基于形態(tài)匹配的大用戶直購(gòu)電撮合模型

1、基于形態(tài)匹配的大用戶直購(gòu)電撮合模型胥威汀1，劉俊勇1，趙巖2，李磊2，劉友波1，姚珺玉11. 四川大學(xué)電氣信息學(xué)院 智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室，四川省 成都市 6100651；2. 上海市電力公司，上海市 浦東新區(qū) 200122Bilateral Patterns Technology Matching Model for Direct Power-Purchase TransactionXu Weiting1, Liu Junyong1, Zhao Yan 2, Li Lei2, Liu Youbo1, Yao Junyu1,1.School of Electrical Engineering

2、 and Information，Sichuan University，Chengdu 610065； 2.Shanghai Municipal Electric Power Company，Pudong New District，Shanghai 200122，ChinaABSTRACT: Traditional direct power-purchase transaction mostly based on the matching of bilateral quantity and prices of electricity. It is lack of effective means

3、 to optimizing the quality of electric transmission of direct power-purchase. This paper starts with the historical electric characteristic curves of the purchase and sales sides. An auxiliary model for transaction which is based on bilateral patterns technology matching is built in this paper. Dire

4、ct power-purchase scheme which is beneficial to grid dispatching and reserve reduction is discussed in the direct power-purchase market environment. Model uses multi-objective correlation analysis as the core, clustering process as the base, information entropy as the evaluation to construct a combi

5、nation method which can provide a reference of electric characteristic curve shape for making the direct power-purchase scheme. The data collected from a power company is used in this paper as an example of matching analysis. It verifies the validity of the model.KEY WORD: direct power-purchase tran

6、saction；matching；bilateral pattern摘要：傳統(tǒng)大用戶直購(gòu)電交易多是基于雙邊電量和電價(jià)的撮合，缺乏優(yōu)化直購(gòu)電中電網(wǎng)運(yùn)營(yíng)的有效手段。本文單從直購(gòu)雙方電力特性曲線形態(tài)入手，提出了一種基于雙邊形態(tài)技術(shù)匹配的交易輔助模型，探討了直購(gòu)電市場(chǎng)環(huán)境下有利于電網(wǎng)調(diào)度、減少電網(wǎng)備用的直購(gòu)方案的制定。模型以多目標(biāo)關(guān)聯(lián)度分析為核心，以聚類處理為基礎(chǔ)，以熵值計(jì)算為評(píng)價(jià)方式，構(gòu)建了一套為直購(gòu)方案的制定提供電力特性曲線形態(tài)方面參考的方法。本文以某電力公司采集的數(shù)據(jù)為例進(jìn)行匹配分析，驗(yàn)證了該模型的有效性。關(guān)鍵詞：直購(gòu)電交易；匹配；雙邊形態(tài)1 引言大用戶直購(gòu)電交易已成為當(dāng)前研究熱點(diǎn)。其研究涉及了

7、直購(gòu)電的交易模式1、定價(jià)策略2和用戶評(píng)價(jià)3。文獻(xiàn)4引入價(jià)格彈性和現(xiàn)貨市場(chǎng)提出了一種大用戶直購(gòu)定價(jià)模型；文獻(xiàn)5討論了電力市場(chǎng)雙邊交易中的不平衡量問(wèn)題，并提出了整合不平衡量的方法；文獻(xiàn)6對(duì)比總結(jié)了國(guó)內(nèi)外大用戶直購(gòu)模式，對(duì)國(guó)內(nèi)直購(gòu)電交易提出了關(guān)于輸配電價(jià)、用戶準(zhǔn)入以及交易空間等建議；可見，當(dāng)前對(duì)大用戶直購(gòu)電交易的研究著重于電量和電價(jià)?；诹亢蛢r(jià)的撮合式交易有利于發(fā)配總量的平衡以及各方利益的協(xié)調(diào)，但對(duì)于直購(gòu)電交易中的電網(wǎng)運(yùn)營(yíng)卻未予以考慮。電監(jiān)會(huì)關(guān)于完善電力用戶與發(fā)電企業(yè)直接交易試點(diǎn)工作有關(guān)問(wèn)題的通知中建議委托電網(wǎng)企業(yè)對(duì)直接交易余缺電量進(jìn)行調(diào)劑，說(shuō)明直購(gòu)電交易中的確存在不確定性波動(dòng)需要電網(wǎng)公司統(tǒng)籌平衡。

8、引入針對(duì)購(gòu)售雙邊電力特性曲線形態(tài)的研究構(gòu)建直購(gòu)電交易模型是探討該問(wèn)題的有效方法。區(qū)別于傳統(tǒng)基于電量和電價(jià)的撮合式交易模式，本文在精細(xì)劃分購(gòu)售兩側(cè)成員的基礎(chǔ)上提出了一個(gè)基于關(guān)聯(lián)度計(jì)算的直購(gòu)電雙邊形態(tài)技術(shù)匹配模型。該模型能夠使具有相似電力特性的發(fā)電和用戶集群進(jìn)行配對(duì)直購(gòu)，使電網(wǎng)公司不需要因?yàn)榇笥脩舻呢?fù)荷波動(dòng)而過(guò)多地去實(shí)時(shí)控制發(fā)電曲線或調(diào)用備用，降低了電網(wǎng)運(yùn)行的不確定性，而相應(yīng)電廠和大用戶只需按照各自計(jì)劃發(fā)電、用電，維持其正常的電力行為。利用信息熵定義一個(gè)用于綜合評(píng)價(jià)匹配方案的指標(biāo)，為制定考慮電網(wǎng)高效運(yùn)營(yíng)的大用戶直購(gòu)電交易方案提供一定技術(shù)參考。2 雙邊形態(tài)技術(shù)匹配模型關(guān)鍵技術(shù)2.1 失真數(shù)據(jù)預(yù)處理本

9、文匹配分析的對(duì)象是直購(gòu)電購(gòu)售兩側(cè)的電力特性曲線，所以首先需要提取出客觀合理的樣本。由于受通信中斷或干擾，樣本數(shù)據(jù)失真難以避免。設(shè)短時(shí)內(nèi)數(shù)據(jù)縱向相似，即3個(gè)連續(xù)數(shù)據(jù)的中點(diǎn)無(wú)突變，且附近同類日曲線橫向相似。可通過(guò)樣本統(tǒng)計(jì)指標(biāo)及預(yù)設(shè)閾值判斷失真數(shù)據(jù)。式(1)-(4)表示同類型日橫向數(shù)據(jù)失真的判定與修正過(guò)程。 (1) (2) (3) (4)式中，為第n天第i點(diǎn)數(shù)據(jù)，N為數(shù)據(jù)集大小。式(3)利用原理進(jìn)行失真判斷。式(4)引入3個(gè)總和為1的權(quán)重1、1、1對(duì)數(shù)據(jù)進(jìn)行修正。為附近2個(gè)橫向負(fù)荷，為最近2個(gè)相似日負(fù)荷點(diǎn)。為判斷縱向失真，將連續(xù)5個(gè)數(shù)據(jù)點(diǎn)平均化，形成平滑序列，利用式(5)-(7)處理縱向失真： (5

10、) (6) (7)式中，為失真閾值，用于判斷縱向失真，取0.080.15。滿足式(6)失真條件，則用式(7)對(duì)數(shù)據(jù)進(jìn)行修正，參數(shù)滿足。2.2 雙邊直購(gòu)成員關(guān)聯(lián)度計(jì)算關(guān)聯(lián)分析法在模型中用于確定直購(gòu)電交易匹配方案。購(gòu)售兩側(cè)的曲線關(guān)聯(lián)度若滿足較高水平的關(guān)聯(lián)閾值，其變化趨勢(shì)則必然相似，則認(rèn)為該組配對(duì)滿足匹配要求。若方案中各組配對(duì)均滿足對(duì)應(yīng)閾值，則判斷該方案為可行匹配方案，列入?yún)⒖记鍐?。關(guān)聯(lián)分析的計(jì)算公式為7： (8)(9)式中，(0<<1)為分辨系數(shù)，取=0.5，n為曲線的維度，k為其中負(fù)荷值的序號(hào)，y0(k)為組合曲線的均值，yi(k)為各匹配組合方案的特性曲線。2.3 聚類算法及其評(píng)判

11、指標(biāo)聚類算法在模型中主要起到按照電力特性劃分直購(gòu)電廠和大用戶集的作用，屬于匹配模型的優(yōu)化模塊。按照聚類集群直購(gòu)的方式進(jìn)行撮合交易能夠在保證參與集完整性的同時(shí)提高匹配分析效率，并為按照雙邊電力特性擬定差別過(guò)網(wǎng)電價(jià)奠定基礎(chǔ)。本小節(jié)即介紹實(shí)現(xiàn)聚類操作的一套組合算法。模型分析的對(duì)象是直購(gòu)雙邊特性曲線形態(tài)。為去除數(shù)量級(jí)對(duì)形態(tài)分析的影響，首先需要對(duì)兩側(cè)數(shù)據(jù)進(jìn)行歸一化處理8。 (10)式中，li為歸一化后i點(diǎn)數(shù)據(jù)，li min和li max分別為數(shù)據(jù)序列的最小值和最大值。歸一化處理將用戶負(fù)荷特性數(shù)據(jù)壓縮在0,1區(qū)間中，并保持其特性。自組織映射神經(jīng)網(wǎng)絡(luò)（Self-Organizing Map, SOM）能夠在

12、保持直購(gòu)參與方電力特性的基礎(chǔ)上實(shí)現(xiàn)n維曲線到2維平面點(diǎn)的數(shù)據(jù)降維，而K-means算法能對(duì)SOM輸出平面的激活神經(jīng)元進(jìn)行聚類劃分9。該組合在處理大型數(shù)據(jù)集時(shí)非常有效，它被廣泛運(yùn)用于與數(shù)據(jù)挖掘相關(guān)的問(wèn)題中10。另外，為了設(shè)定合理的聚類劃分?jǐn)?shù)目，引入2個(gè)聚類效果評(píng)判指標(biāo)：1) R2統(tǒng)計(jì)量(RSQ)： (11)式中，PG為G個(gè)類時(shí)的內(nèi)離差平放的總和，T為總離差平方和： (12) (13)式中，xi為第i個(gè)負(fù)荷序列，CK為當(dāng)前類，為各類的均值，為當(dāng)前類的均值。R2越大，說(shuō)明每類內(nèi)的離差平方都較小，即數(shù)目越合適。2) 偽F統(tǒng)計(jì)量(PSF)： (14)式中，n為樣本個(gè)數(shù)。類內(nèi)離差平方和(分母)越小，類間平

13、方和(分子)越大，說(shuō)明劃分?jǐn)?shù)目越合適，即F統(tǒng)計(jì)量出現(xiàn)峰值而類數(shù)G較小的情況11。2.4 基于信息熵的綜合評(píng)價(jià)方法熵值法是在客觀條件下，由評(píng)價(jià)指標(biāo)值構(gòu)成的判斷矩陣來(lái)確定指標(biāo)權(quán)重的方法12。在模型中用于對(duì)各直購(gòu)方案短、中、長(zhǎng)期相關(guān)度賦予權(quán)重，定義匹配度指標(biāo)，以綜合評(píng)價(jià)直購(gòu)方案的匹配程度。熵值法的具體操作如下：建立n組直購(gòu)電交易方案中m個(gè)關(guān)聯(lián)指標(biāo)的判斷矩陣G = (bij)n×m(i=1,2,n，j=1,2,m)。關(guān)聯(lián)指標(biāo)屬于大者為優(yōu)指標(biāo)，則矩陣的標(biāo)準(zhǔn)化公式為： (15)根據(jù)熵的定義，可確定關(guān)聯(lián)指標(biāo)的熵： (16)式中。則各指標(biāo)的熵權(quán)i為： (17)3 直購(gòu)電雙邊形態(tài)技術(shù)匹配模型3.1 直

14、購(gòu)電雙邊形態(tài)的技術(shù)匹配流程從直購(gòu)市場(chǎng)中電網(wǎng)企業(yè)的角度出發(fā)，以降低直購(gòu)電交易過(guò)程中負(fù)荷波動(dòng)的不確定性、節(jié)省系統(tǒng)備用為目的建立模型，撮合曲線相似的電廠和用戶達(dá)成交易，約束隨機(jī)波動(dòng)，鼓勵(lì)形態(tài)匹配。本文構(gòu)建的雙邊形態(tài)技術(shù)匹配模型主要由數(shù)據(jù)輸入、聚類模塊、遍歷組合配對(duì)、關(guān)聯(lián)計(jì)算、權(quán)重設(shè)定等子模塊組成。模型分析流程為：1）購(gòu)售兩側(cè)的計(jì)劃曲線提交到形態(tài)匹配平臺(tái)之后，經(jīng)過(guò)預(yù)處理和聚類，數(shù)據(jù)集被劃分為數(shù)個(gè)典型的形態(tài)類別。各類內(nèi)疊加量變形不變，以集群參與直購(gòu)則不影響形態(tài)匹配的效果，并能優(yōu)化樣本，提高形態(tài)分析效率；2）遍歷疊加購(gòu)售兩側(cè)的組合，計(jì)算形態(tài)關(guān)聯(lián)度，提取出滿足閾值要求的匹配方案，詳見2.2節(jié)；3）成功納入備

15、選的匹配方案通過(guò)對(duì)其內(nèi)部多組配對(duì)的關(guān)聯(lián)度分析，得到評(píng)價(jià)該方案的相關(guān)度指標(biāo)，詳見2.3節(jié)；4）結(jié)合方案的中、長(zhǎng)期特性的相關(guān)度，運(yùn)用信息熵算法對(duì)其賦予權(quán)重，得出一個(gè)匹配度指標(biāo)，對(duì)方案雙邊電量和負(fù)荷形態(tài)匹配程度作總體評(píng)價(jià)。關(guān)于完善電力用戶與發(fā)電企業(yè)直接交易試點(diǎn)工作有關(guān)問(wèn)題的通知要求發(fā)電企業(yè)、大用戶應(yīng)當(dāng)將負(fù)荷曲線事先報(bào)電網(wǎng)企業(yè)，由電網(wǎng)企業(yè)安全校核后納入系統(tǒng)平衡。電網(wǎng)企業(yè)可事先對(duì)上報(bào)的曲線進(jìn)行以上形態(tài)匹配分析，得出各種交易方案的匹配度指標(biāo)，供撮合、定價(jià)、激勵(lì)等參考。3.2 匹配方案評(píng)價(jià)指標(biāo)的定義假設(shè)聚類劃分之后，購(gòu)售兩側(cè)分別有m和n個(gè)集群參與匹配。在匹配模塊中，分別對(duì)它們?nèi)?m和1n個(gè)集群進(jìn)行遍歷疊加，

16、任意一組組合方式都與另一側(cè)的方案進(jìn)行關(guān)聯(lián)度分析；對(duì)于剩下的參與集群，繼續(xù)遍歷匹配，直到有一側(cè)參與直購(gòu)的對(duì)象集合為0；多次配對(duì)均滿足關(guān)聯(lián)閾值的方案列入備選，輸入接下來(lái)的功能模塊。集群組合使曲線形態(tài)多樣化，避免了因?yàn)橘?gòu)售兩側(cè)形態(tài)單一而缺乏相應(yīng)匹配的情況，增強(qiáng)了模型的適應(yīng)性。3.3 匹配方案的實(shí)現(xiàn)匹配方案中的每一組購(gòu)售配對(duì)都對(duì)應(yīng)了一個(gè)形態(tài)關(guān)聯(lián)度，如何分配各關(guān)聯(lián)度的權(quán)重以客觀的評(píng)價(jià)整個(gè)匹配方案的吻合程度，這里引入直購(gòu)兩側(cè)的電量因素，定義了一個(gè)多目標(biāo)關(guān)聯(lián)度指標(biāo)： (18)式中，ei為方案中每組配對(duì)所能消納的直購(gòu)電量，er為購(gòu)售兩側(cè)所有未消納的余量曲線進(jìn)行配對(duì)所能完成的直購(gòu)電量，ci和R分別為對(duì)應(yīng)的關(guān)聯(lián)度

17、。該指標(biāo)用于對(duì)方案的短期負(fù)荷曲線相關(guān)度和中長(zhǎng)期電量曲線相關(guān)度進(jìn)行定量的評(píng)價(jià)。4 模型應(yīng)用算例4.1 直購(gòu)電參與成員精細(xì)劃分算例所需數(shù)據(jù)來(lái)源于某電力公司負(fù)荷數(shù)據(jù)采集系統(tǒng)。初始數(shù)據(jù)集為18個(gè)電廠和46個(gè)大用戶。首先對(duì)購(gòu)售兩側(cè)進(jìn)行SOM降維映射，顯示為灰色的神經(jīng)元即為激活神經(jīng)元，如圖1所示。圖中，灰度越大表示在此激活的成員數(shù)量越多。SOM輸出平面上相鄰的神經(jīng)元代表具有相近特性的樣本。利用K-mean劃分激活神經(jīng)元，可得到聚類結(jié)果。較優(yōu)的聚類數(shù)利用RSQ和PSF統(tǒng)(A)(B)圖1 購(gòu)售兩側(cè)在SOM輸出平面的聚類效果Fig.1 Clustering effect of power purchase an

18、d sale sides on the SOM output plane圖2 購(gòu)售兩側(cè)精細(xì)劃分的類數(shù)判定統(tǒng)計(jì)量曲線Fig.2 Statistics curves of cluster number judgment of bilateral elaborate division計(jì)量進(jìn)行測(cè)試，如圖2所示。按照RSQ盡量大，PSF出現(xiàn)峰值而類數(shù)較小的原則，電廠和用戶集群分別取較合適的8類和10類。K-mean劃分結(jié)果見圖2中的一系列實(shí)線，其中十字形標(biāo)志為各類別聚類中心。各類內(nèi)的成員有名值疊加，即可得到以集群方式參與匹配的8條電廠曲線和10條大用戶曲線。4.2 直購(gòu)匹配方案及其多目標(biāo)關(guān)聯(lián)度分析設(shè)定關(guān)

19、聯(lián)閾值為0.85。8個(gè)電廠和10個(gè)用戶集群分別作遍歷疊加，計(jì)算各配對(duì)及余量曲線的關(guān)聯(lián)度，按照式(18)得出整個(gè)方案的相關(guān)度指標(biāo)。算例以效果較好的第36和第37套方案為例，如表1所示，表中數(shù)字為相應(yīng)側(cè)的集群編號(hào)，編號(hào)對(duì)應(yīng)曲線詳見圖3。表1 優(yōu)質(zhì)匹配方案及其關(guān)聯(lián)度Tab.1 High quality matching scheme and its correlation degree方案序號(hào)電廠組合方案用戶組合方案曲線形態(tài)關(guān)聯(lián)度362/6/81/3/4/5/6/7/80.98811/3/5/72/90.92014100.8896匹配余量匹配余量0.9494372/6/81/3/5/6/7/8/90

20、.98803/5/72/4/100.96001/4+匹配余量匹配余量0.8996注：匹配余量為方案中所有已配對(duì)的購(gòu)售組合未能消納的直購(gòu)量曲線。圖3 購(gòu)售兩側(cè)聚類分析結(jié)果Fig.3 Clustering results of bilateral sides匹配方案效果如圖4、5所示。圖中實(shí)線為電廠集群組合發(fā)電曲線，虛線為用戶集群組合負(fù)荷曲線。(A)是以標(biāo)幺值體現(xiàn)的形態(tài)匹配效果，(B)是與之對(duì)應(yīng)的有名值曲線。兩組圖的最后一對(duì)曲線均為購(gòu)售兩側(cè)匹配余量與未匹配集群的負(fù)荷曲線之和。圖4 第36套直購(gòu)電匹配方案效果圖示Fig.4 Effect graphs of the 36th direct purch

21、ase schem圖5 第37套直購(gòu)電匹配方案效果圖示Fig.5 Effect graphs of the 37th direct purchase scheme由圖可見，方案中達(dá)成匹配的購(gòu)售電曲線都具有非常相似的形態(tài)特性，其變化的時(shí)段、趨勢(shì)都較為吻合。但僅僅分析其形態(tài)相似程度是不夠的，考慮每一組匹配所能消納的直購(gòu)電量，利用式(18)，方可較為客觀的評(píng)價(jià)匹配方案的相關(guān)度。見表2。表2 優(yōu)質(zhì)匹配方案相關(guān)度指標(biāo)計(jì)算的參數(shù)與結(jié)果Tab.2 Parameters and results of relative degree calculation of the high quality matchin

22、g scheme方案參數(shù)項(xiàng)123余量相關(guān)度36關(guān)聯(lián)度0.98810.92010.88960.9494消納量(MWh)5075.763686.641178.595326.5637關(guān)聯(lián)度0.98800.96000.8996消納量(MWh)5075.7644885703.6注：消納值為任意時(shí)刻購(gòu)售電的較小值，消納量為消納值的積分。4.3 直購(gòu)電匹配方案的評(píng)價(jià)同樣，用多目標(biāo)關(guān)聯(lián)分析法可以得到所有方案的中、長(zhǎng)期電量曲線相關(guān)度。按照式(15)(17) 計(jì)算出短中長(zhǎng)期相關(guān)度熵權(quán)：0.405、0.285和0.311，進(jìn)而得出方案總體匹配評(píng)價(jià)指標(biāo)，見表3。表3 優(yōu)質(zhì)匹配方案評(píng)價(jià)指標(biāo)的生成Tab.3 Evalua

23、tion indexes generation of the high quality matching scheme方案序號(hào)短期相關(guān)度中期相關(guān)度長(zhǎng)期相關(guān)度匹配度360.950560.637480.992340.87435370.946750.558680.992360.85036熵權(quán)0.404580.284900.31053匹配度反映了直購(gòu)電交易雙方多種時(shí)段電力特性的相關(guān)程度。若按照特性相關(guān)程度較高的方案進(jìn)行直購(gòu)電交易，對(duì)電網(wǎng)穩(wěn)定運(yùn)行、減少備用調(diào)度、提高機(jī)組利用率無(wú)疑是有益的。表4為按照匹配度最優(yōu)的原則列寫的直購(gòu)電方案清單。表4 最優(yōu)匹配度方案清單Tab.4 List of the high

24、est matching degree scheme方案序號(hào)購(gòu)電組合售電組合匹配度242/6/8；1/3/5/7；41/3/4/5/6/8；2/7/9；100.87547362/6/8；1/3/5/7；41/3/4/5/6/7/8；2/9；100.87435372/6/8；3/5/71/3/5/6/7/8/9；2/4/100.85036311/2/6/8；5/71/3/4/8/9/10；2/5/6/70.84662261/2/6；5/71/3/4/8/9/10；2/5/6/70.84408392/5/6；1/72/3/4/5/8/9/10；1/6/70.83977注：各方案中的購(gòu)售組合按照先后

25、順序依次配對(duì)。該清單按照匹配度大小排序，可以結(jié)合安全性、經(jīng)濟(jì)性以及各種約束條件為優(yōu)質(zhì)的大用戶直購(gòu)電交易方案的制定提供科學(xué)的理論支持。5 結(jié)束語(yǔ)探討考慮電網(wǎng)運(yùn)營(yíng)的直購(gòu)電交易模式，引入購(gòu)售雙邊曲線形態(tài)的匹配進(jìn)行方案制定是其可行切入點(diǎn)。文章把數(shù)據(jù)挖掘中的聚類、關(guān)聯(lián)和信息熵計(jì)算有機(jī)結(jié)合起來(lái)，構(gòu)建了一種基于形態(tài)的技術(shù)匹配模型。其中，提出了一個(gè)多目標(biāo)關(guān)聯(lián)度指標(biāo)，用于量化整套直購(gòu)電交易方案的相關(guān)度；定義了一個(gè)匹配度指標(biāo)，用于評(píng)價(jià)方案多種時(shí)段的相關(guān)程度。模型雖不能獨(dú)立分析出滿足各方面約束的直購(gòu)電交易方案，但其最后列出的清單可為考慮直購(gòu)雙邊電力特性的交易撮合方式提供參考。達(dá)成形態(tài)匹配的交易方案不僅能夠降低網(wǎng)絡(luò)的

26、不確定性、減少備用、保證直購(gòu)參與者的正常電力行為，并能為輔助服務(wù)的評(píng)估和獎(jiǎng)懲過(guò)網(wǎng)電價(jià)的制定奠定基礎(chǔ)。參 考 文 獻(xiàn) 1 陳西穎大用戶與發(fā)電企業(yè)直接交易算法探討J電力系統(tǒng)自動(dòng)化，2008，32(24)：100-1032 韓正華，周渝慧基于博弈論的電力市場(chǎng)雙邊交易智能體談判策略J電力系統(tǒng)自動(dòng)化，2007，31(1)：20-253 牛東曉，李金超，李金穎基于信息熵的電力大用戶優(yōu)先級(jí)組合評(píng)價(jià)J電力需求側(cè)管理，2008，10(2)：16-204 Xia Lei，Junyong Liu，Liang DuAnalysis on Large Consumer Price Models in Electricity MarketCIEEE Electric Utility Deregulation and Restructuring and Power Technologies，2008， 426-4305 Enrico De Tuglie， Francesco TorelliLoad Following Control Schemes for Deregulated Energy MarketsJIEEE Transactions on Power Systems2006，21(4)：1691-16986 Li Hong-dong，F(xiàn)e