CN115879975A - 基于用电企业建设分布式光伏的电力零售套餐制定方法 - Google Patents
基于用电企业建设分布式光伏的电力零售套餐制定方法 Download PDFInfo
- Publication number
- CN115879975A CN115879975A CN202211482139.5A CN202211482139A CN115879975A CN 115879975 A CN115879975 A CN 115879975A CN 202211482139 A CN202211482139 A CN 202211482139A CN 115879975 A CN115879975 A CN 115879975A
- Authority
- CN
- China
- Prior art keywords
- power
- time
- curve
- photovoltaic
- electricity
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于用电企业建设分布式光伏的电力零售套餐制定方法,对光伏自发电量曲线和用户分时电量曲线之间的动态时间弯曲距离引入时间偏差权重进行修正,获得分时非自发用电量曲线;利用光伏发电成本模型和零售市场电费结算模型构建目标函数;以分时非自发用电量曲线上各拐点对应的时间为圆心,基于最小圆覆盖算法以目标函数最优进行聚类,以聚类得到的多个最小圆与分时非自发用电量曲线的交点作时间分界点;以相邻两个时间分界点之间的光伏成本和电费结算为基础,以售电公司盈利为控制指标,制定各时段电力零售套餐方案。本发明解决因为投入成本大导致绿色低碳响应程度低等问题,为用电企业参与零售市场交易时的业务开展提供零售套餐制定方法支撑。
Description
技术领域
本发明属于信息技术领域,具体地,涉及一种基于用电企业建设分布式光伏的电力零售套餐制定方法。
背景技术
现有技术中,虽然各省鼓励用电企业开展分布式光伏发电建设,但响应程度不高,绿色低碳发展具有一定的困难,导致这一情况的原因主要有以下几方面。首先,分布式光伏发电建设初期投入成本较大且短时间内难以收回成本;其次,当前并无具体的优惠机制和补助政策;最后,零售电力交易市场和绿色电力交易市场之间关联度不够,尤其是具有分布式光伏发电的用电企业在参与零售市场交易时业务机制和相关流程并不明确。从而导致用电企业光伏建设推进难度大,在尚未建成并投运光伏发电的前提下,为用电企业制定何种电力零售套餐能够符合实际情况成为当前的技术难题,现有技术中,有的根据电力零售用户交易行为采用协同过滤优化向用户推荐电力零售套餐,有的根据用户用电特征信息以风险偏好最优向用户推荐电力零售套餐,其中,基于消纳比例及加权进行电价策略选择。但是这些方法中,在对光伏发电进行相关的套餐预测都是基于一些类似地区的历史数据曲线而开展的,准确性较差,而且这些历史数据曲线往往与实际用电企业的用电量曲线存在时长偏差和时刻偏差,从而导致制定的电力套餐也出现偏差。
发明内容
为解决现有技术中存在的不足,本发明提供一种基于用电企业建设分布式光伏的电力零售套餐制定方法,基于光伏发电设备的发电特性以及电力用户的用电特性,结合光伏发电成本模型和零售市场电费结算模型,实现了对不同市场主体参与零售市场时的零售套餐业务规划,为零售套餐的制定提供了理论支撑,分析了电力用户分析投入成本和获得收益的关联关系,解决因为投入成本大导致绿色低碳响应程度低等问题,通过低投入成本和低电费回报的方式鼓励用电企业安装光伏设备,同时为此类用电企业参与零售市场交易时的业务开展提供零售套餐制定方法支撑。
本发明采用如下的技术方案。
本发明一方面提出了一种基于用电企业建设分布式光伏的电力零售套餐制定方法,包括:
步骤1,分别获取光伏自发电量曲线和用户分时电量曲线;
步骤2,对光伏自发电量曲线和用户分时电量曲线之间的动态时间弯曲距离引入时间偏差权重进行修正,将修正后的动态时间弯曲距离大于时间阈值的两个点分别从光伏自发电量曲线和用户分时电量曲线上删除,获得光伏自发电量更新曲线和用户分时电量更新曲线;利用光伏自发电量更新曲线和用户分时电量更新曲线,获得分时非自发用电量曲线;
步骤3,建立用户的光伏发电成本模型和零售市场电费结算模型;利用光伏发电成本模型和零售市场电费结算模型构建目标函数;
步骤4,以分时非自发用电量曲线上各拐点对应的时间为圆心,基于最小圆覆盖算法以目标函数最优进行聚类,以聚类后得到的多个最小圆与分时非自发用电量曲线的交点作为时间分界点;
步骤5,以相邻两个时间分界点之间的光伏成本和电费结算为基础,以售电公司盈利为控制指标,制定各时段的电力零售套餐方案。
优选地,步骤1中,用户分时电量曲线,是结合电力用户的地理区域、行业类别,获取用户的分时用电曲线;
光伏自发电量曲线,是结合地理位置、天气、设备容量、运行情况获取近几年的光伏发电量,选择历史曲线的平均曲线,作为光伏发电设备的自发电量曲线。
优选地,步骤2包括:
步骤2.1,获取光伏自发电量曲线上时刻ta对应的电量pa,获取用户分时电量曲线上时刻tb对应的电量pb;
步骤2.2,计算点(ta,pa)和(tb,pb)之间的动态时间弯曲距离;
步骤2.3,引入时间偏差权重以如下关系式对动态时间弯曲距离进行修正:
dw(ta,tb)=wa-bDTW(A,B)
式中,
dw(ta,tb)为修正后的动态时间弯曲距离,
wa-b为引入的时间偏差权重,
DTW(A,B)为点(ta,pa)和点(tb,pb)之间的动态时间弯曲距离;
步骤2.4,设定距离阈值,将修正后的动态时间弯曲距离大于时间阈值的两个点分别从光伏自发电量曲线和用户分时电量曲线上删除,获得光伏自发电量更新曲线和用户分时电量更新曲线;
步骤2.5,取用户分时电量更新曲线和光伏自发电量更新曲线的差值得到一条新的曲线,即分时非自发用电曲线。
优选地,步骤2.3中,wa-b与|ta-tb|成正比。
优选地,步骤2.4中,距离阈值取值为不大于10。
优选地,步骤2.5中,分时非自发用电曲线中,大于0的电量曲线表示需向售电公司购买电量,直接生成购买电量曲线;小于0的电量曲线为盈余发电电量,取绝对值生成盈余电量曲线。
优选地,目标函数满足如下关系式:
F=ωaCa+Cb
式中,
F为目标函数
ωa为分布式光伏装机容量的比例系数,0<ωa≤1,
Ca为分布式光伏发电成本模型,
Cb为零售市场电费结算模型。
优选地,分布式光伏发电成本模型满足如下关系式:
Ca=Cpv_initial+Cpv_Ioan+Cpv_op+Cpv_rep+Cpv_rec
式中,
Cpv_initial为初期建设成本,
Cpv_Ioan为光伏贷款年成本,
Cpv_op为运营成本,
Cpv_rep为设备维修成本,
Cpv_rec为回收价值。
优选地,初期建设成本满足如下关系式:
Cpv_initial=(1-ipv)CpvPpv
式中,Cpv_initial为初期建设成本,ipv为光伏贷款比例,Cpv为光伏单位容量成本,Ppv为光伏装机容量;
光伏贷款年成本满足如下关系式:
式中,Cpv_Ioan为光伏贷款年成本,i为光伏贷款年利率,rpay为还款年限;
运营成本满足如下关系式:
Cpv_op=CpvPpvmpvrop
式中,Cpv_op为运营成本,mpv为光伏年运营费用系数,rop为运营年限;
设备维修成本满足如下关系式:
Cpv_rep=CpvPpvkpvrop
式中,Cpv_rep为设备维修成本,kpv为光伏年损耗维修费用系数;
回收价值满足如下关系式:
Cpv_rec=CpvPpvγpv
式中,Cpv_rec为回收价值,γpv为回收价值系数。
优选地,零售市场电费结算模型满足如下关系式:
Cb=C套餐基础结算+C偏差考核+C补贴+C用户
式中,
C套餐基础结算为套餐基础电费,
C偏差考核为偏差考核电费,
C补贴为电网回购补贴,
C用户为电力用户最终电费。
优选地,套餐基础电费满足如下关系式:
C套餐基础结算=∑(Q用电,t-Q发电,t)*P套餐,t
式中,Q用电,t为用户T时段的用电量,Q发电,t为用户T时段的发电量,P套餐,t为用户T时段的套餐电价,当Q用电,t<Q发电,t时,Q用电,t-Q发电,t按0处理;
偏差考核电费满足如下关系式:
C偏差考核=C售电侧偏差考核*r分配比例*β
式中,C售电侧偏差考核代表售电公司在批发侧的偏差考核费用,r分配比例代表售电公司向用户分配偏差的比例,β代表违约系数;
电网回购补贴满足如下关系式:
电力用户最终电费满足如下关系式:
C用户=C套餐基础结算+C偏差考核-C补贴
当C套餐基础结算+C偏差考核<C补贴时,C用户按0处理。
优选地,收购电价系数不大于1。
优选地,步骤4包括:
步骤4.1,获取分时非自发用电量曲线上各拐点对应的时间;
步骤4.2,以所获取的时间为圆心,以初始半径r0构建点集,获取点集内目标函数的初始总值;
每个点集包含了多个点(tk,pk),即时刻tk对应的电量pk;根据各时刻的电量获得目标函数的初始值,点集内各时刻的目标函数值之和构成目标函数的初始总值;
步骤4.3,向点集中加入初始半径r0以外的一个点M,计算当前点集内的目标函数的总值;若当前点集内的目标函数的总值大于初始总值,则点M不能归属点集,反之则点M归属点集且更新点集和半径;
步骤4.4,通过多次迭代,获得多个最小圆;多个最小圆与分时非自发用电量曲线的交点作为时间分界点。
本发明的有益效果在于在“双碳”目标的背景下为安装了分布式光伏的用电企业提供了新思路,以电力用户收益最大为目标,设计了一个新型光伏自发电套餐,与现有技术相比解决零售电力市场在这一领域的空缺,实现售电公司、电力用户、电网企业的三赢。
本发明提出的基于用电企业开展分布式光伏发电建设的电力零售套餐制定方法,实现了对不同市场主体参与零售市场时的零售套餐业务规划,为零售套餐的制定提供了理论支撑,能够满足和兼容各省当前及未来一段时间的业务需求;分析电力用户分析投入成本和获得收益的关联关系,用以鼓励用电企业积极响应开展分布式光伏发电建设,加快提升绿色电力消费占比,实现“碳达峰、碳中和”的目标。
本发明去除了光伏自发电量曲线和用户分时电量曲线中存在的时间偏差,通过修正后的动态时间弯曲距离获得最符合用户特征、且时间坐标有序对应的两条曲线,不仅有效减少了数据采集量,而且基于修正更新后得到的两条曲线所确定的分时非自发用电曲线符合用户实际需求,使得电力套餐制定依据更加精准和合理。
附图说明
图1是本发明提出的一种基于用电企业建设分布式光伏的电力零售套餐制定方法的流程图;
图2是本发明实施例中某电力用户发用电曲线图;
图3是本发明实施例中某电力用户使用电力零售套餐后的盈利曲线图。
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,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,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它实施例,都属于本发明的保护范围。
本发明提出了一种基于用电企业建设分布式光伏的电力零售套餐制定方法,如图1所示,包括:
步骤1,分别获取光伏自发电量曲线和用户分时电量曲线。
具体地,步骤1中,用户分时电量曲线,是结合电力用户的地理区域、行业类别等属性信息,获取用户的分时用电曲线。根据用户分时电量曲线,可以分析电力用户的用电特性,并按用电特性进行分类计算用户的分时平均用电曲线,作为电费计算的依据。
光伏自发电量曲线,是结合地理位置、天气、设备容量、运行情况等多方面因素获取近几年的光伏发电量,选择历史曲线的平均曲线,作为光伏发电设备的自发电量曲线。
光伏发电具有较强的分时特性和区域特性,不同区域不同时段的发电量波动较大,无光照时间段发电量几乎为零,因此,光伏自发电量曲线随时间变化表现出明显曲线特征。可见,在用电企业开展分布式光伏建设之前或者进行分布式光伏扩容之前,能够获得的光伏自发电量曲线仅是历史曲线,与实际用电企业的用电量曲线存在时长偏差和时刻偏差,在存在各种偏差的前提下,如何准确获得分时非自发用电量曲线,是准确合理制定电力零售套餐的基础。
步骤2,对光伏自发电量曲线和用户分时电量曲线之间的动态时间弯曲距离引入时间偏差权重进行修正,将修正后的动态时间弯曲距离大于时间阈值的两个点分别从光伏自发电量曲线和用户分时电量曲线上删除,获得光伏自发电量更新曲线和用户分时电量更新曲线;利用光伏自发电量更新曲线和用户分时电量更新曲线,获得分时非自发用电量曲线。
具体地,步骤2包括:
步骤2.1,获取光伏自发电量曲线上时刻ta对应的电量pa,获取用户分时电量曲线上时刻tb对应的电量pb;
步骤2.2,计算点(ta,pa)和(tb,pb)之间的动态时间弯曲距离;
正如前文分析,光伏自发电量曲线仅是历史曲线,与实际用电企业的用电量曲线存在时长偏差和时刻偏差,即时刻ta与时刻tb可能完全相同也可能存在偏差,同理,光伏自发电量曲线的总时长与用户分时电量曲线的总时长也可能存在偏差,如果不对时间偏差进行修正,所得到的分时非自发用电量曲线就会存在偏差,从而影响电力零售套餐的准确性和合理性。
步骤2.3,引入时间偏差权重以如下关系式对动态时间弯曲距离进行修正:
dw(ta,tb)=wa-bDTW(A,B)
式中,
dw(ta,tb)为修正后的动态时间弯曲距离,
wa-b为引入的时间偏差权重,
DTW(A,B)为点(ta,pa)和点(tb,pb)之间的动态时间弯曲距离;
其中,wa-b与|ta-tb|成正比,即当|ta-tb|的值较大,即点(ta,pa)和点(tb,pb)在横坐标上表示的时间偏差较大,则赋值一个较大的wa-b,使得此时两个点的间距足够大。
步骤2.4,设定距离阈值,将修正后的动态时间弯曲距离大于时间阈值的两个点分别从光伏自发电量曲线和用户分时电量曲线上删除,获得光伏自发电量更新曲线和用户分时电量更新曲线;其中,距离阈值取值为不大于10。
步骤2.5,取用户分时电量更新曲线和光伏自发电量更新曲线的差值得到一条新的曲线,即分时非自发用电曲线。
进一步,分时非自发用电曲线中,大于0的电量曲线表示需向售电公司购买电量,直接生成购买电量曲线;小于0的电量曲线为盈余发电电量,取绝对值生成盈余电量曲线。
本发明去除了光伏自发电量曲线和用户分时电量曲线中存在的时间偏差,通过修正后的动态时间弯曲距离获得最符合用户特征、且时间坐标有序对应的两条曲线,不仅有效减少了数据采集量,而且基于修正更新后得到的两条曲线所确定的分时非自发用电曲线符合用户实际需求,使得电力套餐制定依据更加精准和合理。
步骤3,建立用户的光伏发电成本模型和零售市场电费结算模型;利用光伏发电成本模型和零售市场电费结算模型构建目标函数;
具体地,分布式光伏发电成本包括但不限于:初期建设成本、光伏贷款成本、运营成本、设备维修成本和回收价值。本发明实施例中,光伏发电成本模型如以下关系式所示。
1、初期建设成本:
Cpv_initial=(1-ipv)CpvPpv
式中,Cpv_initial为初期建设成本,ipv为光伏贷款比例,Cpv为光伏单位容量成本,Ppv为光伏装机容量。
2、光伏贷款年成本:
式中,Cpv_Ioan为光伏贷款年成本,i为光伏贷款年利率,rpay为还款年限。
3、运营成本:
Cpv_op=CpvPpvmpvrop
式中,Cpv_op为运营成本,mpv为光伏年运营费用系数,rop为运营年限。
4、设备维修成本:
Cpv_rep=CpvPpvkpvrop
式中,Cpv_rep为设备维修成本,kpv为光伏年损耗维修费用系数。
5、回收价值:
Cpv_rec=CpvPpvγpv
式中,Cpv_rec为回收价值,γpv为回收价值系数。
因此,分布式光伏发电成本模型Ca满足如下关系式:
Ca=Cpv_initial+Cpv_Ioan+Cpv_op+Cpv_rep+Cpv_rec
具体地,零售市场电费结算模型包括但不限于:套餐基础电费、偏差考核电费、电网回购补贴和电力用户最终电费。
1、套餐基础电费
C套餐基础结算=∑(Q用电,t-Q发电,t)*P套餐,t
式中,Q用电,t为用户T时段的用电量,Q发电,t为用户T时段的发电量,P套餐,t为用户T时段的套餐电价,当Q用电,t<Q发电,t时,Q用电,t-Q发电,t按0处理。
2、偏差考核电费
为保证售电公司的盈利利润,电力用户的偏差考核应采取售电公司偏差收益转移分配的方式进行结算。其中,用户存在正偏差电量时,纳入考核;存在负偏差电量时,不纳入考核。
C偏差考核=C售电侧偏差考核*r分配比例*β
式中,C售电侧偏差考核代表售电公司在批发侧的偏差考核费用,r分配比例代表售电公司向用户分配偏差的比例,β代表违约系数。
3、电网回购补贴
因为电网回购电量时对电力系统运行存在一定的风险,所以回购电价不能按正常市场价执行,应按照低于当前时段光伏平均电价的价格进行回购。
4、电力用户最终电费
C用户=C套餐基础结算+C偏差考核-C补贴
当C套餐基础结算+C偏差考核<C补贴时,C用户按0处理。
因此,零售市场电费结算模型Cb满足如下关系式:
Cb=C套餐基础结算+C偏差考核+C补贴+C用户
利用光伏发电成本模型和零售市场电费结算模型构建目标函数,满足如下关系式:
F=ωaCa+Cb
式中,ωa为分布式光伏装机容量的比例系数,0<ωa≤1。
本发明中引入分布式光伏装机容量的比例系数,是当前执行的补助政策的体现。
步骤4,以分时非自发用电量曲线上各拐点对应的时间为圆心,基于最小圆覆盖算法以目标函数最优进行聚类,以聚类后得到的多个最小圆与分时非自发用电量曲线的交点作为时间分界点。
具体地,步骤4包括:
步骤4.1,获取分时非自发用电量曲线上各拐点对应的时间;
步骤4.2,以所获取的时间为圆心,以初始半径r0构建点集,获取点集内目标函数的初始总值;
每个点集包含了多个点(tk,pk),即时刻tk对应的电量pk;根据各时刻的电量获得目标函数的初始值,点集内各时刻的目标函数值之和构成目标函数的初始总值;
步骤4.3,向点集中加入初始半径r0以外的一个点M,计算当前点集内的目标函数的总值;若当前点集内的目标函数的总值大于初始总值,则点M不能归属点集,反之则点M归属点集且更新点集和半径;
步骤4.4,通过多次迭代,获得多个最小圆;多个最小圆与分时非自发用电量曲线的交点作为时间分界点。
步骤5,以相邻两个时间分界点之间的光伏成本和电费结算为基础,以售电公司盈利为控制指标,制定各时段的电力零售套餐方案。
某城市某区域的一家参与零售电力交易市场的建材工厂为研究对象,其特点为屋顶可利用面积大,同时全天用电且谷时段用电量大,建设1000kW光伏装机,该电力用户发用曲线如图2所示。使用本发明得到该用户的电力零售套餐,以某省光伏补贴政策为数据依据,代入套餐中得到用户盈利曲线,如图3所示,5年可实现成本回收。
本发明基于光伏发电的设备的发电特性,考虑光伏发电设备的建设成本以及电力用户的电费成本,并结合售电公司盈利性分析设计电力零售套餐方案,并且根据光伏装机容量的规模提供不同级别的补助政策,结合光伏自发电量和偏差考核减免,即以分时套餐为基础模型,在其中增加光伏自发电量曲线、分时盈余发电量回购和偏差考核减免,最终形成完整零售套餐。
分时价格套餐模式下,如果用户的用电不受任何约束,产生过高的波动,将完全打破售电公司的交易策略有效性,导致巨大的风险,因此有效的零售分时套餐应该含有约定曲线外的偏差考核承担责任。售电公司和电力用户应采取购买电量曲线作为偏差传导承担的基准,用以更好的降低售电公司的风险。但由于光伏发电具有很强的波动性,且受天气等不可控因素影响较大,所以应适当放宽偏差考核减免范围。
电力用户结合自身的资金情况、潜在风险承受能力等原因,基于光伏发电成本模型,测算自身的建设成本,并根据电力用户的盈利特性获取年平均电费。
电力用户基于年平均电费,结合零售市场电费结算模型,获取分时零售套餐的平均价,继而与售电公司按需开展零售套餐的制定。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (13)
1.一种基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
所述方法包括:
步骤1,分别获取光伏自发电量曲线和用户分时电量曲线;
步骤2,对光伏自发电量曲线和用户分时电量曲线之间的动态时间弯曲距离引入时间偏差权重进行修正,将修正后的动态时间弯曲距离大于时间阈值的两个点分别从光伏自发电量曲线和用户分时电量曲线上删除,获得光伏自发电量更新曲线和用户分时电量更新曲线;利用光伏自发电量更新曲线和用户分时电量更新曲线,获得分时非自发用电量曲线;
步骤3,建立用户的光伏发电成本模型和零售市场电费结算模型;利用光伏发电成本模型和零售市场电费结算模型构建目标函数;
步骤4,以分时非自发用电量曲线上各拐点对应的时间为圆心,基于最小圆覆盖算法以目标函数最优进行聚类,以聚类后得到的多个最小圆与分时非自发用电量曲线的交点作为时间分界点;
步骤5,以相邻两个时间分界点之间的光伏成本和电费结算为基础,以售电公司盈利为控制指标,制定各时段的电力零售套餐方案。
2.根据权利要求1所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
步骤1中,用户分时电量曲线,是结合电力用户的地理区域、行业类别,获取用户的分时用电曲线;
光伏自发电量曲线,是结合地理位置、天气、设备容量、运行情况获取近几年的光伏发电量,选择历史曲线的平均曲线,作为光伏发电设备的自发电量曲线。
3.根据权利要求1所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
步骤2包括:
步骤2.1,获取光伏自发电量曲线上时刻ta对应的电量pa,获取用户分时电量曲线上时刻tb对应的电量pb;
步骤2.2,计算点(ta,pa)和(tb,pb)之间的动态时间弯曲距离;
步骤2.3,引入时间偏差权重以如下关系式对动态时间弯曲距离进行修正:
dw(ta,tb)=wa-bDTW(A,B)
式中,
dw(ta,tb)为修正后的动态时间弯曲距离,
wa-b为引入的时间偏差权重,
DTW(A,B)为点(ta,pa)和点(tb,pb)之间的动态时间弯曲距离;
步骤2.4,设定距离阈值,将修正后的动态时间弯曲距离大于时间阈值的两个点分别从光伏自发电量曲线和用户分时电量曲线上删除,获得光伏自发电量更新曲线和用户分时电量更新曲线;
步骤2.5,取用户分时电量更新曲线和光伏自发电量更新曲线的差值得到一条新的曲线,即分时非自发用电曲线。
4.根据权利要求3所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
步骤2.3中,wa-b与|ta-tb|成正比。
5.根据权利要求3所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
步骤2.4中,距离阈值取值为不大于10。
6.根据权利要求3所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
步骤2.5中,分时非自发用电曲线中,大于0的电量曲线表示需向售电公司购买电量,直接生成购买电量曲线;小于0的电量曲线为盈余发电电量,取绝对值生成盈余电量曲线。
7.根据权利要求1所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
目标函数满足如下关系式:
F=ωaCa+Cb
式中,
F为目标函数
ωa为分布式光伏装机容量的比例系数,0<ωa≤1,
Ca为分布式光伏发电成本模型,
Cb为零售市场电费结算模型。
8.根据权利要求7所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
分布式光伏发电成本模型满足如下关系式:
Ca=Cpv_initial+Cpv_Ioan+Cpv_op+Cpv_rep+Cpv_rec
式中,
Cpv_initial为初期建设成本,
Cpv_Ioan为光伏贷款年成本,
Cpv_op为运营成本,
Cpv_rep为设备维修成本,
Cpv_rec为回收价值。
9.根据权利要求8所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
初期建设成本满足如下关系式:
Cpv_initial=(1-ipv)CpvPpv
式中,Cpv_initial为初期建设成本,ipv为光伏贷款比例,Cpv为光伏单位容量成本,Ppv为光伏装机容量;
光伏贷款年成本满足如下关系式:
式中,Cpv_Ioan为光伏贷款年成本,i为光伏贷款年利率,rpay为还款年限;
运营成本满足如下关系式:
Cpv_op=CpvPpvmpvrop
式中,Cpv_op为运营成本,mpv为光伏年运营费用系数,rop为运营年限;
设备维修成本满足如下关系式:
Cpv_rep=CpvPpvkpvrop
式中,Cpv_rep为设备维修成本,kpv为光伏年损耗维修费用系数;
回收价值满足如下关系式:
Cpv_rec=CpvPpvγpv
式中,Cpv_rec为回收价值,γpv为回收价值系数。
10.根据权利要求7所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
零售市场电费结算模型满足如下关系式:
Cb=C套餐基础结算+C偏差考核+C补贴+C用户
式中,
C套餐基础结算为套餐基础电费,
C偏差考核为偏差考核电费,
C补贴为电网回购补贴,
C用户为电力用户最终电费。
11.根据权利要求10所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
套餐基础电费满足如下关系式:
C套餐基础结算=∑(Q用电,t-Q发电,t)*P套餐,t
式中,Q用电,t为用户T时段的用电量,Q发电,t为用户T时段的发电量,P套餐,t为用户T时段的套餐电价,当Q用电,t<Q发电,t时,Q用电,t-Q发电,t按0处理;
偏差考核电费满足如下关系式:
C偏差考核=C售电侧偏差考核*r分配比例*β
式中,C售电侧偏差考核代表售电公司在批发侧的偏差考核费用,r分配比例代表售电公司向用户分配偏差的比例,β代表违约系数;
电网回购补贴满足如下关系式:
电力用户最终电费满足如下关系式:
C用户=C套餐基础结算+C偏差考核-C补贴
当C套餐基础结算+C偏差考核<C补贴时,C用户按0处理。
12.根据权利要求11所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
收购电价系数不大于1。
13.根据权利要求1所述的基于用电企业建设分布式光伏的电力零售套餐制定方法,其特征在于,
步骤4包括:
步骤4.1,获取分时非自发用电量曲线上各拐点对应的时间;
步骤4.2,以所获取的时间为圆心,以初始半径r0构建点集,获取点集内目标函数的初始总值;
每个点集包含了多个点(tk,pk),即时刻tk对应的电量pk;根据各时刻的电量获得目标函数的初始值,点集内各时刻的目标函数值之和构成目标函数的初始总值;
步骤4.3,向点集中加入初始半径r0以外的一个点M,计算当前点集内的目标函数的总值;若当前点集内的目标函数的总值大于初始总值,则点M不能归属点集,反之则点M归属点集且更新点集和半径;
步骤4.4,通过多次迭代,获得多个最小圆;多个最小圆与分时非自发用电量曲线的交点作为时间分界点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211482139.5A CN115879975A (zh) | 2022-11-24 | 2022-11-24 | 基于用电企业建设分布式光伏的电力零售套餐制定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211482139.5A CN115879975A (zh) | 2022-11-24 | 2022-11-24 | 基于用电企业建设分布式光伏的电力零售套餐制定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115879975A true CN115879975A (zh) | 2023-03-31 |
Family
ID=85763774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211482139.5A Pending CN115879975A (zh) | 2022-11-24 | 2022-11-24 | 基于用电企业建设分布式光伏的电力零售套餐制定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879975A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117013624A (zh) * | 2023-09-28 | 2023-11-07 | 国网江苏省电力有限公司电力科学研究院 | 风光并网容量配比区间优化方法、装置、存储介质及设备 |
-
2022
- 2022-11-24 CN CN202211482139.5A patent/CN115879975A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117013624A (zh) * | 2023-09-28 | 2023-11-07 | 国网江苏省电力有限公司电力科学研究院 | 风光并网容量配比区间优化方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108711077B (zh) | 一种基于区块链技术的光伏型微电网交易方法 | |
Levitt et al. | Pricing offshore wind power | |
Botterud et al. | Risk management and optimal bidding for a wind power producer | |
US7580817B2 (en) | Method and system for predicting solar energy production | |
McPherson et al. | A scenario based approach to designing electricity grids with high variable renewable energy penetrations in Ontario, Canada: Development and application of the SILVER model | |
US11551176B2 (en) | Methods and systems for determining economic viability of microgrid | |
Lueken et al. | The effects of bulk electricity storage on the PJM market | |
Luoma et al. | Forecast value considering energy pricing in California | |
Esmaeel Nezhad et al. | Multi‐objective decision‐making framework for an electricity retailer in energy markets using lexicographic optimization and augmented epsilon‐constraint | |
Liu et al. | Interval optimal scheduling of hydro‐PV‐wind hybrid system considering firm generation coordination | |
Salehpour et al. | The effect of price responsive loads uncertainty on the risk-constrained optimal operation of a smart micro-grid | |
KR20190065780A (ko) | 단독 태양광시스템 및 복합 태양광시스템의 수익 산정 방법 및 그 장치 | |
Zipp | Revenue prospects of photovoltaic in Germany—Influence opportunities by variation of the plant orientation | |
Hassler | Heuristic decision rules for short-term trading of renewable energy with co-located energy storage | |
KR102513348B1 (ko) | 예측제고 정산금 수익 극대화를 위한 저비용 태양광 예측 시스템 및 방법 | |
Panda et al. | Economic risk‐based bidding strategy for profit maximisation of wind‐integrated day‐ahead and real‐time double‐auctioned competitive power markets | |
Narayan et al. | Adopting big data to forecast success of construction projects: A review | |
CN115511631A (zh) | 一种碳交易方法、装置、电子设备及存储介质 | |
CN115879975A (zh) | 基于用电企业建设分布式光伏的电力零售套餐制定方法 | |
Kang et al. | A bi-level reinforcement learning model for optimal scheduling and planning of battery energy storage considering uncertainty in the energy-sharing community | |
WO2022168357A1 (ja) | 発電量管理システム及び発電量管理方法 | |
CN110705738B (zh) | 基于人工智能的智能用电激励需求响应方法和系统 | |
Fratean et al. | Technical and economic viability of greenfield large scale photovoltaic plants in Romania | |
CN116777616A (zh) | 一种基于概率密度分布的现货市场新能源日前交易决策方法 | |
JP2007072843A (ja) | 予測情報の課金システム |
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 |