最小化电力采购成本的期望值

我们还要感谢专利律师丰村裕二，他为我们提供了有益的意见和建议。本研究由日本科技厅通过其“基于创新科技的激进创新和创业计划中心”（COI计划）和平成第29能源研究所组织青年研究员/博士生支持计划提供支持。参考文献[1]利用时变armodel对日本电力交易所的价格进行预测。2007年11月，在2007年智能系统应用于电力系统国际会议上，第1-6页。[2] 格雷姆·巴瑟斯特、珍妮·威瑟里尔和戈兰·斯特巴克。在短期能源市场交易风力发电。IEEE电力系统交易，17（3）：782–7892002。[3] R.A.Chinnathambi和P.Ranganathan。调查日前电力市场每小时现货价格的预测方法。2016年IEEE大数据（Big Data）国际会议，第3079–3086页，2016年12月。[4] 日本电力交易所。日本电力交换指南（日本）。http://www.jepx.org/outline/pdf/Guide 2.00.pdf。[5] 路德维希·法尔米尔（LudwigFahrmeir）、托马斯·克内布（ThomasKneib）、斯特凡·朗（StefanLang）和布莱恩·马克思（BrianMarx）。回归：模型、方法和应用。Springer Science&Business Media，2013年。[6] 自然资源和能源署。关于失衡费用的现状概述（日语）。http://www.meti.go.jp/committee/sougouenergy/denryoku燃气/denryoku燃气kihon/seido kento/pdf/007 04 00。pdf。[7] GP Girish。使用自回归garch模型预测印度电力市场的现货电价。《能源战略评论》，2016年11:52–57。[8] J.Li、Z.Li和Y.Wang。日前电力市场的最优竞价策略。2015年10月，2015北美电力研讨会（NAPS），第1-6页。[9] Julija Matevosyan和Lennart Soder。

最小化短期电力市场上不平衡的风电成本交易。IEEE TransactionsonPower Systems，21（3）：1396–14042006。[10] 宫内哈吉和三泽铁也。jepx电力市场价格的回归分析。《电力与能源工程杂志》，2（04）：4832014。[11] 长山裕昭。电力发电和输电分拆的政治经济学（日语）。Toyokeizaishinpo sha，2012年。[12] 调查研发委员会关于自动发电控制模拟模型推荐规程。“自动发电控制模拟模型推荐规程”，技术报告（日本）。技术报告，日本电气工程师学会，2016年。[13] Dipti Srinivasan、Ly Trong Trung和Chanan Singh。电力市场中电力购买者的竞价与合作策略。IEEE SystemsJournal，10（2）：422–43320016。[14] 谢尔盖·沃罗宁和贾莫·帕塔宁。采用独立的正常价格和价格峰值框架，通过迭代方法对日前能源市场进行价格预测。《能源》，6（11）：5897–5922013。附录：模拟调查改变采购条件的影响在本附录中，我们考虑了第4.2小节中给出的条件（14）的变化。使用条件（14）中数量值的各种组合，我们再次对（a，B）的值范围进行了10次蒙特卡罗模拟迭代。我们绘制了E[C]和V[C]的结果，然后讨论了使E[C]最小的（A，B）的值如何随这些条件的变化而变化。首先，我们考虑采购条件与条件（14）相同的情况，但σ从√3至5。σ的增加表示前一天需求预测的精度降低。这些模拟的结果如图所示。7和8。

与前一种情况一样，为∈ [-1.9、3]和B∈ [-4.9, 0].图7：采购成本预期值E【C】。图8:procurementcost V[C]的差异。在本例中，E[C]在（A，B）=（0.8，-1） 在（A，B）=（1，-0.4). 下面，我们比较（A，B）和（A，B）=（0，0）：E[C（0.8，-1） ]=104.6559，V[C（0.8，-1） ]=10.32363，E[C（1，-0.4）]=104.7144，V[C（1，-0.4）]=10.15707，E[C（0，0）]=104.872，V[C（0，0）]=10.66363。使用参数值A=0.6和B=-2，这是使用第4.2节中给出的采购条件找到的最佳参数值，作为比较标准，我们发现，随着前一天需求预测的精度降低，增加A和B是有利的。接下来，我们考虑采购条件与条件（14）相同的情况，但σ从√2至0.1。这一变化代表了当天需求预测精度的提高。从这些模拟中获得的E[C]和V[C]的结果显示在图中。9和10。数据显示为∈ [-1.9、3]和B∈ [-1.9, 3].图9：采购成本预期值E【C】。图10:procurementcost V[C]的差异。在这种情况下，E[C]在（A，B）=（0.1，-0.1），而V[C]在（A，B）=（0.1，0）时最小。

下面，我们比较（A，B）和（A，B）=（0，0）：E[C（0.1，-0.1）]=101.441，V[C（0.1，-0.1）]=1.101092，E[C（0.1，0）]=101.4411，V[C（0.1，0）]=1.096553，E[C（0，0）]=101.4415，V[C（0，0）]=1.097618。因此，我们观察到，当当天需求预测的精度提高时，从标准值中减少A和增加B是有利的。作为下一种情况，我们考虑采购条件与条件（14）相同的情况，但日内单价b从2降低到1.2。在图中。11和12，这些模拟的结果forE[C]和V[C]绘制为∈ [-1.9、3]和B∈ [-2.9, 2].在这种情况下，E[C]在（A，B）=(-0.1, -0.5），V[C]在（A，B）=(-0.1, 0). 下面，我们比较（A，B）和（A，B）=（0，0）：E[C]的值的E[C]和V[C](-0.1, -0.5）]=101.5671，V[C(-0, 1, -0.5）]=1.24487，E[C(-0.1，0）]=101.608，V[C(-0.1，0）]=1.178014，E[C（0，0）]=101.6139，V[C（0，0）]=1.179224。因此，我们观察到，当日内市场的采购成本降低并接近日前市场的采购成本时，从标准值中减少A和增加B是有利的。图11：采购成本预期值E【C】。图12:procurementcost V[C]的差异。作为第四种比较方案，我们现在考虑以下情况：采购条件与条件（14）相同，但日内单价b从2增加到2.8。这些模拟的结果如图所示。A为13和14∈ [-1.9、3]和B∈ [-4.9, 0].图13：采购成本预期值E【C】。图14:procurementcost V[C]的差异。在这种情况下，E[C]在（A，B）=（0.7，-（A，B）=（1.2，-2.2).

下面，我们比较（A，B）和（A，B）=（0，0）：E[C（0.7，-3.8）]=101.8878，V[C（0.7，-3.8）]=2.1443，E[C（1.2，-2.2）]=101.9767，V[C（1.2，-2.2）]=1.946507，E[C（0，0）]=102.2913，V[C（0，0）]=2.837869。因此，我们观察到，当日内单价增加并接近罚款成本时，有利于从标准值增加A和减少B。作为第五种情况，我们考虑采购条件与条件（14）相同的情况，但日前单价a从1下降到0.5。这些模拟的结果如图所示。A为15和16∈ [-0.9、3]和B∈ [-4.9, 0].图15：采购成本预期值E【C】。图16:procurementcost V[C]的差异。在这种情况下，E[C]在（A，B）=（1.6，-（A，B）=（3.1，-1.7). 下面，我们比较（A，B）和（A，B）=（0，0）：E[C（1.6，-2.5）]=51.2869，V[C（1.6，-2.5）]=1.158393，E[C（3.1，-1.7）]=51.6331，V[C（3.1，-1.7）]=0.6809917，E[C（0，0）]=52.32754，V[C（0，0）]=4.606727。因此，我们观察到，当日前单价下降时，从标准值增加A和减少B是有利的。作为第六种情况，我们考虑采购条件与条件（14）相同的情况，但罚款单价c从3增加到3.5。这些模拟的结果如图所示。17和18用于A∈ [-1.9、3]和B∈ [-4.9, 0].在这种情况下，E[C]在（A，B）=（0.8，-（A，B）=（1.2，-1).