深度丨考虑负荷发展和用户行为的分时电价优化研究

根据实施 2 种电价后的负荷特性，可以发现在实施电价一的情况下，削峰填谷的作用虽然较为明显，但随着时间的推移，削峰作用由第 1 年的 2.523% 减小到第 3 年的  2.262%，平缓负荷波动作用的发展也不尽如人意。然而在实施电价二的情况下，第 2 年和第 3 年的最大负荷较实施电价一时的情况均有所降低，到第 3  年的削峰率比实施电价一增加 0.11%，最小负荷上升，填谷率差距增加至  0.343%，负荷波动率进一步减小，峰谷差率也都有所提高。由此可以得出考虑负荷发展的分时电价优化模型得到的分时电价对未来的负荷适应性较好，在分时电价实行后的第  2 年与第3 年仍可以对用户起到持续性的激励作用。

5 结论

本文针对分时电价对用户的激励效果时效性不足的问题，提出了一种考虑负荷发展的分时电价优化方法。通过算例将仅考虑当年典型日负荷曲线制定的分时电价(电价一)与考虑负荷优化制定的分时电价(电价二)进行对比，得出结果为：(1)在实施电价二的情况下，最大负荷较实施电价一的情况有所降低，最小负荷上升，负荷波动率减小，峰谷差率都有所提高。(2)考虑负荷发展优化得到的分时电价对未来的负荷具有更强的适应性，能在未来时间内刺激用户做出期望的响应。

参考文献：

[1]王冬容. 价格型需求侧响应在美国的应用[J]. 电力需求侧管理,2010, 12(4): 74–77.WANG Dongrong. Application  of price-based demand side responsein the U.S.A.[J]. Power Demand Side  Management, 2010, 12(4):74–77.

[2]FARUQUI A, GEORGE S S. The value of dynamic pricing in massmarkets[J]. The  Electricity Journal, 2002, 15(6): 45–55.

[3]汤玉东, 王明飞, 邹云, 等. 基于 DSM 的分时电价研究[J]. 电力需求侧管理, 2000, 2(3): 14–16,19.

[4]汤玉东, 吴军基, 邹云. 基于 DSM 的分时电价的进一步研究[J]. 继电器, 2002, 30(3): 20–22.TANG Yudong,  WU Junji, ZOU Yun. Further research on the TOUrate based on DSM[J]. Relay, 2002,  30(3): 20–22.

[5]周博, 王博, 高松, 等. 基于用户响应的分时电价模型研究[J]. 智能电网, 2016, 4(3): 307–311.ZHOU Bo, WANG  Bo, GAO Song, et al. Time-of-use price modelbased on customer response[J]. Smart  Grid, 2016, 4(3): 307–311.

[6]孙强. 基于价格型需求响应决策优化模型的应用研究[D]. 北京: 华北电力大学, 2016.

[7]李春燕, 许中, 马智远. 计及用户需求响应的分时电价优化模型[J].电力系统及其自动化学报, 2015, 27(3): 11–16.LI  Chunyan, XU Zhong, MA Zhiyuan. Optimal time-of-useelectricity price model  considering customer demand response[J].Proceedings of the CSU-EPSA, 2015,  27(3): 11–16.

[8]DARYANIAN B, BOHN R E, TABORS R D. Optimal demand-sideresponse to  electricity spot prices for storage-type customers[J]. IEEETransactions on Power  Systems, 2002, 4(3): 897–903.

[9]程瑜, 翟娜娜. 基于用户响应的分时电价时段划分[J]. 电力系统自动化, 2012, 36(9): 42–46, 53.CHENG Yu,  ZHAI Nana. Electricity price peak and valley periodsdivision based on customer  response[J]. Automation of ElectricPower Systems, 2012, 36(9): 42–46, 53.

[10]赵明, 董力, 李孟阳, 等. 基于时段聚类的峰谷电价时段确定方法研究[J]. 电力需求侧管理, 2016, 18(4): 11–17.

[11]ZHAO Ming, DONG Li, LI Mengyang, et al. Periods divisionmethod for  peak-valley prices based on clustering algorithm[J].Power Demand Side  Management, 2016, 18(4): 11–17.郜璘. 基于用户响应的峰谷分时电价决策优化模型的应用研究[D]. 合肥: 合肥工业大学,  2010.

[12]WOYCHIK E C. Optimizing demand response[J]. Public UtilitiesFortnightly,  2008(5): 52–56.

[13]孔祥玉, 杨群, 穆云飞, 等. 分时电价环境下用户负荷需求响应分析方法[J]. 电力系统及其自动化学报, 2015, 27(10):  75–80.KONG Xiangyu, YANG Qun, MU Yunfei, et al. Analysis method forcustomers  demand response in time of using price[J]. Proceedings ofthe CSU-EPSA, 2015,  27(10): 75–80.

[14]刘继东, 韩学山, 韩伟吉, 等. 分时电价下用户响应行为的模型与算法[J]. 电网技术, 2013, 37(10): 2973–2978.LIU  Jidong, HAN Xueshan, HAN Weiji, et al. Model and algorithmof customers'  responsive behavior under time-of-use price[J]. PowerSystem Technology, 2013,  37(10): 2973–2978.

[15]董军, 张晓虎, 李春雪, 等. 自动需求响应背景下考虑用户满意度的分时电价最优制定策略[J]. 电力自动化设备, 2016, 36(7):  67–73.DONG Jun, ZHANG Xiaohu, LI Chunxue, et al. Optimal TOUpricing strategy  considering user satisfaction in automated demandresponse background[J].  Electric Power Automation Equipment,2016, 36(7): 67–73.

[16]阮文骏, 王蓓蓓, 李扬, 等. 峰谷分时电价下的用户响应行为研究[J]. 电网技术, 2012, 36(7): 86–93.RUAN  Wenjun, WANG Beibei, LI Yang, et al. Customer responsebehavior in time-of-use  price[J]. Power System Technology, 2012,36(7): 86–93.

[17]唐杰明, 刘俊勇, 杨可, 等. 基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测[J]. 电网技术, 2009, 33(3):  63–68.TANG Jieming, LIU Junyong, YANG Ke, et al. Short-term loadcombination  foreing by grey model and least square supportvector machine[J]. Power  System Technology, 2009, 33(3): 63–68.

[18]隋惠惠. 基于 BP 神经网络的短期电力负荷预测的研究[D]. 哈尔滨: 哈尔滨工业大学, 2015.

[19]QUAIYUM S, YOUSUF I, KHAN S, et al. Artificial neural networkbased short  term load foreing of power system[J]. InternationalJournal of Computer  Applications, 2013, 16(4): 335–336.

[20]姜勇, 杨雪纯, 王蓓蓓, 等. 计及需求响应不确定性的智能用电双向互动仿真[J]. 电力系统及其自动化学报, 2016, 28(9):  48–55.JIANG Yong, YANG Xuechun, WANG Beibei, et al. Simulation ofsmart power  consumption and bilateral interaction unsideringuncertainty of demand  response[J]. Proceedings of the CSU-EPSA,2016, 28(9): 48–55.