一种基于碳排放电价的电力用户碳排放成本分摊方法

    公开(公告)号:CN106711997B

    公开(公告)日:2019-07-16

    申请号:CN201611067467.3

    申请日:2016-11-28

    申请人: 浙江大学

    IPC分类号: H02J3/00 H02J3/06

    摘要: 本发明公开了一种基于碳排放电价的电力用户碳排放成本分摊方法,本发明要解决电力行业的碳排放成本在发电侧无法传导到电力用户侧,因而不能起到促进用户参与节能减排的问题。本发明方法中,利用潮流追踪技术,确定电力用户的负荷量与系统碳排放之间的函数关系。利用最优潮流模型,确定用户负荷引起的系统边际碳排放量,以及相应的边际碳排放成本,该成本反映在用户的电价中。本发明方法通过电价的手段,让用户能意识到其电力消费对电力系统碳排放的影响,促进用户将其用电负荷转移到风电、光伏等清洁电源出力较大的时刻,从而客观上起到降低电力系统碳排放的作用。同时,本发明方法建立了科学合理的成本机制,捋顺了碳排放相关成本的分摊问题。

    基于风电多状态模型及机会成本修正的备用出清方法

    公开(公告)号:CN109787217A

    公开(公告)日:2019-05-21

    申请号:CN201811379973.5

    申请日:2018-11-20

    摘要: 本发明公开了一种基于风电多状态模型及机会成本修正的备用出清方法,涉及电力系统运行和控制技术领域。目前,风电的出力具有波动性且难以准确预测的问题。本发明根据风速预测数据,建立风电多状态模型;根据风电多状态模型及每个状态下的约束条件,求解最优潮流模型;计算不同状态下节点电价的加权平均值,得到最终的节点电价,获得最优调度结果;获取发电机组备用报价,得到各机组发电机组备用的排序价格;按照价格从低到高的顺序对各机组的备用进行排序,得备用的出清价格。本方法兼顾电力系统的可靠性和经济性,考虑风电的波动性和不确定性对备用资源机会成本的影响,减少因风电的接入对其它发电机组提供备用的机会成本的影响。

    基于序优化和蒙特卡洛的多状态电力系统冗余优化方法

    公开(公告)号:CN107863771B

    公开(公告)日:2019-04-05

    申请号:CN201710944297.0

    申请日:2017-10-12

    申请人: 浙江大学

    IPC分类号: H02J3/00

    摘要: 本发明公开了一种基于序优化和蒙特卡洛的多状态电力系统冗余优化方法。对所有系统进行分类找出基本系统,利用蒙特卡洛算法计算求出基本系统的可靠度;通过第一修正方法计算获得剩余系统的粗略可靠度,利用序优化算法BP针对所有多状态电力系统的粗略可靠度进行处理进行第一次筛选;基于基本系统的可靠度,通过第二修正方法计算获得剩余系统的精确可靠度,利用序优化算法BP进行第二次筛选;最后采用冗余优化算法求得最优的多状态电力系统。本发明求取所用的时间是大大的缩减,筛选过程具有准确的精确度,适用于多状态系统的冗余优化算法,更加适用于现实情况。

    基于双极对称特征的特高压直流输电系统可靠性计算方法

    公开(公告)号:CN106972517B

    公开(公告)日:2019-04-02

    申请号:CN201710230012.7

    申请日:2017-04-10

    IPC分类号: H02J3/36

    摘要: 本发明公开了一种基于双极对称特征的特高压直流输电系统可靠性计算方法。根据特高压直流输电系统的拓扑结构及其元件可靠性参数,进行串联简化获得特高压直流输电系统的单极等效模型和各组件可靠性参数,根据所有可能的故障状态及其各故障状态之间的转换关系,建立单极状态空间模型,构建包含有容量状态转移矩阵X的微分方程,再计算求得故障状态对应的稳态概率,将相同容量状态合并获得单极中正常运行换流桥个数NT对应的累计概率,再根据累计概率获得双极中正常运行换流桥个数对应的稳态概率。本发明简化了特高压直流输电系统状态空间复杂性和计算步骤,便于快速评估特高压直流输电系统可靠性和基于此的电力系统运行规划工作的展开。

    一种面向工商业用户的需求响应电力套餐优化设计方法

    公开(公告)号:CN109086922A

    公开(公告)日:2018-12-25

    申请号:CN201810798619.X

    申请日:2018-07-19

    申请人: 浙江大学

    IPC分类号: G06Q10/04 G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种面向工商业用户的需求响应电力套餐优化设计方法。包括步骤:根据用户的用电形态特征,利用特性指标对日负荷曲线降维以对用户类型进行特征辨识;综合考虑电费支出满意度和用电方式满意度,计算各电力套餐对不同类型用户的效用值;基于多项Logit模型计算用户对各套餐的选择概率;深入分析实施电力套餐的成本和效益,构建综合考虑发电侧、电网侧、环境效益的电力套餐实施效益评估模型;建立面向工商业用户的电力套餐的优化设计模型,采用遗传算法进行求解。本发明方法优化得到的工商业用户电力套餐能有效调动需求侧资源的主动性和互动性,提升电网的经济运行水平和可靠性,具有良好的经济性和实际应用价值。

    一种综合考虑灾害和人因的电力系统可靠性评估算法

    公开(公告)号:CN108985627A

    公开(公告)日:2018-12-11

    申请号:CN201810779122.3

    申请日:2018-07-16

    申请人: 浙江大学

    发明人: 胡怡霜 丁一

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种综合考虑灾害和人因的电力系统可靠性评估算法。第一步:将该电力系统的输电线路分为四类,针对不同类的电力系统的输电线路,考虑人因操作和灾害对线路可靠度的影响计算可靠度,综合整个电力系统中各种输电线路的可靠度,包括四类输电线路和电力系统其他设备,计算得到整个电力系统的可靠度,包括可靠性评估指标电力不足时间概率和电量不足期望值。本发明将外界因素对电力系统的影响细化到对输电线路的影响,将灾害因素和人为因素的影响结合考虑,完善了电力系统可靠性分析,使计算结果更加符合实际。

    一种基于神经网络的电力现货市场辅助交易方法

    公开(公告)号:CN108921601A

    公开(公告)日:2018-11-30

    申请号:CN201810638002.1

    申请日:2018-06-20

    申请人: 浙江大学

    发明人: 丁一 刘帅岐 林雨

    摘要: 本发明公开了一种基于神经网络的电力现货市场辅助交易方法,方法包括以下步骤:①利用历史申报和出清数据训练神经网络模型,模拟单个时段的申报量价与出清量价之间的关系;②计算申报当日各合作发电厂在每个时段的可申报电量;③针对单个时段生成多个包含所有合作发电厂的整体申报方案;④将单个时段的不同的申报方案依次输入神经网络模型,利用神经网络模型预测每个申报方案对应的出清价与出清量,计算每个申报方案的预测收益;并计算风险系数;⑤结合预测收益与风险系数,最终选择出每个时段最优的申报方案;⑥将每个时段最优的申报方案中各合作发电厂应选择的报量——报价对的信息发送给各发电厂,指导各发电厂完成电力现货市场申报过程。

    一种电-气耦合系统节点可靠性评估方法

    公开(公告)号:CN108767852A

    公开(公告)日:2018-11-06

    申请号:CN201810624067.0

    申请日:2018-06-15

    申请人: 浙江大学

    发明人: 丁一 包铭磊

    IPC分类号: H02J3/00 G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种电‑气耦合系统节点可靠性评估方法,属于含多种能源形势的电力系统可靠性评估领域。天然气作为清洁高效的能源,在能源消费中的占比不断提高,世界各国也在不断建设天然气机组,为此电力系统与天然气系统的耦合越来越紧密。在此背景下,天然气系统中的随机故障可能导致天然气机组的供气量下降,进而使得电力系统面临容量不足的问题。为此,本发明方法考虑天然气系统与电力系统的耦合特征,在传统电力系统可靠性评估的基础上引入天然气系统的运行模型,最终构建电‑耦合系统节点可靠性评估模型,为应对天然气系统对电力系统的影响提供手段。

    基于聚类筛选和神经网络的电力气象负荷数据预测方法

    公开(公告)号:CN108615091A

    公开(公告)日:2018-10-02

    申请号:CN201810359961.X

    申请日:2018-04-20

    申请人: 浙江大学

    发明人: 胡怡霜 丁一

    IPC分类号: G06Q10/04 G06N3/04 G06K9/62

    摘要: 本发明公开了一种基于聚类筛选和神经网络的电力气象负荷数据预测方法。从电力数据中提取原始数据,采用聚类算法和主成分分析法相结合的方式对原始数据简化,再作标准化处理,将标准化后的气象数据和负荷数据输入神经网络进行训练;训练完成后,预测处理输出获得预测负荷数据,计算并判断预测负荷数据的预测精度,然后不断调整内部参数获得神经网络预测模型,用于预测待预测时间段各天的负荷数据。本发明充分考虑气象数据对负荷波动的影响,充分考虑数据的规模,通过聚类算法和主成分分析法,同时降低负荷和气象数据量,提出的算法组合预测模型,通过定义的预测精度计算公式,保证了神经网络模型的预测精度,提高了预测效率和预测精度。