本發(fā)明涉及電力市場交易技術(shù)領(lǐng)域，尤其涉及一種購電競價策略。

背景技術(shù)：

市場是配置資源最有效的方式，而電能作為一種電力資源，在電力市場環(huán)境下具有較高的配置效率。在電力市場中，價格是整個市場的核心，電價的波動直接影響到電力資源在市場的流動和分配，通過競價的方式進(jìn)行電力交易已經(jīng)成為我國電力行業(yè)的新模式。

電力行業(yè)中的競價包括發(fā)電側(cè)競價和用電側(cè)競價，目前，對于電力行業(yè)中的競價主要為發(fā)電側(cè)競價。發(fā)電側(cè)競價是指發(fā)電廠競價上網(wǎng)，而發(fā)電廠報價會考慮前期的發(fā)電側(cè)市場成交電價(市場供求關(guān)系)、發(fā)電廠的發(fā)電成本、發(fā)電補貼(清潔能源補貼，如風(fēng)能、太陽能)和當(dāng)前市場的預(yù)期成交電價(當(dāng)前供求關(guān)系)等因素，為防止惡性競爭使發(fā)電側(cè)報價過低，一般會規(guī)定發(fā)電側(cè)的最低上網(wǎng)電價。

作為電力市場的共同參與者，發(fā)電側(cè)和用戶側(cè)的競價策略都會影響電力市場的成交情況，從而影響到電力市場對于電力資源的配置效率。目前，關(guān)于用戶側(cè)電價預(yù)測的研究較少，現(xiàn)有用戶側(cè)競價策略通常基于用戶對短期電價的預(yù)測，科學(xué)性和準(zhǔn)確性不能夠滿足用戶參與電網(wǎng)競價的要求。

技術(shù)實現(xiàn)要素：

為克服相關(guān)技術(shù)中存在的問題，本發(fā)明提供一種購電競價策略。

根據(jù)本發(fā)明實施例的第一方面，提供一種購電競價策略，包括：

利用灰色關(guān)聯(lián)分析法選取待預(yù)測電價日的相似日；

根據(jù)所述相似日的電價，利用多元線性回歸法預(yù)測所述待預(yù)測電價日的電價；

根據(jù)所述相似日之前的歷史電價，利用多元線性回歸法得到所述相似日的預(yù)測電價，根據(jù)所述歷史電價和預(yù)測電價，建立電價預(yù)測的相對誤差概率密度分布函數(shù)；

根據(jù)所述相對誤差概率密度分布函數(shù)和所述待預(yù)測電價日的電價，利用粒子群算法進(jìn)行購電報價。

優(yōu)選地，根據(jù)所述相對誤差概率密度分布函數(shù)和所述待預(yù)測電價日的電價，利用粒 子群算法進(jìn)行購電報價包括：

根據(jù)所述相對誤差概率密度分布函數(shù)，建立市場成交率函數(shù)；

根據(jù)所述相對誤差概率密度分布函數(shù)，建立用電成本函數(shù)；

將所述市場成交率函數(shù)和用電成本函數(shù)作為所述粒子群算法中的目標(biāo)函數(shù)，計算購電報價。

優(yōu)選地，其特征在于，所述策略還包括：

建立用戶生產(chǎn)成本收益函數(shù)，使所述購電報價滿足所述用戶生產(chǎn)成本收益函數(shù)。

優(yōu)選地，利用灰色關(guān)聯(lián)分析法選取待預(yù)測電價日的相似日包括：

分別構(gòu)建待預(yù)測電價日的特征量矩陣以及所述待預(yù)測電價日對應(yīng)的備選相似日的特征量矩陣；

計算所述備選相似日特征量矩陣和所述待預(yù)測電價日的特征量矩陣的相同行序列相關(guān)度；

根據(jù)所述相同行序列相關(guān)度，計算所述備選相似日和所述待預(yù)測電價日的加權(quán)關(guān)聯(lián)度；

根據(jù)所述加權(quán)關(guān)聯(lián)度，從所述備選相似日中選取相似日。

優(yōu)選地，根據(jù)所述相似日的電價，利用多元線性回歸法預(yù)測所述待預(yù)測電價日的電價包括：

建立含有待定回歸系數(shù)和隨機(jī)誤差的多元線性回歸方程，將所述相似日的電價代入所述含有待定回歸系數(shù)和隨機(jī)誤差的多元線性回歸方程；

利用最小二乘法計算所述待定回歸系數(shù)的估計量，得到確定參數(shù)的多元線性回歸方程；

將所述相似日的電價代入所述確定回歸系數(shù)的多元線性回歸方程，預(yù)測所述待預(yù)測電價日的電價。

優(yōu)選地，根據(jù)所述相似日之前的歷史電價，利用多元線性回歸法得到所述相似日的預(yù)測電價，建立電價預(yù)測的相對誤差概率密度分布函數(shù)包括：

選取所述相似日的前一日電價作為歷史電價；

根據(jù)所述歷史電價，利用所述確定參數(shù)的多元線性回歸方程，計算出所述相似日的預(yù)測電價；

根據(jù)所述相似日的預(yù)測電價和相似日的電價，計算出所述相似日各階段的電價預(yù)測 相對誤差；

根據(jù)所述電價預(yù)測相對誤差，建立相對誤差概率密度分布函數(shù)。

本發(fā)明的實施例提供的技術(shù)方案可以包括以下有益效果：

本發(fā)明實施例提供的購電競價策略，通過選取待預(yù)測電價日的相似日，根據(jù)相似日的電價預(yù)測待預(yù)測電價日的電價，準(zhǔn)確性高；進(jìn)一步的，根據(jù)相似日和相似日之前的歷史電價建立電價預(yù)測的相對誤差概率密度分布函數(shù)，并通過粒子群算法將待預(yù)測電價日的電價進(jìn)行調(diào)整，從而獲得待預(yù)測電價日的購電報價，大大提高了用戶購電競價的準(zhǔn)確性和科學(xué)性。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本發(fā)明的實施例，并與說明書一起用于解釋本發(fā)明的原理。

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，對于本領(lǐng)域普通技術(shù)人員而言，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種購電競價策略的流程示意圖；

圖2為本發(fā)明實施例提供的一種選取待預(yù)測電價日相似日的流程示意圖；

圖3為本發(fā)明實施例提供的一種預(yù)測待預(yù)測電價日電價的流程示意圖；

圖4為本發(fā)明實施例提供的一種建立電價預(yù)測的相對誤差概率密度分布函數(shù)的流程示意圖。

具體實施方式

這里將詳細(xì)地對示例性實施例進(jìn)行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本發(fā)明相一致的所有實施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

圖1是根據(jù)一示例性實施例示出的一種購電競價策略的流程圖，如圖1所示，本發(fā)明實施例提供的購電競價策略，包括：

S110：利用灰色關(guān)聯(lián)分析法選取待預(yù)測電價日的相似日。

影響電力市場統(tǒng)一出清價格的因素有日期類型、氣溫、濕度等等，考慮這些電價影響因素，基于灰色關(guān)聯(lián)分析法篩選待預(yù)測電價日的相似日。參見圖2，為本發(fā)明實施例提供的一種選取待預(yù)測電價日相似日的流程示意圖，具體包括如下步驟：

S1101：分別構(gòu)建待預(yù)測電價日的特征量矩陣以及待預(yù)測電價日對應(yīng)的備選相似日的特征量矩陣；

具體的，選取待預(yù)測電價日的往年相同日期、往月相同日期、之前一定時間內(nèi)的日期，如待預(yù)測電價日之前一個月的日期，共m個日期，作為備選相似日。當(dāng)然，還可選取其他日期，如待預(yù)測電價日之前季度中的日期作為備選相似日，均應(yīng)屬于本發(fā)明的保護(hù)范圍。每個備選相似日均考慮s個電價影響因素，同時，在備選相似日中，選取相同時間間隔(時間間隔一般選取30min或者60min)的特征量形成比較序列，其中，特征量的數(shù)量為p個，構(gòu)成m個s×p的特征量矩陣：

式中，A_i表示第i個備選相似日的特征量矩陣，x_i,j(p)表征第i個備選相似日中第j個電價影響因素的第p個特征量；

對于待預(yù)測電價日，采用上述同樣的方法建立特征量矩陣A，

式中，x_j(p)表示第j個電價影響因素的第p個特征量。

S1102：計算備選相似日特征量矩陣和待預(yù)測電價日的特征量矩陣的相同行序列相關(guān)度；

具體的，對于m個備選相似日，分別計算特征量矩陣A_i和A相同行序列的相關(guān)度，則m個備選相似日均分別得到s個關(guān)聯(lián)度，計為λ_i,j(1≤i≤m,1≤j≤s)，其表征第i個備選相似日的第j個電價影響因素與待預(yù)測電價日的對應(yīng)因素的相關(guān)度；該相關(guān)度的計算公式如下：

式中，x_i,j(h)表征第i個備選相似日中第j個電價影響因素的第h個特征量；x_j(h)表征待預(yù)測電價日的第j個電價影響因素的第h個特征量。

S1103：根據(jù)相同行序列相關(guān)度，計算備選相似日和待預(yù)測電價日的加權(quán)關(guān)聯(lián)度；

具體的，利用如下公式計算備選相似日i(1≤i≤m)與待預(yù)測電價日的加權(quán)關(guān)聯(lián)度λ_i：

式中，γ_j(1≤j≤s)為第j個電價影響因素與電價的關(guān)聯(lián)度；λ_i,j為第i個備選相似日的第j個電價影響因素與待預(yù)測電價日對應(yīng)因素的關(guān)聯(lián)度；λ_i為第i個備選相似日的加權(quán)關(guān)聯(lián)度；ω_j為第j個電價影響因素的加權(quán)系數(shù)。

S1104：根據(jù)加權(quán)關(guān)聯(lián)度，從備選相似日中選取相似日。

具體的，從m個備選相似日中，選取λ_i＞0.9(1≤i≤m)的備選相似日作為待預(yù)測電價日的相似日，選取的相似日天數(shù)記為l。

S120：根據(jù)所述相似日的電價，利用多元線性回歸法預(yù)測所述待預(yù)測電價日的電價。

根據(jù)步驟S110得到待預(yù)測電價日的相似日后，利用相似日的電價預(yù)測待預(yù)測電價日的電價。參見圖3，為本發(fā)明實施例提供的一種預(yù)測待預(yù)測電價日電價的流程示意圖，具體包括如下步驟：

S1201：建立含有待定回歸系數(shù)和隨機(jī)誤差的多元線性回歸方程，將相似日的電價代入含有待定回歸系數(shù)和隨機(jī)誤差的多元線性回歸方程；

具體的，建立多元線性回歸方程

y＝b₀+b₁x₁+.......b_lx_l+ε ε∈N(0,δ²) (5)

式中，b₀,b₁,……,b_l為待定回歸系數(shù)，ε為隨機(jī)誤差。

進(jìn)一步的，將相似日電價數(shù)據(jù)代入上式得：

Y＝XB+ε (6)

式中：

p為相似日每日所取電價時段數(shù)；l為提取的相似日天數(shù)。

S1202：利用最小二乘法計算待定回歸系數(shù)的估計量，得到確定回歸系數(shù)的多元線性回歸方程；

具體的，在最小二乘法中并入隨機(jī)誤差，求出待定回歸系數(shù)b₀,b₁,……,b_l的估計量，得到確定參數(shù)的線性回歸方程為：

式中，為確定回歸系數(shù)。

S1203：將相似日的電價代入確定回歸系數(shù)的多元線性回歸方程，預(yù)測待預(yù)測電價日的電價。

具體的，帶入相似日電價數(shù)據(jù)計算待預(yù)測日的電價P_basic(t)：

式中，P_simi,k(t)為第k個相似日的t時段實際電價，l為提取的相似日天數(shù)。

S130：根據(jù)所述相似日之前的歷史電價，利用多元線性回歸法得到所述相似日的預(yù)測電價，根據(jù)所述歷史電價和預(yù)測電價，建立電價預(yù)測的相對誤差概率密度分布函數(shù)。參見圖4，為本發(fā)明實施例提供的一種建立電價預(yù)測的相對誤差概率密度分布函數(shù)的流程示意圖，具體包括以下步驟：

求取電價預(yù)測的誤差概率分布函數(shù)可采用如下步驟：

S1301：選取相似日的前一日電價作為歷史電價；

具體的，對于l個相似日，分別選取其l-1日各時段電價作為歷史電價。

S1302：根據(jù)歷史電價，利用確定回歸系數(shù)的多元線性回歸方程，計算出相似日的預(yù)測電價；

具體的，采用步驟S110和步驟S120所述方法，求得對應(yīng)的相似日各時段預(yù)測電價。

S1303：根據(jù)相似日的預(yù)測電價和相似日的電價，計算出相似日各階段的電價預(yù)測相對誤差；

具體的，對第k個相似日的第t個時段電價進(jìn)行預(yù)測，預(yù)測電價相對誤差δ_k(i)可由下式求得：

式中，P^k(t)為第k個相似日的第t個時段電力市場統(tǒng)一出清電價真實值，P^k_predict(t)為第k個相似日的第t個時段電力市場統(tǒng)一出清電價預(yù)測值。

S1304：根據(jù)電價預(yù)測相對誤差，建立相對誤差概率密度分布函數(shù)。

具體的，基于步驟S1303計算得到的相對誤差，求取各時段統(tǒng)一出清電價預(yù)測誤差概率密度分布函數(shù)f(x)，f(x)具有如下特性：

一般情況下，電價預(yù)測誤差概率分布滿足正態(tài)分布，形如下式：

S140：根據(jù)所述相對誤差概率密度分布函數(shù)和所述待預(yù)測電價日的電價，利用粒子群算法進(jìn)行購電報價。

具體的，用戶購電報價可由下式表示：

P_bid＝P_predict(t)×(1+δ(t)) (12)

式中，P_predict(t)為步驟S120求得的各時段電價預(yù)測值，δ(t)為該用戶此次報價時愿意承擔(dān)的電價波動百分比(相當(dāng)于電價預(yù)測相對誤差)。

則該用戶在電力市場成交的概率(市場成交率函數(shù))為：

式中，f(x)為步驟S130中求得的相對誤差概率分布密度函數(shù)。

用戶用電成本包含電力市場購電成本和常規(guī)購電成本，可由下式求得：

式中，C_cost為用電成本函數(shù)，Q_total表征用戶總的用電量，Q_deal表征用戶在電力市場的成交電量，p_basic表征計劃電量電價，p_deal表征電力市場統(tǒng)一出清價格。

進(jìn)一步的，利用粒子群算法進(jìn)一步計算用戶購電報價的步驟如下：

初始化粒子群，確定粒子群規(guī)模，隨機(jī)產(chǎn)生每個粒子的初始位置X_i和速度V_i；

用目標(biāo)函數(shù)f₁(x)，f₂(x)分別計算每個粒子的適應(yīng)度值，其中，f₁(x)，f₂(x)分別對應(yīng)市場成交率最大和電力成本最低分別對應(yīng)于式(12)和式(14)中的p_bid，C_cost；

分別在兩個目標(biāo)函數(shù)f₁(x)，f₂(x)下求得各個粒子的個體極值；

分別求得兩個目標(biāo)函數(shù)f₁(x)，f₂(x)的全局極值；

計算兩個全局矢量的均值gBest和距離dgBest：

計算每個粒子pBest[1,i]和pBest[2,i]之間的距離dpBest[i]:

For i＝1:N

dpBest[i]＝Distance(pBest[1,i],pBest[2,i])

計算每個粒子更新速度V_i和位置X_i時所需要用到的個體極值pBest[i]:

用上面求得的gBest和pBest[i]更新每個粒子的速度V_i和位置X_i。當(dāng)速度V_i和位置X_i變化小于一個設(shè)定極小值時，迭代結(jié)束，得到帕累托最優(yōu)解。

本實施例中，用戶競價目標(biāo)可以是成交率最高或電力成本最低的單目標(biāo)，也可以是兩者合起來的多目標(biāo)。本實施例中的帕累托最優(yōu)解包含了用戶參與電力市場的報價，即用戶的報價決策。對于一些用電量不大，但是電能不可或缺的用戶(或者一些企業(yè)在某些時段有重要生產(chǎn)安排，如必須完成一定的生產(chǎn)進(jìn)度，否則面臨巨額罰款)可能以市場成交率最大為目標(biāo)；對于絕大部分企業(yè)，因為受到用電成本的制約不會以市場成交率最大為單一目標(biāo)，而是作為多目標(biāo)中的一個目標(biāo)考慮進(jìn)報價決策。

進(jìn)一步的，本實施例還提供了基于能效進(jìn)行報價決策的方法，具體包括：

(1)定義用電能效

將用戶用電能效定義為單位用電成本的產(chǎn)值大小，計算公式如下：

式中，表征用戶i的用電能效，表征用戶i的生產(chǎn)總值，表 征用戶i的總用電成本。

(2)構(gòu)建用戶生產(chǎn)收益函數(shù)

用戶生產(chǎn)收益函數(shù)可由下式表征：

式中，Q^Total表征用戶總的電能需求，p_market表征用戶單位產(chǎn)品市場售價，C_loss表征用戶用電損耗，C_depreciation表征用戶設(shè)備折損。本實施例中，影響用戶生產(chǎn)收益函數(shù)的因素還有很多，用戶生產(chǎn)收益函數(shù)P_i^TotalIncome的具體表達(dá)式應(yīng)根據(jù)用戶實際生產(chǎn)情況進(jìn)行確定。

(3)構(gòu)建用戶用電成本函數(shù)

式中，Q_Total和Q_deal分別表征用戶用電總量和該用戶電力市場成交電量，p_basic和p_deal分別表征計劃電價和電力市場統(tǒng)一出清價格。影響用戶用電成本的因素還有很多，用電成本函數(shù)具體表達(dá)式應(yīng)根據(jù)該用戶需考慮的實際用電成本因素進(jìn)行確定。

(4)基于用電能效最優(yōu)進(jìn)行報價

基于用電能效最優(yōu)進(jìn)行報價可轉(zhuǎn)化為求如下最優(yōu)化問題的解：

進(jìn)一步的，用戶的電力市場成交價格受到用戶能效的影響，即式(14)中的用戶市場出清價格p_deal滿足如下關(guān)系：

式中，為不考慮能效時市場的統(tǒng)一出清價格，p_deal為考慮能效情況下用戶實際支出的電價，g_i是與β_i^{EnergyEfficiency}正相關(guān)的一個函數(shù)，由市場機(jī)制設(shè)置決定(用戶支出電價p_deal與用戶能效β_i^{EnergyEfficiency}成反比)，根據(jù)β_i^{EnergyEfficiency}的具體表達(dá)式，應(yīng)選擇相應(yīng)的方法進(jìn)行求解獲得購電報價。

本發(fā)明實施例提供的購電競價策略，通過選取待預(yù)測電價日的相似日，根據(jù)相似日 的電價預(yù)測待預(yù)測電價日的電價，準(zhǔn)確性高；進(jìn)一步的，根據(jù)相似日和相似日之前的歷史電價建立電價預(yù)測的相對誤差概率密度分布函數(shù)，并通過粒子群算法將待預(yù)測電價日的電價進(jìn)行調(diào)整，從而獲得待預(yù)測電價日的購電報價，大大提高了用戶購電競價的準(zhǔn)確性和科學(xué)；更進(jìn)一步的，基于用電能效進(jìn)行購電報價，有助于降低用戶購電成本的同時提高用戶能效水平，進(jìn)而提高整個社會的能效水平。

本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里發(fā)明的公開后，將容易想到本發(fā)明的其它實施方案。本申請旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本發(fā)明未公開的本技術(shù)領(lǐng)域中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的，本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。

應(yīng)當(dāng)理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來限制。