电力市场环境下梯级水电厂报价策略研究

论文摘要

随着我国电力市场化进程的加快和“厂网分开,竟价上网”运营机制的实施,发电企业逐渐成为市场竞争的主体。在电力市场环境下,梯级水电厂如何参与市场竞争优化发电生产过程,采取策略性报价实现发电利润最大化,成为其面临的首要问题。本文以电力市场出清电价预测、容量分配和梯级水电厂竞价策略为主要内容,进行了以下几方面的研究:采用粒子群优化BP神经网络方法预测市场出清电价,在此基础上对发电厂基于预测市场出清价的竞价策略进行分析。最后,对某梯级水电厂以收益最大为目标进行分析计算,得出了在竞价上网条件下的电量优化策略。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 课题研究的背景
• 1.2 梯级水电厂竞价上网交易计划研究现状
• 1.2.1 发电商日前发电报价研究现状
• 1.2.2 梯级水电厂电量优化研究现状
• 1.3 本文的主要工作
• 第二章 PSO-BP 模型的市场出清电价预测
• 2.1 短期电价预测方法
• 2.1.1 时间序列预测法
• 2.1.2 基于小波理论的预测方法
• 2.1.3 神经网络预测方法
• 2.1.4 组合预测方法
• 2.2 BP 神经网络
• 2.2.1 BP 神经网络的网络结构
• 2.2.2 BP 算法的改进
• 2.2.3 BP 神经网络学习公式推导
• 2.3 粒子群优化算法
• 2.3.1 粒子群优化算法
• 2.3.2 采用PSO 训练BP 神经网络
• 2.4 应用实例
• 2.4.1 预测数据模型
• 2.4.2 预测结果
• 2.4.3 实例预测
• 2.5 本章小结
• 第三章 基于投资组合理论的发电容量分配策略
• 3.1 投资组合理论
• 3.1.1 风险偏好与效用的定义
• 3.1.2 基于投资组合理论的多个市场发电容量分配策略
• 3.2 合同、日前两市场投标组合函数模型
• 3.3 算例分析
• 3.4 本章小结
• 第四章 梯级水电站群竞价策略
• 4.1 水电与电力市场
• 4.1.1 梯级水电特点
• 4.1.2 梯级水电站经济运行准则
• 4.1.3 梯级水电厂竞价机制
• 4.2 梯级水电站竞价模型
• 4.2.1 目标函数形式
• 4.2.2 约束条件
• 4.3 算法的选择
• 4.3.1 遗传算法
• 4.3.2 遗传算法的优点
• 4.3.3 遗传算法描述
• 4.4 算例分析
• 4.4.1 数据来源
• 4.4.2 计算结果
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况