基于数据均值化及LSSVM算法的峰谷电价需求响应模型

doi:10.11930/j.issn.1004-9649.2016.09.137.05

中国电力 ›› 2016, Vol. 49 ›› Issue (9): 137-141.DOI: 10.11930/j.issn.1004-9649.2016.09.137.05

基于数据均值化及LSSVM算法的峰谷电价需求响应模型

李娜¹, 张文月², 王玉玮³, 符景帅³, 王炜劼², 王麟²

1. 国网天津市电力公司经济技术研究院,天津 300171;
2. 国网天津市电力公司,天津 300010;
3.华北电力大学,北京 102206

收稿日期:2016-05-05 出版日期:2016-09-10 发布日期:2016-09-28
作者简介:李娜（1985—）,女,天津人,博士,经济师,从事电力市场理论及应用技术研究。E-mail: linajamie@163.com

Demand Response Model of TOU Electricity Price Based on Data Mean and LSSVM Algorithm

LI Na¹, ZHANG Wenyue², WANG Yuwei³, FU Jingshuai³, WANG Weijie², WANG Lin²

1. State Grid Tianjin Economic Research Institute, Tianjin 300171, China;
2. State Grid Tianjin Electric Power Company,Tianjin 300010, China;
3. North China Electric Power University, Beijing 102206, China

Received:2016-05-05 Online:2016-09-10 Published:2016-09-28

摘要/Abstract

摘要： 为提高系统的鲁棒性,客观挖掘特定用户对峰谷分时电价的需求响应规律,采用历史数据均值化的预处理方法,在一定程度上去除历史数据中其他非价格因素随机波动对用户需求响应行为的影响;运用构造等效峰谷分时电价思路,对训练样本集中的数据容量进行扩展;运用最小二乘支持向量机回归技术在所构造的训练样本集上建立分时电价需求响应预测模型;以地区T某行业为例进行算例仿真,在验证模型合理性的基础上,得到该行业日峰荷、平荷、谷荷对分时电价变动的响应规律曲线,该曲线符合用户峰谷分时电价需求响应曲线的实际情况,从而进一步验证了模型的可行性。

关键词: 峰谷分时电价, 需求响应, LSSVM, 数据挖掘

Abstract: In order to improve system robustness and meet demand of customers’ behavior rule under time-of-use (TOU) price, a simulation model is proposed. Firstly, with historical data equalization, the impact of non-price fluctuations in historical data on user’s demand response is removed. Secondly, training sample set data capacity is extended by establishment of equivalent TOU. Thirdly, a forecasting model is constructed by using LSSVM regression technique. Lastly, by using historical data of an industry in T area, the demand response curves of Peak, Flat and Valley Load under TOU are obtained to verify validity of proposed model.

Key words: time-of-use price, demand response, LSSVM, data mining

中图分类号:

TM715

李娜, 张文月, 王玉玮, 符景帅, 王炜劼, 王麟. 基于数据均值化及LSSVM算法的峰谷电价需求响应模型[J]. 中国电力, 2016, 49(9): 137-141.

LI Na, ZHANG Wenyue, WANG Yuwei, FU Jingshuai, WANG Weijie, WANG Lin. Demand Response Model of TOU Electricity Price Based on Data Mean and LSSVM Algorithm[J]. Electric Power, 2016, 49(9): 137-141.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2016.09.137.05

https://www.electricpower.com.cn/CN/Y2016/V49/I9/137

参考文献

[1] 何永秀,王冰,熊威,等. 基于模糊综合评价的居民智能用电行为分析与互动机制设计[J]. 电网技术,2012,36（10）：247-252.
HE Yongxiu, WANG Bing, XIONG Wei, et al . Analysis of residents’ smart electricity consumption behavior based on fuzzy synthetic evaluation and the design of interactive mechanism[J].Power System Technology, 2012, 36(10): 247-258.
[2] 刘严,谭忠富,乞建勋. 峰谷分时电价设计的优化模型[J]. 中国管理科学,2005,13（5）：87-92.
LIU Yan, TAN Zhongfu, QI Jianxun. Research on TOU rate design optimization model[J]. Chinese Journal of Management Science, 2005, 13(5): 87-92.
[3] 闫国华,朱永生. 支持向量机回归的参数选择方法[J]. 计算机工程,2009,35（13）：218-220.
YAN Guohua, ZHU Yongsheng. Parameters selection method for support vector machine regression[J]. Computer Engineering, 2009, 35(13): 218-220.
[4] 顾燕萍,赵文杰,吴占松. 最小二乘支持向量机的算法研究[J]. 清华大学学报（自然科学版）,2010（7）：1063-1066,1071.
GU Yanping, ZHAO Wenjie, WU Zhansong. Least squares support vector machine algorithm[J]. Journal of Tsinghua University (Sci & Tech), 2010(7): 1063-1066, 1071.
[5] 谢宏,魏江平,刘鹤立. 短期负荷预测中支持向量机模型的参数选取和优化方法[J]. 中国电机工程学报,2006,26（22）：17-22.
XIE Hong, WEI Jiangping, LIU Heli. Parameter selection and optimization method of SVM model for short-term load forecasting [J]. Proceedings of the CSEE, 2006, 26(22): 17-22.
[6] DANIEL S K, GORAN S. Factoring the elasticity of demand in electricity prices[J]. IEEE Trans on Power Systems, 2000, 15(2): 612-617.
[7] 陈沧杨,胡博,谢开贵,等. 计入电力系统可靠性与购电风险的峰谷分时电价模型[J]. 电网技术,2014,38（8）：2141-2148.
CHEN Cangyang, HU Bo, XIE Kaigui, et al . A peak-valley TOU price model considering power system reliability and power purchase risk [J]. Power System Technology, 2014, 38(8): 2141-2148.
[8] 王玉玮. 支持向量机模型改进及在短期边际电价预测中的应用[D]. 保定：华北电力大学,2013.

[1]	许文俊, 马刚, 姚云婷, 孟宇翔, 李伟康. 考虑绿证-碳交易机制与混氢天然气的工业园区多能优化调度[J]. 中国电力, 2025, 58(2): 154-163.
[2]	谭玲玲, 汤伟, 楚冬青, 李竞锐, 张玉敏, 吉兴全. 基于主从博弈的电热氢综合能源系统优化运行[J]. 中国电力, 2024, 57(9): 136-145.
[3]	徐峰亮, 王克谦, 王文豪, 王鹏, 王文烨, 张帅, 赵凤展. 计及激励型需求响应的低压配电网混合储能优化配置[J]. 中国电力, 2024, 57(6): 90-101.
[4]	张彩玲, 王爽, 葛淑娜, 潘登, 张岩, 韩伟, 段文岩. 计及灵活需求响应和碳-绿证交易的综合能源系统优化调度[J]. 中国电力, 2024, 57(5): 14-25.
[5]	李方姝, 余昆, 陈星莺, 华昊辰. 碳约束下基于双重博弈的电力零售商售电价格决策优化[J]. 中国电力, 2024, 57(5): 126-136.
[6]	谭玲玲, 汤伟, 楚冬青, 于子涵, 吉兴全, 张玉敏. 考虑电-氢一体化的微电网低碳-经济协同优化调度[J]. 中国电力, 2024, 57(5): 137-148.
[7]	高月芬, 员成博, 孔凡鹏, 王雪松. 需求响应激励下耦合电转气、碳捕集设备的综合能源系统优化[J]. 中国电力, 2024, 57(4): 32-41.
[8]	甘润东, 龙玉江, 汤杰, 何熙, 罗鸿轩, 金鑫. 计及负荷时空转移需求响应的数据中心聚合商最优运行策略[J]. 中国电力, 2024, 57(3): 20-26.
[9]	梁珩, 黄耕, 侯宾, 杨玺, 罗小虎, 张达. 工业用户连续参与需求响应的用户基线负荷精准计算方法[J]. 中国电力, 2024, 57(3): 34-42.
[10]	高志远, 庄卫金, 耿建, 李峰, 薛必克, 杨晓雷, 白柯鞠. 基于经济人假设的负荷侧资源市场化调节作用机理分析[J]. 中国电力, 2024, 57(3): 213-223.
[11]	唐志辉, 张欣, 宁艺飞, 黄璜, 余昆, 华昊辰, 曹佳伟, 郑云天. 基于联盟链技术的商业建筑转供电主体需求响应策略[J]. 中国电力, 2024, 57(12): 109-119.
[12]	张晓萱, 薛松, 许野, 许轶, 丁泽宇, 孙庆凯. 考虑可调节负荷减碳降碳价值的需求响应运行决策模型[J]. 中国电力, 2024, 57(11): 151-160.
[13]	赵先海, 刘晓峰, 季振亚, 李峰, 刘国宝. 考虑居民用户动态行为的负荷聚合商决策分析[J]. 中国电力, 2024, 57(10): 179-189.
[14]	苏湘波, 吕睿可, 郭鸿业, 陈启鑫. 基于负荷台阶的工业需求响应用户优选方法[J]. 中国电力, 2024, 57(1): 18-29.
[15]	王世杰, 冯天波, 孙宁, 何可, 李嘉文, 杨程, 崔昊杨. 考虑电-气-热耦合和需求响应的虚拟电厂优化调度策略[J]. 中国电力, 2024, 57(1): 101-114.

基于数据均值化及LSSVM算法的峰谷电价需求响应模型

Demand Response Model of TOU Electricity Price Based on Data Mean and LSSVM Algorithm

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于数据均值化及LSSVM算法的峰谷电价需求响应模型

Demand Response Model of TOU Electricity Price Based on Data Mean and LSSVM Algorithm

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics