趙 爽，林 錚，付婭璐，吳政聲，劉民偉，王志敏，陳 雯

（1. 云南電網(wǎng)有限責(zé)任公司 電網(wǎng)規(guī)劃建設(shè)研究中心，云南 昆明 650011；2. 昆明理工大學(xué) 電力工程學(xué)院，云南 昆明 650500；3.中國能源建設(shè)集團 云南省電力設(shè)計院有限公司，云南 昆明 650000）

0 引言

國家發(fā)展改革委提出：需進一步完善分時電價機制，具體包括積極完善峰谷電價機制、建立尖峰電價機制與健全季節(jié)性電價機制；通過發(fā)揮分時電價信號作用引導(dǎo)用戶用電方式的轉(zhuǎn)變[1]。

用戶對電價的響應(yīng)積極性反映了電價機制設(shè)計的合理性[2]?；陔娏ο到y(tǒng)用戶特性，設(shè)計、優(yōu)化分時電價機制，是近年來研究熱點[3,4]。

用戶參與需求響應(yīng)，可以使高功率時間段的功率向低功率時間段轉(zhuǎn)移，從而降低系統(tǒng)負荷波動。需求響應(yīng)逐漸成為降低負荷波動的主要方法[5,6]。引導(dǎo)用戶負荷轉(zhuǎn)移，需要一定的激勵手段與方法。

文獻[7]提出了利用價格與激勵手段影響電動汽車長時間尺度充放電調(diào)度策略；該調(diào)度策略能在長時間宏觀尺度上有效提高負荷聚合商凈收益。

文獻[8]考慮了碳排放和綜合能源需求響應(yīng)，研究了主體和從體各方的社會效益與經(jīng)濟效益的最優(yōu)化。

文獻[9]在考慮用戶響應(yīng)率及電能替代條件下，建立了多目標(biāo)優(yōu)化模型，并利用多目標(biāo)線性規(guī)劃進行了模型求解。

利用價格對負荷轉(zhuǎn)移進行影響，會降低用戶的積極性。用戶的轉(zhuǎn)移負荷具有階段性與可參與性。在不損害用戶利益的情況下降低負荷波動，同時考慮滿足電網(wǎng)公司的售電收益——這是個雙目標(biāo)優(yōu)化問題，需通過多目標(biāo)算法進行求解。

本文提出一種考慮電力系統(tǒng)用戶特性的分時電價規(guī)劃策略。首先，分析用戶需求特性，對負荷預(yù)測值進行分解，將用戶負荷分解為非響應(yīng)負荷與響應(yīng)負荷。然后，建立負荷轉(zhuǎn)移的多目標(biāo)模型，利用多目標(biāo)粒子群算法（multi-objective particle swarm optimiztion，MOPSO）進行求解。最后，利用日前負荷預(yù)測進行需求響應(yīng)分析。

1 用戶需求特性

1.1 用戶響應(yīng)負荷

需求價格彈性理論是經(jīng)濟學(xué)經(jīng)典表現(xiàn)方式。近年來，基于消費者心理學(xué)理論的模型被提出，其能夠比需求價格彈性理論更加準(zhǔn)確地描述用戶用電與價格的互動關(guān)系[10,11]。

電能在經(jīng)濟學(xué)中被定義為特殊商品，其價格的梯級設(shè)計可以引起用戶需求的變化。用戶負荷響應(yīng)被定義為電價與用戶需求響應(yīng)的相對趨勢[12]。根據(jù)經(jīng)濟學(xué)理論，需求曲線如圖1所示。

圖1 電價與用戶需求響應(yīng)曲線Fig. 1 Electricity price and customer demand corresponding curve

將圖1曲線進行線性化處理。將電量與電價彈性系數(shù)簡化為：

式中：?q和?p分別表示電量q和電價p的相對增量。

如圖1所示，對于用戶響應(yīng)部分，電價在引導(dǎo)用戶需求轉(zhuǎn)化的前期，用戶進行響應(yīng)的積極性較高，心理預(yù)期降低少，用戶約 10%的電量可參與積極響應(yīng)。根據(jù)此原則，將日前負荷預(yù)測值進行分解，使其轉(zhuǎn)變?yōu)榉琼憫?yīng)負荷與響應(yīng)負荷，如式（2）所示：

式中：L為日前預(yù)測負荷；Et為日前24 h預(yù)測負荷；EU,t為非響應(yīng)負荷；EDR,t為響應(yīng)負荷；t=1,···,24。

1.2 用戶轉(zhuǎn)移行為

需求價格彈性理論存在飽和作用，即價格的變化無法有效降低需求行為轉(zhuǎn)移[13]。電價需在非飽和區(qū)進行偏移才能有效影響用戶用電序列；這表明用戶轉(zhuǎn)移行為存在著閥值約束，如圖2所示。圖2中，橫坐標(biāo)代表電價差，縱坐標(biāo)代表負荷轉(zhuǎn)移。

圖2 電價差與負荷轉(zhuǎn)移關(guān)系Fig. 2 Relationship between tariff difference and load shifting

如圖2所示：在產(chǎn)生一定的電價差后，用戶進行需求響應(yīng)并選擇較低電價進行負荷轉(zhuǎn)移；當(dāng)電價差大于閾值后，用戶對電價的變化靈敏度極度下降，不再參與需求響應(yīng)

2 負荷特性轉(zhuǎn)移的多目標(biāo)建模

2.1 負荷轉(zhuǎn)移模型

2.2 多目標(biāo)粒子群算法

MOPSO流程圖如圖3所示。

圖3 MOPSO流程圖Fig. 3 MOPSO flow chart

3 算例分析

3.1 日前負荷預(yù)測與需求響應(yīng)分析

日前負荷預(yù)測采用長短期記憶（long short-term memory，LSTM）算法[18-20]。LSTM 是由 Hochreiter和 Schmidhuber以循環(huán)神經(jīng)網(wǎng)絡(luò)的衍生算法而提出。LSTM 在循環(huán)神經(jīng)網(wǎng)絡(luò)隱藏層中添加多個特殊的計算節(jié)點，可改善反向傳播時梯度傳遞方式，有效減緩梯度消失或梯度爆炸的情況[21]。

本文設(shè)置LSTM網(wǎng)絡(luò)模型由輸入層、1個隱藏層和輸出層組成。采用Adam算法訓(xùn)練LSTM內(nèi)部參數(shù)；隱藏層中的激活函數(shù)使用tanh函數(shù)；網(wǎng)絡(luò)節(jié)點的舍棄率取0.2；為防止過度擬合，迭代次數(shù)取300；學(xué)習(xí)率設(shè)置為0.001；隱藏層神經(jīng)元個數(shù)為4個。

根據(jù)公式（2）分解非響應(yīng)負荷與響應(yīng)負荷，預(yù)測功率與分解功率如圖4所示。

圖4 日前預(yù)測功率與分解功率Fig. 4 Forecast power and decomposition power before the day

3.2 分時電價規(guī)劃設(shè)計

MOPSO算法的參數(shù)設(shè)置如表1所示。

表1 MOPSO算法的參數(shù)設(shè)置Tab. 1 Parameters of the MOPSO algorithm

將負荷波動與經(jīng)濟性雙目標(biāo)模型代入 MOPSO算法，計算如圖4所示的日前預(yù)測功率與分解功率。設(shè)固定電價vs為0.52元/kW·h，vt區(qū)間為[0.4,0.8]。雙目標(biāo)Pareto解如圖5所示。

圖5 售電經(jīng)濟與波動成本Pareto解Fig. 5 Electricity sales economics and fluctuating costs Pareto solution

圖6 最大與最小收益響應(yīng)電價Fig. 6 Maximum and minimum revenue response tariffs

圖6、圖7所示分別為最大與最小收益響應(yīng)電價與響應(yīng)前后負荷功率曲線。由圖6、圖7可見，通過分時定價手段可以有效降低負荷波動；通過低電價進行需求轉(zhuǎn)移與需求響應(yīng)調(diào)節(jié)，可以實現(xiàn)在不損害用戶用電成本情況下的負荷調(diào)節(jié)。

圖7 響應(yīng)前后負荷功率Fig. 7 Load power before and after response

由圖5可知，在考慮到響應(yīng)負荷與用戶負荷承載閾值條件下，橫坐標(biāo)的負荷波動功率目標(biāo)已優(yōu)化至最低，其各時段用戶響應(yīng)功率趨于穩(wěn)定，如圖7所示；縱坐標(biāo)的售電經(jīng)濟目標(biāo)在不損害用戶利益的情況下，其定價具有可調(diào)節(jié)性，即存在最大、最小售電收益。具體表現(xiàn)為，在某些時刻定價的高低不會影響負荷的轉(zhuǎn)移量與轉(zhuǎn)移方式，如圖6所示。

可見，若亟需降低電網(wǎng)負荷波動，則可選擇最小售電收益點電價。此時，用戶用電成本的降低，參與需求響應(yīng)積極性較高。

若需要優(yōu)先滿足電網(wǎng)售電收益指標(biāo)，則可選擇最大售電收益點電價。此電價下，在滿足需求響應(yīng)目標(biāo)后，仍可提高售電收益水平。

4 結(jié)論

為減小負荷側(cè)功率波動，同時實現(xiàn)在不影響用戶負荷轉(zhuǎn)移前后利益的情況下電網(wǎng)售電收益的提高，本文提出了考慮電力系統(tǒng)用戶特性的分時電價規(guī)劃策略。

（1）分析了價格影響下用戶轉(zhuǎn)移電量的積極程度，將負荷分解為非響應(yīng)負荷與響應(yīng)負荷；同時考慮到用戶功率轉(zhuǎn)移特性，指定每個時段的負荷承載閾值。

（2）建立了考慮用戶負荷轉(zhuǎn)移特性的多目標(biāo)模型，并利用多目標(biāo)粒子群算法MOPSO進行求解，形成目標(biāo)的Pareto解集。

（3）通過模型求得的分時電價方案可以有效減小負荷波動，提高負荷側(cè)可控性；所形成的分時電價方案具有可選擇性，可以通過價格需求與波動降低需求進行選擇。