电力市场运行效果的评价方法
    1.
    发明公开

    公开(公告)号:CN115936504A

    公开(公告)日:2023-04-07

    申请号:CN202211552524.2

    申请日:2022-12-05

    摘要: 本发明的实施例提供了一种电力市场运行效果的评价方法,涉及电力技术领域,用于实现电力市场运行效果的事后评估,以实现电力资源的优化配置。方法包括:根据电力市场交易目标、指标选取的基本原则、评估基准选取电力市场的收益指标与成本指标。根据省内电力市场交易收益、省间电力市场交易收益以及环境效益对应的经济效益,获取电力市场交易的总收益。根据电厂降价成本、批发交易组织成本、零售市场组织交易成本、价格限制的福利损失、电量替代限制损失,获取电力市场交易的总成本。以及,根据电力市场交易的总收益和电力市场交易的总成本,获取益本比和净收益,并根据益本比和净收益得到评价结果。

    一种月度跨省区可再生能源消纳方法及终端设备

    公开(公告)号:CN110838076B

    公开(公告)日:2022-05-17

    申请号:CN201910918501.0

    申请日:2019-09-26

    IPC分类号: G06Q50/06

    摘要: 本发明公开了一种月度跨省区可再生能源电力消纳方法及终端设备,该方法包括:设置所在省本当月的消纳权重达标值;估算当月的可再生能源电力需求量;建立不同约束条件与交易决策项之间的对应关系并对不同约束条件下的交易决策项进行排序;对排序后的交易决策项进行组合,筛选出同时满足多个约束条件的可选交易数据项,并根据购电成本和优先级规则对可选交易数据项进行排序,根据所在省当月的可再生能源电力需求量、按照购电成本从低到高的顺序选择多个交易数据项;本发明通过交易模型在多约束条件下动态调整每月实际执行的交易数据项,提高了实际消纳的可再生能源电量数据的准确性和合理性,在兼顾购电成本的前提下提升可再生能源电力的消纳能力。

    一种月度跨省区可再生能源消纳方法及终端设备

    公开(公告)号:CN110838076A

    公开(公告)日:2020-02-25

    申请号:CN201910918501.0

    申请日:2019-09-26

    IPC分类号: G06Q50/06

    摘要: 本发明公开了一种月度跨省区可再生能源电力消纳方法及终端设备,该方法包括:设置所在省本当月的消纳权重达标值;估算当月的可再生能源电力需求量;建立不同约束条件与交易决策项之间的对应关系并对不同约束条件下的交易决策项进行排序;对排序后的交易决策项进行组合,筛选出同时满足多个约束条件的可选交易数据项,并根据购电成本和优先级规则对可选交易数据项进行排序,根据所在省当月的可再生能源电力需求量、按照购电成本从低到高的顺序选择多个交易数据项;本发明通过交易模型在多约束条件下动态调整每月实际执行的交易数据项,提高了实际消纳的可再生能源电量数据的准确性和合理性,在兼顾购电成本的前提下提升可再生能源电力的消纳能力。

    一种协调多种时间尺度的跨省区电量库交易方法

    公开(公告)号:CN112257994B

    公开(公告)日:2024-02-09

    申请号:CN202011067985.1

    申请日:2020-10-08

    摘要: 本发明公开了一种协调多种时间尺度的跨省区电量库交易方法,属于电力市场交易理论与方法研究领域。本发明综合考虑了电量库交易中多个成员省份的电力供需情况、跨省区外购电的运输及供给情况、调峰资源和正负调节能力差异等因素,实现了多约束下的跨省跨区电量库交易决策制定方法,能够使低成本电力和可再生能源电力在参与电量库交易的多省之间进行高效、合理、互利的再分配,促进省间电力的余缺互补,降低削峰填谷的成本,同时提高跨省输电通道的利用水平;本发明以月度电量库交易为主线和基准,保证电量库交易的提前规划与科学统筹,同时协调在月内灵活展开日前电量库交易和日内电量库交易,以进一步平抑负荷波动,实现电力余缺互补。

    一种基于相似度分析理论的电力客户异常行为预警方法

    公开(公告)号:CN109685376A

    公开(公告)日:2019-04-26

    申请号:CN201811605169.4

    申请日:2018-12-26

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种基于相似度分析理论的电力客户异常行为预警方法。该方法能够从多方面对用户未来的异常情况进行预警分析,并通过用户行为序列相似度描述用户间的关联,同时考虑用户属性的变化,对异常行为进行发现和安全预警。预警流程包括:S1.用户行为序列模式描述;S1-1.基于时间的行为序列;S1-2.最大公共行为子序列;S1-3.行为序列相似度矩阵;S1-4.用户行为相关系数;S1-5.用户基本属性;S2.基于行为序列的异常分析;S2-1.数据预处理;S2-2.行为序列模式建立;S2-3.行为异常分析及预警。