CN106127613A - 一种互联网环境下电力用户需求响应潜力评估方法 - Google Patents

Abstract

本发明公开了一种互联网环境下电力用户需求响应潜力评估方法，包括以下步骤：（1）统计用户在当前一天通过互联网售电平台对用电负荷、电价的访问次数；（2）计算电价调整前后用户日均负荷曲线的相似度，再利用峰谷负荷变化率修正后，形成电力用户需求响应潜力评估值；（3）通过多个用户样本计算，构建以负荷访问次数、电价访问次数为输入变量的电力用户需求响应潜力评估函数。本发明根据在互联网环境下查看的负荷数据和电价数据，利用需求响应潜力评估函数精准分析用户对需求响应电价的敏感程度，进而为售电体制定需求响应激励措施和电价策略提供依据。

Description

一种互联网环境下电力用户需求响应潜力评估方法

技术领域

本发明涉及电力分析技术领域，具体涉及一种互联网环境下电力用户需求响应潜力评估方法。

背景技术

电力需求响应是电网供应侧提供价格或者其他激励信号，促使电力用户改变用电模式，引导用户高峰时少用电，低谷时多用电，优化用电模式、提高供电效率。随着国家能源互联网战略及电力体制改革政策的不断推进，电力市场化改革方向日渐明晰。未来的市场将实现售电主体多元化，以自由竞争为核心，实现电能资源有效供给和高效配置，促进以多元主体互动为核心的新型产业链结构的形成于发展。互联网售电体将成为电力需求响应的主要发起者，利用价格或者其他激励手段，调整用户的用电需求，以发挥电能的最大效益。对用户需求响应潜力评估能够帮助互联网售电体了解用户对用电价格的敏感程度，便于利用套餐推荐等方式对单一用户实施个性化需求响应策略。

目前，对电力用户需求响应潜力的评估多是基于事后评估，或者计算需求响应程度与电价的数量关系，进而评估需求响应措施的潜力或者效益。这些方法一是没有对用户的需求响应潜力进行评估；二是没有从互联网行为的角度，将用户的需求响应兴趣作为需求响应评估的依据。公开号CN104616082的发明专利公开了一种基于电价的需求响应效益及潜力评估方法，根据设定的用户增长率为α和智能电表实施进度为β，确定m年之后参与基于电价的需求响应项目用户数量；根据用户响应特性模型计算新电价下每个用户单日单位时间用电量；根据用户日耗电量计算新电价下用户平时段平均用电量；预测自基准年份起参与用户的数量，依据用户响应程度分别评估电厂、电网、用户以及环境的需求响应效益及潜力。

因此，在能源互联网和售电侧改革的大背景下，如何在互联网环境下评估用户的需求响应潜力，进而形成个性化用电服务和售电侧能效优化策略，是一个急需解决的技术问题。

发明内容

有鉴于此，本发明的目的是提供一种互联网环境下电力用户需求响应潜力评估方法，根据在互联网环境下查看的负荷数据和电价数据，利用需求响应潜力评估函数精准分析用户对需求响应电价的敏感程度，进而为售电体制定需求响应激励措施和电价策略提供依据。

为了达到上述目的，本发明采用如下方案：

一种互联网环境下电力用户需求响应潜力评估方法，包括以下步骤：

(1)统计电力用户在当前一天通过互联网售电平台对用电负荷、电价的访问次数；

(2)计算电价调整前后用户日负荷曲线的相似度，再利用峰谷负荷变化率修正后，形成电力用户需求响应潜力评估值；

(3)通过多个电力样本用户计算得到多个需求响应潜力评估值，根据多个需求响应潜力评估值构建以负荷访问次数、电价访问次数为输入变量的电力用户需求响应潜力评估函数。

优选的，所述步骤(2)包括：

分别取电价调整前后用户日均负荷曲线中各小时的平均负荷，组成用户电价调整前日负荷向量L_i和电价调整后日负荷向量L_j,计算负荷曲线相似度:

$S\left(i,j\right)=\frac{{\mathrm{\Σ}}_{n=1}^{24}\left(L_{in}\×L_{jn}\right)}{\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{in}\right)}^2}\×\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{jn}\right)}^2}}---\left(1\right);$

式中，L_in为电价调整前第n个小时的日负荷向量，L_jn为电价调整后第n个小时的日负荷向量，S(i,j)为电价调整前后用户日均负荷曲线相似度；

电价调整前后峰谷负荷变化率r：

$r=\frac{P_{jf}-P_{jg}}{P_{if}-P_{ig}}---\left(2\right);$

式中，P_jf为电价调整后峰值功率，P_jg为电价调整后谷值功率，P_if为电价调整前峰值功率，P_ig为电价调整前谷值功率，则电力样本用户的需求响应潜力评估值为：

$dr=\frac{1}{r\×S(i,j)}---\left(3\right).$

优选的，所述步骤(3)中，构建的电力用户需求响应潜力评估函数为：

dr＝αF_l+βF_p (4),

其中，F_l为用户当日负荷访问次数，F_p为用户当日电价访问次数，α和β分别为负荷访问次数和电价访问次数的系数，α和β均为常数。

与现有技术相比，本发明的有益效果为：

本发明通过用户对负荷历史、电价数据的关注行为，分析用户应对需求相应的潜力。对售电体而言，通过售电体平台的用户行为数据即可评估用户的需求响应潜力，为制定需求响应策略提供依据，并实施精准电力营销和用电增值业务，更进一步的通过影响用户的互联网行为和用电行为综合调度电力资源在时间和空间上的配置。

附图说明

图1是本发明一种互联网环境下电力用户需求响应潜力评估方法的流程图。

图2是本发明一种互联网环境下电力用户需求响应潜力评估方法另一实施方式的流程图。

具体实施方式

下面结合附图对发明技术方案进一步说明：

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述。

如图1所示，本发明提供一种互联网环境下电力用户需求响应潜力评估方法，包括以下步骤：

(1)统计电力用户在当前一天通过互联网售电平台对用电负荷、电价的访问次数。

(2)计算电价调整前后用户日负荷曲线的相似度，再利用峰谷负荷变化率修正后，形成电力用户需求响应潜力评估值。具体为：

分别取电价调整前后用户日均负荷曲线中各小时的平均负荷，组成用户电价调整前日负荷向量L_i和电价调整后日负荷向量L_j,计算负荷曲线相似度:

$S\left(i,j\right)=\frac{{\mathrm{\Σ}}_{n=1}^{24}\left(L_{in}\×L_{jn}\right)}{\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{in}\right)}^2}\×\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{jn}\right)}^2}}---\left(1\right);$

式中，L_in为电价调整前日负荷向量第n个小时负荷值，L_jn为电价调整后日负荷向量第n个小时的负荷值，S(i,j)为电价调整前后用户日负荷曲线相似度；

电价调整前后峰谷负荷变化率r：

$r=\frac{P_{jf}-P_{jg}}{P_{if}-P_{ig}}---\left(2\right);$

式中，P_jf为电价调整后峰值功率，P_jg为电价调整后谷值功率，P_if为电价调整前峰值功率，P_ig为电价调整前谷值功率，则电力样本用户的需求响应潜力评估值为：

$dr=\frac{1}{r\×S(i,j)}---\left(3\right).$

(3)通过多个电力样本用户计算得到多个需求响应潜力评估值，根据多个需求响应潜力评估值构建以负荷访问次数、电价访问次数为输入变量的电力用户需求响应潜力评估函数。

构建的电力用户需求响应潜力评估函数为：

dr＝αF_l+βF_p (4),

式中，F_l为用户当日负荷访问次数，F_p为用户当日电价访问次数，α和β分别为负荷访问次数和电价访问次数的系数，α和β均为常数。取多个样本用户的互联网访问数据和电价变化前后负荷数据，得到多个样本用户的需求响应潜力评估值dr，例如，样本用户为n个，由式(3)可得到n个样本用户的需求响应潜力评估值dr，利用最小二乘法计算得到系统α和β，以此构建用户需求响应潜力评估函数。

实施例1：

本发明提供一种互联网环境下电力用户需求响应潜力评估方法，包括：

(1)统计用户A在当前一天通过互联网售电平台对用电负荷、电价详情的访问次数；

(2)计算电价调整前后用户负荷曲线的相似度，再利用峰谷负荷变化率修正后，形成需求响应潜力评估的判据。分别取用户A的电价调整前后用户日均负荷曲线中各小时的平均负荷组成用户日负荷向量，例如：L_i＝[2,3,4,5,4,6,4,7,5,6,4,3,5,9,5,6,4,3,7,2,1,3,2,1],L_j＝[1,2,4,5,4,6,4,7,8,2,4,3,5,6,5,7,4,3,6,2,1,2,2,1],计算负荷曲线相似度:

$S\left(i,j\right)=\frac{{\mathrm{\Σ}}_{n=1}^{24}\left(L_{in}\×L_{jn}\right)}{\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{in}\right)}^2}\×\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{jn}\right)}^2}}=0.96---\left(1\right);$

电价调整前后峰谷负荷变化率：

$r=\frac{P_{jf}-P_{jg}}{P_{if}-P_{ig}}=0.875---\left(2\right);$

式中，P_jf为电价调整后峰值功率，值为8；P_jg为电价调整后谷值功率，值为1；P_if为电价调整前峰值功率，值为9：P_ig为电价调整前谷值功率，值为1；则电力用户A的需求响应潜力评估值为：

$dr=\frac{1}{r\×S(i,j)}=1.19---\left(3\right);$

(3)通过大量用户样本计算，获得以负荷访问次数、电价访问次数为输入变量的电力用户需求响应潜力评估函数。计算方法是：用户需求响应潜力评估函数定义为：

dr＝αF_l+βF_p (4),

其中，F_l为用户当日负荷访问次数，F_p为用户当日电价访问次数，α和β分别为负荷访问次数和电价访问次数的系数。取售电体收据库200个样本用户的互联网访问数据和电价变化前后负荷历史数据，利用最小二乘法计算得到：α＝0.73；β＝0.11，形成用户需求响应潜力评估函数：

dr＝0.73_l+0.11_p (5)。

对用户进行需求响应潜力评估时只需获取互联网访问数据F_l和F_p,计算用户需求响应潜力评估函数，数值越大说明用户需求响应潜力越大。样本用户选取的数量不同，最终计算得到的系数α和β会略有不同，样本用户选取的越多，由该需求响应潜力评估函数计算得到的dr就越准确。

实施例2：

如图2所示，本发明提供一种互联网环境下电力用户需求响应潜力评估方法，包括：

(1)统计电力用户在当前一天通过互联网售电平台对用电负荷、电价的访问次数；

(2)计算电价调整前后用户日负荷曲线的相似度，再利用峰谷负荷变化率修正后，形成电力用户需求响应潜力评估值；

(3)通过多个电力样本用户计算得到多个需求响应潜力评估值，根据多个需求响应潜力评估值构建以负荷访问次数、电价访问次数为输入变量的电力用户需求响应潜力评估函数：dr＝αF_l+βF_p；由电力用户当日负荷访问次数以及当日电价访问次数，即可得到该用户的需求响应潜力评估值；

(4)在步骤(3)得到的用户需求响应潜力评估值中计入用户信用值，以此得到最终的用户需求响应潜力评估值。

本实施例中，对电力用户需求响应潜力评估时，综合考虑用户的信用值，将用户需求响应潜力评估值中计入用户信用值，使得用户的潜力评估值更加准确。例如，评估后的用户信用值为90，用户信用的预设值为80，则最终的潜力评估值＝10+步骤(3)的潜力评估值；若用户信用值为70，则最终的潜力评估值＝-10+步骤(3)的潜力评估值。

用户信用值的评价方法如下：

(1)构建互联网环境下电力用户信用评价要素体系；所述电力用户信用评价要素包括静态要素和动态要素，静态要素包括用户身份特征要素，动态要素包括用电行为、需求响应和履约能力；所述用户身份特征要素包括用户人口、住房面积、房屋市场均价和取暖能源类型。

(2)分别建立静态要素信用评分模型和动态要素信用评分模型。

静态要素信用评分模型为：售电体设定各静态要素总分为M1，各项最高分值相等，总分S₁为各要素分值之和。

建立动态要素信用评分模型包括：

1)建立用电行为评分方法：售电体设定最高分值M2，计算用户最近一个月内任意两条日负荷曲线的相似度，累加并求平均值，结果与最高分值相乘，即为该用户用电行为信用分值S₂；

2)建立需求响应评分方法：设定需求响应最高分值M3，取最近一次电价调整前后用户日均负荷曲线中各小时的平均负荷，组成用户电价调整前日负荷向量L_i和电价调整后日负荷向量L_j,计算负荷曲线相似度:

$S\left(i,j\right)=\frac{{\mathrm{\Σ}}_{n=1}^{24}\left(L_{in}\×L_{jn}\right)}{\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{in}\right)}^2}\×\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{jn}\right)}^2}}---\left(1\right);$

式中，L_in为电价调整前日负荷向量第n个小时负荷值，L_jn为电价调整后日负荷向量第n个小时的负荷值，S(i,j)为电价调整前后用户日负荷曲线相似度；电价调整前后峰谷负荷变化率：

$r=\frac{P_{jf}-P_{jg}}{P_{if}-P_{ig}}---\left(2\right);$

其中，P_jf为电价调整后峰值功率，P_jg为电价调整后谷值功率，P_if为电价调整前峰值功率，P_ig为电价调整前谷值功率，则电力用户需求响应评分值为：

$S_3=\frac{M3}{1+r\×S(i,j)}---\left(3\right);$

3)建立履约能力的信用评分计算方法：设定履约能力最高分值M4，减到0为止，总分记为S₄。

(3)设定各要素权重，得到用户总信用评分。用户总信用评分为：

S₁S₁+W₂S₂+W₃S₃+W₄S₄ (4)，

其中，W₁，W₂,W₃,和W₄为售电体设定的各要素权重值，且

W₁+W₂+W₃+W₄＝1 (5)。

实施例3：

本实施例提供一种互联网环境下电力用户信用评价方法，包括：

(1)构建互联网环境下电力用户信用评价要素体系，包括静态要素和动态要素，其中静态要素包括用户人口、住房面积、房屋市场均价、加热类型等用户身份特征要素，动态要素包括用电行为、需求响应、履约能力等。

(2)分别建立静态要素信用评分模型和动态要素信用评分模型；静态要素的信用评分模型为：售电体设定各静态要素M1总分为100，各项最高分值相等，假设用户四项要素均真实填写，总分S₁＝100。即，各静态要素的分值相等，各静态要素的合计总分S₁＝100，例如，用户人口、住房面积、房屋市场均价、加热类型各占25分，若电力用户的各项均真实填写，则其总分S₁＝100；若无自住房，则住房面积、房屋市场均价要素项为0，其总分S₁＝50。该实施例中，M1、M2、M3、M4均设定为100分，该分值可以根据实际需要进行调整。

建立动态要素信用评分模型包括：

1)用电行为评分方法为：售电体设定最高分值M2＝100，计算用户最近一个月内任意两条日负荷曲线的相似度，累加并求平均值，结果与最高分值相乘，假设相似度平均值为0.6,则该用户用电行为信用分值S₂＝60；

2)需求响应评分方法为：设定需求响应最高分值M3＝100，取售电体最近一次电价调整前后该用户日均负荷曲线中各小时的平均负荷组成用户日负荷向量L_i和L_j,假设：

L_i＝[2,3,4,5,4,6,4,7,5,6,4,3,5,9,5,6,4,3,7,2,1,3,2,1],L_j＝[1,2,4,5,4,6,4,7,8,2,4,3,5,6,5,7,4,3,6,2,1,2,2,1],计算负荷相似度：

$S\left(i,j\right)=\frac{{\mathrm{\Σ}}_{n=1}^{24}\left(L_{in}\×L_{jn}\right)}{\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{in}\right)}^2}\×\sqrt{{\mathrm{\Σ}}_{n=1}^{24}{\left(L_{jn}\right)}^2}}=0.96---\left(1\right);$

电价调整前后峰谷负荷变化率：

$r=\frac{P_{jf}-P_{jg}}{P_{if}-P_{ig}}=0.875---\left(2\right);$

式中，P_jf为电价调整后峰值功率，值为8；P_jg为电价调整后谷值功率，值为1；P_if为电价调整前峰值功率，值为9：P_ig为电价调整前谷值功率，值为1；需求响应评分为：

$S_3=\frac{M3}{1+r\×S(i,j)}=54---\left(3\right);$

3)履约能力的信用评分计算方法为：设定履约能力最高分值M4＝100，每逾期欠费一次减N分，减到0为止，假设N＝10,用户欠费1次，则总分记为S₄＝90。

(3)设定静态要素权重W₁＝0.1，用电行为权重W₂＝0.2，需求响应权重W₃＝0.35，履约能力权重W₄＝0.35，综合计算用户信用分值。

本发明提供的互联网环境下电力用户信用评价方法，包括构建互联网环境下电力用户信用评价静态和动态要素体系；建立静态要素和动态要素信用评分模型；设定各要素权重，综合计算用户信用分值。本发明技术方案充分考虑了用户的身份特征、用电行为波动情况、履约能力和需求响应效果，使电力用户的信用评价结果充分体现了售电体对用户用电行为的可预测性，有利于降低营销风险，增强需求响应效果。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种互联网环境下电力用户需求响应潜力评估方法，其特征在于：包括以下步骤：

(1)统计电力用户在当前一天通过互联网售电平台对用电负荷、电价的访问次数；

(2)计算电价调整前后用户日负荷曲线的相似度，再利用峰谷负荷变化率修正后，形成电力用户需求响应潜力评估值；

(3)通过多个电力样本用户计算得到多个需求响应潜力评估值，根据多个需求响应潜力评估值构建以负荷访问次数、电价访问次数为输入变量的电力用户需求响应潜力评估函数。

2.根据权利要求1所述的一种互联网环境下电力用户需求响应潜力评估方法，其特征在于：所述步骤(2)包括：

分别取电价调整前后用户日均负荷曲线中各小时的平均负荷，组成用户电价调整前日负荷向量L_i和电价调整后日负荷向量L_j,计算负荷曲线相似度:

$S(i,j)=\frac{{\Σ}_{n=1}^{24}(L_{in}\×L_{jn})}{\sqrt{{\Σ}_{n=1}^{24}{\left(L_{in}\right)}^2}\×\sqrt{{\Σ}_{n=1}^{24}{\left(L_{jn}\right)}^2}}---\left(1\right);$

式中，L_in为电价调整前日负荷向量第n个小时负荷值，L_jn为电价调整后日负荷向量第n个小时的负荷值，S(i,j)为电价调整前后用户日负荷曲线相似度；

电价调整前后峰谷负荷变化率r：

$r=\frac{P_{jf}-P_{jg}}{P_{if}-P_{ig}}---\left(2\right);$

式中，P_jf为电价调整后峰值功率，P_jg为电价调整后谷值功率，P_if为电价调整前峰值功率，P_ig为电价调整前谷值功率，则电力样本用户的需求响应潜力评估值为：

$dr=\frac{1}{r\×S(i,j)}---\left(3\right).$

3.根据权利要求1所述的方法，其特征在于，所述步骤(3)中，构建的电力用户需求响应潜力评估函数为：

dr＝αF_l+βF_p (4),

其中，F_l为用户当日负荷访问次数，F_p为用户当日电价访问次数，α和β分别为负荷访问次数和电价访问次数的系数，α和β均为常数。