峰谷分时电价下的用户响应模型的获取方法及系统

摘要

本发明提供一种峰谷分时电价下的用户响应模型的获取方法及系统，该方法包括如下步骤：利用模糊数表示峰谷分时电价水平以及预先设定的其他影响用户响应行为的因素，并根据峰谷分时电价水平以及预先设定的其他影响用户响应行为的因素的权重确定用户响应行为的影响因素综合指标；根据影响因素综合指标建立用户响应行为的线性回归模型；获取若干组影响因素以及用户响应电量的观测值，根据观测值并通过模糊最小二乘法确定线性回归模型中的响应参数；根据响应参数确定峰谷分时电价下的用户响应模型。本发明有利于提高峰谷分时电价下的用户响应模型的准确性与有效性，为电网负荷控制提供可靠依据，从而产生显著的社会、经济和环境效益。

说明书

【技术领域】

本发明涉及电网负荷调控领域，特别涉及一种峰谷分时电价下的用户响应 模型的获取方法及系统。

【背景技术】

通过峰谷分时电价引导用户的用电行为的方式，是进行电网负荷调控的重 要方式，目前已在世界各国得到广泛关注，并在欧美等发达国家以及国内广东、 江苏、浙江等省份得到了实际应用。为了更好地制定峰谷分时电价，已有学者 对峰谷分时电价下用户的响应行为进行建模分析。已有的方法主要包括基于统 计学原理的方法、基于消费者心理学的方法和基于电力需求价格弹性系数的方 法。在应用这些方法时，一般假定各类用户响应模型是已知的，并在此基础上 进行分时电价的优化决策。由于用户群体的复杂性，用户的响应行为很难通过 假定的参数进行准确描述，一种更为合理的方法是利用峰谷分时电价实施前后 的实测负荷数据对不同模型下用户的响应参数进行量化分析，但是到目前为止， 有关这类技术研究仍然比较少。

在已有的分时电价下的用户响应参数的量化分析中，有一种方法是以实施 分时电价后实测负荷与拟合负荷的偏差最小化为目标，采用最小二乘法对负荷 的响应模型参数进行估计。在此基础上，有学者进一步提出利用用户真实响应 度曲线的方法，解决了分段线性响应度曲线的拐点处理问题。但是已有的峰谷 分时电价下用户响应行为的参数估计方法均为确定性的方法，这主要存在以下 三个方面的问题：

(1)对数据的依赖性较大。确定性的方法只讨论精确的数据，但是实际的 负荷响应数据很难准确获取，通常存在数据缺失或错误等情况，这也使得峰谷 分时电价下用户响应参数估计的确定性方法的应用性能受到较大的影响。

(2)无法全面描述用户的不确定性响应行为。用户的用电行为受多种不确 定因素的影响，在某一分时电价下，用户的响应行为也将存在较大的不确定。 采用确定性的参数估计方法只能描述用户的确定性响应特征，可能与实际情况 产生较大的差异。

(3)参数估计的拟合误差较大。已有的峰谷分时电价下用户响应的参数估 计方法主要采用最小二乘法，由于用户响应行为的随机性较大，某一电价下用 户响应电量的多组数据差异也比较大，因而难以取得良好的拟合效果。

【发明内容】

基于此，本发明提供一种一种峰谷分时电价下的用户响应模型的获取方法， 解决了现有的峰谷分时电价下用户响应行为分析方法存在的对数据的依赖性较 大、无法全面描述用户的不确定性响应行为、参数估计的拟合误差较大的问题， 为电网的负荷调控提供重要依据。

本发明实施例的内容具体如下：

一种峰谷分时电价下的用户响应模型的获取方法，包括如下步骤：

利用模糊数表示峰谷分时电价水平以及预先设定的其他影响用户响应行为 的因素，并根据所述峰谷分时电价水平以及所述预先设定的其他影响用户响应 行为的因素的权重确定用户响应行为的影响因素综合指标；

根据所述影响因素综合指标建立用户响应行为的线性回归模型；

获取若干组所述峰谷分时电价水平、所述预先设定的其他影响用户响应行 为的因素以及用户响应电量的观测值，根据所述观测值并通过模糊最小二乘法 确定所述线性回归模型中的响应参数；

根据所述响应参数确定用于电网负荷调控的峰谷分时电价下的用户响应模 型。

相应的，本发明还提供一种峰谷分时电价下的用户响应模型的获取系统， 包括：

综合指标计算模块，用于利用模糊数表示峰谷分时电价水平以及预先设定 的其他影响用户响应行为的因素，并根据所述峰谷分时电价水平以及所述预先 设定的其他影响用户响应行为的因素的权重确定用户响应行为的影响因素综合 指标；

建模模块，用于根据所述影响因素综合指标建立用户响应行为的线性回归 模型；

观测值获取模块，用于获取所述峰谷分时电价水平、所述预先设定的其他 影响用户响应行为的因素以及用户响应电量的观测值；

参数求解模块，用于根据所述观测值并通过模糊最小二乘法确定所述线性 回归模型中的响应参数；

响应模型获取模块，用于根据所述响应参数确定用于电网负荷调控的峰谷 分时电价下的用户响应模型。

本发明将模糊数估计的理论引入到峰谷分时电价下用户响应行为的研究 中，并采用模糊最小二乘法进行求解。在电网新技术方面，本发明提供的方法 既能便捷地与人工经验相结合，在部分数据缺失或不准确的情况下对用户的响 应行为进行有效的分析，又能全面考虑各种用户群体的用电行为的随机性问题， 形成对峰谷分时电价下用户响应行为的全面描述，还能考虑同一峰谷分时电价 策略下用户响应行为的差异性问题，有利于提高用户响应模型的准确性与有效 性。在社会经济效益方面，本发明获取的峰谷分时电价下的用户响应模型能为 电价的制定以及电网负荷控制提供可靠依据，为节能减排发电调度提供良好的 条件，并从负荷侧解决新能源接入后由于随机性增强而引发的供需不平衡问题， 从而产生显著的社会、经济和环境效益。

【附图说明】

图1为本发明实施例中峰谷分时电价下的用户响应模型的获取方法的流程 示意图；

图2为本发明实施例中峰谷分时电价下的用户响应模型的获取系统的结构 示意图；

图3为本发明实施例中参数求解模块的结构示意图。

【具体实施方式】

下面结合具体实施例对本发明的内容作进一步的阐述。

如图1所示，本实施例提供一种峰谷分时电价下的用户响应模型的获取方 法，包括以下步骤：

S1利用模糊数表示峰谷分时电价水平以及预先设定的其他影响用户响应行 为的因素，并根据所述峰谷分时电价水平以及所述预先设定的其他影响用户响 应行为的因素的权重确定用户响应行为的影响因素综合指标；

S2根据所述影响因素综合指标建立用户响应行为的线性回归模型；

S3获取若干组所述峰谷分时电价水平、所述预先设定的其他影响用户响应 行为的因素以及用户响应电量的观测值，根据所述观测值并通过模糊最小二乘 法确定所述线性回归模型中的响应参数；

S4根据所述响应参数确定用于电网负荷调控的峰谷分时电价下的用户响应 模型。

具体的，在实施峰谷分时电价的情况下，用户的响应行为(也可以称之为用 电行为)随电价的变化而改变，故用户的响应行为受峰谷分时电价水平的影响 最为显著。但需要注意的是，用户的响应行为还与气候环境、工作与生活安排 等因素有关，例如最高气温、相对湿度、日工作时长等。因此，除了重点考虑 峰谷分时电价水平外，还需兼顾其它因素的影响。而用户响应模型的确定步骤 主要是根据用户响应行为的影响因素及用电量的变化关系建立一个输入-输出模 型，用以描述包括峰谷分时电价水平在内的上述影响因素对用户用电量的影响 情况。

根据峰谷分时电价水平及预先设定的其它影响用户响应行为的因素确定影 响因素综合指标X，由于各种影响因素具有较大的随机性，本实施例采用梯形 模糊数对X进行描述，当然其他模糊数如三角模糊数也可以。此时X可描述为：

$X=\underset{j=1}{\overset{k}{\Sigma }}{\omega }_j{p}_j$

其中，p_j为第j个影响因素，可用梯型模糊数表示；ω_j为第j个影响因素的 权重，考虑到在应用峰谷分时电价的情况下，峰谷分时电价水平对用户响应行 为的影响最为显著，因此本实施例中峰谷分时电价水平的权重取0.7；k为影响 因素的总数。

假设在某一峰谷分时电价水平下用户的响应电量为Q，则Q由于其随机性也 可采用梯形模糊数进行描述。此时，用户的响应行为可以通过线性回归模型表 示为Q＝a+bX，其中，响应参数a≥0,b≤0，该线性回归模型反映出包括峰谷分 时电价水平在内的各种影响因素对用户响应行为的影响情况。

为了定性地描述不同情况下用户的响应行为，需要多组X与Q的数据，因此， 获取若干组峰谷分时电价水平及预先设定的其它影响用户响应行为的因素的观 测值，从而得到X的观测值，而用户响应电量Q的观测值可直接获取，然后根据 多组X与Q的观测值，通过模糊最小二乘法计算响应参数a,b。

本实施例给出一种具体的计算方法。假定有n组观测值X_i,Y_i,i＝1,…,n，由于 它们都为梯形模糊数，可分别表示为$X_i=(x_i^{\left(1\right)},x_i^{\left(2\right)},x_i^{\left(3\right)},x_i^{\left(4\right)}),Q_i=(q_i^{\left(1\right)},q_i^{\left(2\right)},q_i^{\left(3\right)},q_i^{\left(4\right)}),$采 用模糊最小二乘法，响应参数a,b的估计问题可转化为以下优化问题：

min r(a,b)

即求取响应参数估计函数r(a,b)的最小值，其中

$r(a,b)=\underset{i=1}{\overset{n}{\Sigma }}\left[{({(a+{\mathrm{bx}}_i^{\left(1\right)}-q_i^{\left(1\right)})}^2+{(a+{\mathrm{bx}}_i^{\left(2\right)}-q_i^{\left(2\right)})}^2+{(a+{\mathrm{bx}}_i^{\left(3\right)}-q_i^{\left(3\right)})}^2+{(a+{\mathrm{bx}}_i^{\left(4\right)}-q_i^{\left(4\right)})}^2)}^2\right]$

求解响应参数估计函数的过程如下：

响应参数估计函数偏导数等于0的点即为极值点，因此，令有

$4\mathrm{na}+b\underset{i=1}{\overset{n}{\Sigma }}(x_i^{\left(1\right)}+x_i^{\left(2\right)}+x_i^{\left(3\right)}+x_i^{\left(4\right)})=\underset{i=1}{\overset{n}{\Sigma }}(q_i^{\left(1\right)}+q_i^{\left(2\right)}+q_i^{\left(3\right)}+q_i^{\left(4\right)})$

$\left(\begin{array}{c}a\underset{i=1}{\overset{n}{\Sigma }}(x_i^{\left(1\right)}+x_i^{\left(2\right)}+x_i^{\left(3\right)}+x_i^{\left(4\right)})+b\underset{i=1}{\overset{n}{\Sigma }}({\left(x_i^{\left(1\right)}\right)}^2+{\left(x_i^{\left(2\right)}\right)}^2+{\left(x_i^{\left(3\right)}\right)}^2+{\left(x_i^{\left(4\right)}\right)}^2)\\ =\underset{i=1}{\overset{n}{\Sigma }}(x_i^{\left(1\right)}{q}_i^{\left(4\right)}+x_i^{\left(4\right)}{q}_i^{\left(1\right)}+x_i^{\left(2\right)}{q}_i^{\left(3\right)}+x_i^{\left(3\right)}{q}_i^{\left(2\right)})\end{array}\right)$

解得

$a=\frac{1}{4}f\left(q\right)+\frac{1}{4}\mathrm{bf}\left(x\right)$

$b=\frac{4\underset{i=1}{\overset{n}{\Sigma }}(x_i^{\left(1\right)}{q}_i^{\left(4\right)}+x_i^{\left(4\right)}{q}_i^{\left(1\right)}+x_i^{\left(2\right)}{q}_i^{\left(3\right)}+x_i^{\left(3\right)}{q}_i^{\left(2\right)})-\mathrm{nf}\left(x\right)f\left(q\right)}{4\underset{i=1}{\overset{n}{\Sigma }}[{\left(x_i^{\left(1\right)}\right)}^2+{\left(x_i^{\left(2\right)}\right)}^2+{\left(x_i^{\left(3\right)}\right)}^2+{\left(x_i^{\left(4\right)}\right)}^2]-n{\left(f\left(x\right)\right)}^2}$

其中

$f\left(x\right)=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}(x_i^{\left(1\right)}+x_i^{\left(2\right)}+x_i^{\left(3\right)}+x_i^{\left(4\right)})$

$f\left(q\right)=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}(q_i^{\left(1\right)}+q_i^{\left(2\right)}+q_i^{\left(3\right)}+q_i^{\left(4\right)})$

解出响应参数a,b后，将其代入上述的线性回归模型Q＝a+bX，即可得到最 终的峰谷分时电价下的用户响应模型。该用户响应模型可为电价的制定提供依 据，利用该用户响应模型可有效地调控电网负荷。

综上所述，本发明在考虑峰谷分时电价水平对用户响应行为的影响的同时， 还建立一个影响因素综合指标以兼顾其它影响因素的影响，在峰谷分时电价下 的用户响应行为的响应参数估计中考虑了不确定性问题，并通过模糊最小二乘 法进行求解，有利于提高用户响应模型的准确性与有效性。通过本发明获取的 峰谷分时电价下的用户响应模型能为电网负荷控制提供可靠依据，为节能减排 发电调度提供良好的条件，并从负荷侧解决新能源接入后由于随机性增强而引 发的供需不平衡问题，从而产生显著的社会、经济和环境效益。

相应的，本发明还提供一种峰谷分时电价下的用户响应模型的获取系统， 如图2所示，包括：

综合指标计算模块1，用于利用模糊数表示峰谷分时电价以及预先设定的其 他影响用户响应行为的因素，并根据所述峰谷分时电价以及所述预先设定的其 他影响用户响应行为的因素的权重确定用户响应行为的影响因素综合指标；

建模模块2，用于根据所述影响因素综合指标建立用户响应行为的线性回归 模型；

观测值获取模块3，用于获取所述峰谷分时电价水平、所述预先设定的其他 影响用户响应行为的因素以及用户响应电量的观测值；

参数求解模块4，用于根据所述观测值并通过模糊最小二乘法确定所述线性 回归模型中的响应参数；

响应模型获取模块5，用于根据所述响应参数确定用于电网负荷调控的峰谷 分时电价下的用户响应模型。

具体的，综合指标计算模块1设定了一个影响因素综合指标，因为在实施峰 谷分时电价的环境下，用户的响应行为随电价的变化而改变，故用户的响应行 为受峰谷分时电价水平的影响最为显著，但用户的响应行为还与气候环境、工 作与生活安排等因素有关，例如最高气温、相对湿度、日工作时长等等。为兼 顾其它因素的影响。综合指标计算模块1根据峰谷分时电价水平和预先设定的 其它影响用户响应行为的因素以及各自的权重建立影响因素综合指标。由于各 种影响用户响应行为的因素均具有较大的随机性，综合指标计算模块1采用模 糊数表示各种影响因素以及影响因素综合指标。

建模模块2主要是根据用户响应行为的影响因素及用电量的变化关系建立 一个输入-输出模型，用以描述这些影响因素对用户的用电量的影响情况。其具 体做法为：将综合指标计算模块1计算出的影响因素综合指标作为自变量，用 户响应行为作为应变量，建立用户响应行为的线性回归模型。

然后，向观测值获取模块3输入峰谷分时电价水平、所述预先设定的其他影 响用户响应行为的因素以及用户响应电量的观测值，参数求解模块4就可以利 用观测值获取模块3输出的观测值并通过模糊最小二乘法计算出线性回归模型 中的响应参数，响应模型获取模块5将参数求解模块4输出的响应参数代入建 模模块2中生成的线性回归模型，即可得到最终的用于电网负荷调控的峰谷分 时电价下的用户响应模型。

在一种具体实施方式中，如图3所示，参数求解模块4包括：

函数建立模块41，用于根据所述观测值通过模糊最小二乘法建立响应参数 估计函数；

求解模块42，用于通过所述响应参数估计函数最小值的求解获取所述线性 回归模型中的响应参数。

为计算响应参数，函数建立模块41通过模糊最小二乘法和观测值获取模块 3获取的观测值建立响应参数估计函数，将响应参数估计问题转化为求取响应参 数估计函数的最小值，然后利用求解模块42对响应参数估计函数的最小值问题 进行求解，从而获得响应参数。

在一种具体实施方式中，所述预先设定的其他影响用户响应行为的因素包括 最高气温、相对湿度、日工作时长。

在一种具体实施方式中，考虑到峰谷分时电价水平对用户响应行为的影响最 为显著，因此，综合指标计算模块1设定峰谷分时电价水平的权重为0.7。

本实施例峰谷分时电价下的用户响应模型的获取系统中各个模块其具体功 能的实现，可参照上述的方法，此处不再一一赘述。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域 的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和 改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附 权利要求为准。