计及分时电价的用户需求响应研究综述

计及分时电价的用户需求响应研究综述Overview on Demand Response Considering Time-of-Use Price
• 江南大学物联网工程学院 祝志超 Zhu Zhichao 吴定会 Wu Dinghui
• 无锡隆玛科技股份有限公司 杨朝辉 Yang Chaohui 杨宇辉 Yang Yuhui
摘 要：需求响应的提出对于解决我国电力供需矛盾以及峰谷负荷差逐年加大的问题起到了明显的作用。

分时电
价作为需求响应常用的一种手段, 采用价格激励的形式引导用户合理用电, 从而达到削峰填谷的目的。

以计及分
时电价的用户需求响应研究方法为主旨, 首先, 分别从供电成本和用户负荷曲线的角度介绍了现有的峰谷时段划
分方法; 然后, 从价格弹性、 统计学原理以及消费者心理三个方面重点介绍了需求响应建模方法, 并探讨了需求响
应建模的影响因素; 最后, 对上述方法进行了分析和总结。

关键词：分时电价 需求响应 时段划分 负荷曲线
Abstract: The proposal of demand response has played a significant role in solving the contradiction between the supply and demand of electric power and the problem that the load difference between peak and valley increases year by year.Tou price, as a common means of demand response,adopts the form of price incentive to guide users to use electricity reasonably, so as to achieve the purpose of peak cutting and valley filling. Based on the user demand response research method that takes into account the time-of-use electricity price,firstly, the existing peak-to-valley time division method is introduced from the perspective of power supply cost and user load curve. Then,introduces the demand response modeling method from price elasticity,statistical principle and consumer psychology,and explore the influencing factors of demand response modeling.Finally,the above methods are analyzed and summarized.
Key words: Time-of-use price Demand Response Periods Division Load Curve
【中图分类号】TM715 【文献标识码】B 文章编号1606-5123（2019）12-0046-06
1 引言
需求响应(Demand Response, DR)作为及时反映电力供需关系的重要手段，对于提高电力系统运行效率，维护电力系统稳定运行具有重要的意义[1]。

电力需求响应，是指电力用户根据价格信号或激励措施，暂时改变其用电行为，减少(或增加)用电负荷，从而促进电力供需平衡、保障系统稳定运行的行为[2]。

需求响应概念的提出，改变了过去单纯依靠电力供应侧的发展来满足不断増长的电力需求的固定思维，将需求侧作为供应侧电能的补充资源加以利用，对于缓解高峰期电力紧张程度、维护电力系统稳定性起了到明显的作用[3]。

需求响应中的价格机制利用电价在电力市场中的经济杠杆作用来引导用户调整用电习惯，其中，分时(Time-of-Use, TOU)电价机制是最常用的手段之一。

近年来，我国大部分地区都已相继实行峰谷分时电价政策，各省市根据实际情况，制定不同的分时电价机制。

例如，江苏省居民用户只实行居民阶梯电价，工业用户在阶梯电价的基础上实行峰：8:00-12:00；17:00-21:00；平：12:00-17:00；21:00-24:00； 谷： 0:00-8: 00 三个时段的峰谷分时电价； 而广东省将居民分时电价时段分为峰: 14:00-17:00；19:00-22:00；平: 8:00-14:00； 17:00-19:00； 22:00-24:00； 谷: 0:00-8:00，居民可根据自己的实际情况选择是否参与峰谷分时电价政策。

随着智能电网和智能通讯设备快速发展，用户和供电方之间的信息双向流通更加高效，利益相关者愈发多元化，电价信息愈发受到关注，用户响应程度也愈发显著。

施行有效的的分时电价机制，能从经济上改变用户的传统用电方式，对于减小峰谷负荷差、维护电力系统稳定以及减少电能消耗具有极其重要的意义[4]。

现阶段，对分时电价下的需求响应分析和研究主要包括在
时段优化和需求响应建模，而时段优化的基础是时段划分。

因此，本文以探讨相关的研究方法为主旨，首先，分别从供电成本和用户负荷曲线的角度介绍了峰谷时段划分的方法；然后，分别从价格弹性、统计学原理以及消费者心理三个方面重点介绍了需求响应建模方法，并探讨了需求响应建模的影响因素，最后，对上文用到的方法进行总结。

其目的是为后续展开更为深入的研究提供借鉴和思考。

2 时段划分方法
合理的时段划分方法能够有效激励需求侧的响应潜能，从而充分发挥分时电价的实施效果，但目前有关峰谷时段划分方法的研究成果并不多，某些地区仅凭借工作人员的工作经验进行峰谷时段的划分，以至于取得的效果极其有限。

现行时段划分的理论研究主要有基于供电成本变化分析和基于用户负荷曲线分析两种[5]。

2.1 基于供电成本变化的时段划分
电力需求在一年或一天中不同时段会产生一定幅度的波动，这种波动会带来电力系统中供发电成本的变化，以供电成本的变化为依据，供电方制定出分时电价。

现有的基于供电成本变化分析方法的文献比较缺乏，文献[6]通过建立发电机组运行成本和系统负荷之间的函数关系而绘制出成本-负荷曲线，然后分析该曲线的变化趋势划分出峰谷时段。

基于供电成本变化划分时段的结构参见图1所示。

图1 基于供电成本的时段划分结构图
供电成本变化基本来自于发电侧，输配电侧对其影响可以忽略不计，因此讨论供电成本只需要考虑发电侧成本。

发电测成本主要包括容量成本和燃料成本，容量成本是与容量投资有关的成本，也称作固定成本，容量投资主要来自以下设备：基荷发电设备、腰荷发电设备、峰荷发电设备；燃料成本是发电设备运行所需燃料带来的成本，根据发电机组运行状态而改变，也称作变动成本。

在计算时，由于日负荷曲线能够反映不同时段电力需求量的变化情况，其特征可以作为机组运行方式的依据，因此，只需依据电网的机组运行情况即可测算出系统的容量成本以及燃料成本。

系统负荷主要来自于某时段处于运行状态下的容量设备所产生的能量，考虑到在电网传输中所损耗的电能，实际负荷量应为二者之间的差值。

将成本-负荷函数拟合成成本-负荷曲线,再根据曲线上点的变化情况确定峰谷时段。

在谷时段变为峰时段时，多数峰荷发电设备开启；峰时段变为平时段时，多数腰荷发电设备开启，而相应的峰荷发电设备关闭。

由于各机组的运行成本不同，导致在峰谷、腰谷、腰峰分界点处运行成本发生突变，由此可根据成本-负荷曲线进行准确的时段划分。

2.2 基于用户负荷曲线的时段划分
将日负荷曲线按照一定的时长等分为多个小时段，每一时段的负荷量用该时段对应时点的负荷来代替，用数学的方法计算出每一个时点的峰谷隶属度，并对各时点的峰谷隶属度进行聚类分析，从而归纳出峰谷时段。

与基于供电成本变化的分析方法相比，基于负荷曲线分布分析的方法充分发挥价格杠杆的优势，引导用户合理用电。

文献[7-8]通过模糊聚类分析的方法对各时点峰谷可能性聚类，进而划分峰谷时段区间。

文献[9]采取密度聚类的方法对负荷曲线上各时点的位置矩阵进行聚类分析，并通过合并最大密度粒区间的方式将负荷曲线划分为峰、平、谷3个区间。

文献[10]在确定各时点隶属度的基础上建立了阈值优化模型，并采取自适应全局寻优搜索算法对分类阈值进行寻优，完成时段划分。

可以看出，在对用户负荷曲线上的时点进行划分时，通常需要引入模糊聚类分析的方法。

模糊聚类分析是涉及事物之间的模糊界限时按一定要求对事物进行分类的数学方法。

对于用户负荷曲线而言，除了峰值和谷值之外，其他任意时点都具有峰谷不确定的属性，这种不确定性即所谓的边界模糊性，因此，将用户负荷曲线上各时点的峰谷隶属度作为数据样本，并通过模糊数学的方法对其进行归类，从而判断各时点属于峰时段还是谷时段。

需要注意的是，基于用户负荷曲线的时段方法仅适用于首次实行分时电价的地区，对于已经实施分时电价的地区，此方法下时段划分方案很可能与已有时段划分方案发生冲突，因此还需要对各时点属性进行调整，比如，文献[11]在基于模糊聚类的时段划分基础上提出时刻点的响应度属性指标,并结合响应度属性指标，对依据各时刻点峰、谷隶属度模糊聚类形成的时段划分进行了修正。

3 需求响应建模方法
在对峰谷分时电价下的需求响应进行研究和分析时，首要步骤就是需求响应建模,建模方法大致可分为3 种：基于价格弹性矩阵、基于消费者心理学、基于统计学原理[12]。

3.1 基于价格弹性的需求响应建模
基于价格弹性是目前多数文献采用的一种建模方法。

文献[13]分析了电力市场结构对价格弹性矩阵的影响，并利用价格弹性矩阵来分析消费者的用电规律。

文献[14]分析居民阶梯电价的特征，建立了分段电价下的价格弹性矩阵模型，并以此分析阶梯电价下的居民用电规律。

针对不同的价格政策和不同的负荷类型，价格弹性矩阵的结构存在诸多差异，以致于对负荷预测存在一定误差，文献[15]在传统价格弹性矩阵的基础上提出基于效应权系数的价格弹性矩阵模型，实现高精度的负荷预测。

需求的价格弹性作为一个指标，用来反映需求如何随着价格的变化而产生变化[16]。

同一类商品的价格弹性系数称为自弹性系数，其值等于需求变化率与价格变化率之比，弹性系数越大，表示商品对价格的灵敏度越高，当弹性系数为0时，表示价格对需求完全没有影响。

而在研究商品的价格需求弹性时，除了自弹性系数，还要考虑交叉弹性系数。

需求的交叉弹性反映的是一种商品的需求量受到另一种商品价格变化的影响程度，其值等于某类商品的需求变化率和与之相关的另一种商品的价格变化率之比。

电力作为一种特殊的商品，同样受到价格规律的约束，因此，价格需求弹性矩阵同样适用于电力市场领域。

在分时电价下，供电方根据峰谷负荷的差值来确定具体的电价，一般来说，峰谷负荷差越大，峰谷电价比也越大。

用户根据分时电价来调整用电行为，在电价高时降低用电量，电价低时增加用电量，使高峰负荷向低谷转移，从而实现削峰填谷。

根据经济学原理，当某一时段电价增加，用户总体负荷量降低,根据自弹性系数的定义，可判断出自弹性系数为负，而该时段的负荷需求转移到其他时段，导致其他时段用电量增加，故交叉弹性系数为正。

对于价格弹性矩阵的计算，文献[17]通过分析电价与需求量之间的关系而建立离散吸引力模型，从而对矩阵进行求解。

得到价格弹性矩阵之后，只需要获取原始电量、电价等数据，就能够求出用户需求响应模型。

基于价格弹性矩阵建模属于机理建模方式，建模过程对样本数据依赖度较低，但是容易受主观因素的影响。

3.2 基于统计学原理的需求响应建模
近年来，国内分时电价机制逐步成熟，信息采集设备逐渐普及，信息管理技术逐渐完善，研究人员可以获取大量的用电数据，从而为开展分时电价下基于统计学的用户响应建模创造良好的条件[18]。

与基于价格弹性矩阵建模方式不同，基于统计学原理主要是在获取大量用户数据的基础上采用非机理法进行建模，而在这种方法中，最常用到的算法就是回归算法。

文献[19]在电价电量等原始数据的基础上，用线性回归分析的算法进行需求响应建模，以此来分析实时电价对空调负荷的影响。

文献[20]使用支持向量机(Support Vector Machine,SVM )的数据分析方法建立用户响应模型，并用此来识别超额负荷消耗的家庭。

文献[21]首先收集智能家居消费数据作为卷积神经网络输入，输出不同负荷曲线，然后利用这些负荷曲线训练支持向量回归(Support Vector Regression ,SVR)模型，从而预测智慧城市中所有智能家居总负荷消耗。

在模型复杂度较低的情况下，线性回归分析算法简单适用，而在对高维模型分析时，考虑到计算的精确性，一般采取支持向量机回归分析算法。

在回归分析方法中，电价和用电量分别为自变量和因变量，通过确定二者之间的因果关系建立回归模型，并通过实际测得的电力数据对模型中各参数进行调整，直至模型对数据达到满意的拟合效果，最终根据给定电价通过该模型进行模拟和预测。

获取模型一般步骤为: 首先，分别在多个时点获取某片区域的所有用户电价以及用电量数据；然后，根据价格需求关系的特点，选取合适的函数(常见的有抛物线、对数等)对数据进行拟合，建立需求响应模型。

采用统计学的方法进行需求响应建模时，只能反映调查地点的需求响应规律，不能代表整体响应情况，有一定的局限性[22]。

3.3 基于消费者心理学的需求响应建模
基于需求弹性矩阵和统计学原理主要考察了电价对需求量的关系，但没有考虑用户实际消费过程中的心理特征。

基于消费者心理学原理从用户心理出发，结合历史数据拟合出不同的响应区间，进而建立相应的分时电价用户响应模型。

文献[23]基于消费者心理学原理得到峰谷电价方案下的负荷曲线，并用以指导电网公司制定不同的购电方案。

文献[24]建立了基于消费者心理学原理的模型与需求的价格弹性矩阵之间的定量关系，得到了顾客心理模型参数所描述矩阵的弹性系数，并利用价格弹性矩阵模拟了不同电价下的负荷曲线。

根据消费者心理学原理，用户对刺激存在一个反应阈值，也就是所，只有该刺激达到一定阈值，用户才会对此刺激产生反应[25]。

电价变动低于某个阈值时，用户反应很小或基本没有反应，此范围称作死区；相反，当变化量到达一定程度时，用户反应达到上限，到达上限以后的区间称为饱和区。

当价格在死区和饱和区之间发生变化时，用户响应才会跟随变化，并且两者之间呈线性关系，因此该区间称为线性区。

用消费者心理学对分时电价下的用户响应模型进行分析，当电价变化不明显时，由于用户用电行为存在一定的惰性，导致响应基本不变；当电价变化量很大时，用户负荷变化量已达到最大，响应也就不会再继续增加。

因此，分时电价下用户的响应过
49│TECHNOLOGY OUTLOOK│技术瞭望
程，可以用一个分段函数来表示，参见图2所示。

图2中，横坐标 为价格变化量，纵坐标为用户响应程度，即电价变化时用户用电量的变化量。

点(a,0)为死区拐点，a为用户感觉到的电价变化最小值，称为感觉阈值下限。

点(b,0)为饱和区拐点，b为感觉阈值上限。

为用户响应上限。

不同用户对电价的响应曲线可能不同，但阈值下限a与原值的比值是相对不变的，该比值称为比例常数，通常根据统计数据得出。

实施峰谷分时电价之后，电力用户会根据自身的用电方式和负荷特性，将负荷在峰-谷、峰-平、平-谷之间转移，结合用户负荷转移率，即可得出各时段的拟合负荷。

图2 基于消费者心理学的用户响应曲线
4 需求响应建模影响因素
4.1 环境因素
在不同环境下，用户对电量的需求存在差异，比如，经济发达地区与不发达地区相比，用户用电量明显增多，此外，社会、气候的差异也会影响用电用电量，而随机因素的变化也会导致负荷曲线产生一定程度的波动。

文献[26]研究表明，用电环境对用电模式的影响以人为纽带，即环境因素对负荷的影响是通过改变人体对环境舒适度的感觉，从而影响用电行为。

准确把握两者间的关系，对实现系统功率平衡、备用发电容量的调度和调整发电机组上网顺序都有重要价值。

4.2 用户因素
目前，我国主要将用户用电类型分为居民生活用电、农业生产用电、工商业及其他用电三类。

对于不同类型的用户而言，负荷特性存在差异,其表现在用电量、最大需求量、用电时间、负荷率、供电电压等方面[27]。

例如，工业用户用电量和供电电压普遍大于普通居民用户，而工商业生产也会因为生产制度不同导致用电时段差异，相对应的，电力市场会依据不同类型的负荷特性制定不同电价，电价也会反过来影响用户负荷特性。

4.3 市场因素
市场通过制定不同的电价方案对用户行为进行政策性或利益性地引导，其主要目的是平滑负荷曲线和实现削峰填谷，因此具有明显的以日或周为周期的周期性规律，这种规律主要在用户响应中得以体现[28]。

目前国内市场政策主要包括分时电价、实时电价等,在未来，电力市场还会推出更多的多样化个性化服务。

4.4 其他因素
在对用户需求响应进行建模时，可以采用不同的特征量对用户需求响应行为特性进行描述，文献[29]中系统地指出了其中的主要特征量，包括需求响应速度、响应量和负荷恢复时间等。

这些特征量同时也会受到许多其他因素的影响，如心理、决策机制、控制手段等，而这些都是需求响应行为建模中应该考虑的因素。

5 结束语
本文通过讨论国内外学者的研究成果，对峰谷分时电价的时段划分方法以及需求响应建模的方法进行了梳理，并对需求响应建模的影响因素进行了归纳。

（1）目前峰谷时段划分方法主要有基于供电成本分析以及基于用户负荷曲线两种，前者实现了分时电价向用户反映供电成本差异的价格职能，但对分时电价发挥价格杠杆作用、引导需求的价格职能缺乏考虑。

后者兼顾了系统负荷曲线本身的峰谷形态特征，以及曲线中包含的各类用户的需求响应特征，使得时段划分有利于激励更多的需求响应资源，但需要大量调研数据作为支撑。

（2）需求响应建模方法主要有基于价格弹性、基于统计学原理以及基于消费者心理学三种。

基于价格弹性能够反映电力用户对不同用电时段价格的响应能力，基于统计学原理通过样本数据获取用户响应模型，能实现短期的高精度负荷预测。

但这两种方法都忽视了用户的心理敏感程度和实际响应过程中存在的惰性，一般都采取与第三种方法结合的方式进行建模。

（3）用户需求响应的影响因素主要有环境因素、用户因素、市场因素等，此外心理、决策机制、市场规则、控制手段也是建模中应考虑的因素。

随着电力市场改革的深入，需求侧响应将成为电力市场研究领域最重要的内容之一，分时电价作为一种常见的需求响应手段，通过峰谷时段不同电价来引导用户改变用电行为，实现峰谷负荷转移，其实施效果直接关系到电力系统稳定性以及经济性。

因此，在分时电价的基础上进行需求响应建模和分析，将会在未来电网发展中发挥重要作。

参考文献
[1] X. Jie, K. Xiangyu, K. Deqian, Z. Yusen. Analysis on the Implementation
50│TECHNOLOGY OUTLOOK│技术瞭望
Model of Tianjin's Winter Demand Response[C]// 2018 China International Conference on Electricity Distribution (CICED ) . Tianjin,China:IEEE,2018: 2979-2983.
[2] 陈大宇,张粒子. 美国电力需求侧调频实践及其对我国的启示[J].
现代电力,2015, 32(5) : 21-26. CHEN Dayu, ZHANG Lizi。

Frequency Regulation Practice at Demand Side in USA and Its Enlightenment to China[J]. Modern Electric Power, 2015, 32(5) : 21-26( in Chinese ). [3] 牛文娟. 计及不确定性的需求响应机理模型及应用研究[D]. 江苏:
东南大学, 2015.
[4] 李春燕, 许中, 马智远. 计及用户需求响应的分时电价优化模型[J].
电力系统及其自动化学报, 2015, 27(3) : 11-15. LI Chunyan, XU Zhong, MA Zhiyuan. Optimal Time-of-use Electricity Price Model Considering Customer Demand Response[J].Proceedings of the CSU-EPSA, 2015, 27(3) : 11-15( in Chinese ).
[5] 连振洲, 温步瀛, 江岳文. 基于负荷曲线分布特征的峰谷时段划
分和修正策略研究[J]. 电网与清洁能源, 2014, 30( 7 ) : 15-19. LIAN Zhenzhou, WEN Buying, JIANG Yuewen. Peak-Valley Time Period Partition and Correction Strategy Based on the Load Curve Distribution[J].
Power System and Clean Energy, 2014, 30( 7 ) : 15-19( in Chinese ) . [6] 林旻, 朱艳卉, 胡百林． 基于供电成本的峰谷时段划分及分时电价
研究[J]． 华东电力, 2005, 33( 12 ) : 90-91．LIN Min, ZHU Yanhui, HU Bailin. Peak and valley periods division and time-of-use price based on power generation cost[J]． East China Electric Power, 2005, 33( 12 ) : 90-91( in Chinese ) ．
[7] 丁宁, 吴军基, 邹云． 基于DSM的峰谷时段划分及分时电价研究[J]
． 电力系统自动化, 2001, 25( 23 ) : 9-12, 16．DING Ning, WU Junji, ZOU Yun． Research of peak and valley time period partition approach and TOU price on DSM[J]． Automation of Electric Power Systems, 2001, 25( 23 ) : 9-12, 16( in Chinese ) ．
[8] Yunjing Zhu, Zhirui Liang, Haifeng Su, Yanfei Wang, Wenhao Wang.
Research on Peak - Valley TOU Price Based on Demand Side Response[J].
IOP Conference Series: Earth and Environmental Science, 2018, 199(3). [9] 乔慧婷. 基于密度聚类的峰谷时段划分方法研究[D]. 北京: 华北电
力大学, 2011.
[10] 刘树勇, 李娜, 符景帅. 基于高维赋范与SGHSAA 算法的用电峰谷
时段划分模型[J] 中国电力, 2018, 51( 1 ) : 179-184.LIU Shuyong, LI Na, FU Jingshuai. An Electricity Peak and Valley Time Period Division Model Based on High Dimensional Normed Space and SGHSA Algorithm[J].
ELECTRIC POWER, 2018, 51( 1 ) : 179-184( in Chinese ).
[11] 程瑜, 翟娜娜. 基于用户响应的分时电价时段划分[J]. 电力系统
自动化, 2012, 36( 9 ) :42-53. CHENG Yu, ZHAI Nana. Electricity Price Peak and Valley Periods Division Based on Customer Response[J].
Automation of Electric Power Systems, 2012, 36( 9 ) :42-53( in Chinese ).
[12] 刘继东, 韩学山, 韩伟吉, 张利. 分时电价下用户响应行为的模型
与算法[J]. 电网技术, 2013, 37( 10 ) : 2973-2978. LIU Jidong, HAN
Xueshan, HAN Weiji, ZHANG Li. Model and Algorithm of Customers’ Responsive Behavior Under Time-of-Use Price[J]. Power System Technology, 2013, 37( 10 ) : 2973-2978( in Chinese ).
[13] KIRSCHEN D S, STRBAC G, CUMPERAYOT P, et al. Factoring the
elasticity of demand in electricity prices[J]. IEEE Trans on Power Systems, 2000, 15(2):612-617.
[14] 黄海涛. 居民分时阶梯电价联合优化模型研究[J]. 电网技术,
2012, 36( 10 ) : 253-258. HUANG Haitao. A Joint Optimization Model of Residential Time-of-Use Block Electricity Rate[J]. Power System Technology, 2012, 36( 10 ) : 253-258( in Chinese ).
[15] Xinyao Qu, Hongxun Hui, Shengchun Yang, Yaping Li, Yi Ding. Price
elasticity matrix of demand in power system considering demand response programs[J]. IOP Conference Series: Earth and Environmental Science。

2018, 121(5 ).
[16] Alpha C. Chiang, Kevin Wainwright. Fundamental Methods of
Mathematical Economics[M]. Mc Graw Hill International Edition, 2005.
[17] 许倩. 基于用户需求响应的分时电价优化[D]. 山西: 山西大学, 2017.
[18] 刘运龙, 刘继东, 殷树刚．山东电力营销技术支持系统的设计与
实现[J]．中国电力, 2008, 14(3 ) : 75-80．Liu Yunlong, Liu Jidong, Yin Shugang．Design and implementation of Shandong electric power marketing technology supporting system [J]．Electric Power, 2008, 14(3 ) : 75-80(in Chinese ) ．
[19] Mathieu J L, Gadgil A J, Callaway D S, et al．Characterizing the response
of commercial and industrial facilities to dynamic pricing signals from the utility[EB/OL]．[2012-12-10]．http://escholarship. org /uc/item/2hh094jx.
[20] A. Jindal, N. Kumar, M。

Singh. A data analytical approach using
support vector machine for demand response management in smart grid[C]// 2016 IEEE Power and Energy Society General Meeting (PESGM ). Boston, MA: IEEE, 2016: 1-5.
[21] A. Jindal, G. S. Aujla, N. Kumar, R. Prodan , M. S. Obaidat. DRUMS:
Demand Response Management in a Smart City Using Deep Learning and SVR[C]// 2018 IEEE Global Communications Conference (GLOBECOM ).
Abu Dhabi, United Arab Emirates: IEEE, 2018: 1-6.
[22] 黄永皓, 康重庆, 李晖, 夏清, 王功礼, 胡左浩. 用电需求曲线建模
及其应用[J]. 电工电能新技术, 2004, 23( 1 ) :29-33.HUANG Yonghao , KANG Chongqing, LI Hui, XIA Qing, WANG Gongli, HU Zuohao.
The model of electricity demand curve and its applications[J]. Advanced Technology of Electrical Engineering and Energy,2004, 23( 1 ) :29-33(in Chinese).
[23] 陈秀兰, 温步瀛, 江岳文. 计及峰谷电价的售电公司组合购电优化
研究[J]. 电器与能效管理技术, 2018, 14( 4 ) : 20-26. CHEN Xiulan， WEN Buying， JIANG Yuewen。

Study on Optimization of Portfolio Purchase for Electricity Retailers Considering Peak-Valley Price[J].
DIANQI YU NENGXIAO GUANLI JISHU, 2018, 14( 4 ) : 20-26(in Chinese).
（下转62页）
62│PROCESS MANUFACTURING│流程制造
If (D20 = 0) Then
D20 = Val(Me.dD_Biaozhui.Text)
dD20_Before.Text = D20
If D20 = 0 Then
MessageBox.Show("请输入 密度 ！")
Exit Sub
End If
End If
End Sub
3.4 立体罐（标定）界面以及计算过程的设计
点击标定罐，比如1001罐，立体罐界面及计算设计参见图4所示。

图4 立体罐界面及计算设计
计算过程：点击容量计算，首先把数据分割成两部分，厘米以前部分和毫米部分，（比如1.234，分割成1.23和4），从数据表G1001_limi中查询1.23对应的容量（体积），然后从G1001_haomi表中查询到1.234在哪个范围区间，并查询到4在这个范围内对应补偿值,将两个查询到的值相加，并反馈到上图输入框，根据容量计算公式，完成剩下的计算，最后把相关值存储到数据库中，以便下次计量使用。

3.5 其他功能介绍
以上各二级界面都有一个计时标定的功能。

点击计时开始，在一段时间后，根据前后标尺差值，计算出单位时间内收发油品的数量:
4 结束语
通过以上简述，结合我公司使用情况，用开发的罐区容量计算方法，可以方便操作人员的使用，且随着软件技术不断成熟和发展，优化并开发更便捷的应用软件是可行并且是有意义的，通过与罐区切断阀的关联，还可以实现油品调和、油品掺炼等操作。

参考文献（略）
作者简介
张东民（1985-）男 工学学士 高级技师 工程师 研究方向：工业自动化仪表运营管理工程
邱秀中（1967- ）男 技师 车间主任 研究方向：工业自动化仪表运营管理工程
[24] S. Zhao , Z. Ming. Modeling demand response under time-of-use
pricing[C]// 2014 International Conference on Power System Technology.
Chengdu, China:IEEE, 2014: 1948-1955.
[25] 罗运虎, 邢丽冬, 王勤, 金艳, 吴娜, 孙秀娟, 王传江. 峰谷分时电价用
户响应模型参数的最小二乘估计[J]. 华东电力, 2009, 37( 1 ) : 67-69.
LUO Yunhu, XING Lidong, W ANG Qin, JIN Yan, WU Na, SUN Xiujuan, Least-squares estimation of parameters of customer response models for peak and valley time-of-use electricity price[J]. East China Electric Power, 2009, 37( 1 ) : 67-69(in Chinese).
[26] 李同智．灵活互动智能用电的技术内涵及发展方向[J]．电力系统
自动化, 2012, 36(2 ) : 11-17．Li Tongzhi．Technical implications and development trends of flexible and interactive utilization of intelligent
power[J]．Automation of Electric Power Systems, 2012, 36(2 ) : 11-17(in Chinese ) ．
[27] Muratori M, Roberts M C, Sioshansi R, et al．A highly resolved modeling
technique to simulate residential power demand[J]．Applied Energy, 2013, 107: 465-473．
[28] 刘孝杰. 计及需求响应和电力市场作用的主动配电系统负荷预测
研究[D]. 山西: 山西大学, 2017.
[29] Woychik E C．Optimizing demand response[J/OL]．Public Utilities
Fortnightly, 2008(5 ) : 52-56．
作者简介
祝志超 (1995-) 男 硕士研究生 研究方向：智能电网方向
（上接50页）。