電力現(xiàn)貨市場實時交易可充分發(fā)揮市場調(diào)節(jié)作用,促進可再生能源消納。基于數(shù)據(jù)實證分析可再生能源發(fā)電對實時電價的影響,對理解現(xiàn)貨市場運行規(guī)律、開展市場成熟度評價等具有重要參考價值。選取德國電力現(xiàn)貨市場開展數(shù)據(jù)實證,收集發(fā)電量、負荷量、預測誤差、價格等多因素數(shù)據(jù),基于時間序列特征表示方法,研究可再生能源發(fā)電對實時電價的影響。首先,使用特征表示方法將時間序列時域模型轉(zhuǎn)化為特征向量。然后,采用貪婪向前特征選擇算法提取關鍵特征,最大化因素間差異。接著,分別基于全部特征和關鍵特征討論了多因素間的相關性,并構(gòu)建了影響機理網(wǎng)絡圖。實證結(jié)果表明德國電力現(xiàn)貨市場實時電價主要受到風力發(fā)電量預測誤差影響,因素間相關性主要來自時間序列的傅里葉變換、小波變換、離散符號化等特征。最后,通過中德電力現(xiàn)貨市場的定量對比,指出中國廣東電力市場實時電價更易受新能源發(fā)電量而非預測誤差的影響。 

【文章來源】：電力系統(tǒng)自動化. 2020,44(04)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

方法體系示意圖

特征表示方法有效性即其對時間序列的描述能力，可由分類準確率論證。使用5倍交叉驗證線性SVM分類器[27-28]，基于7 873個特征值對168條短序列按因素進行分類，混淆矩陣如圖2所示。圖2用紅色單獨標記錯誤分類結(jié)果，矩陣上方和右側(cè)分別給出了查準率和召回率。從圖2可以得出：基于全部特征對168條短序列進行分類的準確率為82.5%，基本可以正確區(qū)分不同因素。其中，價格序列的分類準確率達到100%，誤判主要集中在負荷序列、風力發(fā)電量序列和風力發(fā)電量預測誤差序列。

采用主成分分析對全部特征進行降維，并基于前2個主成分構(gòu)建二維空間描述時間序列[33]。以主成分1（分類準確率為49%）作為橫坐標，主成分2（分類準確率為100%）作為縱坐標，將12條時間序列繪制為圖3所示的散點圖。從2.2.1節(jié)的分析可知，實時電價和太陽能發(fā)電量的相關性較差。因此可考慮構(gòu)造一條垂直于價格序列和太陽能發(fā)電量序列連線方向的直線（圖3中黑色實線）將12條時間序列分為2類。分類結(jié)果如圖3所示，藍色散點代表與價格序列相關性較強的因素，紅色散點代表相關性較弱的因素，從分類結(jié)果可以看出：價格序列與風力發(fā)電量預測誤差序列、負荷序列、風力發(fā)電量序列屬于同一類，這些因素間相關性較強；太陽能發(fā)電量序列和太陽能發(fā)電量預測誤差序列屬于同一類，這些因素與實時電價之間的相關性較弱。

【參考文獻】：
期刊論文
[1]國外典型電力平衡市場的運作模式及其對中國的啟示[J]. 賀宜恒,周明,武昭原,龍?zhí)K巖,徐駿.  電網(wǎng)技術(shù). 2018(11)
[2]考慮風電功率預測不確定性的日前發(fā)電計劃魯棒優(yōu)化方法[J]. 蔣宇,陳星鶯,余昆,廖迎晨,謝俊.  電力系統(tǒng)自動化. 2018(19)
[3]面向高比例可再生能源的電力市場研究綜述[J]. 肖云鵬,王錫凡,王秀麗,別朝紅.  中國電機工程學報. 2018(03)
[4]中國電力市場建設路徑優(yōu)選及設計[J]. 葛睿,陳龍翔,王軼禹,劉敦楠.  電力系統(tǒng)自動化. 2017(24)
[5]中國促進清潔能源消納的市場機制設計思路[J]. 史連軍,周琳,龐博,嚴宇,張凡,劉俊.  電力系統(tǒng)自動化. 2017(24)
[6]用電側(cè)市場放開下的電力市場多主體博弈[J]. 曾嘉志,趙雄飛,李靜,李剛,李康敬,魏震波.  電力系統(tǒng)自動化. 2017(24)
[7]基于激勵相容與深度博弈的云南電力市場機制設計及應用[J]. 楊強,蔡華祥,嚴明輝,張茂林,劉雙全,邢玉輝.  電力系統(tǒng)自動化. 2017(24)
[8]北歐電力市場評述及對我國的經(jīng)驗借鑒[J]. 包銘磊,丁一,邵常政,宋永華.  中國電機工程學報. 2017(17)
[9]可再生能源參與電力市場:綜述與展望[J]. 康重慶,杜爾順,張寧,陳啟鑫,黃瀚,伍聲宇.  南方電網(wǎng)技術(shù). 2016(03)
[10]英國電力容量市場設計及對中國電力市場改革的啟示[J]. 侯孚睿,王秀麗,鎖濤,張文韜,姚力,宮本輝.  電力系統(tǒng)自動化. 2015(24)



本文編號：3093192