譚顯東1，陳玉辰2，李揚(yáng)2，井江波3，姜寧3，王子健2，沈運(yùn)帷2

(1. 國(guó)網(wǎng)能源研究院有限公司，北京102209;2. 東南大學(xué) 電氣工程學(xué)院，江蘇 南京210096;3. 國(guó)網(wǎng)陜西省電力公司經(jīng)濟(jì)技術(shù)研究院，陜西 西安710075)

摘要：分時(shí)電價(jià)作為需求側(cè)管理的一種重要經(jīng)濟(jì)手段，其在國(guó)內(nèi)的全面實(shí)施勢(shì)在必行，但電力需求的快速增長(zhǎng)導(dǎo)致分時(shí)電價(jià)對(duì)用戶的激勵(lì)效果缺乏時(shí)效性。針對(duì)此問題，提出一種考慮負(fù)荷發(fā)展的分時(shí)電價(jià)優(yōu)化方法，利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和灰色預(yù)測(cè)法預(yù)測(cè)出未來2年的典型日負(fù)荷曲線，將未來負(fù)荷曲線代入分時(shí)電價(jià)優(yōu)化模型的結(jié)果作為電價(jià)約束，再對(duì)當(dāng)年的典型日負(fù)荷曲線進(jìn)行優(yōu)化計(jì)算，得到合理的分時(shí)電價(jià)。算例將僅考慮當(dāng)年典型日負(fù)荷曲線的優(yōu)化結(jié)果與考慮負(fù)荷發(fā)展的優(yōu)化結(jié)果進(jìn)行對(duì)比，驗(yàn)證該優(yōu)化方法延長(zhǎng)分時(shí)電價(jià)時(shí)效的有效性。

0 引言

分時(shí)電價(jià)(time of use，TOU)是電力行業(yè)實(shí)施需求側(cè)管理，鼓勵(lì)用戶改善用電方式，達(dá)到提高電力系統(tǒng)的負(fù)荷率和穩(wěn)定運(yùn)行目標(biāo)的典型經(jīng)濟(jì)手段。隨著電力體制改革加速，電力市場(chǎng)逐步推行，但中國(guó)仍處于電力市場(chǎng)化改革的過渡期，實(shí)時(shí)電價(jià)實(shí)施條件尚未成熟，分時(shí)電價(jià)方案的全面實(shí)施勢(shì)在必行。分時(shí)電價(jià)把一天24h按負(fù)荷曲線劃分成峰、平、谷3種時(shí)段，通過不同的時(shí)段電價(jià)引導(dǎo)用戶多用低價(jià)谷電，少用高價(jià)峰電，以達(dá)到削峰填谷的目的 [1] 。由于各行業(yè)負(fù)荷曲線特性不同，各行業(yè)消費(fèi)者對(duì)分時(shí)電價(jià)政策響應(yīng)程度也有較大差異。合理的分時(shí)電價(jià)可以充分利用消費(fèi)者心理，拉大峰谷電價(jià)差 [2] ，達(dá)到拉平負(fù)荷曲線的DSM目標(biāo)。當(dāng)前中國(guó)電力需求持續(xù)增長(zhǎng)，負(fù)荷組成情況變化頻繁，導(dǎo)致制定好的分時(shí)電價(jià)在一段時(shí)間之后對(duì)用戶的激勵(lì)效果變?nèi)酢Ｒ虼?，亟待解決上述問題。文獻(xiàn)[3-4]提出了用戶響應(yīng)的概念，來描述電價(jià)對(duì)負(fù)荷的影響，并提出了基于需求側(cè)管理的峰谷電價(jià)的數(shù)學(xué)模型，仿真出峰谷差價(jià)，為峰谷電價(jià)確定提供了一定的理論根據(jù)。文獻(xiàn)[5]采用模糊聚類方法對(duì)峰谷時(shí)段進(jìn)行重新劃分，利用用戶電力需求價(jià)格彈性矩陣，考慮尖峰電價(jià)的影響，激勵(lì)用戶改變用電行為。上述文獻(xiàn)結(jié)合用戶響應(yīng)對(duì)分時(shí)電價(jià)作用機(jī)理進(jìn)行分析，但均沒有通過優(yōu)化

模型制定電價(jià)，文獻(xiàn)[6-7]結(jié)合消費(fèi)心理學(xué)原理，設(shè)定了實(shí)施峰谷分時(shí)電價(jià)的目標(biāo)函數(shù)，文獻(xiàn)[8]采用非單純形法對(duì)電價(jià)進(jìn)行了優(yōu)化，但均沒有考慮隨著負(fù)荷發(fā)展分時(shí)電價(jià)的激勵(lì)效果減弱問題。本文針對(duì)分時(shí)電價(jià)對(duì)用戶的激勵(lì)效果時(shí)效性不足的問題，提出一種考慮負(fù)荷發(fā)展的分時(shí)電價(jià)優(yōu)化方法，并通過算例將僅考慮當(dāng)年典型日負(fù)荷曲線的優(yōu)化結(jié)果與考慮負(fù)荷發(fā)展的優(yōu)化結(jié)果進(jìn)行對(duì)比，驗(yàn)證該優(yōu)化方法的有效性。

1 典型日分時(shí)電價(jià)時(shí)段劃分

時(shí)段劃分是分時(shí)電價(jià)制定的前提和發(fā)揮作用的重要保證[9-10]。不同用戶由于其負(fù)荷特性存在較大差異，導(dǎo)致時(shí)段的劃分結(jié)果不同。本文采用基于模糊數(shù)學(xué)的方法[11]，以圖 1 為例對(duì)分時(shí)電價(jià)時(shí)段劃分方法進(jìn)行闡述。

(1)確定典型日負(fù)荷曲線的最低負(fù)荷點(diǎn) a 與最高負(fù)荷點(diǎn) b，其中 a 點(diǎn)處于谷時(shí)段的可能性為100%，處于峰時(shí)段的可能性為 0，b 點(diǎn)處于峰時(shí)段的可能性為 100%，處于谷時(shí)段的可能性為 0;

(2)根據(jù)偏小型隸屬度函數(shù)和偏大型隸屬函數(shù)分別計(jì)算其余各點(diǎn)處于谷時(shí)段和峰時(shí)段的可能性，若某點(diǎn)峰時(shí)段可能性遠(yuǎn)大于其谷時(shí)段可能性，則該點(diǎn)歸屬于峰時(shí)段，若某點(diǎn)谷時(shí)段可能性遠(yuǎn)大于其峰時(shí)段可能性，則該點(diǎn)歸屬于谷時(shí)段，其余點(diǎn)歸屬于平時(shí)段;

(3)結(jié)合每段單獨(dú)時(shí)段的時(shí)長(zhǎng)≥2 h，且峰時(shí)段、平時(shí)段、谷時(shí)段的總時(shí)長(zhǎng)均≥6 h 的約束，即可獲得典型日負(fù)荷曲線的時(shí)段劃分結(jié)果。

2 基于用戶行為的分時(shí)電價(jià)作用機(jī)理

2.1 用戶行為劃分根據(jù)用戶的電力消費(fèi)行為受電價(jià)的影響程度，可以將用戶分為頑固型、積極型、從眾型3 種，以下從大工業(yè)用戶、一般工商業(yè)用戶和居民用戶 3 類進(jìn)行闡述。

(1)頑固型。該類用戶對(duì)電價(jià)的響應(yīng)程度較低。代表用戶包括：①大工業(yè)用戶中的石油加工業(yè)、鋼鐵制造業(yè)等，此類用戶的設(shè)備連續(xù)生產(chǎn)，負(fù)荷曲線波動(dòng)較小，負(fù)荷率較高;②一般工商業(yè)用戶中的住宿餐飲服務(wù)業(yè)等典型服務(wù)業(yè)，其可調(diào)節(jié)負(fù)荷(如空調(diào)照明負(fù)荷等)與客戶舒適度相關(guān);③居民用戶中的部分家庭人均收入較高者，此類用戶對(duì)用電舒適度的敏感度普遍高于對(duì)用電成本的敏感度。

(2)積極型。該類用戶對(duì)電價(jià)敏感，響應(yīng)程度高。代表用戶包括：① 大工業(yè)用戶中的水泥等非金屬礦物制造業(yè)、通用及專用設(shè)備制造業(yè)等，此類用戶生產(chǎn)班制較為靈活且用電成本占生產(chǎn)成本比例較大;②一般工商業(yè)用戶中的部分小規(guī)模的加工業(yè)企業(yè)，此類用戶生產(chǎn)效益低，具有較高的移峰潛力;③居民用戶中的部分用戶，此類用戶節(jié)電意識(shí)強(qiáng)，對(duì)用電成本比較敏感。

(3)從眾型。該類用戶對(duì)電價(jià)的響應(yīng)程度介于頑固型和積極型之間。代表用戶包括：① 大工業(yè)用戶中的食品紡織物加工業(yè)、電子設(shè)備制造業(yè)等，此類用戶負(fù)荷峰谷分明，具有移峰潛力，但用電成本占生產(chǎn)成本比例不夠高;②一般工商業(yè)用戶中的運(yùn)輸倉儲(chǔ)業(yè)、批發(fā)零售業(yè)等，此類用戶具有一定的節(jié)電意識(shí)，但負(fù)荷可調(diào)節(jié)能力較差。

2.2 分時(shí)電價(jià)作用機(jī)理

根據(jù)消費(fèi)者心理學(xué)原理，用戶消費(fèi)行為受價(jià)格變化的影響。為了簡(jiǎn)化問題，通常將該影響過程抽象為分段線性函數(shù)，如圖 2 所示。用戶對(duì)價(jià)格的響應(yīng)有一個(gè)差別閾值，當(dāng)價(jià)格變化小于差別閾值，用戶對(duì)于價(jià)格變化幾乎沒有反應(yīng)，即原點(diǎn)O 到 A 的區(qū)域;當(dāng)價(jià)格變化大于差別閾值時(shí)，用戶的反應(yīng)與電價(jià)信號(hào)的變化程度有關(guān)，即線性區(qū)AB;用戶對(duì)價(jià)格的響應(yīng)也會(huì)達(dá)到一個(gè)飽和值，即B 點(diǎn)到正無窮。綜上，用戶對(duì)電價(jià)的響應(yīng)度曲線由該類用戶的差別閾值、線性區(qū)斜率和飽和值3 個(gè)參數(shù)確定[12-15]。

3 計(jì)及負(fù)荷發(fā)展的分時(shí)電價(jià)優(yōu)化模型

分時(shí)電價(jià)根據(jù)不同的電能價(jià)值將用電時(shí)間劃分為不同時(shí)段并制定各時(shí)段的電價(jià)，在其制定之后的一段時(shí)間內(nèi)不做改變。然而隨著時(shí)間的推移，電網(wǎng)規(guī)模的擴(kuò)大和行業(yè)結(jié)構(gòu)的調(diào)整使得負(fù)荷曲線形狀及用戶組成均有所改變，分時(shí)電價(jià)對(duì)用戶的刺激逐漸偏離最初期望值。因此，在根據(jù)用戶響應(yīng)情況對(duì)某地區(qū)特定行業(yè)進(jìn)行分時(shí)電價(jià)優(yōu)化的過程中，還需要對(duì)該地區(qū)此行業(yè)的未來負(fù)荷曲線進(jìn)行預(yù)測(cè)，將負(fù)荷發(fā)展情況計(jì)入優(yōu)化模型。本文在傳統(tǒng)的分時(shí)電價(jià)優(yōu)化模型的基礎(chǔ)上，引入未來兩年負(fù)荷發(fā)展影響因素，利用分時(shí)電價(jià)優(yōu)化模型針對(duì)預(yù)測(cè)所得的第 2 年、第 3 年典型日負(fù)荷曲線分別計(jì)算最優(yōu)電價(jià)，將所得優(yōu)化結(jié)果作為電價(jià)約束條件加入到優(yōu)化模型中，再將當(dāng)年的典型日負(fù)荷曲線帶入改進(jìn)后的優(yōu)化模型進(jìn)行計(jì)算，所得即為最終的分時(shí)電價(jià)。考慮負(fù)荷發(fā)展的分時(shí)電價(jià)優(yōu)化流程如圖 3 所示。

3.1 典型日負(fù)荷曲線預(yù)測(cè)方法

在考慮電網(wǎng)發(fā)展時(shí)，需要獲得在分時(shí)電價(jià)實(shí)施年限內(nèi)的未來典型日負(fù)荷曲線，即需要根據(jù)歷史數(shù)據(jù)預(yù)測(cè)出未來幾年的典型日負(fù)荷曲線。對(duì)于未來幾年典型日負(fù)荷曲線的預(yù)測(cè)具有其特殊性，從時(shí)間維度上看屬于中長(zhǎng)期負(fù)荷預(yù)測(cè)的范疇;但從形式上來看，其本質(zhì)是用以往的具有一定規(guī)律的負(fù)荷點(diǎn)，預(yù)測(cè)未來的負(fù)荷點(diǎn)，屬于短期負(fù)荷預(yù)測(cè)的范疇 [17] 。本文對(duì)典型日負(fù)荷曲線采取分解后分別預(yù)測(cè)再合成的方法，將負(fù)荷曲線分解成為表征其發(fā)展規(guī)律的發(fā)展分量和表征其波動(dòng)規(guī)律的波動(dòng)分量，發(fā)展分量取往年的典型日最大負(fù)荷，波動(dòng)分量取該年典型日各點(diǎn)負(fù)荷與最大負(fù)荷的比值。預(yù)測(cè)流程如圖 4 所示。

(1)發(fā)展分量預(yù)測(cè)。對(duì)于發(fā)展分量，本文利用基于灰色 GM(1，1)的中長(zhǎng)期負(fù)荷預(yù)測(cè)技術(shù)進(jìn)行預(yù)測(cè)。灰色理論認(rèn)為系統(tǒng)的行為現(xiàn)象是朦朧有序的?；覕?shù)的生成，就是從雜亂中尋找出規(guī)律。同時(shí)，灰色理論建立的是生成數(shù)據(jù)模型，不是原始數(shù)據(jù)模型，因此，灰色預(yù)測(cè)的數(shù)據(jù)是通過生成數(shù)據(jù)的 GM(1，1)模型所得到的預(yù)測(cè)值的逆處理結(jié)果。

(2)波動(dòng)分量預(yù)測(cè)。假設(shè)在一定的時(shí)間內(nèi)，各行業(yè)用電負(fù)荷的波動(dòng)基本穩(wěn)定，如此可以利用短期負(fù)荷預(yù)測(cè)技術(shù)來得到未來負(fù)荷的波動(dòng)分量。BP 網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，它通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。該模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層。本文以歷史數(shù)據(jù)為輸入層，輸出層即期望得到的波動(dòng)分量[18-19]。

3.2 目標(biāo)函數(shù)

TOU 優(yōu)化目標(biāo)是盡可能削峰填谷，減小系統(tǒng)備用容量，充分利用谷時(shí)段電量，從而達(dá)到提高系統(tǒng)負(fù)荷率、運(yùn)行效率和穩(wěn)定性的目的。

3.3 約束條件

3.3.1 電力公司的銷售收入不變

3.3.4 峰谷電價(jià)比約束

實(shí)行 TOU 的目的是使負(fù)荷曲線盡量趨于平緩，但若峰谷價(jià)差過大，用戶的響應(yīng)行為將過于激烈，甚至可能造成峰谷倒置現(xiàn)象，對(duì)電力系統(tǒng)造成新的壓力，因此有必要給峰谷電價(jià)設(shè)置合理的比例，在本文算例中取

1.2

3.3.5 用戶購(gòu)電費(fèi)用約束

從用戶角度考慮，分時(shí)電價(jià)應(yīng)能降低用戶電費(fèi)支出。即實(shí)行 TOU 后，用戶電費(fèi)的支出不應(yīng)該大于TOU 實(shí)施前用戶的支出。由于用戶所支出的購(gòu)電費(fèi)用即為電力公司的售電收入，故此約束條件可表述為

MTOU≤MNON(18)

3.3.6 用戶用電量約束

電價(jià)的改變以保證用戶的正常用電需求為前提，即實(shí)施 TOU 后用戶將高電價(jià)時(shí)段可調(diào)節(jié)的用電量完全轉(zhuǎn)移到低電價(jià)時(shí)段，用戶的用電量基本保持不變。該約束條件與電力公司售電量保持不變表達(dá)式相同，如式(14)所示。

4 算例分析

假設(shè)在實(shí)施分時(shí)電價(jià)前，對(duì)該地區(qū)用戶均實(shí)行平均電價(jià)，大工業(yè)為 0.633 元/(kW˙h);一般工商業(yè)為 0.829 元/(kW˙h);居民為 0.518 元/(kW˙h)。假設(shè)系統(tǒng)在谷時(shí)段的運(yùn)行邊際成本 P MaCOST 為 0.27 元/(kW˙h)，小發(fā)電機(jī)組在峰時(shí)段的發(fā)電成本價(jià) P GeCOST為 1.48 元/(kW˙h)。該地區(qū)各用戶類型的典型日負(fù)荷曲線如圖 5所示，分時(shí)電價(jià)作用機(jī)理模型的相關(guān)參數(shù)設(shè)置如表 1 所示。本算例根據(jù)大工業(yè)、工商業(yè)和居民 3 類負(fù)荷曲線，采用模糊數(shù)學(xué)的方法作出分時(shí)電價(jià)時(shí)段劃分，其中以偏大型半梯形分布和偏小型半梯形分布作為隸屬度函數(shù)分別確定各點(diǎn)處于峰時(shí)段和谷時(shí)段的可能性，劃分結(jié)果如圖 6 所示。根據(jù)歷史數(shù)據(jù)采用 4.1 的預(yù)測(cè)方法得到的第2 年和第 3 年數(shù)據(jù)，并利用 CPLEX 商業(yè)優(yōu)化軟件求解分時(shí)電價(jià)優(yōu)化模型，將僅考慮當(dāng)年典型日負(fù)荷曲線優(yōu)化制定的分時(shí)電價(jià)(稱為“電價(jià)一”)與考慮負(fù)荷發(fā)展而優(yōu)化制定的分時(shí)電價(jià)(稱為“電價(jià)二”)進(jìn)行對(duì)比，結(jié)果如表 2 所示。針對(duì)第 2 年和第 3 年的負(fù)荷情況，用戶對(duì)表 2 中所列出的不同電價(jià)有不同的響應(yīng)結(jié)果。第2 年負(fù)荷曲線在不同電價(jià)下響應(yīng)的高峰、低谷時(shí)段負(fù)荷曲線為圖 7 和圖 8。第 3 年負(fù)荷曲線在不同電價(jià)下響應(yīng)的高峰、低谷時(shí)段負(fù)荷曲線為圖 9和圖 10。本文使用了最大/最小負(fù)荷、峰谷差率及負(fù)荷波動(dòng)率指標(biāo)來衡量 3 年負(fù)荷在 2 種電價(jià)下的響應(yīng)情況，具體數(shù)值如表 3 所示。

根據(jù)實(shí)施 2 種電價(jià)后的負(fù)荷特性，可以發(fā)現(xiàn)在實(shí)施電價(jià)一的情況下，削峰填谷的作用雖然較為明顯，但隨著時(shí)間的推移，削峰作用由第 1 年的 2.523% 減小到第 3 年的 2.262%，平緩負(fù)荷波動(dòng)作用的發(fā)展也不盡如人意。然而在實(shí)施電價(jià)二的情況下，第 2 年和第 3 年的最大負(fù)荷較實(shí)施電價(jià)一時(shí)的情況均有所降低，到第 3 年的削峰率比實(shí)施電價(jià)一增加 0.11%，最小負(fù)荷上升，填谷率差距增加至 0.343%，負(fù)荷波動(dòng)率進(jìn)一步減小，峰谷差率也都有所提高。由此可以得出考慮負(fù)荷發(fā)展的分時(shí)電價(jià)優(yōu)化模型得到的分時(shí)電價(jià)對(duì)未來的負(fù)荷適應(yīng)性較好，在分時(shí)電價(jià)實(shí)行后的第 2 年與第3 年仍可以對(duì)用戶起到持續(xù)性的激勵(lì)作用。

5 結(jié)論

本文針對(duì)分時(shí)電價(jià)對(duì)用戶的激勵(lì)效果時(shí)效性不足的問題，提出了一種考慮負(fù)荷發(fā)展的分時(shí)電價(jià)優(yōu)化方法。通過算例將僅考慮當(dāng)年典型日負(fù)荷曲線制定的分時(shí)電價(jià)(電價(jià)一)與考慮負(fù)荷優(yōu)化制定的分時(shí)電價(jià)(電價(jià)二)進(jìn)行對(duì)比，得出結(jié)果為：(1)在實(shí)施電價(jià)二的情況下，最大負(fù)荷較實(shí)施電價(jià)一的情況有所降低，最小負(fù)荷上升，負(fù)荷波動(dòng)率減小，峰谷差率都有所提高。(2)考慮負(fù)荷發(fā)展優(yōu)化得到的分時(shí)電價(jià)對(duì)未來的負(fù)荷具有更強(qiáng)的適應(yīng)性，能在未來時(shí)間內(nèi)刺激用戶做出期望的響應(yīng)。

參考文獻(xiàn)：

[1]王冬容. 價(jià)格型需求側(cè)響應(yīng)在美國(guó)的應(yīng)用[J]. 電力需求側(cè)管理,2010, 12(4): 74–77.WANG Dongrong. Application of price-based demand side responsein the U.S.A.[J]. Power Demand Side Management, 2010, 12(4):74–77.

[2]FARUQUI A, GEORGE S S. The value of dynamic pricing in massmarkets[J]. The Electricity Journal, 2002, 15(6): 45–55.

[3]湯玉東, 王明飛, 鄒云, 等. 基于 DSM 的分時(shí)電價(jià)研究[J]. 電力需求側(cè)管理, 2000, 2(3): 14–16,19.

[4]湯玉東, 吳軍基, 鄒云. 基于 DSM 的分時(shí)電價(jià)的進(jìn)一步研究[J]. 繼電器, 2002, 30(3): 20–22.TANG Yudong, WU Junji, ZOU Yun. Further research on the TOUrate based on DSM[J]. Relay, 2002, 30(3): 20–22.

[5]周博, 王博, 高松, 等. 基于用戶響應(yīng)的分時(shí)電價(jià)模型研究[J]. 智能電網(wǎng), 2016, 4(3): 307–311.ZHOU Bo, WANG Bo, GAO Song, et al. Time-of-use price modelbased on customer response[J]. Smart Grid, 2016, 4(3): 307–311.

[6]孫強(qiáng). 基于價(jià)格型需求響應(yīng)決策優(yōu)化模型的應(yīng)用研究[D]. 北京: 華北電力大學(xué), 2016.

[7]李春燕, 許中, 馬智遠(yuǎn). 計(jì)及用戶需求響應(yīng)的分時(shí)電價(jià)優(yōu)化模型[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2015, 27(3): 11–16.LI Chunyan, XU Zhong, MA Zhiyuan. Optimal time-of-useelectricity price model considering customer demand response[J].Proceedings of the CSU-EPSA, 2015, 27(3): 11–16.

[8]DARYANIAN B, BOHN R E, TABORS R D. Optimal demand-sideresponse to electricity spot prices for storage-type customers[J]. IEEETransactions on Power Systems, 2002, 4(3): 897–903.

[9]程瑜, 翟娜娜. 基于用戶響應(yīng)的分時(shí)電價(jià)時(shí)段劃分[J]. 電力系統(tǒng)自動(dòng)化, 2012, 36(9): 42–46, 53.CHENG Yu, ZHAI Nana. Electricity price peak and valley periodsdivision based on customer response[J]. Automation of ElectricPower Systems, 2012, 36(9): 42–46, 53.

[10]趙明, 董力, 李孟陽, 等. 基于時(shí)段聚類的峰谷電價(jià)時(shí)段確定方法研究[J]. 電力需求側(cè)管理, 2016, 18(4): 11–17.

[11]ZHAO Ming, DONG Li, LI Mengyang, et al. Periods divisionmethod for peak-valley prices based on clustering algorithm[J].Power Demand Side Management, 2016, 18(4): 11–17.郜璘. 基于用戶響應(yīng)的峰谷分時(shí)電價(jià)決策優(yōu)化模型的應(yīng)用研究[D]. 合肥: 合肥工業(yè)大學(xué), 2010.

[12]WOYCHIK E C. Optimizing demand response[J]. Public UtilitiesFortnightly, 2008(5): 52–56.

[13]孔祥玉, 楊群, 穆云飛, 等. 分時(shí)電價(jià)環(huán)境下用戶負(fù)荷需求響應(yīng)分析方法[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2015, 27(10): 75–80.KONG Xiangyu, YANG Qun, MU Yunfei, et al. Analysis method forcustomers demand response in time of using price[J]. Proceedings ofthe CSU-EPSA, 2015, 27(10): 75–80.

[14]劉繼東, 韓學(xué)山, 韓偉吉, 等. 分時(shí)電價(jià)下用戶響應(yīng)行為的模型與算法[J]. 電網(wǎng)技術(shù), 2013, 37(10): 2973–2978.LIU Jidong, HAN Xueshan, HAN Weiji, et al. Model and algorithmof customers' responsive behavior under time-of-use price[J]. PowerSystem Technology, 2013, 37(10): 2973–2978.

[15]董軍, 張曉虎, 李春雪, 等. 自動(dòng)需求響應(yīng)背景下考慮用戶滿意度的分時(shí)電價(jià)最優(yōu)制定策略[J]. 電力自動(dòng)化設(shè)備, 2016, 36(7): 67–73.DONG Jun, ZHANG Xiaohu, LI Chunxue, et al. Optimal TOUpricing strategy considering user satisfaction in automated demandresponse background[J]. Electric Power Automation Equipment,2016, 36(7): 67–73.

[16]阮文駿, 王蓓蓓, 李揚(yáng), 等. 峰谷分時(shí)電價(jià)下的用戶響應(yīng)行為研究[J]. 電網(wǎng)技術(shù), 2012, 36(7): 86–93.RUAN Wenjun, WANG Beibei, LI Yang, et al. Customer responsebehavior in time-of-use price[J]. Power System Technology, 2012,36(7): 86–93.

[17]唐杰明, 劉俊勇, 楊可, 等. 基于灰色模型和最小二乘支持向量機(jī)的電力短期負(fù)荷組合預(yù)測(cè)[J]. 電網(wǎng)技術(shù), 2009, 33(3): 63–68.TANG Jieming, LIU Junyong, YANG Ke, et al. Short-term loadcombination foreing by grey model and least square supportvector machine[J]. Power System Technology, 2009, 33(3): 63–68.

[18]隋惠惠. 基于 BP 神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)的研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2015.

[19]QUAIYUM S, YOUSUF I, KHAN S, et al. Artificial neural networkbased short term load foreing of power system[J]. InternationalJournal of Computer Applications, 2013, 16(4): 335–336.

[20]姜勇, 楊雪純, 王蓓蓓, 等. 計(jì)及需求響應(yīng)不確定性的智能用電雙向互動(dòng)仿真[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2016, 28(9): 48–55.JIANG Yong, YANG Xuechun, WANG Beibei, et al. Simulation ofsmart power consumption and bilateral interaction unsideringuncertainty of demand response[J]. Proceedings of the CSU-EPSA,2016, 28(9): 48–55.