抑制电价飞升的系统边际价格与报价价格混合拍卖机制

目前电力市场中的系统边际价格拍卖与报价价格拍卖都不能有效解决不正当市场竞争引起的电价飞升问题。文中给出了设计抑制电价飞升拍卖机制的原则，提出了一种能有效抑制物理持留和经济持留的系统边际价格与报价价格混合拍卖机制。在电价超过高价市场启动价格后，根据卖电商是否拥有系统价格权以及报价是否不利于缓解电力供需矛盾，执行系统边际价格或报价价格两种电价之一，从而加强对卖电商报低电价、减少持留的经济激励，可以有效地限制市场势力，抑制电价飞升。提出多价格限机制限制强市场势力，对不同类卖电商采用不同的价格限，使各类卖电商都能获取正当范围内的稀缺租金，改善市场结构，避免影响发电的长期发展。     

系统边际价格概率分布的实证分析

该文针对系统边际价格的概率分布模型问题，展开实证分析，验证了系统边际价格概率分布的超高斯性，并提出了适合的电价超高斯型概率分布模型。首先，该文对多个典型电力市场中的日前现货电能量市场的系统边际价格的概率分布特性进行了市场行为分析、频率分布直方图和高阶统计量等多角度的实证剖析，揭示出系统边际价格实际上并不满足传统的高斯分布假设，而是服从超高斯型概率分布的规律。在此基础上，针对各典型市场的系统边际价格的实际概率分布规律，该文提出了适用于系统边际价格的超高斯型概率密度新模型。典型电力市场的实例数据验证了该文所建模型的有效性。     

计及可控负荷决策机制的输电网阻塞优化调控方法

可控负荷是近年来电力市场中输电网阻塞管理的重要手段。可控负荷服务商将根据市场价格决定其容量和价格申报值,而同时可控负荷的申报结果也将影响节点边际出清电价,从而导致出清电价呈现"动态过程"。为此,首先介绍节点边际电价模式,分析可控负荷服务商在节点边际电价模式下的决策机制,构建可控负荷参与输电网阻塞管理的决策模型。在此基础上,考虑可控负荷决策机制对节点边际电价的影响,提出了基于两层规划的动态输电网阻塞优化调控模型及求解算法。最后,基于IEEE-30节点系统的算例表明该方法能够保证可控负荷服务商收益,有利于激发其参与积极性。     

含电动汽车场景的节点边际电价研究

分析节点边际电价与电动汽车接入水平和电动汽车负荷波动之间的关系.建立了含电动汽车负荷场景的系统节点边际电价市场出清模型,电动汽车负荷采用结合ARIMA模型的场景生成技术和基于概率距离的场景简化技术进行仿真,以接入电动汽车负荷场景的RTS24节点系统为算例,求解电动汽车负荷接入后对边际电价的影响.电动汽车负荷接入后,随着电动汽车场景的变化,边际电价也呈现了相应一致的变化趋势;随着电动汽车负荷量的增加,边际电价的波动性增大.含电动汽车负荷场景的边际电价市场出清模型,为系统接入电动汽车负荷节点边际电价的分析提供了一种分析方法.     

日前交易边际电价的预测方法

在电力市场日前交易中,边际电价对独立发电商、输配电服务提供者、电力零售商和电力客户等市场成员的经济利益影响重大。针对电力市场研究的热点问题即边际电价预测问题,分析了边际电价的微观经济机理,指出供求均衡规律是影响边际电价的主要因素,以及边际电价具有周期性、波动性和分时均值回复等特征;对边际电价预测方法从ARIMA模型、GARCH模型、动态回归模型、传递函数模型、灰色系统模型、混沌相空间重构、人工神经网络、委员会机器、支持向量机、市场模拟等方面进行了评述;提出了选择边际电价预测方法的建议,并指出由于市场力、博弈、串谋、容量持留等因素会影响预测精度,因此组合预测模型是提高预测精度的一种可行方法。     

考虑多市场主体参与的气电区域综合能源系统市场定价策略

随着多市场主体接入,如何管理系统中的分布式资源成为气电区域综合能源系统的核心问题。从激励价格角度出发,建立含商业楼宇和分布式电源2类市场主体的区域综合能源系统日前市场出清模型,综合考虑节点净有功负荷、净无功负荷和天然气负荷对系统运行的影响,通过引入多类灵敏度因子线性化潮流约束和稳态气流约束;进一步地,将出清的节点边际价格分为有功基础电价、无功基础电价、阻塞管理电价、电压支撑电价、网损边际电价、基础气价和气压支撑价格7类,通过不同价格信号引导促使市场主体调节自身运行方式支撑系统运行。基于改进的IEEE 33节点配电网和24节点气网构成的区域综合能源系统的仿真结果验证了所提出的基于节点边际价格分解的定价策略的有效性和合理性。     

节点边际电价的优化原理

为了实现电力市场的优化运营,关键是要建立安全约束经济调度与节点边际定价机制.安全约束经济调度能综合考虑系统的经济性与安全性目标,它既保证了系统的优化运行,也保证了系统的供电可靠性;而节点边际电价是从空间和时间2个层面尽量精确地反映电力系统的运行成本的定价机制.文中首先介绍了安全约束经济调度与节点边际价格的求解模型,描述了节点边际定价市场的优化原理;接着给出了节点边际电价的直流潮流法求解原理,并举例进行说明;最后指出节点边际电价有许多违反常规认识的地方,但这并不说明节点边际价格有错,关键原因在于电力系统运行除了遵守经济法则之外,还必须符合可靠性要求.     

节点边际电价与阻塞费用影子价格线性化模型研究

首先介绍了节点边际价格的经济含义,然后在简化直流电力系统的前提下,根据其经济含义推导了节点边际电价与阻塞费用影子价格的线性化关系。当无阻塞时,系统只有一台边际机组。当系统发生阻塞时,边际机组的个数等于阻塞线路个数加一。根据这一规律,我们建立以边际机组变化量为变量的一元方程。结合节点边际电价的经济含义,推得节点边际电价与阻塞费用影子价格的线性关系。根据两者的关系建立了在POOL模式下和POOL加双边交易模式下计算节点边际电价与阻塞费用影子价格的线性数学模型。根据P JM提供的5节点测试系统验证该线性模型的有效性。最后依照边际价格的结算体系下市场参与者进行结算,分析了在节点边际电价结算体系下,阻塞对市场参与各方的影响。     

电力市场下系统边际价格混合预测模型的新研究

电力市场中,价格作为各市场主体运营工作的重要参考信息,一直得到广泛的重视和研究.但是,电价影响因素之间复杂的相互作用增加了电价预测建模的难度.针对该问题,该文提出了一种基于独立分量分析-支持向量机的系统边际价格预测混合模型.首先,该模型基于影响因素的高阶统计信息,通过构造混合优化变换函数,建立自适应的独立分量分析迭代算法,并提出基于峭度的去冗余新方法,实现了电价影响因素的特征提取,挖掘出更具表征能力的电价有效影响因素集.然后,将该样本集用于回归支持向量机的训练,建立了独立分量分析与支持向量机相结合的电价预测模型.该模型充分发挥独立分量分析的特征提取优势,增强了支持向量机模型输入样本的表征能力,使电价预测模型更加准确.美国加州现货电能量市场的实例数据验证了该文所建模型的有效性.     

不确定性电价分析

电价是电力市场中核心问题之一。交易中心执行交易过程，根据机组报价数据确定系统边际电价。值得注意的是，未来的系统边际电价是一个随机变量，这是由于未来时间机组可用率、系统负荷等不确定性因素的存在。因此，从概率角度考察电力市场中的电介分布规律是非常合理而且也十分必要的。与其他研究不同的是，该文提出了由机组报价的概率性而直接导致的不确定性电价这一新问题。鉴于这个问题的复杂性，该文以序列运算理论为基础，提出了一种合理的分析方法。可直接处理机组报价的不确定性，最终算出在不同的需求下系统边际电价的概率分布，并进一步得到其期望和方差。这个分析结果将为评价电力市场的风险提供直接的依据。算例研究表明该文模型和算法的正确性。     

电力系统的分割多目标风险分析框架及算法

针对平均风险指标无法区分高损失-低概率事件及低损失-高概率事件的缺点,提出了电力系统的分割多目标风险分析框架。该框架将电力系统的风险状态细分为低损失、中等损失和高损失3个风险范围,并提出3个损失范围条件风险函数和条件风险概率的概念。采用经典的容量停运表模型,建立了这些条件期望指标的计算方法。对IEEE-RTS及TH-RTS2000系统进行了分割多目标风险评估,研究不同负荷水平下系统风险在3个损失范围的分布及转移情况,并分析损失分割点对系统风险的影响。通过分割多目标风险分析,风险分析者和决策者可以权衡系统的平均风险以及高、中、低损失范围的条件期望风险,从而对系统的风险状况有一个全面和深入的了解。     

基于EMD的ICA方法在电力载波通信信号提取中的应用

提出了1种结合经验模态分解的独立分量分析方法：首先对采样得到的1路电网电压信号进行经验模态分解，得到1组固有模态函数；通过计算它们的互相关系数，找出独立性最强的几个，接着用独立分量分析的方法处理这几个固有模态函数与原采样到的电压信号，最后得到1组彼此独立的独立分量，从而提取出通信信号。该方法综合了经验模态分解和独立分量分析的各自的优点，克服了独立分量分析不能对单一采样信号进行分析的缺点，利用独立分量分析方法提高了信号提取的效果。实验表明：文中提出的方法是有效且可行的。     

基于加权双高斯分布的广义自回归条件异方差边际电价预测模型

研究电力市场系统边际电价(system marginal price,SMP)条件方差的变化规律及残差的统计分布特征,据此引入广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity,GARCH)模型,并建立了基于加权双高斯(weighed double Gaussian,WDG)分布假设的GARCH模型(GARCH-WDG)对系统边际电价的变化规律进行研究。美国PJM市场和澳大利亚NSW市场的实际数据表明,GARCH模型对电价的估计和预测均有良好的效果,GARCH-WDG模型则进一步改善了GARCH模型的性能。     

基于贝叶斯网络Noisy Or模型的水电机组故障诊断研究

针对水电机组故障诊断中系统结构复杂,不确定因素众多的特点,将贝叶斯网络引入水电机组故障诊断中,建立基于贝叶斯网络的水电机组故障诊断系统;为了克服贝叶斯网络结构中需要的概率数量庞大和确定概率困难特点,在贝叶斯网络系统结构中引入Noisy Or模型。论文首先利用专家知识,将各个特征结点按二值结点构造网络,确定各单个结点的概率,然后计算多个结点的任意组合对结果的影响程度,从而确定某种故障发生的可能程度。仿真研究表明:用此模型构造的贝叶斯网络结构,需要的条件概率个数可以从2n减小为2n。大大降低了数据需求量,提高了水电机组故障诊断速度和效率。     

Automatic Vehicle Detection Using Local Features—A Statistical Approach

This paper develops a novel statistical approach for automatic vehicle detection based on local features that are located within three significant subregions of the image. In the detection process, each subregion is projected onto its associated eigenspace and independent basis space to generate a principal components analysis (PCA) weight vector and an independent component analysis (ICA) coefficient vector, respectively. A likelihood evaluation process is then performed based on the estimated joint probability of the projection weight vectors and the coefficient vectors of the subregions with position information. The use of subregion position information minimizes the risk of false acceptances, whereas the use of PCA to model the low-frequency components of the eigenspace and ICA to model the high-frequency components of the residual space improves the tolerance of the detection process toward variations in the illumination conditions and vehicle pose. The use of local features not only renders the system more robust toward partial occlusions but also reduces the computational overhead. The computational costs are further reduced by eliminating the requirement for an ICA residual image reconstruction process and by computing the likelihood probability using a weighted Gaussian mixture model, whose parameters and weights are iteratively estimated using an expectation-maximization algorithm.     

Unmixing fMRI with independent component analysis.

Independent component analysis (ICA) is a statistical method used to discover hidden factors (sources or features) from a set of measurements or observed data such that the sources are maximally independent. Typically, it assumes a generative model where observations are assumed to be linear mixtures of independent sources and works with higher-order statistics to achieve independence. ICA has recently demonstrated considerable promise in characterizing functional magnetic resonance imaging (fMRI) data, primarily due to its intuitive nature and ability for flexible characterization of the brain function. In this article, ICA is introduced and its application to fMRI data analysis is reviewed.     

基于小波分量奇异值分解的单通道盲分离算法

针对单通道盲分离领域先验信息不足的问题,提出了一种基于小波变换、奇异值分解和独立分量分析的单通道盲分离算法.首先对单路传感器接收的信号进行小波分解和重构,得到一组代表原始信号特征的细节信号,对其施加奇异值分解并剔除小于门限值的奇异点,以此消除干扰信号和噪声的影响.然后将经过处理的细节信号组作为独立分量分析算法的输入信号...     

基于独立分量分析的发电机局部放电信号提取

发电机局部放电在线监测对于判断其绝缘状况意义较大,在研究发电机局部放电形成原因的基础上,研发了一套基于DSP的局放高速采集系统,提出了一种基于独立分量分析（ICA）的发电机局部放电信号提取方法,并通过实例证明了该方法的有效性。