排序方式: 共有26条查询结果,搜索用时 0 毫秒
1.
随着配电网中新能源渗透率不断增加,电压越限、潮流过载等安全性问题愈发严峻。为此,文中提出一种面向高比例新能源渗透的配电网电压时空分布感知方法,通过数据驱动的方法实现在缺乏配电网潮流模型条件下的短期、高精度的节点电压感知预测。所提方法包含三部分:基于数值气象预报的分布式风光预测,建立气象数据与分布式能源出力之间的时空映射关系;基于广义回归神经网络(GRNN)的电压灵敏度矩阵学习机制,在缺乏配电网潮流模型条件下构建数据驱动的节点功率-电压映射;基于核密度估计(KDE)的GRNN预测样本修正法(KDE-GRNN),进一步降低因原始样本局部密度偏差导致的预测误差。基于IEEE 33和委内瑞拉141节点配电网验证了所提方法的有效性。对比同类算法,验证了提出的KDE-GRNN在预测精度、收敛速度方面的优势。 相似文献
2.
为提升电力用户售电套餐决策的实际效用,避免盲目选择所产生的违约风险,研究了电力用户按照其购电合约用电的响应稳定性,提出了一种考虑响应稳定度的峰谷型售电套餐决策方法。峰谷型售电套餐的特点在于用户电价随峰谷时段电量比例的降低而降低。选择该类型套餐的电力用户趋向于低谷用电,以获得更好的用电收益,但同时也将面临更高的违约风险。提出了响应稳定度指标,以量化用户按照套餐规定用电的发生概率。在此,考虑预期违约风险设计了综合效用指标。以此为优化目标,构建了考虑响应稳定度的峰谷型售电套餐决策模型。最后,基于用户实际数据构造算例,验证所提出方法的有效性。与传统方法相比,所提出方法能规避用户盲目选择高回报套餐的违约风险。结果表明,在峰谷型售电套餐决策过程中,用户必须充分考虑自身用电实际,理性选择售电套餐,以降低违约风险。 相似文献
3.
虚拟电厂(virtual power plant,VPP)是聚合优化"源-网-荷-储"协调发展的新一代智能控制技术和互动商业模式。针对虚拟电厂内部资源和外部市场对竞标策略的互动影响,提出了考虑购售风险的虚拟电厂双层竞标策略。首先,考虑虚拟电厂对内对外的双侧互动特性,构建了虚拟电厂双层竞标框架;其次,考虑用户效用,建立了用户侧资源对虚拟电厂的下层竞标模型;然后,考虑外部市场的价格不确定性,采用条件风险价值(conditional value at risk,CVaR)量化虚拟电厂购售环节的风险,建立了考虑购售风险的虚拟电厂上层多目标竞标模型;最后,通过算例验证了竞标策略的有效性。 相似文献
4.
随着分布式能源、储能的迅速发展,虚拟电厂中电、热等多类型负荷需求量持续增长,为实现满足用户舒适度的虚拟电厂优化运行提出了更大的挑战.为此提出一种考虑用户舒适度的虚拟电厂电/热综合需求响应建模方法.首先,阐述电/热虚拟电厂的构成,建立供电设备的出力模型及基于峰谷分时电价的电负荷需求响应模型;其次,建立虚拟电厂中供热设备的... 相似文献
5.
指出了行为经济学理论对于发电交易决策研究的现实意义,分析了在不确定性条件下的发电商心理与行为偏差。结合现实电力市场特征和行为经济学理论,对发电商个体、群体的心理与行为偏差进行解释,阐明了电力市场交易信息披露的引导作用,提出了纠正发电商交易心理和决策行为偏差的相关措施。 相似文献
6.
7.
需求侧资源的多样性、分散性使得小范围示范工程采集的响应模型很难推广到大容量客户群体,文中拟基于小样本需求响应数据完成需求响应特性泛化建模及其大规模潜力推演工作。首先,构建响应随机参数的分布鲁棒模糊集。其次,基于主成分分析法挖掘小样本用户用电与其响应死区拐点与饱和区拐点的关系,采用共性与个性结合的方式实现大规模泛化过程中一般用户响应关键参数的获取,最终实现基于小样本数据的大规模需求响应潜力推演。算例表明,所提需求响应潜力量化方法充分考虑了用户响应的随机性,对行业共性特征及用户个性特征都进行了较好刻画。研究成果一方面可支撑针对示范工程范围内小样本用户的需求响应特性精准建模,另一方面可支撑对未来场景下大容量客户群体的响应能力推演评估。 相似文献
8.
9.
10.
提出2种区域发电权交易网省协调优化模式,即网省分层优化模式和区域统一优化模式。介绍了2种协调优化模式的组织形式,定性地分析了模式的特点及适用条件,从经济学的角度,分别在有阻塞约束和无阻塞约束的情况下,对模式的经济机理进行了深入剖析,并对2种模式的市场效率进行了比对。得到结论:有输电约束时,采用区域统一优化模式下的总社会福利大于等于网省分层优化模式下的总社会福利;无输电约束时,采用区域统一优化模式下的总社会福利大于网省分层优化模式下的总社会福利;在区域发电权交易市场建设初期,宜采用网省分层优化模式实现发电权交易从省级市场向区域市场过渡;区域统一优化模式规避了网省协调过程中所造成的效率损失,宜采用区域统一优化模式不断完善区域发电权交易市场。算例分析验证了所得结论的正确性。 相似文献