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。     

基于云计算的用户侧短期用电负荷预测技术

随着智能电网的发展,电网与用户之间的交互行为将显著增长。通过与用户的广泛交互,原来不能获取的信息,现在变得触手可得,这必将为智能电网发展提供更多的机遇。探讨了在智能电网环境下,通过云计算技术帮助海量用户预测短期电力负荷,从而通过利用群体智慧提高电网公司短期用电负荷预测的准确性。该方法有效利用了Map/Reduce技术,具有较高的效率和可扩展性。     

智能电网需求侧用户参与度研究模型

为充分挖掘智能电网需求侧与用户参与度的响应能力,探究电网需求侧的用电负荷影响,建立了智能电网需求侧用户参与度研究模型。采用聚类算法在噪声、模糊数据中提取特征数据,并对其进行归一化处理。根据智能电网的调配用电需求量,构建收益函数模型;将用户群体划分结果与博弈论相结合,建立不同类型用户博弈论模型,并组建电网需求侧用户参与度研究模型,定义电价收益、价格响应、智能调配用电时间等参数,为智能电网参与市场环境下的用户参与度调控提供了模型支持。以河北电网为测试对象进行测试,结果表明：随着时间的增加以及电价的降低,用户参与比例为89%,用户满意度均值为90%。智能电网需求侧的响应特性受用户参与度的影响,所提模型可以准确完成智能电网需求侧下的用户参与度计算,确保电网需求侧电力市场的供需平衡。     

考虑需求弹性的发电检修协调方法

随着智能电网的发展,用户的需求响应能力进一步增强,对发电检修的协调安排带来了新的影响。提出了机组检修协调意愿费用曲线,建立了考虑需求价格弹性的发电检修决策协调模型。在此基础上,深入分析市场环境下中长期发电检修决策对短期市场供求关系及出清价格的影响。建立了用户电力需求随电价而弹性变化、最终受中长期发电检修决策影响的函数关系;通过函数分段参数的讨论与约束的合并变换,将非线性混合整数规划模型转化为线性整数规划模型;根据智能电网下不同需求响应场景模拟,评估分析了需求弹性对发电检修决策产生的影响与效益。     

考虑需求弹性的发电检修协调方法

随着智能电网的发展,用户的需求响应能力进一步增强,对发电检修的协调安排带来了新的影响.提出了机组检修协调意愿费用曲线,建立了考虑需求价格弹性的发电检修决策协调模型.在此基础上,深入分析市场环境下中长期发电检修决策对短期市场供求关系及出清价格的影响.建立了用户电力需求随电价而弹性变化、最终受中长期发电检修决策影响的函数关系;通过函数分段参数的讨论与约束的合并变换,将非线性混合整数规划模型转化为线性整数规划模型;根据智能电网下不同需求响应场景模拟,评估分析了需求弹性对发电检修决策产生的影响与效益.     

智能电网框架下的需求侧管理展望与思考

资源和环境的双重压力将全球电力工业带入了智能电网时代,使电网智能化的核心就是全面、动态地整合用户侧资源,包括负荷以及电力使用的相关信息.因此,需求侧管理是智能电网最重要的组成部分之一.分析了传统的需求侧管理关键技术及实施时遇到的问题,然后针对智能电网时代引入的技术变革会给需求侧管理带来的影响和机遇进行了展望,最后就中国面向智能电网的需求侧管理建设给出了具体的步骤和建议.     

博弈论在电力需求侧的应用研究综述

随着智能电网的快速发展与电力体制改革的不断深化,需求侧用户能以购电主体和售电主体双重身份参与电网的双向互动。智能电网与开放电力市场下的需求侧赋予了用户更多选择,而博弈论作为多主体决策优化问题的重要工具有望可以解决该领域的诸多难题。首先,归纳了当前电力需求侧存在的典型博弈行为;其次,集中讨论了博弈论在分布式能源用户、高能耗用户以及中低能耗用户3个方面的应用;最后,对博弈论在分布式能源协调优化、高能耗用户购电策略优化、商业和居民用户需求响应、网络通信安全等方面的应用进行了展望。     

居民用户家用电器负荷控制策略研究

在智能用电技术和电力需求响应技术的支撑下,结合智能家用电器负荷特性以及居民用户的用电行为,研究用户侧需求响应(demand response,DR)的响应机理,提出家用电器错峰运行方法,建立典型家用电器的负荷控制策略,实现居民用户用电量的削减,提高用户的用能效率,进而推动用户侧和电网侧的双向互动,鼓励用户参与需求响应项目的积极性。     

智能电网与电力需求响应的研究

智能电网已经成为未来电网的发展方向,将供电侧与用户侧资源全面、动态地整合,才能真正实现智能型的完美电力系统.因此,智能电网势必对需求响应产生极大的推动作用.分析了智能电网与需求响应二者相互包容、相互影响的关系,然后针对智能电网时代引入的与需求响应相关的技术变革进行探讨,最后结合中国电力市场的情况,提出了进一步促进需求响...     

面向电力需求侧的智能电网负载调度方法

为提高电网的负载转化效率,研究了面向电力需求侧的智能电网负载调度方法。采用BP神经网络算法,识别并提取电力需求侧用户的用电行为特征,为智能电网负载调度方法提供用电特征样本基础。分析负载调度的影响因素,基于用电条件约束,建立智能电网负载调度模型。为检测模型的负载调度效果,在模型高效稳定的基础上,根据某区域的电力需求群体用电特征进行负载调度仿真试验,结果显示,进行电网负载调度后,试验组用电最高峰与用电最低谷的峰谷距离比对照组低13,表明设计的面向电力需求侧的智能电网负载调度方法可以更加有效地降低电网负载的峰谷差值,提高电力需求侧用户的用电效率。     

电力市场中预测问题的新内涵

传统的负荷预测是电力系统规划与运行的基础工作,电力市场化的改革对负荷预测提出了更高的要求,赋予其新的内涵。文中探讨了电力市场中的预测问题,分别针对发电侧竞价和用户侧开放的电力市场,提出了一些新的预测内容和预测思想,包括扩展短期负荷预测、连续多日负荷曲线预测、电力市场价格预测、市场风险预测与评估、考虑需求侧管理影响的电力需求预测、用电需求曲线预测、基于价格弹性的需求预测等,指出了这些预测问题的研究热点和难点,探讨了未来的主要研究方向。     

基于实时电价与支持向量分位数回归的短期电力负荷概率密度预测方法

智能电网环境下,实时电价对用户用电模式的影响较大,为了提高考虑实时电价的短期电力负荷预测精度,更好地反映电力负荷的不确定性。提出了支持向量分位数回归方法,通过引入松弛变量构造Lagrange函数,得出不同分位点下的未来一天任意时刻电力负荷的预测结果。同时采用Epanechnikov核函数,将SVQR与核密度估计相结合,进行短期电力负荷概率密度预测,可得到未来负荷准确的波动范围。以新加坡的历史负荷和实时电价数据为例,进行短期电力负荷概率密度预测,结果表明该方法能够较好地解决考虑实时电价的短期电力负荷概率密度预测问题。     

基于需求响应的实时电价研究综述

随着经济与社会的发展,电力产业不断贯穿于各个领域,电力需求量不断增加,智能电网逐渐成为当今电网发展的主要趋势。需求响应是实现电网智能化的重要机制。电价作为电力市场的重要组成部分,是电力市场的无形之手,在电力市场中起杠杆作用。基于需求响应(Demand Response,DR)的实时电价(Real-time Pricing,RTP)策略,则是实现智能电网有效性与可靠性的关键技术之一。介绍了智能电网的需求响应与实时电价策略。从用户侧与供电侧的供需水平出发,系统地总结和分析了国内外现有的实时电价研究模型与算法。讨论了存在的技术挑战,对未来可能研究的实时电价策略进行了展望。     

基于智能电网需求侧管理的多零售商实时定价策略

智能电网中需求侧管理(demand-side management,DSM)是一种改变和促进电力消费,提高电网可靠性的重要机制。实时定价是最重要的DSM策略之一。在电力市场中,电力零售商从电力供应商处采购电力然后将其出售给用户,因此对零售商来说进行有效的电力采购和价格决策至关重要。文中针对服务不同类型用户且共存于多个地区的不同电力零售商使用实时定价需求侧管理方案提出一种动态博弈决策机制,建立Stackelberg动态博弈模型分析不同电力零售商之间实时定价策略互动并得到均衡解。仿真模拟结果验证了所提出模型的有效性以及相关参数对电力采购及价格决策的影响,更好地诠释了智能电网中实时定价的动态过程。     

智能电网建设对电力需求侧管理的影响

介绍智能电网对电力需求侧管理可提供的技术支持,分析电力需求侧管理的现状,结合电网与用户互动、先进的实时电价体系、全面的用电负荷监控、合理的分布式绿色电源上网等智能电网的技术特点,分析智能电网的建设将对电力需求侧管理能力提高的影响.     

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

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。     

基于深度长短期记忆神经网络的短期负荷预测

传统的短期电力负荷预测模型难以处理大数据量,并且具有强随机性,预测精度难以满足智能电网发展的要求。为此,提出一种基于深度长短期记忆(deep long short-term memory,DLSTM)神经网络的数据驱动型短期负荷预测方法。使用该方法对某地区电力负荷进行预测,并将预测结果与传统方法的预测结果进行对比分析。对比结果表明,所提出的方法充分考虑了电力负荷的时序性和非线性,能深入挖掘电力用户侧数据特征,对电力负荷的短期预测性能优于传统方法,满足智能电网对短期电力负荷预测的高精度要求。     

考虑需求弹性的电力市场边际电价概率学预测

在电力市场环境下,各种需求侧响应措施可有效增加需求价格弹性。电力市场的价格预测不仅要考虑需求侧和供应侧的随机不确定性,而且要充分计入需求价格弹性等经济因素的影响。基于系统边际发电单元的概念,应用有关概率理论和随机生产模拟技术,提出了一种计入需求价格弹性因素的边际电价概率学预测方法。该方法还为电力市场环境下需要考虑一定需求弹性时的发电系统可靠性指标估计提供了一种可行途径。算例分析证明方法的合理性和有效性,并且表明,增加需求价格弹性,可有效降低边际电价及其不确定性,改善系统发电容量的充裕性。     

智能电网下需求响应热点问题探讨

利用价格信号与激励机制的需求响应项目可以为智能电网及电力市场运行构建可靠、高效与稳健的反馈机制。随着电力市场改革的不断深入以及智能电网的兴起,已有多个国家建立了基于市场化运作的需求响应项目。建立了适应智能电网及电力市场发展的需求响应理论与应用体系。对智能电网下需求响应理论及其应用层面进行了探索性研究,重点针对需求响应相关的项目决策、风险管理等热点问题进行了探讨,从多角度阐述了需求响应在提高系统安全性、可靠性与经济性等方面的作用。结果表明,智能电网下的新型需求响应项目可以进一步提升用户响应能力,为保障系统安全经济运行提供更有效支撑。     

基于LAB+i平台的电力需求侧管理案例分析

智能电网元件引入配电网和市场系统,对电网需求侧管理提出了新的挑战和机遇。智能电网国家实验室LAB+i已经拥有必要的基础设施进行智能电网的案例研究,其中包括电力需求侧管理。介绍了哥伦比亚国立大学的应用案例,在LAB+i平台实施基于3种需求响应技术的自动化管理系统,能够为校区每个建筑找到最佳负荷曲线。