CN111242458A - 一种基于个性化用电需求的电力零售定价方法及装置 - Google Patents
一种基于个性化用电需求的电力零售定价方法及装置 Download PDFInfo
- Publication number
- CN111242458A CN111242458A CN202010014625.9A CN202010014625A CN111242458A CN 111242458 A CN111242458 A CN 111242458A CN 202010014625 A CN202010014625 A CN 202010014625A CN 111242458 A CN111242458 A CN 111242458A
- Authority
- CN
- China
- Prior art keywords
- user
- electricity
- retailer
- behavior model
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 205
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 230000007774 longterm Effects 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 41
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 10
- 238000011161 development Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 87
- 230000002354 daily effect Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 14
- 230000002860 competitive effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q30/0283—Price estimation or determination
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于个性化用电需求的电力零售定价方法及装置,方法包括:获取预置零售商行为模型;根据模拟用户对电价的用电反应建立用户行为模型;根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;根据分类结果优化预置零售商行为模型和用户行为模型;在优化后的用户行为模型的约束下,求解优化后的预置零售商行为模型的最优解,得到目标电力定价。本申请解决了现有电力定价技术仅为实现零售商利益最大化进行定价,忽略了电力竞争市场中用电主体的个性化用电需求,使得电力定价模式僵化,不利于电力市场的长期发展的技术问题。
Description
技术领域
本申请涉及电力系统领域,尤其涉及一种基于个性化用电需求的电力零售定价方法及装置。
背景技术
随着电力体制改革的推进,售电侧时长逐渐放开,售电侧通过培育独立售电主体形成售电市场竞争机制,通过公平竞争,用市场手段优化电力资源配置,从而提高整个电力工业的效率。在零售市场竞争机制下,用户参与市场的深度和广度也逐步提高,虽然零售商是零售市场中的电价的主要参与者和制定者,定价目的均是零售商的利益最大化,但是在竞争市场机制下,单一的通过实现零售商的利益最大化的电力定价忽略了用户的个性化需求的影响,定价方法过于僵化,无法保障零售商的长足发展。
发明内容
本申请提供了一种基于个性化用电需求的电力零售定价方法及装置,用于解决现有电力定价技术仅为实现零售商利益最大化进行定价,忽略了电力竞争市场中用电主体的个性化用电需求,使得电力定价模式僵化,不利于电力市场的长期发展的技术问题。
有鉴于此,本申请第一方面提供了一种基于个性化用电需求的电力零售定价方法,包括:
获取预置零售商行为模型,所述预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求;
根据模拟用户对电价的用电反应建立用户行为模型,所述用户行为模型通过用户的线性需求函数定义,所述用电反应包括用电量;
根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;
根据所述分类结果优化所述预置零售商行为模型和所述用户行为模型;
在优化后的所述用户行为模型的约束下,求解优化后的所述预置零售商行为模型的最优解,得到目标电力定价。
优选地,所述预置零售商行为模型为:
其中,F为零售商的日收入,t=1,2,……T为时段,T个时段为一个日周期,k=1,2,……K用户编号,xk,t为用户k第t个时段的用电量,pk,t为用户k第t个时段的电价,s(xt)为零售商在现货市场第t个时段的第一购电量,pt s为零售商在现货市场在第t个时段的第一购电价格,l(xt)为零售商在中长期市场第t个时段的第二购电量,pt l为零售商在中长期市场第t个时段的第二购电价格;
所述预置零售商行为模型满足预置电网负荷平衡要求,所述预置电网负荷平衡要求为:
优选地,所述获取预置零售商行为模型,所述预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,所述预置零售商行为模型满足预置电网负荷平衡要求,还包括:
所述预置零售商行为模型满足市场竞争机制,所述市场竞争机制为:
pk,t≤pt(max)
其中pt(max)为零售商在第t个时段的电价最大值。
优选地,所述根据模拟用户对电价的用电反应建立用户行为模型,包括:
将根据用户的用电量与电价建立的用户线性需求函数作为用户行为模型,所述用户线性需求函数为:
其中xk,t(0)是用户k第t个时段的原用电量,pk,t(0)是用户k第t个时段的原有电价,βt是第t个时段的用户需求弹性参数,pk,t是用户k第t个时段的电价。
优选地,所述根据用户的典型用电模式进行负荷曲线聚类,并根据得到的聚类中心对用户的用电模式进行类别的划分,得到收敛的分类结果,包括:
S1:将每个用户每日的负荷数据排列成一维负荷向量,并求取每个用户在预置个日周期内的平均负荷向量;
S2:将所述平均负荷向量进行归一化处理,得到归一化负荷向量;
S3:根据典型用电模式对所有用户线性化的所述归一化负荷向量进行初始化分类,获取多个聚类中心曲线;
S4:计算每个用户的负荷曲线与每个所述聚类中心曲线的形状相似度,并将所述负荷曲线归入所述相似度最高的所述聚类中心曲线对应的类别中,得到新的负荷曲线分类;
S5:在所述新的负荷曲线分类中计算新聚类中心曲线,重复步骤S4,直至迭代收敛,得到收敛的分类结果,所述新聚类中心曲线为每个类别中所有曲线的平均值曲线。
优选地,所述根据所述分类结果修改所述预置零售商行为模型和所述用户行为模型,具体包括:
根据所述分类结果对用电模式相同的用户群设置相同的电价;
以所述分类结果中的每一类的中心作一个新用户,利用新用户更新所述预置零售商行为模型和所述用户行为模型。
本申请第二方面提供了一种基于个性化用电需求的电力零售定价装置,包括:
获取单元,用于获取预置零售商行为模型,所述预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求;
建模单元,用于根据模拟用户对电价的用电反应建立用户行为模型,所述用户行为模型通过用户的线性需求函数定义,所述用电反应包括用电量;
聚类单元,用于根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;
优化单元,用于根据所述分类结果优化所述预置零售商行为模型和所述用户行为模型;
求解单元,用于在优化后的所述用户行为模型的约束下,求解优化后的所述预置零售商行为模型的最优解,得到目标电力定价。
优选地,所述预置零售商行为模型为:
其中,F为零售商的日收入,t=1,2,……T为时段,T个时段为一个日周期,k=1,2,……K用户编号,xk,t为用户k第t个时段的用电量,pk,t为用户k第t个时段的电价,s(xt)为零售商在现货市场第t个时段的第一购电量,pt s为零售商在现货市场在第t个时段的第一购电价格,l(xt)为零售商在中长期市场第t个时段的第二购电量,pt l为零售商在中长期市场第t个时段的第二购电价格;
所述预置电网负荷平衡要求为:
优选地,所述建模单元包括:建模子单元;
所述建模子单元,用于将根据用户的用电量与电价建立的用户线性需求函数作为用户行为模型,所述用户线性需求函数为:
其中xk,t(0)是用户k第t个时段的原用电量,pk,t(0)是用户k第t个时段的原有电价,βt是第t个时段的用户需求弹性参数,pk,t是用户k第t个时段的电价。
优选地,所述聚类单元具体用于:
S1:将每个用户每日的负荷数据排列成一维负荷向量,并求取每个用户在预置个日周期内的平均负荷向量;
S2:将所述平均负荷向量进行归一化处理,得到归一化负荷向量;
S3:根据典型用电模式对所有用户曲线化的所述归一化负荷向量进行初始化分类,获取多个聚类中心曲线;
S4:计算每个用户的所述负荷曲线与每个所述聚类中心曲线的形状相似度,并将所述负荷曲线归入所述相似度最高的所述聚类中心曲线对应的类别中,得到新的负荷曲线分类;
S5:在所述新的负荷曲线分类中计算新聚类中心曲线,重复步骤S4,直至迭代收敛,得到收敛的分类结果,所述新聚类中心曲线为每个类别中所有曲线的平均值曲线。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种基于个性化用电需求的电力零售定价方法,包括:获取预置零售商行为模型,预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求;根据模拟用户对电价的用电反应建立用户行为模型,用户行为模型通过用户的线性需求函数定义,用电反应包括用电量;根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;根据分类结果优化预置零售商行为模型和用户行为模型;在优化后的用户行为模型的约束下,求解优化后的预置零售商行为模型的最优解,得到目标电力定价。
本申请提供的基于个性化用电需求的电力零售定价方法中,根据零售商制定的电价,建立用户对不同电价下的用电量的模型,通过用户行为模型制约预置零售商行为模型的最优计算,使得零售商的定价在用户个性化用电需求限制中;通过对用户的用电模式进行聚类,得到分类结果,目的是为了便于为同种用电模式的用户制定相同电价套餐,更加迎合用户的个性化用电需求;在以不同用户根据不同电价下的用电量和用户各自不同的用电模式对电价制定的约束下,再求解预置零售行为模型的最优解,得到的目标定价才是最能满足电力竞争市场各方需求的。因此,本申请提供的基于个性化用电需求的电力零售定价方法解决了现有电力定价技术仅为实现零售商利益最大化进行定价,忽略了电力竞争市场中用电主体的个性化用电需求,使得电力定价模式僵化,不利于电力市场的长期发展的技术问题。
附图说明
图1为本申请实施例中提供的一种基于个性化用电需求的电力零售定价方法的一个流程示意图;
图2为本申请实施例中提供的一种基于个性化用电需求的电力零售定价方法的另一流程示意图;
图3为本申请实施例中提供的一种基于个性化用电需求的电力零售定价装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种基于个性化用电需求的电力零售定价方法的实施例一,包括:
步骤101、获取预置零售商行为模型,预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求。
需要说明的是,预置零售商行为模型是基本的电力市场定价模型,主要考量的是如何设置电价才能使得零售商的收益达到最大;其中收益的计算是根据用户的总的用电费用减去零售商总的购电费用得到的。为了符合以上计算方式,一般的,预置零售商行为模型需要满足电网负荷平衡要求,预置电网负荷平衡要求就是零售商总的购电量必须和用户总的用电量平衡,没有多余的购电量和缺少的情况。
步骤102、根据模拟用户对电价的用电反应建立用户行为模型,用户行为模型通过用户的线性需求函数定义。
其中,用电反应包括用电量。
需要说明的是,零售商制定的电价不同,用户的用电反应也不一样,主要反应在用电量上,通过用户的用电量反应用户对电价的态度或者意见,从而影响电价的制定,也是一种判定电力定价是否合理的方式;不同的电价与用户不同的用电量之间存在一定的函数关系,通过建立的函数关系表达用户用电行为与电价之间的关系。
步骤103、根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果。
需要说明的是,每个用户都有自己的用户模式,将用电模型相似或者相同的用户作为同种类型的用户,进行聚类,可以将所有的用户以用电模式为依据划分为不同的类别,一个类别为一种用户群体,一种用户群体可以制定同种电力价格,方便后续进行以群体为单位的定价模型模拟。
步骤104、根据分类结果优化预置零售商行为模型和用户行为模型。
需要说明的是,分类结果为不同种类的用户群体,优化就是以用户群体为单个用户获取预置零售商行为模型和建立用户行为模型,即为同种用电模式的用户提供同种定价。
步骤105、在优化后的用户行为模型的约束下,求解优化后的预置零售商行为模型的最优解,得到目标电力定价。
需要说明的是,以用户的用电量、用户的用电模式形成的用户行为模型作为约束条件,求解预置零售商行为模型的最优解,获取此时的电力定价,这样的电力定价是满足用户的个性需求的定价,避免了零售商一味地追求利益最大化而随意的制定较高的电价,使得用户的用电行为过于被动,不利于市场的发展,存在制约的影响条件的定价更加灵活,能够最大程度的满足电力市场各方需求。
本实施例提供的基于个性化用电需求的电力零售定价方法中,根据零售商制定的电价,建立用户对不同电价下的用电量的模型,通过用户行为模型制约预置零售商行为模型的最优计算,使得零售商的定价在用户个性化用电需求限制中;通过对用户的用电模式进行聚类,得到分类结果,目的是为了便于为同种用电模式的用户制定相同电价套餐,更加迎合用户的个性化用电需求;在以不同用户根据不同电价下的用电量和用户各自不同的用电模式对电价制定的约束下,再求解预置零售行为模型的最优解,得到的目标定价才是最能满足电力竞争市场各方需求的。因此,本实施例提供的基于个性化用电需求的电力零售定价方法解决了现有电力定价技术仅为实现零售商利益最大化进行定价,忽略了电力竞争市场中用电主体的个性化用电需求,使得电力定价模式僵化,不利于电力市场的长期发展的技术问题。
为了便于理解,请参阅图2,本申请实施例中提供了一种基于个性化用电需求的电力零售定价方法的实施例二,包括:
步骤201、获取预置零售商行为模型,预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求。
需要说明的是,预置零售商行为模型是基本的电力市场定价模型,主要考量的是如何设置电价才能使得零售商的收益达到最大;其中收益的计算是根据用户的总的用电费用减去零售商总的购电费用得到的。为了符合以上计算方式,一般的,预置零售商行为模型需要满足电网负荷平衡要求,预置电网负荷平衡要求就是零售商总的购电量必须和用户总的用电量平衡,没有多余的购电量和缺少的情况。其中,预置零售商行为模型为:
其中,F为零售商的日收入,t=1,2,……T为时段,T个时段为一个日周期,k=1,2,……K用户编号,xk,t为用户k第t个时段的用电量,pk,t为用户k第t个时段的电价,s(xt)为零售商在现货市场第t个时段的第一购电量,pt s为零售商在现货市场在第t个时段的第一购电价格,l(xt)为零售商在中长期市场第t个时段的第二购电量,pt l为零售商在中长期市场第t个时段的第二购电价格;
预置零售商行为模型满足的预置电网负荷平衡要求为:
零售商在现货市场的第t个时段的第一购电量加上零售商在中长期市场第t个时段的第二购电量需要与所有用户在第t个时段的总用电量平衡。
步骤202、根据模拟用户对电价的用电反应建立用户行为模型,用户行为模型通过用户的线性需求函数定义。
其中,用电反应包括用电量。
需要说明的是,零售商制定的电价不同,用户的用电反应也不一样,主要反应在用电量上,通过用户的用电量反应用户对电价的态度或者意见,从而影响电价的制定,也是一种判定电力定价是否合理的方式;不同的电价与用户不同的用电量之间存在一定的函数关系,通过建立的函数关系表达用户用电价与电行为之间的影响。将根据用户的用电量与电价建立的用户线性需求函数作为用户行为模型,用户线性需求函数为:
其中xk,t(0)是用户k第t个时段的原用电量,pk,t(0)是用户k第t个时段的原有电价,βt是第t个时段的用户需求弹性参数,pk,t是用户k第t个时段的电价。用户需求弹性参数是一个应用广泛的经济学参数,可以由用户的历史数据得到。
步骤203、预置零售商行为模型满足市场竞争机制。
其中,市场竞争机制是根据零售商之间的竞争关系制定电价最大值,
pk,t≤pt(max)
pt(max)为零售商在第t个时段的电价最大值,是根据电力零售市场的竞争制定的电价最高值。
需要说明的是,由于存在零售商之间的市场竞争,零售商需要对其制定的价格的最大值作出限制,吸引用户选择电价;不同时段可以存在不同的电价上限。
步骤204、将每个用户每日的负荷数据排列成一维负荷向量,并求取每个用户在预置个日周期内的平均负荷向量。
需要说明的是,将用户k在第d天的原有负荷数据排列成一维负荷向量,一维负荷向量为:xk,d(0)=(xk,d,1(0),xk,d,2(0),xk,d,3(0),......,xk,d,T(0))T,其的xk,d,t(0)为用户k第d天中的第t个时段的原有负荷数据;T个时段可以构成一个日周期,即一天;预置个日周期可以设置为D天,每个用户每天均有一个一维负荷向量,即求取每个用户在D天内每个时段的平均值,就可以得到每个用户D天的平均负荷向量。具体的求解平均负荷向量公式为:
步骤205、将平均负荷向量进行归一化处理,得到归一化负荷向量。
需要说明的是,将一维负荷向量按照D天求取平均值后,再进行归一化处理,得到归一化负荷向量:
步骤206、根据用户的典型用电模式对所有用户曲线化的归一化负荷向量进行初始化分类,获取多个聚类中心曲线。
步骤207、计算每个用户的负荷曲线与每个聚类中心曲线的形状相似度,并将负荷曲线归入相似度最高的聚类中心曲线对应的类别中,得到新的负荷曲线分类。
需要说明的是,经过归一化的向量曲线化后,具有较为突出的形状特征,通过曲线的形状的相似度对曲线进行类别的划分能够得到用电模式相同或者类似的用户。计算每条曲线与聚类中心曲线的形状相似度,将该曲线归入与之相似度最高的聚类中心曲线所在的类别中,具体公式如下:
需要说明的是,距离d的具体求解公式可以表达为:
步骤208、在新的负荷曲线分类中计算新聚类中心曲线,重复步骤207,直至迭代收敛,得到收敛的分类结果。
其中,新聚类中心曲线为每个类别中所有曲线的平均值曲线。
需要说明的是,收敛的状态是聚类中心曲线跟新前后基本不变,分类达到基本稳定的状态,就不需要继续进行分类了,得到以用户用电模式为依据的用户类别。从用户负荷数据中发掘用户群体的典型用电模式,对于不同用电模式的提取其行为特征和用电需求,为其设计最适合的零售电价套餐。随着参与市场的用户数逐渐增加,零售市场将形成全部用户参与交易的市场模式,原有的统一定价模式很难满足全部用户参与市场的多样化的市场需求,需要新的技术方法为市场的多样化需求提供支撑。通过本实施例提供的聚类方法,可以为不同的用电模式的用户设置更加个性化的电价套餐,优化竞争市场的零售电价制定方案。
步骤209、根据分类结果优化预置零售商行为模型和用户行为模型。
需要说明的是,将聚类后的用户分类归属于统一类别的电力用户作为一个用户群体,为其制定相同的电价,并用每个类的中心代表该类的用户群体,然后对预置零售商行为模型和用户行为模型进行优化,得到以下公式:
其中,μr,t为类别r相应的用电量,pr,t为零售商给用户群体r在第t个时段制定的电价。
步骤210、在优化后的用户行为模型的约束下,求解优化后的预置零售商行为模型的最优解,得到目标电力定价。
需要说明的是,这部分的优化及零售商在多种约束条件下进行的利益最大化的优化求解,在满足零售商利益最大化的同时还满足用户的个性化需求。
为了便于理解,请参阅图3,本申请中还提供了一种基于个性化用电需求的电力零售定价装置的实施例,包括:
获取单元301,用于获取预置零售商行为模型,预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求;
建模单元302,用于根据模拟用户对电价的用电反应建立用户行为模型,用户行为模型通过用户的线性需求函数定义,用电反应包括用电量;
聚类单元303,用于根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;
优化单元304,用于根据分类结果优化预置零售商行为模型和用户行为模型;
求解单元305,用于在优化后的用户行为模型的约束下,求解优化后的预置零售商行为模型的最优解,得到目标电力定价。
具体的,预置零售商行为模型:
其中,F为零售商的日收入,t=1,2,……T为时段,T个时段为一个日周期,k=1,2,……K用户编号,xk,t为用户k第t个时段的用电量,pk,t为用户k第t个时段的电价,s(xt)为零售商在现货市场第t个时段的第一购电量,pt s为零售商在现货市场在第t个时段的第一购电价格,l(xt)为零售商在中长期市场第t个时段的第二购电量,pt l为零售商在中长期市场第t个时段的第二购电价格;
预置电网负荷平衡要求为:
即零售商在现货市场的第t个时段的第一购电量加上零售商在中长期市场第t个时段的第二购电量需要与所有用户在第t个时段的总用电量平衡。
进一步地,建模单元302包括建模子单元3021,用于将根据用户的用电量与电价建立的用户线性需求函数作为用户行为模型,用户线性需求函数为:
其中xk,t(0)是用户k第t个时段的原用电量,pk,t(0)是用户k第t个时段的原有电价,βt是第t个时段的用户需求弹性参数,pk,t是用户k第t个时段的电价。
聚类单元303具体用于:
S1:将每个用户每日的负荷数据排列成一维负荷向量,并求取每个用户在预置个日周期内的平均负荷向量;
S2:将平均负荷向量进行归一化处理,得到归一化负荷向量;
S3:根据典型用电模式对所有用户曲线化的归一化负荷曲线进行初始化分类,获取多个聚类中心曲线;
S4:计算每个用户的负荷曲线与每个聚类中心曲线的形状相似度,并将负荷曲线归入相似度最高的聚类中心曲线对应的类别中,得到新的负荷曲线分类;
S5:在新的负荷曲线分类中计算新聚类中心曲线,重复步骤S5,直至迭代收敛,得到收敛的分类结果,新聚类中心曲线为每个类别中所有曲线的平均值曲线。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于个性化用电需求的电力零售定价方法,其特征在于,包括:
获取预置零售商行为模型,所述预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求;
根据模拟用户对电价的用电反应建立用户行为模型,所述用户行为模型通过用户的线性需求函数定义,所述用电反应包括用电量;
根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;
根据所述分类结果优化所述预置零售商行为模型和所述用户行为模型;
在优化后的所述用户行为模型的约束下,求解优化后的所述预置零售商行为模型的最优解,得到目标电力定价。
3.根据权利要求2所述的基于个性化用电需求的电力零售定价方法,其特征在于,所述获取预置零售商行为模型,所述预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,所述预置零售商行为模型满足预置电网负荷平衡要求,还包括:
所述预置零售商行为模型满足市场竞争机制,所述市场竞争机制为:
pk,t≤pt(max)
其中pt(max)为零售商在第t个时段的电价最大值。
5.根据权利要求1所述的基于个性化用电需求的电力零售定价方法,其特征在于,所述根据用户的典型用电模式进行负荷曲线聚类,并根据得到的聚类中心对用户的用电模式进行类别的划分,得到收敛的分类结果,包括:
S1:将每个用户每日的负荷数据排列成一维负荷向量,并求取每个用户在预置个日周期内的平均负荷向量;
S2:将所述平均负荷向量进行归一化处理,得到归一化负荷向量;
S3:根据典型用电模式对所有用户线性化的所述归一化负荷向量进行初始化分类,获取多个聚类中心曲线;
S4:计算每个用户的负荷曲线与每个所述聚类中心曲线的形状相似度,并将所述负荷曲线归入所述相似度最高的所述聚类中心曲线对应的类别中,得到新的负荷曲线分类;
S5:在所述新的负荷曲线分类中计算新聚类中心曲线,重复步骤S4,直至迭代收敛,得到收敛的分类结果,所述新聚类中心曲线为每个类别中所有曲线的平均值曲线。
6.根据权利要求1所述的基于个性化用电需求的电力零售定价方法,其特征在于,所述根据所述分类结果修改所述预置零售商行为模型和所述用户行为模型,具体包括:
根据所述分类结果对用电模式相同的用户群设置相同的电价;
以所述分类结果中的每一类的中心作一个新用户,利用新用户更新所述预置零售商行为模型和所述用户行为模型。
7.一种基于个性化用电需求的电力零售定价装置,其特征在于,包括:
获取单元,用于获取预置零售商行为模型,所述预置零售商行为模型用于模拟用户用电费用与零售商收入之间的关系,且满足预置电网负荷平衡要求;
建模单元,用于根据模拟用户对电价的用电反应建立用户行为模型,所述用户行为模型通过用户的线性需求函数定义,所述用电反应包括用电量;
聚类单元,用于根据典型用电模式进行负荷曲线聚类,根据得到的聚类中心对用户的用电模式进行类别的划分,得到分类结果;
优化单元,用于根据所述分类结果优化所述预置零售商行为模型和所述用户行为模型;
求解单元,用于在优化后的所述用户行为模型的约束下,求解优化后的所述预置零售商行为模型的最优解,得到目标电力定价。
10.根据权利要求7中所述的基于个性化用电需求的电力零售定价装置,其特征在于,所述聚类单元具体用于:
S1:将每个用户每日的负荷数据排列成一维负荷向量,并求取每个用户在预置个日周期内的平均负荷向量;
S2:将所述平均负荷向量进行归一化处理,得到归一化负荷向量;
S3:根据典型用电模式对所有用户曲线化的所述归一化负荷向量进行初始化分类,获取多个聚类中心曲线;
S4:计算每个用户的所述负荷曲线与每个所述聚类中心曲线的形状相似度,并将所述负荷曲线归入所述相似度最高的所述聚类中心曲线对应的类别中,得到新的负荷曲线分类;
S5:在所述新的负荷曲线分类中计算新聚类中心曲线,重复步骤S4,直至迭代收敛,得到收敛的分类结果,所述新聚类中心曲线为每个类别中所有曲线的平均值曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014625.9A CN111242458A (zh) | 2020-01-07 | 2020-01-07 | 一种基于个性化用电需求的电力零售定价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014625.9A CN111242458A (zh) | 2020-01-07 | 2020-01-07 | 一种基于个性化用电需求的电力零售定价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242458A true CN111242458A (zh) | 2020-06-05 |
Family
ID=70879870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010014625.9A Pending CN111242458A (zh) | 2020-01-07 | 2020-01-07 | 一种基于个性化用电需求的电力零售定价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242458A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013039553A1 (en) * | 2011-09-17 | 2013-03-21 | Narayam Amit | Load forecasting from individual customer to system level |
CN107392678A (zh) * | 2017-08-25 | 2017-11-24 | 广东工业大学 | 一种电价制定方法及系统 |
CN107909196A (zh) * | 2017-11-08 | 2018-04-13 | 南京工业大学 | 一种考虑用户反弹特性的购售电方法 |
CN107944630A (zh) * | 2017-12-01 | 2018-04-20 | 华北电力大学 | 一种季节性分时电价优化制定方法 |
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 |
CN109934501A (zh) * | 2019-03-18 | 2019-06-25 | 长沙理工大学 | 一种电力零售商参与平衡市场交易的风险规避方法 |
-
2020
- 2020-01-07 CN CN202010014625.9A patent/CN111242458A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013039553A1 (en) * | 2011-09-17 | 2013-03-21 | Narayam Amit | Load forecasting from individual customer to system level |
CN107392678A (zh) * | 2017-08-25 | 2017-11-24 | 广东工业大学 | 一种电价制定方法及系统 |
CN107909196A (zh) * | 2017-11-08 | 2018-04-13 | 南京工业大学 | 一种考虑用户反弹特性的购售电方法 |
CN107944630A (zh) * | 2017-12-01 | 2018-04-20 | 华北电力大学 | 一种季节性分时电价优化制定方法 |
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 |
CN109934501A (zh) * | 2019-03-18 | 2019-06-25 | 长沙理工大学 | 一种电力零售商参与平衡市场交易的风险规避方法 |
Non-Patent Citations (2)
Title |
---|
王星华: "考虑用户差异性的售电公司需求响应电价模型" * |
王星华: "考虑用户差异性的售电公司需求响应电价模型", 《电力建设》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Diffusion of innovations under supply constraints | |
Chuang et al. | A game-theoretic model for generation expansion planning: problem formulation and numerical comparisons | |
US8015045B2 (en) | Method for optimizing net present value of a cross-selling marketing campaign | |
Hartman et al. | Optimizing centralized inventory operations in a cooperative game theory setting | |
CN104252680B (zh) | 关键字自动化出价方法及搜索引擎营销系统 | |
CN112465303A (zh) | 考虑需求响应基于多代理的双边电力市场优化决策方法 | |
CN112688335A (zh) | 一种基于博弈均衡的实时需求响应建模方法 | |
CN109840808A (zh) | 一种基于改进Shapley值的负荷聚集商利润的分摊方法 | |
Cong et al. | Personality-guided cloud pricing via reinforcement learning | |
CN109492863A (zh) | 金融单证的自动生成方法及装置 | |
CN112036625A (zh) | 一种电力市场背景下基于主从博弈的新能源消纳方法 | |
CN106530029A (zh) | 商品发布设置系统及设置方法 | |
CN111242458A (zh) | 一种基于个性化用电需求的电力零售定价方法及装置 | |
CN115276047A (zh) | 电能调度方法、装置及计算机可读存储介质 | |
CN107622352A (zh) | 一种非确定招标的采购决策系统和方法 | |
CN114581140A (zh) | 一种广告投放楼盘的推荐方法、装置及电子设备 | |
CN114298728A (zh) | 一种数据处理方法及相关装置 | |
CN116596640A (zh) | 电力零售电费套餐的推荐方法、系统、设备及存储介质 | |
CN112862175A (zh) | 基于p2p电力交易的本地优化控制方法及装置 | |
CN110689277A (zh) | 一种售电商规避现货市场风险的方法、系统及设备 | |
Andrews | Understanding the effects of quota trading on mobile usage dynamics | |
CN110047001A (zh) | 一种期货数据人工智能分析方法及系统 | |
Schain et al. | Ad exchange–proposal for a new trading agent competition game | |
CN106779875A (zh) | 一种配置虚拟数值的方法以及服务器 | |
CN110163585B (zh) | 一种电子红包的发放方法及装置 |
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 |