CN112836916A - 一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 - Google Patents
一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 Download PDFInfo
- Publication number
- CN112836916A CN112836916A CN202010727768.4A CN202010727768A CN112836916A CN 112836916 A CN112836916 A CN 112836916A CN 202010727768 A CN202010727768 A CN 202010727768A CN 112836916 A CN112836916 A CN 112836916A
- Authority
- CN
- China
- Prior art keywords
- power
- power generation
- enterprise
- load curve
- curve
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007774 longterm Effects 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 10
- 238000005265 energy consumption Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method 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
- G06Q10/0639—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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (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
本发明公开了一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,计算各发电企业与所有电力用户间的发电用电曲线关联度系数矩阵λ;构建目标函数及其约束条件;求解目标函数,获取考虑发电侧负荷曲线匹配度的交易价差最大化时,各成交对中各主体的成交电量和成交价格。本发明提供的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,通过发电侧负荷曲线匹配度的出清方法,保证发电‑用电曲线相似度高的发电企业和电力用户优先成交,最大限度的保证负荷曲线接近发电曲线。
Description
技术领域
本发明涉及一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,属于电力系统自动化控制技术领域。
背景技术
电力系统中电源出力与负荷须实时功率平衡,在实际运行时两曲线完全相同。但是随着新能源的大量并入,电网存在多种发电出力特性的功率曲线,仍采用单一传统负荷曲线,无法改善系统中同时出现总负荷曲线的峰谷差、负荷率等传统负荷特性指标良好,但常规机组出力波动较大、新能源消纳水平低的情况。
截至2018年6月底,我国的风电装机容量超过了1.7×108kW,风电具有强随机性,发电并网后会对电网功率产生波动。在新能源快速发展的过程中,“弃风”和“弃光”问题逐渐凸显,新能源消纳矛盾日益突出。要解决弃风弃光的问题,一方面需要强化系统对风电或光电的实际接纳能力;另一方面,在风电和光电领域顺利构建起高效率消纳的配套控制方法。
现有的交易出清方法中都以费用最小为目标函数,进行了出清模型优化决策,但研究过程中未考虑到发电-负荷匹配度出清约束条件。如何有效支撑能源资源大范围优化配置的市场运作,落实国家能源战略、保障电力可靠供应和促进清洁能源消纳是本领域技术人员急需要解决的技术问题。
发明内容
目的:为了最大化消纳新能源,保证传统机组出力的平缓,通过出清控制方法使得负荷曲线与新能源出力曲线相似,以实现电力系统源荷协调运行。本发明提供一种电力中长期考虑发电侧负荷曲线匹配度的出清方法。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,包括如下步骤:
计算各发电企业与所有电力用户间的发电用电曲线关联度系数矩阵λ;
构建目标函数及其约束条件;
求解目标函数,获取考虑发电侧负荷曲线匹配度的交易价差最大化时,各成交对中各主体的成交电量和成交价格。
作为优选方案,所述发电用电曲线关联度系数矩阵λ的计算公式如下:
其中:λmn为第m个发电企业与第n个电力用户之间的关联度系数。
作为优选方案,所述λmn的计算步骤如下:
发电企业的日典型出力曲线和电力用户的日典型用电负荷曲线,如下所示:
假设有m个发电企业日典型出力曲线为P′g1、P′g2、……、P′gm;
假设有n个电力用户日典型用电负荷曲线为P′d1、P′d2、……、P′dn;
将每个发电企业日典型出力曲线与电力用户的日典型用电负荷曲线除以各自平均值,获得m个无量纲发电曲线Pg1、Pg2、……、Pgm与n个无量纲发电曲线Pd1、Pd2、……、Pdm;
分别以Pg1、Pg2、……、Pgm为参考数列,计算Pd1、Pd2、……、Pdn与每个参考数列的关联度系数λmn。
作为优选方案,所述目标函数公式如下:
F1=max∑λ(Rdj-Rgi)
其中,λ为成交对的发电用电曲线关联度系数矩阵;Rdj、Rgi分别为成交对中电力用户j的申报电价及发电企业i的申报电价。
作为优选方案,所述约束条件至少包括发电用电平衡约束、市场出清约束、发用协同约束其中一种。
作为优选方案,所述发电用电平衡约束公式如下:
电力用户的购电量与发电企业售电量相等,即
式(20)中,Qdj、Qgi分别为电力用户j的购电量、发电企业i的售电量;C表示成交的市场主体。
作为优选方案,所述市场出清约束公式如下:
(1)发电报价从低到高排序,电力用户报价从高到低排序,即
Rdj>Rd(j+1)
Rgi<Rg(i+1)
其中,Rdj、Rd(j+1)分别为第j个电力用户、第j+1个电力用户的交易申报电价、Rgi、Rg(i+1)分别为第i个发电企业和第i+1个发电企业的交易申报电价;
(2)设第m个成交对中,对应的电力用户为M、发电企业N;最接近且低于报价的电力用户为M+1,最接近且高于N的发电企业为N+1;成交对m+1对应的市场主体如下公式所示:
上式表示,优先成交报价高的电力用户及报价低的发电用户,当已成交的电力用户用电总量小于已成交的发电企业总量时,下一个成交对m+1对应的电力用户M+1,发电企业N;当已成交的电力用户用电总量大于已成交的发电企业总量时,下一个成交对m+1对应的电力用户M,发电企业N+1;
(3)成交对m的出清电价为
其中,RM、RN表示电力用户M和发电企业N的申报电价;
(4)考虑到发电侧的售电报价不大于市场边际电价时才能中标,用户侧的购电报价不小于市场边际价格时才能中标,即
Rdj≥Rc
Rgi≤Rc
其中,Rc表示市场边际价格。
作为优选方案,所述发用协同约束公式如下:
当市场主体申报的价格相同时,考虑发用电曲线相似度高的发电商或电力用户/售电商优先成交;
假设有电力用户m和发电企业n,发电企业(n-1),当发电企业n与发电企业(n-1)交易申报价格相同时,出清考虑发电用电相关性系数高的匹配对成交;当发用电曲线相似度相等时,各发电企业申报电量的一半成交;即:
式(27)中,Qm、Qn、Qn-1表示电力用户m和发电企业n、发电企业(n-1)的申报电量。λmn代表第m个发电企业和第n个电力用户间的关联度系数;λm(n-1)代表第m个发电企业和第(n-1)个电力用户间的关联度系数。
有益效果:本发明提供的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,同时考虑负荷需求和新能源发电状况,寻求一种度量两者相似性的方法,将新能源出力和用电负荷曲线的特性拓展为可表达其相互关系的新能源负荷特性指标,从而更加合理有效地描述新能源高渗透率电力系统负荷特性。通过发电侧负荷曲线匹配度的出清方法,保证发电-用电曲线相似度高的发电企业和电力用户优先成交,最大限度的保证负荷曲线接近发电曲线。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
如图1所示,本发明提出了一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,首先基于灰色关联度的发电-用电曲线进行相似度分析,然后建立考虑相似度的交易出清模型,最后基于MATLAB求解模型,得出交易出清方案。
为实现上述目的,本发明采用如下技术方案:
1基于灰色关联度的发电-用电曲线进行相似度分析
1.1灰色关联度概述
灰色关联度分析法是一种基于灰色理论的技术方法,它通过对灰色系统内有限数据序列的分析,寻求系统内部诸因素间的关系,找出影响目标值的主要因素,进而分析各因素间关联程度,是一种因素比较分析法。它通过确定参考数列和若干比较数列几何形状的相似程度,判断灰色过程发展态势的关联程度,目前灰色关联度分析方法已经在各个领域内均有广泛应用。
灰色关联度评价法对数据要求较低,是一种原理简单的综合评价方法。它认为由于客观事物的复杂性,人们对客观事物的认识具有广泛的“灰色性”,即信息的不完全性和不确定性。灰色关联度分析的目的就是通过一定的方法,揭示相互关联相互影响因素之间的主要关系找出影响目标值的重要因素,使各个因素之间的“灰色”关系清晰化。灰色关联分析作为一种多因素综合影响的统计分析理论,将分析对象和待比较对象及其影响因素的数值曲线化,曲线形状越贴近,变化的趋势就越接近,分析对象和待比较对象的关联度就越大。灰色关联度的本质就是比较数值曲线几何形状的贴近程度。
1.2关联度分析模型理论基础
灰色关联度指的是系统因素之间,根据时间、判断主体变化而发生变化的关联性大小的量度。灰色关联度的组合模型是基于灰色关联度分析来确定各单一预测模型所占的比重,其方法原理是基于因素之间的关联性大小,从定量方面表示出因素之间的相互变化影响,变化趋势越一致,关联度越大,灰色关联度也因为关联度分析具备对样本量要求较低的特点而被广泛应用。
定义m+1个n维数列X’0、X’1、X’2,…,X’m将数列无量纲化,得到一组新数列X0、X1、X2,…,Xm。其中X0为参考数列,各数列具有相同的时间点划分,表示如下:
X0={X0(1),X0(2),…,X0(n)} (1)
X1={X1(1),X1(2),…,X1(n)} (2)
…
Xi={Xi(1),Xi(2),…,Xi(n)} (3)
Xm={Xm(1),Xm(2),…,Xm(n)} (4)
定义Ki(k)表示在k时刻Xi(k)与X0(k)的关联系数:
式(5)中,min(Δi(min))=min(min(min(|x0(k)-xi(k)|))表示Xi与X0的二级最小差,max(Δi(max))=max(max(|x0(k)-xi(k)|))表示Xi与X0的二级最大差。ρ表示分辨系数,一般在0-1之间,文中取0.5。
1.3发电-用电曲线灰色关联度分析
发电企业的日典型出力曲线和电力用户的日典型用电负荷曲线均用96点曲线来描述。用相同分段时间点的时间序列的数列描述,如下所示:
假设有m个发电企业日典型出力曲线为P′g1、P′g2、……、P′gm。
P′g1=(P′g1(1),P′g1(2)...P′g1(t),P′g1(96)) (6)
P′g2=(P′g2(1),P′g2(2)...P′g2(t),P′g2(96)) (7)
……
P′gm=(P′gm(1),P′gm(2)...P′gm(t),P′gm(96)) (8)
假设有n个电力用户日典型用电负荷曲线为P′d1、P′d2、……、P′dn。
P′d1=(P′d1(1),P′d1(2)...P′d1(t),P′d1(96)) (9)
P′d2=(P′d2(1),P′d2(2)...P′d2(t),P′d2(96)) (10)
……
P′dn=(P′dn(1),P′dn(2)...P′dn(t),P′dn(96)) (11)
将每个发电企业日典型出力曲线与电力用户的日典型用电负荷曲线除以各自96点平均值,获得m个无量纲发电曲线Pg1、Pg2、……、Pgm与n个无量纲发电曲线Pd1、Pd2、……、Pdm。
则m个无量纲发电企业日典型出力曲线为Pg1、Pg2、……、Pgm。
Pg1=(Pg1(1),Pg1(2)...Pg1(t),Pg1(96)) (12)
Pg2=(Pg2(1),Pg2(2)...Pg2(t),Pg2(96)) (13)
……
Pgm=(Pgm(1),Pgm(2)...Pgm(t),Pgm(96)) (14)
n个无量纲日典型用电负荷曲线为Pd1、Pd2、……、Pdn。
Pd1=(Pd1(1),Pd1(2)...Pd1(t),Pd1(96)) (15)
Pd2=(Pd2(1),Pd2(2)...Pd2(t),Pd2(96)) (16)
……
Pdn=(Pdn(1),Pdn(2)...Pdn(t),Pdn(96)) (17)
分别以Pg1、Pg2、……、Pgm为参考数列,通过公式(5),计算Pd1、Pd2、……、Pdn与每个参考数列的关联系数,因此得到m行n列的关联度系数矩阵。
m条发电曲线与n条用电曲线间的关联度系数矩阵λ如下所示:
式(18)中:λ为发电-用电曲线的关联系数矩阵;λmn为第m个发电企业与第n个电力用户之间的关联度系数。
2构建考虑相似度的交易出清模型
2.1出清方法
电力市场交易出清在满足电网的机组约束、交易约束、安全约束条件下进行,发电公司按照报价由低到高、电力用户/售电公司按照报价由高到低进行排序,出清电价为成交对的申报均价。同时,当买方或卖方市场主体申报价格相同时,优先考虑发电-用电曲线相似度高的发电商、电力用户/售电商成交。
2.2出清模型
2.2.1目标函数
电力交易以考虑发电侧负荷曲线匹配度的交易价差最大化为目标。其目标函数如下所示:
F1=max∑λ(Rdj-Rgi) (19)
式(19)中,λ为成交对的发电-用电曲线的关联度系数矩阵;Rdj、Rgi分别为成交对中电力用户j的申报电价及发电企业i的申报电价。
2.2.2约束条件
1、发电用电平衡约束
电力用户的购电量与发电企业售电量相等,即
式(20)中,Qdj、Qgi分别为电力用户的购电量、发电企业的售电量;C表示成交的市场主体。
2、市场出清约束
(1)发电报价从低到高排序,电力用户报价从高到低排序,即
Rdj>Rd(j+1) (21)
Rgi<Rg(i+1) (22)
式(21)、(22)中,Rdj、Rgi分别为第j个电力用户的交易申报电价、第i个发电企业的交易申报电价。
(2)设第m个成交对中,对应的电力用户为M、发电企业N。最接近且低于报价的电力用户为M+1,最接近且高于N的发电企业为N+1。成交对m+1对应的市场主体如下公式所示:
公式(23)表示,优先成交报价高的电力用户及报价低的发电用户,当已成交的电力用户用电总量小于已成交的发电企业总量时,下一个成交对m+1对应的电力用户M+1,发电企业N;当已成交的电力用户用电总量大于已成交的发电企业总量时,下一个成交对m+1对应的电力用户M,发电企业N+1;
(3)成交对m的出清电价为
式(18)中,RM、RN表示电力用户M和发电企业N的申报电价。
(4)考虑到发电侧的售电报价不大于市场边际电价时才能中标,用户侧的购电报价不小于市场边际价格时才能中标,即
Rdj≥Rc (25)
Rgi≤Rc (26)
式(25)-(26)中:Rc表示市场边际价格。
3、发用协同约束
当市场主体申报的价格相同时,考虑发用电曲线相似度高的发电商或电力用户/售电商优先成交。
假设有电力用户m和发电企业n,发电企业(n-1),当发电企业n与发电企业(n-1)交易申报价格相同时,出清考虑发电-用电相关性系数高的匹配对成交;当发用电曲线相似度相等时,各发电企业申报电量的一半成交。即
式(27)中,Qm、Qn、Qn-1表示电力用户m和发电企业n、发电企业(n-1)的申报电量。λmn代表第m个发电企业和第n个电力用户间的关联度系数;λm(n-1)代表第m个发电企业和第(n-1)个电力用户间的关联度系数。
实施例1:
2.2.3出清流程
1、从电力交易平台获取电力交易信息,例如:市场成员(发电企业、电力用户、售电公司)编号、市场成员名称、市场成员申报电价、市场成员申报电量、交易时间;
2、从电力交易平台获取市场成员的电力曲线,包括:发电企业的典型发电曲线、电力用户的典型用电曲线、售电公司月申报曲线;
3、利用公司(5)-(18),计算各发电企业与所有电力用户间的发用电曲线关联度系数矩阵λ;
4、以公式(19)为目标函数,以(20)-(27)为约束条件,采用线性规划法,利用MATLAB的linprog函数进行编程求解,获取考虑发电侧负荷曲线匹配度的交易价差最大化时,各成交对中各主体的成交电量和成交价格。
以上所述仅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润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,其特征在于:包括如下步骤:
计算各发电企业与所有电力用户间的发电用电曲线关联度系数矩阵λ;
构建目标函数及其约束条件;
求解目标函数,获取考虑发电侧负荷曲线匹配度的交易价差最大化时,各成交对中各主体的成交电量和成交价格。
3.根据权利要求2所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,其特征在于:所述λmn的计算步骤如下:
发电企业的日典型出力曲线和电力用户的日典型用电负荷曲线,如下所示:
假设有m个发电企业日典型出力曲线为P′g1、P′g2、……、P′gm;
假设有n个电力用户日典型用电负荷曲线为P′d1、P′d2、……、P′dn;
将每个发电企业日典型出力曲线与电力用户的日典型用电负荷曲线除以各自平均值,获得m个无量纲发电曲线Pg1、Pg2、……、Pgm与n个无量纲发电曲线Pd1、Pd2、……、Pdm;
分别以Pg1、Pg2、……、Pgm为参考数列,计算Pd1、Pd2、……、Pdn与每个参考数列的关联度系数λmn。
4.根据权利要求1所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,其特征在于:所述目标函数公式如下:
F1=max∑λ(Rdj-Rgi)
其中,λ为成交对的发电用电曲线关联度系数矩阵;Rdj、Rgi分别为成交对中电力用户j的申报电价及发电企业i的申报电价。
5.根据权利要求1所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,其特征在于:所述约束条件至少包括发电用电平衡约束、市场出清约束、发用协同约束其中一种。
7.根据权利要求5所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,其特征在于:所述市场出清约束公式如下:
(1)发电报价从低到高排序,电力用户报价从高到低排序,即
Rdj>Rd(j+1)
Rgi<Rg(i+1)
其中,Rdj、Rd(j+1)分别为第j个电力用户、第j+1个电力用户的交易申报电价、Rgi、Rg(i+1)分别为第i个发电企业和第i+1个发电企业的交易申报电价;
(2)设第m个成交对中,对应的电力用户为M、发电企业N;最接近且低于报价的电力用户为M+1,最接近且高于N的发电企业为N+1;成交对m+1对应的市场主体如下公式所示:
上式表示,优先成交报价高的电力用户及报价低的发电用户,当已成交的电力用户用电总量小于已成交的发电企业总量时,下一个成交对m+1对应的电力用户M+1,发电企业N;当已成交的电力用户用电总量大于已成交的发电企业总量时,下一个成交对m+1对应的电力用户M,发电企业N+1;
(3)成交对m的出清电价为
其中,RM、RN表示电力用户M和发电企业N的申报电价;
(4)考虑到发电侧的售电报价不大于市场边际电价时才能中标,用户侧的购电报价不小于市场边际价格时才能中标,即
Rdj≥Rc
Rgi≤Rc
其中,Rc表示市场边际价格。
8.根据权利要求5所述的一种电力中长期考虑发电侧负荷曲线匹配度的出清方法,其特征在于:所述发用协同约束公式如下:
当市场主体申报的价格相同时,考虑发用电曲线相似度高的发电商或电力用户/售电商优先成交;
假设有电力用户m和发电企业n,发电企业(n-1),当发电企业n与发电企业(n-1)交易申报价格相同时,出清考虑发电用电相关性系数高的匹配对成交;当发用电曲线相似度相等时,各发电企业申报电量的一半成交;即:
式(27)中,Qm、Qn、Qn-1表示电力用户m和发电企业n、发电企业(n-1)的申报电量。λmn代表第m个发电企业和第n个电力用户间的关联度系数;λm(n-1)代表第m个发电企业和第(n-1)个电力用户间的关联度系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010727768.4A CN112836916A (zh) | 2020-07-24 | 2020-07-24 | 一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010727768.4A CN112836916A (zh) | 2020-07-24 | 2020-07-24 | 一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112836916A true CN112836916A (zh) | 2021-05-25 |
Family
ID=75923270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010727768.4A Pending CN112836916A (zh) | 2020-07-24 | 2020-07-24 | 一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836916A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886214A (zh) * | 2017-09-29 | 2018-04-06 | 广东电力交易中心有限责任公司 | 一种考虑电厂群成交电量约束的月度集中撮合交易出清方法 |
CN110852519A (zh) * | 2019-11-18 | 2020-02-28 | 贵州电网有限责任公司 | 一种考虑多类型负荷的售电公司最优盈利方法 |
CN110942191A (zh) * | 2019-11-22 | 2020-03-31 | 国网陕西省电力公司电力科学研究院 | 一种中长期电力市场下的多目标双边匹配方法 |
-
2020
- 2020-07-24 CN CN202010727768.4A patent/CN112836916A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886214A (zh) * | 2017-09-29 | 2018-04-06 | 广东电力交易中心有限责任公司 | 一种考虑电厂群成交电量约束的月度集中撮合交易出清方法 |
CN110852519A (zh) * | 2019-11-18 | 2020-02-28 | 贵州电网有限责任公司 | 一种考虑多类型负荷的售电公司最优盈利方法 |
CN110942191A (zh) * | 2019-11-22 | 2020-03-31 | 国网陕西省电力公司电力科学研究院 | 一种中长期电力市场下的多目标双边匹配方法 |
Non-Patent Citations (1)
Title |
---|
ZHANG LIN等: "Research on Clearing Model of Long-Term Transaction Considering Matching Degree between Generation and Load", 《E3S WEB OF CONFERENCES》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chae et al. | Artificial neural network model for forecasting sub-hourly electricity usage in commercial buildings | |
Fu et al. | Clustering-based short-term load forecasting for residential electricity under the increasing-block pricing tariffs in China | |
Xiao et al. | A combined forecasting approach based on fuzzy soft sets | |
CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
Lee et al. | Using rough set to support investment strategies of real-time trading in futures market | |
CN110852519A (zh) | 一种考虑多类型负荷的售电公司最优盈利方法 | |
CN106803171A (zh) | 考虑日前市场价和风电不确定性的月度合约市场购电方法 | |
Wang et al. | Energy futures price prediction and evaluation model with deep bidirectional gated recurrent unit neural network and RIF-based algorithm | |
CN115496627A (zh) | 一种可调资源响应潜力的评估方法及系统 | |
CN110322121A (zh) | 一种供电企业客户满意度评估方法 | |
Loutfi et al. | Empirical study of day-ahead electricity spot-price forecasting: Insights into a novel loss function for training neural networks | |
Lou et al. | Mts-lstdm: multi-time-scale long short-term double memory for power load forecasting | |
CN115049102A (zh) | 一种电价预测方法、装置、移动终端及存储介质 | |
Chen et al. | A new trading mechanism for prosumers based on flexible reliability preferences in active distribution network | |
Xie et al. | A multi-information fusion model for short term load forecasting of an architectural complex considering spatio-temporal characteristics | |
CN108471136B (zh) | 一种电力系统中的功率供需匹配可行性分析方法 | |
Boltürk et al. | Electricity consumption forecasting using fuzzy time series | |
CN114358359A (zh) | 基于电力市场发展态势感知的电费回收风险预警方法 | |
Zhang et al. | Generation of sub-item load profiles for public buildings based on the conditional generative adversarial network and moving average method | |
CN112836916A (zh) | 一种电力中长期考虑发电侧负荷曲线匹配度的出清方法 | |
CN111582588A (zh) | 一种基于三重卷积融合gru的建筑物能耗预测方法 | |
CN111275337A (zh) | 一种电力市场发展状态评价方法及系统 | |
CN114649820B (zh) | 一种风光储场站多环节容量分配方法及系统 | |
Cao et al. | A hybrid electricity load prediction system based on weighted fuzzy time series and multi-objective differential evolution | |
CN115545469A (zh) | 基于电力零售市场的信用风险管理评估方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |
|
RJ01 | Rejection of invention patent application after publication |