CN115689614A - 一种新型供需关系下地区峰谷分时电价优化方法 - Google Patents
一种新型供需关系下地区峰谷分时电价优化方法 Download PDFInfo
- Publication number
- CN115689614A CN115689614A CN202211423445.1A CN202211423445A CN115689614A CN 115689614 A CN115689614 A CN 115689614A CN 202211423445 A CN202211423445 A CN 202211423445A CN 115689614 A CN115689614 A CN 115689614A
- Authority
- CN
- China
- Prior art keywords
- price
- electricity
- peak
- period
- valley
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电力系统技术领域,具体为一种新型供需关系下地区峰谷分时电价优化方法,所述电价优化方法如下执行:采用问卷调查的方法将用户的电力负荷归为不能转移到其他时间间隔的部分负载类和可以转移到其他时间间隔的负载类。本发明通过分析各时段用户电力需求,对大工业用户及一般工商业用户的分时段电力需求价格弹性进行测算,而后针对不同用户电力需求价格弹性做出评价,结合地区尖峰电价开展情况,得出损益数据,确定优化方向,再通过改进FCM聚类算法进行地区峰谷时段划分,配合综合负荷响应模型,设计峰谷分时电价的优化模型,根据地区用电情况不断调整,最后将峰谷分时电价调整到最优。
Description
技术领域
本发明涉及电力系统技术领域,具体为一种新型供需关系下地区峰谷分时 电价优化方法。
背景技术
电力系统由发电、供电(输电、变电、配电)、用电设施以及为保障其正 常运行所需的的调节控制及继电保护和安全自动装置、计量装置、调度自动化、 电力通信等二次设施构成的统一整体,是由地区发电厂、送变电线路、供配电 所和用电等环节组成的电能生产与消费系统,它的功能是将自然界的一次能源 通过发电动力装置转化成电能,再经输电、变电和配电将电能供应到各用户, 为实现这一功能,电力系统在各个环节和不同层次还具有相应的信息与控制系 统,对电能的生产过程进行测量、调节、控制、保护、通信和调度,以保证用 户获得安全、优质的电能。
目前大工业和一般工商业用户占据了城市绝大多数的用电负荷,要实现削 峰填谷,提高电网负荷率和用电效率,应重点引导大工业用户和一般工商业用 户的用电行为,同时,部分地区的峰谷分时电价政策已经起到了较强的削峰填 谷作用,峰谷时段呈现“倒挂”现象,工商业用户的实际用电负荷时段划分存 在一定的不匹配性,这也体现出进行峰谷时段划分和分时电价优化水平的必要 性。
发明内容
本发明旨在解决现有技术或相关技术中存在的技术问题之一。
为此,本发明所采用的技术方案为:
一种新型供需关系下地区峰谷分时电价优化方法,所述电价优化方法如下 执行:
采用问卷调查的方法将用户的电力负荷归为不能转移到其他时间间隔的部 分负载类和可以转移到其他时间间隔的负载类;
基于问卷调查数据可以得到用户在某时段电价变化时用电量增减和转移情 况,据此可以分析各时段用户电力需求的自价格弹性和交叉价格弹性;
采用量价弹性法对地区大工业用户、一般工商业用户的分时段电力需求价 格弹性进行测算;
建立双对数电力需求模型,对不同用户电力需求价格弹性做出估计与评价;
分析实施尖峰电价后电网公司在该时间段的损益情况;
基于改进FCM聚类算法进行地区峰谷时段划分;
大工业用户及一般工商业用户不同电压等级下的各时段电力需求弹性系 数,可得实行尖峰电价后用户在i时段的综合需求即计及用户电力需求价格弹性 的综合负荷响应模型;
构建峰谷分时电价的优化模型,对目标地区大工业及一般工商业用户的峰 谷分时电价进行具体调整。
进一步的,所述自价格弹性系数:
式中,ΔDi表示i时段在价格变化前后用电量的增减,ΔPi表示i时段价格变化 前后的价格差,Di和Pi分别表示i时段最初的电力需求量和电力价格。εii则表示 i时段的自价格弹性系数;
所述交叉价格弹性系数:
式中,ΔDtransfer表示i时段负荷向j时段转移的用电量,ΔPj表示j时段价格变 化前后的价格差,Di表示i时段最初的电力需求量,Pj表示j时段最初的电力价 格。εij即为所求的交叉价格弹性系数。
进一步的,所述双对数电力需求模型采用如下公式:
ln Qt=δ0+δ1ln Pt+δ2ln Xt+γt
式中,Qt表示电力用户的用电量(电力需求);Pt表示电力用户采用的电价, 采用燃料价格指数进行平减;Xt表示控制向量组,依据4.2节分析的影响因素, 在对大工业和一般工商业进行建模时加入相应的控制变量;γt表示随机误差项; δ0表示常数项;δ1即为所求的用户长期电力需求价格弹性系数。
进一步的,所述尖峰电价后电网公司在该时间段的损益情况采用如下计算 公式:
ΔR=Qt(Pt-Pt)+Qp(Pp-Pt)
ΔF=Qv(Pr-Pv)
式中,t、p、f、v分别表示尖峰时段、高峰时段、平时段和低谷时段; ΔR表示售电收入增长额;Qt、Qp、Qv分别表示尖峰时段售电量、高峰时段售 电量及低谷时段售电量;Pt、Pp、Pf、Pv分别表示尖峰时段电度电价、高峰 时段电度电价、平时段电度电价和低谷时段电度电价;ΔF表示售电收入减少额。
进一步的,所述综合负荷响应模型为:
其中,Qi为i时段的用电量;Qi0为i时段的原始电量;εii为i时段的自价格弹 性系数;Pi为i时段的电价;Pi0为i时段的原始电价;εij为当j时段的电价变化时, i时段变化的用电量,即交叉弹性系数。
从上式中可以根据实行尖峰电价前的原始负荷、原始电价以及需求价格弹 性得出实行尖峰电价后各时段的用电量。
进一步的,所述峰谷分时电价优化模型用公式可以表示为:
式中,χ0表示销售电价优化前后各类用户代理购电销售电价水平波动值;M 表示用户类型总个数;N表示一类用户的电压等级总个数;表示调整前第i类 用户的第j个电压等级下尖峰电价水平;表示调整前第i类用户的第j个电压 等级下高峰电价水平;表示调整前第i类用户的第j个电压等级下平段电价水 平;表示调整前第i类用户的第j个电压等级下低谷电价水平;kc表示尖高浮 动系数;kf表示峰平浮动系数;kg表示谷平浮动系数;ξ表示不参与峰谷电价浮 动的政府性基金及附加
本发明的上述技术方案具有如下有益的技术效果:
本发明通过分析各时段用户电力需求,对大工业用户及一般工商业用户的 分时段电力需求价格弹性进行测算,而后针对不同用户电力需求价格弹性做出 评价,结合地区尖峰电价开展情况,得出损益数据,确定优化方向,再通过改 进FCM聚类算法进行地区峰谷时段划分,配合综合负荷响应模型,设计峰谷分 时电价的优化模型,根据地区用电情况不断调整,最后将峰谷分时电价调整到 最优。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方 式,对本发明进一步详细说明。需要说明的是,在不冲突的情况下,本发明的 实施例及实施例中的特征可以相互组合。
该理解,这些描述只是示例性的,而并非要限制本发明的范围。
下面描述本发明的一些实施例提供的一种新型供需关系下地区峰谷分时电 价优化方法。
实施例:
本发明提供的一种新型供需关系下地区峰谷分时电价优化方法,所述电价 优化方法如下执行:
首先采用问卷调查的方法将用户的电力负荷归为不能转移到其他时间间隔 的部分负载类和可以转移到其他时间间隔的负载类。
基于问卷调查数据可以得到用户在某时段电价变化时用电量增减和转移情 况,据此可以分析各时段用户电力需求的自价格弹性和交叉价格弹性。
一般来说,用户的电力负荷可以简单地分为以下两类:
(1)不能转移到其他时间间隔的部分负载类:比如楼宇照明负荷、空调负 荷,当电价较高时,用户只能简单地减少开灯、调整空调温度设定值或者关闭 空调作为响应。
(2)可以转移到其他时间间隔的负载类:比如在一个工业企业中,不能因 为电价升高而单纯地降低生产量,而是重新安排生产,使得在生产同样多产品 的同时,花费的电费减少,这种响应也与用户生产的连续性有关。
在峰谷分时电价环境下,两类负荷在尖峰、高峰时段都会进行削减,通常 情况下第1类为实际的负荷节约;而第2类负荷,尖峰、高峰时段用电量的减 少会产生其他时段负荷的增加,下文通过问卷调查法,从上述两类负荷考虑了 电力用户对峰谷分时电价的响应情况,并由此得到用户的分时段电力需求价格 弹性。
基于问卷,可以得到用户在某时段电价变化时用电量增减和转移情况,据 此可以分析各时段用户电力需求的自价格弹性和交叉价格弹性:
(1)自价格弹性系数:
式中,ΔDi表示i时段在价格变化前后用电量的增减,ΔPi表示i时段价格变化 前后的价格差,Di和Pi分别表示i时段最初的电力需求量和电力价格。εii则表示 i时段的自价格弹性系数。
(2)交叉价格弹性系数:
式中,ΔDtransfer表示i时段负荷向j时段转移的用电量,ΔPj表示j时段价格变 化前后的价格差,Di表示i时段最初的电力需求量,Pj表示j时段最初的电力价 格。εij即为所求的交叉价格弹性系数。
进一步的,采用量价弹性法对地区大工业用户、一般工商业用户的分时段 电力需求价格弹性进行测算。
下文基于目标区域历史用电量电价数据,分析该地区尖峰电价政策出台后 用户分时段的电力需求价格弹性。在实施新的峰谷分时电价后,用户会自主决 策并改变用电方式,各时段的用电需求变化量可以描述为:
式中,ΔDt表示尖峰时段的用电需求变化量,表示实施尖峰电价后尖峰 时段的用电量,表示实施尖峰电价前尖峰时段的用电量;ΔDp表示高峰时 段的用电需求变化量,表示实施尖峰电价后高峰时段的用电量,表示 实施尖峰电价前高峰时段的用电量;ΔDf表示平时段的用电需求变化量,表 示实施尖峰电价后平时段的用电量,表示实施尖峰电价前平时段的用电 量;ΔDv表示低谷时段的用电需求变化量,表示实施尖峰电价后低谷时段的 用电量,表示实施尖峰电价前低谷时段的用电量。
根据电力需求价格弹性系数公式(4-1),可以得到尖峰、高峰、平段和谷 段的自价格弹性系数为:
式中,ΔDt表示尖峰时段在价格变化前后用电需求的变化量,ΔPt表示尖峰 时段价格变化前后的价格差,表示尖峰时段最初的电力需求量,表示 尖峰时段最初的电力价格。εtt即为尖峰时段的电力需求价格弹性系数。
根据电力需求价格弹性系数公式(4-2),可以得到各时段的交叉价格弹性 系数为:
因此,基于目标地区现行尖峰分时电价划分的尖峰、高峰、平段、低谷四 个时段,当电价变化后,用电量和电价变化的关系可以表示为:
式(4-12)中的E为电力需求价格弹性矩阵,主对角线为各时段的自价格弹 性系数,非主对角线的元素为交叉价格弹性系数,如式(4-13)所示。
采用如上公式,基于目标地区工商业用户历史用电量、电价数据,采用量 价弹性法即可得到不同用户的电力需求价格弹性。
进一步的,建立双对数电力需求模型,对地区电力需求的发展做出估计与 评价。
下文综合考虑目标地区电力消费的历史与现状,结合影响电力需求的各种 因素,寻找电力需求和这些因素之间的关系,根据这些关系对该地区电力需求 的发展做出估计与评价。
时间序列建模可以充分利用过去电力用户用电量、电价变化信息,进而探 究目标地区工商业用户电力需求价格弹性,因此,为研究长时间电价变动对用 户电力需求的影响,本部分以该地区2001-2020年的有关工商业用户用电量、 电价数据为基础,参考-电力价格需求弹性影响因素分析,在模型中加入了相应 的控制变量,以降低模型估计误差,构建如下所示的双对数电力需求模型:
ln Qt=δ0+δ1ln Pt+δ2ln Xt+γt (4-14)
式中,Qt表示电力用户的用电量(电力需求);Pt表示电力用户采用的电价, 采用燃料价格指数进行平减;Xt表示控制向量组;γt表示随机误差项;δ0表示 常数项;δ1即为所求的用户长期电力需求价格弹性系数。
优化该地区现行峰谷时段划分及电价水平,可以有效引导大工业用户的用 电行为,提高系统负荷率,促进削峰填谷。
(1)模型构建
基于上述模型构建,考虑将产业结构、电力使用效率作为控制变量,针对 大工业电力用户构建如下双对数电力需求模型:
式中,表示i电压等级下大工业电力用户第t年的用电量;表示i电压 等级下大工业电力用户第t年的平均电价;表示第t年的产业结构;表示第 t年的电力使用效率;λt表示随机误差项。α0表示常数项;α1即为所求的该地区 大工业用户长期电力需求价格弹性系数。为了克服异方差,在变量前取自然对 数。
(2)变量说明与数据来源
大工业用户用电量该地区大工业用户用电量由不同电压等级下 电石、中小化肥、铁合金、非优待电价的大工业等大工业用户的用电量加总, 并且将该地区历年大工业用户用电量对数化处理后作为被解释变量。用电量数 据来源于目标地区电网公司内部资料。
为了控制价格对电价的影响,以2001年为基期,采用燃料价格指数对电价 进行平滑处理,转换为实际电价,同时将该地区历年大工业用户平均电价对数 化处理后作为核心解释变量,电价数据来源于目标地区电网公司内部资料,燃 料价格指数来源于该地区统计年鉴。
(1)模型构建
基于上述模型构建,考虑将产业结构、电力使用效率作为控制变量,针对 一般工商业电力用户构建如下双对数电力需求模型:
式中,表示i电压等级下一般工商业电力用户第t年的用电量;表示i电 压等级下一般工商业电力用户第t年的平均电价;表示第t年的产业结构;表示第t年的电力使用效率;et表示随机误差项。β0表示常数项;β1即为所求的 该地区一般工商业用户长期电力需求价格弹性系数。为了克服异方差,在变量 前取自然对数。
(2)变量说明与数据来源
一般工商业用户用电量该地区一般工商业用户用电量由不同电 压等级下商业和非普工业的用电量加总,并且将该地区历年一般工商业用户用 电量对数化处理后作为被解释变量,用电量数据来源于目标地区电网公司内部 资料。
为了控制价格对电价的影响,以2001年为基期,采用燃料价格指数对电价 进行平滑处理,转换为实际电价,同时将该地区历年一般工商业用户平均电价 对数化处理后作为核心解释变量。电价数据来源于目标地区电网公司内部资料, 燃料价格指数来源于该地区统计年鉴。
首先采用量价弹性法对该地区大工业用户、一般工商业用户的分时段电力 需求价格弹性进行了测算,考虑各时段的自价格弹性系数时,大工业用户在尖 峰、高峰时段负荷的增减和转移受电价影响较大,电力需求价格弹性在-7~-1之 间上下波动;但平段、低谷负荷的增减和转移受电价影响则相对较小,电力需 求价格弹性在-1~1之间上下波动。一般工商业用户在尖峰和高峰时段的电力需 求价格弹性在-2~-1.5之间上下浮动,该时段用电行为受电价影响较大;在平段 和低谷时段的电力需求价格弹性在-0.8~0.8之间上下浮动,即在平段和谷段其 对电价波动不敏感。其次,基于影响因素分析,采用双对数电力需求价格模型 对该地区大工业用户、一般工商业用户的长期电力需求价格弹性进行了测算, 分析得到不同电压等级下该地区大工业用户和一般工商业用户长期的电力需求 价格弹性都是缺乏弹性的,大工业用户的电力需求价格弹性大致在 -0.5799~-0.1382之间上下浮动,一般工商业用户的电力需求价格弹性大致在 -0.2924~-0.1371之间上下浮动,表明从长期来看,工商业用户的用电行为受电 价影响较小,受市场情况、电费支出占比、生产总值、广义负荷资源等因素的 影响较大。
综上,当前该地区工商业用户的用电负荷已经呈现“峰谷倒挂”的现象, 且在尖峰、高峰时段大工业用户和一般工商业用户对电价波动都是较为敏感的, 会积极响应峰谷分时电价政策,调整用电行为。因此,对当前该地区峰谷时段 划分和电价水平进行调整存在一定的必要性。
进一步的,执行尖峰电价,并分析实施尖峰电价后电网公司在该时间段的 损益情况。
执行尖峰电价后,电网公司在2021年12月至2022年3月区间,将尖峰时 段和高峰时段基于平时段电度电价的增长额和低谷时段基于平时段电度电价的 减少额进行对比,如式(5-1)和式(5-2),分析实施尖峰电价后电网公司在 该时间段的损益情况。
ΔR=Qt(Pt-Pf)+Qp(Pp-Pf) (5-1)
ΔF=Qv(Pf-Pv) (5-2)
式中,t、p、f、v分别表示尖峰时段、高峰时段、平时段和低谷时段。 ΔR表示售电收入增长额。Qt、Qp、Qv分别表示尖峰时段售电量、高峰时段售 电量及低谷时段售电量。Pt、Pp、Pf、Pv分别表示尖峰时段电度电价、高峰 时段电度电价、平时段电度电价和低谷时段电度电价。ΔF表示售电收入减少额。
进一步的,基于改进FCM聚类算法进行地区峰谷时段划分。
FCM聚类算法是一种基于函数最优的聚类算法,其本质是基于模糊数学理论 对数据集群进行聚类划分。相比于基于隶属度函数的方法,FCM聚类算法不需要 一个精确的数学统计模型;相比于K-means聚类算法,FCM聚类算法可以得到更 加灵活的聚类结果。FCM聚类算法的目标函数为:
式中,为第j个数据点对第i个聚类中心在[0,1]区间上的隶属度值 ∑uij=1, 构成隶属度矩阵c1,...,ck为模糊组1到模糊 组K的聚类中心;dij=||ci-cj||为第i个聚类中心与第j个数据点之间的欧几里得 距离;m是一个加权指数,m∈[1,∞)。
构造拉格朗日约束条件:
式中,λj是N个拉格朗日乘子约束式。
式(5-14)进行求导有:
式(5-15)为聚类中心计算公式,式(5-16)为隶属度值计算公式。两公 式为求取函数极值的必要条件,其为一个反复迭代的过程。
传统FCM算法需要依据先验知识并指定聚类类别数,算法的灵活性受到限 制,并且聚类结果对聚类中心的初值十分敏感,依赖性较大。初始聚类中心选 择不当将会导致聚类结果陷入局部极值点,得不到满意解,且FCM算法虽然搜 索速度很快,但却是一种局部搜索算法。由于模拟退火算法和遗传算法可以互 相取长补短,有效克服早熟现象,因此文中将模拟退火遗传算法用于FCM聚类, 对初始聚类中心选取进行优化。
改进FCM聚类算法采用二进制编码方式,每条染色体由c个聚类中心组成。 则对于m维的样本,待优化的变量数为c×m,算法具体步骤如下。
(1)初始化最大聚类数cmax、迭代停止阈值ε和模糊聚类隶属度基数阈值ε1。
(2)初始化控制参数:种群大小sizepop,最大进化次数MAXGEN,交叉概 率Pc,变异概率Pm;退火初始温度T0,温度冷却系数q,终止温度Tend。
(3)确定好自变量后,生成初始化种群,计算种群中各个体的适应度值fi, 其中i=1,2,…,sizepop,并进行循环计数变量gen初始化。
(4)对遗传算法中种群的个体进行选择、交叉、变异等操作产生新的种群, 并计算新种群个体的适应度值fi'。若fi'>fi,则以新的个体代替旧个体;否则, 以概率p=exp[(fi-fi')/T]接受新个体,舍弃旧个体。
(5)若Ti=Tend,则算法结束,返回最优解;否则,执行降温函数Ti+1=qTi, 转至步骤(2)。
(6)令聚类数c=cmax,初始化模糊矩阵U,置迭代次数b=0。
(7)获取一天之中N=24个观测点,每个点向量是包括时间X1和对应负荷 值X2的二维变量;
(8)构造数据观测矩阵X,矩阵的每一行代表一个数据样本,矩阵的每一 列代表数据观测值;
(10)利用式(5-15)计算4个聚类中心c1,c2,c3,c4;
(11)利用式(5-16)计算隶属度值形成隶属度矩阵U;
(12)根据式(5-13)计算目标函数,如果第l次目标函数值与上一次目 标函数值变化之差小于某一阈值ε,即满足max{||Ul-U(l-1)||}≤ε,则计算停止,否 则转入步骤(10);
在区分季节的情况下,以前10%为高负荷、后10%为低负荷为分析基础对10 月-3月不同场景进行分析。在尖峰真正率和假正率计算中设定尖峰时段和非尖 峰时段,高峰真正率和假正率计算中设定高峰时段和非高峰时段,低谷真正率 和假正率计算中设定低谷时段和非低谷时段。一种场景即为任选一天中各时段 对应时长的一种方案,不同的选择方案构成不同的场景。这里引入尖峰真正率、 尖峰假正率、高峰真正率、高峰假正率、低谷真正率、低谷假正率指标,计算 公式如式(5-18)~(5-25)所示。
STPR=TP1/(TP1+FN1) (5-18)
SFPR=FP1/(FP1+TN1) (5-19)
PTPR=TP2/(TP2+FN2) (5-20)
PFPR=FP2/(FP2+TN2) (5-21)
TTPR=TP3/(TP3+FN3) (5-22)
TFRR=FP3/(FP3+TN3) (5-23)
VTRR=TP4/(TP4+FN4) (5-24)
VFRR=FP4/(FP4+TN4) (5-25)
式中,STPR表示尖峰真正率,TP1表示高负荷落在所设定的尖峰时段的数 量,FN1表示高负荷落在所设定的非尖峰时段的数量;SFPR表示尖峰假正率,FP1表示非高负荷落在所设定的尖峰时段的数量,TN1表示非高负荷落在所设定 的非尖峰时段的数量。PTPR表示高峰真正率,TP2表示高负荷落在所设定的高 峰时段的数量,FN2表示高负荷落在所设定的非高峰时段的数量;PFPR表示高 峰假正率,FP2表示非高负荷落在所设定的高峰时段的数量,TN2表示非高负荷 落在所设定的非高峰时段的数量。TTPR表示低谷真正率,TP3表示低负荷落在 所设定的低谷时段的数量,FN3表示低负荷落在所设定的非低谷时段的数量;TFRR表示低谷假正率,FP3表示非低负荷落在所设定的低谷时段的数量,TN3表 示非低负荷落在所设定的非低谷时段的数量;VTPR表示尖真正率,TP4表示低 负荷落在所设定的尖谷时段的数量,FN 4表示低负荷落在所设定的非尖谷时段 的数量;V FRR表示尖谷假正率,FP4表示非低负荷落在所设定的尖谷时段的数 量,TN3表示非低负荷落在所设定的非尖谷时段的数量。
进一步的,基于上述测算,大工业用户及一般工商业用户不同电压等级下 的各时段电力需求弹性系数,可得实行尖峰电价后用户在i时段的综合需求即计 及用户电力需求价格弹性的综合负荷响应模型。
大工业用户及一般工商业用户不同电压等级下的各时段电力需求弹性系 数,可得实行尖峰电价后用户在i时段的综合需求即计及用户电力需求价格弹性 的综合负荷响应模型为:
其中,Qi为i时段的用电量;Qi0为i时段的原始电量;εii为i时段的自价格弹 性系数;Pi为i时段的电价;Pi0为i时段的原始电价;εij为当j时段的电价变化时, i时段变化的用电量,即交叉弹性系数。
从公式(5-26)中可以根据实行尖峰电价前的原始负荷、原始电价以及需 求价格弹性得出实行尖峰电价后各时段的用电量。
进一步的,构建峰谷分时电价的优化模型,对目标地区大工业及一般工商 业用户的峰谷分时电价进行具体调整。
在此模型中,平段电价水平不变,仅调整上下浮动比例系数使执行峰谷电 价的用户电费总支出水平峰谷时段调整前后保持不变,根据政策,电度电价中 的政府性基金及附加不参与浮动。以调整前后用户销售电价水平波动最小为目 标,同时平均电价水平不变为目标,计算合理的上下浮动比例系数,用公式可 以表示为:
式中,χ0表示销售电价优化前后各类用户代理购电销售电价水平波动值;M 表示用户类型总个数;N表示一类用户的电压等级总个数;表示调整前第i类 用户的第j个电压等级下尖峰电价水平;表示调整前第i类用户的第j个电压 等级下高峰电价水平;表示调整前第i类用户的第j个电压等级下平段电价水 平;表示调整前第i类用户的第j个电压等级下低谷电价水平;kc表示尖高浮 动系数;kf表示峰平浮动系数;kg表示谷平浮动系数;ξ表示不参与峰谷电价浮 动的政府性基金及附加。
以电价水平优化前后平均电价水平不变作为约束条件:
式中,W0表示峰谷时段和峰谷电价均未调整时的总收入;表示时段调整 后第i类用户的第j个电压等级下尖峰电量;表示时段调整后第i类用户的第j 个电压等级下高峰电量;表示时段调整后第i类用户的第j个电压等级下平段 电量;表示时段调整后第i类用户的第j个电压等级下低谷电量;χ1表示市场 风险指数;χ2表示上网侧和输配侧成本波动指数。
同时,为了引导用户合理用电行为,电价平稳过渡,电价调整后的峰谷电 价差要不小于调整前的峰谷电价差:
其中,ΔPij,0是电价调整前第i类用户的第j个电压等级的峰谷价差。
因2021年12月起,工商业用户取消目录电价,下面以2022年1月至2022 年6月该地区工商业及其他用户各电压等级下的平均平段电价作为此处的平段 电价水平,如表5-15所示,根据优化模型的求解可得到如表5-16所示的代理 购电销售电价体系:
下表为该地区工商业及其他用户2022年1月至6月代理购电平均销售电价
单位:元/kWh
表5-1基于优化模型优化后的工商业及其他用户销售电价体系
单位:元/kWh
根据调整后的峰谷时段划分,在不考虑用户响应电价调整自身用电行为的 情况下,根据优化函数,基于Matlab计算得到电价优化结果,即在调整后峰谷 时段下,假定销售电价优化时保持平段电价不变,仅调整上下浮动比例系数, 使得电价调整前后用户总体电费支出保持不变,且保持峰谷价差不减少。
基于优化模型计算得到的上下浮动比例系数关系为:
kf=1.0051kg-0.0023 (5-30)
kp=1.26731kg-0.3854 (5-31)
计算得到保持目前典型用户电费支出不变的上下浮动比例值的最优解为[0.488,0.488,0.233],即高峰电价基于平段电价的上浮比例为0.488;谷段电 价基于平段电价的下浮比例为0.488;尖峰电价基于高峰电价的上浮比例为 0.233,则可得到优化后的工商业及其他用电代理购电销售电价表如表5-19所 示。
表5-2峰谷时段调整后基于优化模型优化后工商业及其他用电销售电价表
单位:元/kWh
在实施分时电价制度之后,目标地区一般工商业用户和大工业用户均有一 定“削峰填谷”的作用,一般工商业用户谷时段用电量有所增加,大工业用户 尖峰用电量下降较为明显,需要依据目标地区用电负荷特性,对分时电价制度 进行优化,改进时段划分及优化分时电价定价,实现分时电价政策“削峰填谷”, 引导用户用电,提高用户响应能力的功能。
在上述优化过种种,需要不断统计分析时段调整后的保底用户峰谷平电量 电费情况,再重新核算电价水平,建立电价水平调整联动机制,和上网、输配 成本传导的变化成本一起进行联动机制一段达到调整标准即进行保底用户价格 水平调整,直至最优。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解, 在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、 替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种新型供需关系下地区峰谷分时电价优化方法,其特征在于,所述电价优化方法如下:
采用问卷调查的方法将用户的电力负荷归为不能转移到其他时间间隔的部分负载类和可以转移到其他时间间隔的负载类;
基于问卷调查数据可以得到用户在某时段电价变化时用电量增减和转移情况,据此可以分析各时段用户电力需求的自价格弹性和交叉价格弹性;
采用量价弹性法对地区大工业用户、一般工商业用户的分时段电力需求价格弹性进行测算;
建立双对数电力需求模型,对不同用户电力需求价格弹性做出估计与评价;
分析实施尖峰电价后电网公司在该时间段的损益情况;
基于改进FCM聚类算法进行地区峰谷时段划分;
大工业用户及一般工商业用户不同电压等级下的各时段电力需求弹性系数,可得实行尖峰电价后用户在i时段的综合需求即计及用户电力需求价格弹性的综合负荷响应模型;
构建峰谷分时电价的优化模型,对目标地区大工业及一般工商业用户的峰谷分时电价进行具体调整。
3.根据权利要求1所述的新型供需关系下地区峰谷分时电价优化方法,其特征在于,所述双对数电力需求模型采用如下公式:
ln Qt=δ0+δ1ln Pt+δ2ln Xt+γt
式中,Qt表示电力用户的用电量(电力需求);Pt表示电力用户采用的电价,采用燃料价格指数进行平减;Xt表示控制向量组,依据4.2节分析的影响因素,在对大工业和一般工商业进行建模时加入相应的控制变量;γt表示随机误差项;δ0表示常数项;δ1即为所求的用户长期电力需求价格弹性系数。
4.根据权利要求1所述的新型供需关系下地区峰谷分时电价优化方法,其特征在于,所述尖峰电价后电网公司在该时间段的损益情况采用如下计算公式:
AR=Qt(Pt-Pt)+Qp(Pp-Pt)
AF=Qv(Pr-Pv)
式中,t、p、f、v分别表示尖峰时段、高峰时段、平时段和低谷时段;ΔR表示售电收入增长额;Qt、Qp、Qv分别表示尖峰时段售电量、高峰时段售电量及低谷时段售电量;Pt、Pp、Pf、Pv分别表示尖峰时段电度电价、高峰时段电度电价、平时段电度电价和低谷时段电度电价;ΔF表示售电收入减少额。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423445.1A CN115689614A (zh) | 2022-11-15 | 2022-11-15 | 一种新型供需关系下地区峰谷分时电价优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423445.1A CN115689614A (zh) | 2022-11-15 | 2022-11-15 | 一种新型供需关系下地区峰谷分时电价优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689614A true CN115689614A (zh) | 2023-02-03 |
Family
ID=85051228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211423445.1A Pending CN115689614A (zh) | 2022-11-15 | 2022-11-15 | 一种新型供需关系下地区峰谷分时电价优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689614A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308459A (zh) * | 2023-03-14 | 2023-06-23 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于信息智能匹配的新能源智能结算方法及系统 |
-
2022
- 2022-11-15 CN CN202211423445.1A patent/CN115689614A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308459A (zh) * | 2023-03-14 | 2023-06-23 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于信息智能匹配的新能源智能结算方法及系统 |
CN116308459B (zh) * | 2023-03-14 | 2023-11-07 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于信息智能匹配的新能源智能结算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Peer-to-peer energy sharing with social attributes: A stochastic leader–follower game approach | |
Hatton et al. | Statistical estimation of the residential baseline | |
Li et al. | A baseline load estimation approach for residential customer based on load pattern clustering | |
CN111127137A (zh) | 基于集中撮合的分布式能源p2p交易方法 | |
CN110852519A (zh) | 一种考虑多类型负荷的售电公司最优盈利方法 | |
CN115115277A (zh) | 园区综合能源调度方法、装置、计算机设备及存储介质 | |
CN109389327B (zh) | 基于风光不确定性的多虚拟电厂时前合作方法 | |
Konda et al. | Impact of load profile on dynamic interactions between energy markets: a case study of power exchange and demand response exchange | |
Leal et al. | Distribution transformer losses evaluation: A new analytical methodology and artificial neural network approach | |
Wen et al. | Demand side management in smart grid: A dynamic-price-based demand response model | |
Mammen et al. | Want to reduce energy consumption, whom should we call? | |
CN111476399A (zh) | 一种现货交易机制下售电公司购电方法及系统 | |
CN115689614A (zh) | 一种新型供需关系下地区峰谷分时电价优化方法 | |
Konda et al. | Investigating the impact of load profile attributes on demand response exchange | |
Afzaal et al. | Agent-based energy consumption scheduling for smart grids: an auction-theoretic approach | |
CN110838076A (zh) | 一种月度跨省区可再生能源消纳方法及终端设备 | |
Pati et al. | Methodologies for customer baseline load estimation and their implications | |
CN111695943A (zh) | 一种计及浮动高峰电价的优化管理方法 | |
Orans et al. | Case study: Targeting demand‐side management for electricity transmission and distribution benefits | |
CN113538041B (zh) | 基于负荷曲线聚类分析的电力套餐推荐方法和装置 | |
Jia et al. | An online learning approach to dynamic pricing for demand response | |
Maghouli et al. | A transmission expansion planning model for maximizing merchant investment | |
Shi et al. | Demand‐side price‐responsive flexibility and baseline estimation through end‐to‐end learning | |
Rice et al. | Time-Series Forecasting Energy Loads: A Case Study in Texas | |
Dubin | Will mandatory conservation promote energy efficiency in the selection of household appliance stocks? |
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 |