CN112288245A - 基于价格驱动和服务驱动的光伏电力消纳方法及系统 - Google Patents

基于价格驱动和服务驱动的光伏电力消纳方法及系统 Download PDF

Info

Publication number
CN112288245A
CN112288245A CN202011120073.6A CN202011120073A CN112288245A CN 112288245 A CN112288245 A CN 112288245A CN 202011120073 A CN202011120073 A CN 202011120073A CN 112288245 A CN112288245 A CN 112288245A
Authority
CN
China
Prior art keywords
electricity
price
industrial park
service
power consumption
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
CN202011120073.6A
Other languages
English (en)
Inventor
王维洲
杨勇
何欣
史玉杰
陈仕彬
常鸿
邢延东
郝如海
黄扬
井天军
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.)
China Agricultural University
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
Original Assignee
China Agricultural University
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
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 China Agricultural University, State Grid Gansu Electric Power Co Ltd, Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd filed Critical China Agricultural University
Priority to CN202011120073.6A priority Critical patent/CN112288245A/zh
Publication of CN112288245A publication Critical patent/CN112288245A/zh
Pending legal-status Critical Current

Links

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q30/0206—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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)

Abstract

本发明实施例提供基于价格驱动和服务驱动的光伏电力消纳方法及系统,从电价驱动和服务驱动两个角度进行商业模式的制定。引入需求响应价格驱动模型构建需求侧的电量电价弹性矩阵，以此判断产业园用户对电价的响应情况。通过文献调研的方法，结合大工业负荷与农业负荷特性的不同点以及产业园的特殊性，构建了与产业园实际情况匹配的电量电价弹性矩阵；根据产业园与服务商的收益函数，利用Stackelberg非合作博弈法构建其可能的最优策略模型，以综合能源服务商利益最大化为算法的目标，产业园购电成本降低为模型约束条件求解双方最优交易策略。

Description

基于价格驱动和服务驱动的光伏电力消纳方法及系统
技术领域
本发明涉及光伏电力消纳技术领域，尤其涉及基于价格驱动和服务驱动的光伏电力消纳方法及系统。
背景技术
当前，我国推进光伏扶贫落实的政策已取得初步成效。一方面，在一定程度上促进了光伏产业的发展、改善了部分农户的生产生活水平；另一方面，也引发了一系列的问题。
众多光伏电源的接入使得原本就相对薄弱的农村电网的运行承压，且光伏发电具有间歇性等特点，进一步恶化了农村电网的电能质量。此外，局部高比例分布式光伏的接入导致电网下网潮流变轻，出现倒送的可能，甚至在严重情况下使部分区域网供负荷特性发生一定的改变，同时也导致电网供需平衡的难度进一步加大。
因此如何合理、合适地消纳光伏电力成为目前电力发展中面临的亟待解决的问题，其中如何通过设计合理的商业模式使电力交易参与者在共赢的前提下实现光伏消纳的目的是目前的新兴研究方向。
在国家政策的积极引导下，分布式光伏大量投入使用，如何正确合理地消纳光伏电能，降低弃光率成为目前清洁能源发展中亟需解决的问题。目前的研究主要是从电力供需侧间互动博弈的角度出发研究智能用电策略。一方面，供电侧可通过调整电价的方式缓解用电高峰时段的供电压力；另一方面，需求侧可以通过对电价的响应，调整自身用电习惯，降低用电成本。通过以各市场参与者利益最大化的视角出发构建多方博弈模型，在平衡各方收益、降低系统用电成本的前提下，达到促进光伏消纳的效果。
然而，现有的方法仅仅考虑了价格对供需侧发、用电的影响程度，尤其是对光伏这种出力受天气影响情况较大的电能形式不具有针对性。
发明内容
本发明实施例提供一种基于价格驱动和服务驱动的光伏电力消纳方法及系统，利用Stackelberg非合作博弈法构建其可能的最优策略模型，以综合能源服务商利益最大化为算法的目标，产业园购电成本降低为模型约束条件求解双方最优交易策略。
第一方面，本发明实施例提供一种基于价格驱动和服务驱动的光伏电力消纳方法，包括：
基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
作为优选的，所述用电量电价弹性矩阵为：
Figure BDA0002731683820000021
Figure BDA0002731683820000022
式中，i和j表示不同的时点，Qi表示i时点测得的该时段的用电量，ΔQi表示由于价格变动而引起的用电量的变化量，pi和pj分别代表i和j时点的电价，Δpi表示i时点的电价变化；
实行峰平谷分时电价后需求侧各时段的用电需求量变化为：
Figure BDA0002731683820000031
Figure BDA0002731683820000032
式中，E为电力电价弹性矩阵，n为电价划分时段数。
作为优选的，实行峰平谷分时电价后各时段的实际用电量为：
Figure BDA0002731683820000033
作为优选的，所述综合服务商收益函数和所述产业园收益函数分别为：
Figure BDA0002731683820000034
Figure BDA0002731683820000035
式中，pf，pp，pg分别为峰平谷时段服务商卖给产业园的单位售电电价，P0为服务商售卖给电网企业的电价收入，c为服务商的单位购电成本；qi,qj,qk为受到光伏出力情况的约束的参数。
作为优选的，求取交易策略模型的电力交易最优解，具体包括：
基于改进的粒子群算法求取交易策略模型的纳什均衡解：
改进的粒子群算法模型包括D维空间，N个粒子，其中每个粒子主要由三个变量定义，第i个粒子由三个D维空间向量表征，分别为当前粒子位置：
X＝(xi1,xi2,…,xiD),i＝1,2,…,N
第i个粒子的飞行速度：
V＝(vi1,vi2,…,viD),i＝1,2,…,N
记录第i个粒子的历史最优位置：
Pbest＝(pi1,pi2,…,piD),i＝1,2,…,N
记录搜索到的全局历史最优粒子位置：
Gbest＝(g1,g2,…,gD)
对于每一个粒子，其d维(1≤d≤D)速度及位置根据如下等式更新：
vid＝ω·vid+c1·rand()·(pid-xid)+c2·rand()·(pgd-xid)
xid＝xid+vid
ω＝ωini+(ωmax-ωmin)·(gen-t)/gen
c1＝c1max-(c1max-c1min)·(t/gen)^2
c2＝c1min+(c1max-c1min)·(t/gen)^2
式中，ω为惯性权重，决定了粒子先前的飞行速度对当前更新速度值的影响程度；gen为迭代次数，t为当前迭代代数；c1和c2为粒子学习因子；rand()为可以生成范围[0,1]内的随机函数。
作为优选的，确定增值服务的定价，具体包括：
获取产业园的负荷转移带来的收益及种植效果提升带来的产业园增产收益；
其中，负荷转移部分通过引入负荷迁移系数load_tran表征产业园负荷迁移的程度，通过负荷转移带来的购电成本的降低公式为：
Δc1＝load_tran*(p1'0-p10)
式中，p10为转移前该时段的购电电价，p'10为转移后新时段的购电电价；
种植效果提升带来的产业园增产收益部分可以通过产量提升比例production_inc表征，具体计算公式为：
Δr＝production_inc*q0
式中，q0为未经过技术改造前的产业园产量；
信息增值服务增收部分通过引入节电效益系数pow_save表征，具体计算方式为：
Δc2＝-pow_save*p20
式中，p20为节电时段对应的购电电价；
服务商为产业园提供的增值服务的定价的上限和下限分别为：
PH＝Δr-Δc1-Δc2
PL＝∑salary·man_hour
式中，salary代表员工每小时工资，man_hour表示该服务的等效工时；
服务商为产业园提供的增值服务的最终价格为：
Pser＝per·PH(Pser＞PL)。
第二方面，本发明实施例提供一种基于价格驱动和服务驱动的光伏电力消纳系统，包括价格驱动模块和服务驱动模块；
所述价格驱动模块，基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
所述服务驱动模块，构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
作为优选的，所述用电量电价弹性矩阵为：
Figure BDA0002731683820000051
Figure BDA0002731683820000061
式中，i和j表示不同的时点，Qi表示i时点测得的该时段的用电量，ΔQi表示由于价格变动而引起的用电量的变化量，pi和pj分别代表i和j时点的电价，Δpi表示i时点的电价变化；
实行峰平谷分时电价后需求侧各时段的用电需求量变化为：
Figure BDA0002731683820000062
Figure BDA0002731683820000063
实行峰平谷分时电价后各时段的实际用电量为：
Figure BDA0002731683820000064
式中，E为电力电价弹性矩阵，n为电价划分时段数。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于价格驱动和服务驱动的光伏电力消纳方法的步骤。
第四方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于价格驱动和服务驱动的光伏电力消纳方法的步骤。
本发明实施例提供的基于价格驱动和服务驱动的光伏电力消纳方法及系统，包括以下优点：
1)引入需求响应价格驱动模型构建需求侧的电量电价弹性矩阵，以此判断产业园用户对电价的响应情况；
2)通过文献调研的方法，结合大工业负荷与农业负荷特性的不同点以及产业园的特殊性，构建与产业园实际情况匹配的电量电价弹性矩阵；
3)根据产业园与服务商的商业模式求取各方收益函数作为后续算法中的适应度函数；
4)利用Stackelberg非合作博弈法构建其可能的最优策略模型，以综合能源服务商利益最大化为算法的目标，产业园购电成本降低为模型约束条件求解双方最优交易策略；
5)利用改进的粒子群算法进行模型的迭代求解，引入种群进化过程中可能存在的变异情况以避免算法过早收敛于局部最优解，同时通过动态改变算法中的惯性权重因子以及学习因子的方式，实现算法更加高效运行，为后续的自动化系统奠定算法基础，争取宝贵时间；
6)在产业园与综合能源服务商之间的电力交易中引入服务驱动模式，构建产业园与服务商增值服务定价模型，增加产业园与服务商间合作的黏性，并以服务所得利润再分配的方式为服务商提供的增值服务定价。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于价格驱动和服务驱动的光伏电力消纳方法的流程示意图；
图2是本发明实施例提供的设计方案流程图；
图3是本发明实施例提供的电力商品需求曲线示意图；
图4为本发明实施例提供的粒子群算法流程示意图；
图5为本发明实施例提供的粒子群优化算法结果示意图；
图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在国家政策的积极引导下，分布式光伏大量投入使用，如何正确合理地消纳光伏电能，降低弃光率成为目前清洁能源发展中亟需解决的问题。目前的研究主要是从电力供需侧间互动博弈的角度出发研究智能用电策略。一方面，供电侧可通过调整电价的方式缓解用电高峰时段的供电压力；另一方面，需求侧可以通过对电价的响应，调整自身用电习惯，降低用电成本。通过以各市场参与者利益最大化的视角出发构建多方博弈模型，在平衡各方收益、降低系统用电成本的前提下，达到促进光伏消纳的效果。
然而，现有的方法仅仅考虑了价格对供需侧发、用电的影响程度，尤其是对光伏这种出力受天气影响情况较大的电能形式不具有针对性。除价格驱动外，本发明引入服务驱动双方交易的形式，通过附加服务的方式增加双方合作粘性，进一步达到共赢的效果，实现现有模式下的帕累托最优。
以下将通过多个实施例进行展开说明和介绍。
本发明实施例提供一种基于价格驱动和服务驱动的光伏电力消纳方法，如图1中所示，包括：
基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
如图2中所示，为本发明实施例的方案流程图；本发明实施例中综合能源服务商主要通过价格以及服务两方面增强对电力客户的吸引力。通过制定合适的电价驱动产业园从服务商处购电，同时通过提供相关增值服务以改变其用电习惯，一方面可以更好地匹配光伏出力情况，另一方面使得产业园用电成本降低，通过这种模式实现服务商收益最大化的效果。
基于我国目前电力行业的实际情况，以及农业产业园消纳扶贫光伏的特殊背景，本发明提出采用Stackelberg博弈法建立服务商与产业园间电力交易的博弈模型，后期可考虑引入区块链技术进行智能化的电力交易，使得各时点的电力交易更具针对性、高效性。
价格驱动方面，利用Stackelberg博弈法求取最优解，其中需要求取需求响应价格驱动模型以衡量需求侧的电量电价响应弹性，确定随电价波动引起的电量改变情况。
在价格驱动产业园负荷转移模式中，需要考察产业园负荷受电价波动的影响程度，引入需求响应价格驱动模型，即通过构建需求侧的电量电价弹性矩阵，衡量产业园用户受电价驱动的程度，以此确定博弈模型中双方达成的电量电价的一种均衡状态。
Stackelberg双寡头模型要求参与厂商知悉彼此的成本和市场需求情况，在该模型中主要涉及两方参与者：领导者与追随者。Stackelberg博弈法可用来分析存在不同行动次序对象的动态博弈，符合电力产业链中的行为情况。服务商视产业园在不同电价下的用电量为已知情况，进而调整其定价策略；产业园视服务商各时段的电量供应及电价水平已定，以调整自己生产情况中各用电时段的分配。该电力交易中的博弈主要来自于双方均出于使自己利益最大化的目的进行购售电策略的选择。通过双方的博弈，可以达到各时段电量与电价的均衡状态，实现产业园的用电优化。
根据产业园与综合能源服务商的收益函数，考虑综合能源服务商作为博弈中的追随者，产业园作为博弈模型中的领导者的情况，即服务商已知产业园的历史负荷需求情况并可以此测算出其电量电价弹性的情形下，以综合能源服务商利益最大化为目标，产业园购电成本降低为约束条件的交易策略，利用Stackelberg博弈法求取该模式下市场电力交易的最优解。
目前电力公司提供的服务主要可以划分为普遍服务、基本服务、优质服务、增值服务、延伸服务五大类。其中增值服务主要是根据客户的需要而提供的以客户为中心、以提高客户满意度和价值增长为目标的超出标准化服务范围的服务，在实现为客户创造价值的同时为电力公司带来一定的收益，实现双方共赢的经济增长模式。
通过服务商为产业园提供技术支持服务等方式，改变产业园的用电习惯。对产业园的用电时段进行迁移，一方面可以使得产业园的用能分配更高效、更有针对性，实现产业园的增收，另一方面通过技术的改进，可以降低产业园的购电成本。
服务商为产业园提供的增值服务主要包括两方面，一方面提供技术支持服务，另一方面为产业园提供信息化的辅助服务。
技术服务方面，主要通过技术支持服务实现产业园电力负荷从电价峰时段向谷时段的迁移以及产业园种植的技术指导培训活动。一方面可以通过提供相关设备和技术的方式帮助产业园适当地迁移其无法自我转移的负荷，例如产业园的一些日常用水的抽水操作可通过自动化的装置安排在电价低时段进行，减少产业园的购电成本；另一方面，对于产业园的一些必要负荷可通过增设储能装置的方式，将电能转换成其它形式的能量储存起来进行再利用，在衡量产生的经济效益与投入成本之间的平衡后，决定是否以此进行负荷的迁移，例如产业园可以根据服务商提供的技术指导服务进行一些设备的更新优化，通过节能改造的方式直接获得相应的节电效益。此外，通过服务商提供的产业园种植技术的指导培训活动，可以帮助产业园进行种植品种、肥料选择、种植习惯等方面的改进以进一步提升产业园收益。
信息增值服务方面，通过提供用户电力使用情况及时段分布，帮助用户合理转移电量，减少购电成本。通过在用户侧安装智能监控终端，为用户提供分时段用电情况的数据、实现可视化管理，同时提供不同设备的用能分析，为用户提供科学的用电建议，最终实现用户从被动节能到主动节能的转变。通过为用户节电的方式，对于用户来说减少了其购电成本，并以用户节省的成本驱动利益再分配的方式对增值服务计价。
在上述实施例的基础上，作为一种优选的实施方式，如图3中所示，电力作为一种特殊的商品，其价格具有随需求量而变化的属性。需求侧用户对电价的反映情况可以用电量电价弹性矩阵来描述，该矩阵的理论基础为电量电价弹性，即电量变化率与电价变化率的比值，如式(2-1)和(2-2)所示。式(2-1)表示电量电价的自弹性系数，式(2-2)表示电量电价的交叉弹性系数。
Figure BDA0002731683820000111
Figure BDA0002731683820000112
式中，i和j表示不同的时点，Qi表示i时点测得的该时段的用电量，ΔQi表示由于价格变动而引起的用电量的变化量，pi和pj分别代表i和j时点的电价，Δpi表示i时点的电价变化。
电力电价弹性矩阵如式(2-3)所示，以此可得实施峰平谷分时电价后需求侧各时段的用电需求量变化情况如式(2-4)所示。
Figure BDA0002731683820000113
Figure BDA0002731683820000121
式中，E为电力电价弹性矩阵，n为电价划分时段数。
综上，实行分时电价后各时段的实际用电量可用式(2-5)求得。
Figure BDA0002731683820000122
在上述实施例的基础上，作为一种优选的实施方式，需要获取各参与方收益函数，包括：
(1)服务商收益函数
对于服务商，其收益包括来自产业园的售电收益和电网企业的售电收益，以及购电成本三部分。其收益函数计算公式为：
Figure BDA0002731683820000123
式中，pf，pp，pg分别为峰平谷时段服务商卖给产业园的单位售电电价(即产业园购电电价)，P0为服务商售卖给电网企业的电价收入，c为服务商的单位购电成本。其中，实际的qi,qj,qk受到光伏出力情况的约束。
(2)产业园收益函数
在购电交易中产业园的收益函数即为购电成本的负值，该值的升高即表示产业园购电成本的较少。其收益函数计算公式为：
Figure BDA0002731683820000124
在上述实施例的基础上，作为一种优选的实施方式，Stackelberg双寡头模型要求参与厂商知悉彼此的成本和市场需求情况，在该模型中主要涉及两方参与者：领导者与追随者。Stackelberg博弈法可用来分析存在不同行动次序对象的动态博弈，符合电力产业链中的行为情况。服务商视产业园在不同电价下的用电量为已知情况，进而调整其定价策略；产业园视服务商各时段的电量供应及电价水平已定，以调整自己生产情况中各用电时段的分配。该电力交易中的博弈主要来自于双方均出于使自己利益最大化的目的进行购售电策略的选择。通过双方的博弈，可以达到各时段电量与电价的均衡状态，实现产业园的用电优化。
根据产业园与综合能源服务商的收益函数，考虑综合能源服务商作为博弈中的追随者，产业园作为博弈模型中的领导者的情况，即服务商已知产业园的历史负荷需求情况并可以此测算出其电量电价弹性的情形下，以综合能源服务商利益最大化为目标，产业园购电成本降低为约束条件的交易策略，利用Stackelberg博弈法求取该模式下市场电力交易的最优解。
根据纳什均衡的定义可以知道，上述市场主体交易决策的出发点均为自身收益最大化。通过反复的博弈达到纳什均衡点时，任何一方市场参与者单方面改变策略都无法使其他参与者改变交易策略以获更多的收益。
为了求解文中所述的Stackelberg非合作博弈模型，本文基于改进的粒子群算法求取该博弈模型的纳什均衡解。
求取交易策略模型的电力交易最优解，具体包括：
基于改进的粒子群算法求取交易策略模型的纳什均衡解：
改进的粒子群算法模型包括D维空间，N个粒子，其中每个粒子主要由三个变量定义，第i个粒子由三个D维空间向量表征，分别为当前粒子位置：
X＝(xi1,xi2,…,xiD),i＝1,2,…,N
第i个粒子的飞行速度：
V＝(vi1,vi2,…,viD),i＝1,2,…,N
记录第i个粒子的历史最优位置：
Pbest＝(pi1,pi2,…,piD),i＝1,2,…,N
记录搜索到的全局历史最优粒子位置：
Gbest＝(g1,g2,…,gD)
对于每一个粒子，其d维(1≤d≤D)速度及位置根据如下等式更新：
vid＝ω·vid+c1·rand()·(pid-xid)+c2·rand()·(pgd-xid)
xid＝xid+vid
ω＝ωini+(ωmax-ωmin)·(gen-t)/gen
c1＝c1max-(c1max-c1min)·(t/gen)^2
c2＝c1min+(c1max-c1min)·(t/gen)^2
式中，ω为惯性权重，决定了粒子先前的飞行速度对当前更新速度值的影响程度；gen为迭代次数，t为当前迭代代数；c1和c2为粒子学习因子；rand()为可以生成范围[0,1]内的随机函数。
此外，粒子的速度因求解问题的特殊性可以设定不同的范围，即在执行速度更新公式(2-12)后，需对当前生成的下一时点的速度值进行取值的判断。
考虑每个粒子产生变异的可能性，引入随机变异的部分粒子，以进一步优化算法，避免过早收敛的可能性。
通过对粒子群算法中部分公式的改进，使得在算法搜索初期全局搜索权重较高，后期局部搜索权重较高，在一定程度上避免粒子群算法陷入局部最优的情况。
利用改进的粒子群算法模拟产业园与服务商间的博弈过程，通过迭代寻优，利用式(2-12)和(2-13)不断更新博弈过程中双方的最优选择，最终在解空间内求得当前约束条件下双方交易的最优策略。粒子群迭代求解算法的基本流程如图4中所示。
在上述实施例的基础上，作为一种优选的实施方式，服务驱动方面，构建产业园增值服务效益模型。
目前电力公司提供的服务主要可以划分为普遍服务、基本服务、优质服务、增值服务、延伸服务五大类。其中增值服务主要是根据客户的需要而提供的以客户为中心、以提高客户满意度和价值增长为目标的超出标准化服务范围的服务，在实现为客户创造价值的同时为电力公司带来一定的收益，实现双方共赢的经济增长模式。
通过服务商为产业园提供技术支持服务等方式，改变产业园的用电习惯。对产业园的用电时段进行迁移，一方面可以使得产业园的用能分配更高效、更有针对性，实现产业园的增收，另一方面通过技术的改进，可以降低产业园的购电成本。
服务商为产业园提供的增值服务主要包括两方面，一方面提供技术支持服务，另一方面为产业园提供信息化的辅助服务。
技术服务方面，主要通过技术支持服务实现产业园电力负荷从电价峰时段向谷时段的迁移以及产业园种植的技术指导培训活动。一方面可以通过提供相关设备和技术的方式帮助产业园适当地迁移其无法自我转移的负荷，例如产业园的一些日常用水的抽水操作可通过自动化的装置安排在电价低时段进行，减少产业园的购电成本；另一方面，对于产业园的一些必要负荷可通过增设储能装置的方式，将电能转换成其它形式的能量储存起来进行再利用，在衡量产生的经济效益与投入成本之间的平衡后，决定是否以此进行负荷的迁移，例如产业园可以根据服务商提供的技术指导服务进行一些设备的更新优化，通过节能改造的方式直接获得相应的节电效益。此外，通过服务商提供的产业园种植技术的指导培训活动，可以帮助产业园进行种植品种、肥料选择、种植习惯等方面的改进以进一步提升产业园收益。
信息增值服务方面，通过提供用户电力使用情况及时段分布，帮助用户合理转移电量，减少购电成本。通过在用户侧安装智能监控终端，为用户提供分时段用电情况的数据、实现可视化管理，同时提供不同设备的用能分析，为用户提供科学的用电建议，最终实现用户从被动节能到主动节能的转变。通过为用户节电的方式，对于用户来说减少了其购电成本，并以用户节省的成本驱动利益再分配的方式对增值服务计价。
对于服务商提供的增值服务的计价方式主要有两种，用电管理承包型和仅提供增值服务型两种。用电管理承包型的产业园通过从服务商处购买电力的同时享受低价的增值服务，而若仅仅购买服务商的增值服务的价格则与市价持平。这里本实施例考虑产业园享受用电管理承包型的服务。
其中在技术服务方面的收益主要分为两部分，负荷转移带来的收益及种植效果提升带来的产业园增产收益。负荷转移部分通过引入负荷迁移系数load_tran表征产业园负荷迁移的程度，通过负荷转移带来的购电成本的降低可用式(2-17)表示。种植效果提升带来的产业园增产收益部分可以通过产量提升比例production_inc表征，具体计算公式如式(2-18)所示。
Δc1＝load_tran*(p'10-p10) (2-17)
式中，p10为转移前该时段的购电电价，为转移后新时段的购电电价。
Δr＝production_inc*q0 (2-18)
式中，q0为未经过技术改造前的产业园产量。
信息增值服务方面的收益主要考虑通过合理管控用电使用达到节能效果的情况，即用户节电行为带来的购电成本的降低。该服务的增收部分通过引入节电效益系数pow_save表征，具体计算方式如式(2-19)所示。
Δc2＝-pow_save*p20 (2-19)
式中，p20为节电时段对应的购电电价。
在服务商为产业园提供的增值服务的定价方面，考虑机会成本的综合权衡，产业园会选择消费者剩余价值最大的方案。因此该增值服务效益模型的价格上限需低于该服务为产业园带来的增产增收部分与购电成本的减少部分(考虑选择该服务可能产生的谈判、签合约等时间价值成本)，可用式(2-20)表示。
PH＝Δr-Δc1-Δc2 (2-20)
该增值服务定价的下限为服务商提供该服务的最低成本，这里主要考虑对应的工时费用。
PL＝∑salary·man_hour (2-21)
式中，salary代表员工每小时工资，man_hour表示该服务的等效工时。
服务商通过为产业园提供增值服务的方式，驱动产业园峰谷电量使用时段的迁移甚至达到用户主动节电的效果，同时通过适当的种植指导等方式使产业园增产，增加产业园对服务商技术的依赖。该服务最终价格的确定主要通过服务利润再分配的方式进行定价，引入服务划分百分比per作为该服务的最终价格，驱动产业园与服务商之间的合作共赢。
Pser＝per·PH(Pser＞PL) (2-22)
本发明实施例的方案的实验验证采用甘肃省某地区马铃薯产业园的实例，选取2019年下半年的数据，进行产业园与服务商博弈交易策略模型的求解。
在2019年甘肃出台的政策引导储能峰谷价差模式发展中，将甘肃电网划分为高峰、平段、低谷3个时段，具体时段划分情况如表1所示。
表1甘肃省峰平谷时段电价情况表
Figure BDA0002731683820000171
在需求响应价格驱动模型中，电量电价弹性矩阵的确定需要依托一定的数据基础。鉴于目前尚无法获得产业园大量数据的情况，采用文献调研的方法，结合文献中的大工业用户电力电价弹性矩阵，通过比对产业园与大工业负荷的区别、用户峰谷负荷转移意愿的大小以及农业生产用户的价格承受能力，根据大工业负荷的电价弹性矩阵确定产业园的需求响应价格驱动模型。最终确定的弹性矩阵如下所示：
Figure BDA0002731683820000181
考虑该模型中的主要约束条件如下：
(1)光伏出力约束
Figure BDA0002731683820000182
qgf,qgp,qgg分别表示光伏电站对应的峰平谷时段的最大出力；
(2)产业园成本约束
Figure BDA0002731683820000183
式中，
Figure BDA0002731683820000184
表示产业园从电网企业购电方案的单位电价情况。
(3)峰平谷电价约束条件
基于产业园电价承受能力及峰平谷划分情况，制定售电电价的峰平谷价格段如下所示：
Figure BDA0002731683820000185
式中，Pf,0，Pp,0，Pg,0分别代表原峰平谷电价。
其中对于产业园来说各时段的电价接受区间可通过后期引入大数据分析的方式进行进一步优化。
图5位粒子群优化算法结果示意图，利用前述优化的粒子群算法，求解服务商和产业园的电力交易模型，最终求得最佳情况下服务商的日收益为108.60元，此时对应的峰平谷时段电价分别为0.7877元/千瓦时、0.4170元/千瓦时和0.2215元/千瓦时。
最后求得优化后的峰平谷电价情况如下表所示。
表2博弈前后峰平谷时段电价对比
Figure BDA0002731683820000191
表注：数据单位为元/千瓦时
该模式下求得服务商的利润为R＝108.60元/天；产业园购电的平均电价为C＝0.3133元/千瓦时(原平均单位购电价为0.4071元/千瓦时)
优化后的峰平谷产业园负荷分配情况如下所示：
表3博弈前后峰平谷时段日用电量对比
Figure BDA0002731683820000192
表注：数据单位为千瓦
由结果可以看出峰谷拉开比由原来的0.8213变为0.7432，降低了9.51％。峰时段日负荷也由原来的881.5250kW变为852.5520kW，起到了一定程度上削峰填谷的效果。
通过该模式可以优化产业园的用电结构，在保证产业园购电成本降低的前提下，实现综合能源服务商效益最大化的效果。通过Stackelberg非合作博弈的模式，实现产业园和综合能源服务商共赢的局面，在一定程度上实现系统帕累托最优的效果。
在马铃薯种植产业园增值服务的引入中，主要通过对提供的信息与技术支持服务带来的利润再分配的方式确定增值服务的定价。
1.收益计算
(1)技术增值服务——负荷转移带来的收益
原理：由光伏消纳的总目标及产业园成本降低的约束条件分析可知负荷的转移只能通过从负荷峰时段转移到平时段实现，因夜间光伏出力近似为零，任意时刻的负荷转移到谷时段(即夜间)均会导致光伏消纳程度进一步下降。
计算：利用式(2-17)可以求得负荷转移降低的购电成本，考虑到技术的约束及负荷转移的有限，负荷转移系数取10％。可求得对于产业园来说，增值服务带来的月度成本收益达948.12元。
(2)技术增值服务——种植效果提升带来的产业园增产收益
在衡量种植指导等服务带来的增产效果中由于产业园收益无法获取的限制，将其等效为成本的降低，取产量提升比例为5％，利用式(2-18)可求得增产效果带来的月度等效收益为1704.07元。
(3)信息增值服务方面的收益
在衡量信息增值服务带来的收益中，考虑用户节电电量大致为目前产业园用电量的2％，由式(2-19)可求得节省的月度购电费用约为470.74元。由以上计算代入式(2-20)可知该服务的综合收益为3122.93元/月。
2.成本计算
(1)信息增值服务
考虑该增值服务需要投入的人力成本，其中信息增值服务主要的成本来自于自动化设备投入的固定成本，通过长期服务的收益由设备折旧慢慢收回，此外，提供电能质量分析的服务等效为4工时的成本。
(2)技术增值服务
技术支持服务约折合为22工时。按甘肃省平均人工费80元/天计算，利用式(2-21)可求得该服务的成本为2080元/月。由此可求得该服务的月度净收益约为1042.93元。
3.服务定价
将服务所产生的收益再分配的方式进行双方利益的划分，取服务划分百分比为60％，因此在该实例中增值服务的收费标准约为2705.76元/月。为增加用户粘性，吸引用户选用服务商的服务，可以通过与产业园签订长期合作的方式将收费标准定在2600～2650元之间，实现双方互惠共赢的效果。
本发明通过分析产业园与综合能源服务商之间的交易策略，从电价驱动和服务驱动两个角度进行商业模式的制定。引入需求响应价格驱动模型构建需求侧的电量电价弹性矩阵，以此判断产业园用户对电价的响应情况。通过文献调研的方法，结合大工业负荷与农业负荷特性的不同点以及产业园的特殊性，构建了与产业园实际情况匹配的电量电价弹性矩阵；根据产业园与服务商的收益函数，利用Stackelberg非合作博弈法构建其可能的最优策略模型，以综合能源服务商利益最大化为算法的目标，产业园购电成本降低为模型约束条件求解双方最优交易策略；并利用改进的粒子群算法进行模型的迭代求解，引入种群进化过程中可能存在的变异情况以避免算法过早收敛于局部最优解，同时通过动态改变算法中的惯性权重因子以及学习因子的方式，实现算法更加高效运行，为后续的自动化系统奠定算法基础，争取宝贵时间；同时考虑服务驱动的模式，增加产业园与服务商间合作的黏性，并以服务所得利润再分配的方式为服务商提供的增值服务定价。可以求得已知情况下的最优交易电价和增值服务定价。
本发明实施例还提供一种基于价格驱动和服务驱动的光伏电力消纳系统，基于上述各实施例中的方法，包括价格驱动模块和服务驱动模块；
所述价格驱动模块，基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
所述服务驱动模块，构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)410、通信接口(communication interface)420、存储器(memory)430和通信总线(bus)440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行有轨电车定位的方法，该方法包括：
基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
此外，上述的存储器430中的逻辑指令可以通过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，本发明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，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明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(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，上述的存储器430中的逻辑指令可以通过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，本发明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，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的有轨电车定位的方法，该方法包括：基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的以执行基于价格驱动和服务驱动的光伏电力消纳方法，该方法包括：基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于价格驱动和服务驱动的光伏电力消纳方法，其特征在于，包括：
基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
2.根据权利要求1所述的基于价格驱动和服务驱动的光伏电力消纳方法，其特征在于，所述用电量电价弹性矩阵为：
Figure FDA0002731683810000011
Figure FDA0002731683810000012
式中，i和j表示不同的时点，Qi表示i时点测得的该时段的用电量，ΔQi表示由于价格变动而引起的用电量的变化量，pi和pj分别代表i和j时点的电价，Δpi表示i时点的电价变化；
实行峰平谷分时电价后需求侧各时段的用电需求量变化为：
Figure FDA0002731683810000013
Figure FDA0002731683810000021
式中，E为电力电价弹性矩阵，n为电价划分时段数。
3.根据权利要求2所述的基于价格驱动和服务驱动的光伏电力消纳方法，其特征在于，实行峰平谷分时电价后各时段的实际用电量为：
Figure FDA0002731683810000022
4.根据权利要求1所述的基于价格驱动和服务驱动的光伏电力消纳方法，其特征在于，所述综合服务商收益函数和所述产业园收益函数分别为：
Figure FDA0002731683810000023
Figure FDA0002731683810000024
式中，pf，pp，pg分别为峰平谷时段服务商卖给产业园的单位售电电价，P0为服务商售卖给电网企业的电价收入，c为服务商的单位购电成本；qi,qj,qk为受到光伏出力情况的约束的参数。
5.根据权利要求3所述的基于价格驱动和服务驱动的光伏电力消纳方法，其特征在于，求取交易策略模型的电力交易最优解，具体包括：
基于改进的粒子群算法求取交易策略模型的纳什均衡解：
改进的粒子群算法模型包括D维空间，N个粒子，其中每个粒子主要由三个变量定义，第i个粒子由三个D维空间向量表征，分别为当前粒子位置：
X＝(xi1,xi2,…,xiD),i＝1,2,…,N
第i个粒子的飞行速度：
V＝(vi1,vi2,…,viD),i＝1,2,…,N
记录第i个粒子的历史最优位置：
Pbest＝(pi1,pi2,…,piD),i＝1,2,…,N
记录搜索到的全局历史最优粒子位置：
Gbest＝(g1,g2,…,gD)
对于每一个粒子，其d维(1≤d≤D)速度及位置根据如下等式更新：
vid＝ω·vid+c1·rand()·(pid-xid)+c2·rand()·(pgd-xid)
xid＝xid+vid
ω＝ωini+(ωmax-ωmin)·(gen-t)/gen
c1＝c1max-(c1max-c1min)·(t/gen)^2
c2＝c1min+(c1max-c1min)·(t/gen)^2
式中，ω为惯性权重，决定了粒子先前的飞行速度对当前更新速度值的影响程度；gen为迭代次数，t为当前迭代代数；c1和c2为粒子学习因子；rand()为可以生成范围[0,1]内的随机函数。
6.根据权利要求1所述的基于价格驱动和服务驱动的光伏电力消纳方法，其特征在于，确定增值服务的定价，具体包括：
获取产业园的负荷转移带来的收益及种植效果提升带来的产业园增产收益；
其中，负荷转移部分通过引入负荷迁移系数load_tran表征产业园负荷迁移的程度，通过负荷转移带来的购电成本的降低公式为：
Δc1＝load_tran*(p′10-p10)
式中，p10为转移前该时段的购电电价，p′10为转移后新时段的购电电价；
种植效果提升带来的产业园增产收益部分可以通过产量提升比例production_inc表征，具体计算公式为：
Δr＝production_inc*q0
式中，q0为未经过技术改造前的产业园产量；
信息增值服务增收部分通过引入节电效益系数pow_save表征，具体计算方式为：
Δc2＝-pow_save*p20
式中，p20为节电时段对应的购电电价；
服务商为产业园提供的增值服务的定价的上限和下限分别为：
PH＝Δr-Δc1-Δc2
PL＝∑salary·man_hour
式中，salary代表员工每小时工资，man_hour表示该服务的等效工时；
服务商为产业园提供的增值服务的最终价格为：
Pser＝per·PH(Pser＞PL)。
7.一种基于价格驱动和服务驱动的光伏电力消纳系统，其特征在于，包括价格驱动模块和服务驱动模块；
所述价格驱动模块，基于产业园中电力需求侧的用电量对电价的反应情况，构建用电量电价弹性矩阵，基于所述电量电价弹性矩阵获取峰平谷分时电价后各阶段的实时用电量；
获取峰平谷分时电价后的产业园收益函数和综合服务商收益函数；
基于Stackelberg博弈法对产业园收益函数和综合服务商收益函数进行分析，构建以综合服务商收益最大化为目标，产业园购电成本降低为约束条件的交易策略模型，求取交易策略模型的电力交易最优解；
所述服务驱动模块，构建综合服务商为产业园提供增值服务的产业园增值服务效益模型，通过引入负荷迁移系数、产量提升比例、节电效益系数的方式，确定增值服务的定价。
8.根据权利要求7所述的基于价格驱动和服务驱动的光伏电力消纳系统，其特征在于，所述用电量电价弹性矩阵为：
Figure FDA0002731683810000051
Figure FDA0002731683810000052
式中，i和j表示不同的时点，Qi表示i时点测得的该时段的用电量，ΔQi表示由于价格变动而引起的用电量的变化量，pi和pj分别代表i和j时点的电价，Δpi表示i时点的电价变化；
实行峰平谷分时电价后需求侧各时段的用电需求量变化为：
Figure FDA0002731683810000053
Figure FDA0002731683810000054
实行峰平谷分时电价后各时段的实际用电量为：
Figure FDA0002731683810000055
式中，E为电力电价弹性矩阵，n为电价划分时段数。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于价格驱动和服务驱动的光伏电力消纳方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于价格驱动和服务驱动的光伏电力消纳方法的步骤。
CN202011120073.6A 2020-10-19 2020-10-19 基于价格驱动和服务驱动的光伏电力消纳方法及系统 Pending CN112288245A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011120073.6A CN112288245A (zh) 2020-10-19 2020-10-19 基于价格驱动和服务驱动的光伏电力消纳方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011120073.6A CN112288245A (zh) 2020-10-19 2020-10-19 基于价格驱动和服务驱动的光伏电力消纳方法及系统

Publications (1)

Publication Number Publication Date
CN112288245A true CN112288245A (zh) 2021-01-29

Family

ID=74496477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011120073.6A Pending CN112288245A (zh) 2020-10-19 2020-10-19 基于价格驱动和服务驱动的光伏电力消纳方法及系统

Country Status (1)

Country Link
CN (1) CN112288245A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113343571A (zh) * 2021-06-15 2021-09-03 中国农业大学 一种农村配电网中的分布式光伏电能消纳方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113343571A (zh) * 2021-06-15 2021-09-03 中国农业大学 一种农村配电网中的分布式光伏电能消纳方法

Similar Documents

Publication Publication Date Title
Agnetis et al. Optimization models for consumer flexibility aggregation in smart grids: The ADDRESS approach
CN108537363B (zh) 一种配售分开环境下售电公司购电量控制方法
CN109002945A (zh) 一种分时电价下省际电网水电多目标购电优化方法及系统
Chen et al. Customized rebate pricing mechanism for virtual power plants using a hierarchical game and reinforcement learning approach
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
CN109840808A (zh) 一种基于改进Shapley值的负荷聚集商利润的分摊方法
Fernandez et al. An efficient P2P energy trading platform based on evolutionary games for prosumers in a community
CN112288245A (zh) 基于价格驱动和服务驱动的光伏电力消纳方法及系统
Li et al. Analysis of the compound differential evolution game of new energy manufacturers’ two-stage market behavior under the weight of consumption responsibility
CN109687452B (zh) 一种用于配电网供电能力的分析方法、装置及存储介质
CN116542490A (zh) 虚拟电厂日前调度封装模型以及调度出清模型构建方法
Andrews Understanding the effects of quota trading on mobile usage dynamics
CN111402015A (zh) 一种基于购售风险的虚拟电厂双层竞标方法及系统
CN111275285A (zh) 一种计及可中断负荷容量的用电量调控方法和系统
CN113469734B (zh) 一种电力零售用户的交易信息管理方法及装置
Li et al. A novel price-driven energy sharing mechanism for charging station operators
CN108429260A (zh) 售电公司多时间尺度交易电量决策方法和系统
CN110163585B (zh) 一种电子红包的发放方法及装置
CN106779205A (zh) 一种计及市场份额与增值服务投资成本的购售电优化方法
CN111899122B (zh) 一种基于储能控制的用户分散出清方法
Bâra et al. A value sharing method for heterogeneous energy communities archetypes
Uz et al. Household willingness to pay for various attributes of residential solar panels: Evidence from a discrete choice experiment
Choi et al. Optimizing reserve prices in display advertising auctions
Hosseini et al. A Novel Model of Emergency Demand Response Program for Optimal Aggregators’ Strategy
Oh et al. A reinforcement learning-based demand response strategy designed from the Aggregator’s perspective

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: 20210129

RJ01 Rejection of invention patent application after publication