CN110610294A - 一种考虑用户消费心理的售电公司电量套餐设计方法 - Google Patents
一种考虑用户消费心理的售电公司电量套餐设计方法 Download PDFInfo
- Publication number
- CN110610294A CN110610294A CN201910744467.XA CN201910744467A CN110610294A CN 110610294 A CN110610294 A CN 110610294A CN 201910744467 A CN201910744467 A CN 201910744467A CN 110610294 A CN110610294 A CN 110610294A
- Authority
- CN
- China
- Prior art keywords
- power
- package
- electricity
- consumer
- peak
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013461 design Methods 0.000 title claims abstract description 11
- 230000004044 response Effects 0.000 claims abstract description 63
- 230000000694 effects Effects 0.000 claims description 6
- 235000012054 meals Nutrition 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 19
- 238000013459 approach Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种考虑用户消费心理的售电公司电量套餐设计方法。基本实施流程包括步骤：采用K‑means法对具有不同峰谷分时用电量的电力用户进行细分；定量评估电力用户在给定电量套餐下的用电效用；采用概率选择规则下的多项logit模型计算电力用户对套餐的选择概率；基于消费者心理学计算电力用户对选定套餐的用电量响应；构建以售电公司购售电利润最大化为目标的电量套餐模型并求解。本发明提出的售电公司电量套餐设计方法能够通过设计套餐电量峰谷额度，引导用户用电行为，提高售电公司购售电收益，具有良好的经济性和实际应用价值。
Description
技术领域
本发明涉及电力市场的技术领域，具体涉及一种考虑用户消费心理的售电公司电量套餐设计方法。
背景技术
在新一轮电力体制改革的推进过程中，电力市场的逐步放开吸引不同社会资本成立售电公司已参与市场竞争，逐步培养市场化售电主体。据不完全统计，中国目前已成立6000余家售电公司，其中部分已参与市场交易，“多买方-多卖方”的市场格局逐渐形成。当前，售电公司主要通过与发电企业签订中长期合同或参与月度集中竞价市场购买电能并转售给代理用户获取购售电利润。随着中国电力市场化的不断成熟，售电侧竞争将变得愈加激励。因此，售电公司需采取必要的电力市场营销策略以提升自身在售电市场的竞争力，避免被市场淘汰。
所谓电力市场营销是指电力产品的生成、输送和销售，满足电力客户经济、合理、安全、可靠地使用电力产品的要求，同时不断提高电力企业经济效益的一系列经济活动，包括：
(1)电力市场分析和预测。作为售电公司，要认清当前所处的宏观和微观环境，预测电力需求的发展趋势，分析各类用户的购电需求和行为特性，从而确定售电公司在售电侧竞争环境中所具有的机会以及存在的威胁。
(2)电力市场细分。通过市场调查和用户历史数据分析，确定售电公司的目标用户，设计有针对性的市场营销策略。
(3)电力市场营销策略。针对不同的市场用户群体，分析其用电特性，制定相应的电力营销策略，包括优质服务、折扣电价、形象宣传、即时促销等手段，提高用户粘性、扩大市场份额。在此基础上进行用户负荷预测，优化自身购电行为。
采用电量套餐的形式进行售电有利于售电公司满足不同消费层次和消费习惯的电力用户的多样化需求，提高用户粘性、扩大市场份额。而电力用户的消费心理和行为习惯则在电量套餐的设计中举足轻重。在此背景下，亟需提出一种考虑用户消费心理的售电公司电量套餐设计方法，帮助售电公司分析电力用户的购电和用电行为，最大化其购售电收益。
发明内容
本发明立足于我国电力中长期交易与现货市场背景，提出一种考虑用户消费心理的售电公司电量套餐设计方法。
本发明采用以下技术方案实现：
一种考虑用户消费心理的售电公司电量套餐设计方法，包括以下步骤：
S1：根据电力用户的峰、谷时段用电量，基于K-means法对售电公司代理用户进行细分；
S2：以固定电价结算模式电费与套餐模式电费的差值量化电力用户在给定套餐的用电效用；
S3：基于概率选择规则下的多项logit模型计算电力用户对套餐的选择概率；
S4：基于消费者心理学理论分析电力用户对选定套餐的响应行为，采用分段线性函数对用户响应电量建模，从而对电量套餐模式下的用户负荷进行预测；
S5：建立以售电公司购售电利润最大化为目标的电量套餐模型并求解。
上述技术方案中，进一步地，所述的步骤S1中，采用K-means法对具有不同峰谷分时用电量的电力用户进行细分，具体方法如下：
步骤1：计算售电公司代理电力用户的峰谷用电量：
根据电力用户历史用电曲线，结合当地峰谷电量时段划分规则，计算售电公司代理电力用户的峰谷时段用电量，电力用户的峰谷时段用电量为：
式中，Qi、分别为电力用户i的总用电量、峰时段用电量、谷时段用电量；Qi,t为电力用户i在t时段的用电量；TP、TV分别为当地的峰、谷时段；
步骤2：对电力用户按峰、谷用电量进行K-means聚类：
(1)随机选择k个电力用户的峰谷用电量作为初始聚类中心，构建k个聚类簇；
(2)对于电力用户i，计算其到k个聚类中心的距离，
式中，Li,j表示电力用户i到聚类中心j的距离，将电力用户i赋予其距离最近的聚类簇；若最小距离相同，则分配给任意一个聚类簇；
(3)计算k个聚类簇中电力用户峰谷用电量的平均值，作为新的聚类中心；
(4)重复(2)、(3)，直到新的聚类中心与原聚类中心相同，算法结束；
步骤3：计算K-means聚类的轮廓系数，选取最优聚类个数，采用轮廓系数对聚类结果进行评价，并以此为根据选择合理的聚类个数k作为电量套餐峰谷额度分档基准；聚类结果的轮廓系数S可表示为：
式中，a(i)表示电力用户i与同一簇J内其他电力用户j的距离平均值，量化簇内的凝聚度；b(i)表示电力用户i到其他聚类簇K内所有电力用户的平均距离最小值，量化聚类簇间的分离度；nJ、nK分别表示聚类簇J、K内的电力用户个数；选取轮廓系数最大的聚类个数k，作为电量套餐峰谷额度的分档基准。当a(i)趋近于0、b(i)足够大时，轮廓系数S趋近于1，说明聚类效果较好。
用户细分有利于售电公司确定目标市场，有针对性地完成电量套餐设计。
更进一步地，所述的步骤S2中，定量评估电力用户在给定电量套餐下的用电效用，具体方法如下：
步骤1：电量套餐额度与资费设计：
本发明中，电量套餐包括峰、谷电量额度、套餐基本资费Cj、额度外用电单价pj，电量套餐j可表示为：
式中，Tj为套餐电量总额度，分别表示电量套餐j的峰电量额度、谷电量额度；电力用户i购买套餐j后的总电费计算规则表示为：
式中，Ri,j表示电力用户i购买套餐j后的总电费；当用户电量在套餐额度范围内时，用户总电费为套餐基本资费；当仅谷时段用电量超额而总电量不超额时，不收取额度外用电费；当峰时段用电量在套餐额度内，谷时段超额且总电量超额时，仅收取总量超额部分用电费；当峰时段用电量超额，则直接对峰时段额外用电量收取用电费，以此鼓励用户将峰时段负荷向谷转移；当峰、谷时段用电量均超额时，按总超额用电量收取额外用电费；
步骤2：量化电力用户在给定电量套餐下的用电效用：
本发明中电力用户对给定电量套餐的效用定义为固定电价结算电费与购买套餐后的用电总费用的差值，表示为：
Ui,j＝Qi×pl-Ri,j
式中，Ui,j表示电力用户i对给定套餐j的效用；pl为固定电价。
更进一步地，所述的步骤S3中，采用概率选择规则下的多项logit模型计算电力用户对套餐的选择概率，具体实现方法如下：
电力用户根据历史用电情况计算在给定套餐下的总用电费，对比固定电价结算模式得到给定电量套餐下的用电效用，则基于概率选择规则下的多项logit模型，电力用户对套餐的选择概率可表示为：
式中，Pi,j表示电力用户i对给定套餐j的选择概率；h为每一类电力用户的电量套餐，套餐类型数是根据聚类个数设定的，h＝0表示用户选择固定电价电费结算；μ为套餐选择参数，用于模拟用户的套餐选择行为，其取值可以通过对市场用户套餐选择行为的调研数据进行反推和标度。μ值越大，用户选择行为越接近确定性规则，即选择唯一最有利套餐；μ值越小，用户选择行为越接近均匀分布，即随机选择套餐。
更进一步地，所述的步骤S4中，基于消费者心理学计算电力用户对选定套餐的用电量响应，具体方法如下：
电力用户根据选定电力套餐额度与其对应时段用电量的差异，进行用电行为响应，建立电力用户对选定套餐的用电响应模型，根据消费者心理学，电力用户的用电响应行为有一个最小可觉差，在这个差别阈值的范围内，用户基本上无响应或响应非常小，即响应死区；超过这个差别阈值的范围时，用户将有所响应，且与刺激的程度有关，即正常响应区；用户对刺激也有一个饱和值，超过这个数值，用户就没有更进一步的响应，即响应饱和区；最小可觉差可由售电公司通过调整套餐峰、谷电量，并根据所辖电力用户在给定套餐调整前后的用电实际情况，通过最小二乘法曲线拟合的方式确定。
则电力用户i对选定套餐j的用电量响应可表示为：
式中，表示电力用户i对选定套餐j响应后的峰/谷用电量；y表示电力用户i用电量响应变化的百分比；a+和a-分别为正、负响应系数；x表示用户峰/谷时段用电量与选定套餐对应时段额度的差占其峰/谷时段用电量的百分比；和分别为正、负响应死区和正常响应区的分界点；和分别为正、负正常响应区和响应饱和区的分界点。
更进一步地，所述的步骤S5中，构建以售电公司购售电利润最大化为目标的电量套餐模型并求解，具体方法如下：
建立以售电公司购售电利润最大化为目标的电量套餐模型：
式中，pP和pV分别为售电公司峰、谷时段的购电单价；分别表示电力用户i对选定套餐j响应后的总用电量、峰时段用电量、谷时段用电量；表示用户响应后的总电费。
本发明的有益效果在于：
本发明提出的一种考虑用户消费心理的售电公司电量套餐设计方法，与传统的固定电价售电模式相比，能够通过设计套餐峰谷电量额度，引导用户用电行为，在降低用户用电费用的同时，提高售电公司的购售电收益，有利于售电公司增强用户粘性、提高市场竞争力，具有良好的经济效益。
附图说明
图1是本发明的电力用户对电量套餐的分段线性响应示意图。
图2是本发明的电力用户K-means聚类结果示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本发明的限制；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，不能理解为对本发明的限制。
本发明的一种考虑用户消费心理的售电公司电量套餐设计方法，包括以下步骤：
S1：采用K-means法对具有不同分时用电量的电力用户进行细分：
步骤1：计算售电公司代理电力用户的峰谷用电量：
根据电力用户历史用电曲线，结合当地峰谷电时段划分规则，计算售电公司代理电力用户的峰谷时段用电量。电力用户的峰谷时段用电量表示为：
式中，分别为电力用户i的峰、谷时段用电量；Qi,t为电力用户i在t时段的用电量；TP、TV分别为当地的峰、谷时段。
步骤2：对电力用户按峰、谷用电量进行K-means聚类：
(1)随机选择k个电力用户的峰谷用电量作为初始聚类中心，构建k个聚类簇；
(2)对于电力用户i，计算其到k个聚类中心的距离。
式中，Li,j表示电力用户i到聚类中心j的距离。将电力用户i赋予其距离最近的簇；若最小距离相同，则分配给任意一个聚类簇。
(3)计算k个聚类簇中电力用户峰谷用电量的平均值，作为新的聚类中心；
(4)重复(2)、(3)，直到新的聚类中心与原聚类中心相同，算法结束；
步骤3：计算K-means聚类的轮廓系数，选取最优聚类个数：
采用轮廓系数对聚类结果进行评价，并以此为根据选择合理的聚类个数k作为电量套餐峰谷额度分档基准。聚类结果的轮廓系数S可表示为：
式中，a(i)表示电力用户i与同一簇J内其他电力用户j的距离平均值，量化簇内的凝聚度；b(i)表示电力用户i到其他聚类簇K内所有电力用户的平均距离最小值，量化聚类簇间的分离度；nJ、nJ分别表示聚类簇J、K内的电力用户个数。当a(i)趋近于0、b(i)足够大时，轮廓系数S趋近于1，说明聚类效果较好。选取轮廓系数最大的聚类个数k，作为电量套餐峰谷额度的分档基准。
S2：定量评估电力用户在给定电量套餐下的用电效用：
步骤1：电量套餐额度与资费设计：
本发明中，电量套餐包括峰、谷电量额度、套餐基本资费Cj、额度外用电单价pj等属性，电量套餐j可表示为：
式中，Tj为套餐电量总额度，分别表示电量套餐j的峰电量额度、谷电量额度；电力用户i购买套餐j后的总电费计算规则表示为：
式中，Ri,j表示电力用户i购买套餐j后的总电费。当用户电量在套餐额度范围内时，用户总电费为套餐基本资费；当仅谷时段用电量超额而总电量不超额时，不收取额度外用电费；当峰时段用电量在套餐额度内，谷时段超额且总电量超额时，仅收取总量超额部分用电费；当峰时段用电量超额，则直接对峰时段额外用电量收取用电费，以此鼓励用户将峰时段负荷向谷转移；当峰、谷时段用电量均超额时，按总超额用电量收取额外用电费。
步骤2：量化电力用户在给定电量套餐下的用电效用：
本发明中电力用户对给定电量套餐的效用定义为固定电价结算电费与购买套餐后的用电总费用的差值，表示为：
Ui,j＝Qi×pl-Ri,j
式中，Ui,j表示电力用户i对给定套餐j的效用；pl为固定电价。
S3：采用概率选择规则下的多项logit模型计算电力用户对套餐的选择概率：
电力用户根据历史用电情况计算在给定套餐下的总用电费，对比固定电价结算模式得到给定电量套餐下的用电效用，则基于概率选择规则下的多项logit模型，电力用户对套餐的选择概率可表示为：
式中，Pi,j表示电力用户i对给定套餐j的选择概率；h为每一类电力用户的电量套餐，套餐类型数是根据聚类个数设定的，h＝0表示用户选择固定电价电费结算；μ为套餐选择参数，μ值越大，用户选择行为越接近确定性规则，即选择唯一最有利套餐；μ值越小，用户选择行为越接近均匀分布，即随机选择套餐。μ的取值可以通过对市场用户套餐选择行为的调研数据进行反推和标度。
S4：基于消费者心理学计算电力用户对选定套餐的用电量响应：
电力用户根据选定电力套餐额度与其对应时段用电量的差异，进行用电行为响应，建立电力用户对选定套餐的用电响应模型。如图1所示为电力用户对电量套餐的分段线性响应示意图。根据消费者心理学，电力用户的用电响应行为有一个最小可觉差，在这个差别阈值的范围内，用户基本上无响应或响应非常小，即响应死区；超过这个差别阈值的范围时，用户将有所响应，且与刺激的程度有关，即正常响应区；用户对刺激也有一个饱和值，超过这个数值，用户就没有更进一步的响应，即响应饱和区；则电力用户i对选定套餐j的用电量响应可表示为：
式中，表示电力用户i对选定套餐j响应后的峰/谷用电量；y表示电力用户i用电量响应变化的百分比；a+和a-分别为正、负响应系数；x表示用户峰/谷时段用电量与选定套餐对应时段额度的差占其峰/谷时段用电量的百分比；和分别为正、负响应死区和正常响应区的分界点；和分别为正、负正常响应区和响应饱和区的分界点。最小可觉差可由售电公司通过调整套餐峰/谷电量，并根据所辖电力用户在给定套餐调整前后的用电实际情况，通过最小二乘法曲线拟合的方式确定。
S5：构建以售电公司购售电利润最大化为目标的电量套餐模型并求解：
式中，pP和pV分别为售电公司峰、谷时段的购电单价；分别表示电力用户i对选定套餐j响应后的总用电量、峰时段用电量、谷时段用电量；表示用户响应后的总电费。
实施例
下面结合具体实施例对本发明作进一步说明。
本实施例以某地区936个居民用户的月度用电量数据模型验证。电力用户按峰谷电量聚类结果如图2所示。固定电费单价0.60元/kWh，额度外用电单价0.70元/千瓦时。电力用户正、负响应死区和正常响应区的分界点为±10％；正常响应区和响应死区的分界点为±20％；用电量响应上、下限为±15％。售电公司峰时段平均购电费用0.50元/kWh，谷时段购电费0.20元/kWh，正实数参数(套餐选择参数)μ取0.1。优化得到的电力套餐分档如表1所示。分档2、3，分档4、5，分档6、7的优化结果相同，电量套餐的实际优化结果为4级分档。
表1售电公司电量套餐分档设计
在给定峰谷电量套餐和固定电价结算模式下，售电公司购售电收益和电力用户用电情况如表2所示。
表2固定电价结算模式与电量套餐对比结果
由表2可知，售电公司通过设定电量套餐峰谷额度，可引导电力用户的用电行为，使用户峰时段用电量下降、谷时段用电量提高，降低售电公司的平均购电成本，提高总购售电收益。对电力用户，采用电量套餐后，平均用电单价由0.60元/kWh下降为0.594元/kWh，具有一定吸引力。考虑到其中部分用户承受了的较高的额度外结算电价，认为当用户选择适合自己的电量套餐且有目的地优化自身用电行为时，用户平均用电单价可进一步下降。
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)
1.一种考虑用户消费心理的售电公司电量套餐设计方法，其特征在于，实现流程包括以下步骤：
S1：采用K-means法对具有不同峰谷分时用电量的电力用户进行细分；
S2：定量评估电力用户在给定电量套餐下的用电效用；
S3：采用概率选择规则下的多项logit模型计算电力用户对套餐的选择概率；
S4：基于消费者心理学计算电力用户对选定套餐的用电量响应；
S5：构建以售电公司购售电利润最大化为目标的电量套餐模型并求解。
2.根据权利要求1所述的一种考虑用户消费心理的售电公司电量套餐设计方法，其特征在于：所述的步骤S1中，采用K-means法对具有不同峰谷分时用电量的电力用户进行细分，具体方法如下：
步骤1：计算售电公司代理电力用户的峰谷用电量：
根据电力用户历史用电曲线，结合当地峰谷电量时段划分规则，计算售电公司代理电力用户的峰谷时段用电量，电力用户的峰谷时段用电量为：
式中，Qi、分别为电力用户i的总用电量、峰时段用电量、谷时段用电量；Qi,t为电力用户i在t时段的用电量；TP、TV分别为当地的峰、谷时段；
步骤2：对电力用户按峰、谷用电量进行K-means聚类：
(1)随机选择k个电力用户的峰谷用电量作为初始聚类中心，构建k个聚类簇；
(2)对于电力用户i，计算其到k个聚类中心的距离，
式中，Li,j表示电力用户i到聚类中心j的距离，将电力用户i赋予其距离最近的聚类簇；若最小距离相同，则分配给任意一个聚类簇；
(3)计算k个聚类簇中电力用户峰谷用电量的平均值，作为新的聚类中心；
(4)重复(2)、(3)，直到新的聚类中心与原聚类中心相同，算法结束；
步骤3：计算K-means聚类的轮廓系数，选取最优聚类个数：采用轮廓系数对聚类结果进行评价，并以此为根据选择合理的聚类个数k作为电量套餐峰谷额度分档基准；聚类结果的轮廓系数S可表示为：
式中，a(i)表示电力用户i与同一簇J内其他电力用户j的距离平均值，用于量化簇内的凝聚度；b(i)表示电力用户i到其他聚类簇K内所有电力用户的平均距离最小值，用于量化聚类簇间的分离度；nJ、nK分别表示聚类簇J、K内的电力用户个数；选取轮廓系数最大的聚类个数k，作为电量套餐峰谷额度的分档基准。
3.根据权利要求2所述的一种考虑用户消费心理的售电公司电量套餐设计方法，其特征在于：所述的步骤S2中，定量评估电力用户在给定电量套餐下的用电效用，具体方法如下：
步骤1：电量套餐额度与资费设计：
电量套餐包括峰、谷电量额度、套餐基本资费Cj、额度外用电单价pj，电量套餐j可表示为：
式中，Tj为套餐电量总额度，分别表示电量套餐j的峰电量额度、谷电量额度；电力用户i购买套餐j后的总电费计算规则表示为：
式中，Ri,j表示电力用户i购买套餐j后的总电费，
步骤2：量化电力用户在给定电量套餐下的用电效用：
将电力用户在给定电量套餐下的用电效用定义为固定电价结算电费与购买套餐后的用电总费用的差值，表示为：
Ui,j＝Qi×pl-Ri,j
式中，Ui,j表示电力用户i对给定套餐j的效用；pl为固定电价。
4.根据权利要求3所述的一种考虑用户消费心理的售电公司电量套餐设计方法，其特征在于：所述的步骤S3中，采用概率选择规则下的多项logit模型计算电力用户对套餐的选择概率，具体方法如下：
根据电力用户的历史用电情况计算在给定套餐下的总电费，对比固定电价结算模式得到给定电量套餐下的用电效用，则基于概率选择规则下的多项logit模型，电力用户对套餐的选择概率可表示为：
式中，Pi,j表示电力用户i对给定套餐j的选择概率；h为每一类电力用户的电量套餐，套餐类型数是根据聚类个数设定的，h＝0表示用户选择固定电价电费结算；μ为套餐选择参数，用于模拟用户的套餐选择行为，其取值可通过对市场用户套餐选择行为的调研数据进行反推和标度。
5.根据权利要求4所述的一种考虑用户消费心理的售电公司电量套餐设计方法，其特征在于：所述的步骤S4中，基于消费者心理学计算电力用户对选定套餐的用电量响应，具体方法如下：
电力用户根据选定电力套餐额度与其对应时段用电量的差异，进行用电行为响应，建立电力用户对选定套餐的用电响应模型，根据消费者心理学，电力用户的用电响应行为有一个最小可觉差，在这个差别阈值的范围内，用户基本上无响应或响应非常小，即响应死区；超过这个差别阈值的范围时，用户将有所响应，且与刺激的程度有关，即正常响应区；用户对刺激也有一个饱和值，超过这个数值，用户就没有更进一步的响应，即响应饱和区；所述的最小可觉差由售电公司通过调整套餐峰、谷电量，并根据所辖电力用户在给定套餐调整前后的用电实际情况，通过最小二乘法曲线拟合的方式确定；
则电力用户i对选定套餐j的用电量响应可表示为：
式中，表示电力用户i对选定套餐j响应后的峰/谷用电量；y表示电力用户i用电量响应变化的百分比；a+和a-分别为正、负响应系数；x表示用户峰/谷时段用电量与选定套餐对应时段额度的差占其峰/谷时段用电量的百分比；和分别为正、负响应死区和正常响应区的分界点；和分别为正、负正常响应区和响应饱和区的分界点。
6.根据权利要求5所述的一种考虑用户消费心理的售电公司电量套餐设计方法，其特征在于：所述的步骤S5中，构建以售电公司购售电利润最大化为目标的电量套餐模型并求解，具体方法如下：
建立以售电公司购售电利润最大化为目标的电量套餐模型：
式中，pP和pV分别为售电公司峰、谷时段的购电单价；分别表示电力用户i对选定套餐j响应后的总用电量、峰时段用电量、谷时段用电量；表示用户响应后的总电费。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910744467.XA CN110610294A (zh) | 2019-08-13 | 2019-08-13 | 一种考虑用户消费心理的售电公司电量套餐设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910744467.XA CN110610294A (zh) | 2019-08-13 | 2019-08-13 | 一种考虑用户消费心理的售电公司电量套餐设计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110610294A true CN110610294A (zh) | 2019-12-24 |
Family
ID=68890963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910744467.XA Pending CN110610294A (zh) | 2019-08-13 | 2019-08-13 | 一种考虑用户消费心理的售电公司电量套餐设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110610294A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210051A (zh) * | 2019-12-13 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种用户用电行为预测方法及系统 |
| CN111210055A (zh) * | 2019-12-24 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种电力用户用电行为预测方法和预测系统 |
| 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 |
| CN112581173A (zh) * | 2020-12-18 | 2021-03-30 | 傲普(上海)新能源有限公司 | 一种消纳比例及加权电价测算系统 |
| CN113947444A (zh) * | 2021-11-17 | 2022-01-18 | 浙江理工大学 | 考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法 |
-
2019
- 2019-08-13 CN CN201910744467.XA patent/CN110610294A/zh active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210051A (zh) * | 2019-12-13 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种用户用电行为预测方法及系统 |
| CN111210051B (zh) * | 2019-12-13 | 2023-09-22 | 贵州电网有限责任公司 | 一种用户用电行为预测方法及系统 |
| CN111210055A (zh) * | 2019-12-24 | 2020-05-29 | 贵州电网有限责任公司贵安供电局 | 一种电力用户用电行为预测方法和预测系统 |
| CN111210055B (zh) * | 2019-12-24 | 2023-09-29 | 贵州电网有限责任公司 | 一种电力用户用电行为预测方法和预测系统 |
| 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 |
| CN112581173A (zh) * | 2020-12-18 | 2021-03-30 | 傲普(上海)新能源有限公司 | 一种消纳比例及加权电价测算系统 |
| CN112581173B (zh) * | 2020-12-18 | 2022-07-08 | 傲普(上海)新能源有限公司 | 一种消纳比例及加权电价测算系统 |
| CN113947444A (zh) * | 2021-11-17 | 2022-01-18 | 浙江理工大学 | 考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法 |
| CN113947444B (zh) * | 2021-11-17 | 2024-07-12 | 浙江理工大学 | 考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110610294A (zh) | 一种考虑用户消费心理的售电公司电量套餐设计方法 | |
| Fernandez et al. | A bi-level optimization-based community energy management system for optimal energy sharing and trading among peers | |
| Xu et al. | A hybrid demand response mechanism based on real-time incentive and real-time pricing | |
| Bu et al. | A game-theoretical decision-making scheme for electricity retailers in the smart grid with demand-side management | |
| JP2020510945A (ja) | 公益事業関する市場向けプラットフォームの自動化方法及びシステム | |
| Yilmaz et al. | Who is sensitive to DSM? Understanding the determinants of the shape of electricity load curves and demand shifting: Socio-demographic characteristics, appliance use and attitudes | |
| Yang et al. | A framework of customizing electricity retail prices | |
| Sulaima et al. | A review of electricity pricing in peninsular Malaysia: Empirical investigation about the appropriateness of Enhanced Time of Use (ETOU) electricity tariff | |
| CN110796283A (zh) | 一种面向需求侧主动响应的电量套餐优化设计方法 | |
| CN110852519A (zh) | 一种考虑多类型负荷的售电公司最优盈利方法 | |
| CN111695943B (zh) | 一种计及浮动高峰电价的优化管理方法 | |
| Rasheed et al. | Minimizing pricing policies based on user load profiles and residential demand responses in smart grids | |
| Mammen et al. | Want to reduce energy consumption, whom should we call? | |
| CN111967695B (zh) | 一种面向售电公司的峰谷组合电力套餐优化方法 | |
| AU2011235983B2 (en) | Eco score analytics system | |
| CN111242702A (zh) | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 | |
| Yan et al. | Designing household retail electricity packages based on a quantile regression approach | |
| Wang et al. | Multi-objective residential load dispatch based on comprehensive demand response potential and multi-dimensional user comfort | |
| Xu et al. | Perception and decision-making for demand response based on dynamic classification of consumers | |
| Mochi et al. | Prosumer Segmentation Strategies for Local Electricity Market Partaking by Monetary Reward | |
| Samadi et al. | Stochastic demand response management using mixed-strategy Stackelberg game | |
| Wang et al. | Research on fair residential critical peak price: Based on a price penalty mechanism for high-electricity consumers | |
| Ahmed et al. | A fair and effective approach to managing distributed energy resources through peer-to-peer energy trading with load prioritization among smart homes | |
| Panapakidis et al. | Implementation of price-based demand response programs through a load pattern clustering process | |
| Li et al. | Differentiated pricing for the retail electricity provider optimizing demand response to renewable energy fluctuations |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191224 |
|
| WD01 | Invention patent application deemed withdrawn after publication |