基于设备用电特征的居民电力需求价格弹性评估
发布时间：2021-02-25 07:17
能源互联网建设可实现居民用电设备的状态感知,为需求价格弹性的评估提供全新的数据支持。以此为前提,提出一种基于设备用电特征的居民电力需求价格弹性评估方法。首先,根据需求价格弹性的定义,分析居民用电设备的使用特征与自弹性、交叉弹性的关联性,揭示用电设备可调整性对居民用户电价响应行为的客观约束。其次,针对居民用户因数量庞大且主观响应意愿存在差异而导致的设备用电调整不确定性,结合与用电特征关联的设备可调整性分类,构建基于设备用电调整模糊推理的居民电价响应行为分析模型。最后,将响应结果对应到需求价格弹性矩阵计算,完成居民电力需求价格弹性评估。算例分析验证了所提的方法的合理性与有效性。
【文章来源】：电力系统自动化. 2020,44(13)北大核心
【文章页数】：8 页
【部分图文】：
2种弹性矩阵热力图对比
由于用户的响应意愿受到家庭收入水平、教育背景、社会地位、人口结构等多方面因素影响[24]，难以通过精确的数学计算得出。本文定义模糊推理模型的输入量x为用户的响应意愿，响应意愿采用整数[0,10]表示，x=10表示用户的响应意愿最高，即输入模糊论域为X={x∈Z|0≤x≤10}。模糊推理模型的输出量y为设备用电调整量，由于各类设备的可调整性不同，y对应的输出量及其输出论域Y也不同：对于功率可变负荷，输出量y为设备功率调整量，输出论域Y对应于满足设备功能和用户需求的功率调整范围；对于可转移负荷，假设用户期望将用电时间转移到最近的低电价时段，输出量y为设备启动时刻的调整量，输出论域Y对应于满足用户使用需求的设备启动时间范围内的低电价时段；对于可中断负荷，由于使用频率为离散非模糊量，因此可根据用户实际需求设定其中断次数，输出量y为设备启动时刻的调整量，输出论域Y对应于用户可接受的设备启动的时间范围内的低电价时段。由于刚性负荷不可调整，因此在模糊推理中不对其进行讨论。2.3 输入论域与输出论域的模糊分割
假设10 000个居民用户的响应意愿服从均匀分布，即暂不考虑不同响应意愿的用户数量差异，采用模糊推理模型模拟电价调整后的用户设备级响应行为。根据附录A求得输入隶属度函数拐点为{1.38,4.74,8.35}，输入模糊区间为[0,3.32],[2.38,7.1],[6.37,10]。设定电价激励系数gπ∈{0,0.5,1}。输出隶属度函数的参数设定见附录C。模糊推理模拟调整后的用电数据如图2(b）所示。对比图2(a）与（b）可知，实行分时电价后，居民用户的用电峰值时段将由时段7～8和18～20转移到时段6,20,22，单时段用电量早高峰值由12 650 kW·h（时段8）降至11 600 kW·h（时段8），晚高峰值由14 281 kW·h（时段19）降至11 535 kW·h（时段21），用户响应可明显缓解电力需求高峰，起到较好的削峰填谷作用。
【参考文献】：
期刊论文
[1]Power system flexibility: an overview of emergence to evolution[J]. Alireza AKRAMI,Meysam DOOSTIZADEH,Farrokh AMINIFAR. Journal of Modern Power Systems and Clean Energy. 2019(05)
[2]基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究[J]. 张虹,申鑫,穆昊源,刘艾冬,王鹤. 中国电机工程学报. 2020(01)
[3]Accommodation of curtailed wind power by electric water heaters based on a new hybrid prediction approach[J]. Yang YU,Zengqiang MI,Xiaoming ZHENG,Da CHANG. Journal of Modern Power Systems and Clean Energy. 2019(03)
[4]计及需求价格弹性的区域能源中心建模与日前优化调度[J]. 陈泽兴,张勇军,许志恒,蔡泽祥,Thanhtung HA. 电力系统自动化. 2018(12)
[5]面向电力需求侧主动响应的商业模式及市场框架设计[J]. 丁一,惠红勋,林振智,郑梦莲,曲欣瑶,崔文琪. 电力系统自动化. 2017(14)
[6]居民用户需求响应行为影响因素辨识与响应特性提取[J]. 蔡珑,顾洁,金之俭. 电网技术. 2017(07)
[7]需求响应不确定性对日前优化调度的影响分析[J]. 罗纯坚,李姚旺,许汉平,李力行,侯婷婷,苗世洪. 电力系统自动化. 2017(05)
[8]Residential end-uses disaggregation and demand response evaluation using integral transforms[J]. Antonio GABALDóN,Roque MOLINA,Alejandro MARíN-PARRA,Sergio VALERO-VERDú,Carlos áLVAREZ. Journal of Modern Power Systems and Clean Energy. 2017(01)
[9]采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法[J]. 赵腾,王林童,张焰,田世明. 中国电机工程学报. 2016(03)
[10]居民主动负荷促进分布式电源消纳的需求响应策略[J]. 汤奕,鲁针针,伏祥运. 电力系统自动化. 2015(24)
本文编号：3050636
【文章来源】：电力系统自动化. 2020,44(13)北大核心
【文章页数】：8 页
【部分图文】：
2种弹性矩阵热力图对比
由于用户的响应意愿受到家庭收入水平、教育背景、社会地位、人口结构等多方面因素影响[24]，难以通过精确的数学计算得出。本文定义模糊推理模型的输入量x为用户的响应意愿，响应意愿采用整数[0,10]表示，x=10表示用户的响应意愿最高，即输入模糊论域为X={x∈Z|0≤x≤10}。模糊推理模型的输出量y为设备用电调整量，由于各类设备的可调整性不同，y对应的输出量及其输出论域Y也不同：对于功率可变负荷，输出量y为设备功率调整量，输出论域Y对应于满足设备功能和用户需求的功率调整范围；对于可转移负荷，假设用户期望将用电时间转移到最近的低电价时段，输出量y为设备启动时刻的调整量，输出论域Y对应于满足用户使用需求的设备启动时间范围内的低电价时段；对于可中断负荷，由于使用频率为离散非模糊量，因此可根据用户实际需求设定其中断次数，输出量y为设备启动时刻的调整量，输出论域Y对应于用户可接受的设备启动的时间范围内的低电价时段。由于刚性负荷不可调整，因此在模糊推理中不对其进行讨论。2.3 输入论域与输出论域的模糊分割
假设10 000个居民用户的响应意愿服从均匀分布，即暂不考虑不同响应意愿的用户数量差异，采用模糊推理模型模拟电价调整后的用户设备级响应行为。根据附录A求得输入隶属度函数拐点为{1.38,4.74,8.35}，输入模糊区间为[0,3.32],[2.38,7.1],[6.37,10]。设定电价激励系数gπ∈{0,0.5,1}。输出隶属度函数的参数设定见附录C。模糊推理模拟调整后的用电数据如图2(b）所示。对比图2(a）与（b）可知，实行分时电价后，居民用户的用电峰值时段将由时段7～8和18～20转移到时段6,20,22，单时段用电量早高峰值由12 650 kW·h（时段8）降至11 600 kW·h（时段8），晚高峰值由14 281 kW·h（时段19）降至11 535 kW·h（时段21），用户响应可明显缓解电力需求高峰，起到较好的削峰填谷作用。
【参考文献】：
期刊论文
[1]Power system flexibility: an overview of emergence to evolution[J]. Alireza AKRAMI,Meysam DOOSTIZADEH,Farrokh AMINIFAR. Journal of Modern Power Systems and Clean Energy. 2019(05)
[2]基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究[J]. 张虹,申鑫,穆昊源,刘艾冬,王鹤. 中国电机工程学报. 2020(01)
[3]Accommodation of curtailed wind power by electric water heaters based on a new hybrid prediction approach[J]. Yang YU,Zengqiang MI,Xiaoming ZHENG,Da CHANG. Journal of Modern Power Systems and Clean Energy. 2019(03)
[4]计及需求价格弹性的区域能源中心建模与日前优化调度[J]. 陈泽兴,张勇军,许志恒,蔡泽祥,Thanhtung HA. 电力系统自动化. 2018(12)
[5]面向电力需求侧主动响应的商业模式及市场框架设计[J]. 丁一,惠红勋,林振智,郑梦莲,曲欣瑶,崔文琪. 电力系统自动化. 2017(14)
[6]居民用户需求响应行为影响因素辨识与响应特性提取[J]. 蔡珑,顾洁,金之俭. 电网技术. 2017(07)
[7]需求响应不确定性对日前优化调度的影响分析[J]. 罗纯坚,李姚旺,许汉平,李力行,侯婷婷,苗世洪. 电力系统自动化. 2017(05)
[8]Residential end-uses disaggregation and demand response evaluation using integral transforms[J]. Antonio GABALDóN,Roque MOLINA,Alejandro MARíN-PARRA,Sergio VALERO-VERDú,Carlos áLVAREZ. Journal of Modern Power Systems and Clean Energy. 2017(01)
[9]采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法[J]. 赵腾,王林童,张焰,田世明. 中国电机工程学报. 2016(03)
[10]居民主动负荷促进分布式电源消纳的需求响应策略[J]. 汤奕,鲁针针,伏祥运. 电力系统自动化. 2015(24)
本文编号：3050636
本文链接：https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/3050636.html
