[发明专利]一种考虑用户反弹特性的购售电方法

摘要

本发明公开了一种考虑用户反弹特性的购售电方法，步骤包括计算日前交易市场进行购电交易的负荷量以及实时交易市场进行购电交易的负荷量；计算售电商向用户的售电收益以及售电商在平衡市场进行直接交易的交易收益；计算售电商采取激励需求响应所需向用户给予的补偿；建立计及风险的售电商的可调负荷决策模型；利用遗传算法求解可调负荷决策模型得出可调负荷的调用方案以及在各级市场所需购买的电量。该购售电方法充分考虑并分别评估了影响售电商收益的各级市场因素，细化不同的激励方式对用户负荷特性的影响，同时考虑在不同购电市场下购电组合的优化策略，从而使售电商在购售电市场得到更多的利润。

主权项

一种考虑用户反弹特性的购售电方法，其特征在于，包括如下步骤：步骤1，计算日前双边交易市场进行购电交易的成本CB，以及实时交易市场进行购电交易的成本CP；步骤2，计算售电商向用户的售电收益Bsell，以及售电商在平衡市场进行直接交易的交易收益BRE；步骤3，计算售电商采取激励需求响应所需向用户给予的补偿，补偿包括中断补偿费用CDLC、售电商实际支出的前期补贴Ce、售电商实际支出的负荷调整补偿成本Cb以及为规避合同用户违约造成的风险损失罚金BBC；步骤4，建立售电商的可调负荷决策模型为：max[Bsell+BRE+BBC‑CP‑CB‑CDLC‑Cb‑Ce‑γRCVaR]式中，γ为售电商风险度量因子，表示售电商考虑风险的程度，γ＝0代表售电商不计风险以收益最大化为唯一目标，γ越大考虑风险的程度越大，代表售电商策略趋于保守，RCvaR为最大期望损失，RCVaR在置信度水平β下的在计算公式为：RCVaR,β=RVaR,β+(11-β)Σωπ(ω).[f(ω)-RVaR,β]+]]>式中，[f(ω)‑RVaR,β]+＝max[0,f(ω)‑RVaR,β]，β表示置信度水平，RCVaR,β表示在β下交易策略的期望风险损失，RVaR,β表示计算RCVaR,β辅助变量，f(ω)表示交易策略的损失函数，由收益期望与调用过后的实际差值表示；步骤5，利用matlab的遗传算法求解可调负荷决策模型得出可调负荷的调用方案以及在各级市场所需购买的电量。