您的位置:      首頁  /  售電  /  售電數據  /  基于粒子群的算法的購電策略建模...
基于粒子群的算法的購電策略建模研究
2019-11-04 09:50:59
摘要:新型售電公司作為電改以來連接發電側和用戶的樞紐,其順利運作是推動電改的重要一環。就當前而言,通過優化購電策略達到降低成本,做大價差是售電公司提升利潤的重要手段。

(四川通威綠能電力有限公司,610093 成都 )

(Sichuan Tongwei Green Energy Power Co., Ltd.  610093  Chengdu)

     摘要:新型售電公司作為電改以來連接發電側和用戶的樞紐,其順利運作是推動電改的重要一環。就當前而言,通過優化購電策略達到降低成本,做大價差是售電公司提升利潤的重要手段。本文結合四川省2019年電力市場交易規則,利用數學建模進行購電策略研究,將決策抽象為帶有約束條件的最優問題。利用粒子群算法(PSO)求解模型,得到最優購電策略。

     關鍵詞:購電策略 數學建模 粒子群算法 四川交易規則

     The Research on Power Purchase Strategy Based on Particle Swarm Optimization

     Abstract: As a hub for power generation and users, the new power sales company is an important part of promoting electric power reform. As far as the current situation is concerned, optimizing the power purchase strategy to reducing costs and make large price differences is an important means for power companies to increase profits. This paper combines the power market trading rules of Sichuan Province in 2019 and uses mathematical modeling to study power purchase strategy. We abstracte decisions as optimal problems with constraints. Using the algorithm of particle swarm optimization, the optimal power purchasing strategy is obtained.

     Keywords: power purchase strategy, mathematical modeling, particle swarm optimization, trading rules of Sichuan

     0.背景簡介

     自國務院2015年3月15日9號文發布以來,全國以9號文為指導[1],深化供給側結構性改革,穩健推進電力市場建設。社會資金流向電力行業,諸多售電公司應運而生。對于售電公司而言,購電成本是公司盈利的關鍵因素。如何制定并執行購電策略,是壓縮成本、挖掘利潤的關鍵點。售電公司在確定用戶需求量之后,怎樣組合年度交易與月周交易(后期將演化為現貨交易),是購電策略的核心之一。本文就四川省2019年電力市場常規直購的年度交易與月周交易如何組合,進行數學建模研究,并結合粒子群算法求解出最優的購電策略。

    數建.png

數建2.png

    數建3.png 

數建4.png

     2.算法原理及偽代碼

     粒子群算法借鑒群鳥覓食,研究粒子群通過如何變更運動軌跡(運動位置、運動速度)逼近最優位置。其結果通常具有不確定性,因此在第3部分算例中,針對不確定性進行補充,完善求解方法。

     2.1 粒子群算法原理

     在粒子群算法中,存在一群粒子,粒子在屬于可行解空間中進行運動。粒子群運動的目標是達到最優解,如在群鳥覓食中,找到食物最多的地點。其運動方向主要參考三個方向,粒子慣性方向、粒子指向自身周圍最優位置方向、粒子指向所有粒子中最優位置方向。三個向量參考一定系數進行矢量疊加,便是各粒子方向,各粒子沿著矢量疊加方向運動,最終找出最優解。

數建5.png

數建6.png通1.png

數建7.png    

 

數建8.png

     3.算例演示

     3.1 算例求解

     結合例子群算法,參考購電策略建模,現在給出算例。對于各售電公司而言,年度用電總需求 、價格參數 和 為商業機密,因此本文規避實例研究,算例演示中參考如下原則:1.年度交易市場用戶電價參考標桿電價288元/兆瓦時,月周交易電價參考標桿價執行豐(288*0.76)枯(288*1.245)浮動;2.需求量參考發電側水電企業分月發電能力[9],隨機選取若干電廠求和,見表1。

表1 隨機選取三家水電企業

單位:兆瓦時

通2.png

     假設某售電企業當前總需求電量為表1合計部分,結合粒子群算法。本文利用R語言進行編程處理,具體代碼可見附件。參考下表執行購電策略,可以使得購買成本最小,單價為228.80元/兆瓦時,購電策略見表2。

表2 基于粒子群算法求解的最優購電策略

單位:兆瓦時、元/兆瓦時

通3.png

     3.2 啟發式算法不確定性處理

     將實驗迭代次數設置為10000,實驗多次后,發現迭代次數通常是20次便可以基本完成收斂,也存在極少迭代次數需要60次完成收斂。因此,實驗改進參數,設置100次迭代能很好完成收斂,圖2為某次求解收斂過程。

 通4.png

圖2 粒子群算法求解均價變化過程

     實際在測試過程中,出現局部收斂情況也較為突出,即存在計算結果中采購單價偏離228.80元/兆瓦。以表1數據為基礎,對其100次計算結果進行統計,計算結果表明全局收斂次數為77次。令其全局收斂與否為伯努利分布,采用極大釋然估計[10]求解:求取全局最優概率為 ,具體計算結果分布圖參考圖3。

通5.png

圖3 計算結果分布

     由于粒子群計算結果不穩定,因此在求解中,建議多次實驗取最優。參考全局收斂概率為0.7,建議重復計算次數為10。取10次最優結果中最優值為計算結果,相應得到全局最優解概率為: 。

     4.總結

     本文借助數學工具,以建模作為手段,結合四川省2019年電力市場常規直購交易規則,將購電策略抽象為數學模型,通過建模求解得到最優購電策略。在求解時,基于求解對象多變量及其復雜性考慮,放棄傳統的解析解,轉向數值解。借助啟發式算法——粒子群算法求解模型。文中亦存在不足之處:1、電價參數選取僅參考標桿電價,而沒有依據實際情況給出參數。因此,后期研究在此基礎上,可將如何選取參數作為研究方向,此處建議結合先驗分布和抽樣數據進行評估,即售電公司參考專家組評估和歷史數據給出相應參數;2、文章視角局限于售電公司,未從發電側角度思考如何制定售電策略。發電側制定售電策略與售電公司相反,將文中適應度評價修改:銷售均價越高,適應度越高;3、建模過程中,僅考慮單目標的問題,決策未權衡風險-收益,僅以最低成本作為求解方向。因此后期研究可以增加風險目標函數,求解多目標問題。

     [參考文獻]

     [1]中共中央國務院關于進一步深化電力體制改革的若干意見[A].中國農機工業協會風能設備分會《風能產業》(2015年第4期)[C].2015.

     [2]關于印發2019年四川電力交易指導意見的通知[Z].四川能源監管辦,四川省經濟和信息化廳.2019.1

     [3]Thomas H.Cormen,Charles E.Leiserson,Ronald L.Rivest,Clifford Stein.算法導論(第三版)[M].北京:機械工業出版社,2012.12:53-56.

     [4]《運籌學》教材編寫組.運籌學(第四版)[M].北京:清華大學出版社,2012.4:531-533

     [5]Eberhart RC,Kennedy J.A new optimizer using particle swarm theory. Proceedings of the Sixth International Symposium on Micro Machine and Human Science[J].IEEE service center,Piseataway,NJ,Nagoya,Japan,1995:39-43

     [6]劉建華. 粒子群算法的基本理論及其改進研究[D].中南大學博士論文,2009:17-19

     [7]吳濤. 粒子群及量子行為粒子群優化算法的改進研究[D].西南交通大學博士論文, 2014:14-16

     [8]潘峰,李位星,高琪.粒子群優化算法與多目標優化[M].北京:北京理工大學出版社

     [9]關于發布水電企業2019年分月發電能力的通知[Z].四川電力交易中心有限公司.2019.2

     [10]盛驟,謝式千,潘承毅. 概率論與數理統計(第四版) [M].北京:高等教育出版社,2008.1:


電力會展
電力企業
福建31选7开奖结果今晚