考虑负荷发展和用户行为的分时电价优化研究

doi:10.11930/j.issn.1004-9649.201708165

中国电力 ›› 2018, Vol. 51 ›› Issue (7): 136-144.DOI: 10.11930/j.issn.1004-9649.201708165

考虑负荷发展和用户行为的分时电价优化研究

谭显东¹, 陈玉辰², 李扬², 井江波³, 姜宁³, 王子健², 沈运帷²

1. 国网能源研究院有限公司, 北京 102209;
2. 东南大学电气工程学院, 江苏南京 210096;
3. 国网陕西省电力公司经济技术研究院, 陕西西安 710075

收稿日期:2017-09-07 修回日期:2018-03-23 出版日期:2018-07-05 发布日期:2018-07-31
作者简介:谭显东(1979-),男,博士,高级工程师,从事电力经济、能源经济、电力需求侧管理等领域研究,E-mail:tanxiandong@sgeri.sgcc.com.cn
基金资助:
国家电网公司科技项目（XM2016020033815）。

Research on Optimization of TOU Considering Load Development and User Behavior

TAN Xiandong¹, CHEN Yuchen², LI Yang², JING Jiangbo³, JIANG Ning³, WANG Zijian², SHEN Yunwei²

1. State Grid Energy Research Institute Co., Ltd., Beijing 102209, China;
2. School of Electrical Engineering, Southeast University, Nanjing 210096, China;
3. State Grid Shaanxi Electric Power Company Economic Research Institute, Xi'an 710075, China

Received:2017-09-07 Revised:2018-03-23 Online:2018-07-05 Published:2018-07-31
Supported by:
This work is supported by the Science and Technology Research Program of SGCC (No.XM2016020033815).

摘要/Abstract

摘要： 分时电价作为需求侧管理的一种重要经济手段，其在国内的全面实施势在必行，但电力需求的快速增长导致分时电价对用户的激励效果缺乏时效性。针对此问题，提出一种考虑负荷发展的分时电价优化方法，利用BP神经网络预测和灰色预测法预测出未来2年的典型日负荷曲线，将未来负荷曲线代入分时电价优化模型的结果作为电价约束，再对当年的典型日负荷曲线进行优化计算，得到合理的分时电价。算例将仅考虑当年典型日负荷曲线的优化结果与考虑负荷发展的优化结果进行对比，验证该优化方法延长分时电价时效的有效性。

关键词: 分时电价, 负荷发展, 用户行为, 负荷曲线

Abstract: As an important economic means of demand-side management, TOU (time of use) is imperative for full implementation in the country. However, the rapid growth of electricity demand lead to TOU ineffective for user's incentive. Aiming at this problem, this paper puts forward a TOU optimization method considering load development, and uses BP neural network prediction and grey prediction to forecast the typical daily load curve of the next two years. The reasonable TOU is obtained through substituting the future load curve into the TOU optimization model as electricity price constraint, and optimizing the typical daily load curve of the year. The optimization results with sole consideration of the typical daily load curve are compared with that with consideration of load development, which verifies the effectiveness of the proposed optimization method for extending the TOU timeliness.

Key words: TOU, load development, user behavior, load curve

中图分类号:

谭显东, 陈玉辰, 李扬, 井江波, 姜宁, 王子健, 沈运帷. 考虑负荷发展和用户行为的分时电价优化研究[J]. 中国电力, 2018, 51(7): 136-144.

TAN Xiandong, CHEN Yuchen, LI Yang, JING Jiangbo, JIANG Ning, WANG Zijian, SHEN Yunwei. Research on Optimization of TOU Considering Load Development and User Behavior[J]. Electric Power, 2018, 51(7): 136-144.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.201708165

https://www.electricpower.com.cn/CN/Y2018/V51/I7/136

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 response in 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 mass markets[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 Yu, dong, WU Junji, ZOU Yun. Further research on the TOU rate 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 model based 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-use electricity 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-side response to electricity spot prices for storage-type customers[J]. IEEE Transactions 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 periods division based on customer response[J]. Automation of Electric Power 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.ZHAO Ming, DONG Li, LI Mengyang, et al. Periods division method for peak-valley prices based on clustering algorithm[J]. Power DSM, 2016, 18(4):11-17.
[11] 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 Utilities Fortnightly, 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 for customers demand response in time of using price[J]. Proceedings of the 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 algorithm of customers' responsive behavior under time-of-Use price[J]. Power System 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 TOU pricing strategy considering user satisfaction in automated demand response 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 response behavior 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 load combination forecasting by grey model and least square support vector 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 network based short term load forecasting of power system[J]. International Journal 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 of smart power consumption and bilateral interaction unsidering uncertainty of demand response[J]. Proceedings of the CSU-EPSA, 2016, 28(9):48-55.

考虑负荷发展和用户行为的分时电价优化研究

Research on Optimization of TOU Considering Load Development and User Behavior

RichHTML

PDF (PC)

可视化

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

[1]	唐文升, 王阳, 张煜, 刘席洋, 谭清坤, 吴鹏, 陈宋宋, 杨菁. 基于多维价格弹性系数的分时电价对负荷特性影响机理[J]. 中国电力, 2024, 57(2): 202-211.
[2]	李丹, 贺帅, 颜伟, 胡越, 方泽仁, 梁云嫣. 考虑动态时间锚点和典型特征约束的年日均负荷曲线预测[J]. 中国电力, 2024, 57(11): 36-47.
[3]	李骏龙, 尤培培, 张超, 方鲁睿, 张文哲. 基于双重差分模型的分时电价机制对用电成本的影响分析[J]. 中国电力, 2024, 57(11): 173-182.
[4]	冯云辰, 加鹤萍, 闫敏, 李根柱, 刘乐, 刘敦楠. 基于风电分时电价的虚拟电厂参与清洁供暖运营优化方法[J]. 中国电力, 2024, 57(1): 51-60.
[5]	时珊珊, 魏新迟, 张宇, 王育飞, 方陈, 王皓靖. 考虑多模式融合的光储充电站储能系统优化运行策略[J]. 中国电力, 2023, 56(3): 144-153,161.
[6]	韩子颜, 王守相, 赵倩宇, 郑志杰. 计及分时电价的5 G基站光储系统容量优化配置方法[J]. 中国电力, 2022, 55(9): 8-15.
[7]	黄剑平, 陈皓勇, 钟佳宇, 陈武涛, 段声志, 郑晓东. 基于用户成本选择用户范围的分时电价最优策略[J]. 中国电力, 2020, 53(9): 107-116.
[8]	杨建华, 王雄飞, 肖达强, 赵佳伟, 刘敦楠. 促进新能源消纳的交易机制及效益研究[J]. 中国电力, 2020, 53(4): 89-95.
[9]	汪磊, 杨贺钧, 马英浩, 张大波. 考虑多重评价指标的多时段分时电价优化模型[J]. 中国电力, 2019, 52(6): 54-59.
[10]	李刚, 李峰, 孔亮, 宋宗勋. 不同电价下含储能系统的微电网经济调度[J]. 中国电力, 2018, 51(2): 125-132.
[11]	王鹏, 张朋宇, 高亚静, 徐靖雯, 孙华凯. 监管视角下的电力市场用户分类指标体系及算法研究[J]. 中国电力, 2018, 51(12): 139-148.
[12]	刘树勇, 李娜, 符景帅. 基于高维赋范与SGHSA算法的用电峰谷时段划分模型[J]. 中国电力, 2018, 51(1): 179-184.
[13]	侯慧, 樊浩, 谢俊, 罗俊阳, 柯贤斌, 王成智. 分时电价下价格理性用户最优充电策略[J]. 中国电力, 2018, 51(1): 171-178.
[14]	吴迪. 基于曲线相似性分析的窃电用户判断[J]. 中国电力, 2017, 50(2): 181-184.
[15]	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.

模态框（Modal）标题

考虑负荷发展和用户行为的分时电价优化研究

Research on Optimization of TOU Considering Load Development and User Behavior

RichHTML

PDF (PC)

可视化

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