基于遗传算法优化BP网络的提前一天市场清算电价预测

针对电力市场提前一天市场清算电价预测,考虑历史负荷和历史清算电价对未来时段电价的影响,分别采用BP神经网络和遗传算法优化BP网络的方法,建立了提前一天电力市场清算电价预测模型。并采用澳大利亚昆士兰州电力市场1998年的电价数据分别进行了训练和预测,对结果进行了比较分析,结果表明遗传算法优化BP网络模型具有良好的预测效果。

基于市场清算电价预测的供电公司报价策略

针对采用暗标拍卖和统一市场清算电价结算的输配分开电力市场,初步探讨了供电公司的报价策略问题,给出了一种基于市场清算电价预测的供电公司报价策略模型,在报价时考虑了市场清算电价预测的不准确程度对报价的影响。对算例的仿真结果表明,该模型能够用来有效的进行供电公司的报价决策,同时终端用户对销售电价较高的响应特性增加了供电公司的决策风险。

基于多元线性回归算法预测上网清算电价建模的理论研究

针对电力市场环境中发电企业对上网清算电价预测准确度提出的新要求,分析了上网清算电价的影响因素,明确了历史清算电价信息、负荷信息、输电阻塞及市场力等因素对清算电价的影响,提出了利用多元线性回归算法进行上网清算电价预测的模型和算法。

基于决策树技术的日前市场清算电价预测

以澳大利亚昆士兰州电力市场为背景,采用决策树技术,建立了提前日的电力市场清算电价预测模型。详细介绍了决策树技术的原理及其在电价预测中的实现方法,考虑了非电价因素对电价预测的影响。实际结果表明该方法具有良好的预测效果和直观性。

非限能系统中考虑电价波动因素的随机生产模拟

针对非限能发电系统,结合电力市场下机组竞价上网的运行特点,在随机生产模拟过程中,增加了对机组容量分段报价策略以及市场清算电价MCP(MarketClearingPrice)随机波动的考虑,建立了基于预测电价概率分布的随机生产模拟模型,该模型为制定符合电力市场运行规则的发电计划,燃料采购、运输、存贮计划等提供了决策参考,并将成为不同负荷水平下MCP概率分布预测精度和合理性的重要验证手段。在给出的具体算例中采用传统Baleriaux鄄Booth卷积、反卷积算法进行求解,算例表明该算法具有一定的应用价值。

基于最小最大概率回归方法的中长期电价预测模型

中长期电价的预测无论是对于市场监管政策的制定,还是对于大用户和发电商的投资规划,都具有极其重要的意义。影响中长期电价的因素比较复杂,历史电价数据分布混乱增加了一般回归电价预测建模的难度。提出了一种基于最小最大概率回归方法的电力市场中期电价预测的新模型。在分析最小最大概率机(MPM)及其用于回归原理的基础上,使用最小最大概率回归(MPMR)方法对不同的训练样本集进行训练,并计算出预测期的预测值,取得了比较好的预测结果。训练样本的分割使中期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所建模型及方法的有效性。

浙江发电侧电力市场发电商的电价操纵行为分析

电力市场成员能利用自身的市场力影响电力市场正常运作。利用经济学和博弈论的分析方 法,并结合浙江省发电侧电力市场的实际运行数据和经验,具体分析了市场成员的市场力形成原因 及其影响市场运作的过程。文中分析了市场中单一购电商的需求特性,得出了发电商的最佳报价 模型,分析了不同发电商的报价行为,指出大型发电商通过对电网中旋转备用的分担,容易操纵市 场价格,中小型发电商也可以通过跟踪大型发电商的报价参与抬高市场价格,从而降低整个市场的 效率。最后,提出了相应的建议措施。

基于效用分析方法的发电企业最优报价策略

不完全竞争的电力市场中,发电企业可以通过策略性报价来最大化利润。然而,在不完全信息的条件下,提出的报价策略一般都存在着一定的风险,如由于报价过高而没有被调度或被调度的容量明显小于期望值等。因此,对发电企业而言,需要对报价策略的风险和利润进行评估,构造兼顾利润最大和风险最小这2个矛盾目标的折中报价策略。文中针对这一问题进行了研究,提出了基于预测边际清算电价的计及风险的发电企业机组报价模型,将风险管理中的概率分析方法及效用分析理论引入报价方案的利润和风险评估中,并给出了求解方法,为解决计及风险的情况下构造发电企业的报价策略问题提供了新的途径。最后以一算例证明了该模型的可行性。

发电市场预调度计划模型及算法的研究

结合中国发电市场的实际情况 ,根据最优潮流原理 ,以整个预调度周期内的市场购电费用 (MPC)最小为目标 ,建立了预调度计划模型 ,并根据预调度计划的特点 ,将模型目标简化为各时段的市场清算电价 (MCP)最小 ,同时设计了三段式预调度算法 :用静态规划法求解整个预调度计划周期内的优化问题 ,用优先级法求解机组组合问题 ,用改进的Powell法求解最优潮流问题。算例结果表明 ,预调度模型和算法下的市场清算电价能跟踪系统负荷变化 ,且该模型算法具有复杂度低、结果最优性较好的特点。