CN113962717A - 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置 - Google Patents

面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置 Download PDF

Info

Publication number
CN113962717A
CN113962717A CN202110955467.1A CN202110955467A CN113962717A CN 113962717 A CN113962717 A CN 113962717A CN 202110955467 A CN202110955467 A CN 202110955467A CN 113962717 A CN113962717 A CN 113962717A
Authority
CN
China
Prior art keywords
market
power
quotation
annual
electric quantity
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
Application number
CN202110955467.1A
Other languages
English (en)
Inventor
宫兆军
张圣君
郝强
王欢
胡啸
韩沐辰
钱卫
王可为
姜洋
许智慧
李代力
吴娜
满昌峰
刘雷
麻瑞存
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ziguang Shuzhi Technology Co ltd
State Power Investment Group Capital Holding Co ltd
Original Assignee
Beijing Ziguang Shuzhi Technology Co ltd
State Power Investment Group Capital Holding Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Ziguang Shuzhi Technology Co ltd, State Power Investment Group Capital Holding Co ltd filed Critical Beijing Ziguang Shuzhi Technology Co ltd
Priority to CN202110955467.1A priority Critical patent/CN113962717A/zh
Publication of CN113962717A publication Critical patent/CN113962717A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请提出一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置，首先收集基础数据对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，根据电力市场公共数据库构建基础数据之间的对应关系，根据电力市场公共数据库将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，将多级电力市场对应的分配电量输入至第一预测模型，得到年度电力在多级电量市场的持仓预测结果。随后，分别针对多级电力市场进行第二预测模型测算，得到多级电力市场当中虚拟电厂风光储联合报价的报价策略。由此，该方法提高了报价及持仓策略预测的准确度、实现了在多级电力市场的优化配置、提升了资源利用率。

Description

面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、 装置
技术领域
本申请涉及新能源发电技术领域，尤其涉及一种一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置及存储介质。
背景技术
电力市场的报价及持仓策略是市场主体参与交易的重点工作，也是未来发展的趋势。而发电侧虚拟电厂共享储能参与电力市场也需要对自身的持仓策略进行预判。
目前，发电侧对于报价及持仓策略的预测主要是对历史出清数据进行大数据拟合、市场供需分析、历史典型日对比选择等方式。
但是，大数据拟合适用于稳定连续运行3-5年以上的数据积累，因此面对国内电力供需波动较大的情况，缺乏准确度；市场供需分析中缺少对电网节点阻塞、天气、节假日、重大事假、机组运行状态和局部装机规模和装机类型、新能源电站如何参与电力市场的交易方式、一次能源价格波动等影响因素的分析，从而容易造成预测结果的偏差；历史典型日对比选择中发电机组受气象影响较大，因此新能源发电功率预测波动大，缺乏准确度。发电侧虚拟电厂共享储能作为新生的发电侧市场主体，亟需一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测的方法。
发明内容
本申请提供一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置及存储介质，以提出一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法。
本申请第一方面实施例提出一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测，包括以下步骤：
收集基础数据，对所述基础数据进行清洗和转换以根据所述基础数据构建电力市场公共数据库，根据所述电力市场公共数据库构建所述基础数据之间的对应关系；
根据所述电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场；其中，所述多级电力市场包括年度市场、月度市场、月内市场、现货日前市场；
将所述多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在所述多级电力市场的持仓预测结果。
本申请第二方面实施例提出一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，包括：
数据采集模块，用于收集基础数据，对所述基础数据进行清洗和转换以根据所述基础数据构建电力市场公共数据库，根据所述电力市场公共数据库构建所述基础数据之间的对应关系；
电量分配模块，用于根据所述电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场；其中，所述多级电力市场包括年度市场、月度市场、月内市场、现货日前市场；
持仓预测模块，用于将所述多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在所述多级电力市场的持仓预测结果。
本申请第三方面实施例提出的计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现如上第一方面所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本公开提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置及存储介质，首先收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，并根据电力市场公共数据库构建基础数据之间的对应关系，然后根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，之后，将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。由此，本公开提供的方法是通过分配模型将虚拟电厂的年度电量分配至多级电力市场，然后将多级电力市场对应的分配电量输入至第一预测模型，从而得到年度电量在多级电量市场的持仓预测结果。随后，分别针对多级电力市场进行第二预测模型测算，得到了多级电力市场当中虚拟电厂风光储联合报价的报价策略，从而提高了报价及持仓策略预测的准确度、实现了在多级电力市场的优化配置、提升了新能源电站与储能电站的资源利用率。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法的流程示意图；
图2为根据本申请另一个实施例提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法的流程示意图；
图3为面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法的示意图；
图4为根据本申请一个实施例提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本公开提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置及存储介质，首先收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，并根据电力市场公共数据库构建基础数据之间的对应关系，然后根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，之后，将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。由此，本公开提供的方法是通过分配模型将虚拟电厂的年度电量分配至多级电力市场，然后将多级电力市场对应的分配电量输入至第一预测模型，从而得到年度电量在多级电量市场的持仓预测结果。随后，分别针对多级电力市场进行第二预测模型测算，得到了多级电力市场当中虚拟电厂风光储联合报价的报价策略，从而提高了报价及持仓策略预测的准确度、实现了在多级电力市场的优化配置、提升了新能源电站与储能电站的资源利用率。
下面参考附图描述本申请实施例的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法及装置。
实施例一
图1为根据本申请一个实施例提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法的流程示意图，如图1所示，所述方法可以包括：
步骤101、收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，根据电力市场公共数据库构建基础数据之间的对应关系。
其中，在本公开的实施例中，对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记中的一项或者多项。
步骤102、根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场。
其中，在本公开的实施例中，多级电力市场可以包括年度市场、月度市场、月内市场、现货日前市场。
以及，在本公开的实施例中，根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场的方法可以包括以下步骤：
步骤1、获取多个约束条件，根据多个约束条件生成约束矩阵；
其中，在本公开的实施例中，约束条件可以包括总发电量、社会用电需求、年度时长供需比例、多级市场中各自市场价格的上下限。
以及，在本公开的实施例中，根据多个约束条件可以生成如下的约束矩阵：
Figure BDA0003220322810000051
Figure BDA0003220322810000052
其中，在本公开的实施例中，Bi所对应的X为交换变量，Fi为协调模块，用于表示电力市场中电量之间的耦合关系或者风险利益的相关系数矩阵。
步骤2、根据约束矩阵和全年电量在多级电力市场的目标函数，确定全年电量在各级电力市场的分配比例，根据分配比例将全年电量分配至不同的电力市场。
其中，在本公开的实施例之中，全年电量在多级电力市场的目标函数是将年发电任务和电量优化分配到不同的市场，可以等价为发电设备容量在各级市场的优化分配比例，从而实现在多级电力市场的优化配置，提升新能源电站与储能电站的资源利用率。
以及，在本公开的实施例中，全年电量在多级电力市场的目标函数，如下所示：
Figure BDA0003220322810000053
其中，在本公开的实施例中，Ji＝(ρi-Ci)·Xi。因此，上述目标函数可以表示为
Figure BDA0003220322810000054
以及，在本公开的实施例中，约束条件包括：
风险水平约束：
Figure BDA0003220322810000061
总容量比例限制：
Figure BDA0003220322810000062
各级市场容量比例限制：
Figure BDA0003220322810000063
各级市场的风险收益限制：
Figure BDA0003220322810000064
进一步地，在本公开的实施例中，根据上述约束矩阵和全年电量在多级电力市场的目标函数，确定全年电量在各级电力市场的分配比例，根据分配比例将全年电量分配至不同的电力市场，从而可以将年计划电量分配的各级市场得到优化的分配方案。
步骤103、将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。
其中，在本公开的实施例中，第一预测模型是通过训练得出的对多级电量市场的持仓进行预测的模型。以及，在本公开的实施例中，将通过步骤102得到的多级电力市场对应的分配电量输入至第一预测模型后，可以得到年度电量在多级电量市场的持仓预测结果。
综上所述，本申请提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，首先收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，并根据电力市场公共数据库构建基础数据之间的对应关系，然后根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，之后，将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。由此，本公开提供的方法是通过分配模型将虚拟电厂的年度电量分配至多级电力市场，然后将多级电力市场对应的分配电量输入至第一预测模型，从而得到年度电量在多级电量市场的持仓预测结果。随后，分别针对多级电力市场进行第二预测模型测算，得到了多级电力市场当中虚拟电厂风光储联合报价的报价策略，从而提高了报价及持仓策略预测的准确度、实现了在多级电力市场的优化配置、提升了新能源电站与储能电站的资源利用率。
实施例二
图2为根据本申请另一个实施例提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测的流程示意图，如图2所示，所述方法可以包括：
步骤201、收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，根据电力市场公共数据库构建基础数据之间的对应关系。
步骤202、根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场。
步骤203、将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电力市场的持仓预测结果。
其中，在本公开的实施例中，关于步骤201～203的详细介绍可以参考上述实施例中的相关介绍，本公开实施例在此不做赘述。
步骤204、分别针对多级电力市场进行第二预测模型测算，得到多级电力市场当中虚拟电厂风光储联合报价的报价策略。
其中，在本公开的实施例中，分别针对多级电力市场进行第二预测模型测算，得到多级电力市场当中虚拟电厂风光储联合报价的报价策略的具体方法可以包括：
分别在年度市场和月度市场上，根据边际电价和/或储能维度，以及进行合约交易的目标函数生成报价曲线，并根据报价曲线进行第二预测模型测算，确定年度或月度的报价预测结果。
进一步，在本公开的实施例中，年度市场根据边际电价计算的公式如下所示：
Figure BDA0003220322810000071
系统边际电价：
Figure BDA0003220322810000072
Figure BDA0003220322810000073
其中，
Figure BDA0003220322810000074
为i机组t时段的年合约报价；
Figure BDA0003220322810000075
为t时段概率为p的系统边际价格，
Figure BDA0003220322810000081
为i机组t时段的成本函数，
Figure BDA0003220322810000082
为i机组t时段的合约电量，Nu为电厂的机组i指标集，T为年内时段t的指标集，
Figure BDA0003220322810000083
为i机组t时段的状态变量，＝1为运行、中标，＝0为停运、不中标，N为系统参与竞价机组指标集；
以及，在本公开的实施例中，年度市场根据风电、光伏储能维度计算的公式如下所示：
Figure BDA0003220322810000084
约束条件包括：
i机组年度交易电量约束：
Figure BDA0003220322810000085
i机组t时段电量上、下界约束：
Figure BDA0003220322810000086
其中，Eiy为i机组年总发电量。
进一步地，在本公开的实施例中，在月内市场上，确定月内的报价预测结果的方法可以包括以下步骤：
步骤1、在月内市场上，根据边际电价和/或储能维度计算月内收益。
具体的，在本公开的实施例中，根据边际电价计算月内收益的公式如下所示：
Figure BDA0003220322810000087
其中，T为月周期内时段t的指标集，TS为t时段内s子时段的指标集，
Figure BDA0003220322810000088
为t时段s子时段概率为p的市场边际电价，Nu为参与竞价的电厂中的机组i的指标集，N为系统参与竞价的机组指标集，
Figure BDA0003220322810000089
为i机组t时段s子时段的月合约电量，
Figure BDA00032203228100000810
为i机组t时段s子时段成本函数，
Figure BDA00032203228100000811
为i机组t时段s子时段的报价，
Figure BDA00032203228100000812
为i机组t时段起停费；
以及，在本公开的实施例中，根据风电、光伏储能维度计算月内收益的公式如下所示：
Figure BDA00032203228100000813
约束条件：
i机组月交易电量约束：
Figure BDA0003220322810000091
i机组电量上、下界：
Figure BDA0003220322810000092
i机组年合约月电量约束：
Figure BDA0003220322810000093
t时段s子时段电量平衡：
Figure BDA0003220322810000094
其中，
Figure BDA0003220322810000095
为本厂t时段s子时段负荷需求，Eim为i机组m月合约交易总电量，Eifm为年度合约分到m月i机组的总电量，
Figure BDA0003220322810000096
为年度合约分到i机组t时段s子时段的电量值，
Figure BDA0003220322810000097
为月内t时段s子时的备用系数。
步骤2、根据月内收益以及负荷预测曲线进行第二预测模型测算，确定月内的报价预测结果。
进一步的，在本公开的实施例中，在现货日前市场上得到最终预测电价的方法可以包括以下步骤：
步骤a、采用自回归模型计算第一当前预测电价，并采用移动平均模型计算第二当前预测电价。
其中，自回归(AR)模型是一种从事物变化的因果关系出发来进行预测的一种方法，表示如下：
Yt＝θ1Yt-1+θ2Yt-2+…+θpYt-p+et
其中，θi(i＝1,...,p)是模型中的待定参数(自回归系数矩阵)，et是干扰项，它是一个均值为零但具有一定方差的白噪声，Yt为电价数据组成的时间序列，定义时间后移算子B，算子B满足BYt＝Yt-1 BkYt＝Yt-k，则自回归模型可以表示Yt＝(θ1B+θ2B2+…+θpBp)Yt+et。
以及，自回归模型是用有限项过去出清价格和实时价格及现时的干扰(市场煤价、系统负荷、竞争负荷、供需比、最小开机容量负荷率、最大开机容量负荷率)来预测模型的现时值。
以及，移动平均(MA)模型表示如下：
Yt＝(1-w1B-w2B2-…-wqBq)et
其中，wj(j＝1,...,q)是模型的待定参数，et为干扰项。移动平均模型是用现时干扰及过去干扰的有限项来预测模型的现时值。
以及，在本公开的实施例中将AR和MA两种模型结合起来，便得到了自回归动平均模型ARMA，表示为：
θp(B)Yt＝Wq(B)et
其中，θp(B)＝1-θ1B-θ2B2-…-θpBp，Wq(B)＝1-w1B-w2B2-…-wqB。q
以及，et是均值为零，有一定方差的白噪声，θi(i＝1,…,p)和wj(j＝1,…,q)为待定的参数。
步骤b、根据第一当前预测电价和第二当前预测电价，采用辅助模型计算当前最终预测电价，其中，分别为自回归模型、移动平均模型和辅助模型设置不同的权重。
其中，在本公开的实施例中，辅助模型可以包括：支持向量回归(Support VectorRegression，SVR)、随机森林(Random Forest)、BP神经网络(Back Propagation NeuralNetwork)、LSTM神经网络(Long Short Term Memory，LSTM)。
具体的，在本公开的实施例中，采用辅助模型计算当前最终预测电价的方法可以包括：
利用P(t)＝b1P1+b2P2+……+bmPm，得出最终预测电价。
其中，在本公开的实施例中，P(t)为节点电价预测目标，P1，P2……，Pm为不同模型的加权系数。以及，在本公开的实施例中利用最小二乘法，根据统计值的n组数据，求得多元线性回归模型的常数项和回归系数b1，b2，……，bm。
以及，在本公开的实施例之中，关于上述步骤的描述具体可以参照图3的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法的示意图。
综上所述，本申请提供的面向发电侧虚拟电厂共享储能的持仓预测方法，首先收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，并根据电力市场公共数据库构建基础数据之间的对应关系，然后根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，之后，将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。由此，本公开提供的方法是通过分配模型将虚拟电厂的年度电量分配至多级电力市场，然后将多级电力市场对应的分配电量输入至第一预测模型，从而得到年度电量在多级电量市场的持仓预测结果。随后，分别针对多级电力市场进行第二预测模型测算，得到了多级电力市场当中虚拟电厂风光储联合报价的报价策略，从而提高了报价及持仓策略预测的准确度、实现了在多级电力市场的优化配置、提升了新能源电站与储能电站的资源利用率。
实施例三
图4为根据本申请一个实施例提供的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置的结构示意图，如图4所示，所述装置可以包括：
数据采集模块401，用于收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，根据电力市场公共数据库构建基础数据之间的对应关系。
电量分配模块402，用于根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，其中，多级电力市场包括年度市场、月度市场、月内市场、现货日前市场。
持仓预测模块403，用于将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。
其中，在本公开的实施例中，上述装置还包括：
报价预测模块404，报价预测模块用于分别针对多级电力市场进行第二预测模型测算，得到多级电力市场当中虚拟电厂风光储联合报价的报价策略。
进一步地，在本公开的实施例中，上述数据采集模块401，还用于：
对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记中的一项或者多项。
进一步地，在本公开的实施例中，上述电量分配模块402，还用于：
获取多个约束条件，根据多个约束条件生成约束矩阵；
根据约束矩阵和全年电量在多级电力市场的目标函数，确定全年电量在各级电力市场的分配比例，根据分配比例将全年电量分配至不同的电力市场。
进一步地，在本公开的实施例中，上述报价预测模块404，还用于：
分别在年度市场和月度市场上，根据边际电价和/或储能维度，以及进行合约交易的目标函数生成报价曲线，并根据报价曲线进行第二预测模型测算，确定年度或月度的报价预测结果。
进一步地，在本公开的实施例中，上述报价预测模块404，还用于：
在月内市场上，根据边际电价和/或储能维度计算月内收益；
根据月内收益以及负荷预测曲线进行第二预测模型测算，确定月内的报价预测结果。
进一步地，在本公开的实施例中，上述报价预测模块404，还用于：
在现货日前市场上，采用自回归模型计算第一当前预测电价，并采用移动平均模型计算第二当前预测电价；
根据第一当前预测电价和第二当前预测电价，采用辅助模型计算当前最终预测电价，其中，分别为自回归模型、移动平均模型和辅助模型设置不同的权重。
综上所述，本申请提供的面向发电侧虚拟电厂共享储能的持仓预测方法、装置及存储介质，首先收集基础数据，对基础数据进行清洗和转换以根据基础数据构建电力市场公共数据库，并根据电力市场公共数据库构建基础数据之间的对应关系，然后根据电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，之后，将多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在多级电量市场的持仓预测结果。由此，本公开提供的方法是通过分配模型将虚拟电厂的年度电量分配至多级电力市场，然后将多级电力市场对应的分配电量输入至第一预测模型，从而得到年度电量在多级电量市场的持仓预测结果。随后，分别针对多级电力市场进行第二预测模型测算，得到了多级电力市场当中虚拟电厂风光储联合报价的报价策略，从而提高了报价及持仓策略预测的准确度、实现了在多级电力市场的优化配置、提升了新能源电站与储能电站的资源利用率。
为了实现上述实施例，本公开还提出一种计算机存储介质。
本公开实施例提供的计算机存储介质，存储有可执行程序；所述可执行程序被处理器执行后，能够实现如图1-3或图4任一所示的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (17)

1.一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，包括以下步骤：
收集基础数据，对所述基础数据进行清洗和转换以根据所述基础数据构建电力市场公共数据库，根据所述电力市场公共数据库构建所述基础数据之间的对应关系；
根据所述电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场；其中，所述多级电力市场包括年度市场、月度市场、月内市场、现货日前市场；
将所述多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在所述多级电力市场的持仓预测结果。
2.根据权利要求1所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，所述方法还包括：
分别针对所述多级电力市场进行第二预测模型测算，得到所述多级电力市场当中虚拟电厂风光储联合报价的报价策略。
3.根据权利要求1或2所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，对所述基础数据进行清洗和转换，包括：
对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记中的一项或者多项。
4.根据权利要求1或2所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，根据所述电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场，包括：
获取多个约束条件，根据所述多个约束条件生成约束矩阵；
根据所述约束矩阵和全年电量在所述多级电力市场的目标函数，确定全年电量在各级电力市场的分配比例，根据所述分配比例将全年电量分配至不同的电力市场。
5.根据权利要求2所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，所述分别针对所述多级电力市场进行第二预测模型测算，得到所述多级电力市场当中虚拟电厂风光储联合报价的报价策略，包括：
分别在所述年度市场和所述月度市场上，根据边际电价和/或储能维度，以及进行合约交易的目标函数生成报价曲线，并根据所述报价曲线进行所述第二预测模型测算，确定年度或月度的报价预测结果。
6.根据权利要求5所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，
按照边际电价计算：
Figure FDA0003220322800000021
系统边际电价：
Figure FDA0003220322800000022
Figure FDA0003220322800000023
其中，
Figure FDA0003220322800000024
为i机组t时段的年合约报价；
Figure FDA0003220322800000025
为t时段概率为p的系统边际价格，
Figure FDA0003220322800000026
为i机组t时段的成本函数，
Figure FDA0003220322800000027
为i机组t时段的合约电量，Nu为电厂的机组i指标集，T为年内时段t的指标集，
Figure FDA0003220322800000028
为i机组t时段的状态变量，＝1为运行、中标，＝0为停运、不中标，N为系统参与竞价机组指标集；
按风电、光伏储能维度计算：
Figure FDA0003220322800000029
约束条件包括：
i机组年度交易电量约束：
Figure FDA00032203228000000210
i机组t时段电量上、下界约束：
Figure FDA00032203228000000211
其中，Eiy为i机组年总发电量。
7.根据权利要求2所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，分别针对所述多级电力市场进行第二预测模型测算，得到所述多级电力市场当中虚拟电厂风光储联合报价的报价策略，包括：
在所述月内市场上，根据边际电价和/或储能维度计算月内收益；
根据所述月内收益以及负荷预测曲线进行所述第二预测模型测算，确定月内的报价预测结果。
8.根据权利要求7所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，
按照边际电价计算：
Figure FDA0003220322800000031
Figure FDA0003220322800000032
其中，T为月周期内时段t的指标集，TS为t时段内s子时段的指标集，
Figure FDA0003220322800000033
为t时段s子时段概率为p的市场边际电价，Nu为参与竞价的电厂中的机组i的指标集，N为系统参与竞价的机组指标集，
Figure FDA0003220322800000034
为i机组t时段s子时段的月合约电量，
Figure FDA0003220322800000035
为i机组t时段s子时段成本函数，
Figure FDA0003220322800000036
为i机组t时段s子时段的报价，
Figure FDA0003220322800000037
为i机组t时段起停费；
按照风电、光伏储能维度计算：
Figure FDA0003220322800000038
约束条件：
i机组月交易电量约束：
Figure FDA0003220322800000039
i机组电量上、下界：
Figure FDA00032203228000000310
i机组年合约月电量约束：
Figure FDA00032203228000000311
t时段s子时段电量平衡：
Figure FDA00032203228000000312
其中，
Figure FDA00032203228000000313
为本厂t时段s子时段负荷需求，Eim为i机组m月合约交易总电量，Eifm为年度合约分到m月i机组的总电量，
Figure FDA00032203228000000314
为年度合约分到i机组t时段s子时段的电量值，
Figure FDA00032203228000000315
为月内t时段s子时的备用系数。
9.根据权利要求2所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，分别针对所述多级电力市场进行第二预测模型测算，得到所述多级电力市场当中虚拟电厂风光储联合报价的报价策略，包括：
在所述现货日前市场上，采用自回归模型计算第一当前预测电价，并采用移动平均模型计算第二当前预测电价；
根据所述第一当前预测电价和第二当前预测电价，采用辅助模型计算当前最终预测电价，其中，分别为所述自回归模型、所述移动平均模型和所述辅助模型设置不同的权重。
10.一种面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，其特征在于，包括：
数据采集模块，用于收集基础数据，对所述基础数据进行清洗和转换以根据所述基础数据构建电力市场公共数据库，根据所述电力市场公共数据库构建所述基础数据之间的对应关系；
电量分配模块，用于根据所述电力市场公共数据库，将虚拟电厂多个新能源电站和多个储能电站汇总的年度电量通过分配模型分配至多级电力市场；其中，所述多级电力市场包括年度市场、月度市场、月内市场、现货日前市场；
持仓预测模块，用于将所述多级电力市场对应的分配电量输入至第一预测模型，得到年度电量在所述多级电力市场的持仓预测结果。
11.根据权利要求10所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，其特征在于，所述多级电力市场包括年度市场、月度市场、月内市场、现货日前市场，所述装置还包括：
报价预测模块，所述报价预测模块用于分别针对所述多级电力市场进行第二预测模型测算，得到所述多级电力市场当中虚拟电厂风光储联合报价的报价策略。
12.根据权利要求10所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，其特征在于，所述数据采集模块，还用于：
对异常数据的甄别、对非连续性数据的加工、对缺少数据的标记中的一项或者多项。
13.根据权利要求10或11所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，其特征在于，所述电量分配模块，还用于：
获取多个约束条件，根据所述多个约束条件生成约束矩阵；
根据所述约束矩阵和全年电量在所述多级电力市场的目标函数，确定全年电量在各级电力市场的分配比例，根据所述分配比例将全年电量分配至不同的电力市场。
14.根据权利要求11所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法，其特征在于，所述报价预测模块，还用于：
分别在所述年度市场和所述月度市场上，根据边际电价和/或储能维度，以及进行合约交易的目标函数生成报价曲线，并根据所述报价曲线进行所述第二预测模型测算，确定年度或月度的报价预测结果。
15.根据权利要求11所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，其特征在于，所述报价预测模块，还用于：
在所述月内市场上，根据边际电价和/或储能维度计算月内收益；
根据所述月内收益以及负荷预测曲线进行所述第二预测模型测算，确定月内的报价预测结果。
16.根据权利要求11所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测装置，所述报价预测模块，还用于：
在所述现货日前市场上，采用自回归模型计算第一当前预测电价，并采用移动平均模型计算第二当前预测电价；
根据所述第一当前预测电价和第二当前预测电价，采用辅助模型计算当前最终预测电价，其中，分别为所述自回归模型、所述移动平均模型和所述辅助模型设置不同的权重。
17.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法。
CN202110955467.1A 2021-08-19 2021-08-19 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置 Pending CN113962717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110955467.1A CN113962717A (zh) 2021-08-19 2021-08-19 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110955467.1A CN113962717A (zh) 2021-08-19 2021-08-19 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置

Publications (1)

Publication Number Publication Date
CN113962717A true CN113962717A (zh) 2022-01-21

Family

ID=79460540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110955467.1A Pending CN113962717A (zh) 2021-08-19 2021-08-19 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置

Country Status (1)

Country Link
CN (1) CN113962717A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114744653A (zh) * 2022-04-24 2022-07-12 浙大宁波理工学院 一种复合储能电站运行优化方法、系统及可存储介质
CN115358803A (zh) * 2022-09-05 2022-11-18 国网数字科技控股有限公司 一种跨市场履约方法及系统
CN116485440A (zh) * 2023-06-20 2023-07-25 国家电投集团电站运营技术（北京）有限公司 基于模型堆叠的市场出清电价预测方法、装置和设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114744653A (zh) * 2022-04-24 2022-07-12 浙大宁波理工学院 一种复合储能电站运行优化方法、系统及可存储介质
CN114744653B (zh) * 2022-04-24 2023-07-18 浙大宁波理工学院 一种复合储能电站运行优化方法、系统及可存储介质
CN115358803A (zh) * 2022-09-05 2022-11-18 国网数字科技控股有限公司 一种跨市场履约方法及系统
CN115358803B (zh) * 2022-09-05 2023-05-19 国网数字科技控股有限公司 一种跨市场履约方法及系统
CN116485440A (zh) * 2023-06-20 2023-07-25 国家电投集团电站运营技术（北京）有限公司 基于模型堆叠的市场出清电价预测方法、装置和设备

Similar Documents

Publication Publication Date Title
Faraji et al. Optimal day-ahead self-scheduling and operation of prosumer microgrids using hybrid machine learning-based weather and load forecasting
Das et al. Day-ahead optimal bidding strategy of microgrid with demand response program considering uncertainties and outages of renewable energy resources
US11681264B2 (en) Building energy storage system with planning tool
Khaloie et al. Co-optimized bidding strategy of an integrated wind-thermal-photovoltaic system in deregulated electricity market under uncertainties
CN110276698B (zh) 基于多智能体双层协同强化学习的分布式可再生能源交易决策方法
CN113904385B (zh) 新能源发电侧虚拟电厂共享储能方法、系统及存储介质
Nguyen et al. Risk-constrained profit maximization for microgrid aggregators with demand response
Da Silva et al. The impact of smart grid prosumer grouping on forecasting accuracy and its benefits for local electricity market trading
CN113962717A (zh) 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置
Walther et al. Design of regional production networks for second generation synthetic bio-fuel–A case study in Northern Germany
CN111082451B (zh) 基于场景法的增量配电网多目标优化调度模型
Kühnbach et al. Towards improved prosumer participation: Electricity trading in local markets
Faraji et al. Optimal day-ahead scheduling and operation of the prosumer by considering corrective actions based on very short-term load forecasting
Sreekumar et al. Flexible Ramp Products: A solution to enhance power system flexibility
Lei et al. Bridging electricity market and carbon emission market through electric vehicles: Optimal bidding strategy for distribution system operators to explore economic feasibility in China's low-carbon transitions
Khalid Wind power economic dispatch–impact of radial basis functional networks and battery energy storage
Negri et al. Combined model predictive control and ANN-based forecasters for jointly acting renewable self-consumers: An environmental and economical evaluation
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
Scheller et al. Provoking residential demand response through variable electricity tariffs-a model-based assessment for municipal energy utilities
Botterud Forecasting renewable energy for grid operations
Wang et al. Peer-to-peer energy trading for residential prosumers with photovoltaic and battery storage systems
Ullah et al. M.(2022). Optimisation and Management of Virtual Power Plants Energy Mix Trading Model
Kühnbach et al. How much energy autonomy can decentralised photovoltaic generation provide? A case study for Southern Germany
Pei et al. Optimizing the operation and allocating the cost of shared energy storage for multiple renewable energy stations in power generation side
KR20230027730A (ko) 전력 거래 중개 플랫폼 및 방법

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