南京南瑞信息通信科技有限公司 陳功勝 潘 恒

1.引言

我國(guó)電力市場(chǎng)改革共經(jīng)歷了7個(gè)階段[1]，如圖1所示。

圖1 我國(guó)電力市場(chǎng)改革的7個(gè)階段

我國(guó)電力市場(chǎng)的運(yùn)營(yíng)模式從建國(guó)初的“政企合一”到而今的“配售分開(kāi)”，特殊的電力市場(chǎng)運(yùn)營(yíng)模式?jīng)Q定于了電力工業(yè)發(fā)展的水平和特殊的社會(huì)環(huán)境。近年來(lái)我國(guó)電力工業(yè)得到了快速發(fā)展，以往的“電荒”現(xiàn)象得到了解決，甚至出現(xiàn)了富余，隨著15年電改9號(hào)文的發(fā)布標(biāo)志著我國(guó)電力市場(chǎng)邁入了新的階段，競(jìng)爭(zhēng)的引入使得電力市場(chǎng)的越發(fā)開(kāi)放[2]，這對(duì)供電企業(yè)的電價(jià)機(jī)制的形成提出了挑戰(zhàn)，電價(jià)合理調(diào)整可以降低電網(wǎng)的峰谷差，從而減小電網(wǎng)公司的調(diào)度費(fèi)用，減少電網(wǎng)的運(yùn)行成本，有利于供電企業(yè)的良性發(fā)展。

2.基于消費(fèi)者心理學(xué)的用戶響應(yīng)分時(shí)電價(jià)的用電行為分析

2.1 用戶響應(yīng)行為分析

銷(xiāo)售電價(jià)對(duì)用戶的刺激同樣有一個(gè)最小可覺(jué)差，當(dāng)銷(xiāo)售電價(jià)小于該最小可覺(jué)差時(shí)，用戶基本上無(wú)反應(yīng)；而當(dāng)銷(xiāo)售電價(jià)大于一個(gè)上限值時(shí)，用戶將不再有更多的可轉(zhuǎn)移負(fù)荷，響應(yīng)能力趨近飽和[4]。用戶對(duì)電價(jià)的反應(yīng)可以用負(fù)荷轉(zhuǎn)移率來(lái)描述，其示意圖如圖2所示。

圖2 負(fù)荷轉(zhuǎn)移率

式中：

g、d分別為高電價(jià)和低電價(jià)，Δgd = g - d；agd、bgd分別為用戶對(duì)電價(jià)差在死區(qū)與線性區(qū)的上限值；Kgd為線性區(qū)斜率。

假設(shè)對(duì)某地區(qū)所有簽訂了分時(shí)電價(jià)合同的用戶，其負(fù)荷響應(yīng)模型可用一組基于消費(fèi)者心理學(xué)理論的折線表示，則可建立單一電價(jià)轉(zhuǎn)變?yōu)榧夥咫妰r(jià)后尖峰日的負(fù)荷響應(yīng)模型。

式中：

Tf、Tp、Tg分別為尖峰時(shí)段、平時(shí)段、谷時(shí)段；k為其中的任一時(shí)段；Lk0、Lk分別為分時(shí)電價(jià)實(shí)施前、后k時(shí)段的負(fù)荷； Lf、Lp、Lg分別為分時(shí)電價(jià)實(shí)施前峰、平、谷時(shí)段的負(fù)荷值。

3.配電網(wǎng)中分時(shí)電價(jià)定價(jià)決策模型

3.1 目標(biāo)函數(shù)

供電企業(yè)調(diào)整電價(jià)機(jī)制的主要目標(biāo)是優(yōu)化電網(wǎng)的月度負(fù)荷曲線，減少電網(wǎng)的峰谷差，從而延緩電網(wǎng)投資，降低電網(wǎng)的調(diào)度費(fèi)用，因此目標(biāo)函數(shù)如下：

Lday,t為執(zhí)行分時(shí)電價(jià)后第day天t 時(shí)刻點(diǎn)的負(fù)荷；Lmax為執(zhí)行分時(shí)電價(jià)后該月的最大負(fù)荷。

Cday為執(zhí)行分時(shí)電價(jià)后后第day天的峰谷差；Cmax為執(zhí)行分時(shí)電價(jià)后該月的最大峰谷差。

3.2 約束條件

（2）峰時(shí)電價(jià)的取值不能無(wú)限制地上升，必須依靠政府相關(guān)部門(mén)對(duì)其進(jìn)行監(jiān)督和管制，假定峰時(shí)電價(jià)必須滿足：

上述模型的待求解變量為尖峰日尖峰時(shí)段電價(jià)Pc以及非尖峰日電價(jià)折扣率r。該模型為非線性混合整數(shù)規(guī)劃模型，并且目標(biāo)函數(shù)具有一定的復(fù)雜性和求解難度，因此采用粒子群算法進(jìn)行求解。

圖3 PSO算法流程

3.3 基于PSO的算法實(shí)現(xiàn)

粒子群優(yōu)化算法[粒子群算法及其應(yīng)用研究（Particle Swarm Optimization, PSO）是一種群體智能算法[5]，本文利用粒子群算法進(jìn)行求解分時(shí)電價(jià)的定價(jià)側(cè)略，算法流程如圖3所示。

4.算例分析

本文采用算例數(shù)據(jù)以某地區(qū)8月份負(fù)荷數(shù)據(jù)為基礎(chǔ)，負(fù)荷曲線如圖4所示。

圖4 某地區(qū)8月份負(fù)荷曲線

根據(jù)上圖可知負(fù)荷的分布，將該地區(qū)的分時(shí)電價(jià)決策時(shí)段定為以下三個(gè)時(shí)段：

分時(shí)電價(jià)負(fù)荷轉(zhuǎn)移率的相關(guān)參數(shù)設(shè)置如下表1所示。

表1 分時(shí)電價(jià)負(fù)荷轉(zhuǎn)移率參數(shù)

采用粒子群算法求解，設(shè)平時(shí)電價(jià)為0.45元，谷時(shí)電價(jià)為0.22元，以峰時(shí)電價(jià)為待求解量，選取典型代表日負(fù)荷數(shù)據(jù)代入算法進(jìn)行求解可得，最佳峰時(shí)電價(jià)為0.97元，執(zhí)行分時(shí)電價(jià)前最高負(fù)荷為7944kWh ，執(zhí)行尖峰電價(jià)后最高負(fù)荷為7669kWh ，減少了275kWh；執(zhí)行分時(shí)電價(jià)之前電網(wǎng)最大峰谷差為2930kWh ，執(zhí)行尖峰電價(jià)后最大峰谷差為2615kWh ，減少了315kWh。

5.小結(jié)

本文在對(duì)我國(guó)電力市場(chǎng)改革的幾個(gè)階段進(jìn)行分析的基礎(chǔ)之上，指出了電價(jià)機(jī)制調(diào)整的必要性，研究了基于消費(fèi)心理學(xué)的用戶響應(yīng)電價(jià)的用電行為，以降低電網(wǎng)最高負(fù)荷和電網(wǎng)峰谷差為目標(biāo)函數(shù)，采用粒子群算法進(jìn)行求解，得到了合理的分時(shí)電價(jià)定價(jià)策略，對(duì)電網(wǎng)公司降低運(yùn)行成本，提高競(jìng)爭(zhēng)性具有一定的意義。