为了尽快地适应电力市场环境，设计完善的电力市场培训系统，给出了一种电力市场培训系统的能量与备用市场统一出清模型，以及电价形成过程和算法实现，分析了输电线路在阻塞和无阻塞两种情况下节点电价的变化情况。该模型可以达到快速出清目的，在实践中有较好的应用效果。
2021-12-22 09:27:59
4.84MB
1
区块链技术作为新兴分布式数据库技术，在能源领域有巨大的应用潜力。多微电网系统作为能源互联网的重要组成部分，研究多微电网系统中多主体的竞争博弈对能源互联网技术的发展具有重要的意义。在综合分析微电网运营商、大用户以及分布式聚合商市场主体需求及收益等因素的基础上，构建了基于区块链技术的多微电网系统竞争博弈模型；针对这一复杂多目标优化问题，提出了采用改进蚁群优化算法(IACO)进行求解。对所构建的竞争博弈模型及求解算法进行了仿真分析，仿真结果表明，基于所提模型得到的各时段最优电价策略可有效地平衡市场各主体的效益，从而实现多方共赢和协调发展；结果验证了IACO在求解基于区块链技术多目标优化问题时的适应性和有效性。
2021-10-29 10:48:12
4.49MB
1
本文设计并实现了电力市场仿真培训软件PMOSS。
该系统采用模块化结构体系、可视化图形界面，可以仿真不
同电力网络在不同市场交易规则下的运行过程，从而达到培
训电力市场参与者的目的。立足于电力市场运作的仿真和对
参与人员的培训，该系统可以检验电力市场各种决策方案的
合理性和有效性，为广大电力系统的学生及专业人员熟悉电
力交易机制，掌握市场规律提供有效的工具。文中通过
IEEE30 节点系统的仿真算例验证了该系统的正确性和有效
性。
2021-10-26 00:03:10
394KB
1
广东工业大学本科生毕业设计(论文)任务书-电力市场下基于BP神经网络的短期负荷预测建模及其仿真研究
2021-10-25 23:19:38
722KB
1
一般采用小波分解的电价预测方法是将历史电价分解后分别预测,预测过程中没有引入其他电价影响因素,或者是直接引入未经小波分解的影响因素。提出一种小波分析与神经网络相结合的预测方法,将历史电价和历史负荷都进行小波多分辨率单尺度分解,分解成概貌电价、细节电价和概貌负荷、细节负荷。在此基础上,用历史概貌电价和概貌负荷序列训练BP神经网络,预测出未来的概貌电价;用历史细节电价和细节负荷序列训练BP神经网络,预测出未来的细节电价。将概貌电价和细节电价进行重构,得到最终的预测电价。对美国PJM电力市场的实际电价(LMP)进行预测,验证了该方法的有效性和可行性。
2021-09-22 14:54:06
888KB
1