一种基于改进粒子群算法的供电套餐的优化方法技术

本申请涉及一种基于改进粒子群算法的供电套餐的优化方法，该方法包括：步骤1、分析电力市场环境下的影响用户粘性的因素，以将供电套餐的价格作为优化对象，其中，因素包括供电套餐的价格；步骤2、利用粘性函数，对单个用户的用户粘性进行量化，以及根据多个粘性函数，确定用户群的决策矩阵；步骤3、根据粘性函数和决策矩阵，建立反应售电商综合效益的总效用函数；步骤4、利用预定义的同化系数，量化供电套餐的价格对不同用户的决策的影响程度，以及根据同化系数，建立用户的决策模型；步骤5、根据总效用函数、决策模型和改进粒子群算法寻优，确定最优套餐价格，从而售电商可以提供具有竞争里的零售套餐，进而提升公司效益。

【技术实现步骤摘要】
一种基于改进粒子群算法的供电套餐的优化方法
本申请涉及电力
，尤其涉及一种基于改进粒子群算法的供电套餐的优化方法。
技术介绍
随着我国售电侧市场开放程度和范围的深入和扩大，电力用户对售电商的自主选择权将逐渐放开。售电商更趋向于菜单电价、目录电价以及套餐电价(或供电套餐的价格)等考虑零售选择的电价制定方式。在零售市场开放的初期，售电商数量较少，根据市场变化合理调整经营战略，优化供电套餐的价格，对其扩大收益有着非常重要的影响。目前，国内外对电力零售套餐制定的研究相对较少，国内关于套餐(或供电套餐)的制定和优化方面的研究主要是电信资费套餐，其大都根据成本、需求以及客户感知等因素对产品资费的影响程度，建立目标函数，选择合适的算法在满足约束条件的情况下，搜索最优目标函数下对应的产品资费。另外，粒子群优化算法(ParticleSwarmOptimization，简称PSO)是一种现代启发式算法，它是模拟简单的鸟类觅食行为提出的，其和早期的基于群体行为的优化算法相比，PSO算法在计算速度和消耗内存上有较大优势，因为它的实现只需简单的数学运算和较少的程序代码。与多数进化算法相比，PSO算法的优势是通过个体间的“协作”而非“适者生存”来搜寻最优解，群体中的每个个体对自己之前的路径都有记忆，结合消费者参考历史价格的消费决策的特点，所以选择粒子群算法对整个售电套餐进行分区域的最优价格搜索。
技术实现思路
针对电力零售侧放开竞争条件下市场对零售供电套餐的需要，本申请提供了一种基于改进粒子群算法的供电套餐的优化方法。有鉴于此，本申请提供了一种基于改进粒子群算法的供电套餐的优化方法，所述方法包括以下步骤：步骤1、分析电力市场环境下的影响用户粘性的因素，以将供电套餐的价格作为优化对象，其中，所述因素包括所述供电套餐的价格；步骤2、利用粘性函数，对单个用户的用户粘性进行量化，以及根据多个粘性函数，确定用户群的决策矩阵；步骤3、根据所述粘性函数和所述决策矩阵，建立反应售电商综合效益的总效用函数；步骤4、利用预定义的同化系数，量化所述供电套餐的价格对不同用户的决策的影响程度，以及根据所述同化系数，建立用户的决策模型；步骤5、根据所述总效用函数、所述决策模型和所述改进粒子群算法寻优，确定最优套餐价格。可选地，在所述步骤2中，所述粘性函数表示为：式中，N为售电商经营区域内的所有用户的数量；n为所述售电商发布的供电套餐的个数；Si表示第i个用户(或用户i)对所述售电商的用户粘性，其中，0＜i≤N，且i为正整数；kpi表示由元素0或1组成的一个n维数组；kpij表示用户i对第j个供电套餐(或供电套餐j)的选择情况，kpij＝1表示肯定决策，kpij＝0表示否定决策；T'表示T的转置，其中，T＝[T1,T2,...,Tn]，Ti表示第i个供电套餐的合同年限。可选地，在所述步骤2中，所述决策矩阵表示为：式中，Kp表示一个N×n规模的0-1矩阵。可选地，在所述步骤3中，所述总效用函数表示为：式中，NC表示所述售电商经营区域内的的实际用户数量；表示所述售电商的平均市场影响力。可选地，在所述步骤4中，所述同化系数表示为：式中，γi表示第i个用户的同化系数；Qe表示所述用户对电力商品的消费总量；QA表示所述用户的生活能源的消费总量；υi表示所述用户i的收入增长率；ηe表示所述电力商品的居民消费价格指数。可选地，在所述步骤S4中，所述决策模型表示为：式中，kpij＝1表示肯定决策，kpij＝0表示否定决策；约束条件：肯定决策的约束条件表示为：式中，Qi为用户i的年用电量；Punitj为供电套餐j的能源单位费率；Pfixedj为所述供电套餐j的日计固定费用价格；IRPit表示利用IRP模型获取的用户i在t时刻的内心参考价格；aij为所述用户i对所述供电套餐j的偏好情况，aij＝0表示否定偏好；否定决策的约束条件表示为：式中，aij＝1表示肯定偏好。可选地，所述IRP模型表示为：IRPit＝βiP(t-1)+(1-βi)IRPi(t-1)式中，IRPit为用户i在t时刻的内心参考价格；IRP(t-1)表示所有用户的在t时刻之前内心参考价格的平均值；βi表示所述用户i的价格敏感系数；P(t-1)表示t时刻之前市场的平均参考价格。可选地，所述步骤5包括：步骤51，将各个所述供电套餐的价格、用户参数和偏好系数进行初始化，其中，所述用户参数包括用户的年用电量和价格敏感系数；步骤52，利用所述供电套餐的价格和IRP模型，计算所述用户的内心参考价格；步骤53，利用所述同化系数的计算公式，计算当前环境下用户电力消费的同化系数；步骤54，在得到所述用户内心参考价格和所述当前环境的同化系数后，利用所述同化系数和所述决策模型，确定所述用户对各个供电套餐的肯定决策或否定决策，最后得到所述用户群的决策矩阵；步骤55，确定各个用户是否存在偏好，在所述用户存在偏好的情况下，从满足肯定决策的多个供电套餐中选取用户偏好的供电套餐，若不存在，从满足肯定决策的多个供电套餐中选取最优的供电套餐；步骤56，利用所述总效用函数的计算公式，计算每个个体对应的适应函数的值，其中，所述总效用函数的值作为所述适应函数的值；步骤57，更新种群最优和个体历史最优，将种群合并到交叉池中执行交叉操作，其中，种群最优为一次迭代中所有供电套餐的价格的组合中最大目标函数的值所对应的价格组合，个体历史最优为截止当前迭代供电套餐价格更新后最大目标函数的值所对应的价格组合；步骤58，若满足停止条件，搜索停止，输出结果；否则返回所述步骤52继续搜索。可选地，从满足肯定决策的多个供电套餐中选取最优的供电套餐包括：计算所有满足肯定决策的供电套餐的每度电的平均价格；选择每度电的平均价格最小的供电套餐作为最优的供电套餐。可选地，所述平均价格的计算公式表示为：PRij＝(Qi×Punitj+365×Pfixedj)/Qi式中，PRij表示用户i对满足参考肯定决策的供电套餐j的每度电的平均价格。本申请实施例提供的上述技术方案与现有技术相比具有如下优点：(1)、本申请实施例提供的该方法，其能够为售电商的零售供电套餐的设计提供价格参考，在电力零售侧放开竞争的条件下，面对保底用户或者拥有自主选择权的电力用户，售电商可以提供具有竞争里的零售套餐，进而提升公司效益。(2)、本申请实施例提供的该方法，其还为电力用户选择适合自己的供电套餐提供价格参考。考虑到用户的价格敏感度以及用电量不同的差异，提出用户的IRP模型，此外，用户可以根据此模型得到的反应用户差异性的参考价格，从而选择出适合自己用电习惯的电力零售套餐。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种基于改进粒子群算法的供电套餐的优化方法的流程示意图；图2为本申请实施例提供的一种电力市场中用户粘性的影响因素模型的示意图；图3为本申请实施例提供的一种基于改进粒子群算法的供电套餐本文档来自技高网...

【技术保护点】
1.一种基于改进粒子群算法的供电套餐的优化方法，其特征在于，包括：步骤1、分析电力市场环境下的影响用户粘性的因素，以将供电套餐的价格作为优化对象，其中，所述因素包括所述供电套餐的价格；步骤2、利用粘性函数，对单个用户的用户粘性进行量化，以及根据多个粘性函数，确定用户群的决策矩阵；步骤3、根据所述粘性函数和所述决策矩阵，建立反应售电商综合效益的总效用函数；步骤4、利用预定义的同化系数，量化所述供电套餐的价格对不同用户的决策的影响程度，以及根据所述同化系数，建立用户的决策模型；步骤5、根据所述总效用函数、所述决策模型和所述改进粒子群算法寻优，确定最优套餐价格。

【技术特征摘要】
1.一种基于改进粒子群算法的供电套餐的优化方法，其特征在于，包括：步骤1、分析电力市场环境下的影响用户粘性的因素，以将供电套餐的价格作为优化对象，其中，所述因素包括所述供电套餐的价格；步骤2、利用粘性函数，对单个用户的用户粘性进行量化，以及根据多个粘性函数，确定用户群的决策矩阵；步骤3、根据所述粘性函数和所述决策矩阵，建立反应售电商综合效益的总效用函数；步骤4、利用预定义的同化系数，量化所述供电套餐的价格对不同用户的决策的影响程度，以及根据所述同化系数，建立用户的决策模型；步骤5、根据所述总效用函数、所述决策模型和所述改进粒子群算法寻优，确定最优套餐价格。2.根据权利要求1所述的供电套餐的优化方法，其特征在于，在所述步骤2中，所述粘性函数表示为：式中，N为售电商经营区域内的所有用户的数量；n为所述售电商发布的供电套餐的个数；Si表示第i个用户对所述售电商的用户粘性，其中，0＜i≤N，且i为正整数；kpi表示由元素0或1组成的一个n维数组；kpij表示用户i对第j个供电套餐的选择情况，kpij＝1表示肯定决策，kpij＝0表示否定决策；T'表示T的转置，其中，T＝[T1,T2,...,Tn]，Ti表示第i个供电套餐的合同年限。3.根据权利要求2所述的供电套餐的优化方法，其特征在于，在所述步骤2中，所述决策矩阵表示为：式中，Kp表示一个N×n规模的0-1矩阵。4.根据权利要求3所述的供电套餐的优化方法，其特征在于，在所述步骤3中，所述总效用函数表示为：式中，NC表示所述售电商经营区域内的的实际用户数量；表示所述售电商的平均市场影响力。5.根据权利要求1所述的供电套餐的优化方法，其特征在于，在所述步骤4中，所述同化系数表示为：式中，γi表示第i个用户的同化系数；Qe表示所述用户对电力商品的消费总量；QA表示所述用户的生活能源的消费总量；υi表示所述用户i的收入增长率；ηe表示所述电力商品的居民消费价格指数。6.根据权利要求1所述的供电套餐的优化方法，其特征在于，在所述步骤S4中，所述决策模型表示为：式中，kpij＝1表示肯定决策，kpij＝0表示否定决策；约束条件：肯定决策的约束条件表示为：式中，Qi为用户i的年用电量；Punitj为供电套餐j的能源单位费率；Pfixedj为所述供电套餐j的日计固定费用价格；IRPit表示利用IRP模型获取的用户i在t时刻的内心参考价格；aij为...

【专利技术属性】
技术研发人员：刘思佳，曹昉，李欣宁，李成仁，尤培培，许钊，李红军，高效，赵茜，张超，周树鹏，段燕群，李桐，王雅婧，朱少林，许超晨，黄峰慧，
申请(专利权)人：国网能源研究院有限公司，华北电力大学，国网福建省电力有限公司经济技术研究院，
类型：发明
国别省市：北京,11