利于新能源消納的大工業(yè)用戶電價策略研究

曹 暉

國網(wǎng)湖北省電力公司鄂州供電公司營銷部, 湖北 鄂州 436000

0 引言

隨著新能源的快速發(fā)展和廣泛應(yīng)用,其消納問題日益突出。在此背景下,大工業(yè)用戶作為電力消費(fèi)的主要力量,其電力需求特點(diǎn)和電價策略對于促進(jìn)新能源消納具有重要意義[1]。本文旨在對利于新能源消納的大工業(yè)用戶電價策略進(jìn)行分析,并探討如何通過合理的調(diào)峰負(fù)荷模型和時段劃分來優(yōu)化新能源消納,通過研究期望能為促進(jìn)新能源消納、提高大工業(yè)用戶能源利用效率以及推動可持續(xù)能源發(fā)展作出貢獻(xiàn)。

1 大工業(yè)用戶調(diào)峰負(fù)荷模型與時段劃分

1.1 大工業(yè)用戶負(fù)荷轉(zhuǎn)移模型

在大工業(yè)用戶電力需求波動較大的情況下,負(fù)荷轉(zhuǎn)移模型可用來描述如何在電力供應(yīng)充足時將部分負(fù)荷轉(zhuǎn)移到低負(fù)荷時段,以實(shí)現(xiàn)負(fù)荷平衡和優(yōu)化能源利用[2]。

以下是一個常用的大工業(yè)用戶負(fù)荷轉(zhuǎn)移模型的示例。假設(shè)大工業(yè)用戶的負(fù)荷轉(zhuǎn)移模型可表示為線性關(guān)系。

L(t)=a×P(t)+b×G(t)+c

(1)

式中:L(t)為時刻t的總負(fù)荷量;P(t)為用戶的基準(zhǔn)負(fù)荷;G(t)為負(fù)荷轉(zhuǎn)移量;a、b和c為系數(shù)。

負(fù)荷轉(zhuǎn)移量G(t)可根據(jù)負(fù)荷轉(zhuǎn)移策略和供需情況來確定。常見的負(fù)荷轉(zhuǎn)移策略包括根據(jù)電力系統(tǒng)的負(fù)荷曲線、市場電價或用戶需求來調(diào)整用電行為,用戶可將部分負(fù)荷從高峰時段轉(zhuǎn)移到低負(fù)荷時段,以降低對系統(tǒng)峰值負(fù)荷的貢獻(xiàn)。

負(fù)荷轉(zhuǎn)移模型中的系數(shù)a、b和c可根據(jù)實(shí)際情況進(jìn)行估計(jì)或優(yōu)化。它們的取值可反映用戶的基準(zhǔn)負(fù)荷、負(fù)荷轉(zhuǎn)移的影響程度以及用戶在無負(fù)荷轉(zhuǎn)移時的固定負(fù)荷。

1.2 峰谷平時段劃分策略

根據(jù)上述大工業(yè)用戶負(fù)荷轉(zhuǎn)移模型,可利用該模型來輔助進(jìn)行峰谷平時段的劃分策略?；诖蠊I(yè)用戶負(fù)荷轉(zhuǎn)移模型來實(shí)施峰谷平時段劃分策略,以引導(dǎo)用戶在合適的時段進(jìn)行用電,實(shí)現(xiàn)負(fù)荷平衡和優(yōu)化新能源消納。該策略將有助于提高能源利用效率,減少系統(tǒng)負(fù)荷峰值,并促進(jìn)新能源的可持續(xù)發(fā)展[3]。

1)數(shù)據(jù)收集與預(yù)處理。收集歷史負(fù)荷數(shù)據(jù)和新能源出力數(shù)據(jù),并進(jìn)行預(yù)處理,包括去除異常值、平滑處理等,以獲得可靠的數(shù)據(jù)基礎(chǔ)。

2)負(fù)荷轉(zhuǎn)移模型參數(shù)估計(jì)。利用負(fù)荷轉(zhuǎn)移模型,通過歷史負(fù)荷數(shù)據(jù)和相關(guān)參數(shù)估計(jì)方法,例如最小二乘法、最大似然估計(jì)等,來確定模型中的系數(shù)a、b和c。

3)負(fù)荷轉(zhuǎn)移量計(jì)算。根據(jù)負(fù)荷轉(zhuǎn)移模型中的系數(shù)和歷史負(fù)荷數(shù)據(jù),計(jì)算各時刻的負(fù)荷轉(zhuǎn)移量G(t)。

4)峰谷平時段劃分。基于負(fù)荷轉(zhuǎn)移量G(t)和新能源出力情況,采用閾值法、權(quán)重法、時段劃分等方法來確定峰谷平時段。

2 促進(jìn)新能源消納的大工業(yè)用戶電價策略

2.1 峰谷分時電價促進(jìn)新能源消納機(jī)制分析

根據(jù)電力系統(tǒng)的負(fù)荷情況和新能源出力情況,將一天劃分為多個時段,例如峰時段、谷時段和平時段。在峰時段,由于負(fù)荷較高或新能源出力較低,設(shè)定較高的電價,以鼓勵大工業(yè)用戶在此時段減少用電或通過負(fù)荷轉(zhuǎn)移將部分負(fù)荷轉(zhuǎn)移到低谷時段;在谷時段,由于負(fù)荷較低或新能源出力較高,設(shè)定較低的電價,以吸引大工業(yè)用戶增加用電或增加新能源消納;平時段則設(shè)置適中的電價[4]。

2.2 促進(jìn)新能源消納的機(jī)組調(diào)度策略

為有效消納新能源,大工業(yè)用戶可采取機(jī)組調(diào)度策略。機(jī)組調(diào)度是指根據(jù)新能源出力情況和負(fù)荷需求,合理安排不同類型的發(fā)電機(jī)組運(yùn)行模式和出力調(diào)節(jié),以滿足大工業(yè)用戶的用電需求和新能源的消納要求。通過合理的機(jī)組調(diào)度策略,大工業(yè)用戶可靈活調(diào)整用電行為,以適應(yīng)新能源的波動性,并最大程度地促進(jìn)新能源的消納和利用。

2.3 促進(jìn)新能源消納的峰谷平時段優(yōu)化模型

為進(jìn)一步優(yōu)化新能源消納和大工業(yè)用戶的用電行為,可建立峰谷平時段優(yōu)化模型。該模型考慮了大工業(yè)用戶的電費(fèi)滿意度、目標(biāo)函數(shù)和約束條件,并采用粒子群算法進(jìn)行求解[5]。

2.3.1 用戶電費(fèi)滿意度

用戶電費(fèi)滿意度是衡量大工業(yè)用戶對電費(fèi)支出滿意程度的指標(biāo)?？筛鶕?jù)用戶對不同時段的電價敏感度,結(jié)合實(shí)際情況,設(shè)定不同時段的電費(fèi)滿意度權(quán)重。例如在低谷時段,用戶對電費(fèi)支出較為敏感,可賦予較高的滿意度權(quán)重;而在峰時段,用戶對電費(fèi)支出較為不敏感,可賦予較低的滿意度權(quán)重。用戶滿意度調(diào)查結(jié)果見表1。

表1 用戶電費(fèi)滿意度調(diào)查結(jié)果

2.3.2 目標(biāo)函數(shù)及約束條件

目標(biāo)函數(shù):目標(biāo)是最小化大工業(yè)用戶的總電費(fèi)支出,并在此過程中促進(jìn)新能源消納。

目標(biāo)函數(shù):minimizeF(t)

式中:F(t)表示時段t的電費(fèi)支出。

約束條件:

1)總用電量約束:大工業(yè)用戶的總用電量應(yīng)滿足預(yù)設(shè)的需求范圍。

G(t)≤D(t),?t

式中:G(t)為時段t的實(shí)際用電量;D(t)為時段t的需求量。

2)新能源消納約束:可設(shè)置一個新能源消納比例的約束條件,確保在每個時段中消納一定比例的新能源。

(G(t))-Gren(t)) ≥β×D(t),?t

式中:Gren(t)為時段t的可再生能源發(fā)電量;β表示設(shè)定的新能源消納比例。

計(jì)算過程:

1)對于每個時段t,計(jì)算F(t)的值,表示時段t的電費(fèi)支出,可以基于電價策略和用電量計(jì)算得出。

2)根據(jù)總用電量約束,計(jì)算實(shí)際用電量G(t)與需求量D(t)的差異。

3)根據(jù)新能源消納約束,計(jì)算實(shí)際用電量與可再生能源發(fā)電量之間的差異,并與需求量的比例進(jìn)行比較。

2.3.3 粒子群算法求解

上節(jié)將使用粒子群算法來求解促進(jìn)新能源消納的峰谷平時段優(yōu)化模型。以下是關(guān)于粒子群算法的求解過程的說明。

1)初始化:設(shè)置粒子群的大小(例如N個粒子)和迭代次數(shù)(例如T次迭代);隨機(jī)初始化每個粒子的位置和速度;為每個粒子設(shè)置初始最優(yōu)位置(Pbest)和全局最優(yōu)位置(Gbest)。

2)迭代過程如下。①更新粒子的速度和位置:通過考慮當(dāng)前速度、個體最優(yōu)位置和全局最優(yōu)位置,更新粒子的速度和位置。②計(jì)算適應(yīng)度函數(shù):根據(jù)粒子的位置計(jì)算目標(biāo)函數(shù)的值,即電費(fèi)支出F(t)。③更新個體最優(yōu)位置和全局最優(yōu)位置:如果當(dāng)前粒子的適應(yīng)度優(yōu)于個體最優(yōu)位置,則更新個體最優(yōu)位置;如果當(dāng)前粒子的適應(yīng)度優(yōu)于全局最優(yōu)位置,則更新全局最優(yōu)位置。④結(jié)束迭代條件:達(dá)到設(shè)定的最大迭代次數(shù)或達(dá)到滿意的優(yōu)化結(jié)果。

3)輸出結(jié)果:輸出全局最優(yōu)位置對應(yīng)的電費(fèi)支出F(t)作為最終的優(yōu)化結(jié)果;分析最優(yōu)位置對應(yīng)的用電量分配和時段優(yōu)化結(jié)果。

通過粒子群算法的迭代過程,可搜索到最優(yōu)解,即能夠在滿足約束條件的情況下最小化電費(fèi)支出。最終的優(yōu)化結(jié)果將提供關(guān)于用電量分配和時段優(yōu)化的信息,以促進(jìn)新能源消納的目標(biāo)。

2.3.4 峰谷平時段優(yōu)化仿真流程

峰谷平時段優(yōu)化仿真流程的基本流程圖如圖1所示。開始時,初始化參數(shù)和變量,并生成初始粒子群;然后,計(jì)算每個粒子的適應(yīng)度函數(shù),更新個體最優(yōu)位置和全局最優(yōu)位置;接下來,判斷終止條件,如果不滿足條件,則繼續(xù)更新粒子的速度和位置,并再次計(jì)算適應(yīng)度函數(shù)和更新最優(yōu)位置,直到滿足終止條件為止;最后,仿真結(jié)束。

圖1 仿真流程圖

2.3.5 時段優(yōu)化結(jié)果分析

示例中,比較了調(diào)整前和調(diào)整后的用電量以及相應(yīng)的電費(fèi)支出?？捎^察到,調(diào)整后的用電量在峰時段1和峰時段2有所減少,而在平時段和谷時段有所增加。這表明峰谷平時段優(yōu)化策略對用電行為進(jìn)行了調(diào)整,以更好地適應(yīng)新能源消納需求。通過表2可直觀地比較調(diào)整前和調(diào)整后的用電量和電費(fèi)支出數(shù)據(jù)。這個對比可幫助評估峰谷平時段優(yōu)化策略的效果,并確定其對電費(fèi)支出的影響。同時,可進(jìn)一步分析其他因素,例如用戶滿意度和供需平衡,以全面評估優(yōu)化策略的綜合效果。

表2 峰谷平時段優(yōu)化調(diào)整前和調(diào)整后的數(shù)據(jù)對比 單位:k·Wh

3 結(jié)束語

利于新能源消納的大工業(yè)用戶電價策略研究對于實(shí)現(xiàn)能源可持續(xù)發(fā)展具有重要意義。通過合理制定電價策略、優(yōu)化時段分配和采用適當(dāng)?shù)膬?yōu)化算法,可有效促進(jìn)新能源的消納,降低能源消耗和環(huán)境影響,實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。在新能源與環(huán)境保護(hù)的背景下,通過優(yōu)化電價策略和時段分配,可更好地推動新能源的發(fā)展與利用,為能源結(jié)構(gòu)轉(zhuǎn)型和可持續(xù)發(fā)展作出貢獻(xiàn)。