CN113313532A - 考虑价格型需求响应的零售套餐定价方法及装置 - Google Patents

考虑价格型需求响应的零售套餐定价方法及装置 Download PDF

Info

Publication number
CN113313532A
CN113313532A CN202110678281.6A CN202110678281A CN113313532A CN 113313532 A CN113313532 A CN 113313532A CN 202110678281 A CN202110678281 A CN 202110678281A CN 113313532 A CN113313532 A CN 113313532A
Authority
CN
China
Prior art keywords
price
electricity
demand response
user
retailer
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
CN202110678281.6A
Other languages
English (en)
Inventor
周保中
范炜
刘敦楠
张继广
李忆
毕圣
吴思翰
周畅游
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Huadian Electric Power Research Institute Co Ltd
Original Assignee
North China Electric Power University
Huadian Electric Power Research Institute 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 North China Electric Power University, Huadian Electric Power Research Institute Co Ltd filed Critical North China Electric Power University
Priority to CN202110678281.6A priority Critical patent/CN113313532A/zh
Publication of CN113313532A publication Critical patent/CN113313532A/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
    • 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
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • 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—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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了考虑价格型需求响应的零售套餐定价方法，包括：根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系；通过构建零售商成本‑收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入影响要素的费用，建立零售价格与成本、收益函数的联系；结合需求响应函数，构建电力零售商的零售套餐定价模型，对零售套餐定价模型进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。本发明结合用户需求响应函数，设计了基于价格型需求响应的零售套餐定价优化模型，使得模型建构更贴近实际，能为零售商差异化定价提供必要的决策支持。

Description

考虑价格型需求响应的零售套餐定价方法及装置
技术领域
本发明涉及电力经济技术领域，特别是涉及考虑价格型需求响应项目实施的零售套餐定价方法及装置。
背景技术
售电市场的放开，正在推动电力零售的快速发展。在竞争性电力市场中，售电商代理交易将会成为电力市场的新常态。为了提升用户粘性，增强电力零售商在售电市场的竞争力，电力零售商不仅需要制定科学合理的零售套餐，还需要开发定制化的增值服务。电力零售价格作为反映供电成本和市场价值的载体，是零售套餐设计的重点；需求响应作为需求侧管理的关键一环，是优化用电行为的必备服务。电力零售商不仅可以代理用户在双边市场进行报价交易，还可以作为负荷聚合商代理用户参与需求响应市场。但目前，大部分的研究集中于激励型需求响应在用户群体的实施方法与激励价格计算，较少研究从售电商的角度出发，探索价格型需求响应机制下售电商的价格决策方法。
因此，有必要研究一种考虑价格型需求响应的零售套餐定价方法及装置，为零售商提供价格决策的支撑。
发明内容
本发明的目的在于设计一种考虑价格型需求响应的零售套餐定价模型，通过分析影响电力零售商收益的相关要素，提出将需求响应收入纳入电力零售商的成本——收益计算函数，构建基于价格型需求响应的零售套餐定价优化模型，形成差异化的用户零售套餐定价策略，为电力零售商定价决策提供依据。
本发明提供考虑价格型需求响应的零售套餐定价模型，所述零售套餐定价方法包括以下步骤：
步骤一：构建用户价格型需求响应函数
根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系。
步骤二：构建电力零售商成本——收益函数。
通过构建零售商成本——收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入等影响要素的费用，建立零售价格与成本、收益函数的联系。
步骤三：构建基于价格型需求响应的零售套餐定价模型。
结合需求响应函数，构建电力零售商的零售套餐定价模型，利用CPLEX求解工具进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。
优选地，所述步骤一包括以下内容：
①构建用户的峰平谷电力需求弹性矩阵Ei，依据电力需求弹性理论，用户不同时段的用电需求变化率与电价变化率的关系可以表示为：
Figure BDA0003121722740000021
Figure BDA0003121722740000022
其中：εff、εpp、εgg分别表示峰时段、平时段以及谷时段用户用电需求的自弹性系数；其余弹性系数表示交叉弹性系数，代表前一时段的用电需求随后时段电价的变化而变化的幅度；ΔQt(t∈f,p,g)代表执行分时电价后时段t用电量的变化值；ΔPt(t∈f,p,g)代表执行分时电价后时段t电价的变化值；Qt(t∈f,p,g)表示先前的用电量水平；Pt(t∈f,p,g)表示先前的电价水平。
②根据用户用电需求变化率与电价变化率之间的关系，建立零售电价与用电量之间的关系。
Figure BDA0003121722740000023
Figure BDA0003121722740000024
Figure BDA0003121722740000025
其中：
Figure BDA0003121722740000026
代表实施需求响应后用户i实时用电量；
Figure BDA0003121722740000027
代表实施需求响应前用户i实时用电量；
Figure BDA0003121722740000028
代表用户i在实施零售套餐前的销售单价；
Figure BDA0003121722740000029
代表实施需求响应后用户i在τ时段内的用电量；
Figure BDA0003121722740000031
代表实施需求响应前用户i实时用电量；F代表峰时段；P代表平时段，G代表谷时段；
优选地，所述步骤二包括以下内容：
①测算零售商批发市场购电成本，计算方式如下：
Figure BDA0003121722740000032
其中：
Figure BDA0003121722740000033
代表电力零售商购电成本；
Figure BDA0003121722740000034
代表年度双边交易市场平均购电电价；
Figure BDA0003121722740000035
代表年度双边交易市场中用户i合约电量；
Figure BDA0003121722740000036
代表月度集中竞价交易市场平均购电电价；
Figure BDA0003121722740000037
代表月度集中竞价市场中用户i合约电量；I代表用户总数。
②测算零售商营销与管理成本，计算方式如下：
Figure BDA0003121722740000038
其中：
Figure BDA0003121722740000039
代表电力零售商营销及管理成本；ρ代表每个套餐的营销与管理产生的平均费用；K代表套餐个数。
③测算零售市场售电收入，计算方式如下：
Figure BDA00031217227400000310
其中：
Figure BDA00031217227400000311
代表电力零售商售电收入；
Figure BDA00031217227400000312
代表用户i在t时段的分时价格；
Figure BDA00031217227400000313
代表用户i在t时段的实时电量；T代表总时段。
④测算需求响应补偿收入，计算方式如下：
Figure BDA00031217227400000314
其中：
Figure BDA00031217227400000315
代表电力零售商的需求响应收益；ψ代表电力零售商与用户签订的需求响应收入分成系数；
Figure BDA00031217227400000316
代表用户i在t时段的实际有效削峰需求响应电量；
Figure BDA00031217227400000317
代表日前削峰需求响应出清价格；
Figure BDA00031217227400000318
代表用户i在t时段的实际有效填谷需求响应电量；
Figure BDA00031217227400000319
代表年度固定填谷需求响应补偿单价。
⑤测算电力零售商的偏差电费，计算方式如下：
Figure BDA00031217227400000320
Figure BDA0003121722740000041
Figure BDA0003121722740000042
其中：
Figure BDA0003121722740000043
代表电力零售商应缴的正偏差电量电费；PE,t代表t时段目录电价；
Figure BDA0003121722740000044
代表用户i在t时段的计划用电量；U1代表调节系数(U1≤1)；
Figure BDA0003121722740000045
代表电力零售商在应返还的负偏差电量电费。
优选地，所述步骤三包括以下内容：
①构建优化变量：
Figure BDA0003121722740000046
其中：
Figure BDA0003121722740000047
代表用户i在t时段的分时价格；
Figure BDA0003121722740000048
代表用户i的峰时段价格；
Figure BDA0003121722740000049
代表用户i的平时段价格；
Figure BDA00031217227400000410
代表用户i的谷时段价格。
②构建优化目标：
Figure BDA00031217227400000411
③构建约束条件：
Figure BDA00031217227400000412
Figure BDA00031217227400000413
Figure BDA00031217227400000414
Figure BDA00031217227400000415
Figure BDA00031217227400000416
其中：θ代表平时电价的削减比例；σ代表谷时电价的削减比例；γ代表日用电量变化率；pu代表零售电价上限价。
④求解方法：
上述模型中的决策变量为分时段用户群的零售电价，式(3-1)为上述变量的计算式表达，(3-2)为关于优化目标的计算表达式，该模型为混合非整数线性规划问题，可以使用目前已广泛应用的CPLEX优化工具对其进行求解。
考虑价格型需求响应的零售套餐定价装置，包括：
构建用户价格型需求响应函数模块，用于根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系；
构建电力零售商成本-收益函数模块，用于通过构建零售商成本-收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入影响要素的费用，建立零售价格与成本、收益函数的联系；
构建基于价格型需求响应的零售套餐定价模型模块，用于结合需求响应函数，构建电力零售商的零售套餐定价模型，对零售套餐定价模型进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。
一种计算设备，包括：一个或多个处理单元；存储单元，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行如上所述的考虑价格型需求响应的零售套餐定价方法。
一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述计算机程序被处理器执行时实现如上所述考虑价格型需求响应的零售套餐定价方法的步骤。
本发明的优点和积极效果是：
本发明根据电力零售商的固定成本、可变成本和具体收益构建了不同电价水平下的电力零售商成本——收益数学表达式，结合用户需求响应函数，设计了基于价格型需求响应的零售套餐定价优化模型，使得模型建构更贴近实际，能为零售商差异化定价提供必要的决策支持。
附图说明
图1是基于价格型需求响应的零售套餐定价优化方法的流程图；
图2(a)是园区内四类用户群中用户群1的用电负荷曲线；
图2(b)是园区内四类用户群中用户群2的用电负荷曲线；
图2(c)是园区内四类用户群中用户群3的用电负荷曲线；
图2(d)是园区内四类用户群中用户群4的用电负荷曲线；
图3是四类用户群的零售套餐定价水平；
图4(a)是园区内四类用户群中用户群1实施需求响应后的用电负荷对比情况；
图4(b)是园区内四类用户群中用户群2实施需求响应后的用电负荷对比情况；
图4(c)是园区内四类用户群中用户群3实施需求响应后的用电负荷对比情况；
图4(d)是园区内四类用户群中用户群4实施需求响应后的用电负荷对比情况；
图5是园区实施需求响应后的用电负荷对比情况。
具体实施方式
为使本发明实施的目的、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更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，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，都属于本发明保护的范围。
考虑价格型需求响应的零售套餐定价方法构造了需求响应模型，分析了包含售电收入、购电支出、响应收入等的售电商成本—收益函数，构建了零售套餐定价模型，从优化定价角度为零售商提供决策支持。
下面结合附图对本发明的实施例进行详细说明。
如图1所示，基于价格型需求响应的零售套餐定价优化方法包括以下步骤：
步骤一：构建用户价格型需求响应函数
根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系。
步骤二：构建电力零售商成本——收益函数。
通过构建零售商成本——收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入等影响要素的费用，建立零售价格与成本、收益函数的联系。
步骤三：构建基于价格型需求响应的零售套餐定价模型。
结合需求响应函数，构建电力零售商的零售套餐定价模型，利用CPLEX求解工具进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。
优选地，所述步骤一包括以下内容：
①构建用户的峰平谷电力需求弹性矩阵Ei，依据电力需求弹性理论，用户不同时段的用电需求变化率与电价变化率的关系可以表示为：
Figure BDA0003121722740000071
Figure BDA0003121722740000072
其中：εff、εpp、εgg分别表示峰时段、平时段以及谷时段用户用电需求的自弹性系数；其余弹性系数表示交叉弹性系数，代表前一时段的用电需求随后时段电价的变化而变化的幅度；ΔQt(t∈f,p,g)代表执行分时电价后时段t用电量的变化值；ΔPt(t∈f,p,g)代表执行分时电价后时段t电价的变化值；Qt(t∈f,p,g)表示先前的用电量水平；Pt(t∈f,p,g)表示先前的电价水平。
②根据用户用电需求变化率与电价变化率之间的关系，建立零售电价与用电量之间的关系。
Figure BDA0003121722740000073
Figure BDA0003121722740000074
Figure BDA0003121722740000081
其中：
Figure BDA0003121722740000082
代表实施需求响应后用户i实时用电量；
Figure BDA0003121722740000083
代表实施需求响应前用户i实时用电量；
Figure BDA0003121722740000084
代表用户i在实施零售套餐前的销售单价；
Figure BDA0003121722740000085
代表实施需求响应后用户i在τ时段内的用电量；
Figure BDA0003121722740000086
代表实施需求响应前用户i实时用电量；F代表峰时段；P代表平时段，G代表谷时段；
优选地，所述步骤二包括以下内容：
①测算零售商批发市场购电成本，计算方式如下：
Figure BDA0003121722740000087
其中：
Figure BDA0003121722740000088
代表电力零售商购电成本；
Figure BDA0003121722740000089
代表年度双边交易市场平均购电电价；
Figure BDA00031217227400000810
代表年度双边交易市场中用户i合约电量；
Figure BDA00031217227400000811
代表月度集中竞价交易市场平均购电电价；
Figure BDA00031217227400000812
代表月度集中竞价市场中用户i合约电量；I代表用户总数。
②测算零售商营销与管理成本，计算方式如下：
Figure BDA00031217227400000813
其中：
Figure BDA00031217227400000814
代表电力零售商营销及管理成本；ρ代表每个套餐的营销与管理产生的平均费用；K代表套餐个数。
③测算零售市场售电收入，计算方式如下：
Figure BDA00031217227400000815
其中：
Figure BDA00031217227400000816
代表电力零售商售电收入；
Figure BDA00031217227400000817
代表用户i在t时段的分时价格；
Figure BDA00031217227400000818
代表用户i在t时段的实时电量；T代表总时段。
④测算需求响应补偿收入，计算方式如下：
Figure BDA00031217227400000819
其中：
Figure BDA00031217227400000820
代表电力零售商的需求响应收益；ψ代表电力零售商与用户签订的需求响应收入分成系数；
Figure BDA00031217227400000821
代表用户i在t时段的实际有效削峰需求响应电量；
Figure BDA00031217227400000822
代表日前削峰需求响应出清价格；
Figure BDA00031217227400000823
代表用户i在t时段的实际有效填谷需求响应电量；
Figure BDA00031217227400000824
代表年度固定填谷需求响应补偿单价。
⑤测算电力零售商的偏差电费，计算方式如下：
Figure BDA0003121722740000091
Figure BDA0003121722740000092
Figure BDA0003121722740000093
其中：
Figure BDA0003121722740000094
代表电力零售商应缴的正偏差电量电费；PE,t代表t时段目录电价；
Figure BDA0003121722740000095
代表用户i在t时段的计划用电量；U1代表调节系数(U1≤1)；
Figure BDA0003121722740000096
代表电力零售商在应返还的负偏差电量电费。
优选地，所述步骤三包括以下内容：
①构建优化变量：
Figure BDA0003121722740000097
其中：
Figure BDA0003121722740000098
代表用户i在t时段的分时价格；
Figure BDA0003121722740000099
代表用户i的峰时段价格；
Figure BDA00031217227400000910
代表用户i的平时段价格；
Figure BDA00031217227400000911
代表用户i的谷时段价格。
②构建优化目标：
Figure BDA00031217227400000912
③构建约束条件：
Figure BDA00031217227400000913
Figure BDA00031217227400000914
Figure BDA00031217227400000915
Figure BDA00031217227400000916
Figure BDA00031217227400000917
其中：θ代表平时电价的削减比例；σ代表谷时电价的削减比例；γ代表日用电量变化率；pu代表零售电价上限价。
④求解方法：
上述模型中的决策变量为分时段用户群的零售电价，式(3-1)为上述变量的计算式表达，(3-2)为关于优化目标的计算表达式，该模型为混合非整数线性规划问题，可以使用目前已广泛应用的CPLEX优化工具对其进行求解。
针对价格型需求响应机制下售电商的价格决策方法，本发明根据电力零售商的固定成本、可变成本和具体收益构建了不同电价水平下的电力零售商成本——收益数学表达式，结合用户需求响应函数，设计了基于价格型需求响应的零售套餐定价优化模型，使得模型建构更贴近实际的同时，能为零售商差异化定价提供必要的决策支持。
考虑价格型需求响应的零售套餐定价装置，包括：
构建用户价格型需求响应函数模块，用于根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系；
构建电力零售商成本-收益函数模块，用于通过构建零售商成本-收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入影响要素的费用，建立零售价格与成本、收益函数的联系；
构建基于价格型需求响应的零售套餐定价模型模块，用于结合需求响应函数，构建电力零售商的零售套餐定价模型，对零售套餐定价模型进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。
一种计算设备，包括：
一个或多个处理单元；
存储单元，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行上述的考虑价格型需求响应的零售套餐定价方法；需要说明的是，计算设备可包括但不仅限于处理单元、存储单元；本领域技术人员可以理解，计算设备包括处理单元、存储单元并不构成对计算设备的限定，可以包括更多的部件，或者组合某些部件，或者不同的部件，例如计算设备还可以包括输入输出设备、网络接入设备、总线等。
一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述计算机程序被处理器执行时实现上述的考虑价格型需求响应的零售套餐定价方法的步骤；需要说明的是，可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合；可读介质上包含的程序可以用任何适当的介质传输，包括，但不限于无线、有线、光缆，RF等等，或者上述的任意合适的组合。例如，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java，C++等，还包括常规的过程式程序设计语言，诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行，或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
下面结合具体实施案例对本发明进行进一步描述：
以一个综合园区内的电力零售商定价决策过程为算例说明本发明的合理性和有效性，园区内四类用户群用电负荷曲线如图2(a)、2(b)、2(c)、2(d)所示，在执行价格型需求响应下的分时电价套餐之前，园区用户执行固定销售电价，电价水平如表1所示。
表1一般用户固定销售单价(元/kWh)
用户种类 固定销售单价
工业用户 0.654
一般工商业用户 0.787
居民用户 0.503
根据电力系统中日用电时段的用电特征，对峰荷、平荷、谷荷的时段进行划分，依据该种时段划分方案，优化模型的计算结果主要考虑对电网侧的综合日负荷曲线起到一定影响效果。在电网侧负荷时段划分方案下，分时时段和优化变量如表2所示。
表2时段划分方案及优化变量
Figure BDA0003121722740000121
在实施案例中：电力零售商推行电价套餐为6个，每个套餐的营销与管理产生的平均费用为18万元；实施需求响应日前削峰需求响应出清价格为2.5元/kWh，填谷需求响应固定补偿单价为1.2元/kWh，总量分成套餐中用户需求响应收入分成比例为0.8，电网侧削峰填谷响应时段为8:00——21:00，主要实施项目为经济性削峰项目；调节系数U1为0.8；批发市场平均购电单价如表3所示；目录电价如表4所示；四类用户群的需求价格弹性系数如表5所示。
表3批发市场平均购电单价(单位：元/kWh)
市场种类 平均购电单价
年度市场 0.5037
月度市场 0.5142
表4目录电价(单位：元/kWh)
时段 购电单价
峰时段 0.930
平时段 0.620
谷时段 0.372
表5不同时段电价的弹性系数
Figure BDA0003121722740000131
经过计算，针对四类用户群的零售套餐定价水平展示于图3，表6。
表6零售电价套餐定价优化结果(单位：元/kWh)
峰时段 平时段 谷时段
用户群1 0.982 0.708 0.433
用户群2 0.951 0.656 0.411
用户群3 1.103 0.756 0.481
用户群4 0.692 0.484 0.314
同时，经优化模型计算后的园区及用户实施需求响应后的用电负荷对比情况展示于图4(a)、4(b)、4(c)、4(d)、5。
从负荷曲线的对比中可以看出，在该方案下，园区及用户的用能曲线是响应电网侧高峰时段进行负荷的削减和转移的。在实施分时电价之后，用户群1由于自身用能特性与大电网侧相仿，因此其响应方向既能优化自身负荷曲线，降低峰谷差率，还能为大电网侧的曲线优化起到作用。其他三类用户由于自身负荷特性与大电网侧有一定差异，按照电网侧的用电时段对其实施需求响应，不免会造成自身峰谷差加大的情况。但同时，通过方案一的响应方式，园区聚合侧用能曲线得到了一定优化，在合理降低峰谷差率的同时提升了供能的可靠性。根据对比结果表明，本发明所提出的考虑价格型需求响应的零售套餐定价方法可以更合理地为零售商实施需求响应情境下的用户差异化定价提供决策依据。
最后需要指出的是：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 (7)

1.考虑价格型需求响应的零售套餐定价方法，其特征在于，包括如下步骤：
S1、构建用户价格型需求响应函数
根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系；
S2、构建电力零售商成本-收益函数
通过构建零售商成本-收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入影响要素的费用，建立零售价格与成本、收益函数的联系；
S3、构建基于价格型需求响应的零售套餐定价模型
结合需求响应函数，构建电力零售商的零售套餐定价模型，对零售套餐定价模型进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。
2.根据权利要求1所述的考虑价格型需求响应的零售套餐定价方法，其特征在于，所述步骤S1包括：
①构建用户的峰平谷电力需求弹性矩阵Ei，依据电力需求弹性理论，用户不同时段的用电需求变化率与电价变化率的关系可以表示为：
Figure FDA0003121722730000011
Figure FDA0003121722730000012
其中：εff、εpp、εgg分别表示峰时段、平时段以及谷时段用户用电需求的自弹性系数；其余弹性系数表示交叉弹性系数，代表前一时段的用电需求随后时段电价的变化而变化的幅度；ΔQt(t∈f,p,g)代表执行分时电价后时段t用电量的变化值；ΔPt(t∈f,p,g)代表执行分时电价后时段t电价的变化值；Qt(t∈f,p,g)表示先前的用电量水平；Pt(t∈f,p,g)表示先前的电价水平；
②根据用户用电需求变化率与电价变化率之间的关系，建立零售电价与用电量之间的关系；
Figure FDA0003121722730000021
Figure FDA0003121722730000022
Figure FDA0003121722730000023
其中：
Figure FDA0003121722730000024
代表实施需求响应后用户i实时用电量；
Figure FDA0003121722730000025
代表实施需求响应前用户i实时用电量；
Figure FDA0003121722730000026
代表用户i在实施零售套餐前的销售单价；
Figure FDA0003121722730000027
代表实施需求响应后用户i在τ时段内的用电量；
Figure FDA0003121722730000028
代表实施需求响应前用户i实时用电量；F代表峰时段；P代表平时段，G代表谷时段。
3.根据权利要求2所述的考虑价格型需求响应的零售套餐定价方法，其特征在于，所述步骤S2包括：
①测算零售商批发市场购电成本，计算方式如下：
Figure FDA0003121722730000029
其中：
Figure FDA00031217227300000210
代表电力零售商购电成本；
Figure FDA00031217227300000211
代表年度双边交易市场平均购电电价；
Figure FDA00031217227300000212
代表年度双边交易市场中用户i合约电量；
Figure FDA00031217227300000213
代表月度集中竞价交易市场平均购电电价；
Figure FDA00031217227300000214
代表月度集中竞价市场中用户i合约电量；I代表用户总数；
②测算零售商营销与管理成本，计算方式如下：
Figure FDA00031217227300000215
其中：
Figure FDA00031217227300000216
代表电力零售商营销及管理成本；ρ代表每个套餐的营销与管理产生的平均费用；K代表套餐个数；
③测算零售市场售电收入，计算方式如下：
Figure FDA00031217227300000217
其中：
Figure FDA0003121722730000031
代表电力零售商售电收入；
Figure FDA0003121722730000032
代表用户i在t时段的分时价格；
Figure FDA0003121722730000033
代表用户i在t时段的实时电量；T代表总时段；
④测算需求响应补偿收入，计算方式如下：
Figure FDA0003121722730000034
其中：
Figure FDA0003121722730000035
代表电力零售商的需求响应收益；ψ代表电力零售商与用户签订的需求响应收入分成系数；
Figure FDA0003121722730000036
代表用户i在t时段的实际有效削峰需求响应电量；
Figure FDA0003121722730000037
代表日前削峰需求响应出清价格；
Figure FDA0003121722730000038
代表用户i在t时段的实际有效填谷需求响应电量；
Figure FDA0003121722730000039
代表年度固定填谷需求响应补偿单价；
⑤测算电力零售商的偏差电费，计算方式如下：
Figure FDA00031217227300000310
Figure FDA00031217227300000311
Figure FDA00031217227300000312
其中：
Figure FDA00031217227300000313
代表电力零售商应缴的正偏差电量电费；PE,t代表t时段目录电价；
Figure FDA00031217227300000314
代表用户i在t时段的计划用电量；U1代表调节系数(U1≤1)；
Figure FDA00031217227300000315
代表电力零售商在应返还的负偏差电量电费。
4.根据权利要求3所述的考虑价格型需求响应的零售套餐定价方法，其特征在于，所述步骤S3包括：
①构建优化变量：
Figure FDA00031217227300000316
其中：
Figure FDA00031217227300000317
代表用户i在t时段的分时价格；
Figure FDA00031217227300000318
代表用户i的峰时段价格；
Figure FDA00031217227300000319
代表用户i的平时段价格；
Figure FDA00031217227300000320
代表用户i的谷时段价格；
②构建优化目标：
Figure FDA00031217227300000321
③构建约束条件：
Figure FDA0003121722730000041
Figure FDA0003121722730000042
Figure FDA0003121722730000043
Figure FDA0003121722730000044
Figure FDA0003121722730000045
其中：θ代表平时电价的削减比例；σ代表谷时电价的削减比例；γ代表日用电量变化率；pu代表零售电价上限价；
④求解方法：
上述模型中的决策变量为分时段用户群的零售电价，式(3-1)为上述变量的计算式表达，(3-2)为关于优化目标的计算表达式，该模型为混合非整数线性规划问题，可以使用CPLEX优化工具对其进行求解。
5.考虑价格型需求响应的零售套餐定价装置，其特征在于，包括：
构建用户价格型需求响应函数模块，用于根据电力需求价格弹性理论，构建基于需求价格弹性的用户需求响应函数，建立零售价格与用电量之间的关系；
构建电力零售商成本-收益函数模块，用于通过构建零售商成本-收益函数，计算零售商批发市场购电成本、售电市场售电收入、需求响应激励收入影响要素的费用，建立零售价格与成本、收益函数的联系；
构建基于价格型需求响应的零售套餐定价模型模块，用于结合需求响应函数，构建电力零售商的零售套餐定价模型，对零售套餐定价模型进行优化求解，通过优化分时电价这一变量，使零售商单日利润最大化。
6.一种计算设备，其特征在于：包括：
一个或多个处理单元；
存储单元，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行如权利要求1至4中任一项所述的方法。
7.一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述方法的步骤。
CN202110678281.6A 2021-06-18 2021-06-18 考虑价格型需求响应的零售套餐定价方法及装置 Pending CN113313532A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110678281.6A CN113313532A (zh) 2021-06-18 2021-06-18 考虑价格型需求响应的零售套餐定价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110678281.6A CN113313532A (zh) 2021-06-18 2021-06-18 考虑价格型需求响应的零售套餐定价方法及装置

Publications (1)

Publication Number Publication Date
CN113313532A true CN113313532A (zh) 2021-08-27

Family

ID=77379247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110678281.6A Pending CN113313532A (zh) 2021-06-18 2021-06-18 考虑价格型需求响应的零售套餐定价方法及装置

Country Status (1)

Country Link
CN (1) CN113313532A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962751A (zh) * 2021-11-30 2022-01-21 昆明电力交易中心有限责任公司 电力套餐的零售价格预测方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962751A (zh) * 2021-11-30 2022-01-21 昆明电力交易中心有限责任公司 电力套餐的零售价格预测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
Nojavan et al. Optimal bidding strategy of electricity retailers using robust optimisation approach considering time‐of‐use rate demand response programs under market price uncertainties
US8626353B2 (en) Integration of demand response and renewable resources for power generation management
JP6303015B2 (ja) 製品販売促進最適化システム
US20030216971A1 (en) User interface for a system using digital processors and networks to facilitate, analyze and manage resource consumption
CN110852519A (zh) 一种考虑多类型负荷的售电公司最优盈利方法
CN108805437A (zh) 一种售电公司交易运营方法及装置
Wu et al. Research on financing strategy of low-carbon supply chain based on cost-sharing contract
Davidson et al. Evaluating the impact of third-party price reporting and other drivers on residential photovoltaic price estimates
Geetha et al. Optimal replenishment policy for deteriorating items with time sensitive demand under trade credit financing
CN111695943A (zh) 一种计及浮动高峰电价的优化管理方法
Shen et al. Economic dispatch of power systems with LMP-dependent demands: A non-iterative MILP model
Han et al. An optimal bidding and scheduling method for load service entities considering demand response uncertainty
Dewangan et al. Peak-to-average ratio incentive scheme to tackle the peak-rebound challenge in TOU pricing
CN113313532A (zh) 考虑价格型需求响应的零售套餐定价方法及装置
Zarnikau et al. Aggregate industrial energy consumer response to wholesale prices in the restructured Texas electricity market
Ehlen et al. The effects of residential real-time pricing contracts on transco loads, pricing, and profitability: Simulations using the N-ABLE™ agent-based model
Wang et al. Supply chain coordination under trade credit and quantity discount with sales effort effects
Abbasi et al. Supply chain finance: generation and growth of new financing approach
Hofmann Supplier's pricing policy in a just-in-time environment
Wu et al. Pricing method for big data knowledge based on a two-part tariff pricing scheme
JP2022090134A (ja) 管理装置および管理方法
Perakis et al. Multiperiod models with capacities in competitive supply chain
Das et al. Inventory of a differential item sold from two shops under single management with shortages and variable demand
Pundhir et al. Determining decision variables for manufacturer and retailer in the co-operative and non-cooperative environment: A game theory approach
Pattnaik A note on profit-maximization fuzzy EOQ models for deteriorating items with two dimensional sensitive demand

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: 20210827

RJ01 Rejection of invention patent application after publication