交叉变异运算。
其中，收敛条件为：判断是否满足t>T′，若满足，则以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止计算。
上述步骤2.3)中，选择交叉变异运算如下：
(1)选择：首先计算出的个体的适应度，按照适应度高低，从第t代群体P(t)中选择出相应比例的适应度较高的个体遗传到下一代群体P(t+1)中。
(2)交叉：将群体P(1)内的个体随机组合配对，对每个个体，以某个概率交换它们之间的对应染色体。
(3)变异：对群体P(1)中的每个个体，以某一概率改变该个体中某一个或某一些染色体上的基因值。
在本发明的第二实施方式中，提供一种基于电力需求和投资能力的电网投资优化系统，其特征在于，包括：模型构建模块和求解模块；
模型构建模块用于构建电网投资组合模型；
求解模块用于求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。
综上所述，结合优化结果，智能分析省公司未来几年投资重点，测算政策型、经济型、安全型及战略型投资占比；预测分析未来几年各省公司投资规模发展趋势，量化展示年度投资规模；通过主网、城网、农网等不同维度投资占比分析，自动给出各省公司未来几年分类别投资结构建议，辅助进行项目优选、计划决策工作。
实施例：
根据公司内部影响因素和政策导向的协同作用，通过投资优化模型修正后的某公司投资规模发展趋势预测结果如图3所示。其中，2003-2017年数据为实际值，2018-2022年数据为预测值。
根据预测结果，2018-2022年该公司将在电网方面逐年投资分别为181.78亿元、146.99亿元、139.12亿元、137.54亿元、136.14亿元。
已知该公司2018年和2019年的电网投资额实际值为172.51亿元和142.79亿元，将预测值与实际值相比较得到两年的预测误差分别为5.37％和2.94％，平均预测误差为4.16％。
如图4所示，预计2020-2022年，主网投资占比28.19％、配网投资占比71.81％。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种基于电力需求和投资能力的电网投资优化方法，其特征在于，包括：
构建电网投资组合模型；
求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。
2.如权利要求1所述优化方法，其特征在于，所述电网投资组合模型的构建方法如下：
建立目标函数；
设置约束条件：不同地区投资需求约束、投资能力约束、不同电压等级输配电价约束以及平衡账户盈亏约束。
3.如权利要求2所述优化方法，其特征在于，所述目标函数为：
式中，E为各省公司总的经济效益目标函数，R为各省公司总的可靠性效益目标函数；Et表示该省电网投资的经济效益函数；Rt表示单该省电网投资的可靠性效益函数；T表示一个监管周期总年限。
4.如权利要求3所述优化方法，其特征在于，所述经济效益函数Et为：
Et＝EA,tROE,t
式中，EA,t为第t年电网公司的可计提收益有效资产；ROE,t为第t年电网公司的加权平均资本收益率。
5.如权利要求4所述优化方法，其特征在于，所述第t年电网公司的可计提收益有效资产EA,t、加权平均资本收益率ROE,t分别为：
EA,t＝EA,t-1+ΔEA,t-1
ROE,t＝ROCE(1-DAR,t)+DCYDAR,t
式中，ΔEA,t-1为第t-1年电网公司的有效资产变化量；ROCE为权益资本收益率；DAR,t为第t年电网公司的资产负债率；DCY为电网公司的债务资本收益率。
6.如权利要求3所述优化方法，其特征在于，所述可靠性效益函数Rt为：
其中，α为电网的剩余容量的影响系数；β为电网不足容量的影响系数；Lt为第t年整个电网系统主线平均负荷；△ct为表示第t年的新增供电容量；ct表示第t年初始供电容量。
7.如权利要求2所述优化方法，其特征在于：所述投资能力约束为，不同地区、不同电压等级和不同类型电网项目投资额之和应当不超过省级电网企业的最大投资能力；
所述平衡账户盈亏约束为，三年核算周期内，三年平衡账户总和应大于等于零。
8.如权利要求1所述优化方法，其特征在于，采用遗传算法求解电网投资组合模型，其求解方法包括以下步骤：
2.1)输入电力系统及电网项目参数，对方案所有变量进行编码；
2.2)将进化代数计数器设置最大进化代数T′，随机生成M个个体作为初始群体P(0)；
2.3)根据所有系统参数的约束条件、以及选择交叉变异运算，计算群体P(t)中各个个体的适应度；
2.4)判断是否满足收敛条件，若满足则终止计算输出结果，反之，则重新进行选择交叉变异运算。
9.如权利要求8所述优化方法，其特征在于，所述收敛条件为：判断是否满足t>T′，若满足，则以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止计算。
10.一种基于电力需求和投资能力的电网投资优化系统，其特征在于，包括：模型构建模块和求解模块；
所述模型构建模块用于构建电网投资组合模型；
所述求解模块用于求解该电网投资组合模型，得到电网投资优化结果，进而预测分析未来几年各省公司投资规模发展趋势。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010914700 | 2020-09-03 | ||
| CN2020109147007 | 2020-09-03 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112116233A true CN112116233A (zh) | 2020-12-22 |
Family
ID=73802029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010945757.3A Pending CN112116233A (zh) | 2020-09-03 | 2020-09-10 | 一种基于电力需求和投资能力的电网投资优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112116233A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994459A (zh) * | 2023-03-24 | 2023-04-21 | 国网湖北省电力有限公司经济技术研究院 | 一种海量电网基建项目建设时序优化方法、系统及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046433A (zh) * | 2015-07-22 | 2015-11-11 | 国家电网公司 | 电网投资能力的动力学建模方法 |
| CN108805443A (zh) * | 2018-06-07 | 2018-11-13 | 华北电力大学 | 一种电网性能综合评价方法和系统 |
| CN110110924A (zh) * | 2019-05-05 | 2019-08-09 | 国网经济技术研究院有限公司 | 一种配电网投资规模优化方法、装置和计算设备 |
| CN111079245A (zh) * | 2019-10-18 | 2020-04-28 | 国网山西省电力公司经济技术研究院 | 一种电网承载电量的调控方法 |
-
2020
- 2020-09-10 CN CN202010945757.3A patent/CN112116233A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046433A (zh) * | 2015-07-22 | 2015-11-11 | 国家电网公司 | 电网投资能力的动力学建模方法 |
| CN108805443A (zh) * | 2018-06-07 | 2018-11-13 | 华北电力大学 | 一种电网性能综合评价方法和系统 |
| CN110110924A (zh) * | 2019-05-05 | 2019-08-09 | 国网经济技术研究院有限公司 | 一种配电网投资规模优化方法、装置和计算设备 |
| CN111079245A (zh) * | 2019-10-18 | 2020-04-28 | 国网山西省电力公司经济技术研究院 | 一种电网承载电量的调控方法 |
Non-Patent Citations (2)
| Title |
|---|
| 商文颖;夏俊岩;: "辽宁电网容载比问题及合理取值研究", 东北电力技术, no. 05, pages 7 - 9 * |
| 王磊;解福;: "信任驱动的资源调度算法", 微型机与应用, no. 18, pages 76 - 79 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994459A (zh) * | 2023-03-24 | 2023-04-21 | 国网湖北省电力有限公司经济技术研究院 | 一种海量电网基建项目建设时序优化方法、系统及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ringler et al. | How to benefit from a common European electricity market design | |
| Sensfuß | Assessment of the impact of renewable electricity generation on the German electricity sector: An agent-based simulation approach | |
| Bhattacharjee et al. | Benefits of strategically sizing wind-integrated energy storage and transmission | |
| Bower | Seeking the single European electricity market: evidence from an empirical analysis of wholesale market prices | |
| Bao et al. | Risk assessment and management of electricity markets: A review with suggestions | |
| Hou et al. | An energy imbalance settlement mechanism considering decision-making strategy of retailers under renewable portfolio standard | |
| Wickramarachchi | Determinants of foreign direct investment (FDI) in developing countries: The case of Sri Lanka | |
| Wehinger et al. | Modeling electricity wholesale markets with model predictive and profit maximizing agents | |
| Li et al. | Medium and long-term electricity market trading strategy considering renewable portfolio standard in the transitional period of electricity market reform in Jiangsu, China | |
| Do Prado et al. | A decision model for an electricity retailer with energy storage and virtual bidding under daily and hourly CVaR assessment | |
| Sun et al. | Energy sharing strategy based on call auction trading: Energy bank system | |
| Wang et al. | Optimal energy management of integrated energy systems for strategic participation in competitive electricity markets | |
| Shivaie et al. | MULTI OBJECTIVE TRANSMISSION EXPANSION PLANNING USING FUZZY–GENETIC ALGORITHM | |
| Sun et al. | Energy sharing platform based on call auction method with the maximum transaction volume | |
| Mehdipourpicha et al. | Risk-constrained bi-level optimization for virtual bidder bidding strategy in day-ahead electricity markets | |
| CN112116233A (zh) | 一种基于电力需求和投资能力的电网投资优化方法及系统 | |
| Xu et al. | Decision-making model of electricity purchasing for electricity retailers based on conditional value-atRisk in day-ahead market | |
| CN109816237A (zh) | 一种电力交易结算风险管控方法 | |
| He et al. | Optimal planned electricity allocation model for power Exchange under the plan-market double-track mechanism | |
| Schaffner | Valuation of controllable devices in liberalized electricity markets | |
| Su et al. | Performance-based payment structural design for infrastructure PPP projects | |
| Borokhov | Antimonopoly regulation method in energy markets based on the Vickrey–Clarke–Groves mechanism | |
| CN115600758A (zh) | 一种基于改进遗传算法的投资需求与投资能力平衡优化的方法 | |
| Ji et al. | Stochastic coordinated transaction scheduling via probabilistic forecast | |
| Wang et al. | Decision Model of Distribution Network Investment Scale Considering Transmission and Distribution Price Constraint. |
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 |