黃海新 鄧 麗 張 路

（1. 沈陽理工大學(xué)信息科學(xué)與工程學(xué)院，沈陽 110159；2. 中國科學(xué)院沈陽自動(dòng)化研究所，沈陽 110016）

近年來，隨著用戶用電需求的增加，傳統(tǒng)的電網(wǎng)面臨著許多存在或者潛在性的問題，電網(wǎng)的有效性與可靠性受到威脅。同時(shí)，新能源產(chǎn)品（如混合動(dòng)力電動(dòng)汽車等）的出現(xiàn)、分布式發(fā)電裝置的應(yīng)用，也對(duì)用戶的用電行為產(chǎn)生顯著影響。峰值電耗的增加使現(xiàn)有電網(wǎng)處于高負(fù)荷狀態(tài)，影響了整個(gè)電網(wǎng)的性能。相對(duì)于增加發(fā)電廠的發(fā)電量來滿足用戶的需求，智能電網(wǎng)的需求響應(yīng)成為處理上述問題的關(guān)鍵。而實(shí)時(shí)電價(jià)策略，作為需求響應(yīng)的重要措施之一，是解決智能電網(wǎng)用電問題的關(guān)鍵技術(shù)。本文介紹了智能電網(wǎng)的需求響應(yīng)和實(shí)時(shí)電價(jià)策略，并從供電側(cè)與用戶側(cè)的供需角度，對(duì)國內(nèi)外電網(wǎng)實(shí)時(shí)電價(jià)的研究與發(fā)展情況進(jìn)行了綜述。

1 需求響應(yīng)

隨著經(jīng)濟(jì)與社會(huì)的發(fā)展，電力產(chǎn)業(yè)不斷貫穿于人們的生產(chǎn)、生活等各個(gè)領(lǐng)域，各個(gè)行業(yè)對(duì)電力的需求不斷增加，因此，電力產(chǎn)業(yè)對(duì)可持續(xù)發(fā)展戰(zhàn)略起著至關(guān)重要的影響作用，智能電網(wǎng)孕育而生。智能電網(wǎng)不同于傳統(tǒng)的電網(wǎng)模式，只存在單一的能量與信息流，智能電網(wǎng)中存在雙向的能量與信息流，實(shí)現(xiàn)用戶與電網(wǎng)的銜接與互動(dòng)。需求響應(yīng)，則是解決智能電網(wǎng)中理想供需水平的機(jī)制。

需求響應(yīng)，即電力需求響應(yīng)的簡稱，是指當(dāng)電力批發(fā)市場(chǎng)價(jià)格升高或電力系統(tǒng)的有效性和可靠性受到威脅時(shí)，電力用戶在接收到供電商發(fā)出的誘導(dǎo)性減少負(fù)荷的直接補(bǔ)償通知或者電力價(jià)格上升信號(hào)后，改變其固有的用電行為模式，從而減少或者推移某時(shí)段的用電負(fù)荷而響應(yīng)電力供應(yīng)，保障電網(wǎng)穩(wěn)定，并抑制電價(jià)上升的短期行為。它是需求側(cè)管理（Demand-Side management，DSM）的解決方案之一。美能源部報(bào)告[1]中詳細(xì)指出，需求響應(yīng)最顯著的作用體現(xiàn)在電力生產(chǎn)中能源效率的提高。具體作用體現(xiàn)如下[2]：

1）用戶對(duì)激勵(lì)型或者價(jià)格型電力需求做出響應(yīng)，降低用戶用電成本。

2）減少用戶用電高峰期需求，有效地避免或減少在基礎(chǔ)電力設(shè)施升級(jí)、新建方面需要投入的巨大成本，減少電力成本快速增長。

3）用戶自主決定消費(fèi)的時(shí)間與數(shù)量，減弱發(fā)電廠商的市場(chǎng)力，改善電力市場(chǎng)運(yùn)行效率。提供電力市場(chǎng)的輔助服務(wù)，提高電力系統(tǒng)的安全性。

4）能夠降低線損率，帶來節(jié)能減排的效益。

在需求響應(yīng)的分類問題上，美國能源部的報(bào)告[1]最具代表性。其中指出需求響應(yīng)的兩種分類方式：激勵(lì)型需求響應(yīng)和價(jià)格型需求響應(yīng)[2]，如圖 1所示。

圖1 需求響應(yīng)分類

1）激勵(lì)型需求響應(yīng)

所謂激勵(lì)型需求響應(yīng)（Intensive-Based Programs，IBP），是指為了避免電力系統(tǒng)出現(xiàn)緊急情況，電力部門或系統(tǒng)運(yùn)營商采用獎(jiǎng)勵(lì)的策略在需求高峰期對(duì)電力用戶的負(fù)荷進(jìn)行直接或間接的控制或干擾，激勵(lì)用戶的用電行為以降低在該時(shí)段的負(fù)荷需求，并對(duì)其控制或干擾行為進(jìn)行補(bǔ)償。激勵(lì)型需求響應(yīng)可分為：直接負(fù)荷控制，可干擾負(fù)荷控制，需求側(cè)競價(jià)，緊急需求響應(yīng)，容量市場(chǎng)計(jì)劃，輔助服務(wù)市場(chǎng)計(jì)劃。

2）價(jià)格型需求響應(yīng)

所謂價(jià)格型需求響應(yīng)（Pricing-Based Programs，PBP），就是通過人為或者市場(chǎng)自發(fā)地調(diào)整電價(jià)來反映供電成本的時(shí)段差異，用戶進(jìn)而做出用電時(shí)間與方式的調(diào)整。具體來說，價(jià)格型需求響應(yīng)就是通過用戶在較高價(jià)格的高峰期減少用電，在較低價(jià)格的非高峰期增加用電（彌補(bǔ)之前的用電削減）來平緩負(fù)荷曲線，增強(qiáng)用戶對(duì)價(jià)格的響應(yīng)能力，并提高系統(tǒng)穩(wěn)定性。參與此類項(xiàng)目的電力用戶可以直接降低高峰期負(fù)荷需求或是將部分高峰期用電轉(zhuǎn)移到非高峰期。價(jià)格型需求響應(yīng)可分為：分時(shí)電價(jià)，關(guān)鍵峰荷電價(jià)，實(shí)時(shí)電價(jià)。

2 實(shí)時(shí)電價(jià)

電價(jià)的計(jì)算方式有多種，主要的方法有綜合成本法、長期邊際成本法和短期邊際成本法[3]。在工程上，短期邊際成本法又可稱為“實(shí)時(shí)電價(jià)”。

實(shí)時(shí)電價(jià)的概念最早是由美國F. C. Schweppe教授在20世紀(jì)80年代提出，是配電市場(chǎng)需求響應(yīng)的最理想電價(jià)機(jī)制之一[4]。不同于傳統(tǒng)的單一電價(jià)模式，實(shí)時(shí)電價(jià)，通常是在考慮運(yùn)行成本和基本投資的情況下，在給定時(shí)段向用戶提供電能的邊際成本。狹義的實(shí)時(shí)電價(jià)是在得到用戶的用電情況后，然后再根據(jù)用電情況來確定用戶的用電價(jià)格。實(shí)際應(yīng)用中，我們不可能在得到用戶某時(shí)段電耗后，再?zèng)Q定該時(shí)段的用戶電價(jià)，這樣既不能降低用戶的電耗，也不能減少供電商的發(fā)電量，體現(xiàn)實(shí)時(shí)電價(jià)的初衷。因此，廣義的實(shí)時(shí)電價(jià)是指用戶在電價(jià)發(fā)布前的一天或前幾個(gè)小時(shí)得到實(shí)時(shí)電價(jià)。最典型的實(shí)時(shí)電價(jià)類型是用戶提前一天得到用電價(jià)格，即用戶已知下一個(gè)24h的電力定價(jià)情況。實(shí)際上，實(shí)時(shí)電價(jià)的確定不僅要滿足成本的需求，同時(shí)應(yīng)滿足電量的平衡、發(fā)電功率及線路功率等約束。對(duì)于第K個(gè)用戶在時(shí)段 t內(nèi)的實(shí)時(shí)電價(jià)可以看作以下各組成部分的和：

式中，ρK,t為第K個(gè)用戶在時(shí)段t的實(shí)時(shí)電價(jià)，γF,t為邊際發(fā)電燃料成本，γM,t為邊際發(fā)電維護(hù)成本，γQS,t為發(fā)電質(zhì)量分量，γR,t為發(fā)電收支平衡項(xiàng)，γL,K,t為邊際網(wǎng)損成本，ηM,K,t為邊際網(wǎng)損維護(hù)成本，ηQS,K,t為網(wǎng)絡(luò)供電質(zhì)量分量，ηR,t為網(wǎng)絡(luò)收支平衡項(xiàng)。

實(shí)時(shí)電價(jià)，作為需求響應(yīng)的重要策略之一，在如今的智能電網(wǎng)中有著較為廣泛的應(yīng)用。其通過動(dòng)態(tài)地跟蹤整個(gè)電力市場(chǎng)的價(jià)格模式，引導(dǎo)用戶避開用電高峰期的用電行為，降低用戶在高峰期的負(fù)荷。在實(shí)現(xiàn)節(jié)能減排，減少電力投資，降低負(fù)荷需求，實(shí)現(xiàn)供需平衡等問題上，都具有重大意義[5]。

3 實(shí)時(shí)電價(jià)算法的國內(nèi)外研究現(xiàn)狀

在智能電網(wǎng)時(shí)代，隨著通信網(wǎng)絡(luò)技術(shù)的普及與完善，僅單一的考慮發(fā)電商的定價(jià)策略早已不能滿足電力應(yīng)用的有效性與可靠性要求。智能電網(wǎng)的快速發(fā)展與智能電表的廣泛應(yīng)用使得用戶與電網(wǎng)各領(lǐng)域的信息交互越發(fā)頻繁。用戶端負(fù)荷，特別是彈性負(fù)荷有組織、有選擇、有計(jì)劃的接入電網(wǎng)成為用戶的智能需求。實(shí)時(shí)電價(jià)成為當(dāng)前智能電網(wǎng)技術(shù)的研究熱點(diǎn)，結(jié)合大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等先進(jìn)方法，實(shí)現(xiàn)更精確的實(shí)時(shí)電價(jià)的操作性與實(shí)用性已成為現(xiàn)實(shí)。

實(shí)際研究過程中，越來越多的學(xué)者將智能電網(wǎng)劃分為不同的領(lǐng)域，如發(fā)電側(cè)、供電側(cè)、用戶側(cè)等。而傳統(tǒng)的電網(wǎng)重發(fā)電輕用電的模式早已不能適應(yīng)智能電網(wǎng)發(fā)展的大趨勢(shì)。因此，用戶側(cè)的智能電網(wǎng)研究日趨成為近幾年研究的重點(diǎn)?，F(xiàn)有的研究中，多數(shù)學(xué)者從用戶側(cè)與供電側(cè)角度提出了實(shí)時(shí)電價(jià)策略的模型與算法。下面我們將從供電側(cè)與用戶側(cè)的供需水平出發(fā)，介紹現(xiàn)有的實(shí)時(shí)電價(jià)算法。

3.1 基于能耗調(diào)度理論的實(shí)時(shí)電價(jià)算法

2008年，美能源部的報(bào)告明確指出，國家電力消耗的74%來自于建筑物。這就相當(dāng)于所有部門的總能耗的39%。而大部分建筑物電耗的低效性，導(dǎo)致了數(shù)十億資金的浪費(fèi)與多余溫室氣體的排放[6]。因此，能耗調(diào)度成為電價(jià)制定的關(guān)鍵問題。

Mohsenian-Ra等提出了基于能耗調(diào)度理論的最優(yōu)實(shí)時(shí)定價(jià)算法。該算法將獲得最少的電能成本及峰平比作為目標(biāo)函數(shù)，根據(jù)博弈論思想，采用內(nèi)點(diǎn)法求解問題，得到每個(gè)用戶的最優(yōu)能耗調(diào)度方案，降低了總電能成本及峰平比[7]。在缺乏用戶對(duì)可變電價(jià)的反饋信息及有效的建筑自動(dòng)化系統(tǒng)的條件下，Mohsenian-Ra又提出了一種自治住宅能耗調(diào)度框架，實(shí)現(xiàn)了在與帶有傾斜塊率（inclining block rates）結(jié)合的實(shí)時(shí)定價(jià)策略下，建立用戶在所付電費(fèi)最小和操作用電器的等待時(shí)間最短之間折中的模型，基于線性規(guī)劃，同樣采用內(nèi)點(diǎn)法解決該最優(yōu)化問題，但算法的收斂速度慢[8]。

隨著新能源的發(fā)現(xiàn)與應(yīng)用，混合能源電力設(shè)備的普及，相比與傳統(tǒng)的用電模式，用戶側(cè)的用電結(jié)構(gòu)發(fā)生巨大變化。考慮到能源價(jià)格、可再生能源、溫度及用戶能源需求情況等信息及電力汽車（EVs）的應(yīng)用對(duì)用戶用電行為的影響，Juan M.Lujano-Rojas等給出了利用智能電網(wǎng)的通信基礎(chǔ)設(shè)施得到的住宅用戶的最優(yōu)能耗調(diào)度策略，實(shí)現(xiàn)了供電商與用戶的協(xié)調(diào)，即用戶獲得電器及電力汽車的最優(yōu)利用方案。算法從用戶側(cè)考慮，實(shí)現(xiàn)用戶電耗的可控性，能使用戶獲得適合于自身消費(fèi)水平的實(shí)時(shí)電價(jià)[9]。

3.2 基于統(tǒng)計(jì)需求彈性模型的實(shí)時(shí)電價(jià)算法

電力市場(chǎng)的主要作用是通過對(duì)電力系統(tǒng)中發(fā)、輸、供、用等各個(gè)環(huán)節(jié)組織協(xié)調(diào)與管理，達(dá)到社會(huì)效益的最優(yōu)化。電價(jià)是體現(xiàn)管理思想的最佳工具。因此，電力市場(chǎng)中的電價(jià)模型應(yīng)正確反應(yīng)出用戶側(cè)與供電側(cè)的效益。國內(nèi)外很多學(xué)者在用戶側(cè)與供電側(cè)的總體效益最大化的實(shí)時(shí)電價(jià)模型問題上進(jìn)行了研究。

隨著各企業(yè)推出包括能源管理中心、通信網(wǎng)絡(luò)和遠(yuǎn)程數(shù)據(jù)采集單元三級(jí)物理結(jié)構(gòu)的能源管理系統(tǒng)，為用戶提供能源自動(dòng)化、能耗監(jiān)測(cè)、能耗計(jì)量、能效分析與管理等功能。我們可以獲得電力負(fù)荷使用及實(shí)時(shí)電價(jià)信息，并根據(jù)所得信息引導(dǎo)用戶電耗以獲得用戶的最優(yōu)效益[10]?；谒玫慕换バ畔?，Rongshan等學(xué)者應(yīng)用效用理論，對(duì)電力市場(chǎng)的需求價(jià)格彈性進(jìn)行研究。文獻(xiàn)將用戶所需負(fù)荷函數(shù)表示為電價(jià)的函數(shù)，將用戶的效用函數(shù)定義為多維的價(jià)格需求曲線。同時(shí)把社會(huì)效益最大化作為最優(yōu)實(shí)時(shí)電價(jià)問題的目標(biāo)函數(shù)。在不要求用戶與供電商過多信息交換的前提下，通過迭代算法，得到用戶與供電商的總體效益最大化[11]。

電力市場(chǎng)的開放性使用戶面臨著越多的可變電價(jià)政策，用戶可以通過改變需求來降低自身電耗。因此，Daniel S. Kirschen等提出了考慮到需求彈性的定價(jià)方法。用自彈性與互彈性矩陣對(duì)用戶的用電行為進(jìn)行建模，彈性影響的計(jì)算隨著調(diào)度策略與計(jì)算價(jià)格不斷迭代。通過拉格朗日松弛算法來計(jì)算每一次調(diào)度安排，并根據(jù)英格蘭和威爾士的電力庫規(guī)則完成電力價(jià)格的實(shí)際制定[12]。

3.3 基于效益模型的實(shí)時(shí)電價(jià)算法

與基于統(tǒng)計(jì)需求彈性模型的實(shí)時(shí)電價(jià)算法相似，基于效益模型的實(shí)時(shí)電價(jià)算法同樣是實(shí)現(xiàn)用戶端與供電端的雙方效益最大化。

對(duì)于單供電商多用戶模型，Corentin Evens SK通過實(shí)時(shí)電價(jià)信息來調(diào)整用戶能耗，采用滾動(dòng)窗計(jì)算周期內(nèi)能耗，并采用線性規(guī)劃求解。但滑動(dòng)窗的結(jié)構(gòu)決定著窗外數(shù)據(jù)默認(rèn)為零，不能很好的保留數(shù)據(jù)，因此會(huì)產(chǎn)生較大誤差[13]。Pedram Samadi等建立了基本的能耗調(diào)度模型，通過分布式算法實(shí)現(xiàn)在總電耗低于產(chǎn)電量的基礎(chǔ)上最大化用戶總效用，并且最小化能源供應(yīng)商的費(fèi)用，給出了基于對(duì)偶分解的次梯度算法，在未給出用戶負(fù)載的類型參數(shù)的基礎(chǔ)上，算法以公平有效的方式獲得每個(gè)用戶的最優(yōu)能耗[14]。

由于負(fù)載類型的多樣化，在文獻(xiàn)[14]的基礎(chǔ)上，Poramate Tarasak分析了三種不確定的負(fù)載模型：有界不確定性模型（Bounded Uncertainty Model），高斯模型（Gaussian Model）和分布未知的模型（Unknown Distribution Model），發(fā)現(xiàn)負(fù)載的不確定性會(huì)影響最優(yōu)定價(jià)，并造成其增高，且分布未知的模型比高斯模型有更高的最優(yōu)定價(jià)。仿真結(jié)果表明算法實(shí)現(xiàn)了不同負(fù)載下用戶的最低能耗[15]。為達(dá)到供需平衡，減少整體能耗，Jie Yang提出了基于供需匹配的電力控制與實(shí)時(shí)電價(jià)方法，并同時(shí)提出依賴用戶自身策略及其他消費(fèi)者消費(fèi)策略的效用函數(shù)模型，分布式算法實(shí)現(xiàn)模型最優(yōu)化[16]。Asadi提出了基于PSO的效用函數(shù)最大化算法，協(xié)同工作的實(shí)時(shí)定價(jià)策略使每個(gè)用戶的能耗最低進(jìn)而達(dá)到所有用戶的最大效用。文獻(xiàn)同時(shí)比較了RTP與TOU兩種不同定價(jià)策略。給出了用戶基于RTP的電耗模式[17]。

對(duì)于多供電商多用戶模型，S. Weckx等提出了在不違反網(wǎng)絡(luò)約束條件下，應(yīng)用于三相四線徑向網(wǎng)絡(luò)中的實(shí)時(shí)定價(jià)算法，在不共享用戶個(gè)人信息的基礎(chǔ)上，使不同的能源提供者共享同一網(wǎng)絡(luò)，最終得到在具有網(wǎng)絡(luò)約束的不平衡配電網(wǎng)中的實(shí)時(shí)價(jià)格策略[18]。

3.4 基于阻塞管理的實(shí)時(shí)電價(jià)算法

基于阻塞管理的實(shí)時(shí)電價(jià)，通過處理電網(wǎng)負(fù)荷擁塞來獲得供電與用電的平衡。傳統(tǒng)的解決電網(wǎng)阻塞的方法是擁塞價(jià)格法。所謂的擁塞價(jià)格法，是將聯(lián)絡(luò)線的價(jià)格信號(hào)傳遞給市場(chǎng)參與者，來鼓勵(lì)發(fā)電商在價(jià)格高的區(qū)域興建電廠，以減少阻塞。為了保證用戶服務(wù)質(zhì)量，網(wǎng)絡(luò)共享帶寬問題成為了近年來研究的重點(diǎn)。而在用戶與應(yīng)用巨大差異的情況下，問題的難點(diǎn)就在于對(duì)用戶進(jìn)行約束。Ayalvadi Ganesh等學(xué)者基于上述原因，將問題從網(wǎng)絡(luò)轉(zhuǎn)化到用戶終端，提出了用戶適應(yīng)與動(dòng)態(tài)學(xué)習(xí)的分布式方案，采取擁塞價(jià)格機(jī)制來獲得用戶側(cè)的最大效益。該算法在提高用戶自身的用電滿意度時(shí)，忽略了供電商的利益。且算法受參數(shù)影響較大，收斂性較差[19]。實(shí)際中，僅作用于終端的實(shí)時(shí)電價(jià)策略并不能很好地反映整個(gè)電網(wǎng)的性能，此時(shí)的擁塞價(jià)格不能對(duì)傳輸系統(tǒng)控制器進(jìn)行正確的激勵(lì)。擁塞價(jià)格與電網(wǎng)建設(shè)并沒直接聯(lián)系，它只單方面考慮了阻塞線路的價(jià)格，并不能保證最有效的電力使用。因此，研究者提出了解決網(wǎng)絡(luò)堵塞管理問題的節(jié)點(diǎn)邊際電價(jià)（Locational Marginal Pricing，LMP）策略，從整個(gè)電網(wǎng)出發(fā)分析問題，被認(rèn)為是衡量電能價(jià)值的一種定價(jià)方式[20]。節(jié)點(diǎn)邊際電價(jià)，是指某一節(jié)點(diǎn)增加1MW的負(fù)荷，系統(tǒng)向該節(jié)點(diǎn)供應(yīng)電能的邊際（或微增）成本，這與實(shí)時(shí)電價(jià)有相同的含義。Luonan Chen等對(duì)LMP的組成進(jìn)行了詳細(xì)地分析，將影響LMP的因素分為發(fā)電裝置、輸電阻塞、電壓限制等方面。利用LMP分析價(jià)格的各影響因素，對(duì)電網(wǎng)進(jìn)行擁塞管理，提高電網(wǎng)的有效利用率[21]。

文獻(xiàn)[22]對(duì)國內(nèi)外阻塞管理及節(jié)點(diǎn)邊際電價(jià)的理論研究和實(shí)際應(yīng)用進(jìn)行總結(jié)、評(píng)述，并根據(jù)國內(nèi)電力市場(chǎng)特點(diǎn)，對(duì)阻塞管理和節(jié)點(diǎn)邊際電價(jià)進(jìn)行了深入地研究，推導(dǎo)出節(jié)點(diǎn)邊際電價(jià)與阻塞線路影子價(jià)格的關(guān)系。并以直流最優(yōu)潮流為核心，提出了交直流迭代求解含網(wǎng)損的節(jié)點(diǎn)邊際電價(jià)計(jì)算方法。同時(shí)提出了全時(shí)段優(yōu)化的節(jié)點(diǎn)邊際電價(jià)計(jì)算模型[22]。

4 實(shí)時(shí)電價(jià)策略下用戶用電行為分析

實(shí)時(shí)電價(jià)策略的實(shí)施必然對(duì)用戶的用電行為產(chǎn)生影響，用電行為同時(shí)又影響著實(shí)時(shí)電價(jià)的制定。因此，對(duì)用戶用電行為學(xué)習(xí)，是設(shè)計(jì)有效可行的實(shí)時(shí)電價(jià)策略的關(guān)鍵。當(dāng)前的大多數(shù)研究主要是在于理解實(shí)時(shí)電價(jià)的經(jīng)濟(jì)作用及用戶的集中反應(yīng)[23-25]。而用戶對(duì)價(jià)格的反映可以將其分為價(jià)格敏感型用戶及價(jià)格激勵(lì)型用戶，用戶級(jí)響應(yīng)及家電級(jí)響應(yīng)。因此，F(xiàn)an-Lin Meng等，將家電分為不可轉(zhuǎn)移電器（Non-Shiftable Appliances）、可轉(zhuǎn)移電器（Shiftable Appliances）及季節(jié)性或可斷電器（Curtailable Appliances），提出了實(shí)時(shí)電價(jià)下不同類型家電的電耗模式的學(xué)習(xí)模型：應(yīng)用于可轉(zhuǎn)移家電的基于平均價(jià)格排序的學(xué)習(xí)模型，應(yīng)用于季節(jié)性或可斷電器的多元線性回歸學(xué)習(xí)模型。從家電級(jí)視角分析了實(shí)時(shí)電價(jià)對(duì)用戶用電行為的影響[26]。

由于智能家電的普及，電價(jià)策略的改變，Sebastian gottwalt等提出了在恒定電價(jià)下用戶負(fù)載曲線的仿真模型，并估算了在智能家電及基于時(shí)間的價(jià)格策略下用戶負(fù)載曲線的變化，研究了智能家電及可變價(jià)格策略對(duì)電價(jià)的影響。結(jié)果表明在新的價(jià)格策略下電力公司會(huì)面臨新的需求高峰，用戶需要改變大量的家用電器的用電模式來實(shí)現(xiàn)供需匹配，達(dá)到全局最優(yōu)[27]。

5 結(jié)論

隨著社會(huì)的進(jìn)步，科技的發(fā)展，智能電網(wǎng)早已取代了傳統(tǒng)的電網(wǎng)模式?，F(xiàn)代電力市場(chǎng)條件下，需求響應(yīng)成為緩解電力市場(chǎng)中的供需矛盾，降低峰值負(fù)荷，實(shí)現(xiàn)節(jié)能減排的重要工具之一[28-29]。實(shí)時(shí)電價(jià)作為價(jià)格型需求響應(yīng)的一種，在現(xiàn)實(shí)電網(wǎng)中起著至關(guān)重要的作用。本文從用戶側(cè)與供電側(cè)的供需水平出發(fā)，分析了幾種現(xiàn)有的實(shí)時(shí)電價(jià)模型與算法：基于能耗調(diào)度理論的實(shí)時(shí)電價(jià)算法，基于統(tǒng)計(jì)需求彈性模型的實(shí)時(shí)電價(jià)算法，基于效益模型的實(shí)時(shí)電價(jià)算法及基于阻塞管理的實(shí)時(shí)電價(jià)算法。而合理的分析實(shí)時(shí)電價(jià)策略下用戶的用電行為，根據(jù)用戶響應(yīng)制定公平有效的實(shí)時(shí)電價(jià)策略[30]，則會(huì)進(jìn)一步改善當(dāng)今電網(wǎng)的使用現(xiàn)狀，提高智能電網(wǎng)的性能與核心競爭力。

傳統(tǒng)單一的電價(jià)模式，著重于從供電商出發(fā)，不考慮用戶側(cè)的反應(yīng)制定電價(jià)，不存在用戶與電網(wǎng)之間的信息交流?，F(xiàn)有的實(shí)時(shí)電價(jià)是一種響應(yīng)電價(jià)，是在用電信息充分采集的前提下，電網(wǎng)根據(jù)用戶的用電信息制定電價(jià)，進(jìn)而影響用戶的用電行為。在智能電網(wǎng)中，可以獲得足夠的電網(wǎng)數(shù)據(jù)，基于大數(shù)據(jù)分析的實(shí)時(shí)電價(jià)軟計(jì)算智能算法未嘗不是電網(wǎng)發(fā)展的趨勢(shì)。同時(shí)，為了實(shí)現(xiàn)電網(wǎng)各成員獲利，博弈仍是實(shí)現(xiàn)需求響應(yīng)的實(shí)時(shí)電價(jià)策略的不錯(cuò)選擇。博弈的多方可在最優(yōu)定價(jià)策略下同時(shí)獲得各自的最大效益。用戶，作為智能電網(wǎng)數(shù)量最多的成員，承載著電網(wǎng)的應(yīng)用，對(duì)系統(tǒng)有著直接切身利益的要求。隨著新能源的產(chǎn)生，各種分布式發(fā)電裝置的應(yīng)用[31]，家用電器的多樣化，用戶的用電要求也隨之越來越高。因此，滿足電網(wǎng)各成員的最優(yōu)獲利，涉及用戶質(zhì)量需求的實(shí)時(shí)電價(jià)設(shè)計(jì)，提高用戶服務(wù)質(zhì)量，會(huì)成為發(fā)展與完善實(shí)時(shí)電價(jià)算法的趨勢(shì)。

[1] US Department of Energy, BENEFITS OF DEMAND RESPONSE IN ELECTRICITY MARKETS AND RECOMMENDATIONS FOR ACHIEVING THEM. A REPORT TO THE UNITED STATES CONGRESS PURSUANT TO SECTION 1252 OF THE ENERGY POLICY ACT OF 2005 (FEBRUARY 2006)[2014-01-05] [EB/OL].

[2] 陶小馬, 周雯. 電力需求響應(yīng)的研究進(jìn)展及文獻(xiàn)述評(píng)[J]. 北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2014, 16(1):32-40.

[3] 曲家余. 面向智能電網(wǎng)的基于梯度投影法的實(shí)時(shí)電價(jià)算法研究[D]. 沈陽: 東北大學(xué), 2013.

[4] 雷霞, 劉俊勇, 黨曉強(qiáng). 配電市場(chǎng)購售電優(yōu)化模型研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(2):136-145.

[5] 畢超. 基于功率分解理論的用戶實(shí)時(shí)電價(jià)研究[D].北京: 華北電力大學(xué), 2008.

[6] U.S. Department of Energy, 2008 Buildings Energy Data Book[R]. Energy Efficiency and Renewable Energy, Mar. 2009.

[7] Mohsenian-Rad A H, Wong V, Jatskevich J, et al.Optimal and autonomous incentive-based energy consumption scheduling algorithm for smart grid[C]//Innovative Smart Grid Technologies (ISGT), 2010,2010: 1-6.

[8] Mohsenian-Rad A H, Leon-Garcia A. Optimal residential load control with price prediction in Real-Time electricity pricing environments[J]. Smart Grid, IEEE Transactions on, 2010, 1(2): 120-133.

[9] Lujano-Rojas J M, Monteiro C, Dufo-Lopez R A.Optimum residential load management strategy for real time pricing (RTP) demand response programs[J].Energy Policy, 2012, 45(2): 671-679.

[10] 張延宇, 曾鵬, 臧傳治. 智能電網(wǎng)環(huán)境下家庭能源管理系統(tǒng)研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2014,42(18): 144-154.

[11] Yu Rongshan, Yang Wenxian, Rahardja S. Optimal real-time price based on a statistical demand elasticity model of electricity[C]//Smart Grid Modeling and Simulation (SGMS), 2011 IEEE First International Workshop on, 2011: 90-95.

[12] Kirschen D S, Strbac G, Cumperayot P, et al. Factoring the elasticity of demand in electricity prices[J]. Power Systems, IEEE Transactions on, 2000, 15(2): 612-617.

[13] Evens S K C, K?rkk?inen S. Pricing models and mechanisms for the promotion of demand side integration[J]. VTT Technical Research Centre of Finland, Tech. Rep. VTT.

[14] Samadi P, Mohsenian-Rad A H, Schober R, et al.Optimal Real-Time pricing algorithm based on utility maximization for smart grid[C]//Smart Grid Communications (SmartGridComm), 2010 First IEEE International Conference on, 2010: 415-420.

[15] Tarasak P. Optimal real-time pricing under load uncertainty based on utility maximization for smart grid[C]//Smart Grid Communications (SmartGridComm),2011 IEEE International Conference on, 2011: 321-326.

[16] Yang Jie, Zhang Guoshan, Ma Kai. Matching supply with demand: A power control and real time pricing approach[J]. International Journal of Electrical Power& Energy Systems, 2014, 61: 111-117.

[17] Asadi G, Gitizadeh M, Roosta A. Welfare maximization under real-time pricing in smart grid using PSO algorithm[C]//Electrical Engineering (ICEE), 2013 21st Iranian Conference on, 2013: 1-7.

[18] Weckx S, Driesen J, D'hulst R. Optimal real-time pricing for unbalanced distribution grids with network constraints[C]//Power and Energy Society General Meeting (PES), 2013 IEEE, 2013: 1-5.

[19] Ganesh A, Laevens K, Steinberg R. Congestion pricing and user adaptation[C]//INFOCOM 2001. Twentieth Annual Joint Conference of the IEEE Computer and Communications Societies. Proceedings. IEEE, 2,2001: 959-965 vol.2.

[20] 韓水, 汪定偉, 張近朱. 利用邊際成本法計(jì)算輸電節(jié)點(diǎn)電價(jià)[J]. 東北電力技術(shù), 2002, 23(3): 8-11.

[21] Chen L, Suzuki H, Wachi T, et al. Components of nodal prices for electric power systems[J]. Power Engineering Review, IEEE, 2001, 21(11): 54-54.

[22] 陳之栩. 節(jié)點(diǎn)邊際電價(jià)與阻塞管理算法的研究[D].北京: 華北電力大學(xué):北京, 2007.

[23] Herter K, Mcauliffe P, Rosenfeld A. An exploratory analysis of California residential customer response to critical peak pricing of electricity[J]. Energy, 2007,32(1): 25-34.

[24] Taylor T N, Schwarz P M, Cochell J E. 24/7 hourly response to electricity Real-Time pricing with up to eight summers of experience[J]. Journal of Regulatory Economics, 2005, 27(3): 235-262.

[25] Wolak F A. Residential customer response to real-time pricing: The anaheim critical peak pricing experiment[J].Center for the Study of Energy Markets, 2007.

[26] Meng Fanlin, Zeng Xiaojun, Qian Ma. Learning customer behaviour under Real-Time pricing in the smart grid[C]//Systems, Man, and Cybernetics (SMC),2013 IEEE International Conference on, 2013:3186-3191.

[27] Gottwalt S, Ketter W, Block C, et al. Demand side management—A simulation of household behavior under variable prices[J]. Energy Policy, 2011, 39(12):8163-8174.

[28] 張欽. 職能電網(wǎng)下需求響應(yīng)熱點(diǎn)問題探討[J]. 中國電力, 2013, 46(6): 85-90.

[29] 熊雄, 楊仁剛, 葉林, 等. 電力需求側(cè)大規(guī)模儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性評(píng)估[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(9):224-230.

[30] 孫近文, 萬云飛, 鄭培文, 等. 基于需求側(cè)管理的電動(dòng)汽車有序充放電策略[J]. 電工技術(shù)學(xué)報(bào), 2014,29(8): 64-69.

[31] 張犁, 孫凱, 吳田進(jìn), 等. 基于光伏發(fā)電的直流微電網(wǎng)能量變換與管理[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(2):248-254.