考虑风电消纳的峰谷分时电价模型研究.pdf

现代电子技术Modern Electronics Technique2023年11月1日第46卷第21期Nov.2023Vol.46 No.210 引 言电力可靠性管理办法（暂行）进一步指出电力工业的高质量发展、供电水平提高的全局要求，对于电力可靠性管理的成果在电力设备制造企业得到充分应用进行了鼓励。一方面，大量研究结果表明，峰谷分时电价作为一种可以有效改善电力负荷曲线的手段，能够有效保障电力系统的稳定性和经济性；同时，峰谷分时电价能促进风电消纳，提高整体的风电消纳水平，大范围实施峰谷分时电价，可以有效减少能源消耗，改善能源结构12。另一方面，由于全球能源短缺和环境恶化3和我国对电力可靠性提出更高标准，且风力发电具有不稳定性，合理利用风电改善电力负荷峰谷差已成为目前研考虑风电消纳的峰谷分时电价模型研究孔 峰，杨金辉，任恒君，郑 旺，张少华（华北电力大学 经济管理系，河北 保定 071000）摘 要：在充分发挥电力可靠性管理在电力供应保障工作中的基础性作用目标大背景下，考虑我国部分区域风电消纳不足和调峰能力有限所导致的电力结构不稳定，构建发电侧与需求侧联动的峰谷分时电价模型，探索出一种电网向发电企业收取“过网费”、需求侧与发电侧直接交易的新模式。该模型根据电力需求价格弹性矩阵计算实施峰谷分时电价后的电力负荷，构建发电侧与需求侧约束条件，以火电机组平均发电成本为目标函数，综合考虑风电消纳影响，采用粒子群算法进行模型求解，并通过输配电价连接上网电价和用户电价，输电损耗电量连接发电量与用电量，达到发电侧与需求侧的联动。算例分析表明，所建立的模型能更好地消纳风电，同时也提高了火电机组发电功率的稳定性和经济性。关键词：峰谷分时电价；价格联动；价格弹性；风电消纳；削峰填谷；粒子群算法中图分类号：TN911.134；F714 文献标识码：A 文章编号：1004373X（2023）21016006Study on peakvalley timeofuse electricity price model considering wind power consumptionKONG Feng,YANG Jinhui,REN Hengjun,ZHENG Wang,ZHANG Shaohua(Department of Economic Management,North China Electric Power University,Baoding 071000,China)Abstract：In the context of giving full play to the basic role of power reliability management in power supply and guarantee work,a peakvalley timeofuse electricity price model of linkage between power generation side and demand side is constructed,and a new mode in which the power grid side charges the power generation enterprise the crossnetwork fees and the demand side directly trades with the power generation side is explored by taking into account the unstable power structure caused by the insufficient consumption and limited peak adjustment capacity of some areas in China.In the model,the power load after the implementation of peak valley time of use electricity price is calculated and the constraint conditions between the power generation side and the demand side are built according to the elastic matrix of the price of power demand.By taking the average power generation cost of thermal power units as the objective function,the influence of wind power consumption is taken into account comprehensively.The particle swarm optimization(PSO)algorithm is used to solve the model.In addition,the transmission and distribution price is used to connect the on grid electricity price and the user electricity price,and the transmission loss of power is used to connect the power generation and power consumption,so as to achieve the linkage between the power generation side and the demand side.Example analysis shows that the established model can consume wind power better and improve the stability and efficiency of the power generation of thermal power unit.Keywords：peakvalley timeofuse electricity price;price linkage;price elasticity;wind power consumption;peakload shifting;PSODOI：10.16652/j.issn.1004373x.2023.21.029引用格式：孔峰，杨金辉，任恒君，等.考虑风电消纳的峰谷分时电价模型研究J.现代电子技术，2023，46（21）：160165.收稿日期：20230605 修回日期：20230627基金项目：国家自然科学基金项目（72101089）160160第21期究的重点。因此，在考虑风电消纳的基础上，建立分时电价模型使发电侧和需求侧进行联动对电力可靠性管理的全局理念具有重要意义。由于峰谷分时电价的实施对于用户侧和上网侧在经济方面均有着重大意义45，众多学者对该问题进行了相关研究。在制定电价方面，文献6提出了一种电源、虚拟电厂运营商和用户三方联动博弈的方法制定售电电价，使得三方均收益，形成了纳什均衡，达到了一定程度的削峰填谷。文献7采用灵活运用机制，针对不同地区风电作用影响制定了不同的电价机制，使得风力发电更有柔性。在时段划分上，文献8首先考虑用户需求价格弹性、风电出力等不确定因素，然后通过聚类分析方法优化该不确定因素，以进行峰平谷的时段划分。文献9对峰谷分时电价时段划分做出进一步研究，其采用分层聚类算法确定时段划分。在综合电力调度方面，文献10考虑大型电动汽车不规范的同时充电调度，以电动汽车充电成本最低为目标函数建立峰谷分时电价模型。文献11将发电侧ESS调度与风电消纳两者考虑进电价模型，该模型达到发电侧与需求侧电价与电量的联动，实现了一定程度上的政策指导意义。然而大部分学者对分时电价的研究仅考虑基于电力负荷，或仅考虑分时电价条件下的各种电力统筹调度，鲜有学者综合考虑以满足电力可靠性管理的全局要求和风电等各种新能源电力的消纳。本文在考虑风电部分消纳的情况下，目标函数为实现火电机组的平均发电成本达到最低，基于粒子群算法构建实现发电侧与需求侧联动的峰谷分时电价模型。该模型响应了电力可靠性管理的总要求，有利于风电消纳，最终提高了火电机组发电功率的稳定性。1 发电侧成本发电机组的成本一般为12：Cm=0.5aP2dm+bPdm+c0（1）式中：在m时刻发电机组的发电成本表示为Cm；机组在m时刻的发电功率表示为Pdm；机组的发电成本曲线系数分别表示为a和b，可通过历史数据模拟得出；c0则为机组空载成本。2 需求侧电价响应需求侧电价响应一般指用户通过内部的经济决策而响应电价变化的行为13，用户的电力需求价格弹性与用户对分时电价的响应相关14，其公式为：ij=QiQiPjPj（2）式中：Qi为i时段的用电量；Qi为在i时间段用电变化量；Pj为在j时段的电价；Pj为在j时间段的电价变化量。当时段1时电价升高，则时段1用电量会相应减少，并且转移到时间段 2 上，其用电量会相应增加，即当P1 0，则Q10。因此，当i=j时，ij0。因此，具有多时段的电力需求价格弹性矩阵为：E=11121n21222nn1n2nn（3）式中n为时段总数。电价变化后，各时段的用电量也会改变，计算公式为：Q1Q2Qn=Q1000Q2000Qn EP1P1P2P2PnPn+Q1Q2Qn（4）式中Qi为电价变化后i时段的用电量。3 峰谷分时电价定价模型将时段划分为峰时段、平时段和谷时段，即n=3，为简化模型，在考虑风电部分消纳的情况下，发电侧与需求侧峰谷分时电价时段划分一致。3.1 发电侧约束条件根据相关政策指出，为保障发电侧火电机组的收益，保证的约束要求为实施峰谷分时电价前的上网电价应不高于实施后的平均上网电价，即：Pg=PgpQfp+PgfQff+PgvQfvQfp+Qff+Qfv Pg0（5）式中：Pg0为实施峰谷分时电价前的平均上网电价；Pg为实施后平均上网电价；Pgp、Pgf、Pgv依次代表实施后的峰、平、谷时间段的上网电价；Qfp、Qff、Qfv依次代表实施后火电机组在峰、平、谷时间段的发电量。火电机组各时刻的发电功率为：Wfm=Wm-Wwm（6）式中：在m时刻火电机组的发电功率表示为Wfm；在m时刻的电力负荷表示为Wm；在m时刻风电机组的发电功率为Wwm；表示风电消纳率，其中m时刻归属于峰平谷时段对应其风电消纳率分别表示为p、f、v，下同。孔 峰，等：考虑风电消纳的峰谷分时电价模型研究161现代电子技术2023年第46卷因此，火电机组峰平谷各时段的发电量为：Qfp=m tp(Wfmhm)（7）Qff=m tf(Wfmhm)（8）Qfv=m tv(Wfmhm)（9）式中：tv、tf、tp分别为谷、平、峰时段；hm表示m时刻的时长。同时，峰平谷时段上网电价约束为：Pmin Pgv Pgf Pgp Pmax（10）式中：Pmin和Pmax分别为发电公司设定的上网电价最小值和政府设定的上网电价最大值。3.2 需求侧约束条件为保障电力用户的利益，保证的约束要求为实施峰谷分时电价前的平均用户电价应不高于实施后的平均用户电价，即：Pu=PupQp+PufQf+PuvQvQp+Qf+Qv P0（11）式中：P0为实施峰谷分时电价前的用户电价；Pu为实施后用户平均上网电价；Pup、Puf、Puv依次代表实施后的峰平谷时间段的用户电价；Qp、Qf、Qv依次代表实施后峰平谷时间段用户的用电量。3.3 发电侧与需求侧联动电网在统筹调度发电侧与需求侧时会收取不同的“过网费”11。设电网在峰平谷时段中其输配电价分别为Ptp、Ptf和Ptv，其用户电价分别为Pp、Pf和Pv，则峰时段价格关系为：Pgp+Ptp=Pp（12）平时段价格关系为：Pgf+Ptf=Pf（13）谷时段价格关系为：Pgv+Ptv=Pv（14）发电量减去输电损耗后的总量应与需求量相等，从而将发电侧与需求侧的电量形成联动。峰时段电量关系为：(Qfp+pQwp)(1-)=Qp（15）平时段电量关系为：(Qff+fQwf)(1-)=Qf（16）谷时段电量关系为：(Qfv+vQwv)(1-)=Qv（17）式中：输电损耗率表示为；峰平谷时段风电机组的发电量分别表示为Qwp、Qwf、Qwv。3.4 目标函数为使用户电价能及时并准确地反映实际的发电成本，采用火电机组平均发电成本最小为目标函数，公式为：min Ca=m=124Cmm=124(Wfmhm)（18）式中Ca表示火电机组平均发电成本。4 模型求解在粒子群优化（Particle Swarm Optimiztion,PSO）算法15中，将一只鸟称作该群体中的一个“粒子”，求解的过程相当于求解一个鸟群从一地往另一地迁徙，然后不断迭代，而食源相当于找到了全局最优解。本文采用该算法求解分时电价模型。以峰平谷的用户电价作为粒子位置，粒子群优化算法求解步骤如下：1）输入粒子群各项基本参数。2）粒子群随机初始化。3）考虑发电侧与需求侧约束，计算每个符合条件粒子的适应度，求解个体最优适应度和全局最优适应度。4）依据算法对每个粒子的速度和位置进行更新迭代。5）计算每个粒子的更新适应度，求解个体最优适应度和全局最优适应度。6）判断是否达到最大迭代次数，如果是，则输出最优解，否则，转步骤4）。详细的模型流程图如图1所示。基本参数为：需求弹性矩阵、惯性权重、学习因子、最大迭代次数、数据维度、初始化峰平谷电价。个体和群体参数为：个体历史最优位置、群体历史最优位置、个体历史最优适应值、群体历史最优适应值。在满足模型基本要求的基础上，考虑粒子群算法的实际执行效率，需要设置符合要求的初始种群数量和最大迭代次数，图 2表示种群数量为 10、最大迭代次数为150的优化效果，图中标注的点表示起始点或突变点。由图2可得，当迭代次数为130时，适应度函数值基本保持不变，为保证算法的稳定性及其优化效果，考虑对迭代次数设置15%冗余度。因此，本文取种群数量为 10，迭代次数为 150。在Python 语言和 CPLEX 求解器中编写代码，并在 64 位Windows版本下的 Intel CoreTM i5 1.6 GHz笔记本电脑上执行该模型，此电脑具有16 GB RAM。162第21期图1 粒子群算法流程图图2 粒子群算法优化效果图5 算例分析5.1 原始数据表 1 为假设某个地区的典型日实际负荷数据情况16，负荷单位为 MW，其中T为时刻，下同。其中最小负荷为 4 910 MW，最大负荷为 7 780 MW，峰谷差为2 870 MW，电价单位为元/MWh。设该地区系统装机风电容量为 1 200 MW，风电机组各时段的等效利用率17如表2所示。表1 典型日负荷数据 MWT123456789101112负荷5 1105 3255 2004 9105 4355 6605 9606 4357 1757 3407 5256 700T131415161718192021222324负荷6 8256 9256 8606 8607 2907 3507 7807 7507 2906 8105 8155 535表2 风电机组等效利用率T123456789101112利用率0.460.480.510.480.460.400.380.360.290.270.180.15T131415161718192021222324利用率0.170.150.180.200.250.290.260.320.270.430.460.49假设峰平谷时段各8 h，划分情况15如表3所示。假设火电机组的发电成本相关参数a=0.75，b=0.05，c0=5105，用电输配电价Ptp=195元/MWh，Ptf=130元/MWh，Ptv=65元/MWh。实施峰谷分时电价前，其上网电价Pg0=320元/MWh，用户电价16P0=563元/MWh，风电消纳率p=93%、f=91%、v=88%，输电损耗率16=5%。假设该用户的电力需求价格弹性矩阵18为：E=-0.250.110.040.20-0.250.140.180.21-0.25（19）孔 峰，等：考虑风电消纳的峰谷分时电价模型研究163现代电子技术2023年第46卷表3 峰平谷时段划分时段时间峰时段8:0012:0018:0022:00平时段12:0018:0022:0024:00谷时段0:004:004:008:005.2 仿真结果分析峰平谷电价如表 4、表 5所示。其中，Before和 After分别为实施峰谷分时电价前后的相关数据。由表可知，无论是用户电价还是上网电价，实施峰谷分时电价前的电价均低于实施峰谷后的峰时段电价和平时段电价，在实行峰谷分时电价前的谷时段电价都高于通过实行峰谷分时电价后的电价，并且在实施以后所得到的平均终端用户电价更低，而平均上网电价则更高。表4 峰平谷用户电价 元/MWh类型BeforeAfterPup563.00651.43Puf563.00529.26Puv563.00233.65Pu563.00478.27电价比1 1 12.79 2.27 1 表5 峰平谷上网电价 元/MWh类型BeforeAfterPgp320.00456.43Pgf320.00399.26Pgv320.00168.65Pg320.00347.92电价比1 1 12.71 2.37 1在实施峰谷分时电价之前的用电负荷（）、通过实施峰谷分时电价后的用电负荷（）如图 3、表 6 所示。相比较而言，在实施后的电力负荷数据情况更能保持稳定，这表明在进行峰谷分时电价之后，其具有一定的“削峰填谷”作用。图3 用电负荷数据曲线实施峰谷分时电价前的火电机组发电功率（）、实施峰谷分时电价后的火电机组发电功率（）如图4、表7所示。相比较而言，实施峰谷分时电价后的火电机组发电功率更稳定。对比图 3和图 4，各组对应的用电负荷和火电机组发电功率曲线形状变化不大。但对比表 6和表 7，各组对应的火电机组发电功率相较于用电负荷都更为不稳定，这是由风电的消纳以及风电的不稳定性导致的。虽然各组中风电均导致火电机组发电功率更不稳定，但实施峰谷分时电价后的火电机组发电功率受到的影响更小，从而更利于风电的消纳。表6 用电力负荷数据分析 MW类型标准差892.82454.37最大值7 780.007 266.81最小值4 910.005 618.39极差2 870.001 648.42图4 火电机组的发电功率曲线 表7 火电机组的发电功率分析 MW类型标准差1 034.32562.75最大值7 878.847 339.99最小值4 648.425 396.99极差3 230.421 943.006 结 语本文所建立的峰谷分时电价模型可以在满足各方利益的情况下，有利于新能源电力的消纳，并增强电力系统的稳定性。发电侧电价与需求侧电价的联动，可以更好地将电力负荷曲线“削峰填谷”，在电价中更好地让用电电价体现出发电成本。本文所建立的峰谷分时电价模型旨在探索电力可靠性管理机制下新能源电力消纳的峰谷分时电价模式，为电网改革提供了思路，具有一定的现实参考意义。参考文献1 NICOLSON M,FELL M,HUBNER G M.Consumer demand for 164第21期time of use electricity tariffs:a systematized review of the empirical evidence J.Renewable and sustainable energy reviews,2018,97(C):276289.2 欧名勇，陈仲伟，谭玉东，等.基于峰谷分时电价引导下的电动汽车充电负荷优化J.电力科学与技术学报，2020，35（5）：5459.3 马春艳，段青，郭宸显，等.计及峰谷分时电价的压缩天然气加气母站经济调度J.高电压技术，2021，47（2）：584595.4 刘严，谭忠富，乞建勋.峰谷分时电价设计的优化模型J.中国管理科学，2005（5）：8994.5 占缘.基于改进模拟退火粒子群算法的微电网优化调度D.南昌：南昌大学，2021.6 仓鹤鸣，蔺红.基于电价联动的虚拟电厂源荷协调经济性研究J.现代电子技术，2022，45（23）：149155.7 NORDENSVARD J,URBAN F.The stuttering energy transition in Germany:Wind energy policy and feedin tariff lockin J.Energy policy,2015,82:156165.8 艾欣，周树鹏，赵阅群.考虑风电不确定性的用户侧分时电价研究J.电网技术，2016，40（5）：15291535.9 何英静，叶泽，魏文.考虑用户需求价格弹性的峰谷分时电价时段划分研究J.价格月刊，2022（12）：19.10 SHARMA S,JAIN P.Integrated TOU pricebased demand response and dynamic gridtovehicle charge scheduling of electric vehicle aggregator to support grid stability J.International transactions on electrical energy systems,2019,30(1):122.11 李艳梅，任恒君，张致远，等.考虑储能系统调度与风电消纳的峰谷分时电价优化模型研究J.电网技术，2022，46（11）：41414149.12 谭忠富，王绵斌，张蓉，等.发电侧与供电侧峰谷分时电价联动的分级优化模型J.电力系统自动化，2007，31（21）：2629.13 张钦，王锡凡，王建学，等.电力市场下需求响应研究综述J.电力系统自动化，2008，32（3）：97106.14 刘兴宇，温步瀛，江岳文.考虑用户侧响应的含风电电力系统旋转备用效益研究J.电力科学与技术学报，2018，33（2）：2734.15 沈艳，郭兵，古天祥.粒子群优化算法及其与遗传算法的比较J.电子科技大学学报，2005（5）：696699.16 吴秋伟，汪蕾，邹云.基于 DSM 和 MCP的分时电价的确定与分析J.电力需求侧管理，2003，5（1）：2429.17 孟静.计及风电消纳的峰谷分时电价定价机制研究D.吉林：东北电力大学，2019.18 宋艺航，谭忠富，李欢欢，等.促进风电消纳的发电侧、储能及需求侧联合优化模型J.电网技术，2014，38（3）：610615.作者简介：孔 峰（1972），男，河北保定人，博士，教授，从事工程项目管理等研究。杨金辉（1999），男，贵州安顺人，硕士研究生，主要从事电力调度研究。任恒君（1997），男，四川南充人，硕士研究生，主要从事绿色电力管理。郑 旺（1998），男，天津人，硕士研究生，主要从事电力调度研究。张少华（1996），男，河北邯郸人，硕士研究生，主要从事电力调度研究。孔 峰，等：考虑风电消纳的峰谷分时电价模型研究165