CN112633771B - 电力资源数值计算方法、装置、计算机设备和存储介质 - Google Patents
电力资源数值计算方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112633771B CN112633771B CN202110002215.7A CN202110002215A CN112633771B CN 112633771 B CN112633771 B CN 112633771B CN 202110002215 A CN202110002215 A CN 202110002215A CN 112633771 B CN112633771 B CN 112633771B
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- power
- electricity
- power resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 183
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008901 benefit Effects 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 180
- 238000010248 power generation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims 4
- 230000007613 environmental effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Power Sources (AREA)
Abstract
本申请涉及一种电力资源数值计算方法、装置、计算机设备和存储介质。所述方法包括计算机设备获取至少一个用户的电量参数,根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合,根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值,其中,电量参数用于表征用户的用电量、发电量、以及电力资源数值范围,行为策略用于表征不同电量与不同电力资源数值之间的对应关系。在本方法中,计算机设备根据至少一个用户的电量参数,预测其用电行为策略,构建行为策略集合,基于行为策略集合,计算针对于用户的最优化电子资源数值,实现了交易双方的利益最大化。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种电力资源数值计算方法、装置、计算机设备和存储介质。
背景技术
随着以光伏为代表的分布式电源的迅速发展,和电力市场改革的进一步推行,业内正在同步推进分布式发电市场化交易试点,以提高电网消纳分布式电源电量的能力,减少分布式电源发展对补贴的依赖。
目前,分布式电源常规的电力交易模式主要包括:“自发自用、余电上网”和“全额上网”,其中,“自发自用、余电上网”指的是购电方在购电之后自己使用电量,将剩余电量以一定电价售卖至中心电网;“全额上网”指的是购电方在购电之后将所有电量以一定电价售卖至中心电网,再以一定售价从中心电网购买所需电量。
然而,上述常规的电力交易模式受制于电力用户的稳定性及电量消纳能力,且电力转化效益较低。
发明内容
基于此,有必要针对上述技术问题,提供一种电力资源数值计算方法、装置、计算机设备和存储介质。
第一方面,提供一种电力资源数值计算方法,应用于分布式光伏发电场景,该方法包括:
获取至少一个用户的电量参数;电量参数用于表征用户的用电量、发电量、以及电力资源数值范围;
根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合;行为策略用于表征不同电量与不同电力资源数值之间的对应关系;
根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值。
在其中一个实施例中,上述获取至少一个用户的电量参数,包括:
根据用户的历史电力数据和影响因素,确定用户的电量参数;影响因素包括天气情况、日期信息。
在其中一个实施例中,上述根据用户的历史电力数据和影响因素,确定用户的电量参数,包括:
根据用户的历史电力数据和天气情况,确定用户的发电量;
根据用户的历史电力数据和日期信息,确定用户的用电量。
在其中一个实施例中,上述获取至少一个用户的电量参数,包括:
根据预设的电力资源数值的上限值和下限值,确定用户的目标电力资源数值范围。
在其中一个实施例中,上述根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合,包括:
根据至少一个用户的电量参数、至少一个用户的行为分布概率,采用精炼贝叶斯均衡方法,确定至少一个用户的行为策略集合。
在其中一个实施例中,上述根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值,包括:
将至少一个用户的行为策略集合输入至预设的博弈模型中进行初步匹配,得到候选行为策略集合;
根据候选行为策略集合,计算得到各候选行为策略对应的第一电力资源数值;
从所有第一电力资源数值中确定第一电力资源数值最小的目标行为策略,并将目标行为策略对应的第二电力资源数值确定为目标电力资源数值。
在其中一个实施例中,上述根据候选行为策略集合,计算得到各候选行为策略对应的第一电力资源数值,包括:
根据候选行为策略集合,计算得到各候选行为策略对应的第二电力资源数值;
根据各候选行为策略的第二电力资源数值和电量参数,计算各候选行为策略的第一电力资源数值。
第二方面,提供一种电力资源数值计算装置,该装置包括:
获取模块,用于获取至少一个用户的电量参数;电量参数用于表征用户的用电量、发电量、以及电力资源数值范围;
确定模块,用于根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合;行为策略用于表征不同电量与不同电力资源数值之间的对应关系;
计算模块,用于根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值。
第三方面,提供一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面任一所述的电力资源数值计算方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面任一所述的电力资源数值计算方法。
上述电力资源数值计算方法、装置、计算机设备和存储介质,计算机设备获取至少一个用户的电量参数,根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合,根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值,其中,电量参数用于表征用户的用电量、发电量、以及电力资源数值范围,行为策略用于表征不同电量与不同电力资源数值之间的对应关系。在本方法中,计算机设备根据至少一个用户的电量参数,预测其用电行为策略,构建行为策略集合,基于行为策略集合,计算针对于用户的最优化电子资源数值,实现了交易双方的利益最大化。
附图说明
图1为一个实施例中计算机设备的内部结构图;
图2为一个实施例中电力资源数值计算方法的流程示意图;
图3为一个实施例中电力资源数值计算步骤的流程示意图;
图4为一个实施例中电力资源数值计算步骤的流程示意图;
图5为一个实施例中电力资源数值计算步骤的流程示意图;
图6为一个实施例中电力资源数值计算步骤的流程示意图;
图7为一个实施例中电力资源数值计算装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的电力资源数值计算方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图1所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电力资源数值计算方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请图2-图6实施例提供的可电力资源数值计算方法,其执行主体为计算机设备,也可以是电力资源数值计算装置,该电力资源数值计算装置可以通过软件、硬件或者软硬件结合的方式成为计算机设备的部分或全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
在一个实施例中,如图2所示,提供了一种电力资源数值计算方法,应用于分布式光伏发电场景,涉及的是计算机设备获取至少一个用户的电量参数,根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合,根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值的过程,包括以下步骤:
S201、获取至少一个用户的电量参数;电量参数用于表征用户的用电量、发电量、以及电力资源数值范围。
其中,用户可以包括在分布式光伏***中进行电力交易的购电方和售电方,针对购电方,计算机设备主要获取的是电量参数是用电量;针对售电方,计算机设备主要获取的是电量参数是发电量。
在本实施例中,计算机设备可以根据当前用户的历史电力数据预测当前用户的电量参数。其中,计算机设备可以将历史数据输入至神经网络预测模型进行预测计算。可选地,在进行购电方用电量预测时,计算机设备可以将历史数据、以及日期影响因素输入至神经网络预测模型进行预测计算,其中,日期影响因素可以包括节假日、工作日等。在进行售电方的发电量预测时,计算机设备可以以将历史数据、以及环境影响因素输入至神经网络预测模型进行预测计算,环境影响因素包括天气情况,例如,不同天气环境包括阴天、雨天、晴天等天气情况。
计算机设备根据历史数据、日期影响因素、环境影响因素等数据预测当前用户的电量参数,根据预测结果获取当前用户的电量参数,可选地,计算机设备还可以获取当前用户的期望电力资源数值范围,即当前用户期望的电价的上限值和下限值,本实施例对此不做限定。
S202、根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合;行为策略用于表征不同电量与不同电力资源数值之间的对应关系。
其中,预设的行为模型指的是根据用户的购电或售电的类型,以及购电或售电的电价的范围构建的用于预测用户行为策略的模型。
在本实施例中,计算机设备将上述获取到的用户的电量参数输入至预设的行为模型中,确定不同用电量或发电量的情况下,形成不同售电价格、购电价格、以及发生概率的多个行为策略,从而生成行为策略结合。即,针对不同的用电量,有不同的售电价格和购电价格;针对不同的发电量,有不同的售电价格和购电价格。多种因素之间组合生成多个行为策略,本实施例对此不做限定。
S203、根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值。
在本实施例中,计算机设备可以根据用户的电量参数和行为策略集合中各行为策略,计算各行为策略中用电量/发电量对应的电价,可选地,计算机设备可以将行为策略集合中所有行为策略中用电量/发电量对应的电价,形成电价集合,根据电价集合中所有的电价信息,确定不同用电量/发电量下使得购电方和售电方利益最大化的电价,并将该电价确定为当前购电方和售电方对应的目标电价。可选地,计算机设备还可以根据电价计算购电方的购电总费用,即根据实际需求,基于电价计算第二电价,根据第二电价确定使得购电方和售电方利益最大化的电价,并将该电价确定为当前购电方和售电方对应的目标电价,确定目标电价的方式不局限于本实施例提到的两种方法。
可选地,在确定购电方和售电方的交易电力之后,基于分布式光伏场景,购电方和售电方可以利用区块链公钥建立交易合约,基于区块链去中心化、不可篡改、安全性高的特点,利用私钥签名确定电量交易的操作完成。可选地,区块链还可以将购电方和售电方的电量交易电价、电量交易时间记入***,方便及时查阅,并且不可更改。
上述电力资源数值计算方法中,计算机设备获取至少一个用户的电量参数,根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合,根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值,其中,电量参数用于表征用户的用电量、发电量、以及电力资源数值范围,行为策略用于表征不同电量与不同电力资源数值之间的对应关系。在本方法中,计算机设备根据至少一个用户的电量参数,预测其用电行为策略,构建行为策略集合,基于行为策略集合,计算针对于用户的最优化电子资源数值,实现了交易双方的利益最大化。
计算机设备可以根据历史数据确定用户的电量参数,在其中一个实施例中,上述获取至少一个用户的电量参数,包括:
根据用户的历史电力数据和影响因素,确定用户的电量参数;影响因素包括天气情况、日期信息。
其中,用户包括分布式光伏场景下的购电方和售电方。针对购电方,其主要确定的电量参数为用电量;针对售电方,其主要确定的电量参数为发电量;可选地,也存在即售电又购电的用户,那么针对这类用户,计算机设备可以计算其净输出参数。
在本实施例中,计算机设备可以获取当前用户的历史电力数据,以及会影响用户电量参数的影响因素数据。示例地,在确定购电方的用电量时,计算机设备可以需要考虑购电方的历史用电数据,以及在不同环境情况下的用电数据,例如,工作日的用电数据和休息日的用电数据;在确定售电方的发电量时,计算机设备可以需要考虑售电方的历史发电数据,以及在不同环境情况下的发电数据,例如,不同天气环境下的发电数据,其中,不同天气环境包括阴天、雨天、晴天等天气情况。
在本实施例中,计算机设备根据历史电力数据以及其他影响用电或发电的影响因素数据,预测用户的电量参数,得到的预测结果比较准确。
在本方案中,用户包括在分布式光伏场景下的购电方和售电方,在其中一个实施例中,如图3所示,上述根据用户的历史电力数据和影响因素,确定用户的电量参数,包括:
S301、根据用户的历史电力数据和天气情况,确定用户的发电量。
在本实施例中,针对在分布式光伏场景下的n个售电方进行用户电力参数的预测。在针对售电方的电力参数预测时,主要预测的是售电方的发电量。考虑到发电量受环境影响因素较大,早晨和晚间辐照度较弱,发电功率几乎为0,不具有交易价值,因此,确定每天的7:00-17:00为有效时间段,以1小时作为1个交易时段,可以得到10个时间段,用k表示。那么在交易时段内,根据分布式光伏发电预测得到的第j个售电方的小时发电量Po可表示为:
其中,k∈[1,10],j∈[1,n]
S302、根据用户的历史电力数据和日期信息,确定用户的用电量。
在本实施例中,针对在分布式光伏场景下的n个购电方进行用户电力参数的预测。在针对购电方的电力参数预测时,主要预测的是购电方的用电量。考虑到用电量受环境影响因素较大,工作日和休息日用电量不同,在预测用电量的过程中需要考虑不同日期,类似的,确定每天的7:00-17:00为有效时间段,以1小时作为1个交易时段,可以得到10个时间段,用k表示。同样地,各购电方用电量各不相同,负载特性差异较大,交易时段内,根据负荷预测得到的用户j的用电量L可表示为:
其中,k∈[1,10],j∈[1,n];
可选地,针对即售电又购电的用户,计算机设备可以计算其净输出参数,净输出参数可用Pnet表示为:
式中,k∈[1,10],j∈[1,n];
在本实施例中,计算机设备根据历史电力数据以及其他影响用电或发电的影响因素数据,预测用户的电量参数,得到的预测结果比较准确。
在其中一个实施例中,上述获取至少一个用户的电量参数,包括:
根据预设的电力资源数值的上限值和下限值,确定用户的目标电力资源数值范围。
其中,预设的电力资源的上限值和下限值可以根据所在地区政策所确定。例如,不同省份的电子资源上限值和下限值存在差异。
在本实施例中,计算机设备可以直接获取当前用户所在地区的售电价格上限值和下限值,即计算机设备获取当前用户所在地区的大电网收购价格pb,和大电网售电价格ps,同时,计算机设备还可以获取当前用户的期望电价区间,即获取期望上限值ph和期望上限值pl。根据当前用户所在地区的大电网收购价格pb,和大电网售电价格ps,当前用户的期望电价区间(pl,ph),便可得到当前用户期望目标电价p对应的目标电力资源数值范围可以表示为:
ps<pl<p<ph<pb
在本实施例中,根据当前用户所在地区的电价的上限值和下限值、以及用户的期望电价区间,可以确定当前用户期望电价的目标电力资源数值范围,以该目标电力资源数值范围作为约束条件,计算用户的期望电价,得到的结果准确。
在其中一个实施例中,上述根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合,包括:
根据至少一个用户的电量参数、至少一个用户的行为分布概率,采用精炼贝叶斯均衡方法,确定至少一个用户的行为策略集合。
在本实施例中,基于分布式光伏场景进行电力交易的用户满足独立分布关系,设第i个用户有m个可能类型,有n个可能行动,分别用θm和δn表示,则第i个用户属于θm的先验概率满足如下关系:
P(θm)≥0
则第i个用户选择δn的边缘概率为:
第i个用户属于θm的后验概率为Prob{θm|δn},根据第i个用户属于θm的后验概率,可确定第i个用户的联合概率满足如下关系:
Prob(δn,θm)=p(δnθm)p(θm)
=Prob{θm|δn}Prob{δn}
即:
在本实施例中,假设有k个用户,其中包括购电方和售电方,第i个用户的类型θi∈Θi,θi为私人信息,p(θ-i|θi)是属于类型θi的第i个用户认为其他k-1个交易者属于类型θ-i=(θ1,…,θi-1,θi+1,…θk)的先验概率。其中,定义Si是i的策略空间,si∈Si是一个特定的策略,是在k个信息集上第i个用户观测到的其他k-1个用户的行动组合,他是战略组合s-i=(s1,…,si-1,si+1,…sk)的一部分,是在观测到的情况下第i个用户认为其他k-1个用户属于类型θ-i=(θ1,…,θi-1,θi+1,…θk)的后验概率,是所有后验概率的集合,ui=(si,s-1,θi)是第i个用户的效用函数。则精炼贝叶斯均衡定义如下:
在本实施例中,计算机设备通过每个用户可能存在的行为类型以及分布概率,计算各个用户的行为策略集合,该方法可以为后续进行电价平衡提供做好了铺垫。
计算机设备可以根据预设的优化目标确定目标电力资源数值。在其中一个实施例中,如图4所示,上述根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值,包括:
S401、将至少一个用户的行为策略集合输入至预设的博弈模型中进行初步匹配,得到候选行为策略集合。
在本实施例中,当总发电量大于总用电量时,多余电力将“余电上网”,要向大电网输出。其中通过区块链交易的电力根据竞价者低先得原则。售电方和购电方之间构成博弈模型。在本实施例中,根据预设的分配原则,目的在于使得售电方和购电方受益达到最大理想值。可以分为几种情况讨论,在购电方市场的场景下,需要考虑购电方成本最低,将总售电功率按照各用户的需求按比例分配,则必然各个购电方的购电费用最低,则所有购电方的购电总费用最低。此时构成非合作的不完全信息静态博弈模型,该过程中,购电方为“领导者”,售电方为“跟随者”,购电方可以通过制定内部电价,售电方根据内部电价调整用电策略,从行为策略集合中选择最优方案。当总发电量小于总用电量时,需要向大电网购电,此时为售电方市场,需要考虑到售电方效用最高,为保障电网长期稳定运行,应尽肯能保障交易公平,则总发电量根据总需求量按需分配。
根据上述几种情况,构建动态博弈模型理论及贝叶斯法则,其博弈模型可表示为:
其中,Ns为售电方的数量;Nb为购电方的数量;Ei为售电方的行为策略集合;Ui为售电方的用电效益;P介于pl和ph价格区间,C为购电总费用。
在本实施例中,将Ns为售电方的数量、Nb为购电方的数量、售电方的行为策略集合待入至上述博弈模型中,进行计算得到价格每一种行为策略下对应的用电效益Ui、电价P。根据预设的用户期望电力资源数值范围,将行为策略对应的电价P处于期望电力资源数值范围之外的行为策略剔除,将行为策略对应的电价P处于期望电力资源数值范围内的行为策略集合确定为候选行为策略集合。
S402、根据候选行为策略集合,计算得到各候选行为策略对应的第一电力资源数值。
在本实施例中,在上述确定候选行为策略集合之后,计算各候选行为策略对应电价P。
可选地,S501、根据候选行为策略集合,计算得到各候选行为策略对应的第二电力资源数值。
在本实施例中,计算机设备将候选行为策略集合、购电方数量、售电方数量代入上述博弈模型中,计算得到各候选行为策略对应的电价P。
S502、根据各候选行为策略的第二电力资源数值和电量参数,计算各候选行为策略的第一电力资源数值。
在本实施例中,计算机设备根据各候选行为策略对应的电价P以及各候选行为策略对应的用户电量参数的预测值,计算各候选行为策略对应的购电总费用C。
其中,购电总费用C可表示为:
S403、从所有第一电力资源数值中确定第一电力资源数值最小的目标行为策略,并将目标行为策略对应的第二电力资源数值确定为目标电力资源数值。
在本实施例中,计算机通过上述步骤402给出的公式计算各候选行为策略对应的购电总费用C,从所有候选行为策略对应的购电总费用C中,确定购电总费用C最小的一条候选行为策略,作为目标行为策略,那么将该目标行为策略对应的电价P作为目标电力资源数值,即以电价P进行电力的交易。
在本实施例中,计算机设备根据购电方、售电方的多种行为策略结合计算各行为策略结合对应的电价以及购电总费用,以构建总费用最低为原则,进行交易撮合,使得双方均可达到利益最大化。
为了更好的说明上述方法,如图6所示,本实施例提供一种电力资源数值计算方法,具体包括:
S101、根据用户的历史电力数据和天气情况,确定用户的发电量;
S102、根据用户的历史电力数据和日期信息,确定用户的用电量;
S103、根据预设的电力资源数值的上限值和下限值,确定用户的目标电力资源数值范围;
S104、根据至少一个用户的电量参数、至少一个用户的行为分布概率,采用精炼贝叶斯均衡方法,确定至少一个用户的行为策略集合;
S105、将至少一个用户的行为策略集合输入至预设的博弈模型中进行初步匹配,得到候选行为策略集合;
S106、根据候选行为策略集合,计算得到各候选行为策略对应的第二电力资源数值;
S107、根据各候选行为策略的第二电力资源数值和电量参数,计算各候选行为策略的第一电力资源数值;
S108、从所有第一电力资源数值中确定第一电力资源数值最小的目标行为策略,并将目标行为策略对应的第二电力资源数值确定为目标电力资源数值。
在本实施例中,计算机设备根据至少一个用户的电量参数,预测其用电行为策略,构建行为策略集合,基于行为策略集合计算其对应的第二电力资源数值,根据第二电力资源数值确定第一资源数值,确定第一电力资源数值最小的目标行为策略,实现了交易双方的利益最大化。
上述实施例提供的电力资源数值计算方法,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种电力资源数值计算装置,包括:获取模块01、确定模块02和计算模块03,其中:
获取模块01,用于获取至少一个用户的电量参数;电量参数用于表征用户的用电量、发电量、以及电力资源数值范围;
确定模块02,用于根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合;行为策略用于表征不同电量与不同电力资源数值之间的对应关系;
计算模块03,用于根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值。
在其中一个实施例中,上述获取模块01,用于根据用户的历史电力数据和影响因素,确定用户的电量参数;影响因素包括天气情况、日期信息。
在其中一个实施例中,上述获取模块01,用于根据用户的历史电力数据和天气情况,确定用户的发电量;根据用户的历史电力数据和日期信息,确定用户的用电量。
在其中一个实施例中,上述获取模块01,用于根据预设的电力资源数值的上限值和下限值,确定用户的目标电力资源数值范围。
在其中一个实施例中,上述确定模块02,用于根据至少一个用户的电量参数、至少一个用户的行为分布概率,采用精炼贝叶斯均衡方法,确定至少一个用户的行为策略集合。
在其中一个实施例中,上述计算模块03,用于将至少一个用户的行为策略集合输入至预设的博弈模型中进行初步匹配,得到候选行为策略集合;根据候选行为策略集合,计算得到各候选行为策略对应的第一电力资源数值;从所有第一电力资源数值中确定第一电力资源数值最小的目标行为策略,并将目标行为策略对应的第二电力资源数值确定为目标电力资源数值。
在其中一个实施例中,上述计算模块03,用于根据候选行为策略集合,计算得到各候选行为策略对应的第二电力资源数值;根据各候选行为策略的第二电力资源数值和电量参数,计算各候选行为策略的第一电力资源数值。
关于电力资源数值计算装置的具体限定可以参见上文中对于电力资源数值计算方法的限定,在此不再赘述。上述电力资源数值计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取至少一个用户的电量参数;电量参数用于表征用户的用电量、发电量、以及电力资源数值范围;
根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合;行为策略用于表征不同电量与不同电力资源数值之间的对应关系;
根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取至少一个用户的电量参数;电量参数用于表征用户的用电量、发电量、以及电力资源数值范围;
根据至少一个用户的电量参数和预设的行为模型,确定至少一个用户的行为策略集合;行为策略用于表征不同电量与不同电力资源数值之间的对应关系;
根据至少一个用户的电量参数和行为策略集合,计算至少一个用户的目标电力资源数值。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力资源数值计算方法,其特征在于,应用于分布式光伏发电场景,所述方法包括:
获取至少一个用户的电量参数;所述电量参数用于表征所述用户的用电量、发电量、以及电力资源数值范围;
根据所述至少一个用户的电量参数、所述至少一个用户的行为分布概率,采用精炼贝叶斯均衡方法,确定所述至少一个用户的行为策略集合;其中,行为策略表征不同电量与不同电力资源数值之间的对应关系;
根据第一公式,确定所述至少一个用户的行为策略集合;所述第一公式包括:
其中,s* i(s-i,θi)表示第i个用户的每一个行为策略集合;是所有后验概率的集合;是在观测到的情况下第i个用户认为其他k-1个用户属于类型θ-i=(θ1,…,θi-1,θi+1,…θk)的后验概率;是在k个信息集上第i个用户观测到的其他k-1个用户的行动组合;ui=(si,s-1,θi)是第i个用户的效用函数;Si是第i个用户的策略空间;θi是第i个用户的类型;
根据第二公式,确定所述第i个用户属于θm的后验概率;所述第二公式包括:
其中,p(δn|θm)p(θm)表示第i个用户的联合概率;p(θm)是第i个用户属于θm的先验概率;Prob{δn}是第i个用户选择δn的边缘概率;θm是第i个用户有m个可能类型;δn是第i个用户有n个可能行动;
根据第三公式,确定所述第i个用户属于θm的先验概率;所述第三公式包括:
P(θm)≥0
根据第四公式,确定所述第i个用户选择δn的边缘概率;所述第四公式包括:
将所述至少一个用户的行为策略集合输入至预设的博弈模型中进行初步匹配,得到候选行为策略集合;
根据第五公式,确定所述博弈模型;所述第五公式包括:
其中,Ns为售电方的数量;Nb为购电方的数量;Ei为售电方的行为策略集合;Ui为售电方的用电效益;P介于pl和ph价格区间,C为购电总费用;
将售电方的数量、购电方的数量和售电方的行为策略集合待入至所述博弈模型中,得到价格每一种行为策略下对应的用电效益Ui和电价P;根据预设的用户期望电力资源数值范围,剔除行为策略对应的电价P处于期望电力资源数值范围之外的行为策略,并将行为策略对应的电价P处于期望电力资源数值范围内的行为策略集合确定为候选行为策略集合;
根据各所述候选行为策略集合,计算得到各所述候选行为策略对应的第一电力资源数值;
从各所述第一电力资源数值中确定第一电力资源数值最小的候选行为策略,并将候选行为策略对应的第二电力资源数值确定为目标电力资源数值。
2.根据权利要求1所述的方法,其特征在于,所述获取至少一个用户的电量参数,包括:
根据所述用户的历史电力数据和影响因素,确定所述用户的电量参数;所述影响因素包括天气情况、日期信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户的历史电力数据和影响因素,确定所述用户的电量参数,包括:
根据所述用户的历史电力数据和所述天气情况,确定所述用户的发电量;
根据所述用户的历史电力数据和所述日期信息,确定所述用户的用电量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述用户的历史电力数据和所述天气情况,确定所述用户的发电量,包括:
将所述用户的历史电力数据和所述天气情况输入至预设的神经网络模型中,通过所述神经网络模型进行预测,确定所述用户的发电量。
5.根据权利要求3所述的方法,其特征在于,所述根据所述用户的历史电力数据和所述日期信息,确定所述用户的用电量,包括:
将所述用户的历史电力数据和所述日期信息输入至预设的神经网络模型中,通过所述神经网络模型进行预测,确定所述用户的用电量。
6.根据权利要求1所述的方法,其特征在于,所述获取至少一个用户的电量参数,包括:
根据预设的电力资源数值的上限值和下限值,确定所述用户的目标电力资源数值范围。
7.根据权利要求1所述的方法,其特征在于,所述根据所述候选行为策略集合,计算得到各所述候选行为策略对应的第一电力资源数值,包括:
根据所述候选行为策略集合,计算得到各所述候选行为策略对应的第二电力资源数值;
根据各所述候选行为策略的第二电力资源数值和电量参数,计算各所述候选行为策略的第一电力资源数值。
8.一种电力资源数值计算装置,其特征在于,所述装置包括:
获取模块,用于获取至少一个用户的电量参数;所述电量参数用于表征所述用户的用电量、发电量、以及电力资源数值范围;
确定模块,用于根据所述至少一个用户的电量参数、所述至少一个用户的行为分布概率,采用精炼贝叶斯均衡方法,确定所述至少一个用户的行为策略集合;其中,所述行为策略表征不同电量与不同电力资源数值之间的对应关系;
根据第一公式,确定所述至少一个用户的行为策略集合;所述第一公式包括:
其中,s* i(s-i,θi)表示第i个用户的每一个行为策略集合;是所有后验概率的集合;是在观测到的情况下第i个用户认为其他k-1个用户属于类型θ-i=(θ1,…,θi-1,θi+1,…θk)的后验概率;是在k个信息集上第i个用户观测到的其他k-1个用户的行动组合;ui=(si,s-1,θi)是第i个用户的效用函数;Si是第i个用户的策略空间;θi是第i个用户的类型;
根据第二公式,确定所述第i个用户属于θm的后验概率;所述第二公式包括:
其中,p(δn|θm)p(θm)表示第i个用户的联合概率;p(θm)是第i个用户属于θm的先验概率;Prob{δn}是第i个用户选择δn的边缘概率;θm是第i个用户有m个可能类型;δn是第i个用户有n个可能行动;
根据第三公式,确定所述第i个用户属于θm的先验概率;所述第三公式包括:
P(θm)≥0
根据第四公式,确定所述第i个用户选择δn的边缘概率;所述第四公式包括:
计算模块,用于将所述至少一个用户的行为策略集合输入至预设的博弈模型中进行初步匹配,得到候选行为策略集合;
根据第五公式,确定所述博弈模型;所述第五公式包括:
其中,Ns为售电方的数量;Nb为购电方的数量;Ei为售电方的行为策略集合;Ui为售电方的用电效益;P介于pl和ph价格区间,C为购电总费用;
将售电方的数量、购电方的数量和售电方的行为策略集合待入至所述博弈模型中,得到价格每一种行为策略下对应的用电效益Ui和电价P;根据预设的用户期望电力资源数值范围,剔除行为策略对应的电价P处于期望电力资源数值范围之外的行为策略,并将行为策略对应的电价P处于期望电力资源数值范围内的行为策略集合确定为候选行为策略集合;
根据各所述候选行为策略集合,计算得到各所述候选行为策略对应的第一电力资源数值;
从各所述第一电力资源数值中确定第一电力资源数值最小的候选行为策略,并将候选行为策略对应的第二电力资源数值确定为目标电力资源数值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110002215.7A CN112633771B (zh) | 2021-01-04 | 2021-01-04 | 电力资源数值计算方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110002215.7A CN112633771B (zh) | 2021-01-04 | 2021-01-04 | 电力资源数值计算方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633771A CN112633771A (zh) | 2021-04-09 |
CN112633771B true CN112633771B (zh) | 2023-05-16 |
Family
ID=75291435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110002215.7A Active CN112633771B (zh) | 2021-01-04 | 2021-01-04 | 电力资源数值计算方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633771B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511360B (zh) * | 2022-04-20 | 2022-07-08 | 华能江西能源销售有限责任公司 | 购电管理方法、***、可读存储介质及计算机设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10037014B2 (en) * | 2014-02-07 | 2018-07-31 | Opower, Inc. | Behavioral demand response dispatch |
CN108182507A (zh) * | 2017-12-05 | 2018-06-19 | 上海电力学院 | 一种计及不确定性的售电商最优电价决策方法 |
CN110649663B (zh) * | 2019-09-25 | 2021-03-12 | 中国南方电网有限责任公司 | 发电量分配方法、装置、计算机设备及存储介质 |
CN110889598B (zh) * | 2019-11-11 | 2022-07-12 | 华中科技大学 | 一种分布式发电项目优化配置方法 |
CN110852519A (zh) * | 2019-11-18 | 2020-02-28 | 贵州电网有限责任公司 | 一种考虑多类型负荷的售电公司最优盈利方法 |
-
2021
- 2021-01-04 CN CN202110002215.7A patent/CN112633771B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112633771A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Correa-Florez et al. | Stochastic operation of home energy management systems including battery cycling | |
Zhao et al. | Optimal home energy management under hybrid photovoltaic‐storage uncertainty: a distributionally robust chance‐constrained approach | |
Tumuluru et al. | Integrating price responsive demand into the unit commitment problem | |
Coroamă et al. | Distribution system optimisation with intra-day network reconfiguration and demand reduction procurement | |
Vakili et al. | Interconnected microgrids: Optimal energy scheduling based on a game‐theoretic approach | |
Vytelingum et al. | Agent-based modeling of smart-grid market operations | |
CN112633771B (zh) | 电力资源数值计算方法、装置、计算机设备和存储介质 | |
Dinh et al. | Optimal sizing and scheduling of community battery storage within a local market | |
Vahid-Ghavidel et al. | Energy storage system impact on the operation of a demand response aggregator | |
Ishizaki et al. | Day-ahead energy market as adjustable robust optimization: Spatio-temporal pricing of dispatchable generators, storage batteries, and uncertain renewable resources | |
CN110705738B (zh) | 基于人工智能的智能用电激励需求响应方法和*** | |
Mondal et al. | Dynamic price-enabled strategic energy management scheme in cloud-enabled smart grid | |
Razzak et al. | Leveraging Deep Q-Learning to maximize consumer quality of experience in smart grid | |
Jeong et al. | Time series forecasting based day-ahead energy trading in microgrids: mathematical analysis and simulation | |
CN115660351A (zh) | 一种基于shapley值的收益分配方法和装置 | |
Brolin et al. | Controlling a retailer's short‐term financial risk exposure using demand response | |
Rasheed et al. | Artificial intelligence-enabled probabilistic load demand scheduling with dynamic pricing involving renewable resource | |
CN114154793A (zh) | 基于可再生能源的盈余资源分析方法、装置和计算机设备 | |
Watanabe et al. | Agent-based simulation model of electricity market with stochastic unit commitment | |
CN110998643B (zh) | 用于基于模式的能量存储管理的***、设备和方法 | |
Bai et al. | Intelligent optimal demand response implemented by blockchain and cooperative game in microgrids | |
Zhou et al. | Peer-to-peer electricity trading model for urban virtual power plants considering prosumer preferences and power demand heterogeneity | |
Liu et al. | Multi-agent learning in repeated double-side auctions for peer-to-peer energy trading | |
CN111127082A (zh) | 用于供能***的数据处理***、方法及装置 | |
Dolatabadi et al. | Energy storage device sizing and energy management in building‐applied photovoltaic systems considering battery degradation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |