能源互联网背景下电力市场大数据应用探讨

能源互联网背景下电力市场大数据应用探讨

王宁宁

江苏核电有限公司 江苏省连云港市222000

摘要：当前，能源互联网的重要建设实践之一是以互联网技术为基础，以电力系统为中心将传统发用电负荷、核能发电、分布式风电与光伏、储能装置以及基于需求响应的可调节负荷等资源紧密耦合，以负荷聚集商、虚拟电厂等不同市场主体形式参与电力市场，实现以“双碳”为目标新供需形势下的能源资源精确匹配和优化配置。国内外学者基于能源互联网的主流概念，详细探讨了以云计算、大数据等互联网信息技术支持超大规模分布式发电系统接入，支撑广域能源共享和“源-网-荷-储”协调优化运营的实现方法。

关键词：能源互联网；电力市场；大数据；应用

前言

在“双碳”目标下，能源互联网各项新技术的应用和新业态的发展使得能源网与信息网结合更加紧密，促进电力市场将有限的信息交互演变为多方参与的能力与信息对等交换，大数据管理的标准体系与安全规范也将面临更高的要求。同时，能源互联网中的各类市场主体以及各个系统节点的联系将更加紧密，也对数据采集、传输与交互提出了更高的要求，电力市场建设面临新的技术挑战，电力交易运营数字化转型升级迫在眉睫。

1成交价格预测与分析

全球能源互联网的概念的提出与发展过程中，重要的内容就是实现电网互联。以我国为例，我国目前实现的“三华”联网，就是将不同区域的电网通过高压直流或者交流进行连接。电网互联后形成大电网，使得对于随机性和相互依赖的实时电价的分析变得尤为重要，包括对时空双维度的节点电价的分析。因为这类双维度电价信息中含有包括网络拓扑、政策信号、潮流信息等在内的信息，这类信息对于电力交易者来说也十分重要，因此利用机器学习等算法对这类数据进行分析可以实现系统运行条件获取、电价预测与跟踪等。另一方面，电力辅助服务交易也是电能量交易中的重点，其中的备用容量以及相应的交易价格都是无规律的时间序列，利用大数据技术也可以分析和把握辅助服务市场中的这些不确定因素。在参与者参与电力交易中，最关心的就是实时变化的时空双维度电价，如果能够利用大数据技术对影响电价的不确定因素进行分析和整理，那么参与者就可以在交易中获取更多的交易信息，减少交易的风险，有利于促进交易量不断发展。另外随着可再生能源的渗透率不断提高，含有可再生能源的电价中也出现了新问题，包括零电价以及负电价，这与包括风能和光伏在内的可再生能源的波动性、随机性和不确定性有关。如果能够利用大数据技术将这类不确定性进行分析，通过大数据数据源分析技术、数据挖掘技术、数据综合图像分析等，就可以实现电价的准确预测。实时电价与期货市场的密切相关性对于中长期风险对冲策略至关重要，这里就需要对电力市场内参与者投标决策行为进行预测和分析。对于市场竞争者以及能源管理者来说，最希望获取这种投标信息。市场代理商希望能够以最大获利的方式撮合投标，这就需要大数据对时空电价进行分析和预测，并利用智能优化算法求解最佳均衡点。另外，供给商对于其他市场参与者的报价有一个最优响应，这种响应也需要利用大数据技术进行分析。而对于电能需求者来说，电力大数据能够准确分析其用电行为以及需求响应曲线，通过时序函数以及机器学习等对这类信息数据进行挖掘和分析，促进电力交易正常有序进行。

2市场结算分析

市场结算是指根据交易结果和市场规则相关规定，对市场成员保证金、盈亏、手续费、交割货款和其它有关款项进行的计算、划拨，包括电能结算、辅助服务结算、偏差结算、输配电费结算等结算品种，同时包括涉及各结算品种的盈余平衡结算与追补清算以及帐单发布、基础模型、参数配置等，另外包括与其他相关系统以及其他市场技术支持系统的接口。由于目前不同区域交易中心的结算方式不尽相同，未来的结算方式也可能产生变化。市场结算场景应适配交易中心的不同的交易算法，以不同周期结算方式为主、按不同标的物结算方式为辅，同时也支持以不同用户类的结算方式。在交易结算过程中需要展示或者给出多种电源类型、发用电双向竞价、电能与辅助服务耦合、多时段耦合的交易信息，包括电网安全、机组运行、系统平衡的大规模优化结果，这就需要大数据分析与展示技术，从而能够适应年度、月度、日前等多交易周期大规模电力市场的快速出清结算，保障计算性能满足快速结算要求。总之，对于大数据在电力交易中的应用，首先从海量交易数据中提取关键信息，采用数据挖掘技术，按照特定的函数算法，按交易类型、结算方式等聚合成典型结算分析模型，然后将所有交易结果与历史值进行对比，分析出与历史水平不同的特点，由此对市场交易结算进行分析评价，并提出改进建议。

3售电量预测分析

售电量在售电电力交易中十分重要，而由于售电量预测值于实际值存在偏差，因此售电业务开展受到一定程度影响。在新一轮电力体制改革中，售电业务逐渐开放，售电量也逐渐成为考核电力企业运营水平的一个重要指标。为了减小售电量预测值于实际值的偏差，就需要利用电力大数据对历史售电量总额、售电指标等进行分析，从而制定有序用电方案，也同时促进发电侧机组组合合理化、运行经济化。由于需要对区域内的节点负荷的历史数据/售电交易的历史数据进行分析，而售电业务精准预测分析是需要从数据历史趋势、售电量季节特性以及售电业务随机偏差这三个维度进行分析，因此这里需要应用电力大数据的分析技术，包括线性回归分析、BP神经网络分析、支持向量机分析、逻辑回归分析等，对历史数据进行训练，提高预测精度。由于售电业务的开展与售电公司的收益直接相关，而利用大数据相关技术能够很好地实现售电量进准预测分析等内容，有利于电力交易的有序进行。在预测分析算法中，传统预测法及智能预测法两类，这两类算法都需要以交易大数据为支撑，需要获取历史交易数据，结合其他相关因素，做出精准预测，具体包括回归分析法、时间序列法、指数平滑法等传统方法以及小波分析法、混沌预测法、模糊理论预测法、人工神经网络预测法等智能算法，这些不同方法均可以应用于大数据技术中，从而提高预测分析的精准度。

4电力市场主体征信评估与分析

数据是信用量化分析的入口，交易机构连接着市场供需双方及售电服务方等企业，拥有市场主体的基础属性信息、全过程运营信息以及市场行为信息等，在信用信息挖掘分析方面具备天然的条件。随着市场主体数量和市场化交易电量迅猛增长以及电力交易品种的不断丰富，电力交易产生的数据在不断积累。海量的市场注册、交易、履约及结算信息与市场主体的信用状况密切相关。基于大数据技术对这些海量信息进行挖掘及分析，为开展专业化的电力市场信用信息挖掘分析提供了基础，使得“互联网+大数据”模式下的电力市场主体信用评价成为可能，为应对新形势下电力市场多重信用风险问题，防范电力市场主体信用风险，以及建立相应的信用风险防范机制提供了重要支撑。

结束语

能源互联网背景下的电力市场是“能源流、信息流、业务流”高度融合的集中体现。引入大数据和云计算等新技术推动市场建设运营数字化转型升级是实现能源产业与互联网技术、商业模式协同的重要途径，也是拓展市场配置资源外延、促进数据内容向新型生产资料演化的有效手段。

参考文献：

［1］曹军威，杨明博，张德华，等.能源互联网：信息与能源的基础设施一体化［J］.南方电网技术，2014，8（4）：1-10.

［2］曾鸣，杨雍琦，刘敦楠，等.能源互联网“源-网-荷-储”协调优化运营模式及关键技术［J］.电网技术，2016，40（1）：124-134.