CN115081891A - 一种电力用户增值服务决策方法 - Google Patents
一种电力用户增值服务决策方法 Download PDFInfo
- Publication number
- CN115081891A CN115081891A CN202210739477.6A CN202210739477A CN115081891A CN 115081891 A CN115081891 A CN 115081891A CN 202210739477 A CN202210739477 A CN 202210739477A CN 115081891 A CN115081891 A CN 115081891A
- Authority
- CN
- China
- Prior art keywords
- electricity
- power
- value
- grid
- energy
- 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 33
- 230000005611 electricity Effects 0.000 claims abstract description 131
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 34
- 238000013433 optimization analysis Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007727 cost benefit analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- G06Q10/06312—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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种电力用户增值服务决策方法,包括:步骤S1,基于新一代量测系统的用电数据,进行典型家庭需求响应用能优化分析;步骤S2,基于典型家庭需求响应用能特征,构建分时电价下用户侧需求响应优化模型;步骤S3,结合新能源电网运行及供需平衡,进行基于能源大数据的客户增值服务决策,获取增值服务方法。本发明不仅实现了用户侧的用能优化与能效提升,而且实现了电力系统削峰填谷的出力平稳目标,为市场导向型智能电网提供了良好的参考示范。
Description
技术领域
本发明属于电力用能优化与增值服务技术领域,具体涉及一种电力用户增值服务决策方法。
背景技术
增值服务大多出现在移动通信和互联网领域,但随着互联网技术的快速发展以及信息化建设的逐步推进,增值服务逐渐渗透到了其他的行业领域,例如,矿业权信息增值服务可以提高信息价值,满足客户的信息需求;医疗数据的增值隐私服务可以利用屏蔽数据集提供增值数据分析。有的学者对政府信息资源增值服务进行了分析,从微观层面提出了政府信息资源增值服务研究的基本框架;有的学者提出了电动汽车电池再利用增值服务的建议和配置,可以作为一类信息系统的蓝图,将其他废旧物品再利用作为客户解决方案。还有的学者提出了一种基于因子分析的跑步者群体软件业务增值方案,可以定期从在线跑步社区获取跑步新闻有用信息。
然而,在电力系统领域,增值服务的研究相对较少。客户增值服务系统作为一个营销自动化系统有很多功能,如用电信息采集,监控与分析,用电负荷管理,电能计量,用户行为分析等,主要通过将用户用电信息收集、整合和处理,使得用户可以实现高效查询、节能使用、有序控制等操作。
发明内容
本发明所要解决的技术问题在于,提供一种电力用户增值服务决策方法,以有效减轻电网供电压力,提高电网供电水平,有效应对复杂环境下的用电需求,切实提升电能使用效率。
为解决上述技术问题,本发明提供一种电力用户增值服务决策方法,包括:
步骤S1,基于新一代量测系统的用电数据,进行典型家庭需求响应用能优化分析;
步骤S2,基于典型家庭需求响应用能特征,构建分时电价下用户侧需求响应优化模型;
步骤S3,结合新能源电网运行及供需平衡,进行基于能源大数据的客户增值服务决策,获取增值服务方法。
进一步地,所述步骤S1进行典型家庭需求响应用能优化包括两个阶段:
第一阶段优化,具体是根据家庭能量管理的经济性与用户舒适度,分别得到用电成本与舒适度受影响程度最小为目标函数,然后将两种目标函数综合起来,作为用户参与电网紧急调度情况下的家庭能量管理优化目标;
第二阶段优化,具体是根据峰谷差的用户整体购电波动性,为降低由于用户在同一电价低谷时段集中购电而造成某一时段越限的风险,达到将购电功率平滑的流程,获得第二阶段优化目标函数。
进一步地,所述第一阶段优化中,对于经济性目标函数,用户总的用电费用C1表示为:
其中,tend为当前时段的截止时刻,Pgrid(t)为当前时段从电网中购买的电量;ρgrid(t)为所分析时段用户与电网间的电价,当Pgrid(t)>0,ρgrid(t)表示为购电,当Pgrid(t)<0,ρgrid(t)表示为售电,售电价格定义为该时购电价格的一半;CDG为分布式电源发电成本及损耗折旧费。
进一步地,第二阶段优化目标函数为:
进一步地,所述第二阶段优化目标函数包括:
C3≤C1。
进一步地,所述步骤S1还包括设置家庭能量管理方法约束条件,具体为:
电网功率约束:
|Pgrid(t)|≤Pgrid,max(t)
其中,Pgrid,max(t)表示用户与电网间每个时间段的功率交换限制;
不可中断负荷约束:
tload,start≤tload≤tload,end-N,t∈N*
其中,tload,start,tload,tload,end分别为不可中断负荷的开始时间、运行时间以及结束时间,N为负荷工作时间裕度;
空调负荷约束:
0≤Pair(t)≤Pair,max
Tair,min≤Tin(t)≤Tair,max
其中,Pair(t)为空调制冷时t时段的功率;Pair,max为空调制冷额定功率;Tin(t)为空调制冷时t时段的室内温度;Tair,max,Tair,min分别为室内温度上下限;
热水器负荷约束:
0≤Peh(t)≤Peh,max
Teh,min≤Teh(t)≤Teh,max
其中,Teh(t)为热水器热水在第t时段的温度;Peh,max为热水器加热额定功率;Teh,max、Teh,min分别为电热水器的热水上下限温度。
进一步地,所述步骤S2具体包括如下步骤:
步骤S21,构建单时段需求响应优化模型;
步骤S22,构建多时段需求响应优化模型;
步骤S23,设置实时电价下需求响应的约束条件。
进一步地,所述步骤S21中,假设用户在第i小时的收益为:
M(Di)=N(Di)-piDi
ΔDi=Di-Di0
其中,N(Di)表示第i小时用户用电产生的总收入;piDi为第i小时用户用电成本;Di和pi分别表示第i小时用电需求和第i小时电价;Di0和pi0分别表示第i小时初始用电需求和第i小时初始电价;
则第i小时客户的用电需求量为:
所述步骤S22中,假设第j小时电价由pj0调整到pj,第i小时用户的用电需求量由Di0调整到Di,实施实时电价后,第i小时客户用电需求量为:
其中,Dλ0为多时段基础用电需求,αij为第i个小时与第j个小时之间的互弹性系数,pp0,pf0分别为峰谷平电价机制中的平电价与峰电价;
同时考虑单时段与多时段的综合需求响应模型,得到:
其中,DD为综合基础用电需求:
DD=Di0+Dλ0
进一步地,所述步骤S23中,设最大需求Dmaxl为用户满负荷运行时电能需求,最小需求Dminl为用户满足基本安全生产生活需求时的电能需求,即:
Dminl≤Di≤Dmaxl
设最高电价Pmaxl为保护用户利益而设置的一个最高限值,最低电价Pminl是为了保护售电方利益而设置的一个最低限值,即:
pmin≤pi≤pmax。
进一步地,所述步骤S3具体包括如下步骤:
步骤S31,定义业务场景,包括:电力客户分类及画像、综合能耗评估及用电分析、客户侧用能增值服务三个大场景分类和六个具体实现的场景任务;
步骤S32,根据供电区域、计费方式和支付方式的不同组合,形成不同的增值服务方案。
实施本发明具有如下有益效果:本发明不仅实现了用户侧的用能优化与能效提升,而且实现了电力系统削峰填谷的出力平稳目标,为市场导向型智能电网提供了良好的参考示范;
在能源公司层面,本发明能帮助能源公司更加科学地制定动态价格与需求响应激励政策,并对用能细节监测结果进行分析处理所得的结论可被用于调整、完善和科学评估能源公司正在进行的能效项目、更合理地设计施行未来项目和分配资金;
在居民用户层面,本发明可以结合自身用电习惯、电网状态、动态价格的个性化节能调控建议,家居系统能效状态诊断等,在满足用电用能需求且保证用户舒适度的条件下,可极大地提高居民用电经济效益。并向用户实时反馈每个设备的用能信息为深入挖掘电器的用能规律(包括设备工作状态间的关联性)和了解用户自身用能习惯提供可能性;
在社会层面,本发明能够为企业的工程师、高校的学术研究人员、以及业余爱好者战略性地集中研究精力于某一正确的方向提供依据,能够推动和促进制造商加速开展高能效设备的研发,从而加速能效技术革新、诱发能效市场改革和帮助监管部门科学地制定相关政策,而且能在确定低能效环节的基础上,提高楼宇建筑(尤其是商业楼宇)的能效(包括节约能耗和耗能转移两方面),以减少不必要的能源费、有效缓解能源危机,降低环境污染、减缓温室效应。
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简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例一种电力用户增值服务决策方法的流程示意图。
图2是本发明实施例中四类典型日负荷曲线聚类结果示意图。
图3是本发明实施例中工商业用户在使用用电套餐前后的负荷曲线对比示意图。
具体实施方式
以下各实施例的说明是参考附图,用以示例本发明可以用以实施的特定实施例。
本发明首先采用两阶段优化实现不同场景下的用户的需求侧响应优化,之后利用能源大数据进行分析,根据不同的业务场景,为客户提供提供个性化用能套餐。基于此,请参照图1所示,本发明实施例提供一种电力用户增值服务决策方法,包括:
步骤S1,基于新一代量测系统的用电数据,进行典型家庭需求响应用能优化分析;
步骤S2,基于典型家庭需求响应用能特征,构建分时电价下用户侧需求响应优化模型;
步骤S3,结合新能源电网运行及供需平衡,进行基于能源大数据的客户增值服务决策,获取增值服务方法。
具体地,步骤S1进行典型家庭需求响应用能优化,具体包括两个阶段:
第一阶段优化:家庭能量管理的系统函数需要对经济性与用户舒适度进行综合考虑,分别得到用电成本与舒适度受影响程度最小为目标,两种目标函数综合起来,作为用户参与电网紧急调度情况下的家庭能量管理优化目标。对于经济性目标函数,首先分析其不含风险系数的情况,包括用户用电费用及储能充放电损耗,用户总的用电费用C1表示为:
其中,tend为当前时段的截止时刻,Pgrid(t)为当前时段从电网中购买的电量;ρgrid(t)为所分析时段用户与电网间的电价,当Pgrid(t)>0,ρgrid(t)表示为购电,当Pgrid(t)<0,ρgrid(t)表示为售电,售电价格定义为该时购电价格的一半;CDG为分布式电源发电成本及损耗折旧费,对于分布式可再生能源,其发电成本为0,对于微燃气轮机等,成本为燃气成本。
第二阶段优化:第一阶段的优化目标函数会让用户的净支出成本最小,然而单纯让用户的净支出经济成本最小,会导致一种问题:不可中断负荷的某一时段或者某几个时段的充放电电电量会转移到其他电价相等或者电价之和相等的几个时段,从而会造成多解问题,为了解决这种问题,需要引入第二阶段优化目标函数,该目标函数表述为:
其中,C3为第二阶用户总的用电费用,表示为购电功率平均值,wgrid(t)为电网电价权重,与电价成反比。该目标函数表示为考虑峰谷差的用户整体购电波动性,是为了降低由于用户在同一电价低谷时段集中购电而造成某一时段越限的风险,达到将购电功率平滑的流程。第二阶段的优化需要考虑到与第一阶段的优化相配合,因此除了以上所说的约束条件外,还需要加入:
C3≤C1。
另外,优化决策变量为电动汽车蓄电池功率和可调整负荷的启动时间,因此,其他变量应按照第一阶段优化后的结果继续运行。
设置家庭能量管理方法约束条件,主要包括:(1)电网功率约束;(2)不可中断负荷约束;(3)空调负荷约束;(4)热水器负荷约束。
(1)电网功率约束:
|Pgrid(t)|≤Pgrid,max(t)
其中,Pgrid,max(t)表示用户与电网间每个时间段的功率交换限制。
(2)不可中断负荷约束:
tload,start≤tload≤tload,end-N,t∈N*
其中,tload,start,tload,tload,end分别为不可中断负荷的开始时间、运行时间以及结束时间,N为负荷工作时间裕度。
(3)空调负荷约束:
0≤Pair(t)≤Pair,max
Tair,min≤Tin(t)≤Tair,max
其中,Pair(t)为空调制冷时t时段的功率;Pair,max为空调制冷额定功率;Tin(t)为空调制冷时t时段的室内温度;Δt为一个时段时间;Tair,max,Tair,min分别为室内温度上下限。
(4)热水器负荷约束:
0≤Peh(t)≤Peh,max
Teh,min≤Teh(t)≤Teh,max
其中,Teh(t)为热水器热水在第t时段的温度;Peh,max为热水器加热额定功率;Teh,max、Teh,min分别为电热水器的热水上下限温度。
步骤S2具体包括如下步骤:
步骤S21,构建单时段需求响应优化模型。单时段需求响应指用户在某一时段的用电需求只受当前时段电价影响,负荷不可以转移。假设实时电价每规定时段(该时段可以为一小时、30分钟、15分钟甚至5分钟至1分钟)为一个节点,且pi0为进行需求响应前市场拟出清价,在第i小时将电价由pi0调整到pi,用户给予一定响应,负荷量由Di0调整到Di,假设用户在第i小时的收益为:
M(Di)=N(Di)-piDi
ΔDi=Di-Di0
其中,N(Di)表示第i小时用户用电产生的总收入;piDi为第i小时用户用电成本;Di和pi分别表示第i小时用电需求和第i小时电价;Di0和pi0分别表示第i小时初始用电需求和第i小时初始电价。为了使用户收益最大化(求极大值),就需使为0。并对用户的用电总收入N(Di)进行泰勒展开,保留二次项,略去高阶项并定义自弹性为:经过推导,可得到第i小时客户的用电需求量为:
步骤S22,构建多时段需求响应优化模型。多时段需求响应,指用户在某一时段内的用电需求除了受当前时段电价的影响,并且其他时段电价也影响该时段用电需求,负荷可以转移到其他时间段。假设第j小时电价由pj0调整到pj,第i小时用户给予一定响应,用电需求量由Di0调整到Di。实施实时电价后,第i小时客户用电需求量为:
其中,Dλ0为多时段基础用电需求,αij为第i个小时与第j个小时之间的互弹性系数,pp0,pf0分别为峰谷平电价机制中的平电价与峰电价。
在实施实时电价情况下,若要获得使客户获得最大用电收益的用电消耗量,须同时考虑自身价格弹性和交叉价格弹性,即同时考虑单时段与多时段的综合需求响应模型,得到:
其中,DD为综合基础用电需求:
DD=Di0+Dλ0
步骤S23,设置实时电价下需求响应的约束条件。在同一个售电区域内,包含不同类别的用户,不同类别的用户用电特性不一样,价格弹性也不同,从而负荷调节能力也不同。同时调节范围也有差异。设最大需求Dmaxl为用户满负荷运行时电能需求,最小需求Dminl为用户满足基本安全生产生活需求时的电能需求,即:
Dminl≤Di≤Dmaxl
设最高电价Pmaxl为保护用户利益而设置的一个最高限值,最低电价Pminl应该是为了保护售电方利益而设置的一个最低限值,即:
pmin≤pi≤pmax。
步骤S3具体包括如下步骤:
步骤S31,定义业务场景。基于能源大数据的客户增值服务业务包含:电力客户分类及画像、综合能耗评估及用电分析、客户侧用能增值服务业务三个大场景分类,具体分为六个实现的场景任务,如下表1所示:
表1:典型的业务场景
(1)基于客户用电行为精准分析,能够结合其他客户行为数据(包括缴费行为、投诉行为等),以商业定位、能耗体量等综合用能状况对客户进行分类。
(2)对各类客户进行画像,力求精准刻画客户的行为偏好、信用风险、客户价值等隐性特征,提升企业对客户需求的洞察力,为营销和服务的策划、执行、评估、优化提供宝贵的指引。
(3)用户的综合能耗量化指标计算,针对新形式下的多表一体化采集方案,建立以用电采集为支撑,多种能源(如电、水、气)为一体的综合能耗分析体系,给出用户的综合能耗量化指标。
(4)用户能耗预测及高能耗用户评估,定量分析能够精确反应不同类型用户的能源消耗特性,以现有用户近年来的综合能源消耗时间序列数据为基础,结合国家能源战略方针分析不同类型能源利用效率、清洁能源占比,进行多类型用户能耗预测和评估,获得具有节能潜力的高能耗用户。
(5)个性化电费套餐智能推送,结合客户用能特性,应用客户分类和客户画像技术以及两阶段优化策略输出结果,进行个性化电费套餐推送,实现用户合理用电和电力公司最优盈利的目的。
(6)电力客户远程最佳用电模式分析及节能降耗建议,基于用户用电行为分析结果,用能优化结构、结果以及能耗共享数据库,通过与其他同类用户用能情况横向对比和用户自身历史数据的纵向对比,规划当前场景内的最佳用电模式,给出用户能效升级建议。
步骤S32,根据供电区域、计费方式和支付方式的不同组合,形成不同的增值服务方案。现货市场价差传导模式下的“保底”、“分成”模式将不再适用,售电公司要以正价格形式与用户签约,并为用户设计定制化的用电套餐。现货市场竞争中,用电套餐科学化,将更有利于售电公司和用户。售电公司可以根据供电区域、计费方式和支付方式的不同组合形成不同的套餐并提供给在现货市场的用户。
本实施例提供的分时电价如表2所示。对用户来说,用电思维上已经沿用之前峰平谷的电价,即一天三个电价,而用户或许会更容易去接受峰平谷时段给的用电价格套餐。
表2:分时电价
以深圳市的某综合区域内的工商业用户为研究对象工商业用户的日负荷曲线进行聚类的CH指标值,用户类型分为四类时,簇内数据联系紧密,簇间分散性大,聚类效果最优。将同一用户群内的所有用户的日负荷曲线叠加取平均,得到如图2所示相应类的典型负荷曲线。从图2看出,该区域工商业用户可被分为四类:双峰型、峰平型、平滑型和避峰型。双峰型负荷主要包括大型制造工业,中午由于员工休息负荷明显下降;峰平型负荷包括制衣厂等公司,工作时间固定且规律;平滑型负荷全天负荷波动不大,负荷率较高,多为三班制生产方式,如高温炼炉负荷、大容量高压电机负荷;避峰型负荷比较特殊,其用电高峰时段正好处于系统的低谷时段。
从图2还可以看出,双峰型和峰平型负荷数量较多,避峰型负荷所占比例较少。从需求侧的角度看,双峰型和峰平型负荷应是需求响应项目实施的主要对象,可以带来较大的削峰填谷效益。同时也应进一步挖掘平滑型和避峰型用户参与需求响应项目的潜力,以完成整个系统削峰填谷的目标,缓解短期内系统容量短缺、降低发电成本、延缓电网升级。
表3:4种不同类型的用户群体得到的具体最优电力套餐方案
从表3看出,不同类型用户选择其对应套餐的概率最大,均大于维持现状的概率。套餐A和B在4种典型用户群体中均占有一定的市场份额,双峰型、峰平型、平滑型用户选择套餐D的概率接近于零,套餐D仅在避峰型用户中拥有一定的市场。由于避峰型用户在用户总体中占的比例远小于其他典型用户,故套餐D的市场份额仅为0.96%。实施电力套餐后,仍有31.18%的用户不愿意变更现在的电费计价方式,没有选择任何套餐,可能是用户的心理因素、个人偏好等不可观测的随机效用因素及可观测的效用误差导致的。
根据所建立的基于成本—效益分析的电力套餐评估模型对最优套餐进行评估,以验证电力套餐的经济性及可行性。考虑各类型用户选择各套餐(包括维持现状)的概率,将所有用户的负荷曲线叠加,可得到推行电力套餐后工商业用户的总日负荷曲线,并将其与原始负荷曲线对比,如图3所示。由图3可知实行电力套餐后,工商业用户的总日负荷曲线趋于平滑,峰谷差明显减小,削峰填谷效果较为明显。
图3给出了实行电力套餐前后工商业用户总负荷特征。实施电力套餐后,负荷峰值的下降量为63MW,为原始工商业总负荷峰值的4.67%,系统日峰谷差率为36.73%,相比原始数据下降了8.25%。实施最优电力套餐需投入的总成本为8348万元/年,给多元主体带来的总效益为13169万元/年,益本比为1.783。
通过上述说明可知,与现有技术相比,本发明的有益效果在于:本发明不仅实现了用户侧的用能优化与能效提升,而且实现了电力系统削峰填谷的出力平稳目标,为市场导向型智能电网提供了良好的参考示范;
在能源公司层面,本发明能帮助能源公司更加科学地制定动态价格与需求响应激励政策,并对用能细节监测结果进行分析处理所得的结论可被用于调整、完善和科学评估能源公司正在进行的能效项目、更合理地设计施行未来项目和分配资金;
在居民用户层面,本发明可以结合自身用电习惯、电网状态、动态价格的个性化节能调控建议,家居系统能效状态诊断等,在满足用电用能需求且保证用户舒适度的条件下,可极大地提高居民用电经济效益。并向用户实时反馈每个设备的用能信息为深入挖掘电器的用能规律(包括设备工作状态间的关联性)和了解用户自身用能习惯提供可能性;
在社会层面,本发明能够为企业的工程师、高校的学术研究人员、以及业余爱好者战略性地集中研究精力于某一正确的方向提供依据,能够推动和促进制造商加速开展高能效设备的研发,从而加速能效技术革新、诱发能效市场改革和帮助监管部门科学地制定相关政策,而且能在确定低能效环节的基础上,提高楼宇建筑(尤其是商业楼宇)的能效(包括节约能耗和耗能转移两方面),以减少不必要的能源费、有效缓解能源危机,降低环境污染、减缓温室效应。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明的权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种电力用户增值服务决策方法,其特征在于,包括:
步骤S1,基于新一代量测系统的用电数据,进行典型家庭需求响应用能优化分析;
步骤S2,基于典型家庭需求响应用能特征,构建分时电价下用户侧需求响应优化模型;
步骤S3,结合新能源电网运行及供需平衡,进行基于能源大数据的客户增值服务决策,获取增值服务方法。
2.根据权利要求1所述的电力用户增值服务决策方法,其特征在于,所述步骤S1进行典型家庭需求响应用能优化包括两个阶段:
第一阶段优化,具体是根据家庭能量管理的经济性与用户舒适度,分别得到用电成本与舒适度受影响程度最小为目标函数,然后将两种目标函数综合起来,作为用户参与电网紧急调度情况下的家庭能量管理优化目标;
第二阶段优化,具体是根据峰谷差的用户整体购电波动性,为降低由于用户在同一电价低谷时段集中购电而造成某一时段越限的风险,达到将购电功率平滑的流程,获得第二阶段优化目标函数。
5.根据权利要求4所述的电力用户增值服务决策方法,其特征在于,所述第二阶段优化目标函数包括:
C3≤C1。
6.根据权利要求1所述的电力用户增值服务决策方法,其特征在于,所述步骤S1还包括设置家庭能量管理方法约束条件,具体为:
电网功率约束:
|Pgrid(t)|≤Pgrid,max(t)
其中,Pgrid,max(t)表示用户与电网间每个时间段的功率交换限制;
不可中断负荷约束:
tload,start≤tload≤tload,end-N,t∈N*
其中,tload,start,tload,tload,end分别为不可中断负荷的开始时间、运行时间以及结束时间,N为负荷工作时间裕度;
空调负荷约束:
0≤Pair(t)≤Pair,max
Tair,min≤Tin(t)≤Tair,max
其中,Pair(t)为空调制冷时t时段的功率;Pair,max为空调制冷额定功率;Tin(t)为空调制冷时t时段的室内温度;Tair,max,Tair,min分别为室内温度上下限;
热水器负荷约束:
0≤Peh(t)≤Peh,max
Teh,min≤Teh(t)≤Teh,max
其中,Teh(t)为热水器热水在第t时段的温度;Peh,max为热水器加热额定功率;Teh,max、Teh,min分别为电热水器的热水上下限温度。
7.根据权利要求1所述的电力用户增值服务决策方法,其特征在于,所述步骤S2具体包括如下步骤:
步骤S21,构建单时段需求响应优化模型;
步骤S22,构建多时段需求响应优化模型;
步骤S23,设置实时电价下需求响应的约束条件。
8.根据权利要求7所述的电力用户增值服务决策方法,其特征在于,所述步骤S21中,假设用户在第i小时的收益为:
M(Di)=N(Di)-piDi
ΔDi=Di-Di0
其中,N(Di)表示第i小时用户用电产生的总收入;piDi为第i小时用户用电成本;Di和pi分别表示第i小时用电需求和第i小时电价;Di0和pi0分别表示第i小时初始用电需求和第i小时初始电价;
则第i小时客户的用电需求量为:
所述步骤S22中,假设第j小时电价由pj0调整到pj,第i小时用户的用电需求量由Di0调整到Di,实施实时电价后,第i小时客户用电需求量为:
其中,Dλ0为多时段基础用电需求,αij为第i个小时与第j个小时之间的互弹性系数,pp0,pf0分别为峰谷平电价机制中的平电价与峰电价;
同时考虑单时段与多时段的综合需求响应模型,得到:
其中,DD为综合基础用电需求:
DD=Di0+Dλ0。
9.根据权利要求8所述的电力用户增值服务决策方法,其特征在于,所述步骤S23中,设最大需求Dmaxl为用户满负荷运行时电能需求,最小需求Dminl为用户满足基本安全生产生活需求时的电能需求,即:
Dminl≤Di≤Dmaxl
设最高电价Pmaxl为保护用户利益而设置的一个最高限值,最低电价Pminl是为了保护售电方利益而设置的一个最低限值,即:
pmin≤pi≤pmax。
10.根据权利要求1所述的电力用户增值服务决策方法,其特征在于,所述步骤S3具体包括如下步骤:
步骤S31,定义业务场景,包括:电力客户分类及画像、综合能耗评估及用电分析、客户侧用能增值服务三个大场景分类和六个具体实现的场景任务;
步骤S32,根据供电区域、计费方式和支付方式的不同组合,形成不同的增值服务方案。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210739477.6A CN115081891A (zh) | 2022-06-28 | 2022-06-28 | 一种电力用户增值服务决策方法 |
PCT/CN2022/125545 WO2024000930A1 (zh) | 2022-06-28 | 2022-10-17 | 一种电力用户增值服务决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210739477.6A CN115081891A (zh) | 2022-06-28 | 2022-06-28 | 一种电力用户增值服务决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115081891A true CN115081891A (zh) | 2022-09-20 |
Family
ID=83255038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210739477.6A Pending CN115081891A (zh) | 2022-06-28 | 2022-06-28 | 一种电力用户增值服务决策方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115081891A (zh) |
WO (1) | WO2024000930A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024000930A1 (zh) * | 2022-06-28 | 2024-01-04 | 深圳供电局有限公司 | 一种电力用户增值服务决策方法 |
CN117610888A (zh) * | 2024-01-17 | 2024-02-27 | 武汉科技大学 | 基于用户偏好和混合整数线性规划的需求响应调度方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101645689B1 (ko) * | 2015-06-26 | 2016-08-05 | (주)네모파트너즈엔이씨 | 스마트 전력수요자원 네모모델링데이터 시뮬레이션 모듈을 통한 전력수요관리사업 프로젝트 경제성 분석장치 및 방법 |
AU2020100729A4 (en) * | 2020-05-07 | 2020-06-18 | Southwest University | Application of neurodynamic algorithms in energy scheduling problem of residential users |
CN113328432A (zh) * | 2021-04-29 | 2021-08-31 | 中国电力科学研究院有限公司 | 一种家庭能量管理优化调度方法及系统 |
CN115081891A (zh) * | 2022-06-28 | 2022-09-20 | 深圳供电局有限公司 | 一种电力用户增值服务决策方法 |
-
2022
- 2022-06-28 CN CN202210739477.6A patent/CN115081891A/zh active Pending
- 2022-10-17 WO PCT/CN2022/125545 patent/WO2024000930A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024000930A1 (zh) * | 2022-06-28 | 2024-01-04 | 深圳供电局有限公司 | 一种电力用户增值服务决策方法 |
CN117610888A (zh) * | 2024-01-17 | 2024-02-27 | 武汉科技大学 | 基于用户偏好和混合整数线性规划的需求响应调度方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2024000930A1 (zh) | 2024-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives | |
Ma et al. | Energy flow modeling and optimal operation analysis of the micro energy grid based on energy hub | |
Luo et al. | Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources | |
Flores et al. | Optimal design of a distributed energy resource system that economically reduces carbon emissions | |
WO2024000930A1 (zh) | 一种电力用户增值服务决策方法 | |
CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
CN112564102B (zh) | 多微网负荷优化调度方法和系统 | |
Li et al. | Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages | |
CN110245810B (zh) | 一种区域能源互联网协调优化运行方法 | |
Hayati et al. | A Two-Stage Stochastic Optimization Scheduling Approach for Integrating Renewable Energy Sources and Deferrable Demand in the Spinning Reserve Market | |
Dorahaki et al. | A sharing economy model for a sustainable community energy storage considering end-user comfort | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Azizi et al. | Cost/comfort-oriented clustering-based extended time of use pricing | |
Liu et al. | Analysis of flexible energy use behavior of rural residents based on two-stage questionnaire: A case study in Xi’an, China | |
Chen | Energy-use Internet and friendly interaction with power grid: A perspective | |
CN111967647A (zh) | 一种基于合作博弈的多主体投资比例优化方法及系统 | |
Yang et al. | Demand responsive market decision-makings and electricity pricing scheme design in low-carbon energy system environment | |
Schirmer et al. | Reducing grid distortions utilizing energy demand prediction and local storages | |
Wang et al. | Optimization of retail packages adapted to the electricity spot market with the goal of carbon peak and carbon neutrality | |
Dzikowski et al. | Capacity sharing—Economic analysis of home battery systems | |
Zhang et al. | New urban power grid flexible load dispatching architecture and key technologies | |
Wang et al. | Two-stage cooperative operation strategy for home management systems with smart appliances | |
Fan et al. | Revenues Allocation Model and Evaluation Method for Joint Transaction of Wind-Thermal Power Generation Rights Based on Cooperative Game | |
Li et al. | Refined User Value-Added Services Based on Power Big Data and Demand Power Optimization Under Market Mechanism | |
Liao et al. | Optimization of Electricity Purchase and Sales Strategies of Electricity Retailers under the Condition of Limited Clean Energy Consumption |
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 |