CN114899830A - 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 - Google Patents
基于电网峰谷差率的负荷侧交易方法、系统及相关设备 Download PDFInfo
- Publication number
- CN114899830A CN114899830A CN202210288451.4A CN202210288451A CN114899830A CN 114899830 A CN114899830 A CN 114899830A CN 202210288451 A CN202210288451 A CN 202210288451A CN 114899830 A CN114899830 A CN 114899830A
- Authority
- CN
- China
- Prior art keywords
- load
- peak
- valley difference
- difference rate
- valley
- 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 116
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000010219 correlation analysis Methods 0.000 claims abstract description 19
- 230000009467 reduction Effects 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000010835 comparative analysis Methods 0.000 claims description 7
- 238000000556 factor analysis Methods 0.000 claims description 7
- 238000012916 structural analysis Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 abstract description 15
- 230000004927 fusion Effects 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 18
- 230000033228 biological regulation Effects 0.000 description 17
- 238000009826 distribution Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003696 structure analysis method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于电网峰谷差率的负荷侧交易方法、系统及相关设备,方法包括:S1,采集与负荷峰谷差相关的负荷指标数据、负荷指标体系以及获取历史统调负荷数据,并采用相关性分析法确定评价指标类型;S2,根据评价指标类型建立负荷预测模型,负荷预测模型用于通过交易周期进行分解计算得到多场景交易规模、交易日期、得到月平均峰谷差率;S3,获取当前的年度峰谷差率降低目标,并利用负荷预测模型对预定时间内的用电负荷进行预测后计算并输出计划平均峰谷差率;S4,根据计划平均峰谷差率构建基于峰谷差率的自动交易计划模型并根据自动交易计划模型进行负荷交易。通过大数据分析,设计多元融合高弹性负荷侧交易触发机制,降低用户负荷峰谷差率。
Description
技术领域
本发明涉及电力交易技术领域,特别是涉及一种基于电网峰谷差 率的负荷侧交易方法、系统及相关设备。
背景技术
随着经济发展、人民生活水平不断提高,全社会用电最高负荷节 节攀升,也导致近几年统调负荷最大峰谷差也在不断升高,例如近三 年最大峰谷差率分别为47.89%、48.35%、49.14%。
而在用电负荷不断增加、用电峰谷差持续增大的同时,由于新能 源在能源占比中的不断增加以及新能源发电本身的不规律性,以传统 火电、抽水蓄能为主的常规调峰方法已不能满足电网调峰要求。调峰 的难度和成本日益增加。
在确立了构建海量资源被唤醒、源网荷储全交互、安全效率双提 升的多元融合高弹性电网建设战略目标后,围绕源网荷储四个电力系 统核心环节,通过灵活规划网架坚强、电网引导多能互联、安全承载 耐受抗扰、设备挖潜运行高效、各侧资源唤醒集聚、源网荷储弹性平 衡、改革机制配套、科创引领数智赋能等八个方面,实现推进多元融 合具体落地。随着高弹性电网配套市场机制建设的有序推进,为电网 调峰提供了主体多元化、内容多样化、灵活性更强的选择。
其中,负荷侧、电源侧和储能侧等多元化资源是融入高弹性电网 市场的多个重要因素。因此,有必要研究负荷侧资源参与多元融合高 弹性电网交易的触发机制,扩大参加市场的负荷侧资源规模和调节能 力,逐步减少峰谷负荷差,确保电网安全经济运行。
发明内容
本发明的目的是提供了一种基于电网峰谷差率的负荷侧交易方 法、系统及及相关设备,以解决现有的常规调峰方的不足,提高调峰 效率,降低调峰的难度和成本。
为解决上述技术问题,本发明实施例提供了一种基于电网峰谷差 率的负荷侧交易方法,包括:
S1,采集与负荷峰谷差相关的负荷指标数据、负荷指标体系以及 获取历史统调负荷数据,并采用相关性分析法根据所述历史统调负荷 数据分析所述负荷指标体系与负荷资源调节之间的相关性后,确定评 价指标类型;
S2,根据所述评价指标类型建立负荷预测模型,所述负荷预测模 型用于通过交易周期进行分解计算得到多场景交易规模、交易日期、 得到月平均峰谷差率;
S3,获取当前的年度峰谷差率降低目标,并利用所述负荷预测模 型对预定时间内的用电负荷进行预测后计算并输出计划平均峰谷差 率;
S4,根据所述计划平均峰谷差率构建基于峰谷差率的自动交易计 划模型并根据所述自动交易计划模型进行负荷交易;
其中,所述自动交易计划模型包括以参与负荷侧交易后的目标月 平均峰谷差率与所述计划平均峰谷差率最小为目标函数及对应的约束 条件,以交易日期、削峰容量、填谷容量为变量;
所述目标函数为:min|目标月平均峰谷差率-所述计划平均峰谷差 率|;
所述约束条件包括日峰谷差率约束、目标月平均峰谷差率约束:
其中,所述日峰谷差率=【(日最大负荷-日削峰容量)-(日最小 负荷-日填谷容量)】/(日最大负荷-日削峰容量);
所述目标月平均峰谷差率约束=Σ日峰谷差率/月天数。
其中,所述相关性分析方法包括比较分析法、结构分析法、趋势 分析法和因素分析法。
其中,所述负荷指标数据为以负荷特性、负荷曲线变化、月负荷 波动为维度构建后经过预设的典型负荷指标筛选的典型负荷指标数 据。
其中,所述负荷指标数据包括年度最大负荷、年度最小负荷、日 最大负荷、日最小负荷、年度最大峰谷差率、月度最大峰谷差率、年 度平均峰谷差率、月度平均峰谷差率、日峰谷差率,所述负荷指标体 系包括负荷维度和峰谷差维度;其中,所述负荷维度包括:年最大负 荷、年最小负荷、日最大负荷和日最下负荷;所述峰谷差维度包括: 年平均峰谷差率、年最大峰谷差率、月平均峰谷差率、月最大峰谷差 率以及日峰谷差率。
其中,所述S4还包括:
采用逆序动态规划法或顺序动态规划法对所述自动交易计划模 型求解。
除此之外,本申请的实施例还提供了一种基于电网峰谷差率的负 荷侧交易系统,包括:
评价指标类型确定模块,用于采集与负荷峰谷差相关的负荷指标 数据、负荷指标体系以及获取历史统调负荷数据,并采用相关性分析 法根据所述历史统调负荷数据分析所述负荷指标体系与负荷资源调节 之间的相关性后,确定评价指标类型;
负荷预测模型构建模块,用于根据所述评价指标类型建立负荷预 测模型,所述负荷预测模型用于通过交易周期进行分解计算得到多场 景交易规模、交易日期、得到月平均峰谷差率;
峰谷差率计算模块,用于获取当前的年度峰谷差率降低目标,并 利用所述负荷预测模型对预定时间内的用电负荷进行预测后计算并输 出计划平均峰谷差率;
自动交易计划模型构建模块,用于根据所述计划平均峰谷差率构 建基于峰谷差率的自动交易计划模型并根据所述自动交易计划模型进 行负荷交易;
其中,所述自动交易计划模型包括以参与负荷侧交易后的目标月 平均峰谷差率与所述计划平均峰谷差率最小为目标函数及对应的约束 条件,以交易日期、削峰容量、填谷容量为变量;
所述目标函数为:min|目标月平均峰谷差率-所述计划平均峰谷差 率|;
所述约束条件包括日峰谷差率约束、目标月平均峰谷差率约束:
其中,所述日峰谷差率=【(日最大负荷-日削峰容量)-(日最小 负荷-日填谷容量)】/(日最大负荷-日削峰容量);
所述目标月平均峰谷差率约束=Σ日峰谷差率/月天数。
其中,还包括与所述评价指标类型确定模块、所述自动交易计划 模型构建模块连接的方法选择模块,用于确定所述相关性分析法、所 述动态规划法的具体类型,其中,所述相关性分析方法包括比较分析 法、结构分析法、趋势分析法和因素分析法,所述动态规划法包括逆 序动态规划法、顺序动态规划法。
其中,还包括与所述评价指标类型确定模块连接的负荷指标确定 模块,用于确定所述负荷指标数据、所述负荷指标体系的类型,其中, 所述负荷指标数据为以负荷特性、负荷曲线变化、月负荷波动为维度 构建并经过预设的典型负荷指标筛选的典型负荷指标数据,所述负荷 指标数据包括年度最大负荷、年度最小负荷、日最大负荷、日最小负 荷、年度最大峰谷差率、月度最大峰谷差率、年度平均峰谷差率、月 度平均峰谷差率、日峰谷差率,所述负荷指标体系包括负荷维度和峰 谷差维度;其中,所述负荷维度包括:年最大负荷、年最小负荷、日 最大负荷和日最下负荷;所述峰谷差维度包括:年平均峰谷差率、年 最大峰谷差率、月平均峰谷差率、月最大峰谷差率以及日峰谷差率。
除此之外,本申请的实施例还提供了一种基于电网峰谷差率的负 荷侧交易的装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如上所述基于电网峰谷 差率的负荷侧交易方法的步骤。
除此之外,本申请的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上存储有计算机程序,所述计算机程序被处 理器执行以实现如上所述基于电网峰谷差率的负荷侧交易方法的步 骤。
本发明实施例所提供的基于电网峰谷差率的负荷侧交易方法、系 统及及相关设备,与现有技术相比,具有以下优点:
所述基于电网峰谷差率的负荷侧交易方法、系统及及相关设备, 通过采集与负荷峰谷差相关的负荷指标数据、负荷指标体系、历史统 调负荷数据进行电力大数据分析,研究电网峰谷差与负荷侧资源调节 能力的相关性后,根据评价指标类型建立负荷预测模型,获取当前的 年度峰谷差率降低目标,并利用负荷预测模型对预定时间内的用电负 荷进行预测后计算并输出计划平均峰谷差率,最后根据计划平均峰谷 差率构建基于峰谷差率的自动交易计划模型并根据自动交易计划模型 进行负荷交易。即通过设计基于电网峰谷差的多元融合高弹性负荷侧 交易触发机制,建立电网安全长效市场触发机制,降低用户负荷峰谷 差率,通过市场化机制实现电网峰谷差率降低预设值;与调控中心协 调负荷侧交易计划,减少电网正负备用,降低电网运行成本,以解决 现有的常规调峰方的不足,提高调峰效率,降低调峰的难度和成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面 将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而 易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通 技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图 获得其他的附图。
图1为本发明实施例提供的基于电网峰谷差率的负荷侧交易方法 的一种具体实施方式的步骤流程示意图;
图2为本发明实施例提供的基于电网峰谷差率的负荷侧交易方法 的一个实施例中负荷变化与峰谷差率对比的示意图;
图3为本发明实施例提供的基于电网峰谷差率的负荷侧交易方法 的一个实施例中各月平均峰谷差率计划图;
图4为本发明实施例提供的基于电网峰谷差率的负荷侧交易方法 的一个实施例中1月的交易计划图;
图5为本发明实施例提供的基于电网峰谷差率的负荷侧交易方法 系统的一种具体实施方式的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方 案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部 分实施例,而不是全部的实施例。基于本发明中的实施例,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, 都属于本发明保护的范围。
请参考图1~5,图1为本发明实施例提供的基于电网峰谷差率的 负荷侧交易方法的一种具体实施方式的步骤流程示意图;图2为本发 明实施例提供的基于电网峰谷差率的负荷侧交易方法的一个实施例中 负荷变化与峰谷差率对比的示意图;图3为本发明实施例提供的基于 电网峰谷差率的负荷侧交易方法的一个实施例中各月平均峰谷差率计 划图;图4为本发明实施例提供的基于电网峰谷差率的负荷侧交易方 法的一个实施例中1月的交易计划图;图5为本发明实施例提供的基 于电网峰谷差率的负荷侧交易方法系统的一种具体实施方式的结构示 意图。
在一种具体实施方式中,所述基于电网峰谷差率的负荷侧交易方 法,包括:
S1,采集与负荷峰谷差相关的负荷指标数据、负荷指标体系以及 获取历史统调负荷数据,并采用相关性分析法根据所述历史统调负荷 数据分析所述负荷指标体系与负荷资源调节之间的相关性后,确定评 价指标类型;
S2,根据所述评价指标类型建立负荷预测模型,所述负荷预测模 型用于通过交易周期进行分解计算得到多场景交易规模、交易日期、 得到月平均峰谷差率;
S3,获取当前的年度峰谷差率降低目标,并利用所述负荷预测模 型对预定时间内的用电负荷进行预测后计算并输出计划平均峰谷差 率;
S4,根据所述计划平均峰谷差率构建基于峰谷差率的自动交易计 划模型并根据所述自动交易计划模型进行负荷交易;
其中,所述自动交易计划模型包括以参与负荷侧交易后的目标月 平均峰谷差率与所述计划平均峰谷差率最小为目标函数及对应的约束 条件,以交易日期、削峰容量、填谷容量为变量;
所述目标函数为:min|目标月平均峰谷差率-所述计划平均峰谷差 率|;
所述约束条件包括日峰谷差率约束、目标月平均峰谷差率约束:
其中,所述日峰谷差率=【(日最大负荷-日削峰容量)-(日最小 负荷-日填谷容量)】/(日最大负荷-日削峰容量);
所述目标月平均峰谷差率约束=Σ日峰谷差率/月天数。
其中,日峰谷差率约束,反应了日峰谷差率,若削峰容量为0, 则代表当日不开展削峰交易,若填谷容量为0,则代表当日不开展填 谷交易;目标月平均峰谷差率约束,反应了参与负荷侧交易后的月平 均峰谷差率。
通过采集与负荷峰谷差相关的负荷指标数据、负荷指标体系、历 史统调负荷数据进行电力大数据分析,研究电网峰谷差与负荷侧资源 调节能力的相关性后,根据评价指标类型建立负荷预测模型,获取当 前的年度峰谷差率降低目标,并利用负荷预测模型对预定时间内的用 电负荷进行预测后计算并输出计划平均峰谷差率,最后根据计划平均 峰谷差率构建基于峰谷差率的自动交易计划模型并根据自动交易计划 模型进行负荷交易。即通过设计基于电网峰谷差的多元融合高弹性负 荷侧交易触发机制,建立电网安全长效市场触发机制,降低用户负荷 峰谷差率,通过市场化机制实现电网峰谷差率降低预设值;与调控中 心协调负荷侧交易计划,减少电网正负备用,降低电网运行成本,以 解决现有的常规调峰方的不足,提高调峰效率,降低调峰的难度和成 本。
本申请中首先搜集典型负荷指标,以电网安全运行为目的,筛选 出的负荷指标体系,获取历史统调负荷数据,采用相关性分析方法根 据所述历史统调负荷数据分析所述负荷指标体系与负荷资源调节能力 之间的相关性,确定评价指标,建立负荷预测模型,负荷预测模型对 交易周期进行统调负荷预测,根据年度峰谷差降低目标,将负荷侧交 易目标分解到月,根据月度目标及负荷预测,计算得出多场景交易规 模和交易日期。然后根据所述计划平均峰谷差率构建基于峰谷差率的 自动交易计划模型。
一个实施例中,负荷变化与峰谷差率对比如图2所示,从负荷和 峰谷差率对比看,运用比较分析法,如果指标体系只包括体现峰谷差 率的指标,不能很好的反应最大负荷、最小负荷的变化,不利于负荷 侧交易的开展,因此,指标体系应包括最大负荷、最小负荷两个负荷 指标。
本申请对于相关性分析方法进行具体限定,所述相关性分析方法 包括比较分析法、结构分析法、趋势分析法和因素分析法,还可以包 括其它的方法。
为方便对研究对象进行深入全面地分析,充分把握研究对象的发 展变化规律,除了要建立一套完整的指标体系,还应该具备科学的指 标分析方法,能够对指标体系进行深层次的挖掘。本申请中的指标体 系分析方法总结如下:
比较分析法是把客观事物加以比较,以达到认识事物的本质和规 律并做出正确的评价,通常是把两个相互联系的指标数据进行比较, 从数量上展示和说明研究对象规模的大小,水平的高低,速度的快慢, 以及各种关系是否协调。在比较的过程中可以选择按照时间标准,即 选择不同时间的指标数值作对比。最常用的是与上年同期比较即“同 比”,还可以与前一时期比较,此外还可以与达到历史最好水平的时期 或历史上一些关键时期进行比较。也可以选择按照空间标准,即选择 不同空间指标数据进行比较。可以与同类对象作比较,例如不同城市 之间售电量水平的比较;还可以与平均水平比较,例如某市售电量与 全省平均售电量水平比较。还可以选择按照计划标准,即将实际执行 结果与计划指标做比较等。
结构分析法是指对系统中各组成部分及其对比关系变动规律的分 析,是在统计分组的基础上,计算各组成部分所占比重,进而分析某 一总体现象的内部结构特征、总体的性质、总体内部结构依时间推移 而表现出的变化规律性的统计方法。结构分析法的主要应用在识别总 体构成的特征,揭示总体各个组成部分的变动趋势,研究总体结构变 化过程,揭示现象总体由量变逐渐转化为质变的规律性,揭示各部分 之间的依存关系等方面。
趋势分析法又称水平分析法,是通过对同类指标的历史数据在时 间序列上进行分析,确定其增减变动的方向、数额和幅度,从而观察 该指标的长期趋势和波动性的一种方法。在实际应用中,通常有两种 分析方式。一种是绝对数趋势分析,通过指标与历史时期的比较,反 映企业指标现状和指标未来的发展变化;第二种是相对数的趋势分析, 通过各种百分比指标,如变化率、贡献率、比例等指标,反映指标发 展变化的速度。
因素分析法是用来测定受多种因素影响的某种现象总变动中各个 因素的影响的方向和影响程度的一种统计分析方法。这种方法的优点 在于,可以在数量上把握影响分析指标的每一个相关因素的影响程度, 有利于分清原因与责任,可以为工作的进一步展开指明方向,同时也 可以客观评价企业的工作效果。这种方法的主要原理是,首先确定影 响某指标的主要因素;然后根据这些因素之间的内在关系,建立分析 计算公式;最后按一定顺序进行因素替换,确定各个因素的影响程度。
本申请中对于负荷指标数据的获取方式不做限定,一个实施例 中,所述负荷指标数据为以负荷特性、负荷曲线变化、月负荷波动为 维度构建后经过预设的典型负荷指标筛选的典型负荷指标数据。
负荷特性,指电力负荷从电力系统的电源吸取的有功功率和无功 功率随负荷端点的电压及系统频率变化而改变的规律。
负荷特性具体指标如下:
年/(半年、季、月、周、日)最大负荷;年/(半年、季、月、周、 日)最小负荷;年/(半年、季、月、周、日)平均负荷;年/(半年、 季、月、周、日)负荷率;日最小负荷率;年/(半年、季、月、周) 最小负荷率;日峰谷差;日峰谷差率;年/(半年、季、月、周)最大 峰谷差;年/(半年、季、月、周)最大峰谷差率;年/(半年、季、 月、周)平均峰谷差;年/(半年、季、月、周)平均峰谷差率;月不 均衡系数;年负荷概率分布。
负荷曲线,是指负荷随时间变化规律的曲线,相比负荷特性,负 荷曲线能够更好的反应负荷变化的原始规律。负荷曲线指标具体如下,
年负荷曲线;年持续负荷曲线;日负荷曲线;典型工作日曲线; 周六曲线;周日曲线;半年/(季、月)最大电量日曲线;半年/(季、 月)最小电量日曲线;半年/(季、月)最大负荷日曲线;半年/(季、 月)最小负荷日曲线;半年/(季、月)最大峰谷差日曲线;半年/(季、月)最小峰谷差日曲线。
月负荷波动,是指负荷随时间变化的波动性特征,相比负荷曲线, 月负荷波动能运用概率统计指标计算负荷曲线在一段时间内的波动 性,结果更加直观。月负荷波动指标具体如下,
最大负荷波动系数;最小负荷波动系数;平均负荷波动系数;负 荷率波动系数;峰谷差率波动系数。
一个实施例中,负荷指标的计算方法如表1所示。
表1典型指标计算方法
根据典型负荷指标数据分析,与电网峰谷差相关性最高的指标包 括年度最大负荷、年度最小负荷、日最大负荷、日最小负荷、年度最 大峰谷差率、月度最大峰谷差率、年度平均峰谷差率、月度平均峰谷 差率、日峰谷差率等9项技术指标。
一些实施例中,所述典型负荷指标数据包括:最大负荷、最小负 荷、平均负荷、负荷率、日最小负荷率、最小负荷率、日峰谷差、日 峰谷差率、最大峰谷差、最大峰谷差率、平均峰谷差率、月不均衡系 数、年概率分布、最大负荷波动系数、最小负荷波动系数、平均负荷 波动系数和负荷率波动系数;
所述负荷指标体系包括负荷维度和峰谷差维度;其中,所述负荷 维度包括:年最大负荷、年最小负荷、日最大负荷和日最下负荷;所 述峰谷差维度包括:年平均峰谷差率、年最大峰谷差率、月平均峰谷 差率、月最大峰谷差率以及日峰谷差率。
本申请采用动态规划法进行自动交易计划模型的求解,对于具体 的求解过程不做限定,一个实施例中,所述S4还包括:
采用逆序动态规划法或顺序动态规划法对所述自动交易计划模 型求解。
年度最大负荷的计算方式为年度最大负荷,反应了年度的负荷尖 峰情况。
年度最小负荷的计算方式为年度最小负荷,反应了年度的负荷低 谷情况。
日最大负荷的计算方式为日内最大负荷,反应了日负荷尖峰情 况。
日最小负荷的计算方式为日内最小负荷,反应了日负荷低谷情 况。
年度最大峰谷差率的计算方式为年内日峰谷差率的最大值,反应 了年负荷分布不平衡性的最大值。
月度最大峰谷差率的计算方式为月内日峰谷差率的最大值,反应 了月负荷分布不平衡性的最大值。
年度平均峰谷差率的计算方式为年内日峰谷差率的平均值,反应 了年负荷分布不平衡性的平均情况。
月度平均峰谷差率的计算方式为月内日峰谷差率的平均值,反应 了月负荷分布不平衡性的平均情况。
日峰谷差率的计算方式为(日最大负荷-日最小负荷)/日最大负 荷,反应了负荷日分布的不平衡性,影响电网的运行安全。
一个实施例中本申请以某地统调历史负荷数据为依据,分析相关 性。某地最小负荷、最大负荷、最大峰谷差率、平均峰谷差率等指标 2018年每月的计算结果如表2所示。
表2 2018年某地月度统调负荷统计表
根据表2可知,某地2018年月度统调负荷统计情况,2018年某 地平均负荷为6145万千瓦;最大负荷发生在9月,最大负荷为1亿千 瓦;最小负荷发生在2月,最小负荷为1342.4万千瓦;最大峰谷差发 生在9月,最大峰谷差为4688万千瓦。
从负荷、峰谷差率变化看,运用趋势分析法,某地1-3月由于春 节假期、气温较低两个因素影响,最大负荷、最小负荷相较于其他月 份显著偏低,最大、平均峰谷差率相较于其他月份偏大;4-6月由于 气温回升、工业生产恢复正常,最大负荷、最小负荷相较1-3月增大, 平均、最大峰谷差率与其他月份基本相等;7-9月由于气温偏高,最 大负荷、最小负荷为相较其他月份偏大,最大、平均峰谷差率相较于 其他月份偏小;10-12月由于气温降低,最大负荷、最小负荷相较7-9 月下降,平均、最大峰谷差率与其他月份基本相等。
作为一个具体实施例,根据计算,2018年某地年平均峰谷差率为 37%,假设2021年年度平均峰谷差率相比2018年降低2个百分点, 则2021年年度计划平均峰谷差率为35%。将平均峰谷差率下降指标 平均分解到各月,2021年各月平均峰谷差率计划如图3所示。
一个实施例中,本申请首先获取2021年1月参与负荷侧交易前 的日最大负荷、日最小负荷、日峰谷差率结果,如表3所示。
表3 1月峰谷差率数据
然后按日峰谷差率从大到小排序,如表4所示。
表4排序后日峰谷差率
以交易日期、削峰容量、填谷容量作为变量,运用自动交易计划 模型,生成得到1月负荷侧交易日期、参与削峰的负荷侧容量、参与 填谷的负荷侧容量情况,如表5所示。
表5 1月交易规模测算结果
通过计算结果可知1月靠站负荷测时长交易的天数,按照1月的 计算方法,对2-12月进行计算,如表6所示。
表6 2021年各月交易情况
月份 | 交易天数(日) | 交易后最大负荷 | 交易后最小负荷 |
1月 | 17 | 70406 | 27461 |
2月 | 13 | 64880 | 14690 |
3月 | 15 | 68877 | 32127 |
4月 | 15 | 95160 | 35119 |
5月 | 19 | 95160 | 37139 |
6月 | 12 | 91411 | 44645 |
7月 | 31 | 95788 | 51067 |
8月 | 31 | 97428 | 49310 |
9月 | 30 | 99518 | 26988 |
10月 | 17 | 82707 | 34873 |
11月 | 14 | 76526 | 39807 |
12月 | 19 | 75227 | 39620 |
总计 | 233 | / | / |
运用历史负荷曲线分析,建议削峰交易时段定为[14点,17点), 填谷交易时段为凌晨[3点,6点)。
根据统调负荷预测结果,将日最大负荷排序、日最小负荷排序, 选择前10个,作为最大负荷触发阈值、最小负荷触发阈值。依据上述 指标计算方法,计算最大负荷、最小负荷指标触发阈值,最大负荷触 发值为96003MW、最小负荷触发值为16941MW。最大负荷、最小负荷触发的各月交易天数如表7所示。
表7各月交易天数
可知,最大负荷触发的负荷侧交易,按参与负荷侧交易的最大负 荷容量安排削峰交易容量;最小负荷触发的负荷侧交易,按参与负荷 侧交易的最大负荷容量安排填谷交易容量。运用历史负荷曲线分析, 建议削峰交易时段定为[14点,17点),填谷交易时段为凌晨[3点,6 点)。因此,结合基于峰谷差率的触发机制和基于最大、最小负荷的触 发机制,可以生成基于平均峰谷差目标的全年交易计划。如表8所示。
表8 2021年各月交易计划
各月的具体交易计划如图4所示。
除此之外,本申请的实施例还提供了一种基于电网峰谷差率的负 荷侧交易系统,包括:
评价指标类型确定模块10,用于采集与负荷峰谷差相关的负荷指 标数据、负荷指标体系以及获取历史统调负荷数据,并采用相关性分 析法根据所述历史统调负荷数据分析所述负荷指标体系与负荷资源调 节之间的相关性后,确定评价指标类型;
负荷预测模型构建模块20,用于根据所述评价指标类型建立负荷 预测模型,所述负荷预测模型用于通过交易周期进行分解计算得到多 场景交易规模、交易日期、得到月平均峰谷差率;
峰谷差率计算模块30,用于获取当前的年度峰谷差率降低目标, 并利用所述负荷预测模型对预定时间内的用电负荷进行预测后计算并 输出计划平均峰谷差率;
自动交易计划模型构建模块40,用于根据所述计划平均峰谷差率 构建基于峰谷差率的自动交易计划模型并根据所述自动交易计划模型 进行负荷交易;
其中,所述自动交易计划模型包括以参与负荷侧交易后的目标月 平均峰谷差率与所述计划平均峰谷差率最小为目标函数及对应的约束 条件,以交易日期、削峰容量、填谷容量为变量;
所述目标函数为:min|目标月平均峰谷差率-所述计划平均峰谷差 率|;
所述约束条件包括日峰谷差率约束、目标月平均峰谷差率约束:
其中,所述日峰谷差率=【(日最大负荷-日削峰容量)-(日最小 负荷-日填谷容量)】/(日最大负荷-日削峰容量);
所述目标月平均峰谷差率约束=Σ日峰谷差率/月天数。
由于所述基于电网峰谷差率的负荷侧交易系统为所述基于电网 峰谷差率的负荷侧交易方法对应的系统,具有相同的有益效果,本申 请对此不作赘述。
由于在本申请的系统中,在实际计算中类似相关性分析法、动态 规划法都有几种方法,所述基于电网峰谷差率的负荷侧交易系统还包 括与所述评价指标类型确定模块10、所述自动交易计划模型构建模块 40连接的方法选择模块,用于确定所述相关性分析法、所述动态规划 法的具体类型,其中,所述相关性分析方法包括比较分析法、结构分 析法、趋势分析法和因素分析法,所述动态规划法包括逆序动态规划 法、顺序动态规划法。
本申请中包括但是不局限于上述的方法,工作人员在实现计算之 前,可以选择合适的计算方法,从而实现最优的计算方法选择。而且, 还可以通过不同方法的选择,从而判断选择最优的方法组,以及通过 选择计算速度、精确度等从而提高计算最优化。
本申请中对于负荷指标数据、所述负荷指标体系不做具体限定, 在一个实施例中,所述基于电网峰谷差率的负荷侧交易系统还包括与 所述评价指标类型确定模块连接的负荷指标确定模块,用于确定所述 负荷指标数据、所述负荷指标体系的类型,其中,所述负荷指标数据 为以负荷特性、负荷曲线变化、月负荷波动为维度构建并经过预设的 典型负荷指标筛选的典型负荷指标数据,所述负荷指标数据包括年度 最大负荷、年度最小负荷、日最大负荷、日最小负荷、年度最大峰谷 差率、月度最大峰谷差率、年度平均峰谷差率、月度平均峰谷差率、 日峰谷差率,所述负荷指标体系包括负荷维度和峰谷差维度;其中,所述负荷维度包括:年最大负荷、年最小负荷、日最大负荷和日最下 负荷;所述峰谷差维度包括:年平均峰谷差率、年最大峰谷差率、月 平均峰谷差率、月最大峰谷差率以及日峰谷差率。
工作人员可以根据需要选择增加或减少具体的数据类型,本申请 对此不作限定。
除此之外,本申请的实施例还提供了一种基于电网峰谷差率的负 荷侧交易的装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如上所述基于电网峰谷 差率的负荷侧交易方法的步骤。
由于所述基于电网峰谷差率的负荷侧交易的装置中的处理器,用 于执行所述计算机程序以实现如上所述基于电网峰谷差率的负荷侧交 易方法的步骤,具有相同的有益效果,本申请对此不作赘述。
所述基于电网峰谷差率的负荷侧交易的装置存储器和处理器,还 可以包括网络接口,所述存储器存储有计算机程序,存储器可以包括 计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/ 或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。 该计算机设备存储有操作系统,存储器是计算机可读介质的示例。
在一个实施例中,本申请提供的基于电网峰谷差率的负荷侧交易方法可 以实现为一种计算机程序的形式,计算机程序可计算机设备上运行。
一些实施例中,所述计算机程序被所述处理器执行时,使得所述 处理器执行以下步骤:采集典型负荷指标数据,获取与负荷峰谷差相 关的负荷指标体系;获取历史统调负荷数据,采用相关性分析方法根 据所述历史统调负荷数据分析所述负荷指标体系与负荷资源调节能力 之间的相关性,确定评价指标;根据所述评价指标建立负荷预测模型, 所述负荷预测模型用于对交易周期进行分解,计算得到多场景交易规 模和交易日期,得到月平均峰谷差率;基于预设的年度峰谷差率降低 目标利用所述负荷预测模型对用电负荷进行预测计算得到计划平均峰 谷差率;根据所述计划平均峰谷差率构建基于峰谷差率的自动交易计 划模型。
除此之外,本申请的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上存储有计算机程序,所述计算机程序被处 理器执行以实现如上所述基于电网峰谷差率的负荷侧交易方法的步 骤。
同理,所述计算机可读存储介质具有如上同样的技术效果。
所述计算机的存储介质包括但不限于相变内存(PRAM)、静态随 机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型 的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只 读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存 储器(CD-ROM)、数字多功能光光盘(DVD)或其他光学存储、磁 盒式磁带存储或其他磁性存储设备或任何其他非传输介质,可用于存 储可以被计算设备访问的信息。
综上所述,本发明实施例提供的所述基于电网峰谷差率的负荷侧 交易方法、系统及及相关设备,通过采集与负荷峰谷差相关的负荷指 标数据、负荷指标体系、历史统调负荷数据进行电力大数据分析,研 究电网峰谷差与负荷侧资源调节能力的相关性后,根据评价指标类型 建立负荷预测模型,获取当前的年度峰谷差率降低目标,并利用负荷 预测模型对预定时间内的用电负荷进行预测后计算并输出计划平均峰 谷差率,最后根据计划平均峰谷差率构建基于峰谷差率的自动交易计 划模型并根据自动交易计划模型进行负荷交易。即通过设计基于电网 峰谷差的多元融合高弹性负荷侧交易触发机制,建立电网安全长效市 场触发机制,降低用户负荷峰谷差率,通过市场化机制实现电网峰谷 差率降低预设值;与调控中心协调负荷侧交易计划,减少电网正负备 用,降低电网运行成本,以解决现有的常规调峰方的不足,提高调峰 效率,降低调峰的难度和成本。
以上对本发明所提供的基于电网峰谷差率的负荷侧交易方法、系 统及及相关设备进行了详细介绍。本文中应用了具体个例对本发明的 原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本 发明的方法及其核心思想。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,还可以对本发明进行若干改 进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于电网峰谷差率的负荷侧交易方法,其特征在于,包括:
S1,采集与负荷峰谷差相关的负荷指标数据、负荷指标体系以及获取历史统调负荷数据,并采用相关性分析法根据所述历史统调负荷数据分析所述负荷指标体系与负荷资源调节之间的相关性后,确定评价指标类型;
S2,根据所述评价指标类型建立负荷预测模型,所述负荷预测模型用于通过交易周期进行分解计算得到多场景交易规模、交易日期、得到月平均峰谷差率;
S3,获取当前的年度峰谷差率降低目标,并利用所述负荷预测模型对预定时间内的用电负荷进行预测后计算并输出计划平均峰谷差率;
S4,根据所述计划平均峰谷差率构建基于峰谷差率的自动交易计划模型并根据所述自动交易计划模型进行负荷交易;
其中,所述自动交易计划模型包括以参与负荷侧交易后的目标月平均峰谷差率与所述计划平均峰谷差率最小为目标函数及对应的约束条件,以交易日期、削峰容量、填谷容量为变量;
所述目标函数为:min|目标月平均峰谷差率-所述计划平均峰谷差率|;
所述约束条件包括日峰谷差率约束、目标月平均峰谷差率约束:
其中,所述日峰谷差率=【(日最大负荷-日削峰容量)-(日最小负荷-日填谷容量)】/(日最大负荷-日削峰容量);
所述目标月平均峰谷差率约束=Σ日峰谷差率/月天数。
2.如权利要求1所述基于电网峰谷差率的负荷侧交易方法,其特征在于,所述相关性分析方法包括比较分析法、结构分析法、趋势分析法和因素分析法。
3.如权利要求2所述基于电网峰谷差率的负荷侧交易方法,其特征在于,所述负荷指标数据为以负荷特性、负荷曲线变化、月负荷波动为维度构建后经过预设的典型负荷指标筛选的典型负荷指标数据。
4.如权利要求3所述基于电网峰谷差率的负荷侧交易方法,其特征在于,所述负荷指标数据包括年度最大负荷、年度最小负荷、日最大负荷、日最小负荷、年度最大峰谷差率、月度最大峰谷差率、年度平均峰谷差率、月度平均峰谷差率、日峰谷差率,所述负荷指标体系包括负荷维度和峰谷差维度;其中,所述负荷维度包括:年最大负荷、年最小负荷、日最大负荷和日最下负荷;所述峰谷差维度包括:年平均峰谷差率、年最大峰谷差率、月平均峰谷差率、月最大峰谷差率以及日峰谷差率。
5.如权利要求4所述基于电网峰谷差率的负荷侧交易方法,其特征在于,所述S4还包括:
采用逆序动态规划法或顺序动态规划法对所述自动交易计划模型求解。
6.一种基于电网峰谷差率的负荷侧交易系统,其特征在于,包括:
评价指标类型确定模块,用于采集与负荷峰谷差相关的负荷指标数据、负荷指标体系以及获取历史统调负荷数据,并采用相关性分析法根据所述历史统调负荷数据分析所述负荷指标体系与负荷资源调节之间的相关性后,确定评价指标类型;
负荷预测模型构建模块,用于根据所述评价指标类型建立负荷预测模型,所述负荷预测模型用于通过交易周期进行分解计算得到多场景交易规模、交易日期、得到月平均峰谷差率;
峰谷差率计算模块,用于获取当前的年度峰谷差率降低目标,并利用所述负荷预测模型对预定时间内的用电负荷进行预测后计算并输出计划平均峰谷差率;
自动交易计划模型构建模块,用于根据所述计划平均峰谷差率构建基于峰谷差率的自动交易计划模型并根据所述自动交易计划模型进行负荷交易;
其中,所述自动交易计划模型包括以参与负荷侧交易后的目标月平均峰谷差率与所述计划平均峰谷差率最小为目标函数及对应的约束条件,以交易日期、削峰容量、填谷容量为变量;
所述目标函数为:min|目标月平均峰谷差率-所述计划平均峰谷差率|;
所述约束条件包括日峰谷差率约束、目标月平均峰谷差率约束:
其中,所述日峰谷差率=【(日最大负荷-日削峰容量)-(日最小负荷-日填谷容量)】/(日最大负荷-日削峰容量);
所述目标月平均峰谷差率约束=Σ日峰谷差率/月天数。
7.如权利要求6所述基于电网峰谷差率的负荷侧交易系统,其特征在于,还包括与所述评价指标类型确定模块、所述自动交易计划模型构建模块连接的方法选择模块,用于确定所述相关性分析法、所述动态规划法的具体类型,其中,所述相关性分析方法包括比较分析法、结构分析法、趋势分析法和因素分析法,所述动态规划法包括逆序动态规划法、顺序动态规划法。
8.如权利要求7所述基于电网峰谷差率的负荷侧交易系统,其特征在于,还包括与所述评价指标类型确定模块连接的负荷指标确定模块,用于确定所述负荷指标数据、所述负荷指标体系的类型,其中,所述负荷指标数据为以负荷特性、负荷曲线变化、月负荷波动为维度构建并经过预设的典型负荷指标筛选的典型负荷指标数据,所述负荷指标数据包括年度最大负荷、年度最小负荷、日最大负荷、日最小负荷、年度最大峰谷差率、月度最大峰谷差率、年度平均峰谷差率、月度平均峰谷差率、日峰谷差率,所述负荷指标体系包括负荷维度和峰谷差维度;其中,所述负荷维度包括:年最大负荷、年最小负荷、日最大负荷和日最下负荷;所述峰谷差维度包括:年平均峰谷差率、年最大峰谷差率、月平均峰谷差率、月最大峰谷差率以及日峰谷差率。
9.一种基于电网峰谷差率的负荷侧交易的装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至5任意一项所述基于电网峰谷差率的负荷侧交易方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1至5任意一项所述基于电网峰谷差率的负荷侧交易方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210288451.4A CN114899830A (zh) | 2022-03-23 | 2022-03-23 | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210288451.4A CN114899830A (zh) | 2022-03-23 | 2022-03-23 | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114899830A true CN114899830A (zh) | 2022-08-12 |
Family
ID=82715781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210288451.4A Pending CN114899830A (zh) | 2022-03-23 | 2022-03-23 | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114899830A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115292390A (zh) * | 2022-10-08 | 2022-11-04 | 北京国电通网络技术有限公司 | 负荷信息生成方法、装置、电子设备和计算机可读介质 |
CN115994679A (zh) * | 2023-03-24 | 2023-04-21 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
-
2022
- 2022-03-23 CN CN202210288451.4A patent/CN114899830A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115292390A (zh) * | 2022-10-08 | 2022-11-04 | 北京国电通网络技术有限公司 | 负荷信息生成方法、装置、电子设备和计算机可读介质 |
CN115292390B (zh) * | 2022-10-08 | 2022-12-23 | 北京国电通网络技术有限公司 | 负荷信息生成方法、装置、电子设备和计算机可读介质 |
CN115994679A (zh) * | 2023-03-24 | 2023-04-21 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
CN115994679B (zh) * | 2023-03-24 | 2023-06-09 | 国网山东省电力公司青岛供电公司 | 一种基于负荷预测修正的区域电网主动规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Messner | Endogenized technological learning in an energy systems model | |
Papavasiliou et al. | Reserve requirements for wind power integration: A scenario-based stochastic programming framework | |
Atmaca et al. | Evaluation of power plants in Turkey using Analytic Network Process (ANP) | |
CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
CN114899830A (zh) | 基于电网峰谷差率的负荷侧交易方法、系统及相关设备 | |
Oree et al. | A multi-objective framework for long-term generation expansion planning with variable renewables | |
US11843266B2 (en) | Dynamic non-linear optimization of a battery energy storage system | |
CN108491982A (zh) | 一种基于回声状态网络的短期负荷预测方法及系统 | |
CN106022530A (zh) | 一种电力需求侧柔性负荷有功功率预测方法 | |
CN108596242A (zh) | 基于小波神经网络和支持向量机的电网气象负荷预测方法 | |
CN111428745A (zh) | 一种基于聚类分析的低压用户用电特征提取方法 | |
Yang et al. | Bi-level planning model of distributed PV-energy storage system connected to distribution network under the coordinated operation of electricity-carbon market | |
Wang et al. | A two-step load disaggregation algorithm for quasi-static time-series analysis on actual distribution feeders | |
CN115205068A (zh) | 计及净负荷需求分布式的储能最优峰谷时段划分方法 | |
CN110909916B (zh) | 一种基于熵权法的风力发电月度电量区间预测方法 | |
He et al. | Optimal planned electricity allocation model for power Exchange under the plan-market double-track mechanism | |
CN115358476A (zh) | 需求响应潜力预测方法、装置、计算机设备和存储介质 | |
CN113346491A (zh) | 一种新能源场站发电出力特性多维评估方法及系统 | |
CN113239315A (zh) | 一种对水电参与电力现货市场竞价效果评价的方法 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Zhang et al. | Analytics and Optimization for Renewable Energy Integration | |
CN114819397B (zh) | 公变台区需求响应成效预测模型构建方法及装置 | |
CN115528687B (zh) | 一种有限成本约束下的电力系统柔性响应能力优化方法 | |
Liu et al. | Some New Developments of Forecasting in Power Market | |
Wang et al. | Target customer identification method of integrated energy service based on logistic regression |
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 |