公开(公告)号：CN116452331A

公开(公告)日：2023-07-18

申请号：CN202310228116.X

申请日：2023-03-08

Applicant: 南京邮电大学

Inventor： 顾寅豪 ,  付蓉 ,  杨浩 ,  陈金辉

IPC: G06Q40/04 ,  G06Q50/06 ,  G06Q10/0631 ,  G06Q10/04

Abstract: 本发明公开了一种碳‑绿证联合交易与月度集中竞价交互的优化方法，包括：根据月度集中竞价交易的电量出清结果，结合核查法与熵值法，分别计算火电机组的碳排放权缺额和绿证缺额量、可再生能源机组的绿证余值、用户的碳排放权余值；下层碳‑绿证联合交易以绿碳标的物的社会经济效益和清洁度效益最优为目标，采用PHR优化算法对火电机组、可再生能源机组及用户的碳排放权和绿证交易量进行资源协调；通过下层碳‑绿证联合交易与上层月度集中竞价交易交互的迭代计算，优化各市场在月度电量、绿证和碳排放权上的交易值。本发明能够促进发电机组进行绿证和碳排放权的合理分配，从根源上解决火电机组超额碳排放问题，促进环境友好型社会的建立。

公开(公告)号：CN113657640A

公开(公告)日：2021-11-16

申请号：CN202110746628.6

申请日：2021-07-01

Applicant: 南京邮电大学

Inventor： 付蓉 ,  陈金辉 ,  张哲 ,  季娟

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06

Abstract: 一种基于机器学习算法的用户中长期交易购电量优化方法，首先考虑用户年度与月度交易需求，分析影响用电量的因素；再提出年度合约最优购电量模型与年度总最优购电量模型，得到合约电量分解计划；接着根据模型采用Q学习算法进行求解；最后得到年度合约与年度总最优交易购电量结果，并进行分析比较。相比现有方法，本方法考虑影响用户用电量的因素，使得电量分解结果更适用于实际；机器学习算法更适合求解月度购电量不确定的问题，使过程和结果更合理。