考虑负荷方差的智能微网用户侧分时电价优化模型

为调整用户用电行为，提升智能微网安全性和稳定性，需构建考虑负荷方差的智能微网用户侧分时电价优化模型。通过需求价格弹性系数描述用户对电价的反应情况，依照智能微网中负荷恒定状态和波动状态，计算线路可变损耗，取样采点一定周期内负荷，计算负荷方差，探析负荷方差对线路损耗的影响。依照负荷方差和用户负荷峰谷差构建智能微网用户侧分时电价优化的目标函数，设置峰平谷电价、用户利益、峰谷倒置等五个约束条件，结合约束条件和目标函数获取最终的优化模型。实验表明，该种方法构建的用户侧分时电价优化模型后，用户侧分时电价最大峰段负荷为14109 kW，峰谷差是7963 kW，显著增加售电侧和发电侧利润。     

计及峰谷电价的电动汽车负荷模型分析

大规模电动汽车无序接入配电网会导致电网负荷峰值增加。首先,本文通过分析电动汽车行驶特性,根据电动汽车电量需求、电池荷电状态、充放电功率等约束条件,基于电动汽车有序充放电概率模型和功率期望,构建最小负荷峰值目标函数。再通过遗传算法求解,以峰谷电价时间作为优化变量,得到优化前后的电网负荷曲线。然后分别研究了在不同峰谷电价时间以及在不同用户响应度下电网负荷曲线的变化,并与电动汽车无序充电时的负荷曲线进行对比。最后讨论分析了用户响应度和充电模式对电网负荷峰值的作用效果。     

实时电价下用户侧电力需求响应模型优化策略及数字仿真谈竹奎1,汪元芹2,赵菁2,刘斌1,刘敏2

为解决智能电网发展中用户参与电力市场运营的响应积极性以及用户收益最大化问题,本文在经济学原理基础上,引用需求价格弹性系数表征用户的用电量随电价的变化情况,建立实时电价下的用户负荷调节能力模型,根据该模型,进一步研究了基于实时电价的用户侧电力需求响应模型优化策略,考虑用户在不同响应场景和不同负荷调节潜力下的需求响应。解决供电与用电间的电力供需不平衡问题,实现用户积极响应及其利益最大化,并提高系统稳定性与安全性。以某地需求响应系统为例,对进入现货市场交易的用户进行数字仿真,通过算例分析表明该模型能有效改善用电负荷曲线,减小用户购电成本,验证了基于实时电价下的电力需求响应优化策略的优化效果。     

电热水器最佳功率多目标遗传算法优化控制

为了提高电热水器(EWH)的使用效率,从智能用电控制技术角度考虑,对电价改变、外部温度以及用户的用水习惯进行了综合分析,构建了可以同时满足用电成本与舒适度要求的EWH优化策略。优化结果表明:在α取值为11/12时,电费降低了5%,而热不适只小幅增大2%。采用多目标优化控制模式能够获得最优EWH曲线,从而更好地完成需求响应。用户对EWH采取预加热或实时控温的方式,会提高系统的晚高峰用电负荷。为提升用户的舒适度,按照峰谷分时电价完成电价响应,通过发挥EWH储热作用,使负荷群获得的聚合功率保持到早晨。早晨时段属于低谷用电阶段,可以达到削峰填谷效果。该研究对智能家装的效率提高具有很好的实际指导意义。     

基于竞价上网的发电侧与售电侧峰谷分时电价联合优化模型

电价联动是继续推进电力市场化改革迫切需要解决的问题之一。针对当前峰谷分时电价的实施现状，在综合考虑需求侧响应及有关主体利益平衡的基础上，以优化负荷曲线为目标函数，建立了发电侧与售电侧峰谷分时电价联合设计的优化模型。     

分时电价下用户侧光储系统优化控制策略

针对光伏发电不稳定所导致的光伏电能浪费,以及储能设备充放电不合理导致电池损耗成本过高等问题,在分时电价的背景下,提出一种光储系统优化控制策略;首先,建立光储系统并网模型,结合用户用电特征、光伏出力与分时电价情况,在满足光储系统功率平衡与储能电池约束条件下,综合考虑光储系统收益和储能电池损耗成本;采用模糊处理法将多目标问题转为单目标问题求解,以用户的经济效益最高为最终优化目标,构建净收益优化模型,并利用改进的灰狼算法进行优化求解;最后,通过仿真结果表明,所提策略在分时电价情况下,为用户带来了较高的经济效益.     

智能电网分类用户实时电价算法研究*

针对现有智能电网实时电价研究用户单一的不足,根据我国各类销售电价差别较大的情况,首先确定居民、商业和工业用户为研究对象,建立其基于微观经济学概念的效用函数;其次,基于拉格朗日对偶算法,迭代输出各类用户的最优用电量、实时电价和总福利,并与上海市分时阶梯电价进行对比。结果表明,采用实时电价后各类用户的用电量均比分时电价平稳;居民用户用电波动最大,实行实时电价的效果最显著。工商业用户的总福利实时比分时高,而居民用户相反。该实时电价模型和算法具有削峰填谷、平稳电网负荷、平衡供需和提高用户总福利的优点。     

家庭智能用电管理系统用电优化算法研究

为降低居民用户用电费用和提高用电效率,考虑分时电价价格激励的作用,对家庭智能用电进行了研究。构建了由智能家用电器、传统家用电器、电动汽车及其充放电设备、智能开关/插座、智能交互终端、智能手机、分布式能源和智能电表等组成的家庭智能用电管理系统。以一般家庭常用家用电器为优化对象,以用户用电费用最低为优化目标,采用遗传算法,根据用户设定的各家用电器的工作时间范围,提出了基于分时电价的家庭智能用电管理系统智能用电优化算法。以兼顾用户用电费用和负荷消耗功率均匀分布为优化目标,设定功率阈值,引入惩罚机制,提出了基于分时电价的改进智能用电优化算法。仿真结果表明,所提出的智能用电优化算法可为用户最大限度节省用电费用;所提出的改进智能用电优化算法可为用户适当节省用电费用,并可避免引入新的用电高峰。因此,该智能用电优化算法能实现既定优化目标,是有效、可行的。用户可根据实际需要确定优化目标,选用相应算法。     

电动车充电负荷建模及对配电网的影响分析

在电动车充电负荷建模优化的研究中,电动汽车大规模使用后,需要对电动汽车的充电负荷建模与准确计算,以分析对电网的影响.通过对电动汽车电池的充电特性、充电起始荷电状态及充电时间等因素分析,建立单个电动汽车充电负荷模型,根据中心极限定理进而得到大量电动汽车充电负荷的计算方法,分别在不同电价政策下考虑电动汽车常规充电和快速充电情况下,对电动汽车充电负荷进行了仿真比较分析.仿真结果表明,由于电动汽车多在夜间充电,则对原负荷曲线有一定“填谷”作用,均增加了负荷系数,缩小了峰谷差;尤其在分时电价无快充情况下,峰谷差最小,负荷系数最大.     

计及用户价格反应的可中断负荷电价

针对实施可中断负荷管理过程中存在的问题,以实时电价为基础,研究了考虑用户价格反应后的实时电价的特点,提出一个考虑用户价格反应的实时电价数学模型,来研究用户对实时电价的反应;同时通过建立交易双方基于自身利益最优的两个响应方程,为系统下一时段可中断负荷合同、电价折扣及可中断负荷电价的确定提供了依据.通过一个算例系统进行了仿真计算,结果表明该电价模型具有一定的应用价值.     

融合领域知识的药店用户画像建模及应用

用户画像是对用户形象的勾勒与描述,现已广泛应用于睡眠会员唤醒,用户到店预测,个性化推荐等典型零售场景,药品不同于普通商品,包含较强的语义知识,现有用户画像主要从消费属性和静态属性出发,不能完全适用于药店销售和预测领域.本文提出了一种针对药品领域的用户画像模型UPP (persona of pharmacy user),在现有画像的基础上嵌入医药知识,利用规则,聚类,统计,实体识别等方法提取慢病、疾病、特殊病类、活动敏感度、用户价值、价格偏好等新标签.将所有标签融入一种基于聚类的群体划分方法,形成用户画像.实验表明,该模型相较于现有的用户画像模型,在消费行为预测场景下精准率提高了13%,更加适用于药店营销场景.     

Topic model for analyzing purchase data with price information

We propose a new topic model for analyzing purchase data with price information. Price is an important factor in consumer purchase behavior. The proposed model assumes that a topic has its own price distributions for each item as well as an item distribution. The topic proportions, which represent a user’s purchase tendency, are influenced by the user’s purchased items and their prices. By estimating the mean and the variance of the price for each topic, the proposed model can cluster related items taking their price ranges into consideration. We present its efficient inference procedure based on collapsed Gibbs sampling. Experiments on real purchase data demonstrate the effectiveness of the proposed model.     

Optimal electricity rate structures for peak demand reduction using economic model predictive control

Economic model predictive control (EMPC) has recently gained popularity for managing energy consumption in buildings that are exposed to non-constant electricity prices, such as time-of-use prices or real-time prices. These electricity prices are employed directly in the objective function of the EMPC problem. This paper considers how electricity prices can be designed in order to achieve a specific objective, which in this case is minimizing peak electricity demand. A primal-dual formulation of the EMPC problem is presented that is used to determine optimal prices that minimize peak demand. The method is demonstrated on a simulated community of 900 residential homes to create a pricing structure that minimizes the peak demand of the community of homes. The pricing structure shows that homes should be given a 1-h peak demand duration, and that the peak prices given to the homes should be spread unevenly across 6 h of the afternoon.     

A soft computing system for day-ahead electricity price forecasting

Hourly energy prices in a competitive electricity market are volatile. Forecast of energy price is key information to help producers and purchasers involved in electricity market to prepare their corresponding bidding strategies so as to maximize their profits. It is difficult to forecast all the hourly prices with only one model for different behaviors of different hourly prices. Neither will it get excellent results with 24 different models to forecast the 24 hourly prices respectively, for there are always not sufficient data to train the models, especially the peak price in summer. This paper proposes a novel technique to forecast day-ahead electricity prices based on Self-Organizing Map neural network (SOM) and Support Vector Machine (SVM) models. SOM is used to cluster the data automatically according to their similarity to resolve the problem of insufficient training data. SVM models for regression are built on the categories clustered by SOM separately. Parameters of the SVM models are chosen by Particle Swarm Optimization (PSO) algorithm automatically to avoid the arbitrary parameters decision of the tester, improving the forecasting accuracy. The comparison suggests that SOM–SVM–PSO has considerable value in forecasting day-ahead price in Pennsylvania–New Jersey–Maryland (PJM) market, especially for summer peak prices.     

需求侧管理下智能家庭用电多目标优化控制

针对家庭内附加型负载进行需求侧管理,缓解高峰时刻电网压力,提出一种智能电网环境的家庭用电控制系统。设计了智能控制器,可以获取用户家庭负荷信息并为用户提供分时电价计量,同时便于供电侧直接进行需求侧控制。提出了多目标蜻蜓算法,针对降低负载功率和减少需求响应延时时间两个目标进行求解,其迭代速度快,满足即时响应的需求。500个家庭的实验结果显示,家庭用电控制系统合理,降低了用户用电费用;算法计算速度快,响应时间延时少,有效缓解了高峰时刻的电网负荷。     

A model to evaluate the effects of price fairness perception in online hotel booking

Research on consumer and market behavior related to prices has increased remarkably in recent years. Researchers have paid special attention to the effects of price perception in consumer purchasing processes. In this paper a model of antecedents and consequences of consumer price fairness perception in an online hotel booking setting is proposed. The results show that consumers use reference prices and are guided by their familiarity with online hotel bookings in determining price fairness. Moreover, when consumers perceive prices as fair, they show more confidence in the decisions made and are more satisfied with the price. However, there is no direct influence on loyalty, although this relationship appears indirectly through satisfaction with the price and confidence in the decision.     

基于用户行为挖掘的融合社交网络推荐模型

采用大数据处理技术和并行计算方法进行融合社交网络的用户行为特征的挖掘,实现社交网络智能推荐,提出一种基于用户行为挖掘的融合社交网络推荐模型。采用关联规则分布模型进行融合社交网络的用户行为特征检测,提取融合社交网络的用户行为的本体信息和关联规则项,构建社交网络的联合推荐的模糊决策模型,计算融合社交网络用户行为的联合信息熵特征值,采用模糊C均值聚类方法对提取的特征量进行分类识别,根据分类识别结果实现用户行为挖掘和融合社交网络的自适应推荐。仿真结果表明,采用该方法进行融合社交网络的用户行为特征挖掘的查准率较高,推荐的置信度水平较高。     

基于实时电价响应的电动出租车充电负荷优化策略

与电动私家车相比,电动出租车充电负荷高得多且难以预测。因此电动出租车不可控的充电负荷可能会给配电系统带来巨大且无法预测的峰值,并造成严重损害。为解决该问题,本文提出了一种基于实时电价响应的电动出租车充电负荷优化策略,该策略可以有效调节充电负荷用来跟踪给定的负荷曲线。策略设计包括三个步骤,首先根据应用场景,简化电动出租车最佳充电决策。然后,提出了两种充电负荷聚合模型,分别描述了充电决策和实时电价之间的关系,以及充电决策和总电量之间的关系。最后,提出了一种有效的在线估计方法来计算适当的实时电价,以使充电负荷跟踪目标负荷,作为对价格的响应。仿真结果验证了所提策略的有效性。