技术摘要：
本发明公开了一种分时电价制定方法，包括：预测待预测时刻的风功率区间；在待预测时刻风电功率区间内随机抽样生成100组风功率场景；缩减场景为10组风功率场景；在用户负荷中加入风功率场景，生成净负荷场景图；将净负荷场景中的峰谷时段划分为H个时间段，再将H个时间段  全部
背景技术：
分时电价是一种基于价格的需求响应措施，它可以针对用户用电的不同时段设定 不同电价，引导用户合理用电，可有效调整用户用电行为，达到削峰填谷、优化负荷曲线的 目的。 目前中国风电储备丰富，政府鼓励新能源优先入网。风功率可以作为负负荷接入 系统，但由于风功率波动性强、规律性差，难以预测，导致其具有很大的不确定性。因此它的 接入会增加系统运行压力，使得原来系统的峰谷差增大，影响到系统的安全稳定运行。考虑 风电不确定性的分时电价研究作为一种用户侧需求响应可以充分利用需求侧资源，促进新 能源消纳，有效调节系统峰谷差，提高系统经济稳定运行能力，成为当前重要的研究方向。 很多研究者将风电出力看成随机变量，建立机会约束模型、随机模糊模型，随机概率模型描 述风电功率。有文献假定风速服从Rayleigh分布或Weibull分布，并将不确定性的随机过程 分解为若干典型的离散概率场景，结合风电机组的功率特性计算出各个场景的概率。场景 法是处理风电不确定性的一种重要方法，多数研究在得到模拟风功率后采用蒙特卡洛抽 样、拉丁超立方体抽样等方法生成风功率场景，并应用后向缩减法(BR法)、快速前向选择法 (FFS法)、场景树构建法(STC法)、聚类划分法等对不确定性场景进行缩减生成典型风功率 场景。区间预测作为一种预测的手段，可以准确地预测风功率的所在的上下限，从而为调度 运行提供较为准确的信息，可作为分时电价中处理风电不确定性的方法，但风功率在区间 内有无数的取值，很难与现有的负荷对接，影响分时电价的制定，需要将区间预测的不确定 性转化为确定性场景研究。 尽管上述研究对于分时电价和处理风电不确定性方面等内容有一定的探讨，但是 目前处理风电不确定性分时电价方法存在两类问题： (1)现有的加入风电的分时电价研究中一般用理论的概率模型模拟风功率，未能 考虑到现实环境的复杂性，使得模拟的风功率与现实的风电场出力存在一定的误差； (2)目前的场景缩减方法可以方便解决小规模场景缩减问题，但随着时刻的增加 场景规模呈现指数增长，场景缩减结果准确度降低，存在不能给出最佳聚类结果的缺点。 风电功率接入能较大缓解供电压力，分时电价作为一种重要的需求侧响应能有效 提高资源利用率，将两者结合起来能够更加充分利用资源，优化资源配置。而由于风电功率 的随机性与波动性，导致加入风电功率的分时电价计算难度较大。
技术实现要素：
本发明的目的是提供一种分时电价制定方法，解决了现有技术中存在的模拟风功 率与现实风电场出力存在误差的问题。 本发明所采用的技术方案是，一种分时电价制定方法，包括以下步骤： 5 CN 111598612 A 说　明　书 2/10 页 步骤1、利用风电场连续风功率样本预测待预测时刻的风功率区间； 步骤2、在待预测时刻风电功率区间内随机抽样生成100组风功率场景； 步骤3、采用二分K-means聚类算法缩减场景为10组风功率场景； 步骤4、在用户负荷中加入步骤3得到的风功率场景，生成净负荷场景图； 步骤5、采用0-1整数规划将净负荷场景中的峰谷时段划分为H个时间段，再将H个 时间段划分为峰、平、谷时段； 步骤6、计算风功率场景期望，生成等效净负荷曲线； 步骤7、根据等效净负荷构建分时电价模型，其中，目标函数为实行峰谷电价后系 统等效净负荷峰谷差最小、用户用电不满意度最小； 步骤8、采用NSGA-II算法对分时电价模型进行多目标求解，得到Pareto最优解集， 并对目标函数进行评价，选出最优解。 本发明的特点还在于， 步骤1具体包括： 步骤1.1、设置条件数τ、分割区间数K，置信水平β； 步骤1.2、根据风电场连续风功率样本和对应边缘分布函数得到离散概率分布函 数 步骤1.3、将离散概率分布函数 的概率Pj由大到小依次进行累加，假设 当累加到j＝q时， 则在置信度水平β下的边缘分布函数位于区间 所属子 区间的并集内，通过逆函数计算得到待预测时刻风电功率区间 还包括采用PIAW、PICP指标对待预测时刻风电功率区间进行精度评价。 步骤3具体包括： 步骤3.1、先将100组风功率场景组成簇； 步骤3.2、从簇表中选取簇； 步骤3.3、采用K-means算法对该簇进行二分得到两个簇； 步骤3.4、重复步骤3.3，直至达到预置实验次数； 步骤3.5、从步骤3.4得到的簇中选取总误差最小的两个簇； 步骤3.6、将步骤3.5得到的两个簇添到簇表中； 步骤3.7、重复步骤3.2-3.6，直到簇表中含有10个簇。 步骤5具体包括： 步骤5.1、将净负荷场景中的峰谷时段划分为H个时间段，假设i为某一划分时段的 开始时刻，j为结束时刻，定义对象i、j之间的距离为dij，则矩阵[dij]为N×N矩阵，行列标为 0,1,…N-1； 峰谷时段划分为H个聚类时段的模型的目标函数为 上式中，zij为0-1变量，当某时段开始时刻为i，结束时刻为j时，zij值为1，否则为 0；Dij为同一个时间段中所有dij的和： 6 CN 111598612 A 说　明　书 3/10 页 上式中，mod为取模运算； 峰谷时段划分为H个聚类时段的模型的约束条件为： 步骤5.2、将H个时间段划分为峰、平、谷时段。 步骤6具体包括： 步骤6.1、步骤3得到的风功率场景得期望为： 上式中，θ表示某一可能存在的风功率场景， 为每个场景的概率值，Pwind为风电 出力功率，θw为风功率场景集； 步骤6.2、实行峰谷电价前等效净负荷表达式为： 上式中，Q(t)为用户负荷。 步骤7具体包括： 步骤7.1、根据等效净负荷构建目标函数： 目标函数1、实行峰谷电价后系统峰、谷时段的等效净负荷差最小： minC＝min[maxL(t)-minL(t)]                        (16)； 上式中，L(t)为实施峰谷电价之后的系统等效净负荷； 目标函数2、用户用电不满意度最小： 上式中， 表示t时段用户用电量的变化率； 步骤7.2、计算负荷转移率，并根据历史数据拟合得到用户响应曲线： 上式中，Δpab为时段a和时段b的电价差，hab为电价差的饱和区阈值，lab为电价差 的死区阈值，Kab为负荷转移过程中线性区的斜率，λmax为最大负荷转移率； 同理可得，等效净负荷的峰时段到平时段负荷转移率λfp、等效净负荷的峰时段到 7 CN 111598612 A 说　明　书 4/10 页 谷时段负荷转移率λfg、等效净负荷的平时段到谷时段负荷转移率λpg，由此得到执行分时电 价后各时段的负荷为： 上式中，Tf、Tp、Tg分别代表峰平谷三个时段，Lk0,Lk为执行分时电价前、后的负荷； 为执行分时电价前各个时段的等效净负荷平均值； 步骤7.3、构建约束条件： 约束条件1、时间约束： T＝Tf Tp Tg＝24                   (20)； 约束条件2、负荷约束： L＝Lf Lp Lg                    (21)； 约束条件3、实施分时电价后用户电费支出小于等于实施分时电价前支出成本： U0≥UTOU                      (24)； 约束条件4、限定实施分时电价后峰谷电价比： 上式中，k1和k2是限制峰谷电价比的常数。 本发明的有益效果是： 本发明一种分时电价制定方法，建立待预测时刻的离散概率分布函数，挖掘相邻 时段风电功率序列间的相关关系对风功率区间进行预测，能提升风功率预测精度，减小与 实际风功率的差距；通过预测区间与随机抽样结合将区间预测的不确定性转化为确定性场 景，并运用二分K-means缩减场景，不仅准确性高效，而且无需寻找复杂的替代模型，能提高 计算效率，解决了区间预测结果与分时电价定制相结合问题；在考虑多场景的情况下，采用 整数规划法划分峰平谷时段，可有效处理时段的连续性问题；基于消费者心理学响应的基 础上以峰谷差最小和用户满意度最小建立多目标优化分时电价模型，采用NSGA-II多目标 方法对模型参数进行寻优，得到分时电价模型的非劣解集；与未考虑风电不确定性的方法 相比，充分考虑风功率的随机性，并有效地指导用户对分时电价做出响应，实现均衡系统负 荷、削峰填谷的目标，同时保证用户的用电习惯不受影响。 附图说明 图1是本发明一种分时电价制定方法的流程图； 图2是本发明一种分时电价制定方法的负荷转移率曲线图； 图3是本发明一种分时电价制定方法采用的NSGA-II算法流程图。 8 CN 111598612 A 说　明　书 5/10 页