基于大数据的负荷边际电价联合预测方法

准确的电力负荷边际电价联合预测有助于电力系统调度,同时也是电力系统运行和维护中最重要的任务之一。现有的独立预测方法割裂了负荷与边际电价之间的关系,影响预测精度,为此提出一种基于大数据的负荷边际电价联合预测方法。首先以门限循环单元(gated recurrent unit,GRU)为基础,建立人工智能模型分别对负荷边际电价进行预测;然后分别以历史温度与实时温度间的差值ΔT、历史负荷与实时负荷间的差值ΔP为基础,通过建立以多层感知器(multilayer perceptron,MLP)为基础的预测误差补偿模型,分别对负荷边际电价的预测结果进行修正;最后将GRU的输出与MLP的输出叠加计算得到负荷边际电价联合预测结果。算例验证表明:与传统方法相比,所提方法减少了13.4%的负荷预测误差,减少了71%的边际电价预测误差。

售电公司购售电决策研究综述

随着中国电力市场改革的逐步深化,售电公司的数量以及参与市场交易的形式将不断增加,售电公司购售电决策将成为售电公司的核心竞争力,直接决定着售电公司的运营效益。为了给国内售电公司运营决策提供有益参考,帮助相关研究学者和技术人员更好地了解售电公司购售电决策研究现状,从售电市场不确定性参数的预测,售电公司购电决策以及售电公司定价策略三个方面较为系统的综述了售电公司购售电策略研究现状,最后讨论了未来值得研究的方向。