基于大数据分析的燃煤火电机组调频边际成本研究

该文提出了1种发电企业在基于大数据分析下的电力市场辅助服务调频过程中产生的调频边际成本计算方法,并对某电厂进行了调频边际成本计算,其结果较符合企业经营的实际情况。调频边际成本数据通过数据清洗以及筛选工作,剔除系统坏点,计算结果更准确;并且通过对机组调频时段以及非调频时段历史标煤耗数据进行对比,得出调频时期煤耗上升造成机组成本升高的实际值,且考虑机组设备折旧损耗的增加,为机组调频过程产生的成本增量预测提供有效的计算方法。

基于LSTM神经网络的电力市场日前电价预测研究

电力市场日前电价受到多种因素的影响,导致电价预测精度不高,所以设计基于长短期神经网络的电力日前电价预测方法。采集出电力市场日前电价数据,利用LSTM神经网络处理采集到的数据,更便于电价后续判断与预测。在此基础上构建电力市场日前电价预测模型,以此实现电力市场日前电价精准预测。采用对比实验的方式,验证本文所设计的基于LSTM神经网络的电力市场日前电价预测方法的预测误差较小,预测精准度更高,可以应用于实际生活中。

基于数据挖掘的区域电力市场辅助服务质量评价

为助力电力市场健康发展,提高市场内辅助服务质量,引进数据挖掘技术,根据电力市场的持续化发展与运营需求,设计一种针对市场辅助服务质量的全新评价方法。全面考虑电力市场供应商在提供用户服务时的义务与应承担的责任,根据市场的发展情况与产业趋势,设计服务质量评价指标体系;引进数据挖掘技术,对评价指标的重要性进行挖掘,计算指标重要度系数;引进熵权法,设定一个正向指标,对评价指标进行无量纲化处理,以此种方式,实现对服务质量的灰色关联评价。设计对比实验,证明提出的评价方法在实际应用中的一致度更高,即评价结果与真实结果更匹配。