基于随机二层规划的不确定电力市场中交互式模糊竞价决策方法

针对不确定的电力现货市场中发电商选择合约电量及合约电价,售电商确定合约电量及其现货交易量使他们获得最大经济效益的问题,建立了随机二层规划的理论模型,并在此模型的基础上提出了交互式模糊决策求解算法,从而探讨了不确定的电力现货市场中的竞价策略,得到了发电商和售电商关于长期合约交易与现货交易之间的进行最佳选择策略的方法.最后用实例验证了提出的模型和算法.     

应用运输问题和贪心算法的电力交易行为分析

为了找出南方区域电力市场互联电网效果不佳的原因，在满足电力撮合交易的条件下，运用带权拟阵的贪心算法分析了现行模拟电力市场中购售电双方存在的“就近购买”行为；采用平衡运输问题的线性规划模型分析了南方电力市场购电方存在的“购电整体最优”方案.指出联网效果不佳不是技术上的原因，而是由于在统一电力市场电能交易中存在着整体和局部利益的冲突.省间电力交易的价格应经过严格的经济调度和交易计划分析后确定，送电端所获利润应与受电端分享，依靠市场来解决问题.     

基于大数据分析的电力客户服务需求预测

针对电力市场随机性、多变量和时变性的特点导致电力客户服务需求预测值不准确的问题,提出了一种基于大数据分析的电力客户服务需求预测方法.该方法依托于贵州地区的智能电网大数据,从区域商业价值和区域宏观经济角度来采集数据并通过挖掘其中的关联信息,建立了电力客户的细分模型;并在客户细分模型的基础上,使用BP神经网络算法建立了电力客户的需求预测模型.在Matlab平台上的仿真与测试结果表明,所提出的方法能帮助电网公司更好地理解客户行为和服务需求,制定营销策略.     

基于大数据分析的电力客户服务需求预测

针对电力市场随机性、多变量和时变性的特点导致电力客户服务需求预测值不准确的问题,提出了一种基于大数据分析的电力客户服务需求预测方法.该方法依托于贵州地区的智能电网大数据,从区域商业价值和区域宏观经济角度来采集数据并通过挖掘其中的关联信息,建立了电力客户的细分模型;并在客户细分模型的基础上,使用BP神经网络算法建立了电力客户的需求预测模型.在Matlab平台上的仿真与测试结果表明,所提出的方法能帮助电网公司更好地理解客户行为和服务需求,制定营销策略.     

兼顾电量报价容量报价的辅助服务交易新方法

电力辅助服务是电力市场中确保电网安全,稳定运行的一个重要条件。为了解决中国电力市场环境下自动发电控制(AGC)辅助服务的竟价组织和市场协调问题,在分析国外AGC市场的基础上,提出了计及电量报价的自动发电控制竟价模式。通过实际系统算例证明,所提出的模型和算法是正确可行的。     

不确定环境下复杂产品维护、维修和大修服务资源调度优化

基于对复杂产品维护、维修和大修（MRO）协同服务资源调度的需求分析,从现实角度出发,建立资源调度时间和服务执行时间参数不确定条件下的随机机会约束规划数学模型. 提出由随机模拟、神经网络和离散粒子群优化算法组合成的混合智能算法,求解所提出的优化问题. 随机模拟方法为所建立的神经网络模型提供训练样本集,得到的训练样本集被用于训练神经网络模型以逼近优化目标函数,训练后的神经网络模型被用于代替优化目标函数来执行粒子群算法优化迭代. 该混合算法能有效提升时间参数不确定条件下的复杂产品MRO协同服务资源调度双目标优化问题的求解速度. 案例分析表明,相比于确定性条件下的优化算法,所提出的随机机会约束规划模型和混合算法更适用于求解现实中不确定条件下的MRO服务资源调度问题,所求得的调度方案在实际执行中具有更好的鲁棒性.     

基于多目标进化算法的电力市场福利分配研究

在边际成本定价机制下,电力库集中调度的结果可能使发电商(机组)的收益低于在给定价格时其独立调度所能获得的最大收益.围绕电力市场中社会福利分配这一主题,首先分析了由于市场参与者个体利益和电力库整体利益二者矛盾导致的机组收益次优化问题,提出了发电商(机组)优化间隙的概念.然后以发电商优化间隙和利益补偿函数为基础,建立了电力市场社会福利分配的多目标优化模型,并设计了基于多目标进化算法NSGA-Ⅱ的求解算法.     

联营交易模式下的输电阻塞管理模型研究

全面分析了电力市场交易的典型模式,即联营交易模式,总结了联营交易模式下输电阻塞管理原则。提出了一种新的阻塞管理模型,即通过序内少出力补偿、序外多出力补偿、安全裕度利用率的设置,得到以阻塞费用最小和线路安全运行为双目标的阻塞管理模型。考虑电力市场中的主要约束条件,得到既保证电力系统经济性又满足电力系统安全性的较优的阻塞管理方案。这种模型的显著优点是能够较为精确地确定发电计划,同时提供节点电价等经济信息,并且在双目标模型转化为单目标约束规划模型时操作简便。最后在求解模型时采用了SFEC算法,该算法针对电力市场实行实时结算的特点,达到了计算效率和效果的平衡。通过实例计算,表明模型的正确性及算法的合理性。     

计及中长期合同电量分解与风电报价的日前市场出清模型研究

运用市场化机制保障并促进风电消纳，已成为中国电力市场建设的关键任务之一。针对当前中国电力市场中长期交易与日前现货交易衔接问题，以及风电参与市场交易机制不合理、不完善问题，设计了计及发电商中长期合同电量分解的日前市场出清模型。综合考虑风电的发电能力、日前预测功率和常规机组调节能力，建立风电商和常规机组中长期合同电量分解的日分时电力合同曲线，以确定各发电主体参与日前竞价的报价空间；在此基础上，通过引入能够反映风电预测误差和波动性对系统运行成本影响的协调因子，构建基于风电协调价格的日前市场二次出清模型。该模型有助于实现中长期交易与日前现货交易的有效衔接，发挥集中式现货市场机制的集中协调优势以促进风电消纳。通过算例分析，验证了所提日前市场出清模型的有效性。     

电力市场环境下发输电组合系统可靠性评估

为评估电力市场环境下多种市场化改革措施对系统可靠性造成的影响,研究电力市场环境下用户侧需求弹性、需求侧响应及大用户直购电对发输电组合系统可靠性的影响,以系统失负荷概率、系统可用传输容量、线路阻塞电力、未满足出力期望为评价指标,建立基于非序贯蒙特卡洛模拟和直流潮流最优切负荷计算的电力市场环境下发输电组合系统可靠性评估模型。采用IEEE RTS-79标准算例分析验证该文所提方法和所建立模型的有效性,并将该文所建立的模型应用于国内某区域电网实际系统,计算区域电网内500 kV及以上电压等级电力系统的可靠性,为电力市场环境下电力系统可靠性评估提供参考。     

SVR-Boosting ensemble model for electricity price forecasting in electric power market

A revised support vector regression (SVR) ensemble model based on boosting algorithm (SVR-Boosting) is presented in this paper for electricity price forecasting in electric power market. In the light of characteristics of electricity price sequence, a new triangular-shaped 为oss function is constructed in the training of the forecasting model to inhibit the learning from abnormal data in electricity price sequence. The results from actual data indicate that, compared with the single support vector regression model, the proposed SVR-Boosting ensemble model is able to enhance the stability of the model output remarkably, acquire higher predicting accuracy, and possess comparatively satisfactory generalization capability.     

构造发电公司最优报价策略的随机模糊规划方法

在电力市场环境下,构造发电公司的最优报价策略须考虑竞争对手的不确定性策略报价行为,其同时具有随机和模糊双重不确定性。受数学工具所限,以往的研究工作都是从随机和模糊两个独立的理论体系下展开研究,因而不能客观地反映实际情况。从最近建立的可信性理论出发,将实际存在的随机和模糊双重不确定性进行综合考虑,构造了发电公司最优报价策略的随机模糊规划方法框架,以有6家发电公司参与的电力市场算例进行了实际计算,说明了该方法的本质特征。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。     

基于云模型和关联分析法的电力营销目标市场模糊评价

提出了基于云模型和关联分析法的电力营销目标市场模糊评价方法,采用云模型关联分析法获得指标的权重信息,不但消除了人为的主观因素,而且同时考虑到了不确定性中的模糊性和随机性。通过实例证明该方法结果更加接近实际,为确定电力营销目标市场提供了一种简单可行的方法。     

电力期货价格的协整建模与预测

在电力市场环境下,电力期货价格受现货价格、利率和负荷需求等多种因素影响,变化趋势复杂,很难将所有的因素都加以考虑来建立一个准确的模型对其进行全面描述．因此,选取最重要的影响因素：电力现货价格,利用协整理论来研究电力期货价格和现货价格之间的动态关系,并建立向量误差修正模型（VECM）,对电力期货价格进行有效的预测．     

电力衍生品市场研究

电力衍生品市场是电力现货市场发展的必然产物,它有利于发现电力真实的价格,促进电力市场公平竞争,并能为市场交易者提供风险管理工具．还就电力远期、期货、期权等基本的电力衍生品在电力市场的应用进行了研究．     

电力中长期交易中的合同电量偏差考核机制

在电力现货市场建立之前,中国的电力中长期市场仍为纯电量交易,合理设计合同电量的偏差处理与结算方式有利于电力中长期交易向现货市场的平稳过渡。在此背景下,研究电力中长期交易合同电量的偏差考核机制。针对电力中长期交易基本规则中的典型偏差考核机制进行分析,提出适用于当前市场环境的发电侧偏差处理方法;从全电量交易和合同执行能力2个方面分析市场主体的偏差电量考核风险,在此基础上设计面向用户非全电量交易的固定比例全电量偏差电量结算方式,并进一步提出分阶段的用户侧偏差考核机制。采用以国内某省偏差考核实际数据为基础所构建的算例,验证所提出的偏差考核机制在中长期电力市场中的有效性。     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

基于S变换和决策树算法的电能质量扰动识别

提出一种基于S变换和数据挖掘中决策树算法的电能质量扰动识别的方法.该方法首先用S变换对电能质量扰动波形进行时频分析,并使用统计方法提取相关特征量,然后用决策树算法对提取的特征量样本进行分类,并获得明确的分支规则.仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应速度快.