分时电价机制下居民用户需求侧对负荷响应研究

一、
引言近年来，为了缓解环境污染的压力，提高能源
利用率，诞生了“智能电网”的概念，其将信息技术、通迅技术、智能控制技术与传统电力系统相结合。

通过智能电表、实时监测系统等，智能电网中具备双向的能量与信息流，可以实现用户和配电网的互通。

在智能配电网体系管理之中，
需求侧管理是一种从电力需求角度出发改变和调节电力消费，增加运行稳定性的关键方法，2017年国家发改委公布的
《关于深入推进供给侧结构性改革做好新形势下电
力需求侧管理工作的通知》
继续将电力需求侧管理的内涵和办法深化[1]。

需求侧响应是关键的需求侧管理方式，指用户基于激励或者基于价格而做出响
应，改变用电模式[2]。

根据美国能源部的陈述，
可划分为基于价格信号和激励机制两种类型[2]。

基于价格的需求响应机制是指电力用户根据价格调度信号来更改其原本惯有用电模式的市场参与行为。

主
要包含分时电价、阶梯电价、关键峰荷电价、自适应电价和实时电价等。

在智能电网背景下配电网中的需求侧管理是
建设规划的重点，其中基于价格的需求侧响应是需求侧管理的关键部分。

Mahmood Hosseini Imani 等
（2018）[3]基于需求的价格弹性和顾客利益的概念，
对不同类型的需求响应项目（DRP）进行建模，
模拟研究了包括基于激励的项目和基于时间的项目两种主要的DRP 类型，结果表明DRP 对智能并网微
电网的优化利用。

Zhu 等（2018）[4]
提出了一个期望社
会福利最大化模型，考虑了智能家电（SHA）的分类和多时段功耗的相关性。

利用多时段实时电价（RTP）策略的优势，用户可以将他们的设备安排得
更合理。

Lu 等（2018）[5]
认为需求响应（DR）能够通过
调整需求侧的柔性负荷对供需不匹配做出快速反
应，提出了一种考虑服务提供商利润和客户成本的分层电力市场能源管理动态定价DR 算法。

Wang 等
（2017）[6]
研究基于住户调查和基于代理的模型，分析在动态分时电价方案下家庭如何调整用电活动，认为分时电价具有将居民用电负荷从高峰时段向非高峰时段转移、降低总用电量的潜力。

代业明等
（2018）[7]
在对用户电力需求信息处理和及时预测更新中应用贝叶斯信息更新方法，把售电商和用户之
分时电价机制下居民用户需求侧
对负荷响应研究
王
艺，王红蕾
（贵州大学管理学院，
贵州贵阳550025）【摘要】文章应用刚性负荷与弹性负荷之间的比例关系建立了24小时的分时电价机制，
综合考虑整体配电网系统，以分时电价和弹性负荷为决策变量，探求保障用户基础利益且负荷属于某个限度内等约束条件，
建立了分时电价机制下需求侧居民用户多目标综合响应函数模型。

通过算例仿真分析，该模型能定量描述需求侧响应效
果，当多目标函数达成和比例系数优化后，对负荷有较好的降低峰谷差、
削峰填谷的作用，在不增加居民用户电费的条件下，可以降低日前发电计划的备份容量。

【关键词】分时电价；需求侧响应；
居民用户；削峰填谷【中图分类号】F726.2【文献标识码】A 【文章编号】1004-2768（2021）02-0121-06
【收稿日期】2020-08-07
【基金项目】贵州省重点实验室建设项目
（黔科合平台人才[2016]5103）【作者简介】王艺（1993-），男，重庆人，贵州大学管理学院硕士研究生，研究方向：管理系统工程；王红蕾（1959-），男，北京人，
贵州大学管理学院教授、博士生导师，研究方向：决策与优化、
管理系统工程。

企业管理《生产力研究》No.2.2021
1
21
了可能性。

图1居民典型日负荷及刚性负荷曲线
将一天分为24个时间段，每个时间段内不可调
动的刚性负荷为P min （t ），总负荷减去刚性负荷后剩余负荷为可供调整的弹性负荷P max （t ）-P min （t ），根据实际用户使用的弹性负荷与可供调整的弹性负荷之间的比例关系，建立了弹性负荷电价与配电网刚性负荷电价的数学表达式为：
P t =1+ln （KP （t ）P max （t ）-P min t ）
+1）[]
·P a （1）式中：P t 为t 时段的弹性负荷电价；P a 为配电网
P min（t）为t时段刚性负荷需求。

通过建立弹性负荷与配电网销售电价的数学表达式（1）来定量描述配电网内呈现动态分时电价，以该动态每小时变化的电价作为本研究的需求侧响应负荷调节机制。

三、分时电价下需求侧用户响应模型
本文研究所考虑的系统涉及发电厂、配电网和居民用户的整体供配售电系统，考虑到建立的分时电价机制影响到配电网的电力价格和日前发电量容量计划安排，居民、配电网运行和发电公司三方面存在利益的依存和冲突。

从用户角度出发，居民用户希望用电成本最小；从发电商角度出发，发电公司希望收益最大；本文以配电网的视角来权衡双方利益，作为第三方在居民与发电公司间给出统筹决策。

模型假设的前提为供用电网络系统已安装相应设备，智能电表能够将居民用户的负荷使用量反馈给配电网，配电网也能够将分时电价通过智能电表显示界面随时公布于居民用户；居民用户家中具备多种智能或非智能用电设备，可以主动或被动的调整设备的启动和负荷使用量。

供用电系统内的供给侧为发电公司、需求侧为居民用户、统筹调度方为配电网，供给侧的发电量和需求侧的用电量在建立的分时电价和需求侧响应目标函数下共同决策，通过此模型获得模拟解。

系统相关硬件框架如图2所示。

图2系统硬件框架图
（一）居民需求侧电价响应模型的多目标函数
在居民参与需求侧响应的过程中需要权衡各方利益，居民和发电公司双方存在利益的依存和冲突，因此，需求侧电价响应模型是一个由双变量构成的多目标函数。

以供电系统中居民用户和发电公司各为主体时，可以得到两个子目标，配电网作为局外人统筹平衡该多目标，获取最优解。

分别为：
1.用户成本最小化目标。

根据上文的定义，用户根据价格改变用电量，为了使居民用户获利最大，考虑其目标为综合使用电力成本最小。

最终用户刚性负荷的用电成本为：P a p a；用户弹性负荷的用电成本为：
T
t=1
∑P（t）p t。

由此如果仅从用户角度出发，可得用户成本最小化子目标为：
F1=min
T
t=1
∑P（t）p t+P a p a（2）
式中：p t为t时段的弹性负荷销售电价；P a为刚性负荷配电网销售电价；P（t）为t时段设备实际所用的弹性电量；P a为刚性负荷设备用电量。

2.发电公司收益最大化目标。

根据日前调度原则，发电商每日需要依据对其所供电的居民用户预测第二天电量来提前制定合理的日前发电计划容量，在售电获得收益的同时还需要考虑发电成本。

发电公司向配电网售卖电价即为居民用户使用刚性负荷的电价P a，发电公司售卖电量为：
T
t=1
∑P（t）+P a。

单一从发电公司角度出发，则发电公司收益最大化子目标为：
F2=max T
t=1
∑P（t）+P a
()p a（3）
式中：p a为发电公司售电电价；P（t）为t时段用户实际所用的弹性电量；P a为用户刚性负荷设备用电量。

（二）居民需求侧响应模型多目标函数的约束条件
为保证配电网的供需平衡、配电网的稳定运行和居民使用电力价格的可承受范围，所建模型欲达成目标函数需要考虑多种约束条件如下：
1.配电网运行总负荷上下限约束
为保障配电网稳定运行，网内单日总负荷须受到上下限约束：
P=P a+
T
t=1
∑P（t）（4）P min≤P≤P max（5）
式中：P（t）为t时段用户实际所用的弹性电量；P a为用户刚性负荷设备用电量；P为网内单日总负荷；P min为网内单日总负荷下限；P max为网内单日总负荷上限。

2.弹性负荷电价上限约束
p a≤p t≤p max（6）
123
所示。

图3算例分时电价与弹性负荷结果图
00∶0003∶00
06∶0009∶00
12∶00
15∶0018∶0021∶00
24∶00
时刻
0.02
0.03
0.040.050.060.070.080.090.6250.650.6750.70.7250.750.7750.80.1
时刻
00∶0003∶00
06∶00
09∶00
12∶00
15∶00
18∶00
21∶00
24∶00
0.05
0.10.150.20.250.30.350.40.450.50.5500∶0003∶00
06∶00
09∶00
12∶0015∶00
18∶00
21∶00
24∶00
0.05
0.1
0.150.20.250.30.350.40.450.50.55时刻
量对比结果如图4所示。

图4需求响应前后负荷对比图
根据图3、图4可知，随着时间的变化，
居民使用的弹性负荷电价和弹性负荷量也相应改变，且本图5系数K 为1.3时响应后负荷与原始负荷对比图
五、结论
本文根据经济学原理假设居民用户为理性人，
负荷响应模型可以在配电网系统中实现削峰填谷的作用，该响应模型具有改善居民用户负荷曲线的作用，在电价模型比例系数K为1.3时，配电网系统的负荷峰谷差最小，为0.2771MW，峰谷差降幅最大，为37.41%。

在不增加居民用户用电成本的前提下，可以减少日前发电计划备份容量，降低运行成本，达到间接减少碳排放量的多赢局面。

【参考文献】
[1]中华人民共和国国家发展和改革委员会网.关于深入推进供给
侧结构性改革做好新形势下电力需求侧管理工作的通知[EB/OL].https：///xxgk/zcfb/ghxwj/201709/t20170926_ 960924.html，2017-9-26.
[2]US Department of Energy.Benefits of demand response in electricity
markets and recommendations for achieving them：a report to the United State Congress pursuant to section1252of the Energy Policy Act of2005[EB/OL].http：///DocumentsandMedia/ congress_1252.pdf.
[3]Mahmood Hosseini Imani，M.Jabbari Ghadi，Sahand Ghavidel，Li Li.
Demand Response Modeling in Microgrid Operation：a Review and Application for Incentive-Based and Time-Based Programs[J].Renewable andSustainable Energy Reviews，2018，94.[4]Zhu H，Gao Y，Hou Y，et al.Multi-time slots real-time pricing strategy
with power fluctuation caused by operating continuity of smart home appliances[J].Engineering Applications of Artificial Intelligence，2018，71：166-174.
[5]Lu R，Hong S H，Zhang X.A Dynamic pricing demand response
algorithm for smart grid：Reinforcement learning approach[J].Applied Energy，2018，220：220-230.
[6]Wang H，Fang H，Yu X，et al.How Real Time Pricing Modifies Chinese
Households'Electricity Consumption[J].Journal of Cleaner Production，2017，178.
[7]代业明，高红伟，高岩，等.具有电力需求预测更新的智能电网实
时定价机制[J].电力系统自动化，2018，42（12）：58-63.
[8]代业明，高岩.具有多类资源多类用户智能电网实时定价决策[J].
系统工程理论与实践，2015，35（9）：2315-2323.
[9]黄海新，邓丽，张路，等.基于需求响应的实时电价研究综述[J].
电气技术，2015，16（11）：1-6.
[10]李婷婷.适应不同市场环境的需求响应项目规划评估研究[D].东
南大学，2015.
[11]杨旭英，周明，李庚银.智能电网下需求响应机理分析与建模综
述[J].电网技术，2016，40（1）：220-226.
[12]汤奕，鲁针针，宁佳，等.基于电力需求响应的智能家电管理控
制方案[J].电力系统自动化，2014，38（9）：93-99.
（责任编辑：ZMG校对：TJ）
（上接第98页）施[10]，降低工业的投入成本，使其有充足的资金进行技术研发，与此同时，建立健全相应的监督考核机制。

四、结语
当今我国的工业发展已经到了转型的关键时刻，而环境问题也已经成为制约工业经济发展的一个重要问题。

为实现可持续发展，在发展工业经济的同时又兼顾环境的保护，使得环境影响评价工作十分关键，其对资源合理利用、生态保护和污染治理都有十分重要的作用。

若某地区在不考虑环境因素的期望产出模型中可以得到较前面的排序，而当使用考虑环境因素的非期望产出模型时，该地区的排序相对较为落后，此时应着重考虑该地区的环境保护措施以及工业类型的转变，因为其在工业发展过程中虽然取得较高的工业利润，但相对其他城市对环境造成较大的破坏，是牺牲环境资源而换取的工业利润。

单从工业利润角度出发是无法准确衡量一个地区的工业发展情况，因此我们在运用数据包络分析模型时，需要将环境因素作为非期望产出加以考虑，给出对全国各地区的工业效率更为全面和客观的评价。

【参考文献】
[1]Charnes A，Cooper W W，Rhoes E.Measuring the efficiency of decision
making Units[J].European Journal of Operational Research，1978，2（6）：429-444.
[2]王有森，许皓，卞亦文.工业用水系统效率评价：考虑污染物可处
理特性的两阶段DEA[J].中国管理科学，2016，24（3）：169-176. [3]魏楚，沈满洪.能源效率与能源生产率：基于DEA方法的省际数
据比较[J].数量经济技术经济研究，2007（9）：110-121.
[4]陈磊，王应明，王亮.两阶段DEA分析框架下的环境效率测度与
分解[J].系统工程理论与实践，2016，3（36）：642-649.
[5]秦全德，李欣，陈修德，等.考虑非期望产出的中国东部沿海地区
的能源效率研究[J].科技管理研究，2016，36（4）：54-58.
[6]周丽晖，李玉凤，高会姣.河北省钢铁产业生态效率评价与改进
[J].经济研究参考，2015（15）：53-56.
[7]肖智，朱安明.基于优化权重RAM-DEA模型的工业行业效率评
价[J].科技管理研究，2018，38（1）：57-65.
[8]Cooper W W，Deng H H，etal.A one-model approach to congestion in
dataenvelopment analysis[J].Socio-Economic Planning Sciences，2002，36（4）：231-238.
[9]SeifordL M，ZhuJ，Modeling undesirable factors in efficiency evaluation
[J].European Journal of Operational Research，2002，142（1）：16-20.
[10]何田，胡笑寒.工业企业技术创新效率：区域差异与对策建
议——
—基于我国30个省份的数据检验[J].生态经济，2018，34（10）：109-113，148.
（责任编辑：CR校对：LCQ）
126。