CN109086922A - 一种面向工商业用户的需求响应电力套餐优化设计方法 - Google Patents

一种面向工商业用户的需求响应电力套餐优化设计方法 Download PDF

Info

Publication number
CN109086922A
CN109086922A CN201810798619.XA CN201810798619A CN109086922A CN 109086922 A CN109086922 A CN 109086922A CN 201810798619 A CN201810798619 A CN 201810798619A CN 109086922 A CN109086922 A CN 109086922A
Authority
CN
China
Prior art keywords
set meal
user
electric power
cost
indicate
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
CN201810798619.XA
Other languages
English (en)
Inventor
林振智
侯佳萱
蒋轶澄
张智
韩畅
杨莉
刘晟源
赵昱宣
丁
丁一
文福栓
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810798619.XA priority Critical patent/CN109086922A/zh
Publication of CN109086922A publication Critical patent/CN109086922A/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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明公开了一种面向工商业用户的需求响应电力套餐优化设计方法。包括步骤：根据用户的用电形态特征，利用特性指标对日负荷曲线降维以对用户类型进行特征辨识；综合考虑电费支出满意度和用电方式满意度，计算各电力套餐对不同类型用户的效用值；基于多项Logit模型计算用户对各套餐的选择概率；深入分析实施电力套餐的成本和效益，构建综合考虑发电侧、电网侧、环境效益的电力套餐实施效益评估模型；建立面向工商业用户的电力套餐的优化设计模型，采用遗传算法进行求解。本发明方法优化得到的工商业用户电力套餐能有效调动需求侧资源的主动性和互动性，提升电网的经济运行水平和可靠性，具有良好的经济性和实际应用价值。

Description

一种面向工商业用户的需求响应电力套餐优化设计方法
技术领域
本发明涉及电力市场的技术领域，更具体地，涉及一种面向工商业用户的需 求响应电力套餐优化设计方法。
背景技术
近年来，由于产业结构调整和人民生活水平日益提高，电力需求季节性差异 愈发凸显。间歇性可再生能源的大规模并网和电动汽车的大量接入，意味着我国 能源结构向绿色化、清洁化、低碳化方向转变，同时也对电网的运行和管理提出 了更高的要求。电力需求的季节性紧缺和时段性紧缺导致供需矛盾越来越大，甚 至会给电网的安全稳定运行造成严重威胁。如果仅仅依靠发电侧盲目增加装机容 量来应对电力需求尖峰时段的电力缺口，不仅对能源、环境造成巨大压力，更会 造成发电机组年利用小时数下降，增加发电成本，给企业和用户带来负担。以上 种种矛盾，迫切要求我国改变传统的电力系统运行和规划方式，通过调动需求侧 资源解决电力供需不平衡问题，改善电网的经济运行效率，促进资源的合理配置。
需求响应(Demand Response,，简称DR)是一种重要的需求侧资源，可定 义为：为响应电价随时间的波动或在批发市场高价时为引导用户减少用电而设计 的激励，终端用能用户改变其原有用电方式的行为。进入二十一世纪以来，随着 电力工业市场化改革的发展，风电、光伏等间歇性可再生能源渗透率的提高，高 级计量体系(Advanced MeteringInfrastructure，简称AMI)和智能家居的普及， 环保低碳观念的深入，以互动化、信息化、数字化和自动化为特征的智能电网概 念深入人心，为需求响应的实施提供了技术保障和资金、政策支持。需求侧和电 网的双向互动也是实现智能电网建设目标的关键环节。
上世纪九十年代末，我国开始实施需求侧管理，在电力供应短缺、突发紧急 事件等情况下，通过法律、行政、经济和技术等手段对部分终端负荷进行控制。 传统的需求侧管理以有序用电为主要手段，具体措施有错峰、避峰、轮休、限电 等。有序用电在保障电网安全运行和供电秩序稳定、优化电能资源配置等方面发 挥了一定的作用，但由于其措施缺乏灵活性和激励性，往往不能很好地调动用户 主动参与的积极性，甚至可能造成用户满意度下降，因此不适用于需求侧资源的 长期发展。2012年底，财政部、国家发改委选定北京市、唐山市、苏州市、佛 山市为第一批电力需求侧城市综合试点，中央财政安排专项资金，鼓励实施需求 响应项目。
电力需求响应工作的开展刻不容缓，但是我国还没有形成成熟的商业模式和 市场机制，这成为制约需求响应项目实施的关键因素。在此背景下，迫切需要建 立和健全适合我国国情和发展现状的市场机制，调动各方积极性，通过市场竞争 实现资源最优配置。研究面向电力需求侧主动响应的市场机制在推动电力体制改 革、充分调动市场中各参与主体的积极性、促进能源结构转变、保证资源配置的 公平和效率等方面有着深刻的现实意义。
发明内容
本发明针对我国电力市场开放程度不高、电力定价行政化的特点，及电力系 统峰谷差大、负荷率低的现状，提供一种适合我国当前市场机制的需求侧主动响 应策略——面向工商业用户的电力套餐，并提出了电力套餐的优化设计方法。该 套餐设计考虑了用户行为改变对系统削峰填谷的作用，以及对其自身带来的影 响，属于价格和激励相结合的需求侧响应措施。
削峰填谷是实施电力套餐的主要目的，类似于功率因数调整电费(根据用户 功率因数的水平高低来减收或增收电费)，电力套餐根据用户实际用电的峰谷差 大小来给予适当鼓励。但实时电力曲线的测量并未普及，因此采用某个时段内的 电量来考核用户更为可行。本发明定义月度峰谷电量系数来衡量用户的峰谷差：
式中：a表示月度峰谷电量系数；QP表示月度峰时段累计用电量；QV表示 月度谷时段累计用电量。
假设电网公司推出K个可选电力套餐，套餐j中规定月度峰谷电量系数标准 值为aj，电价折扣为bj。选择某一套餐的用户，当其月度峰谷电量系数小于该子 套餐的标准值时，该用户当月的电量电费在结算时可享受套餐中规定的折扣，当 其月度峰谷电量系数高于套餐标准值时，则失去优惠的权利。若用户选择的套餐 规定的月度峰谷电量系数标准值高于用户实际的月度峰谷电量系数，则用户不需 要调整用电方式。
本发明面向工商业用户的需求响应电力套餐优化设计方法，包括以下步骤：
S1：根据用户的用电形态特征，利用特性指标对日负荷曲线降维以对用户类 型进行特征辨识；
S2：综合考虑电费支出满意度和用电方式满意度，计算各电力套餐对不同类 型用户的效用值；
S3：基于多项Logit模型(Multinomial Logit Model，MNL)计算用户对各 套餐的选择概率；
S4：分析实施电力套餐的成本和效益，构建综合考虑发电侧、电网侧、环境 效益的电力套餐实施效益评估模型；
S5：建立面向工商业用户的电力套餐的优化设计模型，并进行求解。
上述技术方案中，S1中根据用户的用电形态特征，对用户类型进行特征辨 识，具体实现方法如下：
步骤1：数据准备，清除异常数据，得到N个工商业用户的典型日负荷曲线 组成的数据集{x1,x2,…,xn}；
步骤2：选取特性指标，对日负荷曲线进行降维处理：
为了细分市场，对不同类型的用户进行差异化营销，从需求响应的角度出发， 以负荷率、日峰谷差率、峰时段负载率、平时段负载率、谷时段负载率这5个特 性指标对日负荷曲线降维；
对工商业用户进行负荷特征辨识的主要目的在于提取用户的典型负荷模式， 对市场进行细分，为电网公司针对不同类型用户科学合理地制定套餐提供参考。 本发明提出的工商业用户电力套餐旨在削减高峰负荷、减小系统峰谷差，重点关 注不同用户负荷形态的差异。限于当前实时电力曲线的测量并未普及，通常将全 天分为T个时段，各地对时段的划分各不相同，本发明假定T＝3，即将全天分为 峰、平、谷时段，其中峰时段为09:00～17:00，平时段为08:00～09:00和17:00～00:00， 谷时段为00：00～08:00。随着测量水平的提升，可增加划分时段数。用户负荷特 征可以以其负荷率来表征其日负荷分布的整体不均衡性，以日峰谷差率来表征电 网所需的调峰能力，以峰时段负载率、平时段负载率、谷时段负载率来分别表示 峰、平、谷时段的负荷变化情况，因此本发明通过这5个指标来实现日负荷曲线 的降维。
步骤3：聚类：选择或构造适合对象特征类型的相似性度量函数，衡量数据 点间的相似度，选取合适的聚类算法，将用户分到不同的类群中。本发明基于欧 式距离，采用K-means聚类算法对降维后的特征向量聚类分析；
步骤4：聚类有效性评估：基于合适的聚类有效性指标(包括外部有效性指 标、内部有效性指标和相关性指标)对聚类结果进行评估，本发明采用CH指标 选取恰当的聚类数目，其值表示为：
式中：WCH(I)表示CH指标的值，trSB(I)表示不同电力用户群间离差矩阵SB的迹，trSW(I)表示电力用户群内离差矩阵SW的迹，CH指标越大，表明类内数据 联系越紧密，类间区别越大，聚类结果更优。
S2中综合考虑用户的用电方式满意度和用电方式满意度，计算各套餐对不 同类型用户的效用，具体实现方法如下：
本发明采用一种计及用户满意度的电力套餐效用评估模型，以衡量用户对电 力套餐的偏好程度。用户满意度从电费支出和用电方式这两部分来考虑。
电力套餐的制定以电价折扣的方式吸引用户主动参与需求响应，其折扣越 低，对用户的吸引程度越大。用户对不同电力套餐的偏好很大程度上依赖于初始 电费和选择套餐后电费支出的差值，这个差值越大，用户选择该套餐的倾向就越 强烈。用户电费支出的降低一方面来自于负荷转移导致高峰电量消耗减少，另一 方面是由于选择并严格执行电力套餐所获得的电费折扣奖励。因此，用户电费支 出满意度可表示为：
式中：表示典型用户i选择套餐j时的电费支出满意度；B'ui和Buij分别表 示典型用户i的每月的初始电费和选择套餐j后每月的电费支出；Qi表示典型用 户i的月度用电量；ft表示t时段的电价；表示典型用户i选择套餐j后每月 在t时段的用电量占月度总用电量的比例。
一般而言，在电价相对稳定的情况下，用户会按照舒适度最大的方式用电， 因此可以假定在未实行电力套餐时，用户对典型日负荷曲线下的用电方式满意度 最高。用户选定电力套餐后，用户根据套餐合同规定进行负荷转移，在高峰时段 少用电，低谷时段多用电，其负荷曲线与典型日负荷曲线有一定的偏移，造成满 意度下降，因此可用该偏移衡量用电方式满意度，其表达式为：
式中：表示典型用户i选择套餐j的用电方式满意度；表示典型用户i 每月在t时段的初始用电量比例；ri和qi是与用电方式满意度相关的参数，其数 值大小与用户类型有关，实际中通过调整ri和qi的取值来模拟不同用户的用电方 式满意度。
因此，计及用户满意度的套餐效用度量模型可定义如下：
式中：αi表示典型用户i对电费支出满意度赋予的权重，反映了不同类型的 用户对电费支出和用电方式的重视程度不同。例如，对于电价变化敏感程度较高 的用户，其αi的取值较大；对于负载调整敏感程度较高的用户，其αi的取值较小。 通过调整参数αi的取值，可以模拟不同类型用户选择套餐时的效用值。
S3中根据各套餐对用户的效用值，计算各类型用户对各套餐的选择概率， 具体实现方法如下：
本发明采用离散选择模型中应用最广泛的MNL模型来预测工商业用户选用 某一电力套餐的概率。考虑到用户也可以不选用任何电力套餐而保持原有的电费 计价方式，根据效用模型，不选套餐对所有用户的效用都为1，因此，根据MNL 模型，完全理性的典型用户i选择套餐j的概率为：
式中：Uij表示第j个套餐对第i类典型用户的效用值；β是比例参数，表示 效用函数的随机项因素，其取值可以通过对用户进行市场调研和回归分析来确 定。β越大，该模型越接近确定性选择模型；β越小，则近似于均匀分布。
结合S2，基于用户效用和MNL的用户对电力套餐的选择行为如下式所示：
S4中深入分析实施电力套餐的成本和效益，构建综合考虑发电侧、电网侧、 环境效益的电力套餐实施效益评估模型，具体实现方法如下：
步骤1：测算电力套餐的实施成本，具体如下：
需求响应项目的实施成本一般包括推广费用、投资建设费用、运行维护费用、 用户补贴费用等。电力套餐的实施只需要收集工商业用户峰谷电表的计量数据， 不要求新设备的投入，可节省高额的设备成本和运行维护成本。因此，电力套餐 的成本主要包括电费优惠支出和套餐的营销与管理支出。
电费优惠支出是指电力套餐实施后电网公司减少的售电收入。售电收入的减 少一方面是由于用户负荷转移导致高峰电量消耗减少，另一方面是由于给选择电 力套餐并严格执行合同内容的用户支付的电费折扣奖励，因此，减少的售电收入 可表示为：
式中：Cu表示总电费优惠支出；和分别表示第i类用户群每月的初始 总电费和实行电力套餐后的总电费；表示第i类用户群的月度总用电量。
电力套餐的营销和管理支出是指电网公司推出套餐后用于宣传推广和管理 维护电力套餐的各项费用，其可表示为：
Cm＝ρK
式中：Cm表示套餐营销与管理支出；ρ表示每个套餐的营销与管理产生的平 均费用。
因此，电力套餐的实施总成本可表示为：
步骤2：测算实施电力套餐获得的效益，具体如下：
实施电力套餐产生的效益站在不同的市场参与者角度来看是不一样的。针对 我国电力市场开放程度不高、电价不能充分反映边际成本，发电、输电、配电的 成本信息缺失的现状，本发明在参考国内外需求响应成本效益测算模型的基础 上，从发电侧、电网侧和环境三个角度来量化电力套餐的实施效益。
发电侧效益主要包括可避免新增发电容量成本、可避免高成本机组发电成 本、可避免机组非正常启停成本。可避免新增发电容量成本是指由于实行电力套 餐而减少的为满足高峰负荷需求的新增装机及其配套设施的投资费用，是电力套 餐效益中最为显著的部分。可避免高成本机组发电成本是指实施电力套餐后发电 侧减少高成本机组运行时间而节省的成本。可避免机组非正常启停成本是指实施 电力套餐后避免的因超负荷运行导致机组增加的非正常启停费用。综上，发电侧 的效益模型可表示为
式中：Bg表示发电侧效益；AT表示每千瓦容量的可避免成本，可用根据最 低成本扩张计划建设的参考电厂每千瓦的发电容量成本来计算；Ag表示高成本 机组的单位发电成本；As表示每次非正常启停费用；k1表示规划备用容量百分比； ns表示减少的非正常启停次数；k2表示输配电网损耗系数；k3表示厂用电率；ΔP 表示电力套餐潜在的峰荷削减量；ΔQ表示实施电力套餐降低的高峰时段工商业 负荷总用电量。
电网侧的效益主要包括可避免电网投资成本、系统可靠性效益、可避免电量 成本。可避免电网投资成本是指因高峰负荷需求下降电网企业少建或缓建的输配 电线路、变电站及其配套设施的费用。系统可靠性效益是指由于电力套餐的实施 降低了停电概率、提高了系统可靠性而减少的系统备用容量需求。避免电量成本 是指由于高峰负荷削减或者负荷转移而减少的购电费用。综上，电网侧的效益模 型可表示为
式中：Bp表示电网侧效益；Ap表示输电线路、变电站及其配套设施的单位 平均造价；Af表示每千瓦时峰荷和谷荷购电成本的差价；AVOLL表示电力失负荷 价值(Value oflost load)，用来衡量由于停电或缺电给国民经济造成的损失，为 电网规划、电价制定、需求响应计划实施提供决策依据；ASMP表示电力边际成 本，可视作购电均价；pLOLP表示电力系统失负荷概率。
环境效益指因避免热力发电导致的温室气体减排而产生的价值。实施电力套 餐后，一方面由于以火力发电为主的发电侧发电量减少，另一方面由于负荷率的 提高、发电机组启停次数减少，都会导致CO2、SO2、NOx等温室气体排放量降 低。综上，环境的效益模型可表示为
式中：Be表示环境效益；QA表示通过实施电力套餐减少的发电量；QA表示套 餐实施后的总发电量；分别表示二氧化碳、二氧化硫、氮氧化 物的减排系数；分别表示二氧化碳、二氧化硫、氮氧化物的减 排价值；Δξ表示实施电力套餐后负荷率提升的百分点；cg表示燃煤机组的供电 煤耗；表示负荷率上升1个百分点对应的燃煤机组单位煤耗下降率；为简化表 达式，用rΣ表示每降低单位发电量而减排的温室气体的总价值。
因此，电力套餐的总效益为：
B＝Bg+Bp+Be
步骤3：电力套餐的综合评价：
在电力套餐成本-效益分析的基础上，以益本比(Benefit cost ratio，BCR) 作为电力套餐的综合评价指标，定义为实施电力套餐带来的总效益与需投入的总 成本的比值。只有当益本比大于1时，电力套餐才具有可行性。益本比越大，电 力套餐的成本效益性越高，因此电网公司在电力套餐方案的制订过程中应考虑益 本比较高的方案。
式中：RBC表示实施电力套餐的益本比。
S5中构建工商业用户电力套餐优化设计模型，并进行求解，具体实现步骤 如下：
根据所建立的电力套餐评估模型，电力套餐优化设计的目标为最大化益本 比，故工商业用户电力套餐设计的优化模型可表示为：
式中：a表示月度峰谷电量系数标准值向量；b表示电价折扣向量。
约束条件包括以下几个方面：
(1)峰荷削减量和峰时段用电量下降量约束
式中：分别表示第i类用户群的总峰荷削减量和总峰时段用电量 下降量；分别表示第i类用户群中所有用户都选择套餐j时的潜在高峰 负荷削减量和峰时段用电量下降量；分别表示第i类用户群的总负荷峰 值和峰时段总用电量；σ表示负荷同时率；ai'表示典型用户i的初始月度峰谷电 量系数。
(2)各时段用电量比例约束
假设用户选择某一套餐后按照套餐规定的月度峰谷电量系数标准值调整用 电方式，其月度总用电量不变，负荷在各时段之间转移，λij表示第i类用户群选 择套餐j后的电量转移矩阵。
式中：表示第i类用户群选择套餐j后的由l时段转移到m时段的电量比 例。
假设选择某一套餐的用户进行负荷转移后，其月度峰谷电量系数小于套餐规 定的标准值，满足下式：
峰、谷、平时段的电量比例满足以下等式：
(3)月度峰谷电量系数标准值和电价折扣约束
根据套餐设计的区隔性原则，不同套餐应侧重不同的用户群体，其套餐内容 有针对性。具体而言，每一套餐的月度峰谷电量系数标准值应低于目标用户群的 月度峰谷电量系数，且低于上一套餐的标准值，即：
aj＞aj+1,j＝1,2,....,K-1
式中：a'j*表示套餐j的目标用户群j*的初始月度峰谷电量系数。
每一套餐的电价折扣系数应低于上一套餐的折扣系数，即：
bj＞bj+1,j＝1,2,....,K-1
任一套餐的月度峰谷电量系数标准值大于零，电价折扣系数的取值在0和1 之间，即：
aj＞0,j＝1,...,K
1＞bj＞0,j＝1,...,K
(4)用户效用值约束
为了充分挖掘用户削峰填谷的潜力，应尽量使每一典型用户都能选择月度峰 谷电量系数标准值低于其初始值的套餐。此外，为吸引用户选择电力套餐，应保 证每一用户群体的对应套餐的效用值比维持现状的效用值大。具体而言，用户群 选择其对应套餐时获得的效用值最高，即：
式中：表示用户群i选择其对应套餐i*的效用值。
目标套餐的效用值大于1，即：
本发明是针对我国电力市场开放程度不高、电力定价行政化的特点，制定的 一种适合我国当前市场机制的需求侧主动响应项目——面向工商业用户的电力 套餐。套餐中规定用户月度峰谷电量标准值、履行合同可获得的电价折扣和违约 惩罚因子，通过引导用户合理规划用电行为，实现削峰填谷的总目标；建立了基 于用户选择行为分析的电力套餐评估模型，综合考虑用户对电费支出和用电方式 的满意度计算不同套餐模式对用户的效用值，基于概率选择模型预估各套餐模式 的市场份额，并量化套餐给发电侧、电网侧和环境带来的不同效益，估算实施电 力套餐需投入的成本，以益本比作为套餐的综合评价指标；建立了面向工商业用 户的电力套餐的设计优化模型，以套餐的益本比为优化目标，采用遗传算法对建 立的优化模型进行求解。该模型能帮助电网公司科学、系统地设计电力套餐，最 大化各参与方的效益并提高电力套餐推行的成功率。
本发明提供的技术方案的有益效果：
本发明提出的一种基于特性指标降维的负荷聚类方法，与传统的基于实际负 荷曲线的聚类方法相比，能更加有效地提取用户典型负荷形态特征，聚类效果更 优；本发明制定的工商业用户电力套餐能适应当前市场机制和技术水平，积极调 动需求侧主动参与负荷管理，改变用电方式，促进削峰填谷，对发电侧、电网侧、 用户侧和环境都带来巨大效益。
附图说明
图1是本发明的整体流程示意图。
图2是本发明的不同聚类数下的聚类有效性指标值。
图3是本发明的四种用户群的典型日负荷曲线。
图4是本发明的四种用户群的比例。
图5是本发明的最优套餐实行前后工商业用户总日负荷曲线。
图6是本发明的益本比与电费支出满意度权重的关系。
图7是本发明的日峰谷差率下降量与电费支出满意度权重的关系。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；对于本领域技术人员 来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关 系仅用于示例性说明，不能理解为对本专利的限制。
本发明的面向需求侧主动响应的工商业用户电力套餐优化设计方法，其实现 流程包括以下步骤：
S1：根据用户的用电形态特征，对用户类型进行特征辨识。本步骤的具体实 现方法如下：
步骤1：数据准备，清除异常数据，得到N个工商业用户的典型日负荷曲线 组成的数据集{x1,x2,…,xn}；
步骤2：选取特性指标，对日负荷曲线进行降维处理：
对工商业用户进行负荷特征辨识的主要目的在于提取用户的典型负荷模式， 对市场进行细分，为电网公司针对不同类型用户科学合理地制定套餐提供参考。 本发明提出的工商业用户电力套餐旨在削减高峰负荷、减小系统峰谷差，重点关 注不同用户负荷形态的差异。限于当前实时电力曲线的测量并未普及，通常将全 天分为T个时段，各地对时段的划分各不相同，本发明假定T＝3，即将全天分为 峰、平、谷时段，其中峰时段为09:00～17:00，平时段为08:00～09:00和17:00～00:00， 谷时段为00：00～08:00。随着测量水平的提升，可增加划分时段数。用户负荷特 征可以以其负荷率来表征其日负荷分布的整体不均衡性，以日峰谷差率来表征电 网所需的调峰能力，以峰时段负载率、平时段负载率、谷时段负载率来分别表示 峰、平、谷时段的负荷变化情况，因此本发明通过这5个指标来实现日负荷曲线 的降维，表1所示为选取的5个日负荷特性指标。
表1提取负荷特征的日负荷特性指标
表中，P表示负荷功率，下标av,max,min分别表示平均值、最大值、最小 值。
步骤3：聚类：选择或构造适合对象特征类型的相似性度量函数，衡量数据 点间的相似度，选取合适的聚类算法，将用户分到不同的类群中。本发明基于欧 式距离，采用K-means聚类算法对降维后的特征向量聚类分析。
步骤4：聚类有效性评估：基于合适的聚类有效性指标(包括外部有效性指 标、内部有效性指标和相关性指标)对聚类结果进行评估，本发明采用CH指标 选取恰当的聚类数目，其值可表示为：
式中：WCH(I)表示CH指标的值，trSB(I)表示不同电力用户群间离差矩阵SB的迹，trSW(I)表示电力用户群内离差矩阵SW的迹。因此，CH指标越大，表明类 内数据联系越紧密，类间区别越大，即表示聚类结果更优。
S2：根据用户的用电方式满意度和用电方式满意度，计算套餐对用户的效用。 本步骤的具体实现方法如下：
假设电网公司推出K个可选电力套餐，套餐j中规定月度峰谷电量系数标准 值为aj，电价折扣为bj。选择某一套餐的用户，当其月度峰谷电量系数小于该子 套餐的标准值时，该用户当月的电量电费在结算时可享受套餐中规定的折扣，当 其月度峰谷电量系数高于套餐标准值时，则失去优惠的权利。若用户选择的套餐 规定的月度峰谷电量系数标准值高于用户实际的月度峰谷电量系数，则用户不需 要调整用电方式。效用是经济学中的概念，用来衡量消费者对商品或服务的偏好， 表示消费者从消费既定商品组合中所获得的满足程度。本发明提出一种计及用户 满意度的电力套餐效用评估模型，以衡量用户对电力套餐的偏好程度。用户满意 度从电费支出和用电方式这两部分来考虑。
电力套餐的制定以电价折扣的方式吸引用户主动参与需求响应，其折扣越 低，对用户的吸引程度越大。用户对不同电力套餐的偏好很大程度上依赖于初始 电费和选择套餐后电费支出的差值，这个差值越大，用户选择该套餐的倾向就越 强烈。用户电费支出的降低一方面来自于负荷转移导致高峰电量消耗减少，另一 方面是由于选择并严格执行电力套餐所获得的电费折扣奖励。因此，用户电费支 出满意度可表示为：
式中：表示典型用户i选择套餐j时的电费支出满意度；B'ui和Buij分别表 示典型用户i的每月的初始电费和选择套餐j后每月的电费支出；Qi表示典型用 户i的月度用电量；ft表示t时段的电价；表示典型用户i选择套餐j后每月 在t时段的用电量占月度总用电量的比例。
一般而言，在电价相对稳定的情况下，用户会按照舒适度最大的方式用电， 因此可以假定在未实行电力套餐时，用户对典型日负荷曲线下的用电方式满意度 最高。用户选定电力套餐后，用户根据套餐合同规定进行负荷转移，在高峰时段 少用电，低谷时段多用电，其负荷曲线与典型日负荷曲线有一定的偏移，造成满 意度下降，因此可用该偏移衡量用电方式满意度，其表达式为：
式中：表示典型用户i选择套餐j的用电方式满意度；表示典型用户i 每月在t时段的初始用电量比例；ri和qi是与用电方式满意度相关的参数，其数 值大小与用户类型有关，实际中通过调整ri和qi的取值来模拟不同用户的用电方 式满意度。
因此，计及用户满意度的套餐效用度量模型可定义如下：
式中：αi表示典型用户i对电费支出满意度赋予的权重，反映了不同类型的 用户对电费支出和用电方式的重视程度不同。例如，对于电价变化敏感程度较高 的用户，其αi的取值较大；对于负载调整敏感程度较高的用户，其αi的取值较小。 通过调整参数αi的取值，可以模拟不同类型用户选择套餐时的效用值。
S3：根据各套餐对用户的效用值，计算各类型用户对各套餐的选择概率。本 步骤的具体实现方法如下：
本发明采用离散选择模型中应用最广泛的MNL模型来预测工商业用户选用 某一电力套餐的概率。考虑到用户也可以不选用任何电力套餐而保持原有的电费 计价方式，根据效用模型，不选套餐对所有用户的效用都为1，因此，根据MNL 模型，完全理性的典型用户i选择套餐j的概率为：
式中：Uij表示第j个套餐对第i类典型用户的效用值；β是比例参数，表示 效用函数的随机项因素，其取值可以通过对用户进行市场调研和回归分析来确 定。β越大，该模型越接近确定性选择模型；β越小，则近似于均匀分布。
结合S2，基于用户效用和MNL的用户对电力套餐的选择行为如下式所示：
S4：基于成本-效益测算对电力套餐进行综合评估。本步骤的具体实现方法 如下：
步骤1：测算电力套餐的实施成本，具体如下：
需求响应项目的实施成本一般包括推广费用、投资建设费用、运行维护费用、 用户补贴费用等。电力套餐的实施只需要收集工商业用户峰谷电表的计量数据， 不要求新设备的投入，可节省高额的设备成本和运行维护成本。因此，电力套餐 的成本主要包括电费优惠支出和套餐的营销与管理支出。
电费优惠支出是指电力套餐实施后电网公司减少的售电收入。售电收入的减 少一方面是由于用户负荷转移导致高峰电量消耗减少，另一方面是由于给选择电 力套餐并严格执行合同内容的用户支付的电费折扣奖励，因此，减少的售电收入 可表示为：
式中：Cu表示总电费优惠支出；和分别表示第i类用户群每月的初始 总电费和实行电力套餐后的总电费；表示第i类用户群的月度总用电量。
电力套餐的营销和管理支出是指电网公司推出套餐后用于宣传推广和管理 维护电力套餐的各项费用，其可表示为：
Cm＝ρK
式中：Cm表示套餐营销与管理支出；ρ表示每个套餐的营销与管理产生的平 均费用。
因此，电力套餐的实施总成本可表示为：
步骤2：测算实施电力套餐获得的效益，具体如下：
实施电力套餐产生的效益站在不同的市场参与者角度来看是不一样的。针对 我国电力市场开放程度不高、电价不能充分反映边际成本，发电、输电、配电的 成本信息缺失的现状，本发明在参考国内外需求响应成本效益测算模型的基础 上，从发电侧、电网侧和环境三个角度来量化电力套餐的实施效益。
发电侧效益主要包括可避免新增发电容量成本、可避免高成本机组发电成 本、可避免机组非正常启停成本。可避免新增发电容量成本是指由于实行电力套 餐而减少的为满足高峰负荷需求的新增装机及其配套设施的投资费用，是电力套 餐效益中最为显著的部分。可避免高成本机组发电成本是指实施电力套餐后发电 侧减少高成本机组运行时间而节省的成本。可避免机组非正常启停成本是指实施 电力套餐后避免的因超负荷运行导致机组增加的非正常启停费用。综上，发电侧 的效益模型可表示为
式中：Bg表示发电侧效益；AT表示每千瓦容量的可避免成本，可用根据最 低成本扩张计划建设的参考电厂每千瓦的发电容量成本来计算；Ag表示高成本 机组的单位发电成本；As表示每次非正常启停费用；k1表示规划备用容量百分比； ns表示减少的非正常启停次数；k2表示输配电网损耗系数；k3表示厂用电率；ΔP 表示电力套餐潜在的峰荷削减量；ΔQ表示实施电力套餐降低的高峰时段工商业 负荷总用电量。
电网侧的效益主要包括可避免电网投资成本、系统可靠性效益、可避免电量 成本。可避免电网投资成本是指因高峰负荷需求下降电网企业少建或缓建的输配 电线路、变电站及其配套设施的费用。系统可靠性效益是指由于电力套餐的实施 降低了停电概率、提高了系统可靠性而减少的系统备用容量需求。避免电量成本 是指由于高峰负荷削减或者负荷转移而减少的购电费用。综上，电网侧的效益模 型可表示为
式中：Bp表示电网侧效益；Ap表示输电线路、变电站及其配套设施的单位 平均造价；Af表示每千瓦时峰荷和谷荷购电成本的差价；AVOLL表示电力失负荷 价值(Value oflost load)，用来衡量由于停电或缺电给国民经济造成的损失，为 电网规划、电价制定、需求响应计划实施提供决策依据；ASMP表示电力边际成 本，可视作购电均价；pLOLP表示电力系统失负荷概率。
环境效益指因避免热力发电导致的温室气体减排而产生的价值。实施电力套 餐后，一方面由于以火力发电为主的发电侧发电量减少，另一方面由于负荷率的 提高、发电机组启停次数减少，都会导致CO2、SO2、NOx等温室气体排放量降 低。综上，环境的效益模型可表示为
式中：Be表示环境效益；分别表示二氧化碳、二氧化硫、 氮氧化物的减排系数；分别表示二氧化碳、二氧化硫、氮氧化 物的减排价值；Δξ表示实施电力套餐后负荷率提升的百分点；cg表示燃煤机组 的供电煤耗；表示负荷率上升1个百分点对应的燃煤机组单位煤耗下降率；为 简化表达式，用rΣ表示每降低单位发电量而减排的温室气体的总价值。
因此，电力套餐的总效益为：
B＝Bg+Bp+Be
步骤3：电力套餐的综合评价：
在电力套餐成本-效益分析的基础上，以益本比(Benefit cost ratio，BCR) 作为电力套餐的综合评价指标，定义为实施电力套餐带来的总效益与需投入的总 成本的比值。只有当益本比大于1时，电力套餐才具有可行性。益本比越大，电 力套餐的成本效益性越高，因此电网公司在电力套餐方案的制订过程中应考虑益 本比较高的方案。
式中：RBC表示实施电力套餐的益本比。
S5：构建电力套餐优化设计模型，并进行求解。具体实现步骤如下：
根据所建立的电力套餐评估模型，电力套餐优化设计的目标为最大化益本 比，故工商业用户电力套餐设计的优化模型可表示为：
式中：a表示月度峰谷电量系数标准值向量；b表示电价折扣向量。
约束条件包括以下几个方面：
(1)峰荷削减量和峰时段用电量下降量约束
式中：分别表示第i类用户群的总峰荷削减量和总峰时段用电量 下降量；分别表示第i类用户群中所有用户都选择套餐j时的潜在高 峰负荷削减量和峰时段用电量下降量；分别表示第i类用户群的总负荷 峰值和峰时段总用电量；σ表示负荷同时率；ai'表示典型用户i的初始月度峰谷 电量系数。
(2)各时段用电量比例约束
假设用户选择某一套餐后按照套餐规定的月度峰谷电量系数标准值调整用 电方式，其月度总用电量不变，负荷在各时段之间转移，λij表示第i类用户群选 择套餐j后的电量转移矩阵。
式中：表示第i类用户群选择套餐j后的由l时段转移到m时段的电量比 例。
假设选择某一套餐的用户进行负荷转移后，其月度峰谷电量系数小于套餐规 定的标准值，满足下式：
峰、谷、平时段的电量比例满足以下等式：
(3)月度峰谷电量系数标准值和电价折扣约束
根据套餐设计的区隔性原则，不同套餐应侧重不同的用户群体，其套餐内容 有针对性。具体而言，每一套餐的月度峰谷电量系数标准值应低于目标用户群的 月度峰谷电量系数，且低于上一套餐的标准值，即：
aj＞aj+1,j＝1,2,....,K-1
式中：表示套餐j的目标用户群j*的初始月度峰谷电量系数。
每一套餐的电价折扣系数应低于上一套餐的折扣系数，即：
bj＞bj+1,j＝1,2,....,K-1
任一套餐的月度峰谷电量系数标准值大于零，电价折扣系数的取值在0和1 之间，即：
aj＞0,j＝1,...,K
1＞bj＞0,j＝1,...,K
(4)用户效用值约束
为了充分挖掘用户削峰填谷的潜力，应尽量使每一典型用户都能选择月度峰 谷电量系数标准值低于其初始值的套餐。此外，为吸引用户选择电力套餐，应保 证每一用户群体的对应套餐的效用值比维持现状的效用值大。具体而言，用户群 选择其对应套餐时获得的效用值最高，即：
式中：表示用户群i选择其对应套餐i*的效用值。
目标套餐的效用值大于1，即：
下面结合实例说明
本实施例以我国某城市的某综合区域内的2653个工商业用户为研究对象。 假设每千瓦容量的可避免成本728元/年，规划备用容量百分比为15％，输配电 网损耗系数为6.68％，高成本机组的单位发电成本为0.845元/kWh，每千瓦输电 线路、变电站及其配套设施的单位平均造价为312元/年，该地区的失负荷概率 为0.5天/年，峰、平、谷时段的电价分别为1.014元/kWh、0.697元/kWh、0.232 元/kWh，电力失负荷价值为24.371元/kWh，电力边际成本取0.697元/kWh，负 荷同时率为0.817，燃煤机组的供电煤耗为326g/kWh，负荷率上升1％对应的燃 煤机组单位煤耗下降率为4.5％，每个套餐的营销与管理费用为150000元/年， 主要的温室气体排放系数和减排效益如表2所示。为了简单起见，基本算例假设 所有用户将电费支出和用电方式满意度视为同等重要，即αi取值为0.5，MNL模 型中的比例参数β取为10。
表2温室气体的减排系数和减排价值
附图2显示了对2653个工商业用户的日负荷曲线进行聚类的CH指标值。 由附图2可见，用户类型分为4类时，簇内数据联系紧密，簇间分散性大，聚类 效果最优。
将同一用户群内的所有用户的日负荷曲线叠加取平均，得到如附图3所示相 应类的典型负荷曲线。从附图3可以看出该区域工商业用户可被分为四类：双峰 型、峰平型、平滑型和避峰型。双峰型负荷主要包括大型制造工业，中午由于员 工休息负荷明显下降；峰平型负荷包括制衣厂等公司，工作时间固定且规律；平 滑性负荷全天负荷波动不大，负荷率较高，多为三班制生产方式，如高温炼炉负 荷、大容量高压电机负荷；避峰型负荷比较特殊，其用电高峰时段正好处于系统 的低谷时段。附图4所示为各用户群的占比，从该图可以看出，峰型和平型负荷 数量较多，避峰型负荷所占比例较少。
从需求侧的角度来看，双峰型和峰平型负荷应是需求响应项目实施的主要对 象，可以带来较大的削峰填谷效益。同时也应进一步挖掘平滑型和避峰型用户参 与需求响应项目的潜力，以完成整个系统的削峰填谷的目标，缓解短期内系统容 量短缺、降低发电成本、延缓电网升级。
本发明的优化模型属于复杂的带约束非线性规划问题，难以依靠传统的解析 方法求解，由于遗传算法具有全局性和鲁棒性等特点，本发明研究中采用遗传算 法进行优化求解。四种不同类型的用户群体得到的最优电力套餐方案如表3所 示。
表3面向需求响应的最优电力套餐
表4为各电力套餐(包括维持现状)对不同类型用户的效用值和各电力套餐 的市场份额。从表4可以看出，每种套餐对其目标用户群体的效用值最大，且均 大于1，且比维持现状的效用值大，因此可吸引更多客户选择合适的电力套餐。 尽管套餐C和套餐D的折扣系数低于套餐A，双峰型用户选择二者的效用值明 显小于1，其原因在于套餐C和套餐D规定的月度峰谷电量系数标准值明显低 于双峰型用户原始月度峰谷电量系数，故需转移较多负载才能符合套餐要求，用 电方式满意度的下降大于电费支出满意度的提高。四种套餐对避峰型用户的效用 值均大于1，故避峰型用户选择任何一种套餐都可获得收益，电力套餐的实施对 原始峰谷电量系数较低的客户更加有利。
不同类型用户选择其对应套餐的概率最大，均大于维持现状的概率。套餐A 和套餐B在四种典型用户群体中均占有一定的市场份额，双峰型、峰平型、平 滑型用户选择套餐D的概率接近于零，套餐D仅在避峰型用户中拥有一定的市 场。由于避峰型用户在用户总体中占的比例远小于其他典型用户，故套餐D的 市场份额仅为0.96％。实施电力套餐后，仍有31.18％的用户不愿意变更现在的 电费计价方式，没有选择任何套餐，可能是用户的心理因素和个人偏好等不可观 测的随机效用因素及可观测的效用误差导致的。
表4各套餐对不同类型用户的效用值及市场份额
根据所建立的基于成本-效益分析的电力套餐评估模型对最优套餐进行评 估，以验证电力套餐的经济性及可行性。考虑各类型用户选择各套餐(包括维持 现状)的概率，将所有用户的负荷曲线叠加，可得到推行电力套餐后工商业用户 的总日负荷曲线，并将其与原始负荷曲线对比，如附图5所示。由附图5可以看 出，实行电力套餐后，工商业用户的总日负荷曲线趋于平滑，峰谷差明显减小， 削峰填谷效果较为明显。
表5给出了实行电力套餐前后工商业用户总负荷特征。从表5可以看出，实 施电力套餐后，负荷峰值的下降量为63MW，为原始工商业总负荷峰值的4.67％， 系统日峰谷差率为36.73％，相比原始数据下降了8.25％。实施最优电力套餐需 投入的总成本为8348万/年，给多元主体带来的总效益为13169万/年，益本比为 1.783。
表5最优电力套餐实行前后工商业用户总负荷特征
改变电费支出满意度权重的取值，运用电力套餐的优化设计模型，计算最优 套餐下的成本与效益，得到益本比随电费支出满意度权重的变化情况如附图6 所示。由图可见，最优电力套餐的益本比随电费支出满意度权重的增加而上升， 其原因为用户对电费支付满意度更重视，这意味着其有更大的意愿去改变用电方 式，选用电力套餐获得的电费折扣对套餐效用的提升作用大于因负荷转移造成的 不便导致套餐效用的下降，因此使用户达到同样的电量转移所需支付的成本更 小，益本比更大。当电费支出满意度权重超过0.7时，随着权重的增加，益本比 基本不变，此时决定用户选用套餐的意向主要在于套餐折扣的大小，而折扣的增 大必然导致电力套餐成本上升，故益本比趋于一个恒定值(3.107)。经测算，确 保益本比不小于1的临界权重为0.345，只要用户对电费支出满意度赋予的权重 超过临界值，电力套餐的实施就具有经济性和可行性。
附图7所示为日峰谷差率下降量随电费支出满意度权重的变化情况。由附图 7可见，随着用户对电费支出满意度重视程度的增加，系统日峰谷差率持续下降。 注意到，当电费支出满意度权值取0.9时，日峰谷差率骤增，原因在于用户大量 转移负载导致峰谷调转，峰谷差率与原始情况持平，但这种情况在现实中基本不 存在。因此，电力套餐的实施能有效实现削峰填谷，促进资源的合理配置。
根据实施例分析可以得出以下结论：
a.当用户对电费支出满意度和用电方式满意度同等重视时，通过实施最优 电力套餐，68.82％的用户选择了相应的套餐，工商业总负荷峰值下降的比例达 4.67％，高峰时段的负荷大量向低谷时段转移。优化得到的电力套餐方案的益本 比为1.783，这表明电力套餐产生的效益远大于投入的成本，面向工商业用户的 电力套餐具有一定的实际应用价值。
b.随着电费支出满意度权重的增加，由优化设计模型求得的最优电力套餐的 益本比不断上升，最终趋于一个稳定值，系统日峰谷差率不断下降。经测算，在 电力套餐实施的初期，由于用户对套餐不够了解，往往对用电方式满意度赋予更 高的权重，而随着电力套餐在工商业用户中的推广，用户有更大的意愿改变用电 行为，对电费支出更加重视，电力套餐实施的益本比会不断增大，削峰填谷效果 更佳。因此，工商业用户电力套餐能有效调动需求侧资源的主动性和互动性，提 高电网的经济运行水平和可靠性。
显然，上述实施例仅是为清楚地说明本发明而所作的举例，并非是对本发明 的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还 可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷 举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包 含在本发明权利要求的保护范围之内。

Claims (6)

1.一种面向工商业用户的需求响应电力套餐优化设计方法，其特征在于，包括以下步骤：
S1：根据用户的用电形态特征，利用特性指标对日负荷曲线降维以对用户类型进行特征辨识；
S2：综合考虑电费支出满意度和用电方式满意度，计算各电力套餐对不同类型用户的效用值；
S3：基于多项Logit模型计算用户对各套餐的选择概率；
S4：分析实施电力套餐的成本和效益，构建综合考虑发电侧、电网侧、环境效益的电力套餐实施效益评估模型；
S5：建立面向工商业用户的电力套餐的优化设计模型，并进行求解。
2.根据权利要求1所述的一种面向工商业用户的需求响应电力套餐优化设计方法，其特征在于：S1中根据用户的用电形态特征，对用户类型进行特征辨识，具体实现方法如下：
步骤1：数据准备，清除异常数据，得到N个工商业用户的典型日负荷曲线组成的数据集{x1,x2,…,xn}；
步骤2：选取特性指标，对日负荷曲线进行降维处理：
以负荷率、日峰谷差率、峰时段负载率、平时段负载率、谷时段负载率这5个特性指标对日负荷曲线降维；
步骤3：聚类：基于欧式距离，采用K-means聚类算法对降维后的特征向量聚类分析；
步骤4：聚类有效性评估：采用CH指标选取恰当的聚类数目，其值表示为：
式中：WCH(I)表示CH指标的值，trSB(I)表示不同电力用户群间离差矩阵SB的迹，trSW(I)表示电力用户群内离差矩阵SW的迹，I表示聚类数目；CH指标越大，表明类内数据联系越紧密，类间区别越大，聚类结果更优。
3.根据权利要求1所述的一种面向工商业用户的需求响应电力套餐优化设计方法，其特征在于：S2中，综合考虑用户的用电方式满意度和用电方式满意度，计算各套餐对不同类型用户的效用，具体实现方法如下：
将用户电费支出满意度表示为：
式中：表示典型用户i选择套餐j时的电费支出满意度；B'ui和Buij分别表示典型用户i的每月的初始电费和选择套餐j后每月的电费支出；Qi表示典型用户i的月度用电量；ft表示t时段的电价；表示典型用户i选择套餐j后每月在t时段的用电量占月度总用电量的比例；
将用电方式满意度表示为：
式中：表示典型用户i选择套餐j的用电方式满意度；表示典型用户i每月在t时段的初始用电量比例；ri和qi是与用电方式满意度相关的参数，通过调整ri和qi的取值来模拟不同用户的用电方式满意度；
因此，计及用户满意度的套餐效用度量模型定义如下：
式中：Uij表示典型用户i选择套餐j的效用，αi表示典型用户i对电费支出满意度赋予的权重，反映不同类型的用户对电费支出和用电方式的重视程度不同，对于电价变化敏感程度较高的用户，其αi的取值较大；对于负载调整敏感程度较高的用户，其αi的取值较小，通过调整参数αi的取值，模拟不同类型用户选择套餐时的效用值。
4.根据权利要求1所述的一种面向工商业用户的需求响应电力套餐优化设计方法，其特征在于：S3中，根据各套餐对用户的效用值，计算各类型用户对各套餐的选择概率，具体实现方法如下：
采用离散选择模型中的MNL模型来预测工商业用户选用某一电力套餐的概率，考虑到用户也可以不选用任何电力套餐而保持原有的电费计价方式，不选套餐对所有用户的效用都为1，因此，根据MNL模型，完全理性的典型用户i选择套餐j的概率为：
式中：Uij表示第j个套餐对第i类典型用户的效用值；β是比例参数，表示效用函数的随机项因素，其取值可以通过对用户进行市场调研和回归分析来确定。β越大，该模型越接近确定性选择模型；β越小，则近似于均匀分布。
结合S2，基于用户效用和MNL的用户对电力套餐的选择行为如下式所示：
5.根据权利要求1所述的一种面向工商业用户的需求响应电力套餐优化设计方法，其特征在于：S4中深入分析实施电力套餐的成本和效益，构建综合考虑发电侧、电网侧、环境效益的电力套餐实施效益评估模型，具体实现方法如下：
步骤1：测算电力套餐的实施成本，具体如下：
电力套餐的成本主要包括电费优惠支出和套餐的营销与管理支出；
电费优惠支出是指电力套餐实施后电网公司减少的售电收入，一方面是由于用户负荷转移导致高峰电量消耗减少，另一方面是由于给选择电力套餐并严格执行合同内容的用户支付的电费折扣奖励，因此，减少的售电收入可表示为：
式中：Cu表示总电费优惠支出；和分别表示第i类用户群每月的初始总电费和实行电力套餐后的总电费；表示第i类用户群的月度总用电量。
电力套餐的营销和管理支出是指电网公司推出套餐后用于宣传推广和管理维护电力套餐的各项费用，其表示为：
Cm＝ρK
式中：Cm表示套餐营销与管理支出；ρ表示每个套餐的营销与管理产生的平均费用；
因此，电力套餐的实施总成本为：
步骤2：测算实施电力套餐获得的效益，具体如下：
从发电侧、电网侧和环境三个角度来量化电力套餐的实施效益：
发电侧效益主要包括可避免新增发电容量成本、可避免高成本机组发电成本、可避免机组非正常启停成本；可避免新增发电容量成本是指由于实行电力套餐而减少的为满足高峰负荷需求的新增装机及其配套设施的投资费用；可避免高成本机组发电成本是指实施电力套餐后发电侧减少高成本机组运行时间而节省的成本；可避免机组非正常启停成本是指实施电力套餐后避免的因超负荷运行导致机组增加的非正常启停费用；综上，发电侧的效益模型表示为
式中：Bg表示发电侧效益；AT表示每千瓦容量的可避免成本，根据最低成本扩张计划建设的参考电厂每千瓦的发电容量成本来计算；Ag表示高成本机组的单位发电成本；As表示每次非正常启停费用；k1表示规划备用容量百分比；ns表示减少的非正常启停次数；k2表示输配电网损耗系数；k3表示厂用电率；ΔP表示电力套餐潜在的峰荷削减量；ΔQ表示实施电力套餐降低的高峰时段工商业负荷总用电量；
电网侧的效益主要包括可避免电网投资成本、系统可靠性效益、可避免电量成本；可避免电网投资成本是指因高峰负荷需求下降电网企业少建或缓建的输配电线路、变电站及其配套设施的费用；系统可靠性效益是指由于电力套餐的实施降低了停电概率、提高了系统可靠性而减少的系统备用容量需求；避免电量成本是指由于高峰负荷削减或者负荷转移而减少的购电费用；综上，电网侧的效益模型表示为
式中：Bp表示电网侧效益；Ap表示输电线路、变电站及其配套设施的单位平均造价；Af表示每千瓦时峰荷和谷荷购电成本的差价；AVOLL表示电力失负荷价值(Value of lostload)，用来衡量由于停电或缺电给国民经济造成的损失，为电网规划、电价制定、需求响应计划实施提供决策依据；ASMP表示电力边际成本，可视作购电均价；pLOLP表示电力系统失负荷概率；
环境效益指因避免热力发电导致的温室气体减排而产生的价值，实施电力套餐后，一方面由于以火力发电为主的发电侧发电量减少，另一方面由于负荷率的提高、发电机组启停次数减少，都会导致CO2、SO2、NOx等温室气体排放量降低，综上，环境的效益模型表示为
式中：Be表示环境效益；ΔQA表示通过实施电力套餐减少的发电量；QA表示套餐实施后的总发电量；分别表示二氧化碳、二氧化硫、氮氧化物的减排系数；分别表示二氧化碳、二氧化硫、氮氧化物的减排价值；Δξ表示实施电力套餐后负荷率提升的百分点；cg表示燃煤机组的供电煤耗；表示负荷率上升1个百分点对应的燃煤机组单位煤耗下降率；为简化表达式，用rΣ表示每降低单位发电量而减排的温室气体的总价值；
因此，电力套餐的总效益为：
B＝Bg+Bp+Be
步骤3：电力套餐的综合评价：
以益本比(Benefit cost ratio，BCR)作为电力套餐的综合评价指标，定义为实施电力套餐带来的总效益与需投入的总成本的比值，只有当益本比大于1时，电力套餐才具有可行性，益本比越大，电力套餐的成本效益性越高，
式中：RBC表示实施电力套餐的益本比。
6.根据权利要求1所述的一种面向工商业用户的需求响应电力套餐优化设计方法，其特征在于：S5中构建工商业用户电力套餐优化设计模型，并进行求解，具体实现步骤如下：
根据所建立的电力套餐评估模型，电力套餐优化设计的目标为最大化益本比，故工商业用户电力套餐设计的优化模型表示为：
式中：a表示月度峰谷电量系数标准值向量；b表示电价折扣向量；
约束条件包括以下几个方面：
(1)峰荷削减量和峰时段用电量下降量约束
式中：ΔPi Σ、分别表示第i类用户群的总峰荷削减量和总峰时段用电量下降量；分别表示第i类用户群中所有用户都选择套餐j时的潜在高峰负荷削减量和峰时段用电量下降量；Pi Σ、分别表示第i类用户群的总负荷峰值和峰时段总用电量；σ表示负荷同时率；ai'表示典型用户i的初始月度峰谷电量系数；
(2)各时段用电量比例约束
假设用户选择某一套餐后按照套餐规定的月度峰谷电量系数标准值调整用电方式，其月度总用电量不变，负荷在各时段之间转移，λij表示第i类用户群选择套餐j后的电量转移矩阵：
式中：表示第i类用户群选择套餐j后的由l时段转移到m时段的电量比例；
假设选择某一套餐的用户进行负荷转移后，其月度峰谷电量系数小于套餐规定的标准值，满足下式：
峰、谷、平时段的电量比例满足以下等式：
(3)月度峰谷电量系数标准值和电价折扣约束
根据套餐设计的区隔性原则，不同套餐应侧重不同的用户群体，其套餐内容有针对性，具体而言，每一套餐的月度峰谷电量系数标准值应低于目标用户群的月度峰谷电量系数，且低于上一套餐的标准值，即：
aj＞aj+1,j＝1,2,....,K-1
式中：表示套餐j的目标用户群j*的初始月度峰谷电量系数。
每一套餐的电价折扣系数应低于上一套餐的折扣系数，即：
bj＞bj+1,j＝1,2,....,K-1
任一套餐的月度峰谷电量系数标准值大于零，电价折扣系数的取值在0和1之间，即：
aj＞0,j＝1,...,K
1＞bj＞0,j＝1,...,K
(4)用户效用值约束
为了充分挖掘用户削峰填谷的潜力，应尽量使每一典型用户都能选择月度峰谷电量系数标准值低于其初始值的套餐；此外，为吸引用户选择电力套餐，应保证每一用户群体的对应套餐的效用值比维持现状的效用值大；具体而言，用户群选择其对应套餐时获得的效用值最高，即：
式中：表示用户群i选择其对应套餐i*的效用值；
目标套餐的效用值大于1，即：
CN201810798619.XA 2018-07-19 2018-07-19 一种面向工商业用户的需求响应电力套餐优化设计方法 Pending CN109086922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810798619.XA CN109086922A (zh) 2018-07-19 2018-07-19 一种面向工商业用户的需求响应电力套餐优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810798619.XA CN109086922A (zh) 2018-07-19 2018-07-19 一种面向工商业用户的需求响应电力套餐优化设计方法

Publications (1)

Publication Number Publication Date
CN109086922A true CN109086922A (zh) 2018-12-25

Family

ID=64838164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810798619.XA Pending CN109086922A (zh) 2018-07-19 2018-07-19 一种面向工商业用户的需求响应电力套餐优化设计方法

Country Status (1)

Country Link
CN (1) CN109086922A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020806A (zh) * 2019-04-11 2019-07-16 广东工业大学 基于综合电力需求响应的任务表制定方法、装置和介质
CN111324864A (zh) * 2020-02-21 2020-06-23 国网河南省电力公司经济技术研究院 一种电力需求响应实施成本和补偿标准评估方法
CN111882455A (zh) * 2020-07-27 2020-11-03 广东电力交易中心有限责任公司 一种电力零售市场的电力套餐抉择方法及系统
CN111915377A (zh) * 2020-08-11 2020-11-10 广东电网有限责任公司广州供电局 一种供电套餐设计方法和装置
CN111967695A (zh) * 2020-09-12 2020-11-20 浙江大学 一种面向售电公司的峰谷组合电力套餐优化方法
CN112366699A (zh) * 2020-11-03 2021-02-12 河海大学 一种实现电网侧和用户侧交互的家庭能量双层优化方法
CN112636336A (zh) * 2020-12-11 2021-04-09 河海大学 一种电力负荷峰谷差控制方法
CN113538041A (zh) * 2021-06-29 2021-10-22 广东电力交易中心有限责任公司 基于负荷曲线聚类分析的电力套餐推荐方法和装置
CN113554268A (zh) * 2021-06-10 2021-10-26 合肥工业大学 平衡峰谷及淡旺季的用电策略的选择方法及系统
CN113706208A (zh) * 2021-08-31 2021-11-26 国网四川省电力公司经济技术研究院 一种综合能源服务套餐配置方法
CN114221391A (zh) * 2021-12-13 2022-03-22 清华四川能源互联网研究院 一种电力系统备用容量确定方法、装置及相关设备
CN117252636A (zh) * 2023-11-17 2023-12-19 国网山东省电力公司营销服务中心(计量中心) 基于用户的电费套餐类型优化方法及系统

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020806A (zh) * 2019-04-11 2019-07-16 广东工业大学 基于综合电力需求响应的任务表制定方法、装置和介质
CN111324864A (zh) * 2020-02-21 2020-06-23 国网河南省电力公司经济技术研究院 一种电力需求响应实施成本和补偿标准评估方法
CN111324864B (zh) * 2020-02-21 2023-04-07 国网河南省电力公司经济技术研究院 一种电力需求响应实施成本和补偿标准评估方法
CN111882455A (zh) * 2020-07-27 2020-11-03 广东电力交易中心有限责任公司 一种电力零售市场的电力套餐抉择方法及系统
CN111915377A (zh) * 2020-08-11 2020-11-10 广东电网有限责任公司广州供电局 一种供电套餐设计方法和装置
CN111967695A (zh) * 2020-09-12 2020-11-20 浙江大学 一种面向售电公司的峰谷组合电力套餐优化方法
CN111967695B (zh) * 2020-09-12 2023-12-12 浙江大学 一种面向售电公司的峰谷组合电力套餐优化方法
CN112366699A (zh) * 2020-11-03 2021-02-12 河海大学 一种实现电网侧和用户侧交互的家庭能量双层优化方法
CN112636336B (zh) * 2020-12-11 2022-09-13 河海大学 一种电力负荷峰谷差控制方法
CN112636336A (zh) * 2020-12-11 2021-04-09 河海大学 一种电力负荷峰谷差控制方法
CN113554268A (zh) * 2021-06-10 2021-10-26 合肥工业大学 平衡峰谷及淡旺季的用电策略的选择方法及系统
CN113554268B (zh) * 2021-06-10 2024-03-15 合肥工业大学 平衡峰谷及淡旺季的用电策略的选择方法及系统
CN113538041B (zh) * 2021-06-29 2022-10-21 广东电力交易中心有限责任公司 基于负荷曲线聚类分析的电力套餐推荐方法和装置
CN113538041A (zh) * 2021-06-29 2021-10-22 广东电力交易中心有限责任公司 基于负荷曲线聚类分析的电力套餐推荐方法和装置
CN113706208A (zh) * 2021-08-31 2021-11-26 国网四川省电力公司经济技术研究院 一种综合能源服务套餐配置方法
CN114221391A (zh) * 2021-12-13 2022-03-22 清华四川能源互联网研究院 一种电力系统备用容量确定方法、装置及相关设备
CN114221391B (zh) * 2021-12-13 2024-02-06 清华四川能源互联网研究院 一种电力系统备用容量确定方法、装置及相关设备
CN117252636A (zh) * 2023-11-17 2023-12-19 国网山东省电力公司营销服务中心(计量中心) 基于用户的电费套餐类型优化方法及系统

Similar Documents

Publication Publication Date Title
CN109086922A (zh) 一种面向工商业用户的需求响应电力套餐优化设计方法
Kanakadhurga et al. Demand side management in microgrid: A critical review of key issues and recent trends
Wang et al. Economic and efficient multi-objective operation optimization of integrated energy system considering electro-thermal demand response
Huang et al. From demand response to integrated demand response: Review and prospect of research and application
Majidi et al. Optimal robust operation of combined heat and power systems with demand response programs
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
Jin et al. Game theoretical analysis on capacity configuration for microgrid based on multi-agent system
Yang et al. A multi-objective stochastic optimization model for electricity retailers with energy storage system considering uncertainty and demand response
CN114511128A (zh) 碳排放数据的处理方法、装置、存储介质及处理器
Jianwei et al. Configuration optimization and benefit allocation model of multi-park integrated energy systems considering electric vehicle charging station to assist services of shared energy storage power station
Wang et al. Optimal scheduling of micro-energy grid with integrated demand response based on chance-constrained programming
Liu et al. Energy management method of integrated energy system based on collaborative optimization of distributed flexible resources
CN110796283A (zh) 一种面向需求侧主动响应的电量套餐优化设计方法
Wang et al. Optimal management of multi stakeholder integrated energy system considering dual incentive demand response and carbon trading mechanism
Zhang Optimal design and planning of energy microgrids
Yuan et al. Multi-objective optimization of virtual energy hub plant integrated with data center and plug-in electric vehicles under a mixed robust-stochastic model
Zhu et al. Optimization scheduling of a wind–photovoltaic–gas–electric vehicles Community-Integrated Energy System considering uncertainty and carbon emissions reduction
Zhang et al. Optimizing the planning of distributed generation resources and storages in the virtual power plant, considering load uncertainty
Fan et al. Information gap-based multi-objective optimization of a virtual energy hub plant considering a developed demand response model
Yu et al. A bi-level scheduling strategy for integrated energy systems considering integrated demand response and energy storage co-optimization
Mi et al. Energy cooperation for wind farm and hydrogen refueling stations: a RO-based and Nash-Harsanyi bargaining solution
Li et al. Sharing hydrogen storage capacity planning for multi-microgrid investors with limited rationality: A differential evolution game approach
Shafiee et al. A novel stochastic framework based on PEM-DPSO for optimal operation of microgrids with demand response
Peng et al. Energy storage capacity optimization of residential buildings considering consumer purchase intention: A mutually beneficial way
Zhai et al. Low carbon economic dispatch of regional integrated energy system considering load uncertainty

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181225