基于Copula-POME的负荷与气象因素相关性度量研究

负荷与气象因素的关系是非线性且模糊的，针对传统的线性相关系数不能准确刻画负荷与其气象成因的相依结构。在分析负荷对气象因素响应的基础上，提出了结合Copula函数与最大熵原理（POME）的负荷与气象因素相关性度量方法，该方法基于POME建立了负荷与气象因素的边缘分布，利用Copula函数拟合了负荷与气象多变量系统中的非线性相依结构，并推导了度量相关性的Kendall秩相关系数、Spearman秩相关系数和Copula熵。在实际的负荷和气象系统中的应用表明，Copula-POME方法在分析负荷与其气象成因关系时无先验分布假定，具有灵活的函数形式，能准确表达多变量系统的相依结构；秩相关系数和Copula熵弥补了线性相关系数在度量尾部相关中的不足，能准确度量负荷与气象因素的相关性。     

PJM电力市场交易价格分布特征及波动风险度量

根据PJM电力市场披露的逐时电力交易价格信息，采用假设检验方法，对日前市场、实时市场及辅助服务市场部分交易品种的电价分布特征进行了统计建模，并针对电价分布的尖峰厚尾特性，结合VaR、CVaR尾部风险度量指标，对各市场中的电价波动风险进行精确度量。研究结果表明：PJM电力市场负荷与日前市场电价、实时市场电价具有强相关性，日前市场及实时市场电价服从对数正态分布，辅助服务价格差异较大，分布拖尾特征显著；在给定置信水平下，负荷、日前市场电价和实时市场电价波动风险逐渐增大，但显著小于辅助服务价格波动风险。     

基于可再生能源发电优先消纳的电力电量平衡模型研究

传统的电力电量平衡主要以经济调度、机组组合为基础，没有给予可再生能源突出考虑。首先利用聚类分析方法将电力系统内各电源按发电特性划分为电源簇，建立电量消纳优先次序，以充分体现各电源的价值；然后以购电成本最小化、可再生能源发电消纳最大化为目标函数，分别考虑各电源簇的运行约束，建立电力系统中长期电力电量平衡模型，并设计内外层相结合的分层求解策略进行模型求解。其中，模型外层为电源多目标优化配置，采用多目标规划-几何模型（MODM-GMM）算法求解；模型内层为电源发电能力计算，采用逐步优化-增量动态规划（POA-SIDP）算法求解。最后，将模型运用到重庆电网中验证模型可行性和有效性。模型能实现包含水、火、风、光等混合能源系统的购电经济性，并有效利用系统内的可再生能源，促进电网协调、低碳、健康、高质量可持续发展。     

基于可再生能源发电优先消纳的电力电量平衡模型研究

传统的电力电量平衡主要以经济调度、机组组合为基础,没有给予可再生能源突出考虑。首先利用聚类分析方法将电力系统内各电源按发电特性划分为电源簇,建立电量消纳优先次序,以充分体现各电源的价值;然后以购电成本最小化、可再生能源发电消纳最大化为目标函数,分别考虑各电源簇的运行约束,建立电力系统中长期电力电量平衡模型,并设计内外层相结合的分层求解策略进行模型求解。其中,模型外层为电源多目标优化配置,采用多目标规划-几何模型(MODM-GMM)算法求解;模型内层为电源发电能力计算,采用逐步优化-增量动态规划(POA-SIDP)算法求解。最后,将模型运用到重庆电网中验证模型可行性和有效性。模型能实现包含水、火、风、光等混合能源系统的购电经济性,并有效利用系统内的可再生能源,促进电网协调、低碳、健康、高质量可持续发展。     

基于多气象因素混合回归的重庆地区夏季日最高负荷预测

鉴于利用短期负荷对气象的响应进行负荷预测能部分反映负荷形成的物理机制,基于主要气象因子与负荷的强相关性,采用混合回归方法模拟不同星期类型日最高负荷,并考虑积温效应和降雨对负荷的特殊影响,建立相应的修正函数对模拟结果进行修正,从而得到完整的能用于短期日最高负荷预测的多气象因素混合回归模型。对重庆地区日最高负荷的模拟与预测结果表明,率定期模拟平均误差为4.35%,在积温效应和降雨修正后,平均误差分别降至4.19%、4.01%;率定好的模型预测平均误差为1.99%,验证了模型具有可靠性和有效性。     

PJM电力市场交易价格分布特征及波动风险度量

根据PJM电力市场披露的逐时电力交易价格信息,采用假设检验方法,对日前市场、实时市场及辅助服务市场部分交易品种的电价分布特征进行了统计建模,并针对电价分布的尖峰厚尾特性,结合VaR、CVaR尾部风险度量指标,对各市场中的电价波动风险进行精确度量。研究结果表明：PJM电力市场负荷与日前市场电价、实时市场电价具有强相关性,日前市场及实时市场电价服从对数正态分布,辅助服务价格差异较大,分布拖尾特征显著;在给定置信水平下,负荷、日前市场电价和实时市场电价波动风险逐渐增大,但显著小于辅助服务价格波动风险。