基于核密度估计的负荷预测信息价值率评估方法及系统技术方案

本发明专利技术提供一种基于核密度估计的负荷预测信息价值率评估方法及系统，首先对电力市场交易中普遍应用的双结算市场体系进行建模；其次，考虑到电力零售商需要对预测的所代理用户的实时用电量进行预测并投标，因此将该部分电量的不确定性建模为随机变量的概率密度分布；最终，通过核密度估计拟合出不确定性变量的分布，从而根据拟合后的近似分布得到负荷预测信息的价值率量度。本发明专利技术基于核密度估计对不确定性进行刻画和拟合，依据核函数及其拟合分布衡量电力资源的不确定性对于电力零售商购售电交易利润的影响，从而实现信息价值率的评估，精确度可以达到95％，从而可以有效指导电力零售商参与信息交易。力零售商参与信息交易。力零售商参与信息交易。

【技术实现步骤摘要】
基于核密度估计的负荷预测信息价值率评估方法及系统


[0001]本专利技术涉及电力市场交易
，特别是涉及一种基于核密度估计的负荷预测信息价值率评估方法及系统。

技术介绍

[0002]智能电网的发展使得各种来源的电力资源通过信息网络紧密地联系在一起，由此电力和信息之间实现了耦合。另一方面，随着大数据、云计算等数据处理技术的发展，人们收集、处理、分析信息的能力得到提升，信息的价值收受到越来越多的关注。然而，在电力系统中，不同主体之间对于隐私和商业利益的保护使得信息难以实现协同共享，严重地限制了信息转化为经济价值的能力，同时也制约了电力资源的有效使用。

技术实现思路

[0003]本专利技术提供一种基于核密度估计的负荷预测信息价值率评估方法及系统，能够应用于基于电力市场交易的信息交易，基于核密度估计的方法对信息消除不确定性的作用进行衡量，从而提高信息价值率的评估精度，得到精确度高达95％的信息价值率数据。
[0004]本专利技术第一方面提供一种基于核密度估计的负荷预测信息价值率评估方法，包括：
[0005]根据日前市场数据及实时市场数据分别建立日前市场电力交易成本模型及实时市场电力交易利润模型；
[0006]根据所述日前市场电力交易成本模型及所述实时市场电力交易利润模型，建立电力零售商的利润模型；
[0007]基于实时用户负荷需求量，拟合得到实时用户负荷需求量分布函数；
[0008]根据所述实时用户负荷需求量分布函数及所述电力零售商的利润模型，计算得到电力零售商利润期望函数及电力零售商利润目标期望值；
[0009]通过核密度估计方法，结合所述电力零售商利润期望函数及电力零售商利润目标期望值，计算得到负荷预测信息价值率；
[0010]根据所述负荷预测信息价值率及电力零售商的信息价值率进行测算，使得所述负荷预测信息价值率满足预设阈值。
[0011]进一步地，所述日前市场电力交易成本模型，通过以下公式表达：
[0012]C
DA
＝πX
DA
；
[0013]其中，C
DA
为日前市场电力交易成本，π为日前市场的价格信息，X
DA
为日前市场出清的电力交易量；
[0014]所述实时市场电力交易利润模型，通过以下公式表达：
[0015][0016]其中，P
RT
为实时市场电力交易利润，p为电力零售商零售的价格信息，x
RT
为实时市
场出清的电力交易量，X
DA
为日前市场出清的电力交易量，λ
+
为实时市场的最大价格，λ
‑
为实时市场的最小价格，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量。
[0017]进一步地，所述电力零售商的利润模型，通过以下公式表达：
[0018][0019]其中，P为电力零售商的利润，P
RT
为实时市场电力交易利润，C
DA
为日前市场电力交易成本，p为电力零售商零售的价格信息，x
RT
为实时市场出清的电力交易量，π为日前市场的价格信息，X
DA
为日前市场出清的电力交易量，λ
+
为实时市场的最大价格，λ
‑
为实时市场的最小价格，X
DA
为日前市场出清的电力交易量，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量。
[0020]进一步地，所述电力零售商利润期望函数，通过以下公式表达：
[0021][0022]其中，EP为电力零售商利润，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量，P为电力零售商的利润，x
RT
为实时市场出清的电力交易量，为实时用户负荷需求量的分布函数；
[0023]所述电力零售商利润目标期望值，通过以下公式计算：
[0024]EP
*
＝(p
‑
π)EX
RT
‑
V
σ
·
σ；
[0025]其中，EP
*
为电力零售商利润目标期望值，p为电力零售商零售的价格信息，π为日前市场的价格信息，EX
RT
为实时电力零售商利润，V
σ
为信息价值率，σ为权重。
[0026]本专利技术第二方面提供一种基于核密度估计的负荷预测信息价值率评估系统，包括：
[0027]双模型建立模块，用于根据日前市场数据及实时市场数据分别建立日前市场电力交易成本模型及实时市场电力交易利润模型；
[0028]电力零售商的利润模型建立模块，用于根据所述日前市场电力交易成本模型及所述实时市场电力交易利润模型，建立电力零售商的利润模型；
[0029]实时用户负荷需求量分布函数计算模块，用于基于实时用户负荷需求量，拟合得到实时用户负荷需求量分布函数；
[0030]利润期望计算模块，用于根据所述实时用户负荷需求量分布函数及所述电力零售商的利润模型，计算得到电力零售商利润期望函数及电力零售商利润目标期望值；
[0031]负荷预测信息价值率计算模块，用于通过核密度估计方法，结合所述电力零售商利润期望函数及电力零售商利润目标期望值，计算得到负荷预测信息价值率；
[0032]判断模块，用于根据所述负荷预测信息价值率及电力零售商的信息价值率进行测算，使得所述负荷预测信息价值率满足预设阈值。
[0033]进一步地，所述日前市场电力交易成本模型，通过以下公式表达：
[0034]C
DA
＝πX
DA
；
[0035]其中，C
DA
为日前市场电力交易成本，π为日前市场的价格信息，X
DA
为日前市场出清的电力交易量；
[0036]所述实时市场电力交易利润模型，通过以下公式表达：
[0037][0038]其中，P
RT
为实时市场电力交易利润，p为电力零售商零售的价格信息，x
RT
为实时市场出清的电力交易量，X
DA
为日前市场出清的电力交易量，λ
+
为实时市场的最大价格，λ
‑
为实时市场的最小价格，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量。
[0039]进一步地，所述电力零售商的利润模型，通过以下公式表达：
[0040][0041]其中，P为电力零售商的利润，P
RT
为实时市场电力交易利润，C
DA
为日前市场电力交易成本，p为电力零售商零售的价格信息，x
R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于核密度估计的负荷预测信息价值率评估方法，其特征在于，包括：根据日前市场数据及实时市场数据分别建立日前市场电力交易成本模型及实时市场电力交易利润模型；根据所述日前市场电力交易成本模型及所述实时市场电力交易利润模型，建立电力零售商的利润模型；基于实时用户负荷需求量，拟合得到实时用户负荷需求量分布函数；根据所述实时用户负荷需求量分布函数及所述电力零售商的利润模型，计算得到电力零售商利润期望函数及电力零售商利润目标期望值；通过核密度估计方法，结合所述电力零售商利润期望函数及电力零售商利润目标期望值，计算得到负荷预测信息价值率；根据所述负荷预测信息价值率及电力零售商的信息价值率进行测算，使得所述负荷预测信息价值率满足预设阈值。2.如权利要求1所述的一种基于核密度估计的负荷预测信息价值率评估方法，其特征在于，所述日前市场电力交易成本模型，通过以下公式表达：C
DA
＝πX
DA
；其中，C
DA
为日前市场电力交易成本，π为日前市场的价格信息，X
DA
为日前市场出清的电力交易量；所述实时市场电力交易利润模型，通过以下公式表达：其中，P
RT
为实时市场电力交易利润，p为电力零售商零售的价格信息，x
RT
为实时市场出清的电力交易量，X
DA
为日前市场出清的电力交易量，λ
+
为实时市场的最大价格，λ
‑
为实时市场的最小价格，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量。3.如权利要求1所述的一种基于核密度估计的负荷预测信息价值率评估方法，其特征在于，所述电力零售商的利润模型，通过以下公式表达：其中，P为电力零售商的利润，P
RT
为实时市场电力交易利润，C
DA
为日前市场电力交易成本，p为电力零售商零售的价格信息，x
RT
为实时市场出清的电力交易量，π为日前市场的价格信息，X
DA
为日前市场出清的电力交易量，λ
+
为实时市场的最大价格，λ
‑
为实时市场的最小价格，X
DA
为日前市场出清的电力交易量，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量。4.如权利要求1所述的一种基于核密度估计的负荷预测信息价值率评估方法，其特征在于，所述电力零售商利润期望函数，通过以下公式表达：其中，EP为电力零售商利润，X
min
为最小实时用户负荷需求量，X
max
为最大实时用户负荷需求量，P为电力零售商的利润，x
RT
为实时市场出清的电力交易量，f
XRT
(x
RT
)为实时用户负
荷需求量的分布函数；所述电力零售商利润目标期望值，通过以下公式计算：EP
*
＝(p
‑
π)EX
RT
‑
V
σ
·
σ；其中，EP
*
为电力零售商利润目标期望值，p为电力零售商零售的价格信息，π为日前市场的价格信息，EX
RT
为实时电力零售商利润，V
σ
为信息价值率，σ为权重。5.一种基于核密度估计的负荷预测信息价值率评估系统，其特征在于，包括：双模型建立模块，用于根据日前市场数据及实时市场数据分别建立日前市场电力交易成本模型及实时市场电力交易利润模型；电力零售商的利润模型建立模块，用于根据所述日前市场电力交易成本模型及所述实时市场电力交易利润模型，建立电力零售商的利润模型；实时用户...

【专利技术属性】
技术研发人员：冯歆尧，彭泽武，谢瀚阳，梁盈威，苏华权，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：