基于“效益-精度”对冲的两级电力市场负荷预测技术

电力市场的引入对协助电力行业实现电网的稳定运行和规划,促进电能的有效利用和调度,避免资源的浪费,发挥着不可替代的作用。在各国的电力市场中,售电公司/大用户通常会采用预测模型开展负荷预测,并为日前电力市场交易提供依据。当前提出的各负荷预测模型主要以“精准”作为唯一的优化目标,缺乏对各市场价格的差异性波动及售电公司/大用户经济效益的考虑。提出兼顾精确性和经济性的目标策略,建立基于“效益-精度”对冲的两级电力市场负荷预测技术,此技术基于传统负荷预测技术,在目标函数中引入成本因素,采用改进的反向传播法作为网络训练方法。通过对纽约地区负荷数据开展实例验证,验证结果显示,该方法对量化售电公司效益,推进其经济性和准确性综合提升,具有明显成效。     

计及不确定因素的售电公司动态购电决策多目标优化研究

随着电力体制改革的进行,售电公司的数量及市场交易的形式不断增加,同时竞争也日益激烈。针对即将开展的电力现货市场交易,提出了包含多市场、多时段的售电公司动态交易策略,全面考虑了用户电量,市场电价等不确定因素,引入用户侧负荷作为平衡资源。利用多目标优化思想,建立了包含售电公司综合售电收益和用户满意度最大化的优化模型。并提出一种结合拉丁超立方抽样,场景缩减法和改进多目标差分进化算法的优化方法对所提模型进行求解。最后通过算例分析,验证了所建模型和方法的有效性,为售电公司参与市场竞争提供了有效的参考。     

考虑可转移负荷的售电公司负荷组合优化

在电力市场环境下,售电公司根据用户的负荷特性,进行用户负荷的组合优化可以降低售电公司的购电成本,从而提升售电公司效益。针对售电公司如何根据电力负荷的互补性、多样性整合优化用户资源的问题,从降低购电成本,提高售电公司效益角度,首先分析了负荷率对购电成本的影响,接着基于用户综合负荷特性,构建售电公司初步负荷组合优化模型,再进一步考虑了用户可转移负荷,对用户的组合负荷特性进行优化,最大化售电公司售电利益,最后根据某市2019年工业用户群组负荷数据,对提出的模型进行仿真分析,并对研究实施的软件功能架构进行了设计。     

电力现货市场的售电公司短期负荷预测

针对国内售电公司即将参与电力现货市场,需要对客户日负荷曲线进行预测的实际需求,提出了一种基于相似日的狼群-支持向量机短期负荷预测方法。该方法在相似日选取时引入近期同类型日的日平均负荷相关系数,充分考虑了负荷的延续性,同时采用模糊聚类方法来识别不同影响因素对不同负荷的影响程度;将近期同类型日的日均负荷加入到预测模型的输入变量中,并采用改进的人工狼群算法来对支持向量机法的预测模型参数进行优化,从而提高预测模型的精确度。实例验证结果表明:该算法准确度更高,能够为售电公司面对即将到来的电力现货市场提供技术支持。     

售电商参与现货市场下的售电套餐优化设计

随着中国电力现货市场的快速发展,售电商可以通过设计售电套餐来引导电力用户参与电力需求响应,以此提高双方利益。文中引入避峰响应系数,在分时电价的基础上制定售电套餐激励以吸引电力用户积极转移用电负荷。首先,根据设计的售电套餐计算出电力用户选择售电套餐后的负荷转移情况;其次,考虑电费支出的变化与用电方式的变化对电力用户效用产生的影响,基于效用函数构建售电套餐决策模型来计算出电力用户对售电套餐的选择情况;然后,文中基于售电商参与现货市场交易转移负荷,以售电商利益驱动量最大化为目标优化设计出4种售电套餐;最后,通过算例分析,验证了优化后的售电套餐符合双方的利益要求。     

含分布式电源和可调负荷的售电公司优化调度模型

售电公司是电力体制中售电侧改革的焦点,在电力市场环境下,售电公司承担着从市场购电并向用户供电的责任。分布式电源和可调负荷的发展,使得售电公司除从市场购电外,有了更多的供电选择,如何在竞争环境中既满足用户需求又提升自身运营效益是售电公司亟须研究的问题。将分布式电源和可调负荷纳入售电公司的优化调度中,综合考虑售电公司对运营经济性和安全性的要求,建立了以售电公司日前运营收益最大为目标的优化调度模型,并对模型中的非凸约束进行凸松弛,使之能够采用二阶锥优化的方法求解,最后采用修改后的IEEE 33节点配电系统进行算例验证。算例结果表明,通过对分布式电源和可调负荷的优化调度,可以使售电公司在降低运行成本的同时有效提升盈利空间,在保证所辖配电网安全运行的同时实现经济效益的最大化。     

电力市场环境下中长期负荷预测的应用分析

电力市场环境下负荷预测误差风险直接影响售电公司经营效益和供电的安全性和稳定性.为提高售电公司的经济性和稳定性,从负荷预测误差与负荷类型的研究角度出发,利用灰色系统理论、最小二乘支持向量机模型对中长期负荷进行了预测,并提出了预测加权误差这一概念,重点讨论某地区主要负荷类型与其预测加权误差之间的关联关系.分析结果使得负荷预...     

考虑虚拟电厂调度方式的售电公司多时间尺度滚动优化

为了增加售电公司参与电力市场的灵活性和经济性,提高售电公司对分散式资源的利用效率,基于虚拟电厂的聚合管理方式,提出了一种售电公司多时间尺度滚动优化模型。日前阶段以售电公司收益最高为优化目标,融合多场景分析方法,制定售电公司购售电策略及各虚拟电厂日前调度计划。日内阶段考虑更高精度的分布式光伏和负荷预测,以虚拟电厂调度成本最低为目标构建日内优化调度模型。实时阶段以机会约束形式考虑虚拟电厂容量备用,修正虚拟电厂部分单元的出力,并将不确定性单元出力情况向日内阶段反馈校正。算例仿真验证了售电公司采用所提多时间尺度优化模型能够改善运营策略,合理分配资源,实现自身经济效益最大化。     

考虑共享模式的市场机制下售电公司储能优化配置及投资效益分析EI北大核心CSCD

以售电公司购电成本最小为目标,提出了一种市场机制下基于全寿命周期理论的售电公司储能优化配置及投资效益分析方法。综合考虑了中长期合约市场、日前集中竞价市场、实时市场、可中断负荷以及储能设备等因素建立售电公司多时间尺度购电模型;建立储能的全寿命周期成本模型,采用一种追踪用户负荷波动和电价波动的充放电策略;运用等效循环寿命法计算储能运行寿命,以此为基础得出其投资回收周期,评估投资效果,得出市场机制下售电公司储能的容量配置方法与投资策略;运用共享经济理念提出多个售电公司共享储能的优化配置模型,并基于售电公司贡献度进行利益分配。算例分析首先对比了4种蓄电池的配置结果,验证了售电侧储能配置的可行性;分析了日前市场购电比例和电价波动幅度对储能配置的影响;最后对比了售电公司单独配置储能及多个售电公司共享储能的经济性。     

考虑事件数据的产消者负荷预测方法及极端误差抑制策略

能源互联网技术推动了电力产消用户的规模化发展,产消者资源的优化运行与电力市场运营成为改善综合能效和投资收益的重要议题。产消用户的电力负荷精细化预测不但有益于提升分布式资源有限的容量价值,而且还能在售电侧市场全面放开时规避运营风险。首先,综述了产消者电力负荷预测技术及应用场景,提出了事件数据的含义并讨论了事件数据稀疏性带来的行为模式切变对于典型时序预测模型产生的极端预测误差问题。为避免解耦分析多元影响因素下的不确定性,构建了基于预测历史数据置信加权的短时预测修正模型,并分析了修正模型对于极限误差的收敛作用和经济性提升成效。最后,基于真实校园微电网工程运行数据验证了所提方法的有效性。     

考虑共享模式的市场机制下售电公司储能优化配置及投资效益分析

以售电公司购电成本最小为目标,提出了一种市场机制下基于全寿命周期理论的售电公司储能优化配置及投资效益分析方法。综合考虑了中长期合约市场、日前集中竞价市场、实时市场、可中断负荷以及储能设备等因素建立售电公司多时间尺度购电模型;建立储能的全寿命周期成本模型,采用一种追踪用户负荷波动和电价波动的充放电策略;运用等效循环寿命法计算储能运行寿命,以此为基础得出其投资回收周期,评估投资效果,得出市场机制下售电公司储能的容量配置方法与投资策略;运用共享经济理念提出多个售电公司共享储能的优化配置模型,并基于售电公司贡献度进行利益分配。算例分析首先对比了4种蓄电池的配置结果,验证了售电侧储能配置的可行性;分析了日前市场购电比例和电价波动幅度对储能配置的影响;最后对比了售电公司单独配置储能及多个售电公司共享储能的经济性。     

计及风险规避的售电公司平衡市场优化交易策略研究

由于市场价格具有波动性和不确定性,售电公司在平衡市场的直接交易面临较大风险。引入用户侧负荷作为平衡资源,提出了包含可中断负荷/电量收购和关键负荷电价两类需求响应项目参与的平衡市场优化交易策略,以规避市场风险。采用条件风险价值度量交易策略风险,并建立了基于随机规划的非线性数学模型。利用双层规划思想,以售电公司收益最大、风险损失最小为上层目标,以用户满意度最大为下层目标,采用自适应遗传算法和二代非劣排序遗传算法进行模型求解。最后通过算例分析了风险偏好和市场电价波动程度对售电公司收益和风险损失的影响,对比证明了所提模型可显著优化售电公司的收益并降低风险损失。     

基于非完全信息Stackelberg博弈的居民用户分时电价定价策略研究

随着我国售电市场规模的扩大以及用户响应能力的提升,基于用户响应准确建模的售电公司售电定价策略受到广泛关注。针对居民用户分时电价定价问题,提出了居民用户转移负荷满意度成本系数的辨识方法,考虑转移负荷满意度成本系数的概率分布,建立了售电公司与居民用户的非完全信息Stackelberg博弈模型,售电公司以购售电收益期望最大化为目标,各种典型场景下居民用户均以综合效用最大化为目标。通过算例分析验证了所提策略对售电公司收益的提升,并分析了现货市场电价对售电公司定价决策的影响。     

面向主动响应和售电市场的主动配电系统负荷预测

随着配电系统广义需求响应资源增多和售电侧市场逐步开放,电网负荷需求和负荷特性随之发生变化,影响了传统负荷预测方法的预测精度。分析了影响用户差异性响应的各因素,提出主动配电系统分层分区结构下计及主动响应与售电市场影响的负荷精细化预测方法;基于精确识别用户响应模式的响应弹性矩阵,建立了经遗传算法优化的响应弹性矩阵负荷预测模型;通过算例计算,验证所提预测方法的有效性,并分析了影响预测精度的模型指标及高精度预测的指标参数取值方法。     

考虑发用电协调的售电公司负荷组合优化建模方法

电力市场环境下,如何根据用户用电特征制定优化策略以实现购售电利益最大化是售电公司一项重要的研究课题。针对中长期市场中考虑发用电协调的售电公司,提出了考虑售电公司购售电利益的负荷组合优化模型,并考虑需求响应技术来进一步优化用户综合负荷特性,最大化市场环境下售电公司的购售电利益。同时,针对需求响应的负荷反弹问题,引入三阶段反弹负荷模型,构建考虑负荷反弹的滚动优化改进模型,重新调整用户需求响应负荷值,从而改善需求响应负荷反弹情况下的组合用户需求响应负荷特性。最后,采用中国某市2017年工业用户群组负荷数据对所提出的模型及策略进行仿真分析,说明了所提方法的有效性。     

计及需求响应的售电公司正偏差电量考核优化模型

偏差电量考核是电力市场化进程中重要的环节之一,也是电力现货市场形成之前的过渡阶段。为了更为直观地表达偏差电量考核对于售电公司的影响,构建了基于偏差电量考核机制下的售电公司收益模型。同时,采取需求响应措施来减少偏差电量,在此基础上建立了以售电公司收益最大化为目标的可中断负荷合同及价差期权合同最优购买模型。以广东电力市场2017年交易数据为基础,对比分析了捆绑合同对售电公司收益的影响,并对月度市场出清价、用户统一价差和补偿费用进行了敏感性分析。结果表明,售电公司可以通过捆绑合同来降低考核费用,从而提高整体收益,同时也降低了用户的用电成本;月度市场出清价和中断负荷补偿费用的变动对偏差电量考核费用的影响最大,用户统一价差对售电公司用户成本影响最大。     

计及新能源消纳的售电公司购售电策略

随着可再生能源的大力发展,作为电力交易的主体之一的售电公司不仅需要增强自身的竞争力,而且需要积极承担消纳新能源的责任.为了分析用户对售电公司新能源消纳能力的影响,将新能源消纳能力引入到用户用电价格变量中,建立了售电公司的新能源消纳能力3层优化模型.首先优化用户在不同时刻的用电量;接着优化售电公司在各个市场中购电比例;然后求得用户在新能源消纳能力"量"上的贡献度,并根据负荷准线机制,求得用户在"形"上的贡献度.基于"量"上和"形"上的贡献度优化售电公司为用户提供的价格变量,建立新的购售电决策模型,并比较优化前后售电公司的利润情况,以此提升自身的竞争力以及新能源消纳的能力和潜力;最后通过算例验证该模型在售电公司拓展用户以及提升新能源消纳潜力等方面的有效性.     

新电改背景下售电公司的购售电策略及风险评估

随着我国电力体制改革的深入和能源利用技术的发展,售电公司日渐成为多能量市场的主体。开展多时间尺度购电、合理配置各类能源购电比例及提供差异化售电合同是提高售电公司经营效益和降低风险的核心策略。综合考虑中长期市场及现货市场、可再生能源、分布式电源及储能设备等因素建立多时间尺度的多能量市场购电模型,并基于差异化合同建立售电模型;采用概率场景描述可再生能源出力及负荷预测的随机性,并以条件风险价值作为购售电风险评估指标;通过最大化收益及最小化风险损失最终确定购售电策略。算例分析结果表明,最大程度采购分布式电源电量、科学安排储能设备充放电及提高可再生能源出力预测精度,均能增加售电公司收益,同时减低购售电风险。     

考虑用户需求响应的售电公司购售电决策双层模型

随着中国售电侧市场的逐步开放,大量售电公司迅速成立。作为新型市场主体,售电公司购售电决策成为其运营的核心问题。针对不断增强的用户响应市场价格和激励信息的能力,提出了一种考虑用户需求响应的售电公司购售电决策双层模型,上层模型以售电公司利润最大化为目标,下层模型以用户用电效用最大化为目标。模型考虑了双边合同违约惩罚机制,且对具有需求响应能力的用户用电负荷进行建模,采取了售电公司代理用户需求响应资源参与实时市场的互动机制。最后对所建模型采用美国PJM市场数据进行了验证,结果表明考虑用户需求响应能够给出更优的售电公司购电决策方案。     

基于EEMD,SVM和ARMA组合模型的电价预测

随着我国电力体制改革的不断深入,售电公司作为电力市场的主要参与者,其主要获利方式是从电力市场中购买电量并销售给用户。因此准确预测现货市场电价变化趋势,是售电公司降低购售电风险的重要保障。为此,根据现货市场中电价的特性,提出基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)、支持向量机(support vector machine,SVM)和自回归移动平均模型(autoregressive moving average,ARMA)的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列;其次,利用遗传算法(genetic algorithm,GA)优化的SVM预测高频分量,利用自回归移动平均模型预测低频分量;最后将各子序列的预测结果求和作为最终预测结果。用美国售电公司真实数据进行预测,并与其他模型进行比较。算例结果表明所提模型的预测精度更高。