CN107944630A - 一种季节性分时电价优化制定方法 - Google Patents

一种季节性分时电价优化制定方法 Download PDF

Info

Publication number
CN107944630A
CN107944630A CN201711250811.7A CN201711250811A CN107944630A CN 107944630 A CN107944630 A CN 107944630A CN 201711250811 A CN201711250811 A CN 201711250811A CN 107944630 A CN107944630 A CN 107944630A
Authority
CN
China
Prior art keywords
time
electricity
load
price
electricity price
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711250811.7A
Other languages
English (en)
Inventor
胡阳
李云鸷
刘红
常太华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201711250811.7A priority Critical patent/CN107944630A/zh
Publication of CN107944630A publication Critical patent/CN107944630A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)

Abstract

一种季节性分时电价制定方法，包括：1)用户负荷数据预处理，根据预处理后的用户负荷特性，采用聚类分析法进行负荷的季节性时段划分及峰谷时段划分；2)基于需求价格弹性理论，建立考虑季节特性的用户响应模型；3)兼顾考虑用户侧和供电侧，以用户用电支出、用电习惯满意度和曲线负荷率作为优化目标建立优化模型；4)采用带精英策略和离差排序的快速非支配排序遗传优化算法求解多目标函数，获得综合最优电价。本发明在制定电价的过程中充分考虑了季节特性带来的用户负荷变动，为季节性分时电价制定提供了一种可行的方法。

Description

一种季节性分时电价优化制定方法
技术领域
本发明涉及智能电网需求侧管理领域，涉及分时电价制定方法，具体涉及一种季节性分时电价优化制定方法。
背景技术
近年来，我国经济不断发展，科技水平不断提高，人们对于高质量能源的需求也随之不断提高，如何应对来自气候变化的影响，保障能源安全、高效、清洁使用成为了热议话题，由此所引发的世界范围内的能源革命悄然来临。在电力行业中，随着智能电网的推广和电力市场的完善，对需求侧资源的重视程度不断加深，需求侧管理正在成为各国优先发展的策略。需求侧管理是通过采取有效措施，引导电力用户科学用电、合理用电、节约用电，提高电能利用效率，优化资源配置，保护环境，实现最低成本的电力服务所进行的用电管理活动。作为需求侧管理的重要手段，以分时电价、实时电价等为代表的需求侧响应正在世界范围内开展实施，并取得了良好的实际效果。目前，我国已有28个省市实施了分时电价策略，实施对象主要集中在工业、商业和农业。这种电价策略不同于传统电价，它基于规制经济学中的高峰负荷定价理论，根据不同时段或时期供电成本不同而使电费不同，再通过电价的变化来影响用户，使其主动地将高峰时段的电力需求部分转移到其他时段，进而达到削峰填谷、提高用户侧和供电侧经济性、增加电网利用率等目的。
现阶段，国内外学者对分时电价已经有很深入的研究，并且通过实施相关措施积累很多相关经验，这些研究目前主要集中在几个方面。一是基于用户侧的分时电价研究，重点是峰谷时段划分以及确定合理的峰谷电价比；二是用户需求响应模型的求取，即用户对分时电价响应行为的建模。然而，这些研究大多是以每日24时内负荷的分时电价为前提的，并没有考虑到用户负荷会因为季节变化、经济水平和地区气候等因素发生变化。因此，在全年内采用固定的峰谷分时电价在实际实施中缺少灵活性，不能够有效地调动用户合理用电的积极性。特别是近年来，我国第三产业用电和居民用电不断增加，导致了用于供热和制冷的负荷不断增加，这部分负荷绝大多数发生在峰时段，而供暖和制冷的负荷明显与季节相关，因此在制定分时电价的过程中，充分考虑负荷的季节特性是十分必要的。
本发明在现有分时电价研究的基础上，对区域用户负荷特性进行分析，建立具有季节特性的用户响应模型，并通过制定优化目标，对季节分时电价进行多目标求解，得到满足季节需求的最优分时电价。基于这种方法求取的季节性分时电价能够同时满足用电侧和供电侧的季节性要求，充分考虑季节特性，尊重用户用电习惯，有效改善负荷曲线，提高负荷率，实现削峰填谷，对于地区分时电价的制定具有指导意义。
发明内容
本发明提出一种季节性分时电价制定方法，包括以下步骤：
1)用户负荷数据预处理，根据预处理后的用户负荷特性，采用聚类分析法进行负荷的季节性时段划分及峰谷时段划分；
2)基于需求价格弹性理论，建立考虑季节特性的用户响应模型；
3)兼顾考虑用户侧和供电侧，以用户用电支出、用电习惯满意度和曲线负荷率作为优化目标建立优化模型；
4)采用带精英策略和离差排序的快速非支配排序遗传优化算法求解多目标函数，获得综合最优电价。
进一步，步骤1)包括：
S101：采用异常数据剔除和缺失数据插值重构的数据预处理方法，对用户负荷数据进行预处理；
S102：基于连续一年的用户负荷数据，进行峰谷时段划分和季节性时段划分。
峰谷时段划分是指根据电网的负荷变化情况，将每天24小时划分为高峰、平时段、低谷多个时段，对各时段分别制定不同的电价；分时电价中，平时段电价通常为基础电价，高峰、低谷时段电价通常是以平时段电价为基础进行上下浮动，分时电价可以表示为：
pk＝p0(1+α)
式中k＝1,2,3表示高峰、平时段、低谷三个时段，pk表示k时段的电价；p0表示平均电价；α为i时段电价相对平均电价浮动比例，满足-1<α<1，其中-1<α<0表示向下浮动，即为低谷时段电价，0<α<1表示向上浮动，即为高峰时段电价，α＝0表示不浮动，即为平时段电价。
季节时段划分是根据负荷曲线的相似程度，结合时间尺度为分类标准，采用模糊C均值聚类算法对用户用电负荷曲线进行聚类分析，得到可表征区域季节电量特性的负荷类别：
Si＝{S1,S2,S3,S4},i＝1,2,3,4
其中i＝1,2,3,4，分别用来表示春、夏、秋、冬。
进一步，负荷需求价格弹性系数可用在一定时段内负荷需求量的变化率与电价变化率之比来表示，即
其中p1(k)，D1(k)分别表示k时段电价的变化量以及对应的负荷需求的变化量；p0(k)，D0(k)分别表示k时段初始电价和初始负荷量。
用户需求响应模型可以表示为：
选择研究时段为m，则需求价格弹性矩阵E可表示为由自弹性系数ekk和交叉弹性系数elk构成的[m×m]维矩阵：
其中，第k个时段内负荷需求相对于电价变化的自弹性需求系数表达式为：
第l个时段内负荷需求相对于第k个时段(l≠k)内电价变化的交叉弹性需求系数表达式为：
考虑到目前实施的峰谷分时电价系统中时段划分和峰谷电价均保持不变，因此可认为高峰、平时段、低谷各时段内弹性系数相同，则有ebd＝elk，b，d，l，k∈[1,m]，且b＝l、d＝k不同时成立，则按照峰、平、谷各时段简化需求价格弹性矩阵为：
其中p、f、v分别表示峰、平、谷时段，并且有：
evf＝efv,evp＝epv,efp＝epf
同时，基准日电价和电量由实施相同峰谷电价的不同等级的同一典型行业用户的平均电价和平均电量代替，即
则可根据基准日和目标日的历史负荷和电价数据可求出电力需求价格弹性矩阵E。
进一步，步骤3)包括：
S301：从用户角度看，一方面采用相关系数量化了用户用电习惯，以用户用电习惯满意度最大为目标函数，另一方面考虑将实施分时电价后电费支出减少量最大作为目标函数，即：
上式中，D0 Si(k),D1 Si(k),分别表示i季节实施分时电价前后各时段的负荷值和负荷均值，L1表示用户用电习惯满意度；L1∈[0,1]，当用户未改变各时段的用电量时，用户用电习惯不变，即用电习惯满意度最大，L1＝1；用户在各时段用电量改变越大，其满意度越低；同时相关系数也可以反映实际中用户对电价的响应有一定限度，即用电趋势和用电习惯只能在一定范围内变化这一特性；L2中p0 Si(k),p1 Si(k)分别表示i季节实施分时电价前后k时段内电价；
S302：从电网公司角度看，目标函数可表示为实施分时电价后系统负荷率最大：
S303：综合用户侧需求和供电侧需求，建立分时电价优化模型。
进一步，步骤4)采用SGA-2算法对所述电价优化模型进行求解，具体算法
步骤如下：
S401：设定进化代数和种群规模，并随机初始化种群；
S402：计算种群个体的目标值，形成非支配解集；
S403：根据精英策略形成新父代种群；
S404：利用遗传算法，通过交叉、变异形成新的子代种群；
S405：子代种群与父代种群合并后进行下一代进化；
S406：达到最大进化代数后，得到一组Pareto最优解，再通过离差排序法筛选出综合最优解。
本发明的优点在于：
(1)本发明在建模过程中使用连续一年的用户负荷数据，但这些数据存在一些异常点和缺失点，可能会对建模和优化产生不利影响，需要对其进行异常数据剔除和缺失数据重构等数据预处理手段。经过预处理的用户负荷曲线更加平滑，更能突出负荷变化的趋势。
(2)本发明通过模糊C聚类方法分析负荷曲线并进行分类，考虑季节特性将用户负荷数据分为冬季、夏季和秋季三类，分别得到各季节的负荷曲线，通过分析得到负荷季节特性。
(3)本发明基于季节特性求取季节需求弹性矩阵，构建出考虑季节特性的用户响应模型，然后利用带经营策略和离差排序的快速非支配排序遗传优化算法求得各季节的综合最优电价，对比采用综合最优电价前后的用户负荷曲线和采用季节需求弹性矩阵建模前后的用户负荷曲线。
(4)本发明在制定电价的过程中充分考虑了季节特性带来的用户负荷变动，为季节性分时电价制定提供了一种可行的方法。
附图说明
图1为本发明的一种季节性分时电价制定方法的步骤流程图；
图2为根据本发明的实施例的第二产业负荷聚类分析结果；
图3为根据本发明的实施例的季节性需求价格弹性系数优化结果(冬季)；
图4为根据本发明的实施例的季节性需求价格弹性系数优化结果(夏季)；
图5为根据本发明的实施例的季节性需求价格弹性系数优化结果(秋季).
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
如图1所示的本发明的一种季节性分时电价制定方法流程图，具体包括以下步骤：
1)用户负荷数据预处理，根据处理后的用户负荷特性，采用聚类分析法进行负荷的季节性时段划分及峰谷时段划分；
2)基于需求价格弹性理论，建立考虑季节特性的用户响应模型；
3)兼顾考虑用户侧和供电侧，以用户用电支出、用电习惯满意度和曲线负荷率等指标作为优化目标建立优化模型；
4)采用带精英策略和离差排序的快速非支配排序遗传优化算法求解多目标函数，获得综合最优电价。
步骤1)包括：
S101：采用异常数据剔除和缺失数据插值重构的数据预处理方法，对用户负荷数据进行预处理；
S102：基于连续一年的用户负荷数据，进行峰谷时段划分和季节性时段划分：
a.峰谷时段划分
峰谷时段划分是指根据电网的负荷变化情况，将每天24小时划分为高峰、平段、低谷等多个时段，对各时段分别制定不同的电价，以鼓励电力用户合理安排用电时间，削峰填谷，提高电力资源的利用效率。分时电价中，平时段电价通常为基础电价，峰、谷时段电价通常是以平时段电价为基础进行上下浮动的，分时电价可以表示为：
pk＝p0(1+α)
式中k＝1,2,3表示峰、平、谷三个时段，pk表示k时段的电价；p0表示平均电价；α为i时段电价相对平均电价浮动比例，满足-1<α<1，其中-1<α<0表示向下浮动，即为谷时段电价，0<α<1表示向上浮动，即为峰时段电价，α＝0表示不浮动，即为平时段电价。
b.季节时段划分
各地区由于夏季降温、冬季供暖导致负荷需求量较大，且在不同季节，用户对于电价的响应度和响应潜力不同。由于气候、经济水平等因素不同，依据气象进行的四季划分并不能与区域用电负荷变化的趋势相匹配。因此为了有效反映用电负荷的季节特性，本项发明根据负荷曲线的相似程度(曲线形状相似，负荷平均值近似)，结合时间尺度(时间上连续)为分类标准，采用模糊C均值聚类算法对用户用电负荷曲线进行聚类分析，得到可表征区域季节电量特性的负荷类别：
Si＝{S1,S2,S3,S4},i＝1,2,3,4
其中i＝1,2,3,4，分别用来表示春、夏、秋、冬。
步骤2)主要是针对用户响应特性，建立季节性用户响应模型：
本发明基于经济学理论，价格的相对变化可以直接有效的影响需求量的相对变化。在电力市场中，负荷需求价格弹性系数可用在一定时段内负荷需求量的变化率与电价变化率之比来表示，即
其中p1(k)，D1(k)分别表示k时段电价的变化量以及对应的负荷需求的变化量；p0(k)，D0(k)分别表示k时段初始电价和初始负荷量。
在实际中，用户负荷对电价的响应通常可以分为两种类型：
a.自弹性需求：负荷需求仅在单一时段对电价(或激励)具有敏感性，无法转移到其他时段，只能是有或者无，其弹性值为负数，则第k个时段内负荷需求相对于电价变化的自弹性需求表达式为：
b.交叉弹性需求：负荷需求可以根据电价(或者激励措施)改变从高峰时段转移到平时段或谷时段，其弹性值为正，则第l个时段内负荷需求相对于第k个时段(l≠k)内电价变化的交叉弹性需求表达式为：
假定选择研究时段为m，则需求价格弹性矩阵可表示为由自弹性系数ekk和交叉弹性系数ekl构成的[m×m]维矩阵：
因此，用户需求响应模型可以表示为
考虑到目前实施的峰谷分时电价系统中时段划分和峰谷电价均保持不变，因此可认为峰、平、谷各时段内弹性系数相同，则有ebd＝elk，b，d，l，k∈[1,m]，且b＝l、d＝k不同时成立，则按照峰、平、谷各时段简化需求价格弹性矩阵为：
其中p、f、v分别表示峰、平、谷时段，并且有：
evf＝efv,evp＝epv,efp＝epf
同时，基准日电价和电量由实施相同峰谷电价的不同等级的同一典型行业用户的平均电价和平均电量代替，即
则可根据基准日和目标日的历史负荷和电价数据可求出电力需求价格弹性矩阵E。
步骤3)中建立考虑季节特性的分时电价优化模型，在优化过程中兼顾考虑用户侧和供电侧的利益。
S301：从用户角度看，在实施分电价后，用户通过改变原有的用电习惯响应峰谷电价，其目的在于能满足自身用电需求的情况下减少电费支出，因此本项发明一方面采用相关系数量化了用户用电习惯，以用户用电习惯满意度最大为目标函数，另一方面考虑将实施分时电价后电费支出减少量最大作为目标函数，即：
上式中，D0 Si(k),D1 Si(k),分别表示i季节实施分时电价前后各时段的负荷值和负荷均值，L1表示用户用电习惯满意度。L1∈[0,1]，当用户未改变各时段的用电量时，用户用电习惯不变，即用电习惯满意度最大，L1＝1；用户在各时段用电量改变越大，其满意度越低。同时相关系数也可以反映实际中用户对电价的响应有一定限度，即用电趋势和用电习惯只能在一定范围内变化这一特性。L2中p0 Si(k),p1 Si(k)分别表示i季节实施分时电价前后k时段内电价。
S302：从电网公司角度看，实施分时电价的目的是为了利用价格杠杆削峰填谷，平滑负荷曲线，提高电网可靠性，从而缓解电力紧张、减少新建投资费用，因此目标函数可表示为实施分时电价后系统负荷率最大：
在制定峰谷电价时，峰谷电价比有一定的范围限制，否则将会出现峰谷倒置或响应不足等现象，从而不能达到削峰填谷的目的。因此要求峰、谷电价比不低于2，且不高于5。
S303：综合用户侧需求和供电侧需求，建立分时电价优化模型。
对于步骤3)中建立的电价优化模型，在满足各项约束条件的前提下，采用带精英策略和离差排序的快速非支配排序遗传优化算法(NSGA-2)进行电价寻优，求得综合最优电价解。
步骤3)中建立的分时电价优化模型兼顾考虑供电侧和用户侧，分别以用户用电支出减少量最大、用户用电习惯满意度最大和系统峰谷差最小为目标，属于多目标优化问题。对于多目标优化问题，目前多采用的是加权或其边种方法转化为单目标优化求解，但是一方面在权重赋值上往往存在较强的主观性，另一方面优化模型中各不同目标间可能相互影响、相互矛盾，难以同时对所有目标实现最优化。因此，本项发明选取NSGA-2算法对模型进行优化求解，利用NSGA-2算法可以有效得到包含Pareto优化解集的Pareto优化前端，即最优方案并不唯一，再利用离差排序法计算各目标函数的权重系数，通过数值计算的方法调整不同目标函数的期望值的加权系数，进而得到较为客观的综合最优解，避免了对多目标进行加权求解的主观性和盲目性，具体算法步骤如下：
S401：设定进化代数和种群规模，并随机初始化种群；
S402：计算种群个体的目标值，形成非支配解集；
S403：根据精英策略形成新父代种群；
S404：利用遗传算法，通过交叉、变异形成新的子代种群；
S405：子代种群与父代种群合并后进行下一代进化；
S406：达到最大进化代数后，得到一组Pareto最优解，再通过离差排序法筛选出综合最优解。
下面以一个具体的实施例作为示例，说明本发明的技术方案。
本实施例采用某市2013年度第二产业负荷数据，采样周期为1小时，经分析整理后得到337组可用数据。
第一步：峰谷时段划分和季节时段划分
鉴于该市已经实施了分时电价政策，故本发明峰谷时段划分以该市分时电价政策为标准，其中10:00～12:00、16:00～22:00为峰时段，7:00～10:00、12:00～16:00、22:00～23:00为平时段，23:00～次日7:00为谷时段，峰谷电价费率αp＝0.6，αv＝-0.4，计算得到目标日电价为pv＝0.377元/kWh，pf＝0.629元/kWh，pp＝1.006元/kWh。依据上述说明，现有第二产业负荷数据337条，通过模糊C聚类将负荷曲线进行分类，聚类结果显示，曲线分为3类比较合适：冬季(S1，含102天)，1、2、3、4月；夏季(S2，含127天)，5、6、7、8月；秋季(S3，含108天)，9、10、11、12月。此时各季节中所含月份连续，单月天数均超过20天且负荷数据变化趋势相同、负荷均值大小有明显差异，夏季>秋季>冬季，聚类结果如图2所示。分类结果与该市气候相对应，A市地处低纬度热带北缘，属于热带海洋气候，年平均气温较高23.8℃，四季气候不分明，通常1至4月气温最低，视为冬季，但是冬季平均温度为16～24摄氏度，取暖负荷需求量较小，负荷均值较低，呈现明显的双峰型，在11:00～12:00和19:00～20:00达到高峰；夏季从5月至8月，高温持续时间长，夏季降温负荷需求量大，对应S1类负荷变化平稳，且保持在较高水平，为高负荷率型负荷；秋季从9至12月，秋季负荷与冬季负荷形状相似，都呈现明显的双峰型，但是负荷均值有少许差距，可理解为负荷随着时间变化在不断增长。
本发明实施例所采用的第二产业各季节典型的日负荷，如下表1所示。
表1
时段 冬季负荷/kWh 夏季负荷/kWh 秋季负荷/kWh
00:00～01:00 180524.7701 181764.2161 154460.6359
01:00～02:00 175558.8369 178410.4643 153179.7814
02:00～03:00 168354.2838 172262.6823 148407.7201
03:00～04:00 170457.3567 175332.949 150334.9654
04:00～05:00 168536.0766 174233.7297 147123.2693
05:00～06:00 166059.1464 172670.8968 147114.3432
06:00～07:00 167185.9407 173452.9622 145154.7418
07:00～08:00 177367.3518 182064.5395 152478.128
08:00～09:00 192031.779 194144.6574 161517.8634
09:00～10:00 208918.0856 208253.8857 175493.8911
10:00～11:00 215076.4047 213684.9896 180015.973
11:00～12:00 209029.81 209111.0089 178318.5622
12:00～13:00 199311.5718 201103.9225 169671.9211
13:00～14:00 197720.4608 198768.2787 168189.6557
14:00～15:00 201230.4667 201224.2057 169724.8232
15:00～16:00 210430.6891 205849.3686 177079.418
16:00～17:00 210633.4814 201713.9107 175859.9272
17:00～18:00 200746.8004 189101.0057 167981.2748
18:00～19:00 187370.0156 175386.4344 155673.3649
19:00～20:00 178186.75 166193.4201 149752.3951
20:00～21:00 171657.0258 165205.2128 146873.7513
21:00～22:00 169555.4735 169464.7233 151379.389
22:00～23:00 164271.5607 172703.4945 155065.1247
23:00～24:00 151289.6156 170546.1289 153511.503
步骤二：建立季节性用户响应模型
本发明的用户响应模型是基于经济学理论建立的，主要通过需求价格弹性系数来反应用户的响应特性。所谓需求价格弹性，是指当电费的变动引发用户用电负荷总量的改变时，用电负荷的变动与电价的变动之间的响应程度，它表示一天中的几个时段内用电总量分别对电费价格的灵敏度。在电力市场中，需求价格弹性系数可以用特定时段内负荷需求量的变化率与电价变化率之比来表示，即
其中e表示需求价格弹性系数；p1(k)，D1(k)分别表示k时段电价的变化量以及对应的负荷需求的变化量；p0(l)，D0(l)分别表示l时段初始电价和初始负荷量。
另外，当k＝l时，此时求得的需求价格弹性系数为自弹性系数，它表示负荷需求仅在单一时段对电价(或激励)具有敏感性，无法转移到其他时段，只能是有或者无，其弹性值为负数；当k≠l时，此时求得的需求价格弹性系数为交叉弹性系数，它表示负荷需求可以根据电价(或者激励)改变从高峰时段转移到平时段或谷时段，其弹性值一般为正。
根据数据本发明选择研究时段为24，则可以得到由自弹性系数ekk和交叉弹性系数ekl组成的完整的需求价格弹性矩阵E为：
因此，用户需求响应模型可以表示为
考虑到目前实施的峰谷分时电价系统中时段划分和峰谷电价均保持不变，因此可认为峰、平、谷各时段内弹性系数相同，则有ebd＝elk，b，d，l，k∈[1,24]，且b＝l、d＝k不同时成立，则按照峰、平、谷各时段简化需求价格弹性矩阵为：
其中p、f、v分别表示峰、平、谷时段，并且有：
evf＝efv,evp＝epv,efp＝epf
同时，基准日电价和电量由实施相同峰谷电价的不同等级的同一典型行业用户的平均电价和平均电量代替，即
则可根据基准日和目标日的历史负荷和电价数据可求出电力需求价格弹性矩阵E。
基于上述理论，由历史负荷数据和回归分析法计算得到各季节用户需求价格弹性系数，进而得到各季节需求响应模型。
步骤三：分时电价优化模型求解
本发明兼顾用户侧利益和供电侧利益，在用户侧，采用相关系数量化了用户用电习惯，以用户用电习惯满意度最大为目标函数，另同时考虑将实施分时电价后电费支出，以费用减少量最大作为目标函数。在供电侧，以能够代表电网经济效益的负荷率为目标，使实施分时电价后系统负荷率最大。
综上所述，本项发明以用户用电支出减少量最大、用户用电习惯满意度最大和系统峰谷差最小为目标建立优化模型，属于多目标优化问题。对于这类问题，现阶段通常采用加权或其边种方法转化为单目标优化求解，以减少求解复杂性，但这种方法往往具有很强的主观性，尤其体现在权重赋值上，此外，优化模型中各不同目标间可能相互影响、相互矛盾，难以同时对所有目标实现最优化。因此，本发明选取NSGA-2算法对模型进行优化求解，利用NSGA-2算法可以有效得到包含Pareto优化解集的Pareto优化前端，即最优方案并不唯一，再利用离差排序法计算各目标函数的权重系数，通过数值计算的方法调整不同目标函数的期望值的加权系数，进而得到较为客观的综合最优解，避免了对多目标进行加权求解的主观性和盲目性。
设置种群规模大小为200，遗传的终止代数设为500，交叉概率设为0.9，变异概率设为0.1，采用年内固定需求价格弹性系数，对于某一季节负荷，经过NSGA-2优化后得到一组具有代表性的Pareto最优解，再通过离差排序法求取电费、用户满意度以及负荷率变动等优化目标的权重系数，重新构造目标函数，得到基于固定需求价格弹性系数的综合最优解。再采用季节需求价格弹性系数，同样进行优化求解，得到基于季节需求价格弹性系数的综合最优解，采用前后负荷响应曲线如图3、4、5所示。
下表2是本发明的实施例的夏季季节性优化电价的各优化目标结果。
表2
由上表可知，考虑全年特性的分时电价策略和考虑季节特性的分时电价策略均能在保证用户用电满意度的同时，实现削峰填谷。其中，采用考虑季节特性的分时电价策略后取得了更加显著的效果，用户满意度能够保证在99.60％，同时负荷率能够达到87.95％，这两项数据较采用年固定需求价格弹性系数提高了4.15％和3.22％。另外，考虑季节特性的分时电价策略能够更好地满足经济性要求，这点主要体现在在用户电量和电费上。综合考虑，采用考虑季节特性的分时电价策略能够更好地满足用户侧需求和供电侧需求。
上述实施例仅是对本发明的内容的示例性说明，并不是对本发明进行具体的限定，在不脱离本发明的发明构思的基础上对本发明的技术方案的任何修改，都在本发明的保护范围之内。本发明的保护范围以权利要求为准。

Claims (9)

1.一种季节性分时电价制定方法，包括以下步骤：
1)用户负荷数据预处理，根据预处理后的用户负荷特性，采用聚类分析法进行负荷的季节性时段划分及峰谷时段划分；
2)基于需求价格弹性理论，建立考虑季节特性的用户响应模型；
3)兼顾考虑用户侧和供电侧，以用户用电支出、用电习惯满意度和曲线负荷率作为优化目标建立优化模型；
4)采用带精英策略和离差排序的快速非支配排序遗传优化算法求解多目标函数，获得综合最优电价。
2.根据权利要求1所述的一种季节性分时电价制定方法，其特征在于所述步骤1)包括：
S101：采用异常数据剔除和缺失数据插值重构的数据预处理方法，对用户负荷数据进行预处理；
S102：基于连续一年的用户负荷数据，进行峰谷时段划分和季节性时段划分。
3.根据权利要求2所述的一种季节性分时电价制定方法，其特征在于，所述峰谷时段划分是指根据电网的负荷变化情况，将每天24小时划分为高峰、平时段、低谷多个时段，对各时段分别制定不同的电价；分时电价中，平时段电价通常为基础电价，高峰、低谷时段电价通常是以平时段电价为基础进行上下浮动，分时电价可以表示为：
pk＝p0(1+α)
式中k＝1,2,3表示高峰、平时段、低谷三个时段，pk表示k时段的电价；p0表示平均电价；α为i时段电价相对平均电价浮动比例，满足-1<α<1，其中-1<α<0表示向下浮动，即为低谷时段电价，0<α<1表示向上浮动，即为高峰时段电价，α＝0表示不浮动，即为平时段电价。
4.根据权利要求2所述的一种季节性分时电价制定方法，其特征在于，所述季节时段划分是根据负荷曲线的相似程度，结合时间尺度为分类标准，采用模糊C均值聚类算法对用户用电负荷曲线进行聚类分析，得到可表征区域季节电量特性的负荷类别：
Si＝{S1,S2,S3,S4},i＝1,2,3,4
其中i＝1,2,3,4，分别用来表示春、夏、秋、冬。
5.根据权利要求2所述的一种季节性分时电价制定方法，其特征在于所述步骤2)中，负荷需求价格弹性系数可用在一定时段内负荷需求量的变化率与电价变化率之比来表示，即
<mrow> <mi>e</mi> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Delta;D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;Delta;p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中p1(k)，D1(k)分别表示k时段电价的变化量以及对应的负荷需求的变化量；p0(k)，D0(k)分别表示k时段初始电价和初始负荷量。
6.根据权利要求5所述的一种季节性分时电价制定方法，其特征在于所述步骤2)中，用户需求响应模型可以表示为：
<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <mi>d</mi> <mi>i</mi> <mi>a</mi> <mi>g</mi> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>&amp;times;</mo> <mi>E</mi> <mo>&amp;times;</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;Delta;p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;Delta;p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;Delta;p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>+</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
选择研究时段为m，则需求价格弹性矩阵E可表示为由自弹性系数ekk和交叉弹性系数elk构成的[m×m]维矩阵：
其中，第k个时段内负荷需求相对于电价变化的自弹性需求系数表达式为：
<mrow> <msub> <mi>e</mi> <mrow> <mi>k</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Delta;D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;Delta;p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
第l个时段内负荷需求相对于第k个时段(l≠k)内电价变化的交叉弹性需求系数表达式为：
<mrow> <msub> <mi>e</mi> <mrow> <mi>l</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Delta;D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;Delta;p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
7.根据权利要求6所述的一种季节性分时电价制定方法，考虑到目前实施的峰谷分时电价系统中时段划分和峰谷电价均保持不变，因此可认为高峰、平时段、低谷各时段内弹性系数相同，则有ebd＝elk，b，d，l，k∈[1,m]，且b＝l、d＝k不同时成立，则按照峰、平、谷各时段简化需求价格弹性矩阵为：
<mrow> <mi>E</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>e</mi> <mrow> <mi>v</mi> <mi>v</mi> </mrow> </msub> </mtd> <mtd> <msub> <mi>e</mi> <mrow> <mi>v</mi> <mi>f</mi> </mrow> </msub> </mtd> <mtd> <msub> <mi>e</mi> <mrow> <mi>v</mi> <mi>p</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>e</mi> <mrow> <mi>f</mi> <mi>v</mi> </mrow> </msub> </mtd> <mtd> <msub> <mi>e</mi> <mrow> <mi>f</mi> <mi>f</mi> </mrow> </msub> </mtd> <mtd> <msub> <mi>e</mi> <mrow> <mi>f</mi> <mi>p</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>e</mi> <mrow> <mi>p</mi> <mi>v</mi> </mrow> </msub> </mtd> <mtd> <msub> <mi>e</mi> <mrow> <mi>p</mi> <mi>f</mi> </mrow> </msub> </mtd> <mtd> <msub> <mi>e</mi> <mrow> <mi>p</mi> <mi>p</mi> </mrow> </msub> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中p、f、v分别表示峰、平、谷时段，并且有：
evf＝efv,evp＝epv,efp＝epf
同时，基准日电价和电量由实施相同峰谷电价的不同等级的同一典型行业用户的平均电价和平均电量代替，即
<mrow> <msub> <mi>e</mi> <mrow> <mi>v</mi> <mi>f</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>D</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>-</mo> <mover> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> </mrow> <mo>&amp;OverBar;</mo> </mover> </mrow> <mover> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> </mrow> <mo>&amp;OverBar;</mo> </mover> </mfrac> <mo>&amp;times;</mo> <mfrac> <mover> <mrow> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> </mrow> <mo>&amp;OverBar;</mo> </mover> <mrow> <msub> <mi>p</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>-</mo> <mover> <mrow> <msub> <mi>p</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> </mrow> <mo>&amp;OverBar;</mo> </mover> </mrow> </mfrac> </mrow>
则可根据基准日和目标日的历史负荷和电价数据可求出电力需求价格弹性矩阵E。
8.根据权利要求7所述的一种季节性分时电价制定方法，其特征在于所述步骤3)包括：
S301：从用户角度看，一方面采用相关系数量化了用户用电习惯，以用户用电习惯满意度最大为目标函数，另一方面考虑将实施分时电价后电费支出减少量最大作为目标函数，即：
<mrow> <mi>L</mi> <mn>1</mn> <mo>=</mo> <mi>max</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <mover> <msubsup> <mi>D</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>)</mo> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <mover> <msubsup> <mi>D</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mrow> <msqrt> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msup> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <mover> <msubsup> <mi>D</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>&amp;OverBar;</mo> </mover> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <msqrt> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msup> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <mover> <msubsup> <mi>D</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>&amp;OverBar;</mo> </mover> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>L</mi> <mn>2</mn> <mo>=</mo> <mi>max</mi> <mrow> <mo>(</mo> <msubsup> <mi>M</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>-</mo> <msubsup> <mi>M</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mi>max</mi> <mrow> <mo>(</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msubsup> <mi>D</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>*</mo> <msubsup> <mi>p</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msubsup> <mi>D</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>*</mo> <msubsup> <mi>p</mi> <mn>1</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mrow> <mi>s</mi> <mi>t</mi> <mo>:</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msubsup> <mi>p</mi> <mn>0</mn> <msub> <mi>S</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>*</mo> <msubsup> <mi>D</mi> <mn>0</mn> <msub> <mi>s</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msubsup> <mi>p</mi> <mn>1</mn> <msub> <mi>s</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>*</mo> <msubsup> <mi>D</mi> <mn>1</mn> <msub> <mi>s</mi> <mi>i</mi> </msub> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow>
上式中，D0 Si(k),D1 Si(k),分别表示i季节实施分时电价前后各时段的负荷值和负荷均值，L1表示用户用电习惯满意度；L1∈[0,1]，当用户未改变各时段的用电量时，用户用电习惯不变，即用电习惯满意度最大，L1＝1；用户在各时段用电量改变越大，其满意度越低；同时相关系数也可以反映实际中用户对电价的响应有一定限度，即用电趋势和用电习惯只能在一定范围内变化这一特性；L2中p0 Si(k),p1 Si(k)分别表示i季节实施分时电价前后k时段内电价；
S302：从电网公司角度看，目标函数可表示为实施分时电价后系统负荷率最大：
<mrow> <mi>L</mi> <mn>3</mn> <mo>=</mo> <mi>max</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>m</mi> <mi>e</mi> <mi>a</mi> <mi>n</mi> <mrow> <mo>(</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msubsup> <mi>D</mi> <mn>1</mn> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow> <mrow> <munder> <mi>max</mi> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <mn>24</mn> <mo>&amp;rsqb;</mo> </mrow> </munder> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>1</mn> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>s</mi> <mi>t</mi> <mo>:</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munder> <mi>max</mi> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <mn>24</mn> <mo>&amp;rsqb;</mo> </mrow> </munder> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>1</mn> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&lt;</mo> <munder> <mi>max</mi> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <mn>24</mn> <mo>&amp;rsqb;</mo> </mrow> </munder> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>0</mn> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munder> <mi>min</mi> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <mn>24</mn> <mo>&amp;rsqb;</mo> </mrow> </munder> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>1</mn> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&gt;</mo> <munder> <mi>min</mi> <mrow> <mi>k</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <mn>24</mn> <mo>&amp;rsqb;</mo> </mrow> </munder> <mrow> <mo>(</mo> <msubsup> <mi>D</mi> <mn>0</mn> <mrow> <mi>S</mi> <mi>j</mi> </mrow> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
S303：综合用户侧需求和供电侧需求，建立分时电价优化模型。
9.根据权利要求8所述的一种季节性分时电价制定方法，其特征在于所述步骤4)采用SGA-2算法对所述电价优化模型进行求解，具体算法步骤如下：
S401：设定进化代数和种群规模，并随机初始化种群；
S402：计算种群个体的目标值，形成非支配解集；
S403：根据精英策略形成新父代种群；
S404：利用遗传算法，通过交叉、变异形成新的子代种群；
S405：子代种群与父代种群合并后进行下一代进化；
S406：达到最大进化代数后，得到一组Pareto最优解，再通过离差排序法筛选出综合最优解。
CN201711250811.7A 2017-12-01 2017-12-01 一种季节性分时电价优化制定方法 Pending CN107944630A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711250811.7A CN107944630A (zh) 2017-12-01 2017-12-01 一种季节性分时电价优化制定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711250811.7A CN107944630A (zh) 2017-12-01 2017-12-01 一种季节性分时电价优化制定方法

Publications (1)

Publication Number Publication Date
CN107944630A true CN107944630A (zh) 2018-04-20

Family

ID=61947278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711250811.7A Pending CN107944630A (zh) 2017-12-01 2017-12-01 一种季节性分时电价优化制定方法

Country Status (1)

Country Link
CN (1) CN107944630A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629622A (zh) * 2018-05-03 2018-10-09 蔚来汽车有限公司 调整换电需求分布的方法及装置、计算机设备和记录介质
CN109359861A (zh) * 2018-10-16 2019-02-19 国网浙江省电力有限公司经济技术研究院 一种综合能源智能仪表及其需求侧响应方法
CN109558905A (zh) * 2018-11-23 2019-04-02 北京信息科技大学 一种基于K-means的能耗感知的数据分类方法
CN109636465A (zh) * 2018-12-12 2019-04-16 国网内蒙古东部电力有限公司通辽供电公司 一种基于电量等效价值波动的微电网售电套餐设计方法
CN109784589A (zh) * 2019-03-19 2019-05-21 广东电网有限责任公司 一种电网业扩报装用户接入优化方法、装置和设备
CN110705792A (zh) * 2019-09-30 2020-01-17 重庆大学 一种计及分时定价的动态需求响应求解方法
CN110851502A (zh) * 2019-11-19 2020-02-28 国网吉林省电力有限公司 一种基于数据挖掘技术的负荷特征场景分类方法
CN111242458A (zh) * 2020-01-07 2020-06-05 广东电网有限责任公司电力调度控制中心 一种基于个性化用电需求的电力零售定价方法及装置
CN111489193A (zh) * 2020-03-31 2020-08-04 杭州鸿晟电力设计咨询有限公司 一种电-气互联能源系统下用户价格响应特性的计算方法
CN111784409A (zh) * 2020-07-13 2020-10-16 南方电网能源发展研究院有限责任公司 用于配置削峰措施的模型构建方法、装置、设备及介质
CN112418612A (zh) * 2020-10-31 2021-02-26 国网河北省电力有限公司雄安新区供电公司 一种基于最优分割法的供电时段划分及优化方法
CN112419084A (zh) * 2020-11-11 2021-02-26 广东电网有限责任公司广州供电局 一种配电网设备利用率的优化方法及装置
CN112465403A (zh) * 2020-12-17 2021-03-09 国网能源研究院有限公司 一种区域电力需求侧响应潜力评估方法
CN113033867A (zh) * 2021-02-02 2021-06-25 国网吉林省电力有限公司 一种计及电供热特性的省级电网负荷特性分析方法
CN113224752A (zh) * 2021-05-06 2021-08-06 合肥工业大学 在恒定分时电价下考虑可靠性损失的峰谷时段划分方法
CN113507113A (zh) * 2021-06-28 2021-10-15 东北电力大学 一种基于电价驱动的光储系统控制策略
CN113569405A (zh) * 2021-07-23 2021-10-29 国网安徽省电力有限公司经济技术研究院 考虑多重分时电价的储能调度效益潜力评估方法及设备
CN113610152A (zh) * 2021-08-06 2021-11-05 天津大学 一种基于负荷模式的空调系统灵活性运行策略制定方法
CN113807882A (zh) * 2021-08-10 2021-12-17 国网上海市电力公司 一种基于负荷预测以及用户满意度的电价优化方法及系统
CN113850496A (zh) * 2021-09-22 2021-12-28 广东电网有限责任公司 一种用电规划方法、装置、电子设备及存储介质
CN115171280A (zh) * 2022-08-01 2022-10-11 宁波三星医疗电气股份有限公司 一种预付费电能表的费控处理方法、智能电表、存储介质

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629622A (zh) * 2018-05-03 2018-10-09 蔚来汽车有限公司 调整换电需求分布的方法及装置、计算机设备和记录介质
CN109359861A (zh) * 2018-10-16 2019-02-19 国网浙江省电力有限公司经济技术研究院 一种综合能源智能仪表及其需求侧响应方法
CN109359861B (zh) * 2018-10-16 2021-12-10 国网浙江省电力有限公司经济技术研究院 一种综合能源智能仪表及其需求侧响应方法
CN109558905A (zh) * 2018-11-23 2019-04-02 北京信息科技大学 一种基于K-means的能耗感知的数据分类方法
CN109636465A (zh) * 2018-12-12 2019-04-16 国网内蒙古东部电力有限公司通辽供电公司 一种基于电量等效价值波动的微电网售电套餐设计方法
CN109784589B (zh) * 2019-03-19 2023-03-24 广东电网有限责任公司 一种电网业扩报装用户接入优化方法、装置和设备
CN109784589A (zh) * 2019-03-19 2019-05-21 广东电网有限责任公司 一种电网业扩报装用户接入优化方法、装置和设备
CN110705792A (zh) * 2019-09-30 2020-01-17 重庆大学 一种计及分时定价的动态需求响应求解方法
CN110851502A (zh) * 2019-11-19 2020-02-28 国网吉林省电力有限公司 一种基于数据挖掘技术的负荷特征场景分类方法
CN110851502B (zh) * 2019-11-19 2023-04-07 国网吉林省电力有限公司 一种基于数据挖掘技术的负荷特征场景分类方法
CN111242458A (zh) * 2020-01-07 2020-06-05 广东电网有限责任公司电力调度控制中心 一种基于个性化用电需求的电力零售定价方法及装置
CN111489193A (zh) * 2020-03-31 2020-08-04 杭州鸿晟电力设计咨询有限公司 一种电-气互联能源系统下用户价格响应特性的计算方法
CN111489193B (zh) * 2020-03-31 2023-08-15 杭州鸿晟电力设计咨询有限公司 一种电-气互联能源系统下用户价格响应特性的计算方法
CN111784409B (zh) * 2020-07-13 2024-04-26 南方电网能源发展研究院有限责任公司 用于配置削峰措施的模型构建方法、装置、设备及介质
CN111784409A (zh) * 2020-07-13 2020-10-16 南方电网能源发展研究院有限责任公司 用于配置削峰措施的模型构建方法、装置、设备及介质
CN112418612A (zh) * 2020-10-31 2021-02-26 国网河北省电力有限公司雄安新区供电公司 一种基于最优分割法的供电时段划分及优化方法
CN112419084B (zh) * 2020-11-11 2022-11-29 广东电网有限责任公司广州供电局 一种配电网设备利用率的优化方法及装置
CN112419084A (zh) * 2020-11-11 2021-02-26 广东电网有限责任公司广州供电局 一种配电网设备利用率的优化方法及装置
CN112465403A (zh) * 2020-12-17 2021-03-09 国网能源研究院有限公司 一种区域电力需求侧响应潜力评估方法
CN112465403B (zh) * 2020-12-17 2023-02-03 国网能源研究院有限公司 一种区域电力需求侧响应潜力评估方法
CN113033867A (zh) * 2021-02-02 2021-06-25 国网吉林省电力有限公司 一种计及电供热特性的省级电网负荷特性分析方法
CN113224752A (zh) * 2021-05-06 2021-08-06 合肥工业大学 在恒定分时电价下考虑可靠性损失的峰谷时段划分方法
CN113507113A (zh) * 2021-06-28 2021-10-15 东北电力大学 一种基于电价驱动的光储系统控制策略
CN113569405A (zh) * 2021-07-23 2021-10-29 国网安徽省电力有限公司经济技术研究院 考虑多重分时电价的储能调度效益潜力评估方法及设备
CN113610152A (zh) * 2021-08-06 2021-11-05 天津大学 一种基于负荷模式的空调系统灵活性运行策略制定方法
CN113610152B (zh) * 2021-08-06 2023-07-18 天津大学 一种基于负荷模式的空调系统灵活性运行策略制定方法
CN113807882A (zh) * 2021-08-10 2021-12-17 国网上海市电力公司 一种基于负荷预测以及用户满意度的电价优化方法及系统
CN113850496A (zh) * 2021-09-22 2021-12-28 广东电网有限责任公司 一种用电规划方法、装置、电子设备及存储介质
CN115171280A (zh) * 2022-08-01 2022-10-11 宁波三星医疗电气股份有限公司 一种预付费电能表的费控处理方法、智能电表、存储介质
CN115171280B (zh) * 2022-08-01 2023-08-11 宁波三星医疗电气股份有限公司 一种预付费电能表的费控处理方法、智能电表、存储介质

Similar Documents

Publication Publication Date Title
CN107944630A (zh) 一种季节性分时电价优化制定方法
Shiells et al. Armington models and terms-of-trade effects: some econometric evidence for North America
Motlagh et al. Analysis of household electricity consumption behaviours: Impact of domestic electricity generation
US20230070151A1 (en) Hierarchical energy management for community microgrids with integration of second-life battery energy storage systems and photovoltaic solar energy
CN105405061A (zh) 一种基于需求响应的配电网供电可靠性评估方法
CN110109971A (zh) 一种低压台区用户用电负荷特性分析方法
CN104331840A (zh) 电力市场环境下负荷零售商的最优购电方法
CN106372739B (zh) 一种基于需求响应基线的需求响应效果评估方法
CN113706208A (zh) 一种综合能源服务套餐配置方法
CN104376373A (zh) 基于时序特性和环境效益的分布式电源规划方法
CN112288141A (zh) 一种渔光互补光伏电站的综合效益评价方法
Klingler et al. Residential photovoltaic self-consumption: Identifying representative household groups based on a cluster analysis of hourly smart-meter data
CN115860978A (zh) 基于分布式光伏电站发电量的多用户分摊电费计量方法
CN111798333A (zh) 一种用能评估与用电安全分析方法和系统
CN113450031B (zh) 居民智慧用能服务潜在台区选取方法及装置
CN112085259A (zh) 一种新能源接入与综合能源服务潜力关联预测方法
Chen et al. Spatiotemporal analysis of line loss rate: A case study in China
CN113988471A (zh) 一种微电网运行多目标优化方法
Liu et al. Analysis of flexible energy use behavior of rural residents based on two-stage questionnaire: A case study in Xi’an, China
CN105117859A (zh) 基于iowa算子的电力发展水平通用评价方法
CN115994778A (zh) 多元用户用能行为精细画像方法
CN115358559A (zh) 考虑综合需求响应的综合能源系统源储容量优化配置方法
TaiHua et al. Research on seasonal power load characteristics and modeling of TOU price
CN109149644B (zh) 一种基于大数据分析的光储一体在线策略匹配和协同优化方法
CN117291299B (zh) 一种考虑多种影响因素的月度电量预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180420

RJ01 Rejection of invention patent application after publication