实时电价下用户侧电力需求响应模型优化策略及数字仿真谈竹奎1,汪元芹2,赵菁2,刘斌1,刘敏2

为解决智能电网发展中用户参与电力市场运营的响应积极性以及用户收益最大化问题,本文在经济学原理基础上,引用需求价格弹性系数表征用户的用电量随电价的变化情况,建立实时电价下的用户负荷调节能力模型,根据该模型,进一步研究了基于实时电价的用户侧电力需求响应模型优化策略,考虑用户在不同响应场景和不同负荷调节潜力下的需求响应。解决供电与用电间的电力供需不平衡问题,实现用户积极响应及其利益最大化,并提高系统稳定性与安全性。以某地需求响应系统为例,对进入现货市场交易的用户进行数字仿真,通过算例分析表明该模型能有效改善用电负荷曲线,减小用户购电成本,验证了基于实时电价下的电力需求响应优化策略的优化效果。     

市场化初期发电上网电价确定方法探讨

对我国开始启动发电侧电力市场初期电力工业存在的问题进行了分析,提出了这个阶段上网电价制定的原则,并探讨了适应初期发电侧市场的上网电价的几种竞价模式,并就上网电价的具体确定方法和特点进行了总结。     

市场化初期发电上网电价确定方法探讨

对我国开始启动发电侧电力市场初期电力工业存在的问题进行了分析,提出了这个阶段上网电价制定的原则,并探讨了适应初期发电侧市场的上网电价的几种竞价模式,并就上网电价的具体确定方法和特点进行了总结.     

风电对传统机组调度和趸售电价的影响

随着可再生能源的推广应用以及电力市场环境的形成,机组调度安排对于趸售电价的影响需要明确.本文对电力市场环境下的风电对机组调度和趸售电价的影响进行了分析.首先分析了风电出力特性以及批发竞争型市场的特点,然后分析了风电对电力市场经济理论的作用,解释了风电出力对实时电价和传统机组调度的影响,尤其是高风电渗透率对电价预测和机组调度的影响.接着建立了电价和发电出力模型,考虑了天然气机组和传统燃煤机组.最后利用仿真数据分析了风电出力安排对于传统机组出力和市场趸售电价的影响.     

基于混合贝叶斯SVM的电价分类与预测

电价的分类与预测是电力市场电价理论研究中的重要内容。该文提出了混合贝叶斯支持向量机方法(BE-SVM)，通过贝叶斯统计方法对电价进行分类，挖掘有效的数据信息，并结合支持向量机(SVM)技术预测现货电价数据，贝叶斯前验分布和后验分布用来估计SVM中的参数。通过比较模型BE-SVM、SVM 和神经网络(ANN)的预测结果，表明该文提出的BE-SVM方法提高了电价的预测精度，是一种有效的方法。     

考虑供电公司风险的激励性可中断负荷合同模型

考虑到供电公司的风险偏好及用户的可中断电量，应用委托代理及机制设计理论建立了一种用户类型离散的可中断负荷合同模型。分析和算例结果表明，无论供电公司的风险偏好如何，该合同模型均能引导用户披露真实信息，实现电力资源的有效配置，且供电公司能从中节约供电成本。因此，激励性可中断负荷合同不仅能提高用户需求弹性．还有助于供电公司回...     

基于大数据分析技术的电力市场短期电价预测

为了提升电力市场短期电价预测精度，提出大数据分析的电力市场短期电价预测模型。首先收集电力市场短期电价历史数据，然后采用大数据分析中的最小二乘支持向量机算法对电力市场短期电价变化趋势进行拟合和分析，建立最优的电力市场短期电价预测模型，最后采用具体实例分析了设计的电力市场短期电价预测模型的性能，结果表明，所提模型能够准确描述指标与电力市场短期电价之间的变化关系，获得较高精度的理想电力市场短期电价预测结果，电力市场短期电价预测效率高，具有一定的实际应用价值。     

基于KNN-ANN算法的边际电价预测

在电力市场中,价格一直受到买卖双方的广泛关注。但是,电价影响因素的不确定性给电价的预测带来难度。针对该问题,提出一种通过结合人工神经网络和KNN算法来进行时间序列预测的模型,用KNN算法找出历史数据中相似的数据子序列集合(最近邻),并用人工神经网络来寻找这些最近邻的最优权重,得出预测的时间序列。以美国纽约州电力市场的电价数据进行实验分析,同时比较了利用ARIMA算法以及Naive I预测的结果,证明该方法简单、有效。     

基于混合人工神经网络的电力市场短期电价研究与分析

由于电力市场价格的不确定性,供需侧管理在电力市场中遇到了许多困难。电力供应商可以通过了解电力市场价格变化的信息,在短期预测其合理报价时获得更多优势。因此,近年来,电力市场对价格预测的研究变得更加重要。根据预测框架,预测技术可分为三类,即统计模型、时间序列方法和基于人工智能(AI)的方法。因此,为解决上述问题,提出一种基于混合人工神经网络的短期电价预测混合方法。同时,本研究开发了一种基于互信息(MI)和神经网络(NN)相结合的特征选择技术,用于选择输入变量子集,这些子集对电价预测具有重要影响。通过结合人工协同搜索算法(ACS)和人工神经网络(ANN)进行,进一步提高了预测的精度。通过比较所提出的混合预测方法与混合SVM和混合ANN方法的相关性和精度,并通过粒子群优化(PSO)CSA算法对混合SVM和混合ANN方法的参数进行了优化。开发的ANN-ACS模型在电力市场具有鲁棒性。在电价预测的情况下,它提供了比其他AI方法更高的预测精度和简单性,在冬季、春季、夏季和秋季的MAPE值分别为4.58%、1.2%、2.62%和3.79%。     

基于Internet的电力市场培训系统设计

电力系统市场化之后,在新的规则下进行报价以及在新的规则下竞价成功是许多发电厂商极其关心的问题,文中给出了一种应用Java技术构建基于Internet的电力市场培训系统,该系统可以让市场中的发电厂商了解电力市场规则并能够让其进行模拟报价,实践证明该系统有很好的应用效果.     

考虑节点边际价格的热电联产机组主从博弈竞价策略

本文构建了以热电联产机组(combined heat and power unit,CHP)、电力市场和热力市场为参与者的主从博弈模型,并基于电力市场中节点边际电价(locational marginal electricity price,LMEP)的概念,提出了节点边际热价(locational marginal heat price,LMHP)的概念.在节点边际电价的求解中,采用了支路潮流(branch power flow,BPF)模型,考虑了配电网中的网络损耗从而可以得到更精确的计算结果.在节点边际热价的求解中,考虑了管道热损耗,并基于管道损耗方程分析了节点边际热价的分布规律.在此基础上,采用变步长迭代寻优算法求解热电联产机组、电力市场、热力市场各自最优出力和最优报价策略.最后,通过一个6节点电网–4节点热网的算例对所构建的主从博弈模型及热电联产机组的竞价策略进行了验证.     

电力市场日成交电价预测方法探讨

我国电力体制改革将竞争引入发电供应商之间。在“厂网分开、竞价上网”的电力市场中,发电厂面临如何确定报价,才能使发电厂获得最大利润的问题。而报价的一个重要指标就是预测电力市场日成交电价,所以电价预测对发电厂的报价决策具有重要意义。该文介绍了电力市场日成交电价两种主要预测方法：统计法和神经网络法;并通过分析证明结合两种方法的预测是适合电力市场日成交电价的计算和分析。预测模型对发电商的报价决策系统具有较高的参考价值。     

智能电网中双寡头的电价竞争策略

在竞争性市场条件下,灵活电价机制成为电能提供商调节电力市场需求的手段。如何保证电力投资的适时性和充足性成为电能提供商投资决策问题的关键。在此背景下研究了电能供应商竞争购买闲置电能并进行交易,并建立了相应的数学模型。通过分析电能质量,供电成本对投资利益的影响,并将投资收益最大化作为投资决策的基本原则,利用博弈论理论得到电能交易价格的纳什均衡解及其存在条件。最后通过算例仿真验证了所述结果的有效性。有利于节省用户的电费支出并降低供电公司的购电费,实现多方共赢。     

Simulating the Madness of Crowds: Price Bubbles in an Auction-Mediated Robot Market

We simulate a multiagent market with production, consumption, and exchange mediated by a sealed-bid double auction. Marked price bubbles and subsequent crashes occur when value-based (fundamentals-driven) and trend-based traders are both present, and the market equilibrium price is ramped up exogenously. Similarly, negative price bubbles and recoveries occur when the equilibrium price is ramped down. Because the simulated market is auction-mediated, we can observe the operations of traders during these events, and study the interactions that produce and resolve bubbles. Some preliminary circuit-breaker experiments are described, in which bubbles are interrupted during their formation.     

基于Agent技术的电力市场竞价网格模型

网格技术能为电力市场竞价上网的实现提供大规模计算能力。Agent技术具有自主性、互操作性和自学习性,能有效地解决网格计算中的资源发现和管理、计算任务分配和调度问题,实现网格环境下异构计算资源的共享。介绍网格技术、Agent技术的相关内容,并提出一个在网格环境下运用Agent技术实现的电力市场竞价上网模型,能为电力市场竞价交易各方提供一个公平交易的技术平台。     

电力市场条件下配电网无功优化方法的研究

分析我国配电网现状,提出电力市场条件下,以节点电压为约束条件,建立经济效益最大的目标函数。根据无功电流持续曲线中两个重要几何特性—“等面积判据”和“等长度判据”,针对我国配电网中大部分线路的无功负荷随时间波动较大,提出固定与投切混合补偿方式。将其应用于末端集中负荷线路、分布负荷线路最佳补偿方式的求解过程,把求取最大经济效益的积分方程组求极值的困难问题,简化成十分简单的算术运算问题。     

基于分布式神经网络的苹果价格预测方法

针对传统农产品价格预测模型在大数据场景下无法快速准确对苹果市场价格进行预测的问题,提出一种基于分布式神经网络的苹果价格预测方法。首先,研究影响苹果市场价格的相关因素,选取苹果历史价格、替代品历史价格、居民消费水平和原油价格四个特征作为神经网络模型的输入;然后,构建蕴含价格波动规律的分布式神经网络模型,实现对苹果市场价格的短期预测。实验结果显示,基于分布式神经网络的苹果市场价格短期预测模型具有较高的预测精度,平均相对误差仅为0.50%,满足苹果市场价格预测的要求。实验结果表明,分布式神经网络模型能够通过自学习特性揭示出苹果市场价格的波动规律和发展趋势,所提方法能为稳定苹果市场秩序和市场价格宏观调控提供科学依据,有助于降低价格波动带来的危害,帮助果农规避市场风险。     

基于HLA的区域电力市场仿真系统

随着电力市场的逐步投入使用,许多问题亟待解决,而针对区域电力市场仿真是解决这些问题的一个有效途径。该文就某一区域电力市场设计了仿真想定,构建了基于HLA标准的电力市场仿真平台,应用HLA建模平台KD—OMDT和运行支撑框架KD—RTI实现了该仿真系统,给出仿真结果图。该平台为研究市场化运营条件下电网中各参与者的行为特点,发现和解决电力市场运行中可能出现的问题,制定更合理的电力市场规则,能最大限度地保护各方利益。     

Network Topology and Locational Market Power

This paper studies the effect of network topology and production constraints on the locational market power of generators. A market power spectrum is considered where one end has infinitely large production capacity but the usual network constraints while the other end has infinitely large network capacity but the usual production constraints. First, we analyze the locational market power function mathematically. Then, we use a real world example of the Portland, Oregon electrical market and determine its position on the market power spectrum. We find the Portland market to be primarily production constrained rather than network constrained. We also identify the local and global threshold generation capacities for each generator beyond which it cannot influence the individual and total locational market power, respectively. This study facilitates the understanding of the economic and physical determinants of locational market power. It can help regulators make informed decisions when it comes to the choice of enhancing the physical infrastructure, or adding more generation capacity to the market.