CN104268769A - 一种基于模型聚类方法的分时电价设计方法 - Google Patents

Abstract

本发明是一种基于模型聚类方法的分时电价设计方法。本发明采用有限混合模型，采用高斯混合模型进行聚类，分成基于能源价格的聚类和基于负荷的聚类；并分两步对分时电价设计：1）在一个典型日，基于高斯混合模型，对预先设定的48个清算时间段电能价格和负荷进行聚类，每个清算时间段都能安排给具有不同概率的每个分布模型，分布模型当作不同的计费阶段：高峰负荷，平负荷和谷负荷；2）不同类型的分时电价通过多类清算区间的不同的结合导出，通过保证供应方的收益在统一电价和分时电价时相同来得出最终的分时电价。本发明应用有限混合模型对当地客户进行聚类和利用统一收费制度的收费价格来导出分时电价。根据能源价格的变化和需求分别独立的进行测量。

Description

一种基于模型聚类方法的分时电价设计方法

技术领域

本发明是一种基于模型聚类方法的分时电价设计方法，属于基于模型聚类方法的分时电价设计方法的创新技术。

背景技术

电力需求侧管理通过提高终端用电效率和改善用电方式，达到缓解电力短缺，提高电能利用效率的目的。在国内外得到了广泛应用。电价是实施电力需求侧管理重要的经济手段之一，也是最有效率的一种手段。分时电价（Time Of Use pricing,TOU）是一种可以有效反应电力系统不同时段供电成本差别的电价机制，通过将低谷时段电价适当调低，高峰时段电价适当调高的价格信号来引导用户采取合理的用电结构和方式，实现削锋填谷。

在很长时间供应商综合考虑了各种成本采取统一电价，然而直接根据批发价格导出分时电价是非常具有挑战性的，还有电网投资成本和运行费用等因素使得分时电价量化存在困难。目前分时电价的制定大多是靠经验，没有太多的理论支撑和标准的制定方法。

发明内容

本发明的目的在于考虑上述问题而提供一种确保定价合理及科学的基于模型聚类方法的分时电价设计方法。

本发明的技术方案是：本发明的基于模型聚类方法的分时电价设计方法，采用有限混合模型，采用高斯混合模型进行聚类，分成基于能源价格的聚类和基于负荷的聚类；并分两步的方法对分时电价设计：

1）在一个典型日，基于高斯混合模型，对预先设定的48个清算时间段电能价格和负荷进行聚类，每个清算时间段都能安排给具有不同概率的每个分布模型，分布模型能当作不同的计费阶段：高峰负荷，平负荷和谷负荷；

2）不同类型的分时电价通过多类清算区间的不同的结合导出，通过保证供应方的收益在统一电价和分时电价时相同来得出最终的分时电价。

在一个结算日，每个结算阶段都能分配具有不同概率的不同阶段，这样很多的不可行的分时定价模式能被过滤出来，具有更高概率的分时定价模式会被采用，分时定价的确定价格和模式是由保证用户在统一价格和分时电价下的总收益相同来决定的。

本发明基于模型聚类方法的分时电价设计方法，具体包括如下步骤

1）基于模型的聚类方法

聚类能将大量多样的数据转换成一些典型的群组，这样具有很高的类群内部相似度，但是很低的类群间相似度这样能找到目标的自然群体，这种普遍在负荷分类和画图上得到应用的聚类技术在根据批发价格和负荷变化的分时电价制定中没有得到很多应用，这里应用了有限混合模型，一种基于模型的聚类方法；

混合模型为观察值的潜在级别提出了混合概率密度函数，混合概率密度函数被描述为有限已知的概率密度的加权和，每个概率密度函数成分都能当做一类，给定的数据系列y包括了n个观察点，y1,…yn,具有G个部分的混合模型如下：

$L({\mathrm{\θ}}_1...{\mathrm{\θ}}_G;W_1...W_G)=\underset{j=1}{\overset{n}{\mathrm{\Π}}}\underset{g=1}{\overset{G}{\mathrm{\Σ}}}{W}_g{f}_g\left(y_j\right|{\mathrm{\θ}}_g)---\left(1\right)$

f_g和θ_g分别是密度函数和第g个部分的参数，W_g是第g个部分的权重，代表了一个观察点属于第g个部分的概率，每个部分密度和混合密度的概率和是1，所有的权重要满足下面（2）和（3）的约束：

0≤W_g≤1 g～Miltimomial(G)    (2)

$\underset{g=1}{\overset{G}{\mathrm{\Σ}}}{W}_g=1---\left(3\right)$

概率分布函数一般满足高斯分布，因此这里采用高斯混合模型进行聚类；在高斯混合模型中，用θ_k=(μ_k,Σ_k)(k=1,2,…K)来表示多元情况，μ_k是平均值，Σ_k代表协方差矩阵，θ_k=(μ_k,σ_k)(k=1,2,…K)代表单变量的情况，σ_k是标准差，所有的参数用期望最大化算法来进行估计，通过反复迭代来找到参数的最大似然函数；

2）在一个典型日，基于高斯混合模型，对预先设定的48个清算时间段电能价格和负荷进行聚类，每个清算时间段都能安排给具有不同概率的每个分布模型，分布模型能当做不同的计费阶段，高峰负荷，平负荷和谷负荷；

3）不同类型的分时电价通过多类清算区间的不同的结合导出，可能的分时电价通过包含的不确定性导出如下：

$U=\underset{j=1}{\overset{48}{\mathrm{\Π}}}{\left\{U_{\mathrm{jg}}\right\}}_{g=1}^G---\left(4\right)$

U_jg是模型g的清算周期j的聚类不确定性；

4）聚类过程会设置分时电价的时间窗，这样分时电价变化跟随价格或负荷的变化趋势，然而，导出的分时电价只包含了价格区域的长度而没有价格的大小，每一类的价格由式（5）决定，这个公式保证了供应方的收益在统一电价和分时电价时是相同的；

$\underset{t\∈k}{\mathrm{\Σ}}{T}_t\×L_t=\underset{t\∈k}{\mathrm{\Σ}}F\×L_t---\left(5\right)$

t是聚类k的一系列结算周期，Tt是时间t的分时电价，Lt代表了典型当地用户在时间段t的需求水平，F是统一电价；

5）分时电价的响应

需求响应式由国内蓄电池来实现的，为了在每个设计出的分时电价上实现需求响应，建立了一个电价最小化模型：

$\min C=\underset{i=1}{\overset{48}{\mathrm{\Σ}}}{T}_i\×(L_i+B_i)---\left(6\right)$

$s.t.\underset{i=1}{\overset{48}{\mathrm{\Σ}}}{B}_i=0;-0.2\×X\≤B_i\≤0.2\×X---\left(7\right)$

C代表了分时电价下的总电价，Bi代表了第个时间的充电量，X是选定蓄电池的容量。

本发明是一种确保定价合理及科学的基于模型聚类方法的分时电价设计方法。

附图说明

图1为基于价格的分时电价结果示意图，；

图2为基于负荷的分时电价结果示意图；

图3为对基于价格的分时电价的需求响应效果图；

图4为对基于负荷的分时电价的需求响应效果图。

具体实施方式

实施例：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了使本领域一般技术人员理解和实现本发明，现结合附图描述本发明的实施例。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都应当属于本申请保护的范围。

根据批发电能价格导出的分时电价可以鼓励客户利用价格变化规划他们的电能使用。然而直接根据批发价格导出分时电价是非常具有挑战性的，因为在量化上存在困难。相比之下，很长时间供应商在应用统一电价，综合考虑了各种成本。问题是统一价格没有价格变动的信息。统一电价的随机转变在理论上可以形成无数种分时电价，将会导致各种各样的需求响应。对于一个可行的分时电价定价有两个主要的要求：1）同时反应能源价格和网路压力因而用户的响应可以被正确的引导；2）保证分时电价定价的收益

提出了一种创新的利用统计学方法根据统一电价导出的分时电价定价方法。基于模型的聚类技术可以用来将批发价格和负荷等级聚类成峰荷，平负荷和谷负荷。根据能源价格变化和符合价格变化对时间窗聚类分别定义出基于价格和基于符合的分时电价定价。在一个结算日，每个结算阶段都可以分配具有不同概率的不同阶段，这样很多的不可行的分时定价模式可以被过滤出来。具有更高概率的分时定价模式会被采用。分时定价的确定价格和模式是由保证和用户在统一价格下的总收益相同来决定的。

分时电价是一种可以有效反应电力系统不同时段供电成本差别的电价机制，通过将低谷时段电价适当调低，高峰时段电价适当调高的价格信号来引导用户采取合理的用电结构和方式，实现削锋填谷。

本发明具体实施步骤如下：

步骤（1）：基于模型的聚类方法

聚类可以将大量多样的数据转换成一些典型的群组，这样具有很高的类群内部相似度，但是很低的类群间相似度这样可以找到目标的自然群体。这种普遍在负荷分类和画图上得到应用的聚类技术在根据批发价格和负荷变化的分时电价制定中没有得到很多应用。这里应用了有限混合模型，一种基于模型的聚类方法。

混合模型为观察值的潜在级别提出了混合概率密度函数。混合概率密度函数被描述为有限已知的概率密度的加权和，每个概率密度函数成分都可以当做一类。给定的数据系列y包括了n个观察点，y1,…yn,具有G个部分的混合模型如下：

$L({\mathrm{\θ}}_1...{\mathrm{\θ}}_G;W_1...W_G)=\underset{j=1}{\overset{n}{\mathrm{\Π}}}\underset{g=1}{\overset{G}{\mathrm{\Σ}}}{W}_g{f}_g\left(y_j\right|{\mathrm{\θ}}_g)---\left(1\right)$

f_g和θ_g分别是密度函数和第g个部分的参数，W_g是第g个部分的权重，代表了一个观察点属于第g个部分的概率。每个部分密度和混合密度的概率和是1，所有的权重要满足下面（2）和（3）的约束：

0≤W_g≤1 g～Miltimomial(G)    (2)

$\underset{g=1}{\overset{G}{\mathrm{\Σ}}}{W}_g=1---\left(3\right)$

概率分布函数一般满足高斯分布，因此这里采用高斯混合模型进行聚类。在高斯混合模型中，可以用θ_k=(μ_k,Σ_k)(k=1,2,…K)来表示多元情况，μ_k是平均值，Σ_k代表协方差矩阵，θ_k=(μ_k,σ_k)(k=1,2,…K)代表单变量的情况，σ_k是标准差。所有的参数可以用期望最大化算法来进行估计，通过反复迭代来找到参数的最大似然函数。

步骤（2）：在一个典型日，基于高斯混合模型，对预先设定的48个清算时间段电能价格和负荷进行聚类。每个清算时间段都可以安排给具有不同概率的每个分布模型。分布模型可以当做不同的计费阶段，高峰负荷，平负荷和谷负荷。

步骤（3）：不同类型的分时电价可以通过多类清算区间的不同的结合导出。可能的分时电价通过包含的不确定性导出如下：

$U=\underset{j=1}{\overset{48}{\mathrm{\Π}}}{\left\{U_{\mathrm{jg}}\right\}}_{g=1}^G---\left(4\right)$

U_jg是模型g的清算周期j的聚类不确定性。

步骤（4）：聚类过程会设置分时电价的时间窗，这样分时电价变化跟随价格或负荷的变化趋势。然而，导出的分时电价只包含了价格区域的长度而没有价格的大小。每一类的价格由式（5）决定。这个公式保证了供应方的收益在统一电价和分时电价时是相同的。

$\underset{t\∈k}{\mathrm{\Σ}}{T}_t\×L_t=\underset{t\∈k}{\mathrm{\Σ}}F\×L_t---\left(5\right)$

t是聚类k的一系列结算周期，Tt是时间t的分时电价，Lt代表了典型当地用户在时间段t的需求水平，F是统一电价。

步骤（5）：分时电价的响应

需求响应式由国内蓄电池来实现的，为了在每个设计出的分时电价上实现需求响应，建立了一个电价最小化模型：

$\min C=\underset{i=1}{\overset{48}{\mathrm{\Σ}}}{T}_i\×(L_i+B_i)---\left(6\right)$

$s.t.\underset{i=1}{\overset{48}{\mathrm{\Σ}}}{B}_i=0;-0.2\×X\≤B_i\≤0.2\×X---\left(7\right)$

C代表了分时电价下的总电价，Bi代表了第个时间的充电量，X是选定蓄电池的容量。

通过采用采用上面给出的方法，利用对实时的市场批发电价进行聚类得到的基于价格的分时电价由图1曲线1阐释出。为了反映分时电价的设计多样性和考虑聚类的不确定性，另外两类的分时电价由图一虚线所示。同样的基于符合的分时电价由基础曲线1和附加的其他曲线2,3在图2中标展示。得到的基于价格的分时电价和基于负荷的分时电价在价格曲线上表现了他们的压力区域和程度。

上面介绍的需求响应算法得到的负荷转移是由国内典型负荷曲线所阐释的。

容量是2kW充放电上限是20%的额定安时，通过采用对基于价格的分时电价和基于负荷的分时电价的需求响应，新的负荷曲线在图3,4中展示。

可以观察到对分别基于价格和负荷的分时电价曲线1的需求响应可以导致高峰需求减小和总能源费用最小。除此之外，通过采用基于价格的需求响应，会有4.2%的峰值需求减小，电费有3.7%到5.1%的变化。对于基于负荷的聚类，最大高峰需求减少可以达到9.5%，但是总的价格减少小于3.2%。因此，基于价格的分时电价和基于负荷的分时电价分别在减少总能源价格成本和削峰方面非常有效。

通过采用聚类的方法，通过统一电价可以导出基于价格和基于负荷的分时电价。通过对分时电价的需求响应引起的总价格减少和削峰的量化证明了最优的解决方案是通过混合模型直接求得的方案1。尽管基于价格和基于负荷的分时电价可以实现电费和峰值需求的减小。基于价格的分时电价在节约成本方面具有优势，基于负荷的分时电价在减小高峰负荷方面更有效。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种基于模型聚类方法的分时电价设计方法，其特征在于采用有限混合模型，采用高斯混合模型进行聚类，分成基于能源价格的聚类和基于负荷的聚类；并分两步的方法对分时电价设计：

1）在一个典型日，基于高斯混合模型，对预先设定的48个清算时间段电能价格和负荷进行聚类，每个清算时间段都能安排给具有不同概率的每个分布模型，分布模型能当作不同的计费阶段：高峰负荷，平负荷和谷负荷；

2）不同类型的分时电价通过多类清算区间的不同的结合导出，通过保证供应方的收益在统一电价和分时电价时相同来得出最终的分时电价。

2.根据权利要求1所述的基于模型聚类方法的分时电价设计方法，其特征在于在一个结算日，每个结算阶段都能分配具有不同概率的不同阶段，这样很多的不可行的分时定价模式能被过滤出来，具有更高概率的分时定价模式会被采用，分时定价的确定价格和模式是由保证用户在统一价格和分时电价下的总收益相同来决定的。

3.根据权利要求1所述的基于模型聚类方法的分时电价设计方法，其特征在于具体包括如下步骤：

1）基于模型的聚类方法

聚类能将大量多样的数据转换成一些典型的群组，这样具有很高的类群内部相似度，但是很低的类群间相似度这样能找到目标的自然群体，这种普遍在负荷分类和画图上得到应用的聚类技术在根据批发价格和负荷变化的分时电价制定中没有得到很多应用，这里应用了有限混合模型，一种基于模型的聚类方法；

混合模型为观察值的潜在级别提出了混合概率密度函数，混合概率密度函数被描述为有限已知的概率密度的加权和，每个概率密度函数成分都能当做一类，给定的数据系列y包括了n个观察点，y1,…yn,具有G个部分的混合模型如下：

$L({\mathrm{\θ}}_1...{\mathrm{\θ}}_G;W_1...W_G)=\underset{j=1}{\overset{n}{\mathrm{\Π}}}\underset{g=1}{\overset{G}{\mathrm{\Σ}}}{W}_g{f}_g\left(y_j\right|{\mathrm{\θ}}_g)---\left(1\right)$

f_g和θ_g分别是密度函数和第g个部分的参数，W_g是第g个部分的权重，代表了一个观察点属于第g个部分的概率，每个部分密度和混合密度的概率和是1，所有的权重要满足下面（2）和（3）的约束：

0≤W_g≤1 g～Miltimomial(G)    (2)

$\underset{g=1}{\overset{G}{\mathrm{\Σ}}}{W}_g=1---\left(3\right)$

概率分布函数一般满足高斯分布，因此这里采用高斯混合模型进行聚类；在高斯混合模型中，用θ_k=(μ_k,Σ_k)(k=1,2,…K)来表示多元情况，μ_k是平均值，Σ_k代表协方差矩阵，θ_k=(μ_k,σ_k)(k=1,2,…K)代表单变量的情况，σ_k是标准差，所有的参数用期望最大化算法来进行估计，通过反复迭代来找到参数的最大似然函数；

2）在一个典型日，基于高斯混合模型，对预先设定的48个清算时间段电能价格和负荷进行聚类，每个清算时间段都能安排给具有不同概率的每个分布模型，分布模型能当做不同的计费阶段，高峰负荷，平负荷和谷负荷；

3）不同类型的分时电价通过多类清算区间的不同的结合导出，可能的分时电价通过包含的不确定性导出如下：

$U=\underset{j=1}{\overset{48}{\mathrm{\Π}}}{\left\{U_{\mathrm{jg}}\right\}}_{g=1}^G---\left(4\right)$

U_jg是模型g的清算周期j的聚类不确定性；

4）聚类过程会设置分时电价的时间窗，这样分时电价变化跟随价格或负荷的变化趋势，然而，导出的分时电价只包含了价格区域的长度而没有价格的大小，每一类的价格由式（5）决定，这个公式保证了供应方的收益在统一电价和分时电价时是相同的；

$\underset{t\∈k}{\mathrm{\Σ}}{T}_t\×L_t=\underset{t\∈k}{\mathrm{\Σ}}F\×L_t---\left(5\right)$

t是聚类k的一系列结算周期，Tt是时间t的分时电价，Lt代表了典型当地用户在时间段t的需求水平，F是统一电价；

5）分时电价的响应

需求响应式由国内蓄电池来实现的，为了在每个设计出的分时电价上实现需求响应，建立了一个电价最小化模型：

$\min C=\underset{i=1}{\overset{48}{\mathrm{\Σ}}}{T}_i\×(L_i+B_i)---\left(6\right)$

$s.t.\underset{i=1}{\overset{48}{\mathrm{\Σ}}}{B}_i=0;-0.2\×X\≤B_i\≤0.2\×X---\left(7\right)$

C代表了分时电价下的总电价，Bi代表了第个时间的充电量，X是选定蓄电池的容量。