CN117277315B - 省间省内市场自适应出清方法、装置、设备及介质 - Google Patents

省间省内市场自适应出清方法、装置、设备及介质 Download PDF

Info

Publication number
CN117277315B
CN117277315B CN202311552596.1A CN202311552596A CN117277315B CN 117277315 B CN117277315 B CN 117277315B CN 202311552596 A CN202311552596 A CN 202311552596A CN 117277315 B CN117277315 B CN 117277315B
Authority
CN
China
Prior art keywords
provincial
inter
price
gradient
electricity
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
Application number
CN202311552596.1A
Other languages
English (en)
Other versions
CN117277315A (zh
Inventor
曾丹
刘子杰
凌晓波
冯凯
杨争林
冯树海
郑亚先
王治华
胡友琳
陈宏福
王高琴
崔蕾
程千冉
石飞
程海花
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power 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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202311552596.1A priority Critical patent/CN117277315B/zh
Publication of CN117277315A publication Critical patent/CN117277315A/zh
Application granted granted Critical
Publication of CN117277315B publication Critical patent/CN117277315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q30/0206—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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力自动化技术领域，公开一种省间省内市场自适应出清方法、装置、设备及介质；所述方法，包括：获取初始省间购电需求量输入上层省间模型优化求解；获得省间购电需求量以及省间购电价格；将省间购电价格输入下层受端省内模型优化求解获得省内购电价格；根据省间购电价格和省内购电价格计算省间省内价差；将省间省内价差与预设价差阈值比较，判断省间省内电价是否收敛；收敛时获得的输出为出清结果；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果。本发明解决了现有技术迭代步长更新方法尚不明确，实用性和可操作性较弱，迭代收敛效果较差的技术问题。

Description

省间省内市场自适应出清方法、装置、设备及介质
技术领域
本发明属于电力数据自动化处理系统领域，特别涉及一种省间省内市场自适应出清方法、装置、设备及介质。
背景技术
省间、省内电力耦合协作出清技术通过对省间、省内市场多轮次耦合出清，不断调整受电省份的购电需求，以调节受端省份电量在省间、省内市场的分配比例，进而将拉进省间省内市场的供需态势，缩小联络线价差。
省间现货市场与省内现货市场的协作出清作为多主体的复杂问题，在协作出清过程中包含省间市场出清、省内市场出清之间的多轮迭代，迭代过程中的步长选取成为该模式工程化的关键所在，对迭代算法的速度与稳定性提出了严格的要求。考虑省间省内市场协作出清模型为高复杂度的非线性模型，模型具备“灰盒”属性，模型的一部分信息或原理无法被获取或被理解，因此使得迭代算法的可选范围受限，如图1所示。对于灰盒系统，在工程中使用较多的迭代算法包括网格搜索法、模拟退火算法和粒子群算法。
综上所述，在解决省间与省内市场的协作出清问题时，该系统的灰盒特性要求迭代算法同时具有可解释性与可执行性。网格搜索法与模拟退火算法的可执行性较差，前者的计算复杂度过高，后者的收敛性差、迭代轮次多，算法执行的时间成本过高。粒子群算法在迭代轮次有限时容易因为粒子运动过于分散导致结果的可解释性较差，而由于每一次迭代都需要并行计算每一个粒子的运动，迭代轮次的增加容易导致时间成本难以接受。
公开号为CN112767018A的中国专利申请，提及在迭代过程中，根据各购电省的省间电力出清电价以及省内负荷侧出清电价，调整各购电省的省间出清需求电力，并未明确各购电省的省间出清需求电力调整方法，即迭代步长更新方法尚不明确，在实际工程中实用性和可操作性较弱，迭代收敛效果较差。
发明内容
本发明的目的在于提供一种省间省内市场自适应出清方法、装置、设备及介质，以解决现有出清方法中在进行迭代时，收敛效果较差的技术问题。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种省间省内市场自适应出清方法，包括：
获取初始省间购电需求量；
将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；
将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格/>；
根据省间购电价格和省内购电价格/>计算省间省内价差/>；将省间省内价差与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：所述将初始省间购电需求量输入上层省间模型优化求解的步骤中，所述上层省间模型的目标函数为最大化送端省份社会福利之和；所述上层省间模型的约束条件包括电力平衡约束、机组约束和输电约束。
本发明进一步的改进在于：所述将省间购电价格输入下层受端省内模型优化求解的步骤中，所述下层受端省内模型的目标函数为最大化受端省份社会福利之和；所述下层受端省内模型的约束条件包括电力平衡约束、机组约束和输电约束。
本发明进一步的改进在于：所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的自适应梯度下降算法AdaGrad对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的均方根传播算法RMSProp对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的自适应动量算法Adam对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>和/>分别为/>和/>的衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；/>的初始值取/>，每轮迭代/>的值加/>；/>和/>为中间参数，无物理含义；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，若第1轮的省内购电价格，令/>；若第1轮的省内购电价格/>，令/>。
本发明进一步的改进在于：所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，。
第二方面，本发明提供一种省间省内市场自适应出清装置，包括：
获取模块，用于获取初始省间购电需求量；
省间优化模块，用于将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；
省内优化模块，用于将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格/>；
迭代优化模块，用于根据省间购电价格和省内购电价格/>计算省间省内价差；将省间省内价差/>与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值/>时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：省间优化模块将初始省间购电需求量输入上层省间模型优化求解的步骤中，所述上层省间模型的目标函数为最大化送端省份社会福利之和；所述上层省间模型的约束条件包括电力平衡约束、机组约束和输电约束。
本发明进一步的改进在于：省内优化模块将省间购电价格输入下层受端省内模型优化求解的步骤中，所述下层受端省内模型的目标函数为最大化受端省份社会福利之和；所述下层受端省内模型的约束条件包括电力平衡约束、机组约束和输电约束。
本发明进一步的改进在于：迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的自适应梯度下降算法AdaGrad对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的均方根传播算法RMSProp对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的自适应动量算法Adam对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>和/>分别为/>和/>的衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；/>的初始值取/>，每轮迭代/>的值加/>；/>和/>为中间参数，无物理含义；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
本发明进一步的改进在于：迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，若第1轮的省内购电价格，令/>；若第1轮的省内购电价格/>，令/>。
本发明进一步的改进在于：迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，。
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的省间省内市场自适应出清方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述的省间省内市场自适应出清方法。
相对于现有技术，本发明具有以下有益效果：
本发明提供一种省间省内市场自适应出清方法、装置、设备及介质；所述方法，包括：获取初始省间购电需求量；将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；将省间购电价格/>输入下层受端省内模型优化求解；计算获得省内购电价格/>；根据省间购电价格/>和省内购电价格/>计算省间省内价差/>；将省间省内价差/>与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值/>时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果。省间省内市场迭代出清过程中的步长选取是该模式工程化的关键所在，本发明提出一种省间省内市场自适应出清方法，基于改进的梯度和动量算法，能够实现省间省内市场自适应迭代出清；本发明以各省申报的负荷需求为自变量，联络线在省间和省内市场出清的价差为因变量，通过基于改进的梯度和动量算法进行需求量自适应调整，辨识省间省内迭代过程中的迭代计算收敛判据与终止条件，计算得到价格趋同趋势下的协调优化出清结果；有效的解决了现有技术迭代步长更新方法尚不明确，在实际工程中实用性和可操作性较弱，迭代收敛效果较差的技术问题。
本发明以各省申报的负荷需求为自变量，联络线在省间和省内市场出清的价差为因变量，通过改进的基于梯度和动量算法进行需求量自适应调整，辨识省间省内迭代过程中的迭代计算收敛判据与终止条件，计算得到价格趋同趋势下的协调优化出清结果。这种通过改进的基于梯度和动量算法进行需求量自适应调整，能够大幅提高省间、省内市场出清的收敛速度和收敛精度，有效解决跨区域跨省间市场与省内市场分层运作引起的联络线出清量价不一致问题，有助于更大限度发挥市场资源优化配置作用，推动大范围内发电资源的优势互补，充分发挥了特高压交直流通道的输送能力，促进新能源消纳。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为省间省内市场协作出清模型示意图；
图2为本发明省间省内市场自适应迭代出清框架示意图；
图3为本发明一种省间省内市场自适应出清方法的流程示意图；
图4为本发明一种省间省内市场自适应出清装置的结构框图；
图5为本发明一种电子设备的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
本发明提出一种省间省内市场自适应出清方法，相较于依赖市场运营人员基于省间省内电价差，根据自己的经验判断调整多少省间购电需求量，本发明方法能够根据上一次调整省间购电需求量对省间省内电价差产生的影响，即省间省内电价差的梯度，自动判别调整效果的好或坏，并基于调整效果的好坏与目前的省间省内电价差决定下一次如何调整省间购电需求量，省间购电需求量的步长。
本发明提出的一种省间省内市场自适应出清方法，根据自适应迭代算法的理论基础，提出基于梯度和动量迭代算法。
1、梯度下降算法和动量下降算法
1.1）、梯度下降算法
梯度下降算法通过计算目前省间省内电价差的梯度、并沿梯度反方向更新参数的方式计算省间购电需求量的步长：
（1）
（2）
其中：为第/>步的参数，/>为第/>步的参数，/>为第/>步的梯度，/>为学习率。
1.2）、动量梯度下降算法
动量梯度下降算法为梯度下降算法的改进，其在计算步长时不仅考虑当前迭代的梯度方向、也考虑上一步迭代的梯度方向，因此被称为动量算法：
（3）
（4）
其中：为第/>步的参数，/>为第/>步的参数，/>为第/>步的梯度，/>为学习率；/>为设定的动量系数。
上述两种算法实际上不具备自适应能力，作为自适应梯度下降算法、均方根传播算法和自适应动量算法的基础，本发明采用以下算法，具体如下：
2、改进的梯度和动量算法
2.1）、自适应梯度下降算法AdaGrad
梯度下降算法的学习率依赖手动调节，即每一轮迭代的步长的方向/>由梯度决定、幅度/>需要人为调整。针对梯度下降算法的该缺点，自适应梯度下降算法AdaGrad被提出以实现学习率的自适应：
（5）
（6）
（7）
其中，为第/>步的参数，/>为第/>步的参数，/>为第/>步的梯度，/>为学习率的初始值。/>为第/>步迭代梯度平方的累加项，/>为一极小的正数以避免除0；优选的，/>；为第/>步迭代梯度平方的累加项。AdaGrad的步长/>实现了自适应，只需给定学习率的初始值/>便可自动进行迭代。由于梯度的平方/>为正数，在迭代过程中步长会不断变小。
2.2）、均方根传播算法RMSProp
虽然自适应梯度下降算法AdaGrad随迭代进行步长减小的性质有利于迭代过程的稳定，但其也容易出现步长衰减过快以至于迭代停滞的缺点。为解决该缺点，均方根传播算法RMSProp引入了衰减因子以防止步长的迅速衰减：
（8）
（9）
（10）
其中，为第/>步的参数，/>为第/>步的参数，/>为第/>步的梯度，/>为学习率的初始值，/>为每轮迭代梯度平方的累加项，/>为一极小的正数以避免除0；/>为第/>步迭代梯度平方的累加项。/>为衰减因子，其使/>并不总随迭代的进行而增大，从而改善了AdaGrad算法的缺陷。优选的，衰减因子/>取决于迭代的总轮次，可选0.99，0.98，0.9等。
2.3）、自适应动量算法Adam
自适应动量算法Adam是RMSProp算法带动量的改进：
（11）
（12）
（13）
（14）
（15）
其中，为第/>步的参数，/>为第/>步的梯度，/>为学习率的初始值，/>为每轮迭代梯度平方的累加项，/>为一极小的正数以避免除0，/>和/>分别为/>和/>的衰减因子。由于/>与/>均初始化为0，为使最初几轮迭代不陷入停滞，Adam算法引入/>和/>的/>次幂对/>与/>进行修正，/>的初始值取/>，每轮迭代/>的值加/>。/>无物理含义，用于解决/>均初始化为0时算法在最初几轮迭代缓慢的问题；/>无物理含义，用于解决/>均初始化为0时算法在最初几轮迭代缓慢的问题。
实施例1
请参阅图2所示，本发明提供一种省间省内市场自适应出清方法，在统一电力市场建设方案中，明确提出省间市场要满足大范围发、用电优化出清的要求，充分发挥省间市场实现电力资源优化配置的能力，省内市场保障电力电量平衡。省间现货市场的交易范围正逐步扩大至基于多条指定输电路径组织省间现货集中交易。省间现货市场与省内现货市场将呈现出更为紧密的衔接状态。
本发明提供一种省间省内市场自适应出清方法，以各省申报的省间购电需求量为自变量，联络线在省间和省内市场出清的价差为因变量，通过基于梯度和动量算法进行需求量自适应调整，辨识省间省内迭代过程中的迭代计算收敛判据与终止条件，计算得到价格趋同趋势下的协调优化出清结果，有效解决现有出清方法中在进行迭代时，收敛效果较差的技术问题。
请参阅图3所示，本发明提供一种省间省内市场自适应出清方法，包括以下步骤：
S1、获取初始省间购电需求量；
S2、将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；在一具体实施方式中，上层省间模型和求解方法均为现有技术，可以理解为以最大化送端省份社会福利之和为优化目标，计及电力平衡约束、机组约束、输电约束约束的优化问题；
S3、将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格；在一具体实施方式中，下层受端省内模型和求解方法均为现有技术，可以理解以最大化受端省份社会福利之和为优化目标，计及电力平衡约束、机组约束、输电约束的优化问题。
S4、根据省间购电价格和省内购电价格/>计算省间省内价差/>；将省间省内价差/>与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值/>时，省间省内电价收敛，收敛时获得的输出为省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，以自适应梯度下降算法AdaGrad为例，对省间购电需求量/>进行迭代计算；其中，自适应梯度下降算法AdaGrad如下：
其中，为第/>步的梯度，/>为第/>步迭代梯度平方的累加项，/>为一极小值以避免除0错误，优选的，/>；/>为第/>步的参数。/>为学习率，优选的，可定义为/>或依据实际场景调整；
将自适应梯度下降算法AdaGrad应用于省间省内迭代问题时，由于无法直接求取省间省内价差对省间购电量的梯度（即），实际采用的等效算法如下：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；梯度/>使用两轮迭代间的省间省内价差变化量/>除以省间购电量变化量/>近似替代；/>为控制梯度累加速度的自定义参数，可以取/>或依据实际场景调整；/>为下一轮迭代的省间购电需求量。
重复步骤S2-S4，将迭代的省间购电需求量输入上层省间模型优化求解，直至省间省内电价收敛，收敛时获得的输出为省间购电需求量/>、省内购电价格/>与省间购电价格/>。
其中，；在一具体实施方式中，直接令（若第一轮的省内购电价格/>）或令/>（若第一轮的省内购电价格/>），也可采取随机化。
在一具体实施方式中，如果不收敛，还可以以改进的均方根传播算法RMSProp，对省间购电需求量进行迭代计算；其中，改进的均方根传播算法RMSProp如下：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
重复步骤S2-S4，将迭代的省间购电需求量输入上层省间模型优化求解，直至省间省内电价收敛，收敛时获得的输出为省间购电需求量/>、省内购电价格/>与省间购电价格/>。
其中，；在一具体实施方式中，直接令（若第一轮的省内购电价格/>）或令/>（若第一轮的省内购电价格/>），也可采取随机化。
在一具体实施方式中，如果不收敛，还可以以改进的自适应动量算法Adam，对省间购电需求量进行迭代计算；其中，改进的自适应动量算法Adam如下：
/>
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>和/>分别为/>和/>的衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；/>的初始值取/>，每轮迭代/>的值加/>；/>和/>为中间参数，无物理含义；
重复步骤S2-S4，将迭代的省间购电需求量输入上层省间模型优化求解，直至省间省内电价收敛，收敛时获得的输出为省间购电需求量/>、省内购电价格/>与省间购电价格/>。
其中，；在一具体实施方式中，直接令（若第一轮的省内购电价格/>）或令/>（若第一轮的省内购电价格/>），也可采取随机化。
实施例2
请参阅图4所示，本发明提供一种省间省内市场自适应出清装置，包括：
获取模块，用于获取初始省间购电需求量；
省间优化模块，用于将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；
省内优化模块，用于将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格/>；
迭代优化模块，用于根据省间购电价格和省内购电价格/>计算省间省内价差；将省间省内价差/>与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值/>时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果。
在一具体实施方式中，省间优化模块将初始省间购电需求量输入上层省间模型优化求解的步骤中，所述上层省间模型的目标函数为最大化送端省份社会福利之和；所述上层省间模型的约束条件包括电力平衡约束、机组约束和输电约束。
在一具体实施方式中，省内优化模块将省间购电价格输入下层受端省内模型优化求解的步骤中，所述下层受端省内模型的目标函数为最大化受端省份社会福利之和；所述下层受端省内模型的约束条件包括电力平衡约束、机组约束和输电约束。
在一具体实施方式中，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的自适应梯度下降算法AdaGrad对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
在一具体实施方式中，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的均方根传播算法RMSProp对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>为衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
在一具体实施方式中，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：
采用改进的自适应动量算法Adam对省间省内价差对省间购需求量的梯度等效为：
/>
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第/>步迭代梯度平方的累加项；/>和/>分别为/>和/>的衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；/>的初始值取/>，每轮迭代/>的值加/>；/>和/>为中间参数，无物理含义；
将迭代的省间购电需求量输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果。
在一具体实施方式中，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，若第1轮的省内购电价格，令/>；若第1轮的省内购电价格，令/>。
在一具体实施方式中，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，。
实施例3
请参阅图5所示，本发明还提供一种实现省间省内市场自适应出清方法的电子设备100；所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
存储器101可用于存储所述计算机程序103，所述处理器102通过运行或执行存储在所述存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1、2或3所述的省间省内市场自适应出清方法的步骤。所述存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述至少一个处理器102可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，所述处理器102是所述电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
所述电子设备100中的所述存储器101存储多个指令以实现一种省间省内市场自适应出清方法，所述处理器102可执行所述多个指令从而实现：
获取初始省间购电需求量；
将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；
将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格/>；
根据省间购电价格和省内购电价格/>计算省间省内价差/>；将省间省内价差与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果。
实施例4
所述电子设备100集成的模块/单元如果以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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.省间省内市场自适应出清方法，其特征在于，包括：
获取初始省间购电需求量；
将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；
将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格/>；
根据省间购电价格和省内购电价格/>计算省间省内价差/>；将省间省内价差/>与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差/>价差阈值/>时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果；
所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：采用改进的自适应梯度下降算法AdaGrad对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第步迭代梯度平方的累加项；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；将迭代的省间购电需求量/>输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果；
或者，所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：采用改进的均方根传播算法RMSProp对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第步迭代梯度平方的累加项；/>为衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；；将迭代的省间购电需求量/>输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果；
或者，所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：采用改进的自适应动量算法Adam对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第步迭代梯度平方的累加项；/>和/>分别为/>和/>的衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；/>的初始值取/>，每轮迭代/>的值加/>；/>和/>为中间参数，无物理含义；将迭代的省间购电需求量/>输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果；
所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，。
2.根据权利要求1所述的省间省内市场自适应出清方法，其特征在于，所述将初始省间购电需求量输入上层省间模型优化求解的步骤中，所述上层省间模型的目标函数为最大化送端省份社会福利之和；所述上层省间模型的约束条件包括电力平衡约束、机组约束和输电约束。
3.根据权利要求1所述的省间省内市场自适应出清方法，其特征在于，所述将省间购电价格输入下层受端省内模型优化求解的步骤中，所述下层受端省内模型的目标函数为最大化受端省份社会福利之和；所述下层受端省内模型的约束条件包括电力平衡约束、机组约束和输电约束。
4.根据权利要求1所述的省间省内市场自适应出清方法，其特征在于，所述如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，若第1轮的省内购电价格，令；若第1轮的省内购电价格/>，令/>。
5.省间省内市场自适应出清装置，其特征在于，包括：
获取模块，用于获取初始省间购电需求量；
省间优化模块，用于将初始省间购电需求量输入上层省间模型优化求解；计算获得省间购电需求量以及省间购电价格/>；
省内优化模块，用于将省间购电价格输入下层受端省内模型优化求解；计算获得省内购电价格/>；
迭代优化模块，用于根据省间购电价格和省内购电价格/>计算省间省内价差/>；将省间省内价差/>与预设价差阈值/>比较，判断省间省内电价是否收敛；当省间省内价差价差阈值/>时，省间省内电价收敛，收敛时获得的输出为出清结果；所述出清结果包括：省间购电需求量/>、省内购电价格/>与省间购电价格/>；如果不收敛，基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果；
迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：采用改进的自适应梯度下降算法AdaGrad对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第步迭代梯度平方的累加项；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；将迭代的省间购电需求量/>输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果；
或者，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：采用改进的均方根传播算法RMSProp对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第步迭代梯度平方的累加项；/>为衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；；将迭代的省间购电需求量/>输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果；
或者，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤，具体包括：采用改进的自适应动量算法Adam对省间省内价差对省间购需求量的梯度等效为：
其中，为两轮迭代间的省间省内价差变化量；/>为两轮迭代间的省间购电量变化量；/>为第/>步的梯度，/>为第/>-1步的梯度，/>为第/>步迭代梯度平方的累加项，/>为第步迭代梯度平方的累加项；/>和/>分别为/>和/>的衰减因子；/>为控制梯度累加速度的参数；/>为第i步迭代的省间购电需求量；/>为第i-1步迭代的省间购电需求量；/>为学习率的初始值；/>；/>的初始值取/>，每轮迭代/>的值加/>；/>和/>为中间参数，无物理含义；将迭代的省间购电需求量/>输入上层省间模型迭代优化求解，直至省间省内电价收敛输出出清结果；
迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，。
6.根据权利要求5所述的省间省内市场自适应出清装置，其特征在于，省间优化模块将初始省间购电需求量输入上层省间模型优化求解的步骤中，所述上层省间模型的目标函数为最大化送端省份社会福利之和；所述上层省间模型的约束条件包括电力平衡约束、机组约束和输电约束。
7.根据权利要求5所述的省间省内市场自适应出清装置，其特征在于，省内优化模块将省间购电价格输入下层受端省内模型优化求解的步骤中，所述下层受端省内模型的目标函数为最大化受端省份社会福利之和；所述下层受端省内模型的约束条件包括电力平衡约束、机组约束和输电约束。
8.根据权利要求5所述的省间省内市场自适应出清装置，其特征在于，迭代优化模块基于改进的迭代算法对省间省内价差对省间购需求量的梯度等效后迭代计算，直至省间省内电价收敛输出出清结果的步骤中，若第1轮的省内购电价格，令；若第1轮的省内购电价格/>，令/>。
9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至4中任意一项所述的省间省内市场自适应出清方法。
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存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至4中任意一项所述的省间省内市场自适应出清方法。
CN202311552596.1A 2023-11-21 2023-11-21 省间省内市场自适应出清方法、装置、设备及介质 Active CN117277315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311552596.1A CN117277315B (zh) 2023-11-21 2023-11-21 省间省内市场自适应出清方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311552596.1A CN117277315B (zh) 2023-11-21 2023-11-21 省间省内市场自适应出清方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN117277315A CN117277315A (zh) 2023-12-22
CN117277315B true CN117277315B (zh) 2024-02-13

Family

ID=89212765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311552596.1A Active CN117277315B (zh) 2023-11-21 2023-11-21 省间省内市场自适应出清方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117277315B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190132193A (ko) * 2018-05-18 2019-11-27 한양대학교 에리카산학협력단 스마트 그리드에서 동적 가격 책정 수요반응 방법 및 시스템
CN112241803A (zh) * 2019-07-19 2021-01-19 中国电力科学研究院有限公司 一种省间省内电力平衡协调优化方法及系统
CN112529304A (zh) * 2020-12-15 2021-03-19 西安交通大学 一种基于配额制考虑风险的两级电力市场优化运行方法
CN112767018A (zh) * 2021-01-11 2021-05-07 中国电力科学研究院有限公司 省间及省内电力市场耦合出清方法、系统、设备及介质
CN114022182A (zh) * 2021-09-30 2022-02-08 国电南瑞南京控制系统有限公司 一种复杂电网下省间、省内电力市场耦合出清方法及装置
CN114061571A (zh) * 2021-11-12 2022-02-18 同济大学 一种自适应梯度下降惯性测量单元的姿态解算方法及系统
CN115034663A (zh) * 2022-06-29 2022-09-09 中国电力科学研究院有限公司 省间电力现货市场出清方法、系统、设备及存储介质
CN115879725A (zh) * 2022-12-15 2023-03-31 中国南方电网有限责任公司 一种电力现货市场出清方法及系统
CN116342162A (zh) * 2023-03-31 2023-06-27 国网上海市电力公司 计及输电费的电力系统松耦合出清与定价方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190132193A (ko) * 2018-05-18 2019-11-27 한양대학교 에리카산학협력단 스마트 그리드에서 동적 가격 책정 수요반응 방법 및 시스템
CN112241803A (zh) * 2019-07-19 2021-01-19 中国电力科学研究院有限公司 一种省间省内电力平衡协调优化方法及系统
CN112529304A (zh) * 2020-12-15 2021-03-19 西安交通大学 一种基于配额制考虑风险的两级电力市场优化运行方法
CN112767018A (zh) * 2021-01-11 2021-05-07 中国电力科学研究院有限公司 省间及省内电力市场耦合出清方法、系统、设备及介质
CN114022182A (zh) * 2021-09-30 2022-02-08 国电南瑞南京控制系统有限公司 一种复杂电网下省间、省内电力市场耦合出清方法及装置
CN114061571A (zh) * 2021-11-12 2022-02-18 同济大学 一种自适应梯度下降惯性测量单元的姿态解算方法及系统
CN115034663A (zh) * 2022-06-29 2022-09-09 中国电力科学研究院有限公司 省间电力现货市场出清方法、系统、设备及存储介质
CN115879725A (zh) * 2022-12-15 2023-03-31 中国南方电网有限责任公司 一种电力现货市场出清方法及系统
CN116342162A (zh) * 2023-03-31 2023-06-27 国网上海市电力公司 计及输电费的电力系统松耦合出清与定价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
全国统一电力市场演进过程下省间-省内市场出清及定价模型;陈熠 等;电工技术学报;全文 *
考虑需求价格弹性和风险的外送电效益优化研究;刘文彬;方日升;刘兴宇;江岳文;温步瀛;;电网与清洁能源(第02期);全文 *

Also Published As

Publication number Publication date
CN117277315A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
WO2020228143A1 (zh) 一种基于QoS模型自校正的云软件服务资源分配方法
US10061279B2 (en) Multi-objective scheduling for on/off equipment
US9373960B2 (en) Computerized system and method for distributed energy resource scheduling
CN109976901A (zh) 一种资源调度方法、装置、服务器及可读存储介质
US20170255718A1 (en) Method and system for determing welding process parameters
WO2022135440A1 (zh) Llc谐振电路的控制方法、控制装置及终端设备
CN117277315B (zh) 省间省内市场自适应出清方法、装置、设备及介质
CN109190241A (zh) 电磁机构静态特性优化方法
CN113315166A (zh) 一种多虚拟同步机惯量配置方法、装置和终端设备
CN103679814A (zh) 一种三角形网格模型的处理方法及装置
TWI763087B (zh) 基於強化學習的點對點能源共享方法及裝置
CN109408870A (zh) 一种基于边界约束的拓扑网格生成方法及电子设备
CN110768827B (zh) 一种基于群智能算法的任务卸载方法
CN117353398A (zh) 一种配电台区电能质量治理方法、存储介质及电子设备
US20170261952A1 (en) System, method and apparatuses for determining parameter settings for a power generation system and a tangible computer readable medium
WO2024060521A1 (zh) 主动型负荷可调度潜力的计算方法、终端及存储介质
CN111952978A (zh) 一种考虑用户响应特性的需求响应激励方法及系统
CN114880932B (zh) 一种电网运行环境模拟方法、系统、设备及介质
CN115115144A (zh) 考虑源荷的电力市场分区和出清方法、装置、设备和介质
CN115760194A (zh) 一种峰谷电价与时段的优化方法、装置、设备及存储介质
CN108345941A (zh) 一种参数调整方法和装置
CN115549093A (zh) 一种新能源电力系统在线建模与振荡分析的方法及系统
CN114116740A (zh) 用于联合学习中确定参与方贡献度的方法及装置
CN114254545A (zh) 并联冷机系统负荷控制优化方法、系统、设备及介质
JP2005224050A (ja) 潮流計算方法

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