CN117829874A - 电力交易策略的生成方法、装置、设备及存储介质 - Google Patents
电力交易策略的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117829874A CN117829874A CN202311869268.4A CN202311869268A CN117829874A CN 117829874 A CN117829874 A CN 117829874A CN 202311869268 A CN202311869268 A CN 202311869268A CN 117829874 A CN117829874 A CN 117829874A
- Authority
- CN
- China
- Prior art keywords
- day
- target
- discharge
- charge
- transaction
- 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 70
- 235000019580 granularity Nutrition 0.000 claims abstract description 200
- 238000004146 energy storage Methods 0.000 claims abstract description 85
- 230000006870 function Effects 0.000 claims description 169
- 230000005611 electricity Effects 0.000 claims description 132
- 238000007599 discharging Methods 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 42
- 230000008901 benefit Effects 0.000 claims description 33
- 238000011217 control strategy Methods 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力交易策略的生成方法、装置、设备及存储介质。该方法包括:获取储能电站信息、多个历史日的历史日的电力交易信息和多个预设操作粒度;将储能电站信息、历史日的电力交易信息和预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;根据每个预设操作粒度下各历史日的历史日最优交易策略的历史总预测收入确定最优操作粒度;获取运行日的运行日的电力交易信息;并将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略。能够在复杂的交易场景和较短的申报时间窗口下,采用最优操作粒度下的最优电力交易策略进行申报。
Description
技术领域
本发明涉及储能电力技术领域,尤其涉及一种电力交易策略的生成方法、装置、设备及存储介质。
背景技术
随着电力市场改革发展,电力现货市场交易主体及交易品种日趋丰富,独立储能也逐步成为电力现货市场交易主体。电力现货市场中的调频辅助服务市场与电能量市场分开运行、协调出清。调度机构根据系统运行需求,确定调频服务总调节速率需求量,调频市场在日前,采用集中竞价方式确定中标主体。
一般地,独立储能商在参与电力现货市场时,需要在日前(运行日前一天)决定在电能量市场的发电计划及调频辅助服务市场的投标策略。传统的电力交易策略制定方法主要还是依赖简单的电价预测结果和预测收益进行制定。但是,对于不同的地区、时段或交易方,充放电操作的操作粒度(单次充放电操作的最短持续时间)会对电力收益产生不同的影响。现有技术中一般是基于经验确定操作粒度,且操作粒度不会随着交易市场的变化发生改变。这会导致在复杂的交易场景和相对短的申报时间窗口下,独立储能商难以保证采用最优的操作粒度生成最优的电力交易策略进行申报,从而无法达成利润最大化的目标。
发明内容
本发明提供了一种电力交易策略的生成方法、装置、设备及存储介质,以解决在复杂的交易场景和相对短的申报时间窗口下,独立储能商难以保证及时采用最优的操作粒度生成最优的电力交易策略进行申报的问题。
根据本发明的一方面,提供了一种电力交易策略的生成方法包括:
获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度;
将所述储能电站信息、所述历史日的电力交易信息和所述预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;
根据每个预设操作粒度下各所述历史日最优交易策略的历史总预测收入确定最优操作粒度;
获取运行日的运行日的电力交易信息;并将所述储能电站信息、所述运行日的电力交易信息和所述最优操作粒度输入所述交易策略寻优模型,获得运行日最优交易策略。
根据本发明的另一方面,提供了一种电力交易策略的生成模块,包括:
信息获取模块,用于获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度;
历史策略生成模块,用于将所述储能电站信息、所述历史日的电力交易信息和所述预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;
最优粒度确定模块,用于根据每个预设操作粒度下各所述历史日最优交易策略的历史总预测收入确定最优操作粒度;
最优策略生成模块,用于获取运行日的运行日的电力交易信息;并将所述储能电站信息、所述运行日的电力交易信息和所述最优操作粒度输入所述交易策略寻优模型,获得运行日最优交易策略。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电力交易策略的生成方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电力交易策略的生成方法。
本发明实施例的技术方案,通过获取储能电站信息、多个历史日的历史日的电力交易信息和多个预设操作粒度;将储能电站信息、历史日的电力交易信息和预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;根据每个预设操作粒度下各历史日的历史日最优交易策略的历史总预测收入确定最优操作粒度;获取运行日的运行日的电力交易信息;并将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略。通过确定电力交易的最优操作粒度,并基于交易策略寻优模型确定在最优操作粒度下的运行日最优交易策略,解决了在复杂的交易场景和相对短的申报时间窗口下,独立储能商难以保证及时采用最优的操作粒度生成最优的电力交易策略进行申报的问题;能够保证在复杂的现实情况和相对短的申报时间窗口下,采用最优操作粒度下的最优电力交易策略进行申报,从而达成利润最大化的目标。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例一提供的一种电力交易策略的生成方法的流程图;
图2是本发明实施例二提供的一种交易策略寻优模型的寻优步骤的流程图;
图3是本发明实施例三提供的一种电力交易策略的生成方法的流程图;
图4是本发明实施例四提供的一种电力交易策略的生成装置的结构示意图;
图5是实现本发明实施例的电力交易策略的生成方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供了一种电力交易策略的生成方法的流程图,本实施例可适用于独立储能商等交易主体生成最优的电力交易策略进行申报的情况,该方法可以由电力交易策略的生成装置来执行,该电力交易策略的生成装置可以采用硬件和/或软件的形式实现,该电力交易策略的生成装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度。
其中,储能电站信息是指关于储能电站的信息。储能电站信息例如可以包括:储能电站的最大容量、初始可用电量、充放电效率和单次充放电成本等;可以理解的是,最大容量、充放电效率和单次充放电成本一般不会变,但是每天的初始可用电量可能不同。充放电效率是指储能电站在充电和放电之间的转化率;单次充放电成本是指储能电站单次充电和放电的均摊成本。
历史日的电力交易信息是指在运行日之前的历史日内关于电力交易的信息。历史日的电力交易信息例如可以包括:历史日预测电价曲线。历史日预测电价曲线是指历史日在多个时刻的预测电价构成的曲线,例如以15分钟为间隔的96点的预测电价的曲线,纵轴为预测电价,横轴为历史日对应的一天时间。历史日可以根据实际需求选择,例如可以是运行日之前的一个月,一个季度或者一年等,本实施例对此不设限制。
操作粒度是指单次充放电操作的最短持续时间,多个预设操作粒度可以是交易主体基于经验或习惯所设置的多个不同的操作粒度,例如可以是15分钟或者1小时等。不同的交易主体、交易时段或者电力交易地区与省份所采用的预设操作粒度可能会存在差异。采用不同的操作粒度也会产生不同的电力交易收益。
可选的,历史日的电力交易信息还可以包括:初始交易风险指数,初始风险交易指数可以为基于需求设置,例如可以设置为零。
在本实施例中,获取历史日预测电价曲线的方式可以是直接获取提供商提供的历史预测电价;或者还可以是获取提供商提供的电价预测模型,基于电价预测模型和历史日的电价预测信息确定历史日预测电价。
S120、将储能电站信息、历史日的电力交易信息和预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略。
其中,交易策略寻优模型可以理解为基于寻优算法获得最优的电力交易策略的模型。交易策略寻优模型的寻优目标为电力交易策略的收益;变量函数可以包括:操作函数;操作函数用于表示各时刻的充放电操作状态,基于操作函数可以确定交易控制策略;充放电操作状态可以包括:充电、放电和无操作。历史日最优交易策略是基于交易策略寻优模型寻找到的历史日的最优交易控制策略。
在本实施例中,将储能电站信息、历史日的电力交易信息和多个不同的预设操作粒度输入交易策略寻优模型,通过交易策略寻优模型在每个预设操作粒度下,以收益最大化为寻优目标,根据储能电站信息和每个历史日的历史日的电力交易信息寻找每个历史日的最优历史电力交易策略。
S130、根据每个预设操作粒度下各历史日最优交易策略的历史总预测收入确定最优操作粒度。
其中,最优操作粒度是指使历史总预测收入最大化的操作粒度。历史总预测收入是指各历史日的预测收益收入的总值。
在本实施例中,对于每个预设操作粒度,在该预设操作粒度下计算各历史日的历史日最优交易策略对应的预测收入的总值,即历史总预测收入。为了使电力交易收益最大化,可以将最大历史总预测收入对应的预设操作粒度确定为最优操作粒度。
在一个可选实施例中,根据每个预设操作粒度下各所述历史日的历史日最优交易策略的历史总预测收入确定最优操作粒度,包括:获取各所述历史日的历史日真实电价曲线;对于每个预设操作粒度,根据各所述历史日的历史日最优交易策略和历史日真实电价曲线确定所述预设操作粒度的历史总预测收入;将所述历史总预测收入最高的预设操作粒度确定为最优操作粒度。
其中,历史日真实电价曲线是指历史日在多个时刻的真实电价构成的曲线。
在本实施例中,对于每个预设操作粒度,获取交易策略寻优模型在该预设操作粒度下所预测的每个历史日的历史日最优交易策略,根据历史日最优交易策略确定在历史日的每个时刻的控制操作;并根据历史日真实电价曲线确定历史日中每个时刻的充放电真实电价;根据每个历史日在各时刻的充放电真实电价和控制操作计算历史日的预测收入,并计算各历史日的预测收入的总和得到在每个预设操作粒度下的历史总预测收入。将最高的历史总预测收入对应的预设操作粒度确定为最优操作粒度。
示例性的,根据每个历史日在各时刻的充放电真实电价和控制操作计算历史日的预测收入的方式可以为:根据控制操作确定充电操作时刻和放电操作时刻,历史日的预测收入=放电电量×放电操作时刻的真实电价-充电电量×放电操作时刻的真实电价;其中,放电电量=充电电量×充放电效率。
S140、获取运行日的运行日的电力交易信息;并将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略。
其中,运行日最优交易策略是基于交易策略寻优模型所确定的运行日的最优电力交易控制策略。交易控制策略可以是标记有充放电操作信息的时间序列。
运行日的电力交易信息是指在运行日当天关于电力交易的信息;例如可以包括:运行日预测电价曲线和运行日竞价空间曲线。运行日预测电价曲线是指运行日的多个时刻的预测电价构成的曲线,例如可以是以15分钟为间隔的96点的预测电价的曲线,纵轴为预测电价,横轴为运行日对应的一天时间。运行日竞价空间曲线是指在运行日各时刻的电力交易的竞价空间构成的曲线,电力交易的竞价空间是指根据市场规则在预测的市场总需求电量中规定一定比例需要通过竞价方式进行交易的电量。
在本实施例中,将储能电站信息、运行日的电力交易信息和S130所确定的最优操作粒度输入交易策略寻优模型,通过交易策略寻优模型在最优操作粒度下,以收益最大化为寻优目标,根据储能电站信息和运行日的电力交易信息寻找运行日的最优历史电力交易策略。
需要说明的是,在本发明实施例中,用于在确定运行日最优交易策略与确定各历史日的历史日最优交易策略的过程中,输入到交易策略寻优模型的是输入参数不同,但所使用的交易策略寻优模型完全相同。本发明实施例对交易策略寻优模型不作过多限制,交易策略寻优模型的核心是以收入最大化为目标,基于储能电站信息、历史日的电力交易信息和操作粒度对交易策略进行寻优,确定最优交易控制策略。可以根据需求选择任何能够实现上述功能的交易策略寻优模型。
在一个可选实施例中,运行日的电力交易信息还可以包括目标交易风险指数。目标交易风险指数用于反映运行日预测电价的不确定性给收入带来的风险。将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略,包括:将储能电站信息、运行日的电力交易信息、最优操作粒度和目标交易风险指数输入交易策略寻优模型,获得目标交易控制策略。在交易策略寻优模型中计算控制策略在目标交易风险指数下的收益,基于收益对交易控制策略进行寻优,获得目标交易控制策略。
本发明实施例的技术方案,通过获取储能电站信息、多个历史日的历史日的电力交易信息和多个预设操作粒度;将储能电站信息、历史日的电力交易信息和预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;根据每个预设操作粒度下各历史日的历史日最优交易策略的历史总预测收入确定最优操作粒度;获取运行日的运行日的电力交易信息;并将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略。通过确定电力交易的最优操作粒度,并基于交易策略寻优模型确定在最优操作粒度下的运行日最优交易策略,能够保证在复杂的交易场景和相对短的申报时间窗口下,采用最优操作粒度下的最优电力交易策略进行申报,从而达成利润最大化的目标。
实施例二
图2是本发明实施例二提供的一种交易策略寻优模型的寻优步骤的流程图,本实施例对上述实施例中交易策略寻优模型以及交易策略寻优模型的寻优步骤进一步限定。
在本实施例中,交易策略寻优模型的输入参数包括:储能电站信息、目标日的电力交易信息和目标操作粒度,输出参数为最优交易控制策略,优化目标为交易控制策略对应的收益达到最大,待优化变量包括目标日操作函数和目标日状态函数,所述目标日操作函数用于表示目标日各时刻的充放电操作状态;所述充放电操作状态包括:充电状态、放电状态和无操作状态;所述目标日状态函数用于表示目标日各时刻的可用电量;
所述目标日的电力交易信息包括:目标日预测电价曲线和目标日竞价空间曲线;所述储能电站信息包括:目标日初始可用电量。
其中,目标日初始可用电量是在储能电站在目标日的初始时刻的可用电量。根据目标日初始可用电量与储能电站的最大容量也可以计算出目标日初始可用容量。
在本实施例中,在生成历史日最优交易策略的情况下,所述目标日为历史日,所述目标操作粒度为各所述预设操作粒度;在生成运行日最优交易策略的情况下,所述目标日为运行日,所述目标操作粒度为所述最优操作粒度。
结合上述实施例,也即在执行S120、将储能电站信息、历史日的电力交易信息和预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略时,交易策略寻优模型中的目标日为历史日;相应的,目标日状态函数为历史日状态函数,目标日操作函数为历史日操作函数;目标日预测电价曲线为历史日预测电价曲线,目标日价差矩阵为历史日差矩阵。目标操作粒度为各预设操作粒度。
在执行S140、将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略时,交易策略寻优模型中的目标日为运行日;相应的,目标日状态函数为运行日状态函数,目标日操作函数为运行日操作函数;目标日预测电价曲线为运行日预测电价曲线,目标日价差矩阵为运行日差矩阵。目标操作粒度为最优操作粒度。
如图2所示,交易策略寻优模型的寻优步骤包括:
S210、根据输入的目标日初始可用电量初始化目标日状态函数。
在本实施例中,目标日状态函数表示目标日各操作时刻的可用电量,采用目标日初始可用电量初始化目标日状态函数,使目标日状态函数中各时刻的可用电量初始化为所述目标日初始可用电量。
S220、根据目标日预测电价曲线和目标操作粒度计算目标日价差矩阵;目标日价差矩阵是由目标日的所有充放电操作时段的放电时段和充电时段之间的电价差值构成的矩阵;放电时段和充电时段的结束时刻为目标日中的两个不同的时刻;且放电时段和充电时段的时长为目标操作粒度。
其中,充放电操作时段是指包含一次充电过程和一次放电过程的完整充放电过程的持续时段。放电时段和充电时段的结束时刻为目标日中的两个不同的时刻;且放电时段和充电时段的时长为目标操作粒度。目标日价差矩阵是每个充放电操作时段的放电过程和充电过程之间的电价差值构成的矩阵。
在本实施例中,将两个不同时刻分别作为放电时段的结束时刻和充电时段的结束时刻。将放电时刻以及放电时刻之前目标操作粒度的时段确定为放电过程对应的放电时段,将充电时刻以及充电时刻之前目标操作粒度的时段确定为充电过程对应的充电时段。将放电时段和充电时段确定为一个充放电操作时段。从而可以将目标日划分为多个不同的充放电操作时段。计算每个充放电操作时段的放电过程和充电过程之间的预测电价的差值,获得目标日价差矩阵。示例性的,若目标日包含96个时刻,可以获得96×96的目标日价差矩阵。
在一个可选实施例中,根据所述目标日预测电价曲线计算所述目标日价差矩阵,包括:
S221、将所述目标日操作函数中处于未操作状态的时刻集合确定为待操作时刻表;所述目标日操作函数中各时刻的初始操作状态设置为未操作状态。
在本实施例中,在交易策略寻优模型的迭代寻优过程中,为了避免上一次迭代中获得的最优解对下一次迭代中获得最优解产生干扰,在每一次迭代优化过程中首先需要目标日操作函数中将上一次迭代中已经将充放电操作状态确定为充电或者放电的时刻删除,保留未操作的时刻。因此将所述目标日操作函数中处于未操作状态的时刻集合确定为待操作时刻表。
可以理解的是,在交易策略寻优模型的每一次迭代寻优过程中,都会根据上一次迭代优化的结果对待操作时刻表进行刷新。在交易策略寻优模型的第一次迭代寻优过程中,目标日操作函数中各时刻的初始操作状态均设置为未操作状态,也即目标日操作函数中的所有时刻均没有确定操作状态。
示例性的,在实际应用交易策略寻优模型时,可以采用状态标识标记目标日操作函数中各时刻的操作状态,例如充电状态标记为“+1”、放电状态标记为“-1”,无操作状态标记为“0”。因此,可以通过获取目标日操作函数中标记为零的时刻集合确定待操作时刻表。
S222、采用移动窗口对所述目标日预测电价曲线中各时刻的预测电价进行移动平均,得到平均预测电价表;所述移动窗口的窗口宽度为所述目标操作粒度。
在本实施例中,目标日价差矩阵中的价差是每个充电电操作时段的放电时段和充电时段之间的预测电价的差值,由于充放电操作时段的预测电价可能存在波动,因此,可以采用放电时段的平均预测电价和充电时段的平均预测电价的差值作为电价差,减少预测电价的波动对寻优结果的影响。
本实施例以目标操作粒度(也即充放电的时长)为移动窗口的窗口宽度,以一个时刻为步长,沿目标日预测电价曲线的时间轴进行移动,计算移动窗口内所包含的各时刻的平均预测电价,获得平均预测电价表。
S223、以第一操作时刻为放电结束时刻且以所述目标操作粒度为放电时长确定放电时段,以及以第二操作时刻为充电结束时刻且以所述目标操作粒度为充电时长的时段确定充电时段,将所述放电时段至所述充电时段确定为充放电操作时段,所述第一操作时刻和所述第二操作时刻为所述待操作时刻表中的每两个不同的操作时刻。
示例性的,若目标日包括96个时刻,设定放电结束时刻为第24时刻,充电结束时刻为第64时刻,目标操作粒度为4(即1小时),则放电时段为20~24时刻,充电时段为60~64时刻,充放电操作时段为20~24时刻以及60~64时刻。
S224、根据所述平均预测电价表,计算每个充放电操作时段的放电时段和充电时段的平均预测电价的差值,获得目标日价差矩阵。
在本实施例中,对于每个充放电操作时段,计算充放电操作时段的放电时段和充电时段的平均预测电价的差值,得到每个充放电操作时段对应的预测电价差值。根据目标日中所有充放电操作时段对应的预测电价差值构成目标日价差矩阵。
S230、根据目标日价差矩阵中各充放电操作的预测电价差值和目标日竞价空间曲线对目标日价差矩阵的充放电操作进行排序,得到目标日价差序列。
其中,目标日价差序列是目标日价差矩阵中的各充放电操作的预测电价差值按照一定的顺序排列得到的序列。
在本实施例中,按照各充放电操作的预测电价差值和目标日竞价空间曲线中各充放电操作的充电时段的竞价空间对目标日价差矩阵中各充放电操作进行排序,得到目标日价差序列。
在一个可选实施例中,根据所述目标日价差矩阵中各所述充放电操作时段的预测电价差值和所述目标日竞价空间曲线对所述目标日价差矩阵的充放电操作时段进行排序,得到目标日价差序列,包括:
S231、采用移动窗口对所述目标日竞价空间曲线中各时刻的竞价空间进行移动平均,得到平均竞价空间表;所述移动窗口的窗口宽度为所述目标操作粒度。
在本实施例中,与获得平均预测电价表的方式类似,同样以目标操作粒度(也即充放电的时长)为移动窗口的窗口宽度,以一个时刻为步长,沿目标日竞价空间曲线的时间轴进行移动,计算移动窗口内所包含的各时刻的平均竞价空间,获得平均竞价空间表。
S232、从所述平均竞价空间表中获取各所述充放电操作时段的充电时段的竞价空间。
其中,目标日竞价空间曲线用于表示目标日的各时刻的竞价空间。
本实施例中,从目标日竞价空间曲线所包含的目标日的各时刻的竞价空间中获取充放电操作时段的充电时段的竞价空间。在平均竞价空间表中,充电时段的各时刻竞价空间相等;因此,也可以是将平均竞价空间表中存储的充电时段的充电结束时刻的竞价空间作为充电时段的竞价空间
S233、按照所述预测电价差值递减的顺序对所述目标日价差矩阵中的各所述充放电操作时段进行排序;在所述预测电价差值相等的情况下,按照所述充放电操作时段的充电结束时刻的竞价空间递增的顺序排序,得到目标日价差序列。
在本实施例中,根据电力交易市场的规律可知,放电时段和充电时段的预测电价差值越大,则电力交易的收益越大,且在预测电价差值相等的情况下,竞价空间越小价格就越低,而充电时段的价格相当于储能电站的成本,则充电时段价格越低对应的风险越低,所以在预测电价差值相等时,优先选择充电时刻竞价空间更低的情况。因此,按照预测电价差值递减的顺序对目标日价差矩阵中的各充放电操作时段进行排序,在预测电价差值相等的情况下,则按照竞价空间越小,排序越靠前的原则排序,得到目标日价差序列。
在本实施例中的目标日价差序列中,排序越靠前的充放电操作时段所计算得到的收益越大,因此,目标日价差序列本质上是按照收益递减的顺序排列。
S240、按照目标日价差序列的排序,根据每个充放电操作时段的收益和目标日状态函数对目标日操作函数进行寻优,获得目标日最优操作函数。
在本实施例中,按照目标日价差序列的排序,计算每个充放电操作时段的收益,以每个充放电操作时段的收益和目标日状态函数为参量,以交易控制策略对应的收益达到最大为目标,以目标日操作函数为待优化变量,进行迭代寻优,最终得到最优解,即目标日最优操作函数。
S250、将目标日最优操作函数确定为目标日最优交易控制策略。
其中,目标日最优交易控制策略是指目标日的最优交易控制策略。
在本实施例中,在获得目标日最优操作函数之后,根据目标日最优操作函数中的各操作时刻的操作状态,确定充电开始与结束时刻、放电开始与结束时刻;根据充电开始与结束时刻,以及放电开始与结束时刻生成目标日最优交易控制策略。
本发明实施例提供一种交易策略寻优模型,基于输入的储能电站信息、电力交易信息和操作粒度实现交易策略的迭代寻优,为确定在每个预设操作粒度下各历史日的历史日最优交易策略以及确定运行日在最优操作粒度下的运行日最优交易策略提供算法基础。
在一个可选实施例中,按照所述目标日价差序列的排序,根据每个充放电操作时段的收益和所述目标日状态函数对所述目标日操作函数进行寻优,获得目标日最优操作函数,包括:
S241、按照所述目标日价差序列的排序依次获取所述目标日价差序列中的当前充放电操作时段。
S242、对于当前充放电操作时段,根据所述储能电站信息和所述目标日电力交易信息计算所述当前充放电操作时段的收益。
在一个可选的实施例中,所述储能电站信息包括:充放电效率和单次充放电成本;所述目标日电力交易信息包括:目标日预测电价曲线;根据所述储能电站信息和所述目标日电力交易信息计算所述当前充放电操作时段的收益,包括:从所述目标日预测电价曲线中获取所述当前充放电操作时段的充电预测电价和放电预测电价;采用预设计算公式,根据所述充电预测电价、所述放电预测电价、所述充放电效率和所述单次充放电成本计算所述当前充放电操作时段的收益;其中,预设计算公式为:
Q=pdischarge×e-pcharge-cost;
其中,Q为收益,pdischarge为放电预测电价,pcharge为充电预测电价,e为充放电效率,cost为单次充放电成本。
在另一个可选实施例中,所述储能电站信息包括:充放电效率和单次充放电成本;所述目标日电力交易信息包括:目标日预测电价曲线和目标日交易风险指数;根据所述储能电站信息和所述目标日电力交易信息计算所述当前充放电操作时段的收益,包括:从所述目标日预测电价曲线中获取所述当前充放电操作时段的充电预测电价和放电预测电价;其中,充电预测电价是指在充电时段对应的预测电价;放电预测电价是指在放电时段对应的预测电价;
采用预设计算公式,根据所述充电预测电价、所述放电预测电价、所述充放电效率、所述目标日交易风险指数和所述单次充放电成本计算所述当前充放电操作时段的收益;其中,预设计算公式为:
Q=pdischarge×e-pcharge-(1+R)×cost;
其中,Q为收益,pdischarge为放电预测电价,pcharge为充电预测电价,e为充放电效率,R为目标日交易风险指数,cost为单次充放电成本。
S243、若所述当前充放电操作时段的收益大于零,则根据所述储能电站信息和所述当前充放电操作时段生成目标日备选操作函数和目标日备选状态函数,并判断所述目标日备选操作函数和所述目标日备选状态函数是否满足预设约束条件。
其中,目标日备选操作函数是目标日的当前充放电操作时段中各时刻对应的操作状态形成的函数。目标日备选状态函数是目标日的当前充放电操作时段中各时刻对应的可用电量形成的函数。直接根据储能电站信息和当前充放电操作时段生成的目标日操作函数和目标日状态函数,还需要经过约束条件的验证才能作为当前迭代优化的输出结果,因此,作为备选输出结果,称为目标日备选操作函数和目标日备选状态函数。
在本实施例中,若当前充放电操作时段的收益大于零,则表示当前充放电操作时段中的充放电时刻是有效充放电时刻,因此,储能电站信息和当前充放电操作时段生成目标日备选操作函数和目标日备选状态函数。但是,此时生成的目标日备选操作函数和目标日备选状态函数是基于任意两个时刻构成充放电操作时段生成的,不能保证满足储能电站的充放电要求,也不能保证一个时刻的操作状态不会发生冲突。因此,还需要基于预设约束条件约束目标日备选操作函数和目标日备选状态函数。
可选的,根据所述储能电站信息和所述充放电操作时段生成目标日备选操作函数和目标日备选状态函数,并判断所述目标日备选操作函数和所述目标日备选状态函数是否满足预设约束条件,包括:
S2431、根据所述充放电操作时段对应的时刻和操作状态生成目标日备选操作函数。
在本实施例中,根据当前充放电操作时段中的充电时段确定充电时段所包含的各时刻的操作状态为充电状态,根据放电时段确定放电时段所包含的各时刻的操作状态为放电状态,其余时刻的操作状态为无操作状态,根据当前充放电操作时段中各时刻以及对应的操作状态生成目标日备选操作函数。
S2432、根据所述目标日备选操作函数、所述目标日初始可用电量、充放电功率生成目标日备选状态函数。
在本实施例中,根据目标日初始可用电量和目标日备选操作函数中各时刻的操作状态和充放电功率确定目标日备选操作函数中各时刻的当前可用电量,根据目标日备选操作函数中各时刻以及各时刻的当前可用电量生成目标日备选状态函数。
S2433、判断所述目标日备选操作函数是否满足操作约束条件且所述目标日备选状态函数是否满足余量约束条件;所述操作约束条件为所述目标日操作函数中的所述充电时段与所述放电时段不重叠;所述余量约束条件为所述目标日状态函数中每个操作时刻的可用电量大于零且小于最大容量。
在本实施例中,判断目标日操作函数是否满足目标日操作函数中的充电时段与放电时段不重叠;并且目标日备选状态函数是否满足目标日状态函数中每个操作时刻的可用电量大于零且小于最大容量。
S243、若满足,则采用所述目标日备选操作函数更新所述目标日操作函数,采用所述目标日备选状态函数更新所述目标日状态函数。
在本实施例中,若目标日备选操作函数满足操作约束条件且目标日备选状态函数也满足余量约束条件,则采用目标日备选操作函数更新目标日操作函数,使目标日操作函数中各时刻的操作状态得到此次迭代结果的更新;采用目标日备选状态函数更新目标日状态函数。使目标日状态函数中各时刻的可用电量也得到此次迭代的更新。
S244、若不满足,则将所述目标日价差序列中的下一个充放电操作时段确定为当前充放电操作时段,返回执行按照所述目标日价差序列的排序依次获取所述目标日价差序列中的当前充放电操作时段的步骤。
在本实施例中,若目标日备选操作函数不满足操作约束条件,或者目标日备选状态函数不满足余量约束条件,则此次迭代计算得到的目标日备选操作函数和目标日备选状态函数无需记录。将所述目标日价差序列中的下一个充放电操作时段确定为当前充放电操作时段,返回执行步骤S241,继续下一次迭代优化计算。
S245、直到所述充放电操作时段的收益小于等于零或者累计充放电次数达到最大充放电次数,则将当前的目标日操作函数确定为目标日最优操作函数。
在本实施例,按照目标日价差序列的排序计算得到每个充放电操作时段的收益呈递减趋势。当计算得到的当前充放电操作时段的收益开始小于或者等于零时,目标日价差序列中剩余的充放电操作时段对应的收益一定小于零,不可能是电力交易的收益最大化的最优解。从而可以在当前充放电操作时段的收益小于或等于零时,就结束当前次数的迭代寻优过程,直接跳转到下一次迭代寻优过程,而无需每次迭代寻优都完整的遍历所有的充放电操作时段,减少迭代计算时间和计算量。或者直到当前迭代次数累计的充放电次数达到储能电站的最大充放电次数,则结束整个迭代过程。将此时被多次迭代更新的目标日操作函数确定为目标日最优操作函数。
实施例三
图3是本发明实施例三提供的一种电力交易策略的生成的流程图,本实施例在上述实施例的基础上,对历史日最优交易策略和运行日最优交易策略的步骤进一步限定。如图3所示,该方法包括:
S310、获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度。
在本实施例中,历史日的电力交易信息包括:历史日交易风险指数;历史日交易风险指数为零。
S320、对于每个预设操作粒度,根据历史日的电力交易信息初始化目标日电力交易信息;根据预设操作粒度初始化目标操作粒度。
S330、将储能电站信息、目标日电力交易信息和目标操作粒度输入交易策略寻优模型;基于交易策略寻优模型的寻优步骤,获得在预设操作粒度下各历史日的历史日最优交易策略。
在本实施例中,目标日电力交易信息包括:目标日预测电价曲线和目标日交易风险指数。
S340、根据每个预设操作粒度下各历史日最优交易策略的历史总预测收入确定最优操作粒度;
S350、获取运行日的运行日的电力交易信息,根据运行日的电力交易信息初始化目标日电力交易信息;根据最优操作粒度初始化目标操作粒度。
在本实施例中,目标日电力交易信息包括:目标日预测电价曲线和目标日交易风险指数。获取运行日交易风险指数,包括:
S351、根据运行日预测电价曲线和多个历史日预测电价曲线之间的相似度,确定运行日的历史相似日。
其中,运行日预测电价曲线和多个历史日预测电价曲线之间的相似度可以采用欧式距离表示。
具体的,根据运行日预测电价曲线和多个历史日预测电价曲线之间的相似度,确定运行日的历史相似日的方式可以是:将相似度最大的历史日确定为运行日的历史相似日。
S352、获取历史相似日的历史相似日预测收入。
在一个可选实施例中,获取历史相似日的历史相似日预测收入,包括:
从最优操作粒度下的各历史日最优交易策略中获取在所述最优操作粒度下所述历史相似日的交易控制策略;获取所述历史相似日的历史日真实电价曲线;根据所述历史相似日对应的交易控制策略和历史日真实电价曲线,确定历史相似日预测收入。
具体的,根据历史相似日对应的交易控制策略确定在历史相似日的每个时刻的控制操作;并根据历史相似日的历史日真实电价曲线确定历史相似日中每个时刻的充放电真实电价;根据每个历史相似日在各时刻的充放电真实电价和控制操作计算历史相似日所有充放电时刻的总预测收入。
S353、根据所述历史相似日预测收入确定所述运行日的运行日交易风险指数。
在一个可选实施例中,根据所述历史相似日预测收入确定所述运行日的运行日交易风险指数,包括:
获取所述历史相似日的充放次数;
根据所述历史相似日预测收入和所述历史相似日的充放次数确定所述历史相似日的单次充放预测收入;
在所述历史相似日的单次充放预测收入大于或等于单次充放电成本的情况下,所述运行日交易风险指数为零;
在所述历史相似日的单次充放预测收入小于单次充放电成本且大于单次充放电成本的二分之一的情况下,所述运行日交易风险指数为所述历史相似日的成本率减1;所述历史相似日的成本率等于所述单次充放电成本除以所述单次充放预测收入;
在所述历史相似日的单次充放预测收入小于或等于所述单次充放电成本的二分之一的情况下,所述运行日交易风险指数为1。
具体的,获取历史相似日的充放次数,将历史相似日预测收入和的历史相似日的充放次数比值确定为历史相似日的单次充放预测收入。比较历史相似日的单次充放预测收入和单次充放电成本,根据比较结果确定运行日交易风险指数,即:
其中,R1为运行日交易风险指数;cost为单次充放电成本,Income为历史相似日的单次充放预测收入。
S360、将储能电站信息、目标日电力交易信息和目标操作粒度输入交易策略寻优模型;基于交易策略寻优模型的寻优步骤,获得运行日最优交易策略。
本发明实施例,通过获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度;对于每个预设操作粒度,根据历史日的电力交易信息初始化目标日电力交易信息;根据预设操作粒度初始化目标操作粒度;将储能电站信息、目标日电力交易信息和目标操作粒度输入交易策略寻优模型;基于交易策略寻优模型的寻优步骤,获得在预设操作粒度下各历史日的历史日最优交易策略;根据每个预设操作粒度下各历史日最优交易策略的历史总预测收入确定最优操作粒度;获取运行日的运行日的电力交易信息,根据运行日的电力交易信息初始化目标日电力交易信息;根据最优操作粒度初始化目标操作粒度;将储能电站信息、目标日电力交易信息和目标操作粒度输入交易策略寻优模型;基于交易策略寻优模型的寻优步骤,获得运行日最优交易策略。通过确定电力交易的最优操作粒度以及运行日的交易风险指数,在基于交易策略寻优模型确定在最优操作粒度下的运行日最优交易策略的同时考虑到了预测电价波动带来的交易风险,能够保证在复杂的交易场景和相对短的申报时间窗口下,采用最优操作粒度下的最优电力交易策略进行申报,从而达成利润最大化的目标。
实施例四
图4是本发明实施例三提供的一种电力交易策略的生成装置的结构示意图。如图4所示,该装置包括:信息获取模块410、历史策略生成模块420、最优粒度确定模块430和最优策略生成模块440;其中,
信息获取模块410,用于获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度;
历史策略生成模块420,用于将所述储能电站信息、所述历史日的电力交易信息和所述预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;
最优粒度确定模块430,用于根据每个预设操作粒度下各所述历史日最优交易策略的历史总预测收入确定最优操作粒度;
最优策略生成模块440,用于获取运行日的运行日的电力交易信息;并将所述储能电站信息、所述运行日的电力交易信息和所述最优操作粒度输入所述交易策略寻优模型,获得运行日最优交易策略。
本发明实施例的技术方案,通过获取储能电站信息、多个历史日的历史日的电力交易信息和多个预设操作粒度;将储能电站信息、历史日的电力交易信息和预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;根据每个预设操作粒度下各历史日的历史日最优交易策略的历史总预测收入确定最优操作粒度;获取运行日的运行日的电力交易信息;并将储能电站信息、运行日的电力交易信息和最优操作粒度输入交易策略寻优模型,获得运行日最优交易策略。通过确定电力交易的最优操作粒度,并基于交易策略寻优模型确定在最优操作粒度下的运行日最优交易策略,能够保证在复杂的交易场景和相对短的申报时间窗口下,采用最优操作粒度下的最优电力交易策略进行申报,从而达成利润最大化的目标。
可选的,最优粒度确定模块430,具体用于:
获取各历史日的历史日真实电价曲线;
对于每个预设操作粒度,根据各历史日的历史日最优交易策略和历史日真实电价曲线确定所述预设操作粒度的历史总预测收入;
将所述历史总预测收入最高的预设操作粒度确定为最优操作粒度。
可选的,所述交易策略寻优模型的输入参数包括:储能电站信息、目标日的电力交易信息和目标操作粒度,输出参数为最优交易控制策略,优化目标为交易控制策略对应的收益达到最大,待优化变量包括目标日操作函数和目标日状态函数,所述目标日操作函数用于表示目标日各时刻的充放电操作状态;所述充放电操作状态包括:充电状态、放电状态和无操作状态;所述目标日状态函数用于表示目标日各时刻的可用电量;
所述目标日的电力交易信息包括:目标日预测电价曲线和目标日竞价空间曲线;所述储能电站信息包括:目标日初始可用电量;其中,在生成历史日最优交易策略的情况下,所述目标日为历史日,所述目标操作粒度为各所述预设操作粒度;在生成运行日最优交易策略的情况下,所述目标日为运行日,所述目标操作粒度为所述最优操作粒度;
所述交易策略寻优模型包括:
初始化单元,用于将所述目标日状态函数的初始值设置为所述目标日初始可用电量,并将所述目标日操作函数中各时刻的初始操作状态设置为未操作状态;
价差矩阵计算单元,用于根据所述目标日预测电价曲线和所述目标操作粒度计算目标日价差矩阵;所述目标日价差矩阵是由目标日的所有充放电操作时段的放电时段和充电时段之间的预测电价差值构成的矩阵;所述放电时段和所述充电时段的结束时刻为所述目标日中的两个不同的时刻;且所述放电时段和所述充电时段的时长为所述目标操作粒度;
价差序列计算单元,用于根据所述目标日价差矩阵中各所述充放电操作时段的预测电价差值和所述目标日竞价空间曲线对所述目标日价差矩阵的充放电操作时段进行排序,得到目标日价差序列;
寻优单元,用于按照所述目标日价差序列的排序,根据每个充放电操作时段的收益和所述目标日状态函数对所述目标日操作函数进行寻优,获得目标日最优操作函数;
控制策略确定单元,用于将所述目标日最优操作函数确定为目标日最优交易控制策略。
可选的,价差矩阵计算单元,具体用于:
将所述目标日操作函数中处于未操作状态的时刻集合确定为待操作时刻表;所述目标日操作函数的初始值为零;
采用移动窗口对所述目标日预测电价曲线中各时刻的预测电价进行移动平均,得到平均预测电价表;所述移动窗口的窗口宽度为所述目标操作粒度;
以第一操作时刻为放电结束时刻且以所述目标操作粒度为放电时长确定放电时段,以及以第二操作时刻为充电结束时刻且以所述目标操作粒度为充电时长的时段确定充电时段,将所述放电时段至所述充电时段确定为充放电操作时段,所述第一操作时刻和所述第二操作时刻为所述待操作时刻表中的每两个不同的操作时刻;
根据所述平均预测电价表,计算每个充放电操作时段的放电时段和充电时段的平均预测电价的差值,获得目标日价差矩阵。
可选的,价差序列计算单元,具体用于:
采用移动窗口对所述目标日竞价空间曲线中各时刻的竞价空间进行移动平均,得到平均竞价空间表;所述移动窗口的窗口宽度为所述目标操作粒度;
从所述平均竞价空间表中获取各所述充放电操作时段的充电时段的竞价空间;
按照所述预测电价差值递减的顺序对所述目标日价差矩阵中的各所述充放电操作时段进行排序;
在所述预测电价差值相等的情况下,按照所述充放电操作时段的充电结束时刻的竞价空间递增的顺序排序,得到目标日价差序列。
可选的,寻优单元,包括:
获取子单元,用于按照所述目标日价差序列的排序依次获取所述目标日价差序列中的当前充放电操作时段;
收益计算子单元,用于对于当前充放电操作时段,根据所述储能电站信息和所述目标日的电力交易信息计算所述当前充放电操作时段的收益;
约束判断子单元,用于若所述当前充放电操作时段的收益大于零,则根据所述储能电站信息和所述当前充放电操作时段生成目标日备选操作函数和目标日备选状态函数,并判断所述目标日备选操作函数和所述目标日备选状态函数是否满足预设约束条件;
更新子单元,用于若满足,则采用所述目标日备选操作函数更新所述目标日操作函数,采用所述目标日备选状态函数更新所述目标日状态函数;
返回执行子单元,用于若不满足,则返回执行按照所述目标日价差序列的排序依次获取所述目标日价差序列中的当前充放电操作时段的步骤;
操作函数确定子单元,用于直到所述充放电操作时段的收益小于等于零或者累计充放电次数达到最大充放电次数,则将当前的目标日操作函数确定为目标日最优操作函数。
可选的,约束判断子单元,具体用于:
根据所述充放电操作时段对应的时刻和操作状态生成目标日备选操作函数;
根据所述目标日备选操作函数、所述目标日初始可用电量、充放电功率生成目标日备选状态函数;
判断所述目标日备选操作函数是否满足操作约束条件且所述目标日备选状态函数是否满足余量约束条件;
所述操作约束条件为所述目标日操作函数中的所述充电时段与所述放电时段不重叠;所述余量约束条件为所述目标日状态函数中每个操作时刻的可用电量大于零且小于最大容量。
可选的,所述储能电站信息包括:充放电效率和单次充放电成本;所述目标日的电力交易信息包括:目标日预测电价曲线和目标日交易风险指数;
收益计算子单元,具体用于:
从所述目标日预测电价曲线中获取所述当前充放电操作时段的充电预测电价和放电预测电价;
采用预设计算公式,根据所述充电预测电价、所述放电预测电价、所述充放电效率、所述目标日交易风险指数和所述单次充放电成本计算所述当前充放电操作时段的收益;其中,预设计算公式为:
Q=pdischarge×e-pcharge-(1+R)×cost;
其中,Q为收益,pdischarge为放电预测电价,pcharge为充电预测电价,e为充放电效率,R为目标日交易风险指数,cost为单次充放电成本。
可选的,所述历史日的电力交易信息包括:历史日交易风险指数;所述历史日交易风险指数为零;所述运行日的电力交易信息包括:运行日交易风险指数;
信息获取模块410,包括:
相似日确定单元,用于根据运行日预测电价曲线和多个历史日预测电价曲线之间的相似度,确定运行日的历史相似日;
相似日收益获取单元,用于获取历史相似日的历史相似日预测收入;
交易风险确定单元,用于根据所述历史相似日预测收入确定所述运行日的运行日交易风险指数。
可选的,相似日收益获取单元,具体用于:
从最优操作粒度下的各历史日最优交易策略中获取在所述最优操作粒度下所述历史相似日的交易控制策略;
获取所述历史相似日的历史日真实电价曲线;
根据所述历史相似日对应的交易控制策略和历史日真实电价曲线,确定历史相似日预测收入。
可选的,交易风险确定单元,具体用于:
获取所述历史相似日的充放次数;
根据所述历史相似日预测收入和所述历史相似日的充放次数确定所述历史相似日的单次充放预测收入;
在所述历史相似日的单次充放预测收入大于或等于单次充放电成本的情况下,所述运行日交易风险指数为零;
在所述历史相似日的单次充放预测收入小于单次充放电成本且大于单次充放电成本的二分之一的情况下,所述运行日交易风险指数为所述历史相似日的成本率减1;所述历史相似日的成本率等于所述单次充放电成本除以所述单次充放预测收入;
在所述历史相似日的单次充放预测收入小于或等于所述单次充放电成本的二分之一的情况下,所述运行日交易风险指数为1。
本发明实施例所提供的电力交易策略的生成装置可执行本发明任意实施例所提供的电力交易策略的生成方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电力交易策略的生成方法。
在一些实施例中,电力交易策略的生成方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的电力交易策略的生成方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电力交易策略的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种电力交易策略的生成方法,其特征在于,包括:
获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度;
将所述储能电站信息、所述历史日的电力交易信息和所述预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;
根据每个预设操作粒度下各所述历史日最优交易策略的历史总预测收入确定最优操作粒度;
获取运行日的电力交易信息;并将所述储能电站信息、所述运行日的电力交易信息和所述最优操作粒度输入所述交易策略寻优模型,获得运行日最优交易策略。
2.根据权利要求1所述的方法,其特征在于,根据每个预设操作粒度下各所述历史日最优交易策略的历史总预测收入确定最优操作粒度,包括:
获取各历史日的历史日真实电价曲线;
对于每个预设操作粒度,根据各历史日的历史日最优交易策略和历史日真实电价曲线确定所述预设操作粒度的历史总预测收入;
将所述历史总预测收入最高的预设操作粒度确定为最优操作粒度。
3.根据权利要求1所述的方法,其特征在于,所述交易策略寻优模型的输入参数包括:储能电站信息、目标日的电力交易信息和目标操作粒度,输出参数为最优交易控制策略,优化目标为交易控制策略对应的收益达到最大,待优化变量包括目标日操作函数和目标日状态函数,所述目标日操作函数用于表示目标日各时刻的充放电操作状态;所述充放电操作状态包括:充电状态、放电状态和无操作状态;所述目标日状态函数用于表示目标日各时刻的可用电量;
所述目标日的电力交易信息包括:目标日预测电价曲线和目标日竞价空间曲线;所述储能电站信息包括:目标日初始可用电量;其中,在生成历史日最优交易策略的情况下,所述目标日为历史日,所述目标操作粒度为各所述预设操作粒度;在生成运行日最优交易策略的情况下,所述目标日为运行日,所述目标操作粒度为所述最优操作粒度;
所述交易策略寻优模型的寻优步骤包括:
将所述目标日状态函数的初始值设置为所述目标日初始可用电量,并将所述目标日操作函数中各时刻的初始操作状态设置为未操作状态;
根据所述目标日预测电价曲线和所述目标操作粒度计算目标日价差矩阵;所述目标日价差矩阵是由目标日的所有充放电操作时段的放电时段和充电时段之间的预测电价差值构成的矩阵;所述放电时段和所述充电时段的结束时刻为所述目标日中的两个不同的时刻;且所述放电时段和所述充电时段的时长为所述目标操作粒度;
根据所述目标日价差矩阵中各所述充放电操作时段的预测电价差值和所述目标日竞价空间曲线对所述目标日价差矩阵的充放电操作时段进行排序,得到目标日价差序列;
按照所述目标日价差序列的排序,根据每个充放电操作时段的收益和所述目标日状态函数对所述目标日操作函数进行寻优,获得目标日最优操作函数;
将所述目标日最优操作函数确定为目标日最优交易控制策略。
4.根据权利要求3所述的方法,其特征在于,根据所述目标日预测电价曲线计算所述目标日价差矩阵,包括:
将所述目标日操作函数中处于未操作状态的时刻集合确定为待操作时刻表;所述目标日操作函数的初始值为零;
采用移动窗口对所述目标日预测电价曲线中各时刻的预测电价进行移动平均,得到平均预测电价表;所述移动窗口的窗口宽度为所述目标操作粒度;
以第一操作时刻为放电结束时刻且以所述目标操作粒度为放电时长确定放电时段,以及以第二操作时刻为充电结束时刻且以所述目标操作粒度为充电时长的时段确定充电时段,将所述放电时段至所述充电时段确定为充放电操作时段,所述第一操作时刻和所述第二操作时刻为所述待操作时刻表中的每两个不同的操作时刻;
根据所述平均预测电价表,计算每个充放电操作时段的放电时段和充电时段的平均预测电价的差值,获得目标日价差矩阵。
5.根据权利要求3所述的方法,其特征在于,根据所述目标日价差矩阵中各所述充放电操作时段的预测电价差值和所述目标日竞价空间曲线对所述目标日价差矩阵的充放电操作时段进行排序,得到目标日价差序列,包括:
采用移动窗口对所述目标日竞价空间曲线中各时刻的竞价空间进行移动平均,得到平均竞价空间表;所述移动窗口的窗口宽度为所述目标操作粒度;
从所述平均竞价空间表中中获取各所述充放电操作时段的充电时段的竞价空间;
按照所述预测电价差值递减的顺序对所述目标日价差矩阵中的各所述充放电操作时段进行排序;
在所述预测电价差值相等的情况下,按照所述充放电操作时段的充电结束时刻的竞价空间递增的顺序排序,得到目标日价差序列。
6.根据权利要求5所述的方法,其特征在于,按照所述目标日价差序列的排序,根据每个充放电操作时段的收益和所述目标日状态函数对所述目标日操作函数进行寻优,获得目标日最优操作函数,包括:
按照所述目标日价差序列的排序依次获取所述目标日价差序列中的当前充放电操作时段;
对于当前充放电操作时段,根据所述储能电站信息和所述目标日的电力交易信息计算所述当前充放电操作时段的收益;
若所述当前充放电操作时段的收益大于零,则根据所述储能电站信息和所述当前充放电操作时段生成目标日备选操作函数和目标日备选状态函数,并判断所述目标日备选操作函数和所述目标日备选状态函数是否满足预设约束条件;
若满足,则采用所述目标日备选操作函数更新所述目标日操作函数,采用所述目标日备选状态函数更新所述目标日状态函数;
若不满足,则返回执行按照所述目标日价差序列的排序依次获取所述目标日价差序列中的当前充放电操作时段的步骤;
直到所述充放电操作时段的收益小于等于零或者累计充放电次数达到最大充放电次数,则将当前的目标日操作函数确定为目标日最优操作函数。
7.根据权利要求6所述的方法,其特征在于,根据所述储能电站信息和所述充放电操作时段生成目标日备选操作函数和目标日备选状态函数,并判断所述目标日备选操作函数和所述目标日备选状态函数是否满足预设约束条件,包括:
根据所述充放电操作时段对应的时刻和操作状态生成目标日备选操作函数;
根据所述目标日备选操作函数、所述目标日初始可用电量、充放电功率生成目标日备选状态函数;
判断所述目标日备选操作函数是否满足操作约束条件且所述目标日备选状态函数是否满足余量约束条件;
所述操作约束条件为所述目标日操作函数中的所述充电时段与所述放电时段不重叠;所述余量约束条件为所述目标日状态函数中每个操作时刻的可用电量大于零且小于最大容量。
8.根据权利要求6所述的方法,其特征在于,所述储能电站信息包括:充放电效率和单次充放电成本;所述目标日的电力交易信息包括:目标日预测电价曲线和目标日交易风险指数;
根据所述储能电站信息和所述目标日的电力交易信息计算所述当前充放电操作时段的收益,包括:
从所述目标日预测电价曲线中获取所述当前充放电操作时段的充电预测电价和放电预测电价;
采用预设计算公式,根据所述充电预测电价、所述放电预测电价、所述充放电效率、所述目标日交易风险指数和所述单次充放电成本计算所述当前充放电操作时段的收益;其中,预设计算公式为:
Q=pdischarge×e-pcharge-(1+R)×cost;
其中,Q为收益,pdischarge为放电预测电价,pcharge为充电预测电价,e为充放电效率,R为目标日交易风险指数,cost为单次充放电成本。
9.根据权利要求1所述的方法,其特征在于,所述历史日的电力交易信息包括:历史日交易风险指数;所述历史日交易风险指数为零;
所述运行日的电力交易信息包括:运行日交易风险指数;获取运行日交易风险指数,包括:
根据运行日预测电价曲线和多个历史日预测电价曲线之间的相似度,确定运行日的历史相似日;
获取历史相似日的历史相似日预测收入;根据所述历史相似日预测收入确定所述运行日的运行日交易风险指数。
10.根据权利要求9所述的方法,其特征在于,获取历史相似日的历史相似日预测收入,包括:
从最优操作粒度下的各历史日最优交易策略中获取在所述最优操作粒度下所述历史相似日的交易控制策略;
获取所述历史相似日的历史日真实电价曲线;
根据所述历史相似日对应的交易控制策略和历史日真实电价曲线,确定历史相似日预测收入。
11.根据权利要求10所述的方法,其特征在于,根据所述历史相似日预测收入确定所述运行日的运行日交易风险指数,包括:
获取所述历史相似日的充放次数;
根据所述历史相似日预测收入和所述历史相似日的充放次数确定所述历史相似日的单次充放预测收入;
在所述历史相似日的单次充放预测收入大于或等于单次充放电成本的情况下,所述运行日交易风险指数为零;
在所述历史相似日的单次充放预测收入小于单次充放电成本且大于单次充放电成本的二分之一的情况下,所述运行日交易风险指数为所述历史相似日的成本率减1;所述历史相似日的成本率等于所述单次充放电成本除以所述单次充放预测收入;
在所述历史相似日的单次充放预测收入小于或等于所述单次充放电成本的二分之一的情况下,所述运行日交易风险指数为1。
12.一种电力交易策略的生成装置,其特征在于,包括:
信息获取模块,用于获取储能电站信息、多个历史日的电力交易信息和多个预设操作粒度;
历史策略生成模块,用于将所述储能电站信息、所述历史日的电力交易信息和所述预设操作粒度输入交易策略寻优模型,获得在每个预设操作粒度下各历史日的历史日最优交易策略;
最优粒度确定模块,用于根据每个预设操作粒度下各所述历史日最优交易策略的历史总预测收入确定最优操作粒度;
最优策略生成模块,用于获取运行日的运行日的电力交易信息;并将所述储能电站信息、所述运行日的电力交易信息和所述最优操作粒度输入所述交易策略寻优模型,获得运行日最优交易策略。
13.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的电力交易策略的生成方法。
14.一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计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的电力交易策略的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311869268.4A CN117829874A (zh) | 2023-12-29 | 2023-12-29 | 电力交易策略的生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311869268.4A CN117829874A (zh) | 2023-12-29 | 2023-12-29 | 电力交易策略的生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117829874A true CN117829874A (zh) | 2024-04-05 |
Family
ID=90514981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311869268.4A Pending CN117829874A (zh) | 2023-12-29 | 2023-12-29 | 电力交易策略的生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117829874A (zh) |
-
2023
- 2023-12-29 CN CN202311869268.4A patent/CN117829874A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7161818B2 (ja) | 発電ユニットの起動を制御するシステム及び方法 | |
Deng et al. | Inter-hours rolling scheduling of behind-the-meter storage operating systems using electricity price forecasting based on deep convolutional neural network | |
CN111523729B (zh) | 基于igdt和需求响应的虚拟电厂竞价的优化控制方法 | |
WO2018161908A1 (zh) | 产品对象的处理方法和装置、存储介质以及电子装置 | |
Shayesteh et al. | Multi-station equivalents for short-term hydropower scheduling | |
WO2019196427A1 (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
CN109118012B (zh) | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 | |
Qi et al. | Energyboost: Learning-based control of home batteries | |
CN115513984A (zh) | 储能系统日前充放电功率的确定方法、装置、存储介质 | |
Mathieu et al. | A quantitative analysis of the effect of flexible loads on reserve markets | |
CN114498638A (zh) | 计及源荷双侧不确定性的源网荷储协调规划方法及系统 | |
CN115347586A (zh) | 多约束多目标优化的新能源场站储能优化配置系统与方法 | |
CN116739158A (zh) | 一种基于强化学习的自适应优化储能方法 | |
CN111445154A (zh) | 一种电力市场资源自调度优化方法、系统以及设备 | |
CN116579570A (zh) | 产品生产排产方法、装置、设备及介质 | |
CN117829874A (zh) | 电力交易策略的生成方法、装置、设备及存储介质 | |
CN116362136A (zh) | 一种独立储能系统的自调度优化方法及系统 | |
Lago et al. | Building day-ahead bidding functions for seasonal storage systems: A reinforcement learning approach | |
JP2019046467A (ja) | 電力取引支援装置及び電力取引支援方法 | |
CN112183903B (zh) | 一种水火电系统多时间尺度联合优化调度方法及系统 | |
Ullah et al. | Real-time electricity price forecasting for energy management in grid-tied MTDC microgrids | |
CN117396886A (zh) | 用于时间序列预测的时空图神经网络 | |
CN114039351A (zh) | 一种储能容量配置方法及装置 | |
Naghdehforoushha et al. | A robust model for spot virtual machine bidding in the cloud market using information gap decision theory (IGDT) | |
CN113298329A (zh) | 训练、策略生成方法、系统、计算机装置及存储介质 |
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 |