CN112132309B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112132309B CN112132309B CN202010761682.3A CN202010761682A CN112132309B CN 112132309 B CN112132309 B CN 112132309B CN 202010761682 A CN202010761682 A CN 202010761682A CN 112132309 B CN112132309 B CN 112132309B
- Authority
- CN
- China
- Prior art keywords
- electricity
- purchasing
- selling company
- user
- price
- 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.)
- Active
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 512
- 238000010248 power generation Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 27
- 230000008901 benefit Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 13
- 230000002146 bilateral effect Effects 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 23
- 230000006399 behavior Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000026280 response to electrical stimulus Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- G06Q30/0203—Market surveys; Market polls
-
- 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
- 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
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了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,属于行为建模技术领域。本发明以可再生能源配额制在售电侧的实施为背景,采用电力用户真实行为样本,结合用户效益函数刻画用户对电价方案的最优响应。分别从不同市场购电成本和分时电价售电收入两方面建立售电公司的盈利模型,并引入条件风险价值作为售电公司购售电风险衡量指标,建立售电公司购售电策略的优化模型。最后,通过算例分析验证所提模型和方法的有效性,为售电公司的购售电决策以及RPS参数的设置提供参考。
Description
技术领域
本发明涉及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,属于行为建模技术领域。
背景技术
通过售电侧改革实现向社会资本开放售电业务,带来了众多售电公司的诞生。售电公司作为一类新兴市场主体,代理大量终端电力用户参与到电力市场的交易中,制定多样化的售电经营方案,提升售电服务质量和用户用能水平,进一步促进资源优化配置。
随着可再生能源配额制(renewable portfolio standard,RPS)在售电侧的实施,包括电网在内的售电企业承担与其售电量相对应的消纳量,通过批发市场购电的电力用户和拥有自备电厂的企业承担其年用电量相对应的消纳量。因此,在保障用户用电需求的同时,积极调动用户侧的负荷调节能力来参与可再生能源消纳也将成为售电公司需要面对的新挑战之一。
国内外现有研究大多停留在可再生能源发电参与市场对售电公司购电组合及相关风险的影响层面,然而,在售电侧实施RPS后,可再生能源发电的消纳成本将以配额考核的形式转移到售电侧,最终通过电价套餐传导至终端用户中,而用户侧的负荷响应特性也将直接影响售电公司完成RPS配额的成本。因此,有必要针对RPS下售电公司的购电组合与售电定价策略展开研究。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种考虑可再生能源发电配额制的售电公司购售电优化方法和系统。
为解决上述技术问题,本发明采用以下技术方案实现:
一方面,本发明提供可再生能源发电配额制下售电公司购售电优化方法,包括以下步骤:
分别确定可再生能源配额制下售电公司在中长期市场、现货市场、可再生能源购电协议以及绿色证书市场中的购电成本;根据售电公司的售电收益和用户用电量确定售电公司的售电收益;确定衡量售电公司的购售电风险的条件风险价值;
构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件;建立分时电价的分时结构优化约束;
基于确定的售电收益、各购电成本以及条件风险价值构建售电公司的购售电最优策略函数;
结合所述售电公司的购售电最优策略函数、所述用户效用约束条件以及分时结构优化约束确定购售电最优策略模型,求解所述购售电最优策略模型获得针对不同用户的分时电价策略。
第二方面,本发明提供可再生能源发电配额制下售电公司购售电优化系统,包括:购电成本计算模块、优化约束确定模块和购售电最优策略模型建立和求解模块;
所述购电成本计算模块,用于分别确定可再生能源配额制下售电公司在中长期市场、现货市场、可再生能源购电协议以及绿色证书市场中的购电成本;根据售电公司的售电收益和用户用电量确定售电公司的售电收益;确定衡量售电公司的购售电风险的条件风险价值;
所述优化约束确定模块,用于构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件;建立分时电价的分时结构优化约束;
所述购售电最优策略模型建立和求解模块,用于基于确定的售电收益、各购电成本以及条件风险价值构建售电公司的购售电最优策略函数;结合所述售电公司的购售电最优策略函数、所述用户效用约束条件以及分时结构优化约束确定购售电最优策略模型,求解所述购售电最优策略模型获得针对不同用户的分时电价策略。
有益技术效果:
本发明以可再生能源配额制在售电侧的实施为背景,采用电力用户真实行为样本,结合用户效益函数刻画用户对电价方案的最优响应。分别从不同市场购电成本和分时电价售电收入两方面建立售电公司的盈利模型,并引入条件风险价值作为售电公司购售电风险衡量指标,建立售电公司购售电策略的优化模型。最后,通过算例分析验证所提模型和方法的有效性,为售电公司的购售电决策以及RPS参数的设置提供参考。
附图说明
图1为可再生能源配额制下售电公司的购售电业务框架;
图2为本发明方法的流程图;
图3为居民用户分时电价方案与负荷曲线;
图4为工业用户分时电价方案与负荷曲线;
图5为商业用户分时电价方案与负荷曲线。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
在承担可再生能源消纳责任后,售电公司的购售电业务也将相应发生变化,如附图1所示。面对消纳量的考核,售电公司在制定购电组合时,将结合配额比例与绿证价格,更多地考虑可再生能源的购买。而在制定售电价格时,也会积极通过分时电价激发用户侧的互动能力,调节用户负荷曲线参与可再生能源的消纳。而负荷特性优质,响应能力强的用户,也能因协同促进可再生能源消纳而获得更低的用电价格,实现政策目标与市场主体利益的激励相容。
实施例一、本发明实施例提供可再生能源发电配额制下售电公司购售电优化方法如附图2所示,包括以下步骤:
分别对售电公司在中长期市场、现货市场、可再生能源购电协议,以及绿色证书市场中的购电成本进行建模。为规避现货市场的价格波动风险,售电公司通常会根据其用户构成及用户的典型负荷曲线,在中长期市场中进行双边交易来覆盖用户的大部分用电需求。双边交易合约通常可被分为峰期、平期、谷期三类。每类合约均有一定的数量可供选择。因此,售电公司在中长期市场的购电成本可表示为:
式中:Pt F表示售电公司在中长期市场中时段t的总购电量;CF表示售电公司在中长期市场中的总购电成本;NF表示售电公司在中长期市场中签订的双边合约数量;Pi F和ri F分别表示第n份双边合约的电量和价格;是一个0-1变量,表示第n份合约是否覆盖时段t,若覆盖则/>否则/>
理想状况下,售电公司倾向于用中长期合约尽可能地覆盖其用户的用电需求,提前锁定购电费用。但由于用户实际用电行为的不确定性,在中长期合约电量与用电需求之间总会存在偏差。因此,售电公司需要在现货市场中购买相应电力来平衡用电量的偏差,而现货市场的电价波动也给售电公司带来了一定的风险。售电公司在现货市场中的购电成本可表示为:
式中:Csp表示售电公司在现货市场中的购电成本;Pt sp表示售电公司在现货市场时段t的购电量;rt sp表示时段t的现货价格估计值。
可再生能源发电通常拥有极低的边际生产成本,因而其购电价格也较低。但由于其出力的随机性和波动性,也将使售电公司在现货市场中面临更大的风险。可再生能源发电企业通过与售电公司按容量签订PPA购电协议,将可再生能源发电不确定性带来的电量风险转移至售电公司,同时售电公司通过承担相应风险来获得相对较低的购电价格。假设以风电和光伏为代表的可再生能源机组的基本发电单元规格相同,且实时出力大小一致。在合同履约期内,售电公司以固定价格全额收购可再生能源机组所发电量,其风电和光伏可再生能源购电协议的购电成本分别为:
式中:Cw和Cpv分别表示售电公司购买风电和光伏可再生能源发电的购电成本;nw表示风电基本发电单元的购电规模,npv表示风电/基本发电单元的购电价格,rw表示光伏光伏基本发电单元的购电规模,rpv表示光伏基本发电单元的购电价格,E(Pt w)表示风电在时段t的发电出力的期望值,E(Pt pv)为光伏在时段t的发电出力的期望值。
根据可再生能源配额制要求,售电公司需要承担对应其总售电量一定比例的可再生能源消纳量。不足的消纳量需要从消纳量二级市场上购买,多余的消纳量可以出在消纳量二级市场上出售。这种机制有利于将可再生能源的环境价值以货币方式体现,实现了政策目标和市场竞争的激励相容。售电公司在绿色证书市场中的购电成本可表示为:
Lt=Pt F+Pt sp+nw·Pt w+npv·Pt pv
CTGC=QTGC·rTGC
式中:Lt表示售电公司所代理的用户在时段t的总负荷;Pt F表示售电公司在中长期市场中时段t的总购电量,Pt sp表示售电公司在现货市场时段t的购电量;nw表示风电基本发电单元的购电规模,Pt w表示风电基本发电单元在在时段t的发电出力实际值,Pt pv表示光伏基本发电单元在在时段t的发电出力实际值。QTGC表示售电公司在绿色证书市场中的购买量,CTGC表示售电公司在绿色证书市场中的购买费用;kTGC表示售电公司需要完成的可再生能源消纳比例,由政府及市场管理部门规定;rTGC表示绿色证书市场每单位消纳量的价。
构建用户效用函数:对用户侧的对电价的需求响应进行建模。面对售电公司制定的分时电价,用户会调整自己的用电行为来最大化用电效用。用户的用电效用可以通过用户效用函数表示,通常是用电量与电价的函数,可以用来衡量用户用电行为的满意度,表达式如下:
式中:f(r,L)为用户效用函数;α、β、γ均为用电效用的系数,且,Lt α表示Lt的α次方,r为用户电价方案,也就是由用户各时段用电价格rt组成的向量,L为用户的负荷向量,也就是由用户各时段用电负荷Lt组成的向量,α∈(-∞,0)∪(0,1),即用电量越大,每增加单位用电量所带来的效用提升就越小,体现了微观经济学中边际效用递减的原理。
对于每个用户而言,会尽可能保持一个使其用电效用最大的用电行为。因此,对于售电公司提供的每个电价方案,都对应着一个用电行为的最优响应,,即对应每一组r,都存在一组L*,使得f(r,L)最大:
式中:L*表示用户对售电公司设置的电价方案r的最优用电响应;F(r)表示最优用电响应所对应的用户效用。
由于用电效用是一个相对的概念,因此可以将原电价方案下的用电效用f(r(0),L(0))设为0,作为基准。且假设用户的原负荷曲线L(0)已是对原电价方案r(0)的最优响应,由此可得:
f(r(0),L(0))=0
结合上述式子,可得到用户最优响应的表达式为:
当售电公司为用户制定新的分时电价方案时,需要保证新电价方案下的用户效用大于原电价方案下的用户效用,此时用户才会愿意切换至新电价方案。因此需要有:
F(r)>F(r(0))
F(r)表示新电价方案下用户最优用电响应所对应的用户效用;F(r0)表示原电价方案下用户最优用电响应所对应的用户效用;
建立分时电价的分时结构优化约束。售电公司采用分时电价机制向用户出售电能,则一天24小时可被分为若干个不同的时段,每个时段采用一档固定的价格水平。本发明将电价分时结构的优化纳入售电公司购售电优化决策中,在寻找最优电价水平的同时,寻找最优的电价分时结构划分。假设将一天分为Npb个电价时段,对于第k个电价时段而言,售电价格固定为定义0-1向量Yk=[yk,1,yk,2,...,yk,T],若一天中的时段t属于第k个电价时段,则yk,t=1,否则为0。这里yk,t=1,或yk,t=0仅表达一个逻辑上的0-1关系,没有值的限定。
则电价的分时结构约束可表示为:
基于条件风险价值衡量售电公司的购售电风险。由于现货市场电价的波动性、用户用电需求的不确定性,以及可再生能源出力的波动性和不可控性,售电公司在运营过程中面临着多种风险。条件风险价值(conditional value at risk,CVaR)作为一项常用的风险量化指标,克服了风险价值(value at risk,VaR)无法描述概率分布尾部特性的限制,同时具备了单调性、次可加性、易于计算等多种优点,因而被广泛运用于售电公司的购售电决策中。本文同样采用了CVaR作为售电公司所承担风险的衡量指标。在明确了可能带来风险的因素后,CVaR可基于场景模拟的方式求解得到:
式中:VCVaR和VVaR分别表示了售电公司所承担的条件风险价值与风险价值;βcof表示置信水平;Ns表示场景的总数量;pn和Rn分别表示场景n发生的概率,以及该场景下售电公司的收益。
基于确定的售电收益、各购电成本以及条件风险价值构建售电公司的购售电最优策略函数。将上述模型进行整理,可得售电
公司的购售电最优策略为:
maxΩ=R-CF-Csp-Cw-Cpv-CTGC-ξ·VCVaR
其中R为售电公司的售电收益,CF表示售电公司在中长期市场中的总购电成本;Csp表示售电公司在现货市场中的购电成本;Cw表示售电公司购买风电可再生能源发电的购电成本,Cpv表示售电公司购买光伏可再生能源发电的购电成本;CTGC表示售电公司在绿色证书市场中的购买费用,ξ风险规避系数,VCVaR售电公司所承担的条件风险价值。
根据售电公司的售电收益和用户用电量确定售电公司的售电收益R,实现对售电公司的售电收益进行建模。售电公司的售电收益R由售电价格与用户用电量决定,表示为:
式中:R表示售电公司的售电收益;rt表示用户在时段t的用电价格,Lt表示售电公司所代理的用户在时段t的总负荷,也就是用户用电量。
结合所述用户效用约束条件以及分时结构优化约束确定购售电最优策略模型,求解所述购售电最优策略模型获得针对不同用户的分时电价策略。
实施例二、在实施例的基础上,采用分段线性化方法将条件风险价值计算线性化,将非线性项和/>进行线性化。取xt=[x1,t,x2,t,...,xk,t]为变量取值范围内计算分段线性化需要的离散点,并引入新变量δ和η,线性化过程如下:
0≤δk,t≤1,k=1,2,...,NPL-1
δk+1,t≤ηk,t≤δk,t,k=1,2,...,NPL-2
式中:NPL-1为考虑线性化精度和求解计算量后确定的线性化分段段数;δk,t的取值范围为[0,1],表示变量在第k个分段区间上的位置;ηk,t为0-1辅助变量。
引入0-1向量Uk=[uk,1,uk,2,...,uk,T]和Vk=[vk,1,vk,2,...,vk,T]将绝对值计算进行线性化,过程如下:
Uk·Vk T=0
引入辅助变量M(M为一个很大的值)将条件风险价值计算线性化:
Mn≥-Rn-VVaR,Mn≥0
Mn无意义,仅是一个辅助变量,结合约束用来代替(-Rn-VVaR)+这个算子。
通过以上实施例实现以可再生能源配额制在售电侧的实施为背景,采用电力用户真实行为样本,结合用户效益函数刻画用户对电价方案的最优响应。分别从不同市场购电成本和分时电价售电收入两方面建立售电公司的盈利模型,并引入条件风险价值作为售电公司购售电风险衡量指标,建立售电公司购售电策略的优化模型。最后,通过算例分析验证所提模型和方法的有效性,为售电公司的购售电决策以及RPS参数的设置提供参考。
为进一步说明本发明,以一家拥有居民用户、工业用户、商业用户的售电公司为例,来解释本发明的实际应用,并展示所制定的分时电价方案。假设售电公司拥有工业、商业、居民三类用电负荷,设用户用电需求弹性系数ε=-0.2,则α=-4。中长期市场可供选择的中长期合同参数如表1所示。假设分别有15组风电发电单元与15组光伏发电单元可供选择,其PPA购电协议价格与绿色证书市场价格如表2所示。可再生能源配额设置为30%。利用拉丁超立方采样法的场景生成1000组场景现货市场价格、负荷需求,以及可再生能源出力场景,并利用基于Kantorovich距离的前向场景缩减法,缩减至20组场景。设置售电电价上限为2元/kWh,线性化分段数目取NPL=20,且分段点在[0,2]区间内均匀分布。风险规避系数ζ=1.0。
表1可供选择的中长期合约参数设置
表2可再生能源价格与绿证价格参数
基于以上参数,为居民、工业、商业用户分别制定分时电价,结果如图3至图5所示所示。对比分时电价实施前后,售电公司的平均购电成本、平均售电利润,以及利润率,结果如表3所示。
表3分时电价实施前后售电公司的收益变化
由图3至图5可看出,对于不同类型的用户,其分时电价水平以及峰平谷时段划分均有所不同,实现了更有针对性的电价引导。其中,负荷曲线较为平缓的工业用户,其分时电价的浮动幅度也相对较小。而对于负荷峰谷差较大居民用户和商业用户,其分时电价的浮动幅度较大,引导其在峰值电价时段减少用电,在低谷电价时段增加用电。从用户对于分时电价的最优用电响应曲线可看出,在用户用电效用不减少的情况下,三类用户的负荷曲线均得到了改善。
由表3可看出,为不同类型用户供电,售电公司的成本和收益均有所不同。其中工业用户的负荷曲线最为平坦,其在中长期市场与现货市场的购电成本相对较低,消纳可再生能源的潜力也最大,相应的购电成本也最低。因此为工业用户供电能够给售电公司带来最高的收益率。另外,在保证用户用电效用不降低的情况下,向各类用户实施分时电价后,售电公司的单位购电成本均得到降低,单位售电收益和收益率也得到相应提高。这一方面是由于用户侧对分时电价进行需求响应,另一方面则是负荷曲线改善带来的可再生能源消纳量提升,使得售电公司能够购买更多廉价的电能。两者共同促进了售电公司收益率的提升。由此可见,在售电侧实施可再生能源配额制的背景下,上述模型能帮助售电公司为不同类型的用户制定合理、有效的分时电价方案,实现售电公司、用户,以及政策目标的合作共赢。
实施例三、与实施例一相对应的本实施例提供了可再生能源发电配额制下售电公司购售电优化系统,包括:购电成本计算模块、优化约束确定模块和购售电最优策略模型建立和求解模块;
所述购电成本计算模块,用于分别确定可再生能源配额制下售电公司在中长期市场、现货市场、可再生能源购电协议以及绿色证书市场中的购电成本;根据售电公司的售电收益和用户用电量确定售电公司的售电收益;确定衡量售电公司的购售电风险的条件风险价值;
所述优化约束确定模块,用于构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件;建立分时电价的分时结构优化约束;
所述购售电最优策略模型建立和求解模块,用于基于确定的售电收益、各购电成本以及条件风险价值构建售电公司的购售电最优策略函数;
结合所述售电公司的购售电最优策略函数、所述用户效用约束条件以及分时结构优化约束确定购售电最优策略模型,求解所述购售电最优策略模型获得针对不同用户的分时电价策略。
需要说明的是,本实施例中各模块的实现方法与上述实施例中一一对应,不再赘述。
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、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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/或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/或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/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (3)
1.可再生能源发电配额制下售电公司购售电优化方法,其特征在于,包括以下步骤:
分别确定可再生能源配额制下售电公司在中长期市场、现货市场、可再生能源购电协议以及绿色证书市场中的购电成本;根据售电公司的售电收益和用户用电量确定售电公司的售电收益;确定衡量售电公司的购售电风险的条件风险价值;
构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件;建立分时电价的分时结构优化约束;
基于确定的售电公司的售电收益、各购电成本以及条件风险价值构建售电公司的购售电最优策略函数;
结合所述售电公司的购售电最优策略函数、所述用户效用约束条件以及分时结构优化约束确定购售电最优策略模型,求解所述购售电最优策略模型获得针对不同用户的分时电价策略;
可再生能源配额制下售电公司在中长期市场的购电成本表示如下:
其中Pt F表示售电公司在中长期市场中时段t的总购电量;CF表示售电公司在中长期市场中的总购电成本;NF表示售电公司在中长期市场中签订的双边合约数量;Pi F和ri F分别表示第n份双边合约的电量和价格;是中间参数,用于表示第n份合约是否覆盖时段t,T表示总时段;
可再生能源配额制下售电公司在现货市场的购电成本表示如下:
式中Csp表示售电公司在现货市场中的购电成本;Pt sp表示售电公司在现货市场时段t的购电量;rt sp表示时段t的现货价格估计值,T表示总时段;
可再生能源配额制下售电公司在风电和光伏可再生能源购电协议的购电成本分别为表示如下:
其中,Cw表示售电公司购买风电可再生能源发电的购电成本,Cpv表示售电公司购买光伏可再生能源发电的购电成本;nw表示风电基本发电单元的购电规模,npv表示风电/基本发电单元的购电价格,rw表示光伏光伏基本发电单元的购电规模,rpv表示光伏基本发电单元的购电价格,E(Pt w)表示风电在时段t的发电出力的期望值,E(Pt pv)为光伏在时段t的发电出力的期望值;
可再生能源配额制下售电公司在绿色证书市场中的购电成本表示如下:
Lt=Pt F+Pt sp+nw·Pt w+npv·Pt pv
CTGC=QTGC·rTGC
其中Lt表示售电公司所代理的用户在时段t的总负荷;Pt F表示售电公司在中长期市场中时段t的总购电量,Pt sp表示售电公司在现货市场时段t的购电量;nw表示风电基本发电单元的购电规模,Pt w表示风电基本发电单元在在时段t的发电出力实际值,Pt pv表示光伏基本发电单元在在时段t的发电出力实际值;QTGC表示售电公司在绿色证书市场中的购买量,CTGC表示售电公司在绿色证书市场中的购买费用;kTGC表示售电公司需要完成的可再生能源消纳比例,由政府及市场管理部门规定;rTGC表示绿色证书市场每单位消纳量的价;
构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件具体方法包括:
所述用户效用函数f(r,L)表述如下:
其中α、β、γ均为用电效用的系数,Lt表示售电公司所代理的用户在时段t的总负荷;r为用户电价方案,也就是由用户各时段用电价格rt组成的向量,L为用户的负荷向量,也就是由用户各时段用电负荷Lt组成的向量;
对应每一组r,都存在一组L*,使得f(r,L)最大,表示为:
L*表示用户对售电公司设置的电价方案r的最优用电响应;F(r)表示新电价方案下用户最优用电响应所对应的用户效用;F(r0)表示原电价方案下用户最优用电响应所对应的用户效用;所述用户效用约束条件表示为F(r)>F(r(0));
建立分时电价的分时结构优化约束表示如下:
Npb为一天内设置的电价时段总数,为第k个电价时段售电价格,向量Yk=[yk,1,yk,2,...,yk,t,...,yk,T]yk,t=1表示一天中的时段t属于第k个电价时段;
所述衡量售电公司的购售电风险的条件风险价值表示如下:
式中:VCVaR表示售电公司所承担的条件风险价值,VVaR表示售电公司所承担的风险价值;βcof表示置信水平;Ns表示场景的总数量;pn表示场景n发生的概率;Rn表示场景n下售电公司的收益,(-Rn-VVaR)+表示取正值,若(-Rn-VVaR)>0,则(-Rn-VVaR)+=(-Rn-VVaR),若(-Rn-VVaR)≤0,则(-Rn-VVaR)+=0;
所述购售电最优策略函数表示如下:
maxΩ=R-CF-Csp-Cw-Cpv-CTGC-ξ·VCVaR
其中R为售电公司的售电收益,CF表示售电公司在中长期市场中的总购电成本;Csp表示售电公司在现货市场中的购电成本;Cw表示售电公司购买风电可再生能源发电的购电成本,Cpv表示售电公司购买光伏可再生能源发电的购电成本;CTGC表示售电公司在绿色证书市场中的购买费用,ξ风险规避系数,VCVaR售电公司所承担的条件风险价值。
2.根据权利要求1所述的可再生能源发电配额制下售电公司购售电优化方法,其特征在于,将条件风险价值计算线性化表示如下:
Mn≥-Rn-VVaR,Mn≥0
Mn为辅助变量用来代替(-Rn-VVaR)+。
3.可再生能源发电配额制下售电公司购售电优化系统,其特征在于,包括:购电成本计算模块、优化约束确定模块和购售电最优策略模型建立和求解模块;
所述购电成本计算模块,用于分别确定可再生能源配额制下售电公司在中长期市场、现货市场、可再生能源购电协议以及绿色证书市场中的购电成本;根据售电公司的售电收益和用户用电量确定售电公司的售电收益;确定衡量售电公司的购售电风险的条件风险价值;
所述优化约束确定模块,用于构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件;建立分时电价的分时结构优化约束;
所述购售电最优策略模型建立和求解模块,用于基于确定的售电收益、各购电成本以及条件风险价值构建售电公司的购售电最优策略函数;
结合所述售电公司的购售电最优策略函数、所述用户效用约束条件以及分时结构优化约束确定购售电最优策略模型,求解所述购售电最优策略模型获得针对不同用户的分时电价策略;
其中,
可再生能源配额制下售电公司在中长期市场的购电成本表示如下:
其中Pt F表示售电公司在中长期市场中时段t的总购电量;CF表示售电公司在中长期市场中的总购电成本;NF表示售电公司在中长期市场中签订的双边合约数量;Pi F和ri F分别表示第n份双边合约的电量和价格;是中间参数,用于表示第n份合约是否覆盖时段t,T表示总时段;
可再生能源配额制下售电公司在现货市场的购电成本表示如下:
式中Csp表示售电公司在现货市场中的购电成本;Pt sp表示售电公司在现货市场时段t的购电量;rt sp表示时段t的现货价格估计值,T表示总时段;
可再生能源配额制下售电公司在风电和光伏可再生能源购电协议的购电成本分别为表示如下:
其中,Cw表示售电公司购买风电可再生能源发电的购电成本,Cpv表示售电公司购买光伏可再生能源发电的购电成本;nw表示风电基本发电单元的购电规模,npv表示风电/基本发电单元的购电价格,rw表示光伏光伏基本发电单元的购电规模,rpv表示光伏基本发电单元的购电价格,E(Pt w)表示风电在时段t的发电出力的期望值,E(Pt pv)为光伏在时段t的发电出力的期望值;
可再生能源配额制下售电公司在绿色证书市场中的购电成本表示如下:
Lt=Pt F+Pt sp+nw·Pt w+npv·Pt pv
CTGC=QTGC·rTGC
其中Lt表示售电公司所代理的用户在时段t的总负荷;Pt F表示售电公司在中长期市场中时段t的总购电量,Pt sp表示售电公司在现货市场时段t的购电量;nw表示风电基本发电单元的购电规模,Pt w表示风电基本发电单元在在时段t的发电出力实际值,Pt pv表示光伏基本发电单元在在时段t的发电出力实际值;QTGC表示售电公司在绿色证书市场中的购买量,CTGC表示售电公司在绿色证书市场中的购买费用;kTGC表示售电公司需要完成的可再生能源消纳比例,由政府及市场管理部门规定;rTGC表示绿色证书市场每单位消纳量的价;
构建用户效用函数描述用户对电价方案的最优响应,并根据用户效用函数确定用户效用约束条件具体方法包括:
所述用户效用函数f(r,L)表述如下:
其中α、β、γ均为用电效用的系数,Lt表示售电公司所代理的用户在时段t的总负荷;r为用户电价方案,也就是由用户各时段用电价格rt组成的向量,L为用户的负荷向量,也就是由用户各时段用电负荷Lt组成的向量;
对应每一组r,都存在一组L*,使得f(r,L)最大,表示为:
L*表示用户对售电公司设置的电价方案r的最优用电响应;F(r)表示新电价方案下用户最优用电响应所对应的用户效用;F(r0)表示原电价方案下用户最优用电响应所对应的用户效用;所述用户效用约束条件表示为F(r)>F(r(0));
建立分时电价的分时结构优化约束表示如下:
Npb为一天内设置的电价时段总数,为第k个电价时段售电价格,向量Yk=[yk,1,yk,2,...,yk,t,...,yk,T]yk,t=1表示一天中的时段t属于第k个电价时段;
所述衡量售电公司的购售电风险的条件风险价值表示如下:
式中:VCVaR表示售电公司所承担的条件风险价值,VVaR表示售电公司所承担的风险价值;βcof表示置信水平;Ns表示场景的总数量;pn表示场景n发生的概率;Rn表示场景n下售电公司的收益,(-Rn-VVaR)+表示取正值,若(-Rn-VVaR)>0,则(-Rn-VVaR)+=(-Rn-VVaR),若(-Rn-VVaR)≤0,则(-Rn-VVaR)+=0;
所述购售电最优策略函数表示如下:
maxΩ=R-CF-Csp-Cw-Cpv-CTGC-ξ·VCVaR
其中R为售电公司的售电收益,CF表示售电公司在中长期市场中的总购电成本;Csp表示售电公司在现货市场中的购电成本;Cw表示售电公司购买风电可再生能源发电的购电成本,Cpv表示售电公司购买光伏可再生能源发电的购电成本;CTGC表示售电公司在绿色证书市场中的购买费用,ξ风险规避系数,VCVaR售电公司所承担的条件风险价值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761682.3A CN112132309B (zh) | 2020-07-31 | 2020-07-31 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761682.3A CN112132309B (zh) | 2020-07-31 | 2020-07-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132309A CN112132309A (zh) | 2020-12-25 |
CN112132309B true CN112132309B (zh) | 2024-04-30 |
Family
ID=73850619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010761682.3A Active CN112132309B (zh) | 2020-07-31 | 2020-07-31 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132309B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095909B (zh) * | 2021-04-23 | 2023-05-26 | 广东电网有限责任公司电力调度控制中心 | 一种电力市场挂牌交易方法及装置 |
CN113570405A (zh) * | 2021-07-01 | 2021-10-29 | 国网能源研究院有限公司 | 一种自备发电厂发用电成本建模分析方法及装置 |
IT202100018737A1 (it) | 2021-07-15 | 2023-01-15 | Intendo Srl | Metodo per la gestione di scambi di energia da autoproduzione |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895241A (zh) * | 2017-12-18 | 2018-04-10 | 华北电力大学 | 一种售电公司购售电业务决策与风险评估方法 |
CN109740948A (zh) * | 2019-01-08 | 2019-05-10 | 重庆大学 | 一种计及用户需求响应的售电公司购电决策方法 |
CN110659772A (zh) * | 2019-09-14 | 2020-01-07 | 安徽电力交易中心有限公司 | 售电公司在分段线性偏差电量考核机制下的最优经营策略确定方法 |
-
2020
- 2020-07-31 CN CN202010761682.3A patent/CN112132309B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895241A (zh) * | 2017-12-18 | 2018-04-10 | 华北电力大学 | 一种售电公司购售电业务决策与风险评估方法 |
CN109740948A (zh) * | 2019-01-08 | 2019-05-10 | 重庆大学 | 一种计及用户需求响应的售电公司购电决策方法 |
CN110659772A (zh) * | 2019-09-14 | 2020-01-07 | 安徽电力交易中心有限公司 | 售电公司在分段线性偏差电量考核机制下的最优经营策略确定方法 |
Non-Patent Citations (4)
Title |
---|
售电公司购售电业务决策与风险评估;王林炎;张粒子;张凡;金东亚;;电力系统自动化(第01期);第47-54页 * |
社会效益期望最大化目标下的有功调度;原超;孟祥星;;黑龙江电力;20081215(第06期);第472-476页 * |
考虑可再生能源配额制的售电公司组合购电优化研究;陈秀兰;林芬;王良缘;陈传彬;温步瀛;江岳文;;福州大学学报(自然科学版);20190402(第02期);第199-205页 * |
计及峰谷电价的售电公司组合购电优化研究;陈秀兰;温步瀛;江岳文;;电器与能效管理技术;20180730(第14期);第20-26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112132309A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Incentivizing distributed energy resource aggregation in energy and capacity markets: An energy sharing scheme and mechanism design | |
CN112132309B (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 | |
Mansur | Measuring welfare in restructured electricity markets | |
Fragaki et al. | Conditions for aggregation of CHP plants in the UK electricity market and exploration of plant size | |
Alstone et al. | 2025 California demand response potential study-charting California’s demand response future: final report on phase 2 results | |
Golmohamadi et al. | Retail energy management in electricity markets: Structure, challenges and economic aspects-a review | |
Amin et al. | Energy trading in local electricity market with renewables—a contract theoretic approach | |
Saravanan | DSM in an area consisting of residential, commercial and industrial load in smart grid | |
Tan et al. | Business model of virtual power plant considering uncertainty and different levels of market maturity | |
Jia et al. | Purchase bidding strategy for load agent with the incentive-based demand response | |
Syu et al. | Call auction-based energy management system with adaptive subsidy and dynamic operating reserve | |
Chawda et al. | Risk‐based retailer profit maximization: Time of Use price setting for elastic demand | |
Vahid-Ghavidel et al. | Energy storage system impact on the operation of a demand response aggregator | |
CN111695943B (zh) | 一种计及浮动高峰电价的优化管理方法 | |
Simoglou et al. | Long-term electricity procurement portfolio optimization | |
CN117391718A (zh) | 一种基于动态减排因子的绿电-ccer互认交易系统 | |
Ehlen et al. | The effects of residential real-time pricing contracts on transco loads, pricing, and profitability: Simulations using the N-ABLE™ agent-based model | |
Mochi et al. | Prosumer Segmentation Strategies for Local Electricity Market Partaking by Monetary Reward | |
Wang et al. | Minimization of network losses with financial incentives in voluntary demand response | |
Liu et al. | Payment rules for unit commitment dispatch | |
Paulun et al. | Why Higher Price Sensitivity of Consumers May Increase Average Prices: An Analysis of the European Electricity Market | |
Wang et al. | Research on Electricity Market Trading Mechanism Considering Peak-to-Valley Ratio and Multitime Coupling | |
Yu et al. | Evaluation Model of Generation Dispatching Optimization considering Participation of Electricity Retailers | |
Saeedi et al. | Stochastic coordination of the wind and solar energy using energy storage system based on real-time pricing | |
Yang et al. | An overview and evaluation on demand response program in Singapore electricity market |
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 |