一、用户分类电价决策方法的研究(论文文献综述)
崔涵淇[1](2021)在《基于协商议价模型的售电公司博弈购售电策略研究》文中认为2015年3月中共中央国务院颁布了《关于进一步深化电力体制改革的若干意见》,其中售电侧开放是本次电力市场化改革的重要部分,随着我国电力市场售电侧的放开,越来越多的售电公司参与市场竞争,一方面用户有了更多的选择权,另一方面售电主体的购售电价格由原来的政府定价变更为售电主体通过自主协商和市场竞价等方式实现。在这种背景下,售电公司的购售电策略就成为了电力市场研究的一项重要内容。本文从售电公司的购电策略和售电策略两方面展开研究。主要工作内容如下:在购电侧,针对偏差电量考核对售电公司盈利产生不利影响的问题,提出了一种偏差电量考核下考虑多主体合作博弈的售电公司成本控制策略。首先,从售电业务、服务质量和企业品牌三方面构建售电公司市场竞争力的评价指标体系,采用层次分析法对各售电公司的市场价值进行评估,并基于Logit模型计算它们的市场占有率;其次,借鉴双边协商交易模式的概念,建立售电公司和供电公司之间的协商议价模型,并计算偏差电量考核下售电公司合作联盟的购电成本;最后,计算不同分配模型下各售电公司的购电成本分配,并确定出使联盟稳定的成本分配模型,分析该模型下售电公司的成本控制效果。算例证明本文所提方法可以减小偏差电量考核给售电公司带来的经济损失。在售电侧,利用电力需求响应机制,通过引导用户主动参与电网调峰,能够提高用户和电网互动的积极性、减轻电网峰时供电压力。针对各电力用户因其用电差异性而需要不同的电价套餐,且电力用户选择电价套餐的决策行为普遍是有限理性而非完全理性的,该决策行为存在演化博弈过程的特点,提出了一种考虑有限理性用户选择行为的定制化电价套餐设计方法。首先,采用K-means算法对电力用户的日负荷曲线的负荷特征指标对其进行聚类分析,并生成聚类后的每一类用户的典型负荷曲线,利用模糊理论根据各典型负荷曲线确定各套餐的用电曲线;其次,通过熵权法计算用户效用,并在此基础上应用演化博弈理论计算用户在有限理性情况下的套餐选择比例;然后,建立售电公司和供电公司之间的协商议价模型;最后,在保障售电公司市场占有率和用户满意度的前提下,以实现售电公司和用户的双赢为目标,建立面向有限理性用户的定制化电价套餐模型。算例证明本文所提方法可以在达到需求响应效果的同时实现售电公司盈利最大化。
王美艳[2](2021)在《售电侧放开下零售电价套餐体系设计及定价方法研究》文中提出电改“9号文件”以及配套文件明确提出了向社会资本放开售电业务,增加售电市场竞争主体类型,给予电力用户自主购电的权利。构建售电市场运营机制是放开售电侧市场的关键,而确定合理电价水平成为市场运营机制建立的核心任务。同时,零售电价也是电力批发市场价格信号向用户传导的重要途径,合理的价格机制将有效促进放开的电能量市场和售电市场协同运转、健康发展。随着售电侧市场的发展,对于售电公司而言,要求零售电价巩固企业市场地位、控制市场风险。从电力行业发展来看,零售电价是促进电力结构优化和节能减排、提高电网安全的重要手段。零售电价虽然在售电侧放开过程中占据着核心地位,但目前售电市场推出的价格种类单一、价格水平也由电力买卖双方协商确定,很难提高用户用电效率。电价套餐定价方法没有考虑现货电能量市场价格波动和用户用电不稳定的影响,而且售电公司没有确定差异化电价套餐的市场占有率,导致定价结果偏离市场实际。基于以上情况,结合售电市场放开后零售电价相关价格政策研究的重要意义,本文从售电侧改革要求出发,借鉴国外电价套餐体系经验,围绕售电市场电价定价,开展用户的用电行为分析和市场细分、零售电价套餐体系设计、零售电价套餐定价优化及零售电价套餐适应性评价等一系列相关研究。具体研究内容如下:(1)分析国内外售电市场现状及电价套餐体系设计,总结国外电价套餐体系经验。首先分析了国外电价套餐体系设计的目的和特点,研究电价套餐体系设计的影响因素,并分析了套餐与负荷特性之间的影响机理,进一步分析国外电价套餐电价水平的组成和定价策略,参考国外电价套餐设计和定价方法,得出设计完善我国电价套餐体系、制定电价水平的经验启示。(2)基于电力用户用电行为构建市场细分模型,首先应用k-means算法对全维度的负荷曲线进行聚类,按照四个季节分析聚类后电力用户用电特点,然后考虑售电市场放开后电价和市场风险对用户用电行为的影响,并提取负荷曲线负荷特征指标,从当前价值、潜在价值、用户信用度三个维度构建三维细分模型,应用Kohonen神经网络对用户进行再次聚类,将细分用户对应到三维细分模型的8个象限,分析聚类用户用电特点,并分析电力用户细分市场适用电价套餐。(3)考虑电力用户细分市场差异化用电需求,构建电价套餐模块化设计模型。首先基于选择树分析电价套餐组成的结构层次,包括基本模块、必选模块、可选模块三个功能模块;然后基于电力用户核心需求、形式需求、附加需求,从需求模块到功能模块再到物理模块分析了设计电价套餐结构映射关系。论述基于模块化设计电价套餐的框架、原则以及方法和流程,构建电价套餐模块化设计模型,依据套餐设计规则和模块间的约束关系,结合电力用户实际用电行为数据设计针对性的电价套餐,基于售电市场电力用户多种用电特征设计差异化维度组合的电价套餐体系。(4)从售电市场用户特征和电价套餐属性角度考虑,提出一种基于电力用户特征相似度矩阵和套餐多属性效用的电价套餐混合推荐模型。首先从电力用户基本属性、消费属性和当前用户电价属性三个维度分析了电力用户的特征,引入邻近度量来量化用户混合特征数据类型,基于用户相似度矩阵获得初始电价套餐推荐集,然后从电费支出和用电方式两方面分析了电价套餐对用户的综合效用,按照套餐效用最优原则为用户推荐最终电价套餐集,最后分析售电市场发展不同阶段适合电价套餐。(5)考虑售电市场用户购买电价套餐的意愿和选择权,提出了一种考虑用户自主选择性的电价套餐定价优化方法。首先基于电价套餐效用分析用户对套餐的选择策略,建立售电公司市场份额,然后分析中长期和现货市场环境下售电公司不同购电模型,构建以最大化售电公司利润为目标的基础型电价套餐定价模型,并考虑现货市场电价波动和电力用户需求不稳定情况带来风险的限制,最后参考基础型电价套餐定价模型构建峰谷电价套餐、季节峰谷电价套餐、高可靠性电价套餐等组合电价套餐的优化定价模型,选取某地区电力用户的用电数据和批发市场电价数据,测算不同电价套餐的价格水平,通过实例分析验证了本文基于用户选择策略的定价模型更精确。(6)考虑售电市场发展实际情况,构建电价套餐多维度适应性评价模型。首先从售电市场、售电公司和用户三个维度分析零售电价套餐的适应性影响因素,建立了兼顾售电公司和用户利益的电价套餐适应性评价指标体系。然后应用数据包络分析(data envelopment analysis,DEA)分析定量指标,云模型评价不可量化指标,并运用云模型处理定量评价结果,得到电价套餐模糊综合评价结果,最后分析电价套餐适应性评价结果的合理性,评价结果与实际相符。本研究致力于解决售电公司在设计电价套餐和制定电价水平方面存在的问题,分析用户用电行为并细分市场,针对不同市场电力用户用电行为特点设计套餐,结合电能量市场购电成本和风险构建定价模型,完成了电价套餐体系设计、考虑用户自主选择性套餐定价优化、套餐效用分析及最优套餐推荐等工作。本研究对于售电公司实施科学量化的电价套餐设计和营销工作具有现实指导意义。
王珂珂[3](2021)在《计及新能源的电力现货市场交易优化研究》文中认为能源是社会进步和人类生存的物质基础,随着能源资源约束日益加剧,绿色低碳发展成为我国经济社会发展的重大战略和生态文明建设的重要途径,我国亟需加快建设以可再生能源为主导的清洁低碳、安全高效的能源体系,实现“30·60”双碳目标。电力工业在现代能源体系中处于核心地位,在减少温室气体排放方面发挥着重要作用,应加大力度发展以风电、太阳能为代表的绿色电力。但由于中国风能、光能富集区与需求区逆向分布,市场在优化资源配置中的作用发挥不够充分,亟需完善新能源参与的电力现货市场交易机制,构建高比例新能渗透的电力现货市场交易决策支持方法,以实现资源有效配置,促进新能源消纳。鉴于以上考虑,本文从新能源参与对电力现货市场影响、新能源发电功率预测与电力现货市场电价预测、计及新能源的中长期合约与现货日前市场的衔接与出清机制、电力现货市场各阶段市场的衔接与出清机制、碳交易权市场与电力现货市场的耦合机制等多个方面展开研究。本文主要研究成果与创新如下:(1)对新能源参与对电力现货市场的影响进行研究,基于电力现货市场价格信号的复杂性,构建由三个模块构成的新能源对电力现货市场影响分析模型,包括基于数据统计的相关性分析、基于小波变换与分形理论的全部特征值分析与基于关键因素提取的相关性分析。以丹麦两地区现货市场的历史数据进行验证,证实新能源发电对于电价影响高于常规历史数据;基于小波变换分析与分形理论求得全部特征值方法,计算两地区分类准确率为分别为80.35%,82.30%,分类结果表明负荷、新能源发电量序列与新能源发电量占比分类错误率较高;通过关键特征提取的相关性分析结果,重要程度位于前三的因素均存在新能源发电相关因素。因此研究中仅考虑负荷等常规因素不足以支撑电力现货市场电价预测、交易匹配与出清问题的研究。(2)对电力现货市场中新能源发电功率与电价预测进行研究,构建基于完全集成经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与样本熵(sample entropy,SE)的数据预处理策略,基于和声搜索(harmony searchm,HS)算法优化的核极限学习机(kernel extreme learning machine,KELM)的混合新能源发电功率预测模型,基于相似日筛选与长短期记忆模型(long short-term memory,LSTM)的电力现货市场电价预测模型。针对非线性、非稳态的短期新能源发电功率预测,首先通过皮尔森相关系数筛选模型输入数据,减少数据冗余;而后,采用CEEMD-SE的组合数据预处理策略,对发电功率时间序列进行分解和重构,消除数据噪声,减少模型计算量;其次,采用HS-KELM模型对重构后的多个子序列进行建模预测,集成处理后得到最终的新能源发电功率预测值。基于CEEMD-SE-HS-KELM新能源发电功率预测模型具有更高的预测精度。针对电力现货市场电价预测,将新能源出力指标纳入电力现货市场电价预测中,首先采用CEEMD-SE对电价序列进行分解与重构;而后,构建基于随机森林(random forest,RF)与改进灰色理想值逼近(improved approximation ofgrey ideal values,IAGIV)的新能源出力影响量化模型,筛选出与待预测天数关联性较强的历史天作为输入集;其次,采用LSTM模型对重构后的多个子序列分别进行预测,基于CEEMD-SE-RF-IAGIV-LSTM预测模型对于电价序列的拟合效果较好,可为电力现货市场参与主体制定交易策略、现货市场出清撮合提供支撑,降低电力现货市场中的风险。(3)对计及新能源与中长期市场影响的现货日前电力市场优化模型进行研究。本文提出计及中长期合约电量分解与新能源参与的日前电力市场交易优化模型,首先构建考虑火电厂合约电量完成进度偏差的中长期合约电力分解模型,将分解得到的每日中长期合约电量作为约束引入日前市场的优化模型中,保证中长期合约电量物理执行;针对系统不确定性进行建模,在电力现货市场价格模拟中加入新能源渗透率,更精准地刻画能源参与对于电力现货市场的影响;构建新能源参与的日前市场多目标出清优化模型,利用模糊优选方法对多目标进行转换,较好地平衡经济性与节能减排目标;最后采用基于GA-PSO组合优化模型对构建模型进行求解。模型求解结果表明,本文构建的多目标优化函数能够在保证系统运行经济效益的基础上,实现环境效益最大化,达到节能减排的效果;同时随着新能源渗透率的增加,系统不确定性增加,常规机组的成交电量有所下降。(4)对计及新能源的日前市场与日内市场的衔接机制进行分析,并构建相应的出清优化模型。在日前市场与实时市场之间增加日内市场,以减少系统辅助服务成本、降低用于平衡间歇性、波动性新能源的化石燃料容量、灵活性资源配置与储能成本,以提高现货市场效率,更好的发挥市场对资源优化配置的作用。采用基于模型预测结果与误差分布函数结合的不确定性刻画模型,而后构建了基于拉丁超立方采样进行场景集生成法与改进谱聚类分析的场景集削减策略,能够选择出最具代表性的场景集。基于电力现货市场出清流程,将含有新能源较多的系统将引入日内市场,以减小实时市场的功率偏差,提高系统运行的经济性和稳定性,采用预测模型对新能源出力、电力负荷进行预测,结合预测误差分布函数刻画系统不确定性;构建日前市场和模拟日内市场联合出清优化模型,在各个日内市场考虑对应实时市场新能源偏差功率的不确定性、电价不确定性,建立各日内市场和模拟实时市场联合优化模型。(5)考虑到中国“30·60”双碳目标与宏观发展规划,本文构建一个基于STIRPAT模型碳排放影响因素分析与改进烟花算法(improved fireworks algorithm,IFWA)优化的广义回归神经网络(general regression neural network,GRNN)预测模型。基于不同的社会环境与政策环境,对碳排放影响因素进行模拟并设定,预测结果表示中国的碳排放总量将于2031年达到峰值。以此为基础分析现行政策下中国的碳减排压力,并进行相应的建设全国统一的碳交易权市场必要性分析。而后,基于电力市场和碳市场的建设现状,利用系统动力学模型进行碳交易对电力现货市场的影响分析,系统动力学模型分析结果证实电力市场价格与碳交易价格呈现正相关关系;最后,基于对于碳交易对电力市场作用机理的分析,提出碳交易机制与电力现货市场机制协同建设建议。
徐广达[4](2021)在《基于用电信息动态感知的需求响应研究》文中提出需求响应对于提高电力市场效率和电力系统稳定性具有重要作用,在逐步开放的电力市场中,售电公司成为重要的电能交易主体。在电力物联网获取高质量大数据的驱动下,准确地分析和提取终端用户用电特征,深度挖掘终端用户的需求响应潜力,设计不同的交易时间尺度上的激励措施,引导终端用户参与需求响应,对于提升用户的用电效率、提高售电公司的收益、保障电力系统的安全经济运行和促进电力市场的竞争活力均具有重要作用。能源互联网建设可实现终端用户用电设备的状态感知,为需求价格弹性的评估提供全新的数据支持。以此为前提,提出一种基于设备用电特征的电力需求价格弹性评估方法。首先,根据需求价格弹性的定义,分析用电设备的使用特征与自弹性、交叉弹性的关联性,揭示用电设备可调整性对用户电价响应行为的客观约束。其次,针对终端用户因数量庞大且主观响应意愿存在差异而导致的设备用电调整不确定性,结合与用电特征关联的设备可调整性分类,构建基于设备用电调整模糊推理的电价响应行为分析模型。最后,将响应结果对应到需求价格弹性矩阵计算,完成电力需求价格弹性评估。算例分析验证了所提的方法的合理性与有效性。推出各种电费套餐并推荐给终端用户,是售电公司长期服务用户和引导用户调整用电行为的重要举措。为充分发挥套餐的引导作用,提出了电费套餐指导性推荐模型,充分利用设备用电特征的可观性优势,构建模型并求解设备调整标杆策略,使用户与电费套餐达成用电效用最大化的深度匹配。模型考虑了用电成本与绿色能源消纳两方面效用。仿真分析表明,模型通过量化展示设备调整对用电效用的提升,增强了用户对套餐指导作用的认知,并能实现购电选择与用电策略的个性化指导。售电公司代理中小型用户参与需求侧资源交易,能够为实时市场提供更为可靠的平衡能量与辅助服务。为了满足售电公司参与市场交易时对需求响应的准确感知与实时决策需求,提出了基于动态用户分类的需求响应感知与决策方法。首先,基于持续更新的交易经验计算电价弹性并将其作为分类依据,采用SOMs对用户进行动态聚类分析,实现售电公司对用户响应行为的实时感知。在此基础上,充分考虑用户响应行为的不确定性,构建售电公司与市场环境的交互模型,并应用深度强化学习技术,求解环境信息不完全条件下的交易策略。仿真分析表明,所提模型求解的交易用户选择顺序和激励价格具有较高的准确性,能够有效控制实际响应量与中标量的偏差,并提高售电公司的交易收益。综上所述,在物联网技术获取设备级数据的前提下,深入分析了终端用户的用电特征和响应规律,提出了一种基于设备用电特征的电力需求价格弹性评估方法,并在此基础上,提出电费套餐指导性推荐方法和实时需求响应交易决策方法。深度挖掘终端用户的需求响应潜力,提供不同时间尺度上的需求响应实施方案,对提升终端用户的用电效率、提高售电公司的收益、保障电力系统的安全经济运行和提升电力市场的竞争活力具有重要的理论意义与实用价值。
张新宇[5](2021)在《面向电网可靠性差异化需求的最优需求侧响应决策研究》文中认为需求响应策略一般通过电价和激励等手段使用户在特定时段内转移或削减负荷,从而达到削峰填谷、提高电力系统稳定性的目的。然而,不同类型需求响应策略间的关系及其对电力系统可靠性的影响仍需深入挖掘。基于此,本文依托国家自然科学基金青年项目“考虑需求侧响应的主动配电系统风险评估及优化研究”项目(51607051),通过递进式结构对系统可靠性需求和需求响应策略的关系展开研究。本文首先提出典型日选取和时段划分方法,为需求响应策略的提出奠定基础;其次,对分时电价和尖峰激励的关系进行研究,验证两种方法对系统可靠性的提升效果;最后,提出差异化可靠性需求下,面向不同用户类型的电价型需求响应决策方案,为可靠性需求和电价决策建立直接联系。本文的主要工作及创新如下:(1)基于模糊聚类的典型日选取和时段划分研究。典型日的选取和时段划分是需求响应研究的基础。传统方法选取的典型日负荷曲线难以代表全体样本的负荷特征,而传统时段划分方法无法满足不同情况下的划分需求。因此,本文通过模糊C均值算法(fuzzy c-means,FCM)选取最优典型日负荷曲线,并基于模糊聚类根据不同时段划分需求提出三种具有不同特点的时段划分方法。(2)考虑分时电价和尖峰激励的最优需求响应决策研究。传统分时电价方案难以兼顾供需双方利益,而传统尖峰负荷调控策略没有顾及分时电价对负荷曲线的影响。基于此,本文建立考虑供需双方利益的分时电价优化模型,提出粒子群退火算法(simulated annealing particle swarm optimization,SAPSO)求解,并在分时电价的基础上根据用户缺电成本和比例分摊原则建立基于激励的尖峰负荷调控模型,进一步削减尖峰负荷。(3)面向电网可靠性差异化需求的分时电价决策研究。传统需求响应研究通过优化分时电价来评估其对电力系统可靠性的影响,无法根据差异化可靠性需求获得相应分时电价方案。因此,本文通过建立计及系统可靠性的分时电价优化模型,提出多目标粒子群退火算法(multi-objective simulated annealing particle swarm optimization,MO-SAPSO)对模型求解,使用三阶埃尔米特插值算法拟合双目标函数帕累托前沿曲线并训练三层反向传播(back propagation,BP)神经网络来获得不同可靠性需求下的分时电价方案。此外,本文还通过双层优化方法使用SAPSO算法求解高可靠性需求系统最优可靠性水平下的分时电价方案。
付晓旭[6](2021)在《电网企业混改业务投资分析及运营优化研究》文中提出在2015年3月15日,中共中央、国务院下发《关于进一步深化电力体制改革的若干意见》(中发(2015]9号),指出放开发电、售电等属于竞争性环节的价格,管住输电、配电等属于自然垄断环节的价格。2015年8月24日,中共中央、国务院又印发了《关于深化国有企业改革的指导意见》(中发(2015)22号),提出了发展混合所有制经济、分类推进国企改革、完善国资监管体制的明确意见。在电力体制与国企“双重改革”背景下,电网企业需要探索混合所有制改革及其国有资本投资运营模式,促进资本优化配置,提高运营效率,改进国有企业机制。论文以国有电网企业为研究对象,研究混合所有制改革背景下的业务投资领域选择、投资成效分析和运营优化模式。主要研究内容包括以下几方面:(1)分析了国企混改指导政策与推进途径。从国家层面、地方政府层面、电网企业层面三个维度出发,梳理了国有企业混改的相关政策;研究了国企混改分类、分层、各类资本参与的途径,提出了混改的基本流程,旨在为电网企业混改业务投资分析及运营模式研究提供框架。(2)构建了电网企业适合混改业务的经济性评价模型。提出了综合能源服务、竞争性配售电、分布式能源微网、电动汽车充电等混改业务类型;基于SWOT模型,分析了电网企业发展混改的机遇与挑战;构建了电网企业混改业务的经济性评价模型。(3)构建了电网企业微网混改业务投资运营优化模型。分析了光伏选址、电动汽车充电、储能等业务投资可行性;分析了微网全寿命周期成本效益,计算了净现值、内部收益率、投资回收期等指标;基于风电光伏等不确定性,引入CVaR方法和鲁棒随机优化理论,构建了微网业务多情景投资运营优化模型。(4)构建了电网企业综合能源混改业务投资运营优化模型。分析了冷热电综合能源市场交易业务模式;构建了冷热电综合能源运营优化模型;选取典型示范工程开展实例分析,分析了电网企业投资综合能源服务业务的盈利情景,以及风电与光伏发电等综合利用效果等。(5)构建了电网企业竞争性配售电混改业务投资运营优化模型。对配售电混改业务经营模式进行梳理;以资产利用率为投资优化目标,建立含分布式电源的增量配电业务投资优化模型;基于博弈分析,构建电网企业售电业务系统动力学分析模型。(6)构建了电网企业不同混改业务组合运营成效排序评价模型。建立了电网企业混改业务评价指标体系,结合熵权法与序关系分析法给指标集成赋权,构建了组合混改业务的成效排序评价模型。
刘艾旺[7](2021)在《基于电力营销大数据的用电客户精准营销》文中进行了进一步梳理随着我国新一轮电力体制改革的加速推进,售电侧市场的进一步开放和互联网、大数据技术的不断发展,正对供电企业的经营模式、商业模式和服务模式产生巨大的影响,电力营销服务逐步由业务经验驱动转变为客户多样化需求驱动。党的十九大报告指明,目前我国社会生产力的不均衡发展已阻碍人民进一步对美好幸福生活的向往,随着中国社会与经济的高质量稳步发展和人民消费观念的不断提升,用电客户对电力产品和服务质量的要求也越来越高。由于供电企业尚未完全建立用户大数据分析模型,难以掌握用户的用电体验和真实需求,对不同用户呈现出的多样化和差异化电力需求难以付诸实施,这直接影响着供电企业的可持续发展。因此本文依托供电企业积累海量终端用户用电数据,主要对用电信息采集系统和营销系统的用户用电数据进行特定分析,通过用户细分方法研究,比较不同数据算法的验证结果,从纷繁复杂的用电数据中发掘用户用电特性,并归类细分。提出更加精准的用户营销策略,帮助用户合理用电,改善效能效益,并促进供电企业增供扩销,改善服务模式,提升企业运营效率。本文首先分析了售电侧改革和大数据技术飞速发展的今天,电网企业所累积的海量营销数据资源的价值和对供电企业发展的影响,提出大数据技术在营销工作中的应用理念。随后简要介绍相关营销理论和基于STP理论对电力客户的细分研究,根据客户用电行为特征和用电需求,提出用电客户划分维度、指标设置以及细分模型构建,并以模型构建为基础简单介绍大数据概念及常用算法,主要包括分类算法、聚类算法和关联规则算法等。针对用户用电数据特征,构建不同场景的数据模型,并以浙江某地区用户数据为例,比较不同算法下的结果准确性,提出特定情景下最合适的数据算法。最后根据数据算法分析结果,以客户细分方法为指导,针对性提出不同类型用户的精准营销策略,并以大数据分析结果为基础,在客户服务、渠道开拓、增供扩销、效能管理等方面提出具体措施,从而实现对用户的精准营销,促进公司高质量与可持续发展。
蒋浩然[8](2020)在《面向负荷聚合商的需求响应资源调控策略研究》文中进行了进一步梳理在电力市场化环境下,负荷聚合商是一个处于系统运营商和零售客户之间的“协调”角色,可基于全流程技术方法评估中小用户的调控价值,实现离散化资源的高效整合,对于推动智慧用能,促进电力行业及经济社会的可持续发展起到积极作用。负荷聚合商在代表管控的电力用户参与市场竞争时,市场的波动性以及用户侧的不确定性对其效益目标的实现带来了负面影响,而需求响应机制的科学设计是其开展经营业务和降低运营风险的基础。我国当前仍处于电力体制改革的探索期,以负荷聚合商为研究对象,进一步探究其在市场架构下的需求响应资源调控策略具有重要意义。总体而言,本文的研究重点在于,如何综合考量用户的用电行为、参与意愿、响应容量、激励成本以及电力市场价格的变化等多方面因素,制定适应不同客户群的差异化激励政策,以降低负荷聚合商面临的市场风险,实现自身经济效益最大化的目标。具体工作包括以下方面:(1)从负荷聚合商的相关概念入手,归纳了其业务范围和各类型资源的基本特征。在此基础上,从主能量市场竞标、辅助服务市场竞标和售电业务应对市场电价波动三个角度,总结和对比了负荷聚合商实施需求响应的典型场景,并分析了影响其决策的基本要素,包括用户侧电价机制、市场电价预测以及用户基线负荷预测等。(2)提出了用户基本情况、用电行为特征以及需求响应参与意愿三个维度的居民用户用电行为画像的构建方法,建立了反映用户负荷曲线典型特征的定量化指标,给出了各项指标的详细计算公式以及基层指标权重的客观分配方法。然后,进一步提出了基于优劣解距离法的需求响应目标用户优选流程,算例分析得到某地区样本用户的综合评价指标,由高到低排序完成目标用户库的构建。在此基础上,总结了迭代自组织数据分析算法的原理和计算步骤,并基于该算法对综合评价结果位居前列的居民用户基线负荷进行了聚类分析。(3)计及用户侧的不确定性和不同用户差异化的舒适度要求,综合考量经济性效益和舒适度影响两方面,应用随机规划理论建立了下层理性用户响应模型,并在此基础上,提出了以综合效益最大化为目标的上层负荷聚合商决策模型。上下层之间传递变量完成信息交互,形成了应对市场电价波动的日前需求响应策略双层优化模型。然后,给出了差分进化(differential evolution,DE)算法的计算公式和迭代流程。通过算例仿真,分析了不同类别居民用户响应行为的差异,基于DE算法求解出各类用户单位负荷削减量的最优经济补偿金额。同时,对负荷聚合商在实施需求响应前后的成本及收益情况进行核算,并最终通过灵敏度分析,验证了模型在关键参数变化时的稳定性。
刘迪[9](2020)在《电网需求侧分布式用户响应模型及差异化需求响应策略研究》文中认为随着社会的飞速发展,对于能源的需求量快速上升,但传统能源会带来严重的环境污染问题,因此加快可再生能源的发展,逐步替代传统化石能源,形成绿色可持续发展的能源供给体系,成为了世界各国的普遍共识。但随着可再生能源的大量渗透,电网供给侧的调节灵活性在快速下降,弃风弃光现象严重等问题。因此,亟需挖掘需求侧的可调节潜力,形成供需互动的能源供给体系。由于负荷容量的限制,以居民用户为代表的大量中小型用户无法直接参与电力批发市场的集中式竞价与调节,只能通过售电商参与到电力批发市场中。其能源消费总量较大,且有较强的可调节潜力,但用户之间负荷特性及可调节弹性差异较大,易受外界环境因素影响,充分释放其可调节潜力面临着较大的困难。基于此,本文对面向需求侧分布式用户的需求响应引导机制及关键技术进行了研究与探讨,主要研究内容及结论如下:(1)厘清电力批发市场中不同类型需求响应项目对于负荷侧调节的需求,梳理需求响应的调节机制。首先从电力批发市场的角度出发,分别分析了能量市场、容量市场以及辅助服务市场中需求响应项目对于负荷调节精确性与时效性的需求,进而通过对基于价格的和基于激励的需求响应业务机制的梳理,分析不同调节机制对于需求侧分布式用户的适用性,最后提炼了所需的关键技术,并对不同技术的优缺点进行了对比分析。(2)针对需求侧分布式用户多样化的特点,构建具有较强鲁棒性的用户响应行为模型,实现对用户负荷调节行为的精准预测。首先从经济学角度分析用户参与需求响应的决策机理,进而分析用户负荷调节决策的主要影响因素,引入LSTM网络构建用户响应行为模型,最后通过仿真实验验证了所提模型对于用户群负荷调节行为的预测具有较好的精度,同时在不同的需求响应机制下,均有着良好的表现。(3)针对电力市场初期需求侧分布式用户对需求响应业务较为陌生且接受度不高的情况,设计了按次结算的激励差异化需求响应机制,构建了等梯度迭代学习激励策略。本文从数学上证明了在该机制下,用户响应的成本梯度相同时,具有最低的激励成本。基于此构建了等梯度迭代学习激励策略,优化获得每次需求响应中下发给不同用户的激励量。通过仿真实验验证了所提策略能够引导用户精确的完成需求响应目标,同时有效降低售电商的激励成本。(4)为了更加充分的挖掘用户调节弹性的差异进一步降低激励成本,设计了结算差异化激励机制及LSTM-PSO优化策略。引入激励因子的概念,使用户每单位调节量获得的补贴随响应量的增加而提高。进而构建LSTM-PSO优化策略,以尽可能低的激励成本引导用户完成需求响应目标。本文从数学上证明了所提结算差异化激励机制的优越性,同时通过仿真实验验证了所提结算差异化激励机制以及LSTM-PSO优化策略能够在保证完成需求响应目标的前提下,将激励成本降低至理论最优值附近。(5)面向未来大量出现的具有负荷和电源双重属性的产消者群体,设计了考虑光伏消纳的价格差异化需求响应机制及边云协同迭代优化策略。通过对前述激励因子的优化,形成更加灵活的电价结算折扣因子,使为供需平衡做出更大贡献的产消者享受更低的电价折扣。基于粒子群算法,设计了边云协同优化迭代算法,并对适应度函数进行优化,加速算法的收敛速度,以节省售电商的算力成本。通过仿真实验验证了所提机制及策略能够有效的降低产消群负荷不平衡量,并提升售电商和产消群效益。综上所述,本文对电力市场环境下售电商聚合需求侧分布式用户参与电力批发市场需求响应项目的实施方式及关键技术进行了研究,建立了用户响应行为模型实现了用户调节行为的精准预测,同时针对需求响应实施的短期、中期以及远期分别设计了激励机制及优化策略,以期通过本文的研究,为电力市场环境下需求侧分布式用户参与需求响应调节的实施方式提供借鉴与参考。
任东方[10](2020)在《多种能源发电协同发展管控模型及大数据分析研究》文中提出随着新能源在全球范围内的崛起,我国的新能源发展也十分迅速,新能源和传统能源之间的和谐可持续发展成为值得关注的话题。用于发电的能源占据了能源消耗的重要部分,因此多种能源发电的协同是优化能源结构和促进大规模可再生能源发展的必经之路,是一个值得研究的话题。针对多种能源发电在协同发展中的一些问题,本文在多种能源发电发展现状和协同发展框架分析的基础上对多种能源发电协同发展过程中可再生能源被弃用和发电行业污染气体排放等问题进行探讨,并从多种能源发电协同发展的风险管控、信息管控、大数据分析、仿真分析的角度设计了本课题的研究思路,主要的研究内容和成果如下:(1)在电力和能源行业的当前发展背景下分析了多种能源发电协同发展的模式和框架。系统地分析了协同发展中的参与主体和主要发展瓶颈,从多种发电形式的协同模式、保障机制和发展原则等方面,提出了多种能源发电协同发展的研究结构,为后文的研究内容做铺垫。(2)针对多种能源发电协同发展中可再生能源的弃用风险,建立了风险管控模型。通过发电厂商、电网、政府、社会各方面的利益博弈来计算区域内的整体风险,以期寻求区域内一个风险最低、收益最大的多种能源发电的协同发展模式。然后以我国京津冀地区为例,对降低“弃风率”的风险成本进行计算,得到了该地区在需求不变时增加风电发电量所付出的总体成本和收益。(3)建立了基于系统动力学的多种能源发电协同发展信息管控模型。在构建了各参与主体的信息池的基础上,分析了各主体内部的信息协同和共享关系。从电厂、用户、电网、政府和社会角度对多种能源发电协同过程中涉及的多方信息进行融合,建立了包含多主体的协同发展信息管控模型。将相关数据和政策信息带入模型,分析得到在信息的协同作用下多种能源发电的比例结构变化趋势,不同种类能源发电量对污染气体排放的影响,以及相关政策目标实现的可能性。(4)对多种能源发电中的大数据进行分析,旨在研究协同发展中的规律,更好地对协同发展进行管控。以山西省多种能源的发电数据、用电量数据、污染气体排放数据为例,借助决策树模型、回归分析和聚类分析等大数据挖掘方法,对多种能源发电协同发展进行大数据分析研究,从而得到多种能源发电协同发展中的潜在规律和有价值的信息,为政策的制定提供参考。(5)在上述分析的基础上对多种能源发电协同发展过程进行仿真。本文基于多Agent技术建立起仿真模型,模型中的多种能源发电协同策略是依据我国现行的《节能发电调度办法》对各种发电形式进行调度。仿真中将不同种类机组、不同类型用户、电力调度部门简化为智能体群,通过各智能体间的协调配合完成对协同过程的仿真。然后以山西省为例,得到了该省在协同调度下的各种能源发电比例和污染气体排放量,模拟了山西省传统火电和可再生能源发电以及其他发电形式之间的协同发展过程,仿真结果验证了协同策略的有效性,体现了多种能源发电协同发展的协同效应。本文的研究丰富了多种能源协同发展以及电力结构调整相关理论成果,对于指导多种发电形式的科学和有序发展、管控协同发展风险、提高能源利用效率、大气污染防治等方面都具有实践指导意义。
二、用户分类电价决策方法的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用户分类电价决策方法的研究(论文提纲范文)
(1)基于协商议价模型的售电公司博弈购售电策略研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 电力市场双边协商交易模式 |
1.2.2 售电公司的偏差电量考核成本控制方法 |
1.2.3 需求响应策略 |
1.3 本文的主要研究内容 |
第2章 售电公司博弈购售电策略研究相关理论 |
2.1 K-means聚类算法 |
2.1.1 K-means聚类算法的基本概念 |
2.1.2 K-means聚类算法的基本步骤 |
2.2 权重计算方法 |
2.2.1 层次分析法 |
2.2.2 熵权法 |
2.3 模糊理论 |
2.3.1 模糊理论的基本概念 |
2.3.2 模糊理论在峰谷时段划分中的应用 |
2.4 离散选择模型 |
2.4.1 离散选择模型的理论基础 |
2.4.2 离散选择模型的构建 |
2.5 博弈论 |
2.5.1 合作博弈论 |
2.5.2 演化博弈论 |
2.6 本章小结 |
第3章 偏差电量考核下考虑多主体合作博弈的售电公司成本控制策略 |
3.1 基本原理 |
3.2 基于AHP-Logit的售电公司市场竞争力分析 |
3.2.1 建立售电公司市场竞争力的评价指标体系 |
3.2.2 计算售电公司市场竞争力评价指标评分 |
3.2.3 利用层次分析法评估售电公司市场价值 |
3.2.4 基于Logit模型的售电公司市场占有率计算 |
3.3 偏差电量考核下售电公司合作联盟购电成本的确定 |
3.3.1 售电公司的协商议价模型建立 |
3.3.2 偏差电量考核下售电公司的协商购电成本计算 |
3.3.3 售电公司的合作联盟购电成本 |
3.4 售电公司合作博弈下的购电成本分配模型及联盟稳定分析 |
3.4.1 售电公司的购电成本分配模型 |
3.4.2 不同购电成本分配模型下的联盟稳定性分析 |
3.5 算例分析 |
3.5.1 基于AHP-Logit的售电公司市场竞争力分析结果 |
3.5.2 合作联盟的偏差考核电量及购电价格 |
3.5.3 售电公司合作博弈结果 |
3.5.4 偏差电量考核下售电公司参与合作博弈的成本变化分析 |
3.6 本章小结 |
第4章 基于有限理性用户选择行为的定制化电价套餐设计 |
4.1 基本原理 |
4.2 考虑用户用电行为差异的需求响应模型 |
4.2.1 基于K-means聚类算法的电力用户分类 |
4.2.2 基于模糊半梯度隶属度函数的时段划分 |
4.2.3 建立用户的差异化分时电价需求响应模型 |
4.3 有限理性用户的套餐选择行为建模 |
4.3.1 基于熵权法的用户满意度计算 |
4.3.2 基于演化博弈论建立有限理性用户的选择行为模型 |
4.4 面向有限理性用户的定制化电价套餐优化设计 |
4.4.1 售电公司与供电公司的协商议价模型 |
4.4.2 面向有限理性用户的定制化电价套餐模型 |
4.5 算例分析 |
4.5.1 考虑用户用电行为差异的需求响应建模结果 |
4.5.2 有限理性用户对各套餐的选择比例 |
4.5.3 不同定价方式对售电公司盈利的影响 |
4.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(2)售电侧放开下零售电价套餐体系设计及定价方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 背景及意义 |
1.2 国内外研究现状 |
1.2.1 零售电价价格政策研究现状 |
1.2.2 零售电价水平研究现状 |
1.2.3 售电侧放开下电力市场细分研究现状 |
1.2.4 零售电价套餐体系研究现状 |
1.2.5 零售电价体系定价方法及优化模型研究现状 |
1.2.6 电价套餐适应性评估模型研究现状 |
1.3 零售电价基本理论 |
1.3.1 成本导向零售电价定价方法 |
1.3.2 竞争导向和需求导向零售电价定价方法 |
1.3.3 基于成本-竞争-需求的定价机制 |
1.4 论文主要研究内容和创新点 |
1.4.1 论文主要研究内容 |
1.4.2 论文研究技术路线 |
1.4.3 论文研究创新点 |
第2章 国内外售电市场现状及电价套餐体系分析 |
2.1 引言 |
2.2 售电市场改革及发展现状 |
2.2.1 国外售电市场改革进程及发展状况 |
2.2.2 我国售电市场改革现状 |
2.3 国外零售市场电价套餐体系分析 |
2.3.1 国外电价套餐体系设计影响因素 |
2.3.2 国外差异化电价套餐体系 |
2.4 国外电价套餐定价策略分析 |
2.4.1 国外电价套餐定价费率 |
2.4.2 各国差异化电价套餐定价策略 |
2.5 国外电价套餐推荐模式分析 |
2.5.1 电价套餐推荐方法 |
2.5.2 电价套餐对比分析 |
2.6 经验启示 |
2.7 本章小节 |
第3章 电力用户的用电行为分析及市场细分 |
3.1 引言 |
3.2 基于K-MEANS负荷曲线聚类 |
3.3 基于KOHONEN电力用户三维细分模型构建 |
3.3.1 用电行为细分变量选取 |
3.3.2 用电行为的三维度量化模型 |
3.3.3 电力用户三维细分模型合理性检验 |
3.3.4 基于Kohonen神经网络电力用户市场细分 |
3.4 电力用户聚类结果及用电行为分析 |
3.4.1 K-means聚类结果分析 |
3.4.2 Kohonen聚类结果分析 |
3.5 电力用户细分市场适用电价套餐分析 |
3.6 本章小结 |
第4章 基于用户用电行为的电价套餐体系设计方法 |
4.1 引言 |
4.2 电力用户可选择电价形式管理 |
4.3 基于用电行为的电价套餐产品设计模型 |
4.3.1 用电行为与电价套餐产品结构映射关系 |
4.3.2 电价套餐模块化设计模型 |
4.3.3 电价套餐设计模块五元信息表达模型 |
4.4 差异化电价套餐产品设计方法 |
4.4.1 电价套餐模块化设计规则 |
4.4.2 电价套餐产品设计过程 |
4.5 差异化电价套餐体系设计 |
4.5.1 基于用电行为电价套餐产品生成 |
4.5.2 差异化维度组合的电价套餐体系 |
4.6 本章小结 |
第5章 基于用电行为的电价套餐混合推荐方法 |
5.1 引言 |
5.2 电力用户特征矩阵构建 |
5.2.1 电力用户特征分析 |
5.2.2 电力用户特征矩阵构建 |
5.3 电价套餐混合推荐模型 |
5.3.1 电力用户特征相似度模型 |
5.3.2 电价套餐多属性效用模型 |
5.3.3 电价套餐推荐模型 |
5.4 算例分析 |
5.4.1 基础数据 |
5.4.2 电价套餐推荐结果 |
5.4.3 结果分析 |
5.4.4 售电市场不同阶段电价套餐推荐 |
5.5 本章小结 |
第6章 基于用户选择行为的电价套餐优化定价方法 |
6.1 引言 |
6.2 电价套餐优化定价相关问题描述 |
6.3 考虑用户选择行为电价套餐定价模型 |
6.3.1 电力用户用电成本 |
6.3.2 售电公司不同购电模型 |
6.3.3 电力用户自主选择行为分析 |
6.3.4 售电公司的市场份额与购电风险 |
6.3.5 零售电价套餐量化模型 |
6.4 基于粒子群算法电价套餐定价模型求解 |
6.4.1 粒子群算法对电价套餐定价优化 |
6.4.2 粒子群算法流程 |
6.5 算例分析 |
6.5.1 算例介绍 |
6.5.2 零售电价套餐价格测算 |
6.6 本章小结 |
第7章 电价套餐多维度适应性评价方法 |
7.1 引言 |
7.2 电价套餐多维度适应性评价指标体系 |
7.2.1 电价套餐适应性评价定量指标 |
7.2.2 电价套餐适应性评价定性指标 |
7.3 基于DEA和云模型的多维度适应性评价模型 |
7.3.1 定量指标的数据包络分析 |
7.3.2 定性指标的云模型分析 |
7.3.3 电价套餐适应性综合评价分析 |
7.4 算例分析 |
7.4.1 基础数据 |
7.4.2 适应性评价结果 |
7.4.3 适应性结果分析 |
7.5 本章小结 |
第8章 结论与展望 |
8.1 结论 |
8.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(3)计及新能源的电力现货市场交易优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 新能源对电力现货市场的影响研究 |
1.2.2 新能源发电功率预测研究 |
1.2.3 电力现货市场电价预测研究 |
1.2.4 新能源参与电力现货市场交易研究 |
1.2.5 计及碳交易的电力现货市场研究 |
1.3 论文主要研究内容和技术路线 |
1.3.1 主要研究内容 |
1.3.2 研究技术路线 |
1.3.3 主要创新点 |
1.4 本章小结 |
第2章 电力现货市场交易优化相关理论基础 |
2.1 典型国家电力现货市场发展概述 |
2.1.1 美国电力现货市场 |
2.1.2 英国电力现货市场 |
2.1.3 北欧电力现货市场 |
2.2 中国电力现货市场发展概述 |
2.2.1 能源电力现状分析 |
2.2.2 电力现货市场现状分析 |
2.2.3 建设基本原则 |
2.2.4 建设关键问题 |
2.2.5 未来发展方向 |
2.3 电力预测理论基础 |
2.3.1 经典预测方法 |
2.3.2 机器学习预测方法 |
2.3.3 深度学习预测方法 |
2.4 系统优化理论基础 |
2.4.1 模糊规划 |
2.4.2 鲁棒优化 |
2.4.3 随机规划模型 |
2.5 SD模型及其应用 |
2.6 本章小结 |
第3章 新能源对电力现货市场的影响分析 |
3.1 新能源对电力现货市场的影响分析模型 |
3.1.1 基于统计数据的影响分析 |
3.1.2 基于小波变换与分形理论的特征表示 |
3.1.3 基于SVM的特征因素分类 |
3.1.4 基于因子分析的特征提取 |
3.1.5 影响分析模型框架与流程 |
3.2 新能源对现货市场电价影响的实证分析 |
3.2.1 数据收集 |
3.2.2 基于统计数据的影响实证分析 |
3.2.3 基于全部特征的影响实证分析 |
3.2.4 基于关键特征的影响实证分析 |
3.3 本章小结 |
第4章 电力现货市场中新能源发电功率预测与电价预测 |
4.1 基于CEEMD-SE-HS-KELM的新能源发电功率预测模型 |
4.1.1 CEEMD-SE模型 |
4.1.2 HS-KELM模型 |
4.1.3 CEEMD-SE-HS-KELM |
4.1.4 实例分析 |
4.2 基于相似日筛选与LSTM的现货市场电价预测模型 |
4.2.1 电价影响因素初选 |
4.2.2 基于RF的新能源影响量化 |
4.2.3 基于改进灰色关联的相似日筛选 |
4.2.4 RF-IAGIV-CEEMD-SE-LSTM模型 |
4.2.5 实例分析 |
4.3 本章小结 |
第5章 计及新能源与中长期市场影响的现货日前市场交易优化 |
5.1 计及新能源与中长期市场的日前市场交易模式 |
5.2 中长期合约电量分解模型 |
5.2.1 目标函数 |
5.2.2 约束条件 |
5.3 系统不确定性分析及建模 |
5.3.1 新能源出力不确定性 |
5.3.2 电力现货价格不确定性 |
5.4 计及新能源与中长期合约电量分解的现货日前市场出清模型 |
5.4.1 目标函数与约束条件的建立 |
5.4.2 多目标函数的模糊优选处理 |
5.4.3 基于GA-PSO的优化模型求解算法 |
5.5 实例分析 |
5.5.1 算例设置 |
5.5.2 中长期合约电量分解结果 |
5.5.3 系统不确定性求解 |
5.5.4 现货日前电力市场出清结果 |
5.5.5 惩罚系数对多目标优化结果的影响 |
5.5.6 新能源渗透率对多目标优化结果的影响 |
5.6 本章小结 |
第6章 计及新能源的现货日前与日内、日内与实时市场交易优化 |
6.1 现货日前、日内与实时市场的组合及及关联分析 |
6.2 系统不确定性建模 |
6.2.1 系统不确定性模拟 |
6.2.2 拉丁超立方生成场景集 |
6.2.3 基于改进谱聚类算法的场景削减策略 |
6.3 计及新能源的电力现货市场两阶段交易优化模型 |
6.3.1 计及新能源的日前与日内市场联合优化模型 |
6.3.2 计及新能源的日内与实时市场联合优化模型 |
6.4 实例分析 |
6.4.1 算例设置 |
6.4.2 场景集生成与削减 |
6.4.3 日前与日内市场联合优化出清结果 |
6.4.4 日内与实时市场联合优化出清结果 |
6.5 本章小结 |
第7章 计及碳市场影响的电力现货市场建设路径分析 |
7.1 碳排放相关政策梳理 |
7.2 现行政策下碳排放压力分析 |
7.2.1 碳排放预测模型 |
7.2.2 碳排放预测效果检验 |
7.2.3 碳排放总量及碳排放强度预测 |
7.2.4 基于碳排放预测结果的政策建议 |
7.2.5 碳排放市场建设必要性分析 |
7.3 碳交易实施对电力现货市场的影响分析 |
7.3.1 碳交易市场现状 |
7.3.2 碳交易对电力现货市场的影响分析 |
7.4 碳交易与电力现货市场的协同建设建议 |
7.5 本章小结 |
第8章 研究成果与结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)基于用电信息动态感知的需求响应研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 电力需求价格弹性的研究现状 |
1.2.2 电费套餐推荐的研究现状 |
1.2.3 需求侧资源市场交易的研究现状 |
1.2.4 本文研究的重点和难点 |
1.3 本文主要工作 |
第2章 基于设备用电特征的电力需求价格弹性评估 |
2.1 需求价格弹性机理分析 |
2.1.1 需求价格弹性矩阵构建 |
2.1.2 用电设备的可调整性 |
2.1.3 需求价格弹性的机理分析 |
2.2 基于模糊推理的用户响应行为模拟 |
2.2.1 模糊推理模型的构建 |
2.2.2 输入量与输出量的确立 |
2.2.3 输入论域与输出论域的模糊分割 |
2.2.4 模糊规则与去模糊化 |
2.3 居民需求价格弹性矩阵计算 |
2.4 算例分析 |
2.4.1 基本情况 |
2.4.2 用户响应行为模拟及分析 |
2.4.3 需求价格弹性矩阵计算及分析 |
2.4.4 需求价格弹性的变化规律分析 |
2.4.4.1 物联网技术发展对弹性的影响 |
2.4.4.2 新型负荷大规模接入对弹性的影响 |
2.5 本章小结 |
第3章 用户电费套餐指导性推荐 |
3.1 用户用电行为建模 |
3.2 套餐推荐及用户优化调控模型构建 |
3.3 套餐推荐及用户优化调控模型求解 |
3.4 套餐推荐及用户优化调控算例分析 |
3.5 本章小结 |
第4章 基于动态用户分类的需求响应感知与决策 |
4.1 需求响应实时市场交易 |
4.1.1 上层交易投标 |
4.1.2 下层交易决策 |
4.2 基于深度强化学习的需求响应感知与决策 |
4.2.1 聚合商的动作与奖励 |
4.2.2 用户选择能力的深度学习 |
4.2.3 最优激励价格求解 |
4.2.4 用户动态分类 |
4.3 算例分析 |
4.3.1 基本情况 |
4.3.2 基于SOMs的用户聚类分析 |
4.3.3 DQN算法的学习效果分析 |
4.3.4 需求响应感知与决策的有效性与准确性验证 |
4.4 本章结语 |
第5章 结论与展望 |
5.1 本文结论 |
5.2 工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
学位论文评阅及答辩情况表 |
(5)面向电网可靠性差异化需求的最优需求侧响应决策研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 典型日选取和时段划分的研究现状 |
1.2.2 分时电价和尖峰负荷调控研究现状 |
1.2.3 分时电价与电网可靠性关系研究现状 |
1.3 本文研究内容及创新点 |
第二章 基于模糊聚类的典型日选取和时段划分研究 |
2.1 引言 |
2.2 基于FCM算法的典型日选取模型 |
2.2.1 典型日的选取流程 |
2.2.2 FCM算法的原理 |
2.2.3 基于枚举迭代的最优典型日决策模型 |
2.3 三种基于模糊聚类的分时电价时段划分模型 |
2.3.1 基于模糊隶属度和分步迭代算法的时段划分模型 |
2.3.2 基于传递闭包法的分时电价时段划分方法 |
2.3.3 基于轮廓系数的最优时段划分模型 |
2.4 算例分析 |
2.4.1 基于FCM算法的典型日选取算例分析 |
2.4.2 基于模糊隶属度的时段划分方法分析 |
2.4.3 对传递闭包时段划分方法的分析 |
2.4.4 对基于轮廓系数的时段划分方法分析 |
2.5 本章小结 |
第三章 考虑分时电价和尖峰激励的最优需求响应决策研究 |
3.1 引言 |
3.2 考虑供需双方利益的分时电价优化模型 |
3.2.1 考虑多方利益的目标函数 |
3.2.2 峰平谷分时电价优化约束函数 |
3.2.3 分时电价适应值函数 |
3.2.4 基于三阶电价弹性矩阵的小时负荷计算方法 |
3.2.5 基于状态枚举法的电力系统可靠性评估模型 |
3.3 基于PSO和SA算法的SAPSO算法研究 |
3.3.1 PSO和SA算法概述 |
3.3.2 SAPSO算法的基本结构 |
3.3.3 SAPSO算法的实施流程 |
3.4 基于电价激励的尖峰负荷调控模型 |
3.4.1 尖峰时段划分方法 |
3.4.2 基于比例分摊原则的负荷调整策略 |
3.4.3 负荷转移率的计算 |
3.4.4 尖峰电价激励决策模型 |
3.5 算例分析 |
3.5.1 算例数据 |
3.5.2 峰平谷分时电价效果分析 |
3.5.3 CPR激励效果分析 |
3.5.4 对分时电价和CPR策略调整效果的横向比较 |
3.6 本章小结 |
第四章 面向电网可靠性差异化需求的分时电价决策研究 |
4.1 引言 |
4.2 考虑电网可靠性需求的分时电价决策模型 |
4.2.1 分时电价决策模型的结构组成 |
4.2.2 考虑可靠性的分时电价优化模型 |
4.2.3 基于MOEA/D算法的MO-SAPSO算法研究 |
4.2.4 三阶埃尔米特插值算法研究 |
4.2.5 三层BP网络研究 |
4.3 对高可靠性需求系统的分时电价双层优化 |
4.3.1 高可靠性需求系统的分时电价优化模型 |
4.3.2 基于SAPSO算法的分时电价双层优化流程 |
4.4 算例分析 |
4.4.1 MO-SAPSO算法性能分析 |
4.4.2 三阶埃尔米特插值算法分析 |
4.4.3 不同用户类型下分时电价与可靠性的关系 |
4.4.4 高可靠性需求系统的分时电价 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(6)电网企业混改业务投资分析及运营优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国有企业混合所有制改革研究现状 |
1.2.2 混改业务经济性评估研究现状 |
1.2.3 电网企业混改业务研究现状 |
1.2.4 电网企业业务投资分析研究现状 |
1.2.5 电网企业新型业务运营模式研究现状 |
1.2.6 电网企业混合所有制改革路径 |
1.3 论文主要研究内容和创新点 |
1.3.1 论文主要研究内容 |
1.3.2 论文研究创新点 |
第2章 国企混改指导政策与推进途径分析 |
2.1 国企混改指导政策 |
2.1.1 国家层面混改指导政策 |
2.1.2 地方政府层面混改指导政策 |
2.1.3 电力公司层面混改政策与协议 |
2.2 国企混改推进途径分析 |
2.2.1 国企混改分类推进途径 |
2.2.2 国企混改分层推进途径 |
2.2.3 国企混改多类资本参与途径 |
2.3 央企混改基本流程 |
2.4 本章小结 |
第3章 电网企业混改业务类型及经济性分析模型 |
3.1 引言 |
3.2 电网企业适合混改的业务类型分析 |
3.2.1 国家电网公司混改业务类型 |
3.2.2 综合能源服务业务 |
3.2.3 竞争性配售电业务 |
3.2.4 分布式能源微网业务 |
3.2.5 电动汽车充电业务 |
3.3 电网企业混改业务SWOT分析模型 |
3.3.1 电网企业混改业务优势分析 |
3.3.2 电网企业混改业务劣势分析 |
3.3.3 电网企业混改业务机会分析 |
3.3.4 电网企业混改业务威胁分析 |
3.3.5 电网企业混改业务SWOT综合分析 |
3.4 电网企业混改业务经济性分析 |
3.4.1 经济性分析模型 |
3.4.2 分布式能源微网业务经济性分析 |
3.4.3 电动汽车充电业务经济型分析 |
3.4.4 综合能源业务经济性分析 |
3.4.5 竞争性配售电业务经济性分析 |
3.5 本章小结 |
第4章 电网企业微网混改业务投资运营优化模型 |
4.1 引言 |
4.2 分布式能源微网混改业务运营模式分类 |
4.3 分布式能源微网混改业务主体及其运营分析模型 |
4.3.1 能源生产商及其运营分析模型 |
4.3.2 能源转换商及其运营分析模型 |
4.3.3 能源存储商及其运营分析模型 |
4.3.4 能源消费者及其运营分析模型 |
4.4 分布式能源微网混改业务投资分析 |
4.4.1 光伏业务投资分析 |
4.4.2 储能业务投资分析 |
4.5 微网混改业务运营模式与收益分析模型 |
4.5.1 微网混改业务运营模式 |
4.5.2 微网混改业务效益分析模型 |
4.6 微网混改业务多情景运营优化模型 |
4.6.1 微网业务运营优化模型 |
4.6.2 微网业务运营典型情景设置 |
4.6.3 微网不同典型情景日内运营优化结果 |
4.6.4 微网不同典型情景全寿命周期运营优化结果 |
4.7 随机不确定因素下微网业务多主体运营优化模型 |
4.7.1 微网混改业务多投资主体运营约束 |
4.7.2 微网混改业务多投资主体运营优化模型 |
4.7.3 随机不确定性因素下多主体投资业务优化模型 |
4.7.4 算例分析 |
4.8 本章小结 |
第5章 电网企业综合能源混改业务投资运营优化模型 |
5.1 引言 |
5.2 综合能源混改业务模式分析 |
5.2.1 冷热电综合能源业务模式 |
5.2.2 购售电一体化业务模式 |
5.2.3 冷热电联供差价套利业务模式 |
5.3 冷热电气综合能源优化模型 |
5.3.1 冷热电气能源出力模型 |
5.3.2 冷热电气能源运营优化模型 |
5.3.3 基础数据 |
5.3.4 优化结果 |
5.4 本章小结 |
第6章 电网企业竞争性配售电混改业务投资运营优化模型 |
6.1 引言 |
6.2 竞争性配售电业务混改方式分析 |
6.2.1 增量配电业务混改方式 |
6.2.2 竞争性售电业务混改方式 |
6.3 竞争性配售电混改业务运营模式分析 |
6.3.1 增量配电业务运营模式分析 |
6.3.2 竞争性售电业务运营模式分析 |
6.3.3 算例分析 |
6.4 竞争性配售电混改业务投资运营优化模型 |
6.4.1 增量配电业务投资运营优化模型 |
6.4.2 竞争性售电业务投资运营优化模型 |
6.4.3 算例分析 |
6.5 本章小结 |
第7章 电网企业不同混改业务运营成效排序评价模型 |
7.1 引言 |
7.2 电网企业不同混改业务的条件/环境分析 |
7.2.1 分布式能源微网业务 |
7.2.2 综合能源服务业务 |
7.2.3 竞争性配售电业务 |
7.3 电网企业不同混改业务运营模式分析 |
7.3.1 分布式能源微网业务运营模式 |
7.3.2 综合能源服务业务运营模式 |
7.3.3 竞争性配售电业务运营模式 |
7.4 电网企业不同混改业务运营成效排序评价模型 |
7.4.1 运营成效评价指标体系 |
7.4.2 指标赋权模型 |
7.4.3 理想物元可拓评价模型 |
7.4.4 实例分析 |
7.5 本章小结 |
第8章 研究成果和结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)基于电力营销大数据的用电客户精准营销(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 本文主要研究内容 |
第二章 营销理论介绍 |
2.1 4P理论 |
2.2 客户细分理论 |
2.2.1 客户细分的原则 |
2.2.2 客户细分的标准 |
2.2.3 客户细分常见方法 |
2.3 STP理论 |
2.3.1 浙江电力市场细分 |
2.3.2 浙江电力目标市场选择 |
2.3.3 浙江电力目标市场定位 |
2.4 浙江电力客户细分与营销现状 |
2.4.1 浙江典型电力客户细分模型 |
2.4.2 浙江电力客户分类标准暴露的不足 |
2.4.3 浙江电力营销现状 |
2.5 本章小结 |
第三章 大数据方法及用户分类模型构建 |
3.1 大数据相关概念 |
3.1.1 大数据的内涵 |
3.1.2 大数据的应用 |
3.1.3 电力营销数据挖掘模型及流程 |
3.2 浙江电力营销大数据现状 |
3.2.1 浙江电力营销大数据概况 |
3.2.2 浙江电力大数据应用存在问题 |
3.3 基于大数据技术的精准营销 |
3.4 基于大数据算法的用电客户营销模型构建 |
3.4.1 基于改进的分类算法模型构建 |
3.4.2 基于不同层次聚类算法的模型构建 |
3.4.3 基于关联规则算法的模型构建 |
3.5 本章小结 |
第四章 基于数据挖掘的用电客户精准营销 |
4.1 客户精准营销策略制定依据 |
4.2 低压客户精准营销策略制定 |
4.2.1 低压客户服务模式 |
4.2.2 低压客户营销策略 |
4.3 高压大客户精准营销策略制定 |
4.3.1 大客户服务模式 |
4.3.2 大客户精准营销 |
4.4 市场化客户精准营销策略制定 |
4.5 本章小结 |
第五章 出租房客户精准营销案例分析 |
5.1 地区概况 |
5.2 用户特性挖掘流程 |
5.2.1 出租户用电业务背景 |
5.2.2 出租户用电数据获取 |
5.2.3 出租户用电行为特征筛选 |
5.2.4 出租户用电数据处理 |
5.3 出租房用户特性模型构建 |
5.3.1 出租房用户模型构建 |
5.3.2 四种算法模型结果比较 |
5.3.3 出租户预测后续优化建议 |
5.4 出租房用户数据聚类分析 |
5.5 基于出租户群体的精准营销策略制定 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简介 |
(8)面向负荷聚合商的需求响应资源调控策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 负荷聚合商相关研究现状 |
1.2.2 中小用户用电行为特征研究现状 |
1.2.3 需求响应策略研究现状 |
1.3 本文的主要工作 |
1.3.1 研究内容及总体架构 |
1.3.2 章节安排 |
第二章 市场环境下负荷聚合商的业务范围及需求响应决策 |
2.1 负荷聚合商的相关概念 |
2.1.1 定义及业务范围 |
2.1.2 调控的需求响应资源类别 |
2.2 负荷聚合商实施需求响应的典型场景 |
2.2.1 参与主能量市场投标 |
2.2.2 参与辅助服务市场投标 |
2.2.3 售电业务应对市场电价波动 |
2.3 负荷聚合商需求响应决策的基础要素 |
2.3.1 用户侧电价机制 |
2.3.2 市场电价预测 |
2.3.3 用户基线负荷预测 |
2.4 本文负荷聚合商的有关设定 |
2.5 本章小结 |
第三章 基于多维度画像的需求响应目标用户优选及分类研究 |
3.1 多维度用户画像分析 |
3.1.1 分析维度 |
3.1.2 指标计算及权重分配 |
3.2 基于优劣解距离法的目标用户优选流程 |
3.3 基于迭代自组织数据分析算法的目标用户分类方法 |
3.3.1 算法原理概述 |
3.3.2 聚类步骤 |
3.4 算例仿真与分析 |
3.4.1 需求响应目标用户的优选过程 |
3.4.2 优选用户的分类结果 |
3.5 本章小结 |
第四章 计及用户侧不确定性的日前需求响应策略双层优化模型 |
4.1 双层优化问题概述 |
4.1.1 双层优化问题的一般形式及特征 |
4.1.2 双层优化问题的求解方法 |
4.2 负荷聚合商日前需求响应策略双层优化模型 |
4.2.1 日前激励政策双层优化方案概述 |
4.2.2 计及机会约束的下层理性用户响应模型 |
4.2.3 上层负荷聚合商决策模型 |
4.3 双层优化模型求解 |
4.3.1 差分进化(DE)算法步骤 |
4.3.2 受控参数的选取及优化 |
4.3.3 机会约束的等价转换 |
4.3.4 双层优化模型的求解流程 |
4.4 算例仿真与分析 |
4.4.1 场景描述及参数设置 |
4.4.2 优化结果与分析 |
4.4.3 参数灵敏度分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
在攻读硕士学位期间发表的论文和参与课题情况 |
(9)电网需求侧分布式用户响应模型及差异化需求响应策略研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内研究现状 |
1.2.1 分布式用户行为特性研究现状 |
1.2.2 分布式用户参与激励型需求响应研究现状 |
1.2.3 分布式用户参与价格型需求响应研究现状 |
1.3 国外研究现状 |
1.3.1 分布式用户行为特性研究现状 |
1.3.2 分布式用户参与激励型需求响应研究现状 |
1.3.3 分布式用户参与价格型需求响应研究现状 |
1.4 本文主要研究内容及创新点 |
1.5 论文组织结构 |
第2章 需求侧分布式用户响应机制及关键技术分析 |
2.1 引言 |
2.2 需求响应业务实施架构与参与主体分析 |
2.2.1 需求响应业务实施架构分析 |
2.2.2 需求响应业务主要参与主体分析 |
2.3 需求响应调节机制分析 |
2.3.1 基于激励的需求响应 |
2.3.2 基于价格的需求响应 |
2.4 面向需求侧分布式用户的需求响应关键技术分析 |
2.4.1 用户响应行为的识别与预测 |
2.4.2 基于高维数据的综合决策 |
2.5 本章小结 |
第3章 分布式用户响应行为分析与预测模型构建 |
3.1 引言 |
3.2 用户响应行为经济学分析 |
3.3 基于LSTM的用户响应行为模型 |
3.4 仿真分析 |
3.5 本章小结 |
第4章 面向分布式用户等梯度迭代学习激励策略 |
4.1 引言 |
4.2 激励差异化机制及模型构建 |
4.2.1 激励差异化机制及实施架构 |
4.2.2 用户及售电商效益模型构建 |
4.3 等梯度迭代学习激励策略 |
4.4 仿真实验 |
4.5 本章小结 |
第5章 考虑响应柔性差异的结算差异化激励策略 |
5.1 引言 |
5.2 结算差异化机制及模型构建 |
5.2.1 需求响应实施流程及基本模型 |
5.2.2 结算差异化机制的Stackelberg博弈分析 |
5.3 LSTM-PSO优化策略 |
5.4 算例分析 |
5.4.1 仿真设置 |
5.4.2 仿真结果分析 |
5.5 本章小结 |
第6章 考虑光伏消纳的产消群边云协同迭代优化策略 |
6.1 引言 |
6.2 价格差异化机制及实施架构 |
6.3 售电商及产消者效益模型构建 |
6.3.1 售电商模型 |
6.3.2 产消者模型 |
6.4 考虑折扣因子的边云协同迭代优化策略 |
6.5 算例分析 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(10)多种能源发电协同发展管控模型及大数据分析研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 多种能源同发展研究综述 |
1.2.2 多种能源发电中的风险研究综述 |
1.2.3 电力信息协同利用研究综述 |
1.2.4 大数据挖掘研究进展 |
1.2.5 基于多智能体仿真研究进展 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 研究难点和创新 |
第2章 多种能源发电协同发展模式和框架分析 |
2.1 多能源发电协同发展现状分析 |
2.1.1 多种能源发电现状分析 |
2.1.2 协同发展参与主体和环境分析 |
2.1.3 协同发展中存在的问题 |
2.2 多种能源发电协同发展模式分析 |
2.2.1 协同关系分析 |
2.2.2 协同发展中的保障机制 |
2.2.3 协同发展模式和原则 |
2.3 多种能发电协同发展框架分析 |
2.3.1 协同发展层次结构分析 |
2.3.2 协同发展框架研究 |
2.4 本章小结 |
第3章 多种能源发电协同发展的风险管控模型 |
3.1 多种能源发电协同发展的风险分析 |
3.1.1 发展风险 |
3.1.2 政策风险 |
3.1.3 社会风险 |
3.2 基于多参与主体的风险收益管控模型 |
3.2.1 协同发展的风险因素 |
3.2.2 多主体间利益博弈的风险管控模型 |
3.3 实例分析 |
3.3.1 京津冀发电产业概况 |
3.3.2 风险收益模型计算 |
3.3.3 结果分析 |
3.4 本章小结 |
第4章 多种能源发电协同发展的信息管控模型 |
4.1 多种能源发电协同发展的信息结构 |
4.1.1 信息结构分析 |
4.1.2 信息结构模型 |
4.2 基于多主体的信息融合 |
4.2.1 发电侧 |
4.2.2 电力用户 |
4.2.3 电网和市场 |
4.2.4 电力排放 |
4.3 信息协同和管控模型 |
4.3.1 模型构建 |
4.3.2 信息管控模型计算 |
4.3.3 结果分析 |
4.4 本章小结 |
第5章 多种能源发电协同发展的大数据分析 |
5.1 大数据分析方法与流程设计 |
5.1.1 大数据分析方法 |
5.1.2 大数据挖掘流程设计 |
5.2 大数据收集和处理 |
5.2.1 发电数据 |
5.2.2 用电负荷数据 |
5.2.3 污染气体排放数据 |
5.2.4 数据预处理 |
5.3 大数据分析模型 |
5.3.1 基于决策树模型的多种能源发电排放分析 |
5.3.2 基于回归模型的多种能源发电量分析 |
5.3.3 基于聚类模型的多种能源发电与用电协同分析 |
5.4 本章小结 |
第6章 多种能源发电协同发展的仿真模型 |
6.1 智能体技术 |
6.1.1 多Agent关系 |
6.1.2 多Agent通讯 |
6.1.3 多Agent协作 |
6.2 多Agent建模方法 |
6.2.1 Agent行为理论 |
6.2.2 ABMS智能体建模方法 |
6.3 基于多智能体的仿真模型 |
6.3.1 Anylogic仿真软件简介 |
6.3.2 建模背景分析 |
6.3.3 仿真设计 |
6.4 案例分析 |
6.4.1 案例介绍 |
6.4.2 结果输出 |
6.4.3 仿真分析 |
6.5 本章小结 |
第7章 研究成果与结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
四、用户分类电价决策方法的研究(论文参考文献)
- [1]基于协商议价模型的售电公司博弈购售电策略研究[D]. 崔涵淇. 东北电力大学, 2021(09)
- [2]售电侧放开下零售电价套餐体系设计及定价方法研究[D]. 王美艳. 华北电力大学(北京), 2021(01)
- [3]计及新能源的电力现货市场交易优化研究[D]. 王珂珂. 华北电力大学(北京), 2021(01)
- [4]基于用电信息动态感知的需求响应研究[D]. 徐广达. 山东大学, 2021(12)
- [5]面向电网可靠性差异化需求的最优需求侧响应决策研究[D]. 张新宇. 合肥工业大学, 2021(02)
- [6]电网企业混改业务投资分析及运营优化研究[D]. 付晓旭. 华北电力大学(北京), 2021(01)
- [7]基于电力营销大数据的用电客户精准营销[D]. 刘艾旺. 浙江大学, 2021(02)
- [8]面向负荷聚合商的需求响应资源调控策略研究[D]. 蒋浩然. 东南大学, 2020(01)
- [9]电网需求侧分布式用户响应模型及差异化需求响应策略研究[D]. 刘迪. 华北电力大学(北京), 2020(06)
- [10]多种能源发电协同发展管控模型及大数据分析研究[D]. 任东方. 华北电力大学(北京), 2020(06)