一种基于电价多状态模型的直购电大用户购电策略优化方法技术

本发明专利技术涉及电力市场交易领域，具体讲，涉及电力市场交易中直购电大用户的购电策略优化方法。一种基于电价多状态模型的直购电大用户购电策略优化方法，其特征在于，所述方法主要包括电价的不确定性描述、考虑电价不确定性的直购电大用户购电策略优化数学模型、基于混沌优化的直购电大用户购电策略多状态模型求解方法三个步骤。本方法充分考虑了在我国电力市场交易中电价不确定性的前提下，如何为直购电大用户提供具有参考价值的最佳购电策略，以帮助其在电力市场交易中获得最大利益。

【技术实现步骤摘要】

本专利技术涉及电力市场交易领域，具体讲，涉及电力市场交易中直购电大用户的购 电策略优化方法。
技术介绍
大用户直购电是指用电量较大的电力用户直接与发电企业签订双边电力交易合 同，其具体模式灵活多样。普遍认为，大用户直购电的开展将在售电侧引入竞争，有利于完 善电价形成机制，提升电力资源的优化配置水平。2005年2月，国家电监会、国家发改委印 发了《电力用户向发电企业直接购电试点暂行办法》。大用户直购电的实施打破了电网企业 为"单一购买者"的垄断局面，大用户直购电有利于各大用户通过对供电方的合适选择，降 低购电成本，提高产品竞争力，扩大生产规模。 在现有的对我国电力市场大用户直购电购电策略研究中，文献针对大用户在 多个市场上的购电组合问题，综合考虑大用户购电量及现货市场电价的随机性，从预期购 电成本和风险的角度分析了大用户购电最优组合策略。文献为研究收益和风险并存的 大用户购电组合决策问题，分析了均值-方差模型、均值-半方差模型的特点及适用情 况，提出了均值-绝对离差购电组合模型。文献综合考虑现货市场和长期合约市场 电价的相关性，采用多变量灰色模型（multi-variablegreymodel，MGM)(1,η)，对现货市 场和长期合约市场电价进行长期综合预测；在预测电价的基础上，运用模糊优化的方法，按 照用户给定的期望目标及容差，建立了线性隶属函数的均值-风险价值（valueatrisk， VaR)最优购电组合模型。文献在基于可信性理论建立了大用户购电策略的数学规划模 型，所建立的模型能够同时处理市场中随机和模糊两类不确定信息。 参考文献： 魏颖莉，周明，李庚银.大用户购电组合策略研究.电网技术，2008， 32(10) :22 - 27. 郑雅楠，李庚银，周明.大用户购电组合决策模型及对比分析.电网技术， 2011,35(3) :188 - 194. 郑雅楠，李庚银，周明.大用户模糊优化购电组合策略的研究.中国电机工 程学报，2010, 30 (10) :98-104. 祝全乐，马新顺，苑津莎.计及市场不确定性的大用户购电策略.华北电力 大学学报.2012-39-2。 在已有的大用户购电策略研究中，大多通过采用固定电价进行建模来为大用户直 购电提供合理购电策略；也有部分研究用正态分布概率模型来考虑电价的不确定性，但模 型的复杂程度高和求解难度大。 随着发电侧市场的逐渐成熟，开放用电侧竞争市场已是大势所趋。目前，我国正在 稳步推进用电侧市场改革，并允许大用户直接参与市场竞争。与以往被动接受不同，大用户 有了自主选择购电权利，也在具体购电过程中需要面对市场更多的不确定性因素。这其中， 大用户直购电的购电价格受各种因素影响会产生不同程度的波动。面对电力市场交易中电 价的不确定性，如何构造合理有效的购电策略，成为大用户侧亟待解决的问题之一。
技术实现思路
本专利技术针对这一点，提出了一种基于电价多状态模型的直购电大用户购电策略优 化新方法。该方法运用多状态模型反映电价的不确定性，从而可以将含有电价不确定性直 购电大用户购电策略优化模型转化成多状态确定性模型，能够有效的降低模型复杂程度和 求解难度。本方法建立了考虑电价不确定性的直购电大用户购电策略优化数学模型，采用 混沌优化方法对模型进行求解，从而为大用户直购电提供最优购电策略，使直购电大用户 利益最大化。 本专利技术的技术方案如下： 1、，其特征在于，所 述方法主要包括电价的不确定性描述、考虑电价不确定性的直购电大用户购电策略优化 数学模型、基于混沌优化的直购电大用户购电策略多状态模型求解方法三个步骤，具体如 下： (1)电价的不确定性描述 当前大用户直购电中电价主要由三部分组成，分别为年度购电电价，月度购电电 价和网上购电电价； 电价可以看作一个随机变量，采用正态分布可以反映电价的不确定性，电价概率 密度函数为 式中：μ为数学期望；〇 2为方差； (1. 1)年度购电电价多状态模型 在当前我国电力市场交易环境下，大用户直购电总电价组成中，年度购电电价概 率密度可表示为 式中：μ:为数学期望；〇J为方差； 设根据历史数据得出年度购电电价最高为βi_，最低为βi_，则将βi_到β1 _这段电价范围均分为N/h状态，βls(i)为各个状态下的电价，其对应的概率为Fls(i)，则 0ls(i)、Fls(i)分别为式中i= 1，2,…況； 综上，给出年度购电电价的多状态空间为 Dls = ^ls(i),Fls(i);/ = 1，2,…，jYs 丨 （5) (1. 2)月度购电电价多状态模型 在当前我国电力市场交易环境下，大用户直购电每月的月度购电电价互不相同， 故全年存在12个不同的月度购电电价，第a月的月度购电电价概率密度可表示为： 式中：μas为数学期望；σas2为方差；a= 1，2,…，12; 因为全年存在12个不同的月度购电电价，每个月的月度购电电价又存在多种状 态；所以根据历史数据得出第a月的月度购电电价最高为i3as_，最低为i3as_，则将i3as _到βas_这段电价范围均分为Nl状态，βasw(j)为各个状态下的电价，其对应的概率 为Fasw(j)，则Uj)、Fasw(j)分别为式中j=1，2,…，Nw;a= 1，2,…，12; 综上，给出第a月的月度购电电价的多状态空间为乃顯={Κ·/)Κ·/);j=h2,...,Nw,α= 0,1,...,12} (9) (1· 3)网上购电电价多状态模型 网上购电电价为单一状态，电价定义为b，概率为1; (1. 4)第a月的电价多状态空间 根据多状态系统理论，第a月同时考虑年度购电电价，月度购电电价和网上购电 电价的系统总状态数为M=NWNS;设当第a月的年度购电电价为βi(i)，第a月的月度购电 电价为0as(j)，第a月的网上购电电价为b时，系统的状态空间为0az(i,j) ;Faz(i,j)为该 状态空间对应的概率，则其值为所以第a月的电价多状态空间可表示为 (2)考虑电价不确定性的直购电大用户购电策略优化数学模型 直购电大用户在制定全年购电策略时，需要确定每月按年度购电电价购入的电量 qal，按月度购电电价购入的电量qas以及按网上购电电价购入的电量qab; 因为各月购电电量相互独立，所以为使全年总购电成本的期望值T最小，应以第a 月的购电成本的期望值1最小为目标函数，优化变量为每月的按年度购电电价购入电量， 按月度购电电价购入电量，按网上购电电价购入电量；建立的数学模型如下s.t. qal (k) +qas (k) +qab (k) = Qa qal_彡q al (k)彡qalnax qas_彡qas(k)彡qasnax qabnin< qab(k)彡qabnax 式中，第a月按年度购电电价购入电量qal (k)，第a月按月度购电电价购入电量 qas(k)和第a月按网上购电电价购入电量qab(k)为第a月第k组购电量的可行解； Qa为月份a直购电大用户总购电电量； qal_为第a月的最少购电量； qal_为第a月按年度购电电价购入的最大购电量； qas_为第a月按月度购电电价购入的最少购电量； qas_为第a月按月度购电电价购入的最大购电量； qab_为第a月按网上购电电本文档来自技高网...

【技术保护点】
一种基于电价多状态模型的直购电大用户购电策略优化方法，其特征在于，所述方法主要包括电价的不确定性描述、考虑电价不确定性的直购电大用户购电策略优化数学模型、基于混沌优化的直购电大用户购电策略多状态模型求解方法三个步骤，具体如下：(1)电价的不确定性描述当前大用户直购电中电价主要由三部分组成，分别为年度购电电价，月度购电电价和网上购电电价；电价可以看作一个随机变量，采用正态分布可以反映电价的不确定性,电价概率密度函数为f(β)=12πσe[-(β-μ)22σ2]---(1)]]>式中：μ为数学期望；σ2为方差；(1.1)年度购电电价多状态模型在当前我国电力市场交易环境下，大用户直购电总电价组成中，年度购电电价概率密度可表示为f(βl)=12πσle[-(βl-μl)22σl2]---(2)]]>式中：μl为数学期望；σl2为方差；设根据历史数据得出年度购电电价最高为βlmax，最低为βlmin，则将βlmin到βlmax这段电价范围均分为Ns个状态，βls(i)为各个状态下的电价，其对应的概率为Fls(i)，则βls(i)、Fls(i)分别为βls(i)=[(i-12)/Ns]·(βlmax-βlmin)---(3)]]>Fls(i)=∫[(i-1)/Ns]·(βlmax-βlmin)(i/Ns)·(βlmax-βlmin)f(βl)·dβl---(4)]]>式中i＝1,2,…,Ns；综上，给出年度购电电价的多状态空间为Dls={βls(i),Fls(i);i=1,2,...,Ns}---(5)]]>(1.2)月度购电电价多状态模型在当前我国电力市场交易环境下，大用户直购电每月的月度购电电价互不相同，故全年存在12个不同的月度购电电价，第a月的月度购电电价概率密度可表示为：f(βas)=12πσase[-(βas-μas)22σas2]---(6)]]>式中：μas为数学期望；σas2为方差；a＝1,2,…,12；因为全年存在12个不同的月度购电电价，每个月的月度购电电价又存在多种状态；所以根据历史数据得出第a月的月度购电电价最高为βasmax，最低为βasmin，则将βasmin到βasmax这段电价范围均分为Nw个状态，βasw(j)为各个状态下的电价，其对应的概率为Fasw(j)，则βasw(j)、Fasw(j)分别为βasw(j)=[(j-12)/Nw]·(βasmax-βasmin)---(7)]]>Fasw(i)=∫[(j-1)/Nw]·(βasmax-βasmin)(j/Nw)·(βasmax-βasmin)f(βas)·dβas---(8)]]>式中j＝1,2,…,Nw；a＝1,2,…,12；综上，给出第a月的月度购电电价的多状态空间为Dasw={βasw(j),Fasw(j);j=1,2,...,Nw,a=0,1,...,12}---(9)]]>(1.3)网上购电电价多状态模型网上购电电价为单一状态，电价定义为b，概率为1；(1.4)第a月的电价多状态空间根据多状态系统理论，第a月同时考虑年度购电电价，月度购电电价和网上购电电价的系统总状态数为M＝NwNs；设当第a月的年度购电电价为βl(i)，第a月的月度购电电价为βas(j)，第a月的网上购电电价为b时，系统的状态空间为βaz(i,j)；Faz(i,j)为该状态空间对应的概率，则其值为Faz(i,j)=Fls(i)Fasw(j)---(10)]]>所以第a月的电价多状态空间可表示为Daz={βaz(i,j),Faz(i,j);i=1,2,...,Ns,j=1,2,...,Nw,a=1,2,..,12}---(11)]]>(2)考虑电价不确定性的直购电大用户购电策略优化数学模型直购电大用户在制定全年购电策略时，需要确定每月按年度购电电价购入的电量qal，按月度购电电价购入的电量qas以及按网上购电电价购入的电量qab；因为各月购电电量相互独立，所以为使全年总购电成本的期望值T最小，应以第a月的购电成本的期望值Ta最小为目标函数，优化变量为每月的按年度购电电价购入电量，按月度购电电价购入电量，按网上购...

【技术特征摘要】

【专利技术属性】
技术研发人员：高春成，史连军，王文，庞博，史述红，张显，方印，陶力，刘克智，刘永辉，周详，高博，张学松，袁明珠，代勇，王蕾，李守保，王清波，丁鹏，任东明，刘杰，赵显，谭翔，汪涛，袁晓鹏，张雪，
申请(专利权)人：国家电网公司，南京南瑞集团公司，江苏省电力公司，
类型：发明
国别省市：北京;11