一种适用于园区综合供能服务的分时电价定价方法与流程

1.本发明属于电力系统综合供能服务领域，尤其涉及一种适用于园区综合供能服务的分时电价定价方法。


背景技术：

2.分时电价是一种可以有效反映电力系统不同时段供电成本差别的电价机制，是需求侧管理项目的重要内容。常见形式有峰谷时段电价、季节性电价、丰枯期电价等。电力市场初期，电价一般是单一固定的，这导致电价不能反映不同时段边际供电成本的差别。峰谷分时电价是将一天划分为峰、谷、平三个时段，不同时段用电量实行不同电价。季节电价制度可以改善电力系统季节性负荷不均衡性、反应不同季节供电成本，抑制夏、冬高峰负荷过快增长。丰枯电价是专门针对水电的，根据来水量多少，将一年划分为丰水期、平水期和枯水期，不同时期实行不同的电价，丰枯电价是根据丰水期电力成本低、枯水期电力成本高的特点制定的。主要作用是鼓励用户合理安排用电时间，有效地减少用电负荷的峰谷差，提高电力系统的稳定性。分时电价通过时间上的差别定价，比单一固定电价市场效率更高，能够削峰填谷、增加社会福利。
3.分时电价的实施，一方面能够使居民享受到实惠，另一方面对发电厂、电网和低碳经济也有好处。用户通过改变用电方式，低谷时多用电，高峰时少用电，可以减少电费支出；分时电价实施带来的削峰填谷、平衡负荷效果，使发电企业和电网企业能够从中受益；同时发电效率的提高能够减少碳排放，保护环境，社会受益。


技术实现要素：

4.本发明的目的在于克服现有技术中存在的上述不足，而提供一种适用于园区综合供能服务的分时电价定价方法。
5.本发明解决上述问题所采用的技术方案是：一种适用于园区综合供能服务的分时电价定价方法，其特征在于，包括：对用户群体进行聚类分析；
6.(1)用电负荷和需求响应特征
7.需求弹性矩阵是用户需求响应行为的典型表征和分析方法之一，由不同时段的自弹性系数和交叉弹性系数组成；已知需求弹性矩阵的条件下，分时电价调整后的用电负荷表示如下：
[0008][0009][0010]
[0011][0012][0013][0014]
式中：
[0015]-用户k的原用电负荷向量；
[0016]-时段i用户k的原用电负荷；
[0017]-执行园区分时电价后用户k的现用电负荷向量；
[0018]-时段i用户k的现用电负荷；
[0019]
δl
k-用户k的用电负荷变化向量；
[0020]-用户k的原用电负荷对角阵，对角元素为原用电负荷其他元素均为零；
[0021]
η
k，i-原用电负荷的时段和负荷水平；
[0022]ek-用户k的需求弹性矩阵，对角元素为自弹性系数，其他元素为交叉弹性系数；
[0023]
ε
k，i-时段i对自身的响应度e
k，ii
以及其他时段对时段i的响应度e
k，ji
；
[0024]
δp-电价变化向量；
[0025]-时段i的原电价；
[0026]-时段i的现电价；
[0027]
用电负荷变化δlk取决于用电负荷对角阵需求弹性矩阵ek和电价变化向量δp，三者相互独立，是用电负荷变化δlk的3个决定因素；其中，电价变化向量δp为外部因素，用电负荷对角阵和需求弹性矩阵ek为内部因素；用电负荷对角阵和需求弹性矩阵ek是用户k的用电负荷和需求响应特征的数学表征，不同用户的用电负荷矩阵和需求弹性矩阵ek不同；
[0028]
将用电负荷矩阵的向量η
k，i
与需求弹性矩阵ek的向量ε
k，i
全连接，形成表征用户k的用电负荷和需求响应特征的特征向量xk，基于特征向量xk聚类园区用户；
[0029][0030]
特征向量xk具有以下2个特点：
[0031]
1)高维；用电负荷矩阵和需求弹性矩阵ek均为n
×
n方阵，特征向量xk为2n2×
1列向量(若n＝24，则特征向量xk为1152
×
1列向量)；
[0032]
2)稀疏；用电负荷矩阵的非对角元素均为零元素；同时，通常情况下需求响应并非在所有时段之间均敏感，响应程度较大的时段往往集中于峰谷或特定时段，需求弹性矩阵ek的大部分元素近似于零或甚至为零；
[0033]
(2)谱聚类
[0034]
谱聚类是基于图论的聚类算法，能够解决数据高维、稀疏甚至非凸导致聚类速度慢、收敛性差等问题，非常适用于园区用户群体聚类问题；根据图论，图由点与边构成；边表示点之间的关系，边的大小为权值，表示关系的大小，其中径向基函数是权值最主要的表示方式之一；图可利用邻接矩阵表示，邻接矩阵以点之间的权值为元素，反映各点的邻接关系；子图是点的子集构成的图，是图的一部分，子图的邻接矩阵为图的邻接矩阵的子矩阵；
[0035][0036][0037]
式中：
[0038]
x
i-点i的特征向量，即表征园区用户i的用电负荷和需求响应特征的特征向量；
[0039]wij-点i和点j的权值，反映园区用户i和j的相似程度；
[0040]
a-邻接矩阵；
[0041]
n-点数量，即园区用户数量；
[0042]
将园区用户特征向量xk定义为图的点，园区用户特征向量xk之间的相似程度定义为权值，园区用户群体聚类问题等效于图的分割问题；分割后的子图是图的一个划分，表示一种园区用户群体的划分方式；园区用户群体聚类的目标为同一园区用户群体的特征尽可能相似，不同园区用户群体的特征尽可能不同，因此，图分割的目标为子图内权值之和最大化、子图间权值之和最小化，目标函数为规范割函数(ncut函数)；
[0043][0044]
[0045][0046]
a1∪a2∪
…
∪as＝a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0047][0048]
式中：
[0049]
v(ar)-子图ar内权值之和；
[0050]-子图ar与其他子图间权值之和；g为ncut函数；
[0051]
s-子图数量，即园区用户群体数量；
[0052]
ncut函数为非线性函数，相应规划模型为非线性规划模型，求解困难；将邻接矩阵转化为拉普拉斯矩阵，能够利用其代数性质，快速求解该最优化问题；拉普拉斯矩阵由邻接矩阵与其度矩阵相减得到，度矩阵为对角矩阵，对角元素为邻接矩阵对应行的所有元素之和；具体表达式为：
[0053][0054][0055]
式中；
[0056]
d-度矩阵；
[0057]
l-拉普拉斯矩阵；
[0058]
定义子图ar的指示向量fr，表示属于子图ar的点的标识，即属于某一园区用户群体的园区用户的标识；ncut函数可表示为拉普拉斯矩阵和指示向量的二次型；同时定义单位指示向量hr＝d
1/2fr
和标准拉普拉斯矩阵l
′
＝d-1/2
ld-1/2
，ncut函数可表示为：
[0059][0060][0061]
[0062][0063]
基于谱聚类的园区用户群体聚类可转化为求解标准拉普拉斯矩阵的最小s个特征值之和；
[0064][0065]
基于ch(calinski-harabasz)指标，评估园区用户群体聚类结果的优劣，确定最优园区用户群体数量；ch指标值为子图内和子图间的协方差矩阵的迹除以对应自由度的比值，其指标值越大，表明园区用户群体聚类结果越好；
[0066][0067]
式中：
[0068]cs-ch指标；
[0069]ms-子图内的协方差矩阵；
[0070]ns-子图间的协方差矩阵；
[0071]
tr(
·
)-矩阵的迹。
[0072]
本发明还包括：进行分时时段确定；
[0073]
对不同园区用户群体的用电负荷数据进行聚类，确定峰平谷分时时段；用电负荷数据为简单的一维数据，时段和聚类数量小，利用传统k-means聚类算法即可满足要求；k-means聚类算法的目标函数为数据和其所属聚类中心的均方差之和；基于k-means聚类算法求得用电负荷的聚类标记，根据聚类标记确定峰平谷分时时段；
[0074][0075][0076][0077][0078][0079]
[0080]
t
p，h
∪t
f，h
∪t
v，h
＝{1，2，
…
，n}
ꢀꢀꢀꢀ
(30)
[0081]
t
p，h
∩t
f，h
＝φ
[0082]
t
f，h
∩t
v，h
＝φ
ꢀꢀꢀꢀꢀꢀ
(31)
[0083]
t
v，h
∩t
p，h
＝φ
[0084]
式中，
[0085]-园区用户群体h佣电负荷的聚类标记向量；
[0086]-时段t园区用户群体h用电负荷的聚类标记；
[0087]
δ
p-峰时段聚类标记；
[0088]
δ
f-平时段聚类标记；
[0089]
δ
h-谷时段聚类标记；
[0090]sp，h-园区用户群体h的峰时段聚类标记集合；
[0091]sf，h-园区用户群体h的平时段聚类标记集合；
[0092]sv，h-园区用户群体h的谷时段聚类标记集合；
[0093]
t
p，h-园区用户群体h的峰时段集合；
[0094]
t
f，h-园区用户群体h的平时段集合；
[0095]
t
v，h-园区用户群体h的谷时段集合。
[0096]
本发明还包括：分时电价定价；
[0097]
在园区用户群体聚类和分时时段确定的基础上，综合考虑分布式电源出力、园区内外交换负荷等因素，构建园区分时电价定价优化模型；
[0098]
a、分布式发电出力模型
[0099]
1)分散式风电；利用风机叶片将风的动能转化为电能，出力取决于风速，出力模型如下；
[0100][0101]
式中：
[0102]
l
tw，t-时段t的分散式风电出力；
[0103]nw-分散式风电数量；
[0104]vt-时段t的风速；
[0105]vi-切入风速；
[0106]vr-额定风速；
[0107]vo-切出风速；
[0108]
l
w，s-分散式风电额定出力；
[0109]
2)分布式光伏；
[0110]
利用光伏组件将太阳能转化为电能，出力取决于光照辐射强度和温度，出力模型
如下：
[0111][0112]
式中：
[0113]
l
tp，t-时段t的分布式光伏出力；
[0114]np-分布式光伏数量；
[0115]
l
p，s-标准条件下(光照辐射强度is＝1000w/m2，温度ts＝25℃)的分布式光伏额定出力；
[0116]it-时段t的光照辐射强度；
[0117]
t
t-时段t的温度；
[0118]
ε
p-功率温度系数(一般取0.0039℃-1
)；
[0119]
b、园区内外交换负荷
[0120]
在能源互联网背景下，园区的资源配置模式为“能源就近利用 能源自远方来”；园区分布式电源首先就地消纳，满足园区用电需求，多余部分馈入外部电网；园区用电需求首先通过分布式电源就地供应，不足部分通过外部电网供应；
[0121]
因此，园区并网点负荷为园区内外交换负荷，即园区用电负荷扣减分布式电源出力的净负荷；
[0122][0123]
式中：
[0124]
l
e，t-时段t的园区内外交换负荷；
[0125]-时段t用户k的用电负荷；
[0126]
当园区内外交换负荷大于零时，表示园区用电需求无法完全通过分布式电源得到满足，园区内外交换负荷即为园区外购负荷；当园区内外交换负荷小于零时，表示分布式电源满足园区用电需求之外仍有剩余，园区内外交换负荷的绝对值即为分布式电源上网出力；园区外购负荷与分布式电源上网出力的差额即为园区内外交换负荷；
[0127][0128][0129]
式中：
[0130]
l
p，t-时段t的园区外购负荷；
[0131]
l
g，t-时段t的分布式电源上网出力。
[0132]
本发明还包括：分时电价定价优化模型；
[0133]
(1)优化变量
[0134]
分时电价定价优化模型的优化变量为不同园区用户群体的分时电价水平，表达式
为：
[0135][0136]
式中：
[0137]-时段t园区用户群体h的电价；
[0138]-园区用户群体h的峰时段分时电价；
[0139]-园区用户群体h的平时段分时电价；
[0140]-园区用户群体h的谷时段分时电价；
[0141]
(2)目标函数
[0142]
分时电价定价优化模型的目标函数为园区运营商收益最大化，收入包括园区用户售电收入、园区用户容量收入和分布式电源上网收入，成本包括外购电量电费和容量电费；
[0143]
其中，园区用户售电收入为不同时段园区用户电量和其园区分时电价的乘积之和；由于园区用户电量部分由分布式电源就地消纳供应，相应时段的园区分时电价表现为分布式电源就地消纳电量的电价；分布式电源上网收入为不同时段分布式电源上网电量和其上网电价的乘积之和，上网电价参考燃煤机组上网电价，不同时段电价相同；外购电量电费为不同时段园区外购电量和外部电网销售电价的乘积之和，外部电网销售电价为峰谷电价，园区外购电量根据外部电网销售电价划分的峰平谷时段分别结算；
[0144]
max r
t
＝i
t-c
t
＝(is ic ig)-(c
p
cc)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(38)
[0145][0146][0147][0148][0149][0150]
式中：
[0151]rt-总收益；
[0152]it-总收入；
[0153]ct-总成本；
[0154]is-园区用户售电收入；
[0155]ic-园区用户容量收入；
[0156]ig-分布式电源上网收入；
[0157]cp-外购电量电费；
[0158]cc-容量电费；
[0159]ic，k-用户k的容量收入；
[0160]
p
g-分布式电源上网电价；
[0161]
p
e，t-时段t的外部电网销售电价(峰谷电价)；
[0162]
p
c-容量电价；
[0163]
(3)约束条件
[0164]
分时电价定价优化模型的约束条件包括分时电价、用电成本、用电量、内外交换负荷等约束；
[0165]
1)分时电价约束
[0166]
为促进园区削峰填谷，峰平谷时段的分时电价递减；
[0167][0168]
式中：
[0169]
α-分时电价的递减比例1；
[0170]
β-分时电价的递减比例2；
[0171]
2)用电成本约束
[0172]
执行园区分时电价后，园区单位用电成本具有一定幅度的降低；
[0173][0174]
式中：η-单位用电成本的降低幅度；
[0175]
3)用电量约束
[0176]
为保障园区用电需求，执行园区分时电价后，园区日用电量变化幅度不大；
[0177][0178]
式中：
[0179]-日用电量变化率；
[0180]
4)内外交换负荷约束
[0181]
园区内外交换负荷小于并网点变压器容量；
[0182]-c
t
≤l
e，t
≤c
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(47)
[0183]
式中：
[0184]ct-并网点变压器容量；
[0185]
5)非负约束
[0186][0187]
本发明还包括：求解算法；
[0188]
分时电价定价优化模型的目标函数包含绝对值、最大值等非线性函数，因此，该优化模型为非线性规划模型；由于优化变量数量较少，基于分支定界算法即可对可行解空间进行迭代和搜索。
[0189]
本发明与现有技术相比，具有以下优点和效果：分时电价的实施，一方面能够使居民享受到实惠，另一方面对发电厂、电网和低碳经济也有好处。用户通过改变用电方式，低谷时多用电，高峰时少用电，可以减少电费支出；分时电价实施带来的削峰填谷、平衡负荷效果使发电企业和电网企业能够从中受益；同时发电效率的提高能够减少碳排放，保护环境，社会受益。
附图说明
[0190]
图1为基于谱聚类算法的园区用户群体聚类示意图；
[0191]
图2为基于k-means聚类算法的确定分时时段示意图；
[0192]
图3为能源互联网背景下园区的资源配置模式示意图；
[0193]
图4为执行园区分时电价前园区负荷示意图；
[0194]
图5为园区用户群体的用电负荷示意图。
具体实施方式
[0195]
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
[0196]
实施例。
[0197]
本实施例中，一种适用于园区综合供能服务的分时电价定价方法，包括：
[0198]
1、对用户群体进行聚类分析；
[0199]
(1)用电负荷和需求响应特征
[0200]
需求弹性矩阵是用户需求响应行为的典型表征和分析方法之一，由不同时段的自弹性系数和交叉弹性系数组成；已知需求弹性矩阵的条件下，分时电价调整后的用电负荷表示如下：
[0201][0202][0203]
[0204][0205][0206][0207]
式中：
[0208]-用户k的原用电负荷向量；
[0209]-时段i用户k的原用电负荷；
[0210]-执行园区分时电价后用户k的现用电负荷向量；
[0211]-时段i用户k的现用电负荷；
[0212]
δl
k-用户k的用电负荷变化向量；
[0213]-用户k的原用电负荷对角阵，对角元素为原用电负荷其他元素均为零；
[0214]
η
k，i-原用电负荷的时段和负荷水平；
[0215]ek-用户k的需求弹性矩阵，对角元素为自弹性系数，其他元素为交叉弹性系数；ε
k，i-时段i对自身的响应度e
k，ii
以及其他时段对时段i的响应度e
k，ji
；
[0216]
δp-电价变化向量；
[0217]-时段i的原电价；
[0218]-时段i的现电价；
[0219]
用电负荷变化δlk取决于用电负荷对角阵需求弹性矩阵ek和电价变化向量δp，三者相互独立，是用电负荷变化δlk的3个决定因素；其中，电价变化向量δp为外部因素，用电负荷对角阵和需求弹性矩阵ek为内部因素；用电负荷对角阵和需求弹性矩阵ek是用户k的用电负荷和需求响应特征的数学表征，不同用户的用电负荷矩阵和需求弹性矩阵ek不同；
[0220]
将用电负荷矩阵的向量η
k，i
与需求弹性矩阵ek的向量ε
k，i
全连接，形成表征用户k的用电负荷和需求响应特征的特征向量xk，基于特征向量xk聚类园区用户；
[0221][0222]
特征向量xk具有以下2个特点：
[0223]
1)高维；用电负荷矩阵和需求弹性矩阵ek均为n
×
n方阵，特征向量xk为2n2×
1列向量(若n＝24，则特征向量xk为1152
×
1列向量)；
[0224]
2)稀疏；用电负荷矩阵的非对角元素均为零元素；同时，通常情况下需求响应并非在所有时段之间均敏感，响应程度较大的时段往往集中于峰谷或特定时段，需求弹性矩阵ek的大部分元素近似于零或甚至为零；
[0225]
(2)谱聚类
[0226]
谱聚类是基于图论的聚类算法，能够解决数据高维、稀疏甚至非凸导致聚类速度慢、收敛性差等问题，非常适用于园区用户群体聚类问题；根据图论，图由点与边构成；边表示点之间的关系，边的大小为权值，表示关系的大小，其中径向基函数是权值最主要的表示方式之一；图可利用邻接矩阵表示，邻接矩阵以点之间的权值为元素，反映各点的邻接关系；子图是点的子集构成的图，是图的一部分，子图的邻接矩阵为图的邻接矩阵的子矩阵；
[0227][0228][0229]
式中：
[0230]
x
i-点i的特征向量，即表征园区用户i的用电负荷和需求响应特征的特征向量；
[0231]wij-点i和点j的权值，反映园区用户i和j的相似程度；
[0232]
a-邻接矩阵；
[0233]
n-点数量，即园区用户数量；
[0234]
将园区用户特征向量xk定义为图的点，园区用户特征向量xk之间的相似程度定义为权值，园区用户群体聚类问题等效于图的分割问题；分割后的子图是图的一个划分，表示一种园区用户群体的划分方式；园区用户群体聚类的目标为同一园区用户群体的特征尽可能相似，不同园区用户群体的特征尽可能不同，因此，图分割的目标为子图内权值之和最大化、子图间权值之和最小化，目标函数为规范割函数(ncut函数)；
[0235][0236]
[0237][0238]
a1∪a2∪
…
∪as＝a
ꢀꢀꢀ
(13)
[0239][0240]
式中：
[0241]
v(ar)-子图ar内权值之和；
[0242]-子图ar与其他子图间权值之和；g为ncut函数；
[0243]
s-子图数量，即园区用户群体数量；
[0244]
ncut函数为非线性函数，相应规划模型为非线性规划模型，求解困难；将邻接矩阵转化为拉普拉斯矩阵，能够利用其代数性质，快速求解该最优化问题；拉普拉斯矩阵由邻接矩阵与其度矩阵相减得到，度矩阵为对角矩阵，对角元素为邻接矩阵对应行的所有元素之和；具体表达式为：
[0245][0246][0247]
式中；
[0248]
d-度矩阵；
[0249]
l-拉普拉斯矩阵；
[0250]
定义子图ar的指示向量fr，表示属于子图ar的点的标识，即属于某一园区用户群体的园区用户的标识；ncut函数可表示为拉普拉斯矩阵和指示向量的二次型；同时定义单位指示向量hr＝d
1/2fr
和标准拉普拉斯矩阵l
′
＝d-1/2
ld-1/2
，ncut函数可表示为：
[0251][0252][0253]
[0254][0255]
基于谱聚类的园区用户群体聚类可转化为求解标准拉普拉斯矩阵的最小s个特征值之和；
[0256][0257]
基于ch(calinski-harabasz)指标，评估园区用户群体聚类结果的优劣，确定最优园区用户群体数量；ch指标值为子图内和子图间的协方差矩阵的迹除以对应自由度的比值，其指标值越大，表明园区用户群体聚类结果越好；
[0258][0259]
式中：
[0260]cs-ch指标；
[0261]ms-子图内的协方差矩阵；
[0262]ns-子图间的协方差矩阵；
[0263]
tr(
·
)-矩阵的迹；
[0264]
综上所述，谱聚类算法的流程如图1所示；
[0265]
2、进行分时时段确定；
[0266]
对不同园区用户群体的用电负荷数据进行聚类，确定峰平谷分时时段；用电负荷数据为简单的一维数据，时段和聚类数量小，利用传统k-means聚类算法即可满足要求；k-means聚类算法的目标函数为数据和其所属聚类中心的均方差之和；基于k-means聚类算法确定分时时段的流程如图2所示；
[0267]
基于k-means聚类算法求得用电负荷的聚类标记，根据聚类标记确定峰平谷分时时段；
[0268][0269][0270][0271][0272]
[0273][0274][0275]
t
p，h
∪t
f，h
∪t
v，h
＝{1，2，
…
，n}
ꢀꢀꢀꢀ
(54)
[0276]
t
p，h
∩t
f，h
＝φ
[0277]
t
f，h
∩t
v，h
＝φ
ꢀꢀꢀꢀꢀꢀ
(55)
[0278]
t
v，h
∩t
p，h
＝φ
[0279]
式中，
[0280]-园区用户群体h用电负荷的聚类标记向量；
[0281]-时段t园区用户群体h用电负荷的聚类标记：
[0282]
δ
p-峰时段聚类标记；
[0283]
δ
f-平时段聚类标记；
[0284]
δ
v-谷时段聚类标记；
[0285]sp，h-园区用户群体h的峰时段聚类标记集合；
[0286]sf.h-园区用户群体h的平时段聚类标记集合；
[0287]sv，h
一园区用户群体h的谷时段聚类标记集合；
[0288]
t
p，h-园区用户群体h的峰时段集合；
[0289]
t
f，h-园区用户群体h的平时段集合；
[0290]
t
v，h-园区用户群体h的谷时段集合；
[0291]
3、分时电价定价；
[0292]
在园区用户群体聚类和分时时段确定的基础上，综合考虑分布式电源出力、园区内外交换负荷等因素，构建园区分时电价定价优化模型；
[0293]
a、分布式发电出力模型
[0294]
1)分散式风电；利用风机叶片将风的动能转化为电能，出力取决于风速，出力模型如下；
[0295][0296]
式中：
[0297]
l
tw，t-时段t的分散式风电出力；
[0298]nw-分散式风电数量；
[0299]vt-时段t的风速；
[0300]vi-切入风速；
[0301]vr-额定风速；
[0302]vo-切出风速；
[0303]
l
w，s-分散式风电额定出力；
[0304]
2)分布式光伏；
[0305]
利用光伏组件将太阳能转化为电能，出力取决于光照辐射强度和温度，出力模型如下：
[0306][0307]
式中：
[0308]
l
tp，t-时段t的分布式光伏出力；
[0309]np-分布式光伏数量；
[0310]
l
p，s-标准条件下(光照辐射强度is＝1000w/m2，温度ts＝25℃)的分布式光伏额定出力；
[0311]it-时段t的光照辐射强度；
[0312]
t
t-时段t的温度；
[0313]
ε
p-功率温度系数(一般取0.0039℃-1
)；
[0314]
b、园区内外交换负荷
[0315]
如图3，能源互联网背景下园区的资源配置模式；
[0316]
在能源互联网背景下，园区的资源配置模式为“能源就近利用 能源自远方来”；园区分布式电源首先就地消纳，满足园区用电需求，多余部分馈入外部电网；园区用电需求首先通过分布式电源就地供应，不足部分通过外部电网供应；
[0317]
因此，园区并网点负荷为园区内外交换负荷，即园区用电负荷扣减分布式电源出力的净负荷；
[0318][0319]
式中：
[0320]
l
e，t-时段t的园区内外交换负荷；
[0321]-时段t用户k的用电负荷；
[0322]
当园区内外交换负荷大于零时，表示园区用电需求无法完全通过分布式电源得到满足，园区内外交换负荷即为园区外购负荷；当园区内外交换负荷小于零时，表示分布式电源满足园区用电需求之外仍有剩余，园区内外交换负荷的绝对值即为分布式电源上网出力；园区外购负荷与分布式电源上网出力的差额即为园区内外交换负荷；
[0323][0324][0325]
式中：
[0326]
l
p，t-时段t的园区外购负荷；
[0327]
l
g，t-时段t的分布式电源上网出力；
[0328]
4、分时电价定价优化模型；
[0329]
(1)优化变量
[0330]
分时电价定价优化模型的优化变量为不同园区用户群体的分时电价水平，表达式为：
[0331][0332]
式中：
[0333]-时段t园区用户群体h的电价；
[0334]-园区用户群体h的峰时段分时电价；
[0335]-园区用户群体h的平时段分时电价；
[0336]-园区用户群体h的谷时段分时电价；
[0337]
(2)目标函数
[0338]
分时电价定价优化模型的目标函数为园区运营商收益最大化，收入包括园区用户售电收入、园区用户容量收入和分布式电源上网收入，成本包括外购电量电费和容量电费；
[0339]
其中，园区用户售电收入为不同时段园区用户电量和其园区分时电价的乘积之和；由于园区用户电量部分由分布式电源就地消纳供应，相应时段的园区分时电价表现为分布式电源就地消纳电量的电价；分布式电源上网收入为不同时段分布式电源上网电量和其上网电价的乘积之和，上网电价参考燃煤机组上网电价，不同时段电价相同；外购电量电费为不同时段园区外购电量和外部电网销售电价的乘积之和，外部电网销售电价为峰谷电价，园区外购电量根据外部电网销售电价划分的峰平谷时段分别结算；
[0340]
max r
t
＝i
t-c
t
＝(is ic ig)-(c
p
cc)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(62)
[0341][0342][0343]
[0344][0345][0346]
式中：
[0347]rt-总收益；
[0348]it-总收入；
[0349]ct-总成本；
[0350]is-园区用户售电收入；
[0351]ic-园区用户容量收入；
[0352]ig-分布式电源上网收入；
[0353]cp-外购电量电费；
[0354]cc-容量电费；
[0355]ic，k-用户k的容量收入；
[0356]
p
g-分布式电源上网电价；
[0357]
p
e，t-时段t的外部电网销售电价(峰谷电价)；
[0358]
p
c-容量电价；
[0359]
(3)约束条件
[0360]
分时电价定价优化模型的约束条件包括分时电价、用电成本、用电量、内外交换负荷等约束；
[0361]
1)分时电价约束
[0362]
为促进园区削峰填谷，峰平谷时段的分时电价递减；
[0363][0364]
式中：
[0365]
α-分时电价的递减比例1；
[0366]
β-分时电价的递减比例2；
[0367]
2)用电成本约束
[0368]
执行园区分时电价后，园区单位用电成本具有一定幅度的降低；
[0369][0370]
式中：η-单位用电成本的降低幅度；
[0371]
3)用电量约束
[0372]
为保障园区用电需求，执行园区分时电价后，园区日用电量变化幅度不大；
[0373]
[0374]
式中：
[0375]-日用电量变化率；
[0376]
4)内外交换负荷约束
[0377]
园区内外交换负荷小于并网点变压器容量；
[0378]-c
t
≤l
e，t
≤c
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(71)
[0379]
式中：
[0380]ct-并网点变压器容量；
[0381]
5)非负约束
[0382][0383]
5、求解算法；
[0384]
分时电价定价优化模型的目标函数包含绝对值、最大值等非线性函数，因此，该优化模型为非线性规划模型；由于优化变量数量较少，基于分支定界算法即可对可行解空间进行迭代和搜索。
[0385]
时段和电价是分时电价的2个重要参数，是面向不同园区用户群体的差异化分时电价的具体体现。面向分布式电源就地消纳的分时电价定价方法，包括园区用户群体聚类、分时时段确定和分时电价定价3个步骤。
[0386]
1、园区用户群体聚类
[0387]
园区用户群体聚类的目标是细分园区用户、形成园区用户群体，这是制定差异化分时电价的基础。以园区用户的用电负荷和需求响应数据为输入，基于谱聚类算法形成园区用户群体，确定其用电负荷和需求响应特征。
[0388]
2、分时时段确定
[0389]
园区用户群体的用电负荷特征不同，分时电价对应的峰平谷分时时段不同。以园区用户群体的用电负荷数据为输入，基于k-means聚类算法，确定不同园区用户群体的峰平谷分时时段。
[0390]
3、园区分时电价定价
[0391]
以分布式电源数据、峰平谷分时时段、园区用户群体的用电负荷和需求响应数据等为输入，以园区运营商收益最大化为目标函数，考虑用电成本、用电量、内外交换负荷等约束条件，构建园区分时电价定价优化模型，求解确定园区用户群体的分时电价。
[0392]
具体案例：
[0393]
1、算例设置
[0394]
园区并网点的电压等级为35kv，变压器容量为3150kva；园区内分散式风电的装机容量为20.0mw，分布式光伏的装机容量为8.0mw；园区内用户78家，电压等级均为10kv，其中大工业用户52家，一般工商业用户26家。
[0395]
风速、光照辐射强度、温度、园区用户的用电负荷和需求响应均具有一定随机性，为综合考虑各种场景并减少计算量，对场景进行缩减，将不同场景的数据作加权平均处理。加权平均处理后，园区用电负荷、分布式电源出力和园区内外交换负荷如图4所示。
[0396]
分布式电源上网电价为0.4153元/kwh，执行园区分时电价前，园区用户按外部电网销售电价结算。分时电价的递减比例α＝β＝0.2，单位用电成本的降低幅度η＝0.01，日用
电量变化率
[0397]
2、结果分析
[0398]
园区不同用户群体的用电负荷、峰平谷分时时段如图5所示。
[0399]
表1园区用户群体的分时时段
[0400][0401][0402]
1)园区用户群体1
[0403]
用户群体1由19家大工业用户和16家一般工商业用户组成；白天时段(09:00-18:00)用电负荷大，其余时段用电负荷小；对电价整体响应程度大，不同时段弹性系数差异程度大，清晨时段(04:00-07:00)和傍晚时段(18:00-21:00)弹性系数小，上午时段(08:00-11:00)和下午时段(15:00-18:00)弹性系数大。用户群体1为白天用电、白天响应程度大的敏感型用户群体。
[0404]
2)园区用户群体2
[0405]
用户群体2由21家大工业用户和9家一般工商业用户组成；不同时段用电负荷分布均匀、波动小；对电价整体响应程度中，不同时段弹性系数相近、差异程度小。用户群体2为连续平稳用电、不同时段响应程度相近的一般型用户群体。
[0406]
3)园区用户群体3
[0407]
用户群体3由12家大工业用户和1家一般工商业用户组成；下午和晚上时段(12:00-22:00)用电负荷大，其余时段用电负荷小；对电价整体响应程度小，不同时段弹性系数差异程度中，中午时段(10:00-13:00)和凌晨时段(00:00-01:00)弹性系数大，其余时段弹性系数小。用户群体3为下午和晚上用电、中午和凌晨响应程度小的不敏感型用户群体。
[0408]
计算得到园区分时电价套餐如下表所示。
[0409]
表2园区分时电价套餐
[0410][0411]
以分布式电源的就地消纳率、园区并网点变压器的最大需量和园区单位用电成本3个指标分别反映园区分布式电源的综合利用效率、与外部电网的友好程度和整体经济性，对比执行园区分时电价前后的变化，如下表所示。
[0412]
表3执行园区分时电价前后的变化
[0413][0414]
园区分时电价定价本质是根据用电负荷和需求响应特征，细分园区用户、制定分时电价，有差别地激发不同园区用户群体的响应潜力、改变用电行为，将产生以下三方面的效果。
[0415]
1)园区用户响应园区分时电价后，园区用电负荷将和分布式电源出力更加匹配，分布式电源将减少上网电量，更大程度实现就地消纳，提高园区分布式电源的综合利用效率。
[0416]
2)分布式电源的就地消纳率提高，将减少园区内外的电力交换，园区内外交换负荷的峰谷差更小、波动更小、曲线更加平滑，降低园区并网点变压器的最大需量，提升负荷率，延缓电网投资，与外部电网更加友好。
[0417]
3)分布式电源的电力生产和消费就近完成，几乎无电力传输成本，供电成本低于外部电网。分布式电源的就地消纳率提高，将降低园区单位用电成本，提升园区的整体经济性。
[0418]
本说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。
[0419]
虽然本发明已以实施例公开如上，但其并非用以限定本发明的保护范围，任何熟悉该项技术的技术人员，在不脱离本发明的构思和范围内所作的更动与润饰，均应属于本发明的保护范围。