光伏發電接入電網后的分時電價優化策略研究

范文飛，馮斐，王德林

(西南交通大學電氣工程學院，四川成都610031)

光伏發電接入電網后的分時電價優化策略研究

范文飛，馮斐，王德林

(西南交通大學電氣工程學院，四川成都610031)

為了提升電力系統消納光伏發電的能力，本文通過采用分時電價措施調整負荷曲線，同時兼顧優化光伏消納和負荷曲線的削峰填谷，提出將負荷曲線減去光伏曲線所得的等效負荷曲線作為分時電價的優化對象，采用模糊聚類方法對等效負荷曲線進行時段劃分，建立并求解了分時電價優化模型。優化后等效負荷曲線的負荷率升高，峰谷差降低，同時負荷曲線與光伏發電曲線相關性也有明顯提升。最后，通過算例驗證了提出的模型優化等效負荷曲線的效果。

光伏消納;等效負荷曲線;分時電價;時段劃分;模糊聚類

1 引言

分時電價TOU(Time Of Use)是需求側管理中的最常見的一種措施，是通過不同時段不同定價的方式，鼓勵用戶改變用電方式，以達到削峰填谷、提高電力系統的負荷率和穩定性，降低用戶電能成本，減少或者延緩電網投資，使得供電方和用戶方獲得雙贏而采取的手段。作為一種基礎的需求響應措施，分時電價廣泛應用于國內外。常見的分時電價形式有峰谷電價、季節電價和豐枯電價等。其中，日前分時電價方案一般是把一天24小時按負荷曲線的高低特征劃分成峰、谷2類，或者峰、平、谷3類時段，相應地制定對應時段的不同的電價。峰時段電價較高，谷時段電價較低，從而引導用戶一定程度上避開高峰用電，多在谷時段用低價電，以達到削峰填谷、改善負荷曲線形狀的目的。

分時電價對于電網運行具有積極作用。首先是削峰填谷，提高負荷率，減少調峰壓力［1］。當系統中含有隨機性較強的可再生能源如風力發電時，分時電價方案旨在引導用戶在風電出力高峰時多用電，低谷時少用電，使用戶的負荷曲線跟蹤風電出力，平緩風電波動，應對風電的反調峰特性以及間歇性，從而增強電網消納風電的能力，減少系統的負擔［2］。風電場風速預測的誤差在25%～40%左右，由于風速與風電功率的對應關系，風電功率預測誤差還要大于風速預測誤差［3］。而光伏發電出力預測誤差最小可以達到9%～10%［4］，同時出力時間限制在白天，使得光伏發電的可預測性要高于風電。同時，風電具有反調峰特征［2，5－7］，風電出力曲線與負荷曲線相關性很低，而光伏發電峰值負荷相關性較高［8］，可以通過TOU措施對負荷進行微調，使光伏發電出力曲線與負荷具有更高的相關性。另外，光伏發電具有晝夜特性，在夜晚與凌晨時段幾乎完全無出力，而夜晚同樣可能出現負荷高峰，因此單一的引導用戶負荷跟蹤光伏出力無法顧及全局的調峰需求。所以應當將預測的負荷曲線與光伏出力曲線相減得到接入光伏后的等效的負荷曲線，以此等效負荷曲線作為分時電價方案的優化對象。

分時電價方案的制定主要有兩個重點，一是時段的劃分，二是電價的制定。傳統的時段劃分往往是根據日負荷曲線的特點和經驗進行劃分，缺乏深刻的理論支撐，尚未形成成熟的理論模型。而目前劃分方法研究大致有兩類:一是基于供電成本變化的劃分方法。基于系統電源類型和裝機容量的優化，以單位電量發電成本增量的突變點，來劃分峰、平、谷時段。文獻［9］建立了發電成本－負荷函數，根據電能成本在負荷曲線上的突變特征來劃分峰谷時段，并得到相應的峰谷成本比，從而得到真正反應各個時段供電成本的峰谷電價。二是從負荷曲線入手，利用模糊數學方法對各時段進行分類。文獻［10］基于負荷曲線分布分析，利用半梯形隸屬函數方法，以負荷曲線上各點處于峰時段或谷時段的可能性來劃分時段。文獻［11］先采用模糊聚類方法對負荷曲線進行時段劃分，再評估各時刻點電力用戶實際分時電價的響應程度，進行修正調整，從而得到更加貼合實際的時段劃分。

電價制定一般有兩種思路。一是旨在反映不同時段的成本差異的分時電價，根據邊際成本理論，考慮上網側峰谷電價水平、輸配電容量成本、用戶負荷率、與負荷曲線的同時率等要素，得到各類用戶峰、平、谷的電價比關系。文獻［12］將博弈論引入分時電價定價策略，針對不同種類的用戶制定不同的電價方案，得到最優化的分時電價，增加了供電公司收益和用戶的滿意度。文獻［13］根據負荷指標動態聚類，負荷曲線形狀模糊聚類劃分用戶類別，從用戶分類和用電時段兩個角度分析了系統供電成本的差異，建立了成本分攤模型。文獻［14］從發電成本的角度，將兩部制電價與發電側峰谷分時電價結合，把容量成本分別分攤到基本電價和電量電價里。用會計成本法計算發電側容量成本，得到與售電側聯動的峰谷分時電價。另一種是基于需求響應措施的要求制定分時電價，以最大負荷、最小負荷、峰谷差、負荷率等指標為目標函數，將用戶與供電方的收益作為約束條件，制定出分時電價，一般可以歸結為一個優化問題。這種優化問題的求解需要得到用戶對于電價的響應模型。

對于等效負荷曲線來說，其形狀根據光伏發電輸出的不同而不同，不存在固定的峰谷特征，傳統的經驗式時段劃分無法滿足需要，本文采用模糊聚類方法對時段進行劃分。采用等效負荷曲線峰谷差作為目標函數，進行優化，制定出分時電價方案，最后考察優化后的等效負荷曲線的峰谷差，負荷峰值，負荷谷值，負荷率等指標的變化，發現等效負荷曲線平緩程度得到改善，同時光伏曲線與負荷曲線相關性也明顯提升，達到優化目的。

2 時段劃分模型

首先利用隸屬函數確定峰、谷時段，分析負荷曲線上各點分別處于高峰時段和低谷時段的可能性，其特征為:

(1)曲線上的最低點100%處于谷時段，不可能處于峰時段，其谷隸屬度為1，峰隸屬度為0;

(2)曲線上的最高點100%處于峰時段，不可能處于谷時段，其谷隸屬度為0，峰隸屬度為1;

(3)曲線上其余各點的峰谷隸屬度介于0和1之間。

設時段集合為T={t1，t2，…，t24}，各時段的電量集合為Q={qt1，qt2，…，qt24}。時點ti的峰隸屬度upti和谷隸屬度uvti采用偏大型半梯度隸屬函數與偏小型半梯度隸屬函數計算得到

式中，i=1，2，…，24。由于時段劃分需要的樣本點比較少，可以采用基于等價關系的模糊聚類進行時段區間劃分。

(1)建立原始數據矩陣

以峰隸屬度upti和谷隸屬度uvi建立特性指標xi

式中，i=1，2，…，24;xi1=upti;xi2=uvti。得到原始數據矩陣X:

(2)數據標準化

不同的數據有不同的量綱，為了使不同的量綱也能進行比較，需要對數據進行標準化，并且要根據模糊矩陣的要求，將數據壓縮到［0，1］的區間上。本文采用平移標準差變換

圖1 兩種隸屬函數圖像

式中，珔upti、珔uvti分別為峰隸屬度和谷隸屬度的均值，sp、sv分別為峰隸屬度和谷隸屬度的標準差。得到標準化的數據矩陣

經過變換后，每個變量的均值為0，標準差為1，且消除了量綱的影響。

(3)建立模糊相似矩陣

為實現分類需要建立模糊相似矩陣，其元素為rij=R(u'pti，u'vtj)，體現了X中任意兩個樣本點之間的相似度。建立模糊相似矩陣的方法主要有距離法、相似系數法、主觀評分法等［11］，本文采用歐幾里得距離法建立模糊相似矩陣

模糊相似矩陣R滿足自反性、對稱性，但是不滿足傳遞性，需要通過自平方合成法求取傳遞閉包矩陣。

(4)建立模糊等價矩陣

本文采用傳遞閉包法求取模糊等價矩陣，通過自平方合成法求取傳遞閉包矩陣t(R)，則t(R)就是所求的模糊等價矩陣。對模糊相似矩陣R依次求2次方

直到出現

式中“。”符號為模糊矩陣合成運算，相當于普通矩陣的乘法運算和加法運算分別由取小和取大運算代替。Rk即為所求傳遞閉包，也即模糊等價矩陣，有

得到的模糊等價矩陣R同時滿足自反性、對稱性和傳遞性。

(5)求取截矩陣Rλ

式中，截矩陣Rλ是一個布爾矩陣。當λ取不同的值時，可得到不同的Rλ。Rλ的每一列與時段集合T={t1，t2，…，t24}中元素相對應。當Rλ中對應的某兩列列向量相等時，這兩列列向量對應的時段可劃分為同一類，通過由大到小地微調閾值λ，就可形成動態聚類圖。當聚類數為3時，T中元素被劃分為3類，即峰、谷、平3類時段。

3 電價制定模型

電價的制定是一個以用戶與供電方的收益作為約束條件，以最大負荷、最小負荷、峰谷差、負荷率等指標為目標函數的優化問題。本文選取的目標函數為實施分時電價之后的等效負荷曲線峰谷差最小

式中，L1為實施分時電價之后的新等效負荷曲線，是峰、谷、平電價Pp、Pv、Pf的函數，規定優化后平時段電價與采用分時電價前平均電價珔P0相等，故實際優化變量只有Pp和Pv。對于供電方，實行分時電價前，供電方的銷售收入E0為

式中，Q為實行分時電價前用戶消耗的總電量。實行分時電價后供電方的銷售收入E1為

式中，Qp、Qv、Qf分別為實行分時電價后峰、谷、平時段的用電量。

式中Tp、Tv、Tf分別為峰、谷、平時段的集合。實施分時電價后，電力公司將會節約一部分由于減少機組頻繁啟停、延緩電網建設帶來的成本［7］，因此可通過降低電價收入的形式體現出來，以讓利系數r表示。

對于用戶要求實施分時電價之后總電費不多于實施分時電價前總電費

根據我國水利電力部、國家經委、國家物價局發布的水電財字第101號文件《關于多種電價實施辦法的通知》，分時電價以電網平均電價為基準，按實際情況上、下浮動，高峰電價可為低谷電價的2～4倍。故設定

通過對以上優化模型進行求解，可以得到合適的峰電價、平電價和谷電價。

4 負荷轉移模型

以負荷轉移率λ表征各類時段之間的電量轉移。負荷轉移率為相對高電價時段向相對低電價時段的轉移量與相對高時段電價的負荷之比。當劃分為峰、谷、平3類時段時，存在λpv、λpf、λfv3種不同的負荷轉移率。根據消費者心理學模型［21］，用戶對于電價的響應，在電價未超過某一個下限閾值△pmin時，將會趨近于0。超過某一個上限閾值△pmax之后，電價增加也不會引起進一步的響應，此時轉移率達到λmax。在這兩個閾值之間，用戶轉移率和電價成正相關。為了便于研究，電價變化率與負荷轉移率之間的對應關系用線性分段函數近似表示，其函數圖像如圖2所示。圖中橫軸表示不同時段之間的電價差△p，縱軸表示用戶的負荷轉移率λ。

圖2 負荷轉移率曲線

設線性區的斜率為K，將圖像以分段函數形式表示

實施TOU后，各時段負荷可表示為

5 算例

某地夏季典型日前預測負荷曲線如圖3所示，日前預測光伏出力曲線如圖4所示。負荷曲線減去光伏曲線得到等效負荷曲線如圖5所示。

圖3 日前24小時負荷預測曲線

圖4 日前24小時光伏預測曲線

圖5 等效負荷曲線

表1 各時段的峰谷隸屬度

圖6 動態聚類圖

采用MATLAB進行模糊聚類，所生成動態聚類圖如圖6所示，考察聚類數為3時的分類情況，得出結論如下:

峰時段:t1，t8，t9，t10;

谷時段:t12，t13，t14，t15;

平時段:t2，t3，t4，t5，t6，t7，t11，t16，t17，t18，t19，t20，t21，t22，t23，t24。

以模糊聚類方法劃分出的時段為基礎，假設轉移負荷按時段平均分配，讓利系數取r=0.9。負荷轉移模型的數據如表2所示，數據來自文獻［21］。采用MATLAB對優化模型進行求解，得到優化結果

表2 負荷轉移率函數參數

圖7 TOU實施前后等效負荷曲線對比

實施TOU前后等效負荷曲線對比如圖7所示。等效負荷曲線峰值由26.84MW下降至25.96MW，谷值由21.03MW下降至22.60MW。峰谷差由5.81MW減少到3.36MW，負荷率由0.89提升到0.92。

單獨考察7:00～18:00時段(即光伏出力不為0的時段)，TOU實施前后負荷曲線與光伏曲線對比如圖8所示，可見TOU實施后，負荷曲線與光伏曲線變化趨勢一致程度提高，光伏高峰與負荷高峰同步出現，其相關系數由0.36提升到了0.89，光伏曲線與負荷的相關性得到明顯改善。

圖8 TOU實施前后負荷曲線與光伏曲線對比

6 結語

本文采用模糊聚類方法，對等效負荷曲線進行時段劃分，并且以峰谷差最小為目標函數進行優化。調整的對象從單獨的負荷曲線變成減去光伏出力曲線之后的等效負荷曲線，使得等效負荷曲線平緩化，光伏曲線與負荷的相關性得到改善，調峰難度降低，機組啟停次數減少，從而降低了系統運行成本。本文模型兼顧了光伏消納與負荷本身的移峰填谷，有效降低了等效負荷曲線的峰谷差，同時提升了負荷率，達到了優化目的，驗證了模型的有效性。

［1］Bosh Ell F，Veloza O P.Review of developed demand side management programs including different concepts and their results［C］//Proceedings of IEEE Transmission and Distribution Conference and Exposition.Bogota，Columbia:IEEE，2008:13－15.

［2］艾欣，劉曉.基于需求響應的風電消納機會約束模型研究［J］.華北電力大學學報(自然科學版)，2011(3):17－22.

［3］楊秀媛，肖洋，陳樹勇.風電場風速和發電功率預測研究［J］.中國電機工程學報，2005(11):1－5.

［4］丁明，王偉勝，王秀麗，等.大規模光伏發電對電力系統影響綜述［J］.中國電機工程學報，2014(1):1－14.

［5］Billinon R，Baig.Generating capacity adequacy associated with wind energy［J］.IEEE Trans.on Energy Conversion，2004，19(3):641－646.

［6］Armando M Leite da Silva，Warlley S Sales，Luiz Ant^onio da Fonseca Manso，et al.Long-term probabilistic evaluation of operating reserve requirements with renewable sources［J］.IEEE Trans.on Power System，2010，25 (1):106－116.

［7］Kaigui X，Billinton R.Determination of the Optimum Capacity and Type of Wind Turbine Generators in a Power System Considering Reliability and Cost［J］.IEEE Transactions on Energy Conversion，2011，26(1):227－234.

［8］黎永華.結合儲能的并網光伏發電對電網的調峰作用分析［D］.華北電力大學，2012.

［9］林旻，朱艷卉，胡百林.基于供電成本的峰谷時段劃分及分時電價研究［J］.華東電力，2005(12):90－91.

［10］丁寧，吳軍基，鄒云.基于DSM的峰谷時段劃分及分時電價研究［J］.電力系統自動化，2001，25(23):9－12，16.

［11］程瑜，翟娜娜.基于用戶響應的分時電價時段劃分［J］.電力系統自動化，2012(9):42－46.

［12］Yang P，Tang G，Nehorai A.A game－theoretic approach for optimal time-of-use electricity pricing［J］.IEEE Transactions on Power Systems，2013，28(2):884－892.

［13］曾夢妤.分類用戶峰谷電價研究［D］.華北電力大學(北京)，2006.

［14］王綿斌，譚忠富，張蓉，等.發電側峰谷分時電價設計及電量分配優化模型［J］.電力自動化設備，2007(8):16－21.

［15］王蓓蓓，劉小聰，李揚.面向大容量風電接入考慮用戶側互動的系統日前調度和運行模擬研究［J］.中國電機工程學報，2013(22):35－44.

［16］WALAWALKAR R，BLUMSACK S，APT J，et al.An economic welfare analysis of demand response in the PJM electricity market［J］.Energy Policy，2008，36(6):3692－3702.

［17］Klobasa M.Analysis of demand response and wind integration in Germany's electricity market［J］.IET Renewable Power Generation，2010，4 (1):55－63.

［18］張欽，王錫凡，王建學，等.電力市場下需求響應研究綜述［J］.電力系統自動化，2008(3):97－106.

［19］Duy T N，Michael N，Martin D G.A comprehensive approach to demand response in restructured power system［C］//Australasian Universities Power Engineering Conference.Australasian:IEEE，2010:1－6.

［20］胡泊，辛頌旭，白建華，等.我國太陽能發電開發及消納相關問題研究［J］.中國電力，2013(1):1－6.

［21］阮文駿，王蓓蓓，李揚，等.峰谷分時電價下的用戶響應行為研究［J］.電網技術，2012(7):86－93.

［22］梁雙，胡學浩，張東霞，等.基于隨機模型的光伏發電置信容量評估方法［J］.電力系統自動化，2012(13):32－37.

Optimal Strategy of TOU in Power System with Integrated Photovoltaic Power Generation

FAN Wen-fei，FENG Fei，WANG De-lin
(School of Electrical Engineering，Southwest Jiaotong University，Chengdu Sichuan 610031，China)

In order to improve accommodation of photovoltaic power，TOU method is adopted to regulate the load profile.The optimal TOU pricing is proposed to be equivalent load profile oriented，which is load profile with photovoltaic power profile deducted，in which case，both photovoltaic power accommodation and load shifting are taken into consideration.Fuzzy clustering is applied on TOU pricing period division，based on which，an optimal TOU pricing model is build and solved.The optimization leads to higher load factor and lower difference ratio of the peak-and-valley of the equivalent load profile.Meanwhile，there is a notable promotion in the correlation coefficient between the load profile and photovoltaic power profile.The testing example verifies the feasibility of this model.

photovoltaic power accommodation;equivalent load profile;TOU;period division;fuzzy clustering

TM71

B

1004－289X(2016)04－0046－06

2015－03－25

范文飛(1989－)，男，碩士研究生，主要研究方向:電力系統的需求側管理;

馮斐(1993－)，男，本科，主要研究方向:電氣工程及其自動化;

王德林(1970－)，男，博士，副教授，主要研究方向:電力系統機電動態、擾動傳播、頻率動態等。