基于扩展索洛长期均衡模型的饱和电力需求预测

饱和电力需求是电网规划中确定电网健康发展最终规模的关键性指标,能为电网规划提供重要信息,指导电网的建设和输电线路的合理布局。鉴于索洛模型在经济学的规模报酬及劳动产出问题中的成功应用,借鉴索洛模型的思路研究饱和电力需求规模问题,通过引入以产业结构及用电结构为表征的结构效应因素,同时结合多种规模效应及技术进步因素对索洛模型进行扩展,在此基础上建立了长期均衡预测模型。以我国南方某大型都市为例,应用本文所提出的预测模型,对该地区的未来饱和用电规模进行预测,结果表明该模型能够结合社会经济、电网现状及未来政策,对未来饱和电力需求进行预测,是一项有益的探索。     

基于改进Logistic模型阶段划分理论的饱和负荷预测

用电需求的饱和负荷预测可以确定一个地区未来电网发展与用电需求的最终规模,并以其远期电网规划目标指导近期电网建设,可以有效减少电网改造成本,做到有步骤有条理地进行该地区区域电网的改造与建设,对区域规划、区域经济与电网之间的协调发展具有重要意义。该文提出了基于改进Logistic模型的负荷发展历程阶段划分理论,并给出了饱和负荷的新内涵,修正与完善了判定电力饱和负荷的量化指标体系。最后采用改进Logistic模型对案例进行了研究与分析,完成了案例用电饱和规模以及饱和时间点的预测与分析工作,并验证了其可行性。     

基于社会经济饱和发展特征的安徽省电力需求研究

饱和电力需求研究有助于把握电力发展特征,指导近中期预测工作。分析了不同国家(地区)在饱和发展阶段经济社会发展及电力需求的特征,建立了适用于判定大区域发展饱和阶段的内生特征和电力需求外征的指标体系;研究工业化过程中经济发展、产业结构、人口规模、人均GDP水平、产值电耗等内生因素,采用协整方法构建了电量需求外征模型并预测了饱和需求,并通过与其它先进地区发展路径进行横向对比印证饱和需求特征的合理性。     

基于Logistic模型的湖北饱和电力需求预测

总结了"十一五"以来湖北省经济运行及电力消费概况,对全省目前所处的发展阶段和未来发展趋势进行了分析。采用Logistic模型对湖北省用电量和最大负荷的长期发展趋势进行预测,得出湖北省未来电力需求饱和规模及时间点,为电网规划提供参考。     

基于混沌粒子群—高斯过程回归的饱和负荷概率预测模型

饱和负荷预测能有效预估区域电网的发展方向和最终规模,为电网规划及电力市场中长期交易提供指导。针对饱和负荷预测不确定性强、时间跨度大的特点,文中采用基于高斯过程回归(GPR)的概率预测模型进行饱和负荷预测,并通过改进混沌粒子群算法(MCPSO)实现以和方差(SSE)最小为目标的模型超参数优化求解;在综合考虑饱和负荷影响因素随机性的基础上,建立了改进混沌粒子群—高斯过程回归(MCPSO-GPR)饱和负荷预测模型,并在多情景下利用上述模型进行饱和负荷预测,同时结合饱和判据得到多情景下饱和负荷的规模和时间。算例分析表明,所述模型不仅具有较高的预测精度,而且可增强预测的弹性。     

城市饱和负荷预测方法探讨

城市饱和负荷预测有助于确定城市电网的最终规模,进而指导中短期电网规划,节省不必要的电力建设投资,有助于电力系统前期规划与城市发展相协调。首先明确了城市饱和负荷的概念,分析了城市饱和负荷预测方法,探讨了城市饱和负荷预测在电力系统规划中的应用。     

多维度饱和负荷预测方法及其应用

电力饱和负荷预测可以确定电网的最终规模,指导电网的改造与建设,有效降低其成本。也可以更好地指导变电站布点、线路走廊的规划和建设工作。多维度饱和负荷预测方法首先通过灰色关联度分析评估影响因素,然后选择建立以影响因素为自变量、用电需求为因变量的函数,通过最小二乘法确定具体的数学模型。该方法不仅可以评估未来用电的饱和情况,也可以对影响因素进行灵敏度分析,具有比较高的预测精度,是对饱和负荷预测方法的拓展与创新。自身也可以产生反馈校验指标,具有一定的实用性与指导性价值。提出的饱和负荷判定指标验证了最终预测结果的正确性与合理性。     

基于分位数回归的电力负荷预测影响因素研究及应用

传统回归模型只对电力负荷进行均值预测,无法详细地分析在不同时期各因素对电力负荷规模影响程度的差异。针对这一问题,建立负荷预测的分位数回归模型,保留历史数据的统计信息,采用电力需求已进入稳定阶段的日本用电量数据进行仿真,定量分析了不同社会发展水平下各社会经济因素对电力需求的影响大小,得出了电力需求量与分位点选取呈正相关且存在周期波动的规律,并将这一结论应用于我国华东某城市饱和负荷预测,为电力负荷预测研究提供了一种新的方法。     

基于经济曲线饱和态势分析的饱和负荷宏观预测研究北大核心

饱和负荷预测对城市电网的规划具有重要的意义,电力电量的发展与经济的发展水平息息相关,因此,不同的经济饱和态势将决定不同的饱和负荷规模。以福建省福州市为研究对象,运用系统动力学原理及其建模工具VENSIM软件,采用改进的新古典经济增长理论对福州市经济曲线饱和态势进行建模和预测,在此基础上,分别运用人均用电饱和水平法、考虑政策等因素的电力负荷系统动力学预测模型、建立电力负荷与经济、人口的计量经济学误差修正预测模型三种方法分别对福州市饱和负荷的总体水平进行预测。     

城市电力饱和负荷分析技术及其应用研究综述

综述了当前城市电力饱和负荷分析技术及其应用研究情况,阐述了研究饱和负荷的背景和意义,分析了城市电力负荷的特点,提出饱和负荷分析应包括规模、时间和空间3个部分。归纳了电力负荷趋于饱和的判据,比较了饱和负荷分析与传统负荷预测的异同。从分析对象和分析机理上对现有分析方法和数学模型进行了分类和概述,并总结了国内外基于饱和负荷分析结论的城市电网规划、电源布局、网源协调、网架优化等方面的应用情况。在此基础上,提出未来的研究应注重探索基于经济发展阶段的饱和负荷分析技术,并与电网规划有效衔接。     

需求弹性对统一出清电价下发电容量持留的影响

分析了统一出清电价机制对发电商持留容量的激励,针对电力市场设计中应充分考虑需求响应的积极作用,建立了需求曲线线性条件下的需求弹性对单个及N个不同发电商临界及最优持留容量的影响的详细数学模型,并用实例进行了仿真.仿真结果证实了在单一买方的实时电力市场中引入需求价格弹性的必要性,而且随着需求弹性的增加发电商有利可图的持留容量空间也趋于萎缩,因此可以作为制约发电商利用容量持留而哄抬电价的有力工具.     

电力市场条件下年用电量混沌模型分析

年用电量的预测关系到电力系统的经济效益。通过对电力市场条件下年用电量的研究,应用混沌理论建立了在实际电量需求和可用电量共同限制作用下的年用电量模型。在不同的电量需求增长率基础上分析其混沌特性,得出产生混沌的充分条件。对不同的系统参数进行仿真分析,结果表明在供给和需求的共同作用下,年用电量可能会出现混沌行为。     

具有电力需求预测更新的智能电网实时定价机制

智能电网环境下,基于需求侧管理的电力需求实时预测和定价机制对于维持电力供需平衡,削峰填谷至关重要。文中引入贝叶斯信息更新方法对智能电网中用户电力需求信息进行实时预测更新,然后将售电商与用户之间的实时电价与电力需求策略互动行为生成一主多从博弈模型并进行均衡分析。通过数值仿真分析,在与无电力需求预测更新下的智能电网实时定价机制对比以后,发现所提出的具有电力需求预测更新的实时定价机制可以提高用户用电满意度和参与需求侧管理的积极性,同时也增加了售电商利润。     

考虑用电满意度与响应量期望的虚拟电厂需求响应交易模型

虚拟电厂(VPP)参与需求响应可提高电网的调节能力,但用户用电满意度下降和用户响应量的不确定性会导致VPP无法获得预期收益、电网无法获得足够需求响应量等问题。为此,提出了一种考虑用户用电满意度与响应量期望的VPP需求响应交易模型。将VPP内部柔性负荷细分为可削减负荷、可转移负荷、可替代负荷3类,并根据不同柔性负荷用户的用电模式、影响因素、参与需求响应的服务方式,分别构建3类柔性负荷用户的细分用电满意度模型。分析3类柔性负荷用户提供需求响应服务的不确定性来源,分别建立3类柔性负荷用户参与需求响应的响应量期望模型。基于用电满意度模型和响应量期望模型,在以电网公司为主导的VPP需求响应交易模式下,构建需求响应交易模型。通过算例仿真验证了所提模型的有效性。     

基于用户响应下的分时电价优化设计模型与方法

从配电公司的自身利益出发提出了一个考虑购电成本、需求响应以及其它因素的分时电价定价模型,并针对购电商是否具有市场力两种情况分别进行了分析。论述了该模型本质上属于非线性规划问题并探讨了其求解过程。最后将该模型应用于某简单算例进行仿真计算,结果表明如果用户对分时电价具有较强的响应度,则在峰谷电价差较小时也可以实现用户与电力企业共同获利的目的。     

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。     

考虑风电及分时电价的机组组合问题研究

近年来,风电等清洁能源的接入以及负荷侧分时电价的管理增加了电网调度的复杂性,为实现在风电接入及分时电价管理背景下的火电机组的经济调度和分时电价策略优化,首先研究了负荷需求对峰谷时段电价的响应模型,接着基于模糊机会约束理论建立了考虑风电及分时电价的机组组合模型,然后提出了一种双层混合粒子群算法求解该机组组合模型,以得到与风电相配合的分时电价定制策略以及火电机组出力值。最后仿真结果表明,所提出的方法可以实现负荷侧分时电价策略与供电侧火电出力的有效配合并降低火电机组的发电成本。     

一种基于用电行业分类的中长期电量预测方法

针对传统中长期电量预测方法思路单一,忽视不同层次电量预测之间的内在联系而影响中长期电量预测精度的问题,提出了一种基于用电行业分类的新型中长期电量预测方法。首先,设计了适用于电量预测的用电行业分类原则和方法;然后,以8种特性互补的预测方法为基础,建立优选组合预测模型,对待预测区域整体以及各用电行业的电量需求分别进行年度和季度的预测;最后,运用多级预测协调理论建立了一个二维二级协调模型,对上一步的电量预测值进行修正,改善预测精度,得到上下级统一的区域整体以及各行业未来年度和季度的电量预测值。以实际的电量数据进行了算例分析,验证了该方法的有效性。     

计及源荷双边性能指标的市场交易模型

高比例可再生能源电网内,为促进优质可控电源与可控负荷的发展,提高系统供需平衡的调节能力,考虑电源和负荷响应性能进行电力市场交易模式设计。在电源侧引入机组的调节性能指标;在负荷侧设置负荷聚合商参与市场的场景,并考虑负荷响应偏差的随机性进而提出负荷响应性能指标,以区分不同响应特性带来的运行成本差异。为合理协调计及性能指标的源荷双边资源,设计了两阶段的差异化出清机制。以系统总运行成本最小化为目标,构建有负荷聚合商参与的日前市场出清模型。通过算例结果表明,计及源荷双边性能指标的交易模型,可以引导资源的优化配置,降低市场的风险和损失。     

Electricity market price spike forecast with data mining techniques

Electricity market price forecast is a changeling yet very important task for electricity market managers and participants. Due to the complexity and uncertainties in the power grid, electricity prices are highly volatile and normally carry with spikes, which may be tens or even hundreds of times higher than the normal price. Such electricity spikes are very difficult to be predicted. So far, most of the research on electricity price forecast is based on the normal range electricity prices. This paper proposes a data mining based electricity price forecast framework, which can predict the normal price as well as the price spikes. The normal price can be predicted by a previously proposed wavelet and neural network based forecast model, while the spikes are forecasted based on a data mining approach. This paper focuses on the spike prediction and explores the reasons for price spikes based on the measurement of a proposed composite supply–demand balance index (SDI) and relative demand index (RDI). These indices are able to reflect the relationship among electricity demand, electricity supply and electricity reserve capacity. The proposed model is based on a mining database including market clearing price, trading hour, electricity demand, electricity supply and reserve. Bayesian classification and similarity searching techniques are used to mine the database to find out the internal relationships between electricity price spikes and these proposed. The mining results are used to form the price spike forecast model. This proposed model is able to generate forecasted price spike, level of spike and associated forecast confidence level. The model is tested with the Queensland electricity market data with promising results.