An electricity price model with consideration to load and gas price effects

Some characteristics of the electricity load and prices are studied, and the relationship between electricity prices and gas (fnel) prices is analyzed in this paper. Because electricity prices are strongly depen-dent on load and gas prices, the authors constructed a model for electricity prices based on the effects of these two factors; and used the Geometric Mean Reversion Brownian Motion (GMRBM) model to describe the electricity load process, and a Geometric Brownian Motion(GBM) model to describe the gas prices ; deduced the price stochastic process model based on the above load model and gas price model. This paper also presents methods for parameters estimation, and proposes some methods to solve the model.

Data-driven Two-step Day-ahead Electricity Price Forecasting Considering Price Spikes

In the electricity market environment,electricity price forecasting plays an essential role in the decision-making process of a power generation company,especially in developing the optimal bidding strategy for maximizing revenues.Hence,it is necessary for a power generation company to develop an accurate electricity price forecasting algorithm.Given this background,this paper proposes a two-step day-ahead electricity price forecasting algorithm based on the weighted Knearest neighborhood(WKNN)method and the Gaussian process regression(GPR)approach.In the first step,several predictors,i.e.,operation indicators,are presented and the WKNN method is employed to detect the day-ahead price spike based on these indicators.In the second step,the outputs of the first step are regarded as a new predictor,and it is utilized together with the operation indicators to accurately forecast the electricity price based on the GPR approach.The proposed algorithm is verified by actual market data in Pennsylvania-New JerseyMaryland Interconnection(PJM),and comparisons between this algorithm and existing ones are also made to demonstrate the effectiveness of the proposed algorithm.Simulation results show that the proposed algorithm can attain accurate price forecasting results even with several price spikes in historical electricity price data.

Hybrid Scenario Generation Method for Stochastic Virtual Bidding in Electricity Market

Stochastic optimization can be used to generate optimal bidding strategies for virtual bidders in which the uncertain electricity prices are represented by using scenarios.This paper proposes a hybrid scenario generation method for electricity price using a seasonal autoregressive integrated moving average(SARIMA)model and historical data.The electricity price spikes are first identified by using an outlier detection method.Then,the historical data are decomposed into base and spike components.Next,the base and spike component scenarios are generated by using the SARIMA-and historical data-based methods,respectively.Finally,the electricity price scenarios are obtained by combining the base and spike component scenarios.Case studies are carried out for a virtual bidder in the PJM electricity market to validate the proposed method.The optimal bidding strategies of the virtual bidder are generated by solving a stochastic optimization problem using the electricity price scenarios generated by the proposed method,the SARIMA method,and a historical data-based method,respectively.Case study results show that the proposed method is better than the SARIMA method in preserving statistical properties of the electricity price in the generated scenarios and is better than the historical data-based method in predicting the future trend of the electricity price and,therefore,can help the virtual bidder earn more profit in the electricity market.

A Demand Response System for Wind Power Integration: Greenhouse Gas Mitigation and Reduction of Generator Cycling

A smart grid power system for a small region consisting of 1,000 residential homes with electric heating appliances from the demand side,and a generic generation mix of nuclear,hydro,coal,gas and oil-based generators representing the supply side,is investigated using agent-based simulations.The simulation includes a transactive load control in a real-time pricing electricity market.The study investigates the impacts of adding wind power and demand response(DR)on both greenhouse gas(GHG)emissions and generator cycling requirements.The results demonstrate and quantify the effectiveness of DR in mitigating the variability of renewable generation.The extent to which greenhouse gas emissions can be mitigated is found to be highly dependent on the mix of generators and their operational capacity factors.It is expected that the effects of demand response on electricity use can reduce dependency on fossil fuel-based electricity generation.However,the anticipated mitigation of GHG emissions is found to dependent on the number and efficiency of fossil fuel generators,and especially on the capacity factor at which they operate.Therefore,if a generator(the marginal seller)is forced to use less efficient fossil fuel power generation schemes,it will result in higher GHG emissions.The simulations show that DR can yield a small reduction in GHG emissions,but also lead to a smaller increase in emissions in circumstances when,for example,a generator(the marginal seller)is forced to use less efficient fossil fuel power generation schemes.Nonetheless,DR is shown to enhance overall system operation,particularly by facilitating increased penetration of variable renewable electricity generation without jeopardizing grid operation reliability.DR reduces the amount of generator cycling by an increased order of magnitude,thereby reducing wear and tear,improving generator efficiency,and avoiding the need for additional operating reserves.The effectiveness of DR for these uses depends on the participation of responsive loads,and this study highlights the need to maintain a certain degree of diversity of loads to ensure they can provide adequate responsiveness to the changing grid conditions.

Price-taker在两个电力市场中的交易决策 (一)购电商的策略

多市场交易量分配问题是电力市场参与者竞标决策中的重要问题之一。研究了考虑电价风险的情况下,Price—taker购电商在两个市场之间的交易量优化问题。讨论了购电商在两市场中优化分配问题的建模及解析解,引入风险因子概念,并用条件概率模型反映电价的不确定性,目标是总费用及风险均较低。用美国加州电力市场的实际数据进行了仿真。

含储能参与的日前市场价值公平分配机制

现有的节点边际电价机制中,由于传统发电商具有市场操控力,当储能独立参与市场出清时,各发电商采取策略性报价,打压并挤占储能电站的市场份额,阻碍了储能电站参与市场出清,间接导致市场出清总成本增大。为此,文中提出一种包含传统机组以及储能电站参与的市场竞争机制。首先,分析现有市场结算机制的弊端以及阻碍储能参与市场出清的原因;其次,建立含储能参与的市场出清模型,采用样本均值近似法求解二阶段随机规划模型;然后,基于Vickrey-Clarke-Groves(VCG)结算机制,提出适应储能参与的日前市场价值分配机制;最后,提出解决激励相容而造成的系统收支不平衡问题的策略。文中采用IEEE 30节点系统为例,证明该机制满足激励相容、收支平衡以及削弱传统发电商的市场操控力等要求,同时储能的参与将会减小系统出清总成本,降低市场价格剧烈波动的风险。

售电公司串谋定价行为随机演化博弈分析

电力零售侧市场建设初期,容易出现集中度较高的情况,对售电公司的串谋定价行为开展研究可以为规范市场运行的政策制定提供参考。先将串谋定价行为视为有限的售电公司主体在“有限理性”前提下的协同行动策略问题,进而将具有选择差异的Moran过程引入售电公司串谋定价随机演化博弈模型的构建和分析中,最后结合算例分析了串谋系数、供需比等关键参数对售电公司串谋定价策略的影响。研究结果表明:在寡占市场尤其是极高寡占市场中售电公司串谋定价的成功率会更高;在不同类型的市场中,串谋系数对串谋定价策略的影响不同,市场内外部环境随机因素对串谋定价行为的影响随市场集中度增高而愈加显著;市场管理机构应加强对电能零售价格的分析研判并加强对竞争有效性的监管以及与反垄断执法部门、征信部门等单位的信息互通和协同联动。

电力零售核心业务架构与购售电决策

随着电力工业改革的不断发展和智能电网的兴起,现代电力系统正逐步演变为更加复杂的信息物理融合系统。未来电力系统中将同时融合可再生能源、分布式发电设备、储能设备、智能表计、需求响应等新技术与新机制。在电力零售市场环境下,这些新技术与新机制给零售公司带来了严峻挑战,需要发展新的决策机制与方法。随着中国新一轮电力市场化改革的逐步深化,多个区域的电力零售市场也正在逐步建立和运营。为了给国内构建完整的竞争性电力零售市场提供有益的参考,并帮助相关研究学者和技术人员更好地了解电力零售市场的研究现状,文中首先介绍了一些主要国家的电力零售市场情况,然后以澳大利亚和芬兰为例,详细说明了电力零售公司的组织结构和购售电业务流程。接着,比较系统地综述了近年来国内外电力零售决策方面的研究进展,包括零售负荷预测、零售公司购电策略、零售定价策略、零售风险管理等。最后,讨论了电力零售研究领域的一些关键问题和未来可能的发展方向。

概率学的AGC先验定价和后验考核新方法

提出了一种在电力市场环境下自动发电控制 ( AGC)辅助服务的“概率学先验定价”和“统计学后验考核”的新方法。文中首先发展了概率学实用当量定价方法 ,该方法利用随机生产模拟技术和当量电价原理 ,事先评估出 AGC的容量价值和为了提供 AGC服务预留 AGC容量而产生的机会损失成本 ,由此两项成本构成了 AGC服务的先验价值和价格。进一步 ,利用实时记录 ,提出了一种基于统计学的后验考核和结算方法 ,即计算发电机组收到的 AGC指令和实际执行的机组有功出力之间的“相关系数”,依此建立了基于概率学的 AGC跟踪能力和服务质量的后验考核指标和结算方法。与此相应 ,还建议建立市场上有效的“AGC保证金制度”。最后 ,给出了以我国某电力系统数据为背景的算例。算例表明 ,该方法能很好地体现 AGC平衡负荷随机波动的本质 ,也能很好地发挥当量电价方法的长处 ,再辅以市场上有效的 AGC保证金制度 ,可成为一个很好的

基于仿射跳跃-扩散过程的电力市场电价随机模型

基于金融工程理论的电价随机模型对于竞争性电力市场中的电力衍生产品定价、风险管理、资产定价及不确定条件下的投资决策等具有基础意义。文中提出了基于仿射跳跃-扩散过程的、具有2个和3个跳跃分量的电价随机模型以及一种新的参数标定方法。所提出的近似参数标定方法可利用历史电价数据快速求解模型参数,且计算量与电价样本点数量无关。由于直接根据历史电价的数字特征求解,不存在误差累积的问题。根据法国Powernext、德国EEX和荷兰APX等3 个主要欧洲电力市场的历史日前小时电价数据标定了模型参数并采用Monte Carlo方法分析了模型的模拟效果。计算表明,文中提出的电价随机模型能够较为准确地描述电价的整体概率分布,满足进一步研究的需要。

需求不确定时电力最优价格上限管制分析

采用随机需求下的连续时间模型,基于实物期权理论,运用几何布朗运动方程模拟了需求波动,分析了发电方最优投资策略,探讨了在需求不确定条件下电力价格最优上限管制问题。结果表明,需求不确定条件下最优价格上限依然为竞争性条件下的投资边际价格,最优上限价格取决于需求波动和风险率。

基于马尔科夫决策过程的家庭能量管理智能优化策略

在迅速发展的通信技术和泛在电力物联网建设的背景下,结合多种信息交互方式和人工智能技术可为提高家庭能量管理的智能化程度提供新的思路。提出一种结合实时信息交互的家庭能量管理智能优化策略。首先,给出了以用户用能费用为基础的马尔科夫决策过程模型,采用动态规划方法求解模型,重点在家庭用电设备调度过程中考虑实时电价信息和用户的随机行为等不确定因素的影响;在此基础上,结合事件触发机制有效提高家庭能量管理系统的运行效率,进而给出从家庭能量管理控制中心到用电设备的智能优化调度方法;最后,通过仿真算例证实了所提方法的有效性,结果表明其能在减少用户用电费用的同时给出满足用户用电需求的优化用电策略。

发展中国家电力市场的定价之二——随机型的次日发电上网定价

在次日上网定价中有必要引入随机生产模拟技术和可靠性指标控制，特别是对于担当峰负荷的厂商和电力短缺的系统中更有必要。文中发展的随机型的主要贡献是：（１）用随机生产模拟同一维搜索交替进行，发展了一个随机型的优化模型ＶＡＧＳ－４，并引入了可靠性水平控制；（２）导出了随机情况下的边际容量成本解析表达式。最后给出了算例并与文［１］的确定型结果作了比较。

一种电价持续曲线理论计算方法

定义了面对负荷水平的价格持续曲线和面对考察期内所有负荷的平均价格持续曲线。依照该定义,给出了考虑发电机组强迫停运和机组报价随机性的价格持续曲线的计算方法。该方法通过用等效机组替代发电机组的容量块,从而便于采用电力系统随机生产模拟的方法计算边际电价的概率和价格持续曲线。该方法具有计算速度快且概念清晰等优点。将该算法应用于一个PJM电力市场的计算算例,计算结果说明了文中方法的优越性。

基于相似日的短期电价区间预测

准确的短期电价预测有助于电力市场各个参与者选择交易策略和估算效益,因此短期电价预测受到人们广泛关注。为了解决特殊样本带来的预测误差,应用模糊C-均值聚类算法进行相似日聚类,以与预测日相似的数据构建样本集。再采用高斯过程回归来建立短期电价预测模型,对短期实时电价进行预测,得到具有概率分布及对应置信水平的区间预测结果。最后,采用美国代顿电力市场的历史数据进行实例计算,证明了该方法可有效提高模型的预测精度,与BP神经网络相比预测效果更佳,可以向电力市场参与者提供更全面的信息。

基于卷积神经网络的电力市场电价预测

为了降低电力市场电价预测误差,提出了基于卷积神经网络的电力市场电价预测方法。归一化处理电力市场历史负荷与电价,避免出现神经元过于饱和的情况;使用隶属函数对温度因素进行模糊化处理,将处理后的负荷、电价、温度以及预测时段供求指数作为卷积神经网络的输入量,运用卷积神经网络非线性拟合能力对电力市场电价进行描述,建立电价预测模型,用获得的预测模型预测电力市场电价。实例分析结果表明,与其他方法相比,该预测方法预测的电价与实际电价最为接近。

基于Bertrand模型的2类售电企业定价策略

新电改方案提出将向社会资本开放售电业务,而中国售电企业缺少运营经验,为此本文借鉴国外成功电力市场的运行经验,在放开售电侧的背景下,研究售电企业的定价策略。将6类能够成为售电主体的售电企业进一步分为拥有发电资产的售电企业和不拥有发电资产的售电企业,利用Bertrand寡头博弈模型分析这2类售电企业的定价策略,其中Bertrand模型中的替代系数根据售电企业所提供的增值业务类型利用层次分析法确定。最后,通过具体算例对模型的可行性进行了验证,该方法可为售电企业的定价策略提供理论依据。

电力市场中梯级水电站组合交易策略研究

电力市场中梯级水电站担负着系统调峰、备用等功能,由于梯级水电站受到丰水、枯水季节变化,自身发电效率降低,进而影响其在市场中的交易。针对梯级水电站自身入库径流随机性,汛期需要兼顾防洪、发电、航运等等不确定因素以及市场中的电价波动等等特点,提出把梯级水电站交易方式按照时间先后尺度分为上下两层,每层采用序贯决策中的M arkov决策,把梯级水电站的在电力市场中的交易过程描述为多时间尺度的M arkov动态决策,以构建梯级水电站在市场中交易的序贯决策模型。根据系统负荷需求与梯级自身发电容量限制,采用随机动态规划算法优化各层的交易决策变量、梯级各电站出力过程,以实现梯级水电站期望收益最大目标。实例表明该方法具有很好的实用价值。