-
题名基于三角模糊数的清洁能源电价补偿机制
被引量：1
- 1
-
-
作者
谭忠富
何楠
周凤翱
张科
-
机构
华北电力大学能源与环境研究所
华北电力大学能源资源环境法律研究中心
河南省电力公司新乡供电公司
-
出处
《水电能源科学》
北大核心
2013年第3期251-255,共5页
-
基金
国家自然科学基金资助项目(71071053)
-
文摘
为了制定合理的清洁能源电价补偿机制,推动清洁能源电力的有效发展,分析了我国清洁能源电价补偿机制现状及存在的问题,基于清洁能源电力的外部性特征,引入三角模糊数,通过模糊数将补偿机制中补偿金额的计算扩展为补偿区间的确定,同时将不同对象的可能补偿额度定为隶属度;并以风电为例,运用模糊响应公式对其补偿区间进行了量化分析。结果表明,电力用户补偿区间为0.002～0.008元/(kW.h),电网企业补偿区间为3 869.48～16 096.74元/MW,清洁能源电厂(风电厂)补偿区间为0.218 9～0.241 2元/(kW.h),且清洁能源电力的各级补偿区间与补偿对象密切相关,补偿额度也会随其上网电量的变化而波动。
-
关键词
三角模糊数
清洁能源电价补偿机制
补偿区间
风电
-
Keywords
triangle fuzzy number
compensation mechanism of clean energy pricing
compensation range
wind power
-
分类号
TM727
[电气工程—电力系统及自动化]
F416.6
[经济管理—产业经济]
-
-
题名基于PSOGRNN的我国电力消费预测
- 2
-
-
作者
周凤翱
何楠
邢通
谭忠富
-
机构
华北电力大学能源资源环境法律研究中心
华北电力大学能源与环境研究所
-
出处
《水电能源科学》
北大核心
2013年第2期221-223,共3页
-
基金
国家自然科学基金资助项目(71071053)
-
文摘
为准确预测电力消费并给电力发展规划制定提供依据,提出一种电力消费混合预测模型(PSOGRNN),将GDP、人均可支配收入和电力消费历史数据作为输入变量,运用粒子群优化(PSO)算法优化选择用于电力消费预测的广义回归神经网络(GRNN)模型参数值,以此提高模型的预测精度。实例验证结果表明,与自适应GRNN模型、DGM(1,1)模型和最小二乘线性回归模型相比,PSOGRNN模型的预测精度最高,且有效可行。
-
关键词
电力消费
预测
广义回归神经网络模型
粒子群优化算法
参数优化
-
Keywords
electricity consumption
forecasting
generalized regression neural network model
particle swarm optimization algorithm
parameter optimization
-
分类号
TM715
[电气工程—电力系统及自动化]
-
