售電公司如何在泛在電力物聯網環境下制定報價策略？科技頭條網

【能源人都在看，點擊右上角加'關注'】

北極星售電網訊:

1.研究背景

隨著電力體制改革的不斷深入，科技革命與產業革命正在跨界融合，在此背景下，國網公司提出了泛在電力物聯網建設目標。泛在電力物聯網的建設與發展，將充分推動“大雲物移智鏈”等現代信息技術的應用，大力提升數據的自動採集和自動獲取能力，使得在傳統電力行業實現數據價值的深度挖掘成為可能。

在新電改深入的過程中，電力市場售電側逐漸向社會開放，大量新興售電公司湧入電力市場，競爭環境日益激烈。大量市場參與主體的湧入產生了海量繁複的大數據，但基礎數據連接難以下沉，單個小數據價值密度低，並不能直接利用。泛在電力物聯網公共雲平臺通過集合存儲，可實現數據資源整合。

如何利用大數據提出更為有效的報價策略，增強市場競爭力，持續提升盈利能力，是售電公司需首要關注的關鍵問題。因此，針對綜合能源型售電公司進行報價策略研究是十分必要的。

2.解決的問題及意義

在泛在電力物聯網平臺構建的大數據應用背景下，新興售電公司如何利用龐大的數據信息在電力市場競爭中獲得最大利潤是其最為關注的核心問題。本文針對綜合能源型售電公司，圍繞報價策略的兩大核心要素：上網電量和上網電價策略的制定展開研究，構建了含火電和風電的綜合能源發電商成立的售電公司參與電力市場競爭的報價策略模型。

針對上網電量，以泛在物聯網提供的實時全面數據信息平臺為基礎，創新性地構建了基於“氣象相似日”和附加自適應動態規劃校正環節的小波神經網絡的短期負荷預測模型，提高了用戶負荷需求預測的準確度，對比結果如圖1所示。

針對上網電價，通過模糊聚類的方法對收集到的全面實時數據進行聚類形成預測樣本集，創新性構建可提高預測精度的GA-BP神經網絡模型對電力市場短期出清電價進行預測，具體流程如圖2所示。

最後基於泛在數據下報價的概率密度函數，構建了售電公司的貝葉斯博弈競價模型，通過求取貝葉斯納什均衡解得到最優電力報價策略。

基於模型的研究，可以增強售電公司參與市場交易的精度和成功率。研究結果表明，所提模型和方法可提高市場整體運行效率，使社會效益達到最大化。