国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

考慮可再生能源配額制的售電公司組合購(gòu)電優(yōu)化研究

2019-05-23 06:50:02陳秀蘭王良緣陳傳彬溫步瀛江岳文
關(guān)鍵詞:期權(quán)電價(jià)電量

陳秀蘭, 林 芬, 王良緣, 陳傳彬, 溫步瀛, 江岳文

(1. 福州大學(xué)電氣工程與自動(dòng)化學(xué)院, 福建 福州 350108; 2. 福建電力交易中心有限公司, 福建 福州 350003)

0 引言

文件《關(guān)于進(jìn)一步深化電力體制改革的若干意見(jiàn) (中發(fā)[2015]9號(hào))》明確指出, 售電側(cè)放開(kāi)是中國(guó)電力市場(chǎng)改革的一個(gè)重點(diǎn)[1]. 售電公司作為電力市場(chǎng)的新參與者, 有義務(wù)實(shí)施可再生能源配額制(renewable portfolio standard, RPS)來(lái)提升可再生能源消納的積極性, 同時(shí)也增加了售電公司購(gòu)電決策的難度. 已有文獻(xiàn)對(duì)供電公司或大用戶如何在多個(gè)市場(chǎng)進(jìn)行組合購(gòu)電的問(wèn)題進(jìn)行研究[2]. 供電公司或大用戶的購(gòu)電決策主要考慮從合約市場(chǎng)、 現(xiàn)貨市場(chǎng)及自備電廠購(gòu)電[3]; 而文獻(xiàn)[4]在此購(gòu)電決策模型中, 多考慮了看漲期權(quán)合約, 以此來(lái)規(guī)避由現(xiàn)貨市場(chǎng)電價(jià)上漲帶來(lái)的風(fēng)險(xiǎn). 在多市場(chǎng)展開(kāi)購(gòu)電業(yè)務(wù)時(shí), 勢(shì)必會(huì)面臨諸多不確定性因素, 如電價(jià)、 風(fēng)電購(gòu)電量及負(fù)荷預(yù)測(cè)偏差等不確定因素[4-6]. 為此, 現(xiàn)有文獻(xiàn)一般采用方差、 風(fēng)險(xiǎn)價(jià)值(value at risk, VaR)、 條件風(fēng)險(xiǎn)價(jià)值(condition value at risk, CVaR)、 熵等[7-9]對(duì)實(shí)際的情況與期望的情況存在偏差而產(chǎn)生的風(fēng)險(xiǎn)進(jìn)行度量[10].

由于中國(guó)售電側(cè)還未大面積放開(kāi), 國(guó)內(nèi)大多數(shù)研究學(xué)者將售電公司排除在RPS的義務(wù)者之外, 對(duì)RPS的研究主要集中在發(fā)電側(cè)RPS的均衡模型、 實(shí)施對(duì)策、 優(yōu)化配置, 以及市場(chǎng)力等方面[11-14], 對(duì)組合購(gòu)電考慮可再生能源配額制的研究甚少. 鑒于此, 本研究針對(duì)售電公司組合購(gòu)電決策問(wèn)題, 考慮可再生能源配額制, 構(gòu)建包含合約市場(chǎng)、 期權(quán)市場(chǎng)等多個(gè)市場(chǎng)的組合購(gòu)電模型. 最后通過(guò)算例分析再生能源配額制和期權(quán)合約對(duì)售電公司的購(gòu)電費(fèi)用、 損失的風(fēng)險(xiǎn)值和在各市場(chǎng)的購(gòu)電量的影響.

1 售電公司組合購(gòu)電模型

售電公司作為電力市場(chǎng)中新的購(gòu)電單元, 在滿足需求側(cè)電量一定的條件下, 在購(gòu)電側(cè)支出更少的購(gòu)電費(fèi)用以提高效益, 同時(shí), 希望售電公司可能遭受損失的風(fēng)險(xiǎn)最小. 因此, 售電公司需合理分配各個(gè)市場(chǎng)的購(gòu)電量, 權(quán)衡購(gòu)電費(fèi)用和風(fēng)險(xiǎn)之間的矛盾, 以追求購(gòu)電費(fèi)用最小和風(fēng)險(xiǎn)最小.

1.1 購(gòu)電費(fèi)用分析

研究的電力市場(chǎng)包括遠(yuǎn)期合約市場(chǎng)、 現(xiàn)貨市場(chǎng)、 期權(quán)市場(chǎng)、 風(fēng)力發(fā)電市場(chǎng)、 綠色證書市場(chǎng)和輔助服務(wù)市場(chǎng). 在新電改環(huán)境下, RPS參與到電力市場(chǎng)交易中, 以風(fēng)電購(gòu)電量和綠色證書購(gòu)買數(shù)量之和來(lái)滿足RPS要求. 售電公司從以上電力市場(chǎng)購(gòu)電, 以1 d為分析對(duì)象, 則售電公司在未來(lái)某天的購(gòu)電費(fèi)用CG(t)為

CG(t)=CF(t)+CS(t)+CB(t)+CW(t)+CZ(t)+CR(t)

式中:CF、CS、CB、CW、CZ和CR分別為合約市場(chǎng)的購(gòu)電費(fèi)用、 現(xiàn)貨市場(chǎng)的購(gòu)電費(fèi)用、 期權(quán)市場(chǎng)的購(gòu)電費(fèi)用、 風(fēng)力發(fā)電市場(chǎng)的購(gòu)電費(fèi)用、 綠色證書市場(chǎng)上購(gòu)買證書費(fèi)用和輔助服務(wù)市場(chǎng)的購(gòu)電費(fèi)用.

CF(t)=PF(t)QF(t),CS(t)=PS(t)QS(t),CB(t)=PB(t)QB(t)

PB(t)=min{PS(t),K}+P0,CR(t)=PR(t)QR(t)

式中:PF(t)、PS(t)、PB(t)、PR(t)h和QF(t)、QS(t)、QB(t)、QR(t)分別為售電公司在時(shí)段t從合約市場(chǎng)、 現(xiàn)貨市場(chǎng)、 期權(quán)、 輔助服務(wù)市場(chǎng)購(gòu)買的電價(jià)和電量;P0為單位期權(quán)費(fèi)用,K為敲定價(jià)格.

其中,QR(t)為負(fù)荷電量預(yù)測(cè)值的5%~10%與風(fēng)電場(chǎng)購(gòu)電量的10%~20%之和[15], 即

QR(t)=10%QL(t)+20%QW(t)

式中:QL(t)為t時(shí)段負(fù)荷電量預(yù)測(cè)值.

據(jù)國(guó)家發(fā)改委和能源局的統(tǒng)計(jì)數(shù)據(jù)表明, 中國(guó)到2020年應(yīng)實(shí)現(xiàn)可再生能源消耗量達(dá)到一次能源消耗的15%, 到2030年應(yīng)達(dá)到20%[16-17]. 因此, 需加快推行并完善RPS和綠色證書交易(tradable green certification, TGC)制度, 讓風(fēng)電、 光伏發(fā)電等可再生能源物理電量(renewable energy, RE)更多地參與到電力市場(chǎng)競(jìng)爭(zhēng). 為完成RPS, 售電公司可單獨(dú)購(gòu)買TGC或RE, 也可以同時(shí)購(gòu)買TGC和RE. 本研究以風(fēng)電為例進(jìn)行分析, 其他的RE同風(fēng)電可做類似分析.

1) 風(fēng)力發(fā)電市場(chǎng). 風(fēng)電具有隨機(jī)性、 波動(dòng)性等特點(diǎn), 但為了提高風(fēng)電消納的積極性, 允許實(shí)際成交的風(fēng)電購(gòu)電分配量服從正態(tài)分布[18], 因此售電公司在風(fēng)力發(fā)電市場(chǎng)的購(gòu)電費(fèi)用CW為

CW(t)=PW(t)QW(t)

式中:PW(t),QW(t)分別為售電公司在時(shí)段t從風(fēng)力發(fā)電市場(chǎng)購(gòu)買的電價(jià)和電量.

2)綠色證書市場(chǎng). TGC是RPS的配套機(jī)制, 為此售電公司可通過(guò)購(gòu)買綠色證書來(lái)完成配額指標(biāo). 綠色證書價(jià)格相對(duì)穩(wěn)定, 售電公司購(gòu)買綠色證書費(fèi)用為

CZ(t)=PZ(t)QZ(t)

式中:PZ(t)為售電公司在時(shí)段t從綠色證書市場(chǎng)上購(gòu)買證書的價(jià)格, 取為定值;QZ(t)為售電公司在時(shí)段t從綠色證書市場(chǎng)購(gòu)買的證書電量.

1.2 損失風(fēng)險(xiǎn)分析1.2.1 條件風(fēng)險(xiǎn)價(jià)值

研究采用廣泛應(yīng)用于金融界度量風(fēng)險(xiǎn)的指標(biāo)-CVaR. 設(shè)X∈Rn為目標(biāo)可行集, 令f(x,P) 為損失函數(shù). 其中,x∈X為決策變量,P∈Rm為決定售電公司在各市場(chǎng)購(gòu)電量的不確定隨機(jī)向量. 若P的聯(lián)合概率密度函數(shù)為p(P), 則對(duì)于給定的x, 則損失函數(shù)為f(x,P), 假設(shè)ηβ(x)為f(x,P)的臨界值, 以β表示置信水平,φβ(x)表示損失f(x,P)大于等于ηβ(x)時(shí)的CVaR值, 其表達(dá)式為

式中:β∈(0, 1)為置信水平, 表示1-β的概率下, 投資者允許其目標(biāo)組合x可能遭受的損失為某一風(fēng)險(xiǎn)值.

1.2.2 購(gòu)電損失的CVaR值

假設(shè)風(fēng)電、 負(fù)荷預(yù)測(cè)偏差、 現(xiàn)貨市場(chǎng)電價(jià)和期權(quán)市場(chǎng)電價(jià)波動(dòng)均服從正態(tài)分布, 且認(rèn)為它們相互獨(dú)立, 負(fù)荷預(yù)測(cè)誤差的概率密度函數(shù)如下式所示, 其余概率密度函數(shù)與負(fù)荷預(yù)測(cè)誤差的概率密度函數(shù)類似.

式中:QL、 ΔQL分別為負(fù)荷預(yù)測(cè)值和負(fù)荷預(yù)測(cè)偏差;σL為負(fù)荷預(yù)測(cè)偏差的標(biāo)準(zhǔn)差;εL為負(fù)荷預(yù)測(cè)偏差占總預(yù)測(cè)值的百分比, 下文稱偏差系數(shù).

根據(jù)節(jié)1.2.1所述, 可得售電公司購(gòu)電費(fèi)用損失風(fēng)險(xiǎn)的CVaR值為

式中:p(P)為購(gòu)電費(fèi)用損失函數(shù)的概率密度函數(shù). 其中, 購(gòu)售電損失函數(shù)Rloss(t)為購(gòu)售電效益的負(fù)值, 即

Rloss(t)=G(t)-QL(t)PL(t)

式中:PL為售電公司在t時(shí)段售電價(jià)格.

2 售電公司組合購(gòu)電模型及求解方法

2.1 目標(biāo)函數(shù)

從售電公司的角度出發(fā), 以期望購(gòu)電費(fèi)用和損失風(fēng)險(xiǎn)最小為目標(biāo), 建立組合購(gòu)電多目標(biāo)模型, 即

2.2 約束條件

1)供需平衡約束

QL(t)=QF(t)+QS(t)+QB(t)+QW(t)

2)配額制約束

式中:k為可再生能源的配額比例;QP(t)為可再生能源配額量.

3)各市場(chǎng)購(gòu)電量約束

2.3 模型求解方法

多目標(biāo)粒子群算法是以粒子群算法為基礎(chǔ)來(lái)解決多目標(biāo)問(wèn)題的一種方法, 由于兩個(gè)目標(biāo)函數(shù)互相制衡, 因此不存在唯一解使得兩個(gè)目標(biāo)同時(shí)獲得最優(yōu)的結(jié)果, 其結(jié)果是一組非劣解集. 因此, 通過(guò)多目標(biāo)粒子算法可以求取得到Pareto有效前沿, 再通過(guò)模糊集理論從解集中獲得最優(yōu)的折衷解[19].

3 算例計(jì)算與分析

3.1 基本數(shù)據(jù)

3.2 結(jié)果分析

基于以上數(shù)據(jù)對(duì)研究所提出的模型進(jìn)行驗(yàn)證. 取多目標(biāo)權(quán)重θ1=θ2=0.5進(jìn)行計(jì)算, 通過(guò)多目標(biāo)粒子群算法求解不同情形下的購(gòu)電結(jié)果, 得到期望購(gòu)電費(fèi)用-CVaR的Pareto有效前沿如圖1所示; 再通過(guò)模糊集理論求得最優(yōu)折衷解, 結(jié)果列于表1. 為表述方便, 定義: 不考慮RPS和期權(quán)市場(chǎng)為情形1, 不考慮RPS為情形2, 不考慮期權(quán)市場(chǎng)為情形3, 同時(shí)考慮RPS和期權(quán)市場(chǎng)為情形4, 該情形即為本研究所提出的購(gòu)電優(yōu)化模型.

表1 不同情形下的購(gòu)電優(yōu)化結(jié)果

圖1 購(gòu)電費(fèi)用-風(fēng)險(xiǎn)的Pareto有效前沿Fig.1 Electricity purchase costs - the effective frontier of risk pareto

從圖1可以看出, 隨著期望購(gòu)電費(fèi)用的增加, 其損失的風(fēng)險(xiǎn)逐漸降低, 這是因?yàn)榉艑捹?gòu)電費(fèi)用的限制, 使得售電公司傾向于在電價(jià)較高但穩(wěn)定的合約市場(chǎng)購(gòu)電, 從而降低了購(gòu)電風(fēng)險(xiǎn). 從表1可以看出, 考慮了期權(quán)合約后的期望費(fèi)用和風(fēng)險(xiǎn)都降低了, 這是因?yàn)槠跈?quán)合約有規(guī)避現(xiàn)貨市場(chǎng)電價(jià)上漲的作用, 期權(quán)市場(chǎng)的電價(jià)均值低于合約市場(chǎng). 考慮了RPS后的期望費(fèi)用和風(fēng)險(xiǎn)都增加了, 這是因?yàn)槭垭姽緸闈M足配額制的要求, 必須購(gòu)買一定比例的可再生能源. 而同時(shí)考慮RPS和期權(quán)合約時(shí), 售電公司的購(gòu)電費(fèi)用和風(fēng)險(xiǎn)略有較小, 這是因?yàn)橘?gòu)買一定量的看漲期權(quán)有助于規(guī)避電價(jià)的波動(dòng), 同時(shí)也滿足了售電公司應(yīng)承擔(dān)的配額比例要求.

售電公司購(gòu)電方案受多種因素影響, 下面分析不同RPS方案、k、 權(quán)重等因素對(duì)組合購(gòu)電方案的影響.

3.2.1RPS對(duì)售電公司購(gòu)電的影響

售電公司作為新的購(gòu)電單元有義務(wù)承擔(dān)一定比例的RPS, 以促進(jìn)可再生能源的消納. 為了表述方便, 定義單獨(dú)購(gòu)買風(fēng)電稱為情形5, 單獨(dú)購(gòu)買綠色證書稱為情形6, 同時(shí)購(gòu)買風(fēng)電和綠色證書稱為情形7, 結(jié)果列于表2.

表2 不同RPS方案對(duì)購(gòu)電的影響

從表2中可以看出, 當(dāng)只考慮風(fēng)電時(shí), 購(gòu)電費(fèi)用風(fēng)險(xiǎn)較大, 這是因?yàn)轱L(fēng)電不確定性較高, 增加了購(gòu)電風(fēng)險(xiǎn). 當(dāng)只考慮綠色證書時(shí), 期望購(gòu)電費(fèi)用增加, 購(gòu)電風(fēng)險(xiǎn)降低, 這是因?yàn)樾枰ㄙM(fèi)額外的費(fèi)用購(gòu)買綠色證書來(lái)滿足配額制的要求, 且綠色證書價(jià)格穩(wěn)定, 使得購(gòu)電風(fēng)險(xiǎn)相對(duì)低. 當(dāng)同時(shí)考慮風(fēng)電和綠色證書時(shí), 售電公司的期望購(gòu)電費(fèi)用和風(fēng)險(xiǎn)處于前兩種情形之間, 即微增購(gòu)電風(fēng)險(xiǎn)就可使得期望購(gòu)電費(fèi)用降低, 是較為理想的情況.

3.2.2k對(duì)售電公司購(gòu)電的影響

考慮RPS和期權(quán)合約后, 改變配額比例k, 分析k對(duì)售電公司期望購(gòu)電費(fèi)用、 損失風(fēng)險(xiǎn)大小和各市場(chǎng)購(gòu)電分配量的影響, 結(jié)果列于表3.

表3 不同k對(duì)購(gòu)電的影響

從表3可以看出, 在負(fù)荷需求相同的情況下, 隨著k的增加, 在風(fēng)電市場(chǎng)和綠色證書市場(chǎng)購(gòu)得的電量將增加, 這可以有效地改善本地區(qū)的電源結(jié)構(gòu); 但售電公司的購(gòu)電費(fèi)用和風(fēng)險(xiǎn)在增加, 這是因?yàn)樵黾恿速?gòu)買綠色證書的費(fèi)用, 且風(fēng)電價(jià)格較高、 風(fēng)險(xiǎn)大, 當(dāng)k越高, 購(gòu)買風(fēng)電的費(fèi)用越多, 風(fēng)險(xiǎn)也隨之增大. 此外, 隨著風(fēng)電購(gòu)電量的增加, 使得從輔助服務(wù)市場(chǎng)購(gòu)買的備用容量隨之增大, 購(gòu)電費(fèi)用也將增加. 同時(shí), 為了促進(jìn)可再生能源的消納, 又無(wú)法無(wú)限增大k, 政府應(yīng)結(jié)合實(shí)際情況制定合理的k.

3.2.3風(fēng)電購(gòu)電量及現(xiàn)貨電價(jià)的不確定性對(duì)售電公司購(gòu)電的影響

圖2 風(fēng)電預(yù)測(cè)偏差對(duì)風(fēng)電購(gòu)電量的影響Fig.2 Impact of wind power forecast deviation on wind power purchase

售電公司在電力市場(chǎng)上的購(gòu)電風(fēng)險(xiǎn)源于市場(chǎng)電價(jià)的波動(dòng)和風(fēng)電預(yù)測(cè)偏差, 分析這兩者不確定性對(duì)售電公司購(gòu)電決策的影響, 結(jié)果如圖2及表4所示.

從圖2可以看出, 風(fēng)電預(yù)測(cè)偏差越大, 則風(fēng)電購(gòu)電量越大. 這是由于隨著風(fēng)電預(yù)測(cè)偏差越大, 造成的風(fēng)險(xiǎn)越大, 為降低風(fēng)險(xiǎn)值, 需適當(dāng)增加證書購(gòu)買數(shù)量. 從表4可以看出, 隨著現(xiàn)貨市場(chǎng)電價(jià)波動(dòng)程度的加劇, 購(gòu)電風(fēng)險(xiǎn)也越大, 而購(gòu)電量隨電價(jià)偏差的增大呈現(xiàn)先減小后增大的過(guò)程. 這是因?yàn)殡S著電價(jià)偏差的增大, 為降低購(gòu)電風(fēng)險(xiǎn), 現(xiàn)貨市場(chǎng)的購(gòu)電量會(huì)減少, 而當(dāng)電價(jià)偏差再增加時(shí), 多購(gòu)現(xiàn)貨市場(chǎng)的電量獲利空間更大, 但購(gòu)電風(fēng)險(xiǎn)將大幅度增大.

表4 不同現(xiàn)貨電價(jià)偏差系數(shù)對(duì)購(gòu)電的影響

3.2.4P0和K對(duì)售電公司購(gòu)電的影響

為了分析P0和K對(duì)售電公司購(gòu)電策略的影響, 分別設(shè)置在P0=53元·(MW·h)-1時(shí), 逐漸增大K值以及在K=580元·(MW·h)-1時(shí), 逐漸增大P0, 結(jié)果列于表5.

從表5可看出, 隨著P0或K的上升, 售電公司在期權(quán)市場(chǎng)上的購(gòu)電量逐漸減少, 而合約市場(chǎng)上的購(gòu)電量先減小后增加, 現(xiàn)貨市場(chǎng)的情況與合約市場(chǎng)的情況相反. 這是由于隨著P0或K的增大, 期權(quán)市場(chǎng)的電價(jià)均值隨之增大, 為使購(gòu)電成本最小化, 期權(quán)市場(chǎng)上的購(gòu)電量相應(yīng)減小; 當(dāng)P0或K增加到一定值時(shí), 為使購(gòu)電風(fēng)險(xiǎn)最小, 售電公司會(huì)優(yōu)先增加風(fēng)險(xiǎn)小的合約市場(chǎng)的購(gòu)電量. 改變P0或K都可以改變購(gòu)電策略, 兩者不同之處在于改變K可同時(shí)調(diào)整期權(quán)市場(chǎng)電價(jià)的均值和標(biāo)準(zhǔn)差, 而改變P0只影響電價(jià)均值; 且隨著K的增大, 偏差系數(shù)越來(lái)越大, 而隨著P0的增大, 偏差系數(shù)越來(lái)越??; 在購(gòu)電量一定時(shí), 偏差系數(shù)越大, 風(fēng)險(xiǎn)越大.

表5 不同P0和K對(duì)購(gòu)電的影響

3.2.5權(quán)重對(duì)售電公司購(gòu)電的影響

考慮RPS和期權(quán)合約后, 改變多目標(biāo)權(quán)重, 分析權(quán)重對(duì)售電公司期望購(gòu)電費(fèi)用、 損失風(fēng)險(xiǎn)大小和各市場(chǎng)購(gòu)電分配量的影響, 結(jié)果列于表6.

表6 不同權(quán)重對(duì)購(gòu)電的影響

購(gòu)電風(fēng)險(xiǎn)權(quán)重的增大表示售電公司對(duì)購(gòu)電風(fēng)險(xiǎn)重視程度的增加. 從表6可看出, 隨著風(fēng)險(xiǎn)權(quán)重的增大, 購(gòu)電量從風(fēng)險(xiǎn)較大的現(xiàn)貨市場(chǎng)和風(fēng)電場(chǎng)向風(fēng)險(xiǎn)較低的合約市場(chǎng)和綠色證書市場(chǎng)轉(zhuǎn)移; 雖然降低了購(gòu)電風(fēng)險(xiǎn), 但合約市場(chǎng)電價(jià)較高使得期望購(gòu)電費(fèi)用增加, 表現(xiàn)出了期望購(gòu)電費(fèi)用和購(gòu)電風(fēng)險(xiǎn)互相約束的關(guān)系.

4 結(jié)語(yǔ)

隨著售電側(cè)放開(kāi)程度的不斷推進(jìn)以及可再生能源的大規(guī)模發(fā)展, 給售電公司購(gòu)電策略帶來(lái)了顯著的影響. 研究圍繞售電公司的購(gòu)電費(fèi)用、 購(gòu)電風(fēng)險(xiǎn)、 RPS和各市場(chǎng)的購(gòu)電分配量, 得出以下主要結(jié)論.

1) 考慮負(fù)荷需求、 風(fēng)電購(gòu)電量和現(xiàn)貨市場(chǎng)及期權(quán)市場(chǎng)電價(jià)的不確定性及配額比例大小, 以期望購(gòu)電費(fèi)用和遭受損失的風(fēng)險(xiǎn)最小為目標(biāo), 采用CVaR對(duì)售電公司的購(gòu)電風(fēng)險(xiǎn)進(jìn)行評(píng)估, 建立期望購(gòu)電費(fèi)用-損失風(fēng)險(xiǎn)模型, 從而為售電公司在多市場(chǎng)的購(gòu)電策略提供有價(jià)值的參考.

2) 算例結(jié)果表明, 考慮期權(quán)合約的購(gòu)電模型能夠降低現(xiàn)貨市場(chǎng)電價(jià)波動(dòng)帶來(lái)的風(fēng)險(xiǎn); 同時(shí)考慮風(fēng)電和綠色證書來(lái)滿足配額制時(shí), 售電公司的期望購(gòu)電費(fèi)用和風(fēng)險(xiǎn)值介于只考慮風(fēng)電或綠色證書之間, 即微增購(gòu)電風(fēng)險(xiǎn)就可使得期望購(gòu)電費(fèi)用降低; 為了促進(jìn)可再生能源的消納, 又無(wú)法無(wú)限增大配額比例, 政府應(yīng)結(jié)合實(shí)際情況制定合理的配額比例; 合理地設(shè)置P0和K, 可以在一定程度上規(guī)避售電公司的購(gòu)電風(fēng)險(xiǎn).

猜你喜歡
期權(quán)電價(jià)電量
電量越低越透明的手機(jī)
因時(shí)制宜發(fā)展外匯期權(quán)
人民幣外匯期權(quán)擇善而從
德國(guó):電價(jià)上漲的背后邏輯
能源(2018年10期)2018-12-08 08:02:40
探索電價(jià)改革
商周刊(2018年16期)2018-08-14 01:51:52
四川2018年7月轉(zhuǎn)讓交易結(jié)果:申報(bào)轉(zhuǎn)讓電量11.515 63億千瓦時(shí)
初探原油二元期權(quán)
能源(2016年2期)2016-12-01 05:10:43
可再生能源電價(jià)附加的收支平衡分析
電量隔離傳感器測(cè)試儀的研制
爭(zhēng)議光伏標(biāo)桿上網(wǎng)電價(jià)
能源(2016年11期)2016-05-17 04:57:24
内江市| 辽阳市| 社旗县| 凤冈县| 榆树市| 个旧市| 舒城县| 新竹市| 阿巴嘎旗| 武定县| 三江| 扎赉特旗| 万载县| 雷波县| 阜城县| 云林县| 左云县| 图片| 和平区| 靖州| 玛曲县| 江安县| 鲁山县| 灵丘县| 临高县| 南陵县| 镇安县| 文昌市| 榆社县| 保靖县| 定兴县| 垦利县| 雷波县| 荃湾区| 双城市| 隆回县| 蓬安县| 沙坪坝区| 永兴县| 莱芜市| 嘉荫县|