CN116307301A - 电力数据的预测方法及装置 - Google Patents
电力数据的预测方法及装置 Download PDFInfo
- Publication number
- CN116307301A CN116307301A CN202310581594.9A CN202310581594A CN116307301A CN 116307301 A CN116307301 A CN 116307301A CN 202310581594 A CN202310581594 A CN 202310581594A CN 116307301 A CN116307301 A CN 116307301A
- Authority
- CN
- China
- Prior art keywords
- power
- predicted
- station
- spot transaction
- data
- 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 53
- 238000007599 discharging Methods 0.000 claims abstract description 4
- 230000008901 benefit Effects 0.000 claims description 30
- 238000000354 decomposition reaction Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 description 55
- 238000010248 power generation Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 230000005684 electric field Effects 0.000 description 6
- 238000010926 purge Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/04—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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (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
本发明涉及电力技术领域,提供一种电力数据的预测方法及装置,包括:采集待预测场站的历史电力数据;将所述历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;针对所述各电力现货交易模型,根据所述电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定所述待预测场站在所述电力现货交易模型下的虚拟资源;基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据。本发明提供了一种快速对比策略的方案,能够预测出最适合待预测场站的当前电力数据,从而指导场站的电力申报。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种电力数据的预测方法及装置。
背景技术
随着电力体制改革的不断深化,多省份已实现电力现货交易连续试结算运行,更有省份已经实现长周期运行。然而,由于风、光资源预测的不确定性,导致新能源短期预测偏差过大,从而影响了企业申报的发电量和用电量的匹配,进而使得电力现货市场的交易成功率也受到影响。因此,能源发电企业会根据不同的预测手段设计各种各样的电力现货交易模型。
由于交易的不可复现性,如何确定当前交易日需要申报的电力数据,提升当前交易日的交易成功率,成为了亟待解决的问题。
发明内容
本发明提供一种电力数据的预测方法及装置,用以解决现有技术中不易判断当前申报电力数据是否适应待预测场站的申报,快速地获取待预测场站的最优的电力现货交易模型,指导待预测站的当日申报。
本发明提供一种电力数据的预测方法,包括:
采集待预测场站的历史电力数据;
将所述历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
针对所述各电力现货交易模型,根据所述电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定所述待预测场站在所述电力现货交易模型下的虚拟资源;
基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据。
根据本发明提供的一种电力数据的预测方法,所述历史电力数据包括所述待预测场站的场站信息、实际基数电量和实际日前出清电量,其中,所述场站信息用于确定所述待预测场站是否参与基数分解;
在所述待预测场站参与基数分解的情况下,所述电力现货交易模型确定所述预测基数电量,包括:
基于所述实际基数电量和所述实际日前出清电量,确定基数分解比例;
基于所述基数分解比例和所述预测日前出清电量,确定所述预测基数电量。
根据本发明提供的一种电力数据的预测方法,在所述待预测场站未参与基数分解的情况下,所述预测基数电量为零。
根据本发明提供的一种电力数据的预测方法,所述历史电力数据包括策略申报出力和场站用电率;所述电力现货交易模型采用下式确定所述预测日前出清电量,所述下式包括:
根据本发明提供的一种电力数据的预测方法,所述历史电力数据包括实际上网电量和所述待预测场站的理论功率;所述电力现货交易模型确定所述预测上网电量,包括:
将所述实际上网电量和所述理论功率的偏差数据与预设的偏差阈值进行对比,确定偏差对比结果;
基于所述偏差对比结果,确定所述预测上网电量。
根据本发明提供的一种电力数据的预测方法,上述历史电力数据还包括策略申报出力和实际申报出力;
在所述偏差对比结果为偏差数据大于所述偏差阈值的情况下,所述电力现货交易模型确定所述预测上网电量,所述下式包括:
根据本发明提供的一种电力数据的预测方法,所述虚拟资源为收益,所述基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据,包括:
将所述各电力现货交易模型的预测收益与所述历史电力数据对应的实际收益进行对比,从所述历史电力数据对应的当日电力现货交易模型和所述预设的多个电力现货交易模型中,将收益最高的电力现货交易模型确定为所述目标电力现货交易模型;
基于所述目标电力现货交易模型的预测日前出清电量、预测基数电量和预测上网电量,确定预测所述待预测场站的当前电力数据。
本发明还提供一种电力数据的预测装置,包括:
采集模块,用于采集待预测场站的历史电力数据;
计算模块,用于将所述历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
比较模块,用于针对所述各电力现货交易模型,根据所述电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定所述待预测场站在所述电力现货交易模型下的虚拟资源;
输出模块,用于基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述电力数据的预测方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述电力数据的预测方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述电力数据的预测方法。
本发明提供的电力数据的预测方法及装置,通过不同的电力现货交易模型,利用历史电力数据去计算预测日前出清电量、预测基数电量和预测上网电量。进一步地,通过评价电力现货交易模型下的虚拟资源的大小实现了电力现货交易策略的快速对比,并能为待预测场站选定适合场站信息以及外部环境信息,同时收益最大的电力现货交易模型。
附图说明
为了更清楚地说明本发明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一简单地介绍,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是本发明提供的电力数据的预测方法的流程示意图;
图2是本发明提供的现货交易策略对比方法的流程示意图;
图3是本发明提供的电力数据的预测装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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作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。
电力市场:是电力供方和需方分别以利润最大化和成本最小化为目标,按照约定的规则并以输电网为媒介联系起来,通过自主竞争和经济合同的形式,进行电能交易的一种组织体系和电能配置方式。
下面结合图1-图2描述本发明的电力数据的预测方法,应用于电子设备,该方法至少包括如下步骤:
步骤101、采集待预测场站的历史电力数据;
步骤102、将历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
步骤103、针对各电力现货交易模型,根据电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定待预测场站在电力现货交易模型下的虚拟资源;
步骤104、基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据。
针对步骤101,需要说明的是,待预测场站是新能源发电企业下的任意一个发电站,待预测场站的历史电力数据是基于目标历史时段内,待预测场站已采用的某一种现货交易策略下的电力交易数据。目标历史时段是指回算时间段,包括回算起止日期即起始日和截止日。而预测电力数据,则是想要预测在目标历史时段内当前未采用的其他现货交易策略下的电力数据。
具体的,历史电力数据包括场站已采用策略下实际的申报功率曲线、实际日前出清曲线、实际基数电量和各种未采用策略下非目标历史时段的申报功率曲线。每个历史日对应的曲线中包括策略下96点日前报量数据。
其中,申报功率曲线即申报出力,其为已经创建的现货交易策略输出的策略结果,其和预测电价、限电预测、全省资源情况、负荷预测、电场预测出力有关,在本发明实施例中,策略申报出力仅作为该现货交易策略下的申报功率曲线。实际申报出力是指当日采用策略的对应的申报功率曲线。
针对步骤102,电力现货交易模型是现货交易策略中与电力数据有关的部分,现货交易策略可以是人工干预交易策略或自动交易策略。一般情况下,若当日因各种意外因素导致策略日前申报未输出,则会以当日实际日前申报作为自动策略。人工干预策略是人为主观对上报的短期预测曲线进行修改,比如对短期预测每一点都全天压低0.5就是一种人工干预交易策略;或者0-12点压低0.5, 12-24点拔高1.2倍也是一种人工干预交易策略。自动交易策略是设立一个优化目标,收益最大化、发电量最多、或者考核最少,多个目标之间设立一个权重,在短期预测曲线的概率预测置信带空间中搜寻每个点最优的上报值,最后对输出曲线进行平滑后输出,则为自动交易策略。
除此之外,历史电力数据还包括场站自身基础信息,例如,是风电场还是光伏电场、装机、场站是否参与基数分解、场站用电率等。
针对步骤103,需要说明的是,电力现货交易模型下的虚拟资源是指结合预测电力数据计算待预测场站在目标预测时间段内的整体收益,此外虚拟资源还可以指总功率。在计算虚拟资源时,会按照时间顺序,结合电价逐日计算至回算截止日期后,则可分析对比策略收益与实际收益。此外,在回算时间段内进行逐日分析时,为了快速计算的目的,日前出清电力近似按日前96点申报计算。此处还可以采用每日的策略申报曲线量每15分钟乘以该时段实际日前出清出力/申报曲线出力。
由于在衡量收益时不光需要对比发电量的多少,更需要结合电价衡量整体的收益,因此,历史的电力交易数据还会包括日前现货价格、实时现货价格、补贴电价等。在本发明实施例中,历史电力交易数据主要包括实际发生的日前申报电力、中长期结算电力、分解的基数电力和日前出清电力等。虚拟资源包括四部分,分别为:中长期电费、日前现货偏差电费、实时现货偏差电费和新能源补贴费用。
针对步骤104,需要说明的是,针对待预测场站的实际申报的历史电力数据,即实际的中长期电费、实际的日前现货偏差电费、实际的实时现货偏差电费和实际的新能源补贴费用,将实际收益作为虚拟资源的评价标准,判断,在计算得到的预测收益大于实际收益的情况下,将预测收益最大的策略确定为目标策略,对应的电力现货交易模型即为目标模型。否则,沿用原始策略作为目标策略。此外,除了直接计算费用评价收益外,还可以通过计算未采用策略相对于原始短期预测申报的收益提升比例,以及计算实际申报相对于原始短期预测申报的收益提升比例,比较收益提升比例来确定实际策略和其他策略哪种更优。
本发明实施例的电力数据的预测方法,能够根据预设的电力现货交易模型中,计算出用于评估的各项预测电量,然后根据预测电量计算出各个模型的虚拟资源大小,进而选择出最合适的电力现货交易模型。由于本发明可以提供实际策略和其他种类策略的快速对比,能够评估一段时间内使用不同电力现货交易策略的效果,为电力现货交易策略提供了一种理论上可行的仿真回算效果比较,为辅助决策提供依据和建议。
使用比较后得出的电力现货交易模型计算得到的待预测场站的当前电力数据,能使新能源发电企业在合理完成中长期计划的同时,减少弃风弃光,增加并网电量,在现货交易中合理提升收益,且不会导致高额的考核费用。本发明确定出的目标现货交易策略,具有广泛的应用优势,通过捕获现货最大价差区间,为市场参与者发电侧和售电侧同时实现现货收益最大化,可以提高电力市场的流动性,提升电力市场的稳定性,为电网安全稳定与市场有序运作提供技术支撑。此外,市场参与者发电集团、售电公司,不同区域的售电商报价和购电商报价可以进行无障碍匹配,大大提高了市场的交易成功率,为使用交易策略的买/卖方的利益最大化,促进了新能源消纳最终实现社会福利最大化。
在一些实施例中,确定历史电力数据,包括:
获取原始电力交易数据;
对原始电力交易数据进行预处理,得到待预测场站的历史电力数据。
需要说明的是,预处理是指检查数据完整性、一致性、准确性,剔除缺失、价格异常的数据。原始电力交易数据是回算的历史时段内每一天的电力交易数据,通过检查原始电力交易数据是否有缺失、异常值,比如上网电力超过了装机、上网电力为负值、价格超过了调度制定规则中的上下限等情况,有这样的情况则将异常值或缺失值进行后向填充,不留空值。价格异常的数据例如价格小于0元/MWh或大于1500元/MWh,则视为异常数据。
本发明实施例的电力数据的预测方法,能够在线上运行策略缺失的情况下本着未发放不回算的原则,不再模拟策略申报日的场景,而是直接去除当日的比较,通过预处理获得可信数据,并基于可信的电力现货数据来预测出预测电力数据,使得最后结果更真实可信。
在一些实施例中,虚拟资源的计算,包括:
需要说明的是,确定至少一个现货交易策略的虚拟资源,与上述确定评估标准的过程一样,只是将“日前出清电量”、“基数电量”和“实时上网电量”分别替换为预测日前出清电量、预测基数电量和预测上网电量,代入上式计算即可确定。特定省电力交易结算收益主要分为四个部分,中长期电费、日前偏差电费、实时偏差电费和两个回收费用。月度结算单中的各种考核、分摊比例等的折算,以及两个细则的考核费用等因为策略调整对其总费用改变不大,且月度结算单一般要次月下旬才能出,两个细则的费用更是延迟两个月以上,所以在本发明的快速计算收益对比中视为不变。其中中长期电费由省内、省间合约电费和优先发电量电费组成。其中,基数电量是日前出清电量中政府保障的电量,合约电费为现货交易前事先签订好的合约发电曲线和合约价格,因此现货策略不会影响这部分费用。
优选的,基于上述四个比较项,若为了提升比较速度,可以设置虚拟资源快速比较项为:
具体的,在本发明实施例中上述公式中的日前电价和实时电价为缩减后的电价,缩减后的电价才能做收益结算,补贴电价不会缩减。现货电价缩减的交易规则如下:
当日实际日前/实时现货价格的算术平均值若小于等于580元/MWh,则当日日前/实时电价不再缩减;若日前/实时现货价格的算术平均值若大于580元/MWh,则计算缩减系数如下式所示,/>为日前电价或实时电价,对有缩减的电价,缩减后电价为每15分钟电价乘以缩减系数/>。
在一些实施例中,历史电力数据包括待预测场站的场站信息、实际基数电量和实际日前出清电量,其中,场站信息用于确定待预测场站是否参与基数分解;
在待预测场站参与基数分解的情况下,电力现货交易模型确定预测基数电量,包括:
基于实际基数电量和实际日前出清电量,确定基数分解比例;
基于基数分解比例和预测日前出清电量,确定预测基数电量。
需要说明的是,再判断当日是否已有策略日前申报,若有则进行基数分解曲线的折算(未参与基数分解的电场此项为0)。若用户采用了策略,则折算原始预测的情况,若用户用了手动干预或者原始策略,则折算使用策略的交易情形。若当日因各种意外因素导致自动策略日前申报未输出,则以当日实际日前申报作为自动策略,即表示当日不赔也不赚,不再进行事后出策略。
具体的,特定省电力公司电力调度控制中心的设定的规则包括:市场化新能源电站可在年度交易、季度交易、和月度交易开展签的3个工作日内,向调度机构申报是否选择参与次月优先发电量分解。因此在回算其他调整后的策略曲线的收益时,选择参与优先发电量分解(基数分解)的场站,需根据调整后的策略曲线对基数电量进行估算。
即,可分配的发电侧政府定价电量由“省内非市场用户96点用电负荷曲线,剔除非市场机组发电曲线”形成。具体基数分解比例变化值由该时段可分配的发电侧政府定价电量决定。在各种策略日前96点报量的情形下,日前出清电力可近似按日前96点申报计算,若参加基数的场站则需根据实际基数分解比例折算一下该策略下的基数分解电量。
在一些实施例中,在场站未参与基数分解的情况下,预测基数电量为零。
本发明实施例的现货交易策略确定方法,考虑到现有策略收益对比流程较为繁琐,例如需要考虑日前出清量与日前申报的比例关系,需要计算新能源超额获利回收费用和中长期超额获利回收费用,月度结算单中的各种考核、分摊比例等的折算,以及两个细则的考核费用等。因月度结算单一般要次月下旬才能出,两个细则的费用更是延迟两个月以上,缺少一套快速估算策略收益对比的有效装置。而本发明通过计算预测电力数据,通过快速收益比较项比较策略的优劣,可以给下一步为未来时段出策略提供参考和指导。
在一些实施例中,历史电力数据包括策略申报出力和场站用电率;电力现货交易模型采用下式确定预测日前出清电量,下式包括:
需要说明的是,通过考虑在回算时段内去掉时效性差的两个细则考核费用和月度结算单中的各种分摊、考核费用,近似忽略难计算或影响不大的偏差回收费用、近似日前出清处理等,这两个操作是在评估不同策略收益的时候采用的一种近似计算,是指在计算总收益时不包含偏差回收费用,近似日前出清处理是指在计算预测日前出清电量时的操作。通过近似计算,本发明达到了快速计算分析收益的目的。
在一些实施例中,历史电力数据包括实际上网电量和待预测场站的理论功率;电力现货交易模型确定预测上网电量,包括:
将实际上网电量和理论功率的偏差数据与预设的偏差阈值进行对比,确定偏差对比结果;
基于偏差对比结果,确定预测上网电量。
需要说明的是,发电时经常会断面拥阻塞堵导致限电,而现有技术中未考虑通道受限的情况下收益的差异,本方案在出策略时加上了限电预测,考虑在限电情况下尽可能多发电,为场站带来补贴电费收益。
具体的,预设的偏差阈值设置为场站装机容量的15%——30%,不同场站容忍偏差程度不一样,则容量的百分比设置不一样。
在一些实施例中,历史电力数据还包括策略申报出力和实际申报出力;
在偏差对比结果为偏差数据大于偏差阈值的情况下,电力现货交易模型确定预测上网电量,下式包括:
需要说明的是,本发明实施例在有限电的时段将策略对应的上网电量为K*实际上网电量,K是一个比例系数,具体是以策略申报出力除以实际申报出力确定的。
本发明实施例的电力数据的预测方法,通过判断是否存在限电情况,来判断是否能增加并网电量,利于新能源更好地消纳。
在一些实施例中,虚拟资源为收益,基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据,包括:
将各电力现货交易模型的预测收益与历史电力数据对应的实际收益进行对比,从历史电力数据对应的当日电力现货交易模型和预设的多个电力现货交易模型中,将收益最高的电力现货交易模型确定为目标电力现货交易模型;
基于目标电力现货交易模型的预测日前出清电量、预测基数电量和预测上网电量,确定预测待预测场站的当前电力数据。
如图2所示,本发明实施例还公开了一种现货交易策略对比方法的流程示意图,该方法至少包括如下步骤:
步骤201、获取实际电力交易数据;
步骤202、基于实际电力交易数据,获取其他策略下的预测电力数据;
步骤203、分别计算实际收益和策略预测收益;
步骤204、比较实际收益和策略预测收益;
步骤205、输出策略对比结果。
本发明实施例的现货交易策略对比方法,在准备好输入数据的前提下,输入装置后,就可以评估一段时间内使用电力现货交易策略的效果。为电力现货交易策略提供了一种理论上可行的仿真回算效果比较,为辅助决策提供依据和建议。
需要说明的是,以一个装机50MW的光伏电场为例,说明本发明快速对比策略,确定目标电力现货交易策略方法的效果:
以2022年9月5日的交易数据做策略收益与原始预测上报收益的对比,通过计算,实际收益比预测申报收益多4067.52元,本实施例中电费单位为元,电力单位为MW,电量单位为MWh,电价单位为元/MWh。除去光伏不发电时段,该光伏电场实际交易数据表如表1所示:
表1
该光伏电场的预测交易数据表如表2所示:
表2
该光伏电场的预测策略收益增收情况,如表3所示:
表3
下面对本发明提供的电力数据的预测装置进行描述,下文描述的电力数据的预测装置与上文描述的电力数据的预测方法可相互对应参照。如图3所示,本发明实施例的电力数据的预测装置,包括:
采集模块301,用于采集待预测场站的历史电力数据;
计算模块302,用于将历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
比较模块303,用于针对各电力现货交易模型,根据电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定待预测场站在电力现货交易模型下的虚拟资源;
输出模块304,用于基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据。
本发明实施例的电力数据的预测装置,能够根据预设的电力现货交易模型中,计算出用于评估的各项预测电量,然后根据预测电量计算出各个模型的虚拟资源大小,进而选择出最合适的电力现货交易模型。由于本发明可以提供实际策略和其他种类策略的快速对比,能够评估一段时间内使用不同电力现货交易策略的效果,为电力现货交易策略提供了一种理论上可行的仿真回算效果比较,为辅助决策提供依据和建议。
在一些实施例中,历史电力数据包括待预测场站的场站信息、实际基数电量和实际日前出清电量,实际上网电量,其中,场站信息用于确定待预测场站是否参与基数分解;
在待预测场站参与基数分解的情况下,电力现货交易模型确定预测基数电量,包括:
基于实际基数电量和实际日前出清电量,确定基数分解比例;
基于基数分解比例和预测日前出清电量,确定预测基数电量。
在一些实施例中,在待预测场站未参与基数分解的情况下,预测基数电量为零。
在一些实施例中,历史电力数据包括策略申报出力和场站用电率;电力现货交易模型采用下式确定预测日前出清电量,下式包括:
在一些实施例中,历史电力数据包括实际上网电量和待预测场站的理论功率;电力现货交易模型确定预测上网电量,包括:
将实际上网电量和理论功率的偏差数据与预设的偏差阈值进行对比,确定偏差对比结果;
基于偏差对比结果,确定预测上网电量。
在一些实施例中,历史电力数据还包括策略申报出力和实际申报出力;
在偏差对比结果为偏差数据大于偏差阈值的情况下,电力现货交易模型确定预测上网电量,下式包括:
在一些实施例中,虚拟资源为收益,基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据,包括:
将各电力现货交易模型的预测收益与历史电力数据对应的实际收益进行对比,从历史电力数据对应的当日电力现货交易模型和预设的多个电力现货交易模型中,将收益最高的电力现货交易模型确定为目标电力现货交易模型;
基于目标电力现货交易模型的预测日前出清电量、预测基数电量和预测上网电量,确定预测待预测场站的当前电力数据。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行电力数据的预测方法,该方法包括:
采集待预测场站的历史电力数据;
将历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
针对各电力现货交易模型,根据电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定待预测场站在电力现货交易模型下的虚拟资源;
基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,计算机程序被处理器执行时,计算机能够执行上述各方法所提供的电力数据的预测方法,该方法包括:
采集待预测场站的历史电力数据;
将历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
针对各电力现货交易模型,根据电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定待预测场站在电力现货交易模型下的虚拟资源;
基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的电力数据的预测方法,该方法包括:
采集待预测场站的历史电力数据;
将历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
针对各电力现货交易模型,根据电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定待预测场站在电力现货交易模型下的虚拟资源;
基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测待预测场站的当前电力数据。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电力数据的预测方法,其特征在于,应用于电子设备,所述方法包括:
采集待预测场站的历史电力数据;
将所述历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
针对所述各电力现货交易模型,根据所述电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定所述待预测场站在所述电力现货交易模型下的虚拟资源;
基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据。
2.根据权利要求1所述的电力数据的预测方法,其特征在于,所述历史电力数据包括所述待预测场站的场站信息、实际基数电量和实际日前出清电量,其中,所述场站信息用于确定所述待预测场站是否参与基数分解;
在所述待预测场站参与基数分解的情况下,所述电力现货交易模型确定所述预测基数电量,包括:
基于所述实际基数电量和所述实际日前出清电量,确定基数分解比例;
基于所述基数分解比例和所述预测日前出清电量,确定所述预测基数电量。
3.根据权利要求2所述的电力数据的预测方法,其特征在于,在所述待预测场站未参与基数分解的情况下,所述预测基数电量为零。
5.根据权利要求1至3任一项所述的电力数据的预测方法,其特征在于,所述历史电力数据包括实际上网电量和所述待预测场站的理论功率;所述电力现货交易模型确定所述预测上网电量,包括:
将所述实际上网电量和所述理论功率的偏差数据与预设的偏差阈值进行对比,确定偏差对比结果;
基于所述偏差对比结果,确定所述预测上网电量。
7.根据权利要求1所述的电力数据的预测方法,其特征在于,所述虚拟资源为收益,所述基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据,包括:
将所述各电力现货交易模型的预测收益与所述历史电力数据对应的实际收益进行对比,从所述历史电力数据对应的当日电力现货交易模型和所述预设的多个电力现货交易模型中,将收益最高的电力现货交易模型确定为目标电力现货交易模型;
基于所述目标电力现货交易模型的预测日前出清电量、预测基数电量和预测上网电量,确定预测所述待预测场站的当前电力数据。
8.一种电力数据的预测装置,其特征在于,包括:
采集模块,用于采集待预测场站的历史电力数据;
计算模块,用于将所述历史电力数据分别输入至预设的多个电力现货交易模型中,得到各电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量;
比较模块,用于针对所述各电力现货交易模型,根据所述电力现货交易模型输出的预测日前出清电量、预测基数电量和预测上网电量,确定所述待预测场站在所述电力现货交易模型下的虚拟资源;
输出模块,用于基于最大虚拟资源对应的预测日前出清电量、预测基数电量和预测上网电量,预测所述待预测场站的当前电力数据。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述电力数据的预测方法。
10.一种非暂态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至7任一项所述电力数据的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310581594.9A CN116307301A (zh) | 2023-05-23 | 2023-05-23 | 电力数据的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310581594.9A CN116307301A (zh) | 2023-05-23 | 2023-05-23 | 电力数据的预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307301A true CN116307301A (zh) | 2023-06-23 |
Family
ID=86815337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310581594.9A Pending CN116307301A (zh) | 2023-05-23 | 2023-05-23 | 电力数据的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307301A (zh) |
-
2023
- 2023-05-23 CN CN202310581594.9A patent/CN116307301A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aghaei et al. | Risk-constrained offering strategy for aggregated hybrid power plant including wind power producer and demand response provider | |
CN107665378B (zh) | 基于需求侧竞价交易机制的电力系统多目标优化调度方法 | |
CN109428344B (zh) | 含风电场的多电源投资规划方法和装置 | |
CN109087153A (zh) | 一种基于双边市场的调峰辅助服务交易出清方法和系统 | |
CN109308631B (zh) | 一种电力市场决策分析的建模方法 | |
Ghaffari et al. | Options based reserve procurement strategy for wind generators-using binomial trees | |
Salehpour et al. | The effect of price responsive loads uncertainty on the risk-constrained optimal operation of a smart micro-grid | |
Yang et al. | Insurance strategy for mitigating power system operational risk introduced by wind power forecasting uncertainty | |
De Vos et al. | Assessment of imbalance settlement exemptions for offshore wind power generation in Belgium | |
CN111695943A (zh) | 一种计及浮动高峰电价的优化管理方法 | |
CN115907927A (zh) | 一种虚拟电厂报价辅助方法、系统、装置及存储介质 | |
CN115965158A (zh) | 一种面向市场交易的虚拟电厂低风险双层聚合优化方法 | |
Xu et al. | CVaR‐based method for optimizing the contract bidding strategy of PV power stations | |
CN112766541A (zh) | 考虑出力预测误差的虚拟电厂利益分配机制的方法及系统 | |
CN112949956A (zh) | 一种基于现货交易的发电企业市场化运营风险评估方法 | |
CN106815694A (zh) | 一种实时电价的定价方法及装置 | |
CN112926811A (zh) | 一种考虑可再生能源消纳责任权重的负荷聚合商购电方法 | |
CN116668213A (zh) | 一种考虑网络通道占用的过网费标准核定方法 | |
CN116307301A (zh) | 电力数据的预测方法及装置 | |
CN115392564A (zh) | 电碳交易市场下发电机组的运营控制方法、装置和介质 | |
CN113793034A (zh) | 不同配额制完成方式下售电公司收益的研究方法 | |
CN113989068A (zh) | 一种跨地区外送电规模优化方法、装置及存储介质 | |
CN112581210A (zh) | 一种分布式电源交易系统 | |
Zhang et al. | Two-stage blockchain-based transaction mechanism of demand response quota | |
CN112906927B (zh) | 一种热电联产机组收益优化方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230623 |