基于時(shí)段聚類的峰谷電價(jià)時(shí)段確定方法研究

趙 明，董 力，李孟陽，高賜威，喻 潔（.云南省電力試驗(yàn)研究院（集團(tuán)）有限公司科學(xué)研究院，昆明 650000；.東南大學(xué) 電氣工程學(xué)院，南京 0096）

基于時(shí)段聚類的峰谷電價(jià)時(shí)段確定方法研究

趙 明1，董 力2，李孟陽1，高賜威2，喻 潔2
（1.云南省電力試驗(yàn)研究院（集團(tuán)）有限公司科學(xué)研究院，昆明 650000；2.東南大學(xué) 電氣工程學(xué)院，南京 210096）

合理的峰谷電價(jià)設(shè)置能夠極大地改善負(fù)荷特性。在考慮用戶需求響應(yīng)的基礎(chǔ)上，建立了峰谷時(shí)段動(dòng)態(tài)調(diào)整模型框架，由時(shí)段劃分、時(shí)段調(diào)整和效果評(píng)估三個(gè)模塊組成。預(yù)處理日負(fù)荷數(shù)據(jù)后，通過排序法和K-means聚類法劃分峰谷平時(shí)段，采用剔除或介紹友時(shí)段的方法處理孤立時(shí)段，比較時(shí)段調(diào)整前后設(shè)定指標(biāo)的變化情況評(píng)判時(shí)段調(diào)整效果，發(fā)現(xiàn)K-means聚類法更能反映季節(jié)對(duì)用戶用電行為產(chǎn)生的影響。某地區(qū)實(shí)例分析表明，當(dāng)時(shí)段-電價(jià)曲線與峰谷時(shí)段切合度較高時(shí)，可以削峰填谷，提高機(jī)組利用率，有利于激勵(lì)更多的需求響應(yīng)資源；反之，則會(huì)使得負(fù)荷特性指標(biāo)惡化。

需求響應(yīng)；峰谷電價(jià)；時(shí)段調(diào)整；排序分配；K-means聚類分配

峰谷電價(jià)是一項(xiàng)重要的基于價(jià)格的需求響應(yīng)手段［1］，它通過劃分峰谷平時(shí)段，設(shè)置不同的時(shí)段電價(jià)來引導(dǎo)用戶將一部分峰時(shí)段用電轉(zhuǎn)移到平時(shí)段或谷時(shí)段使用，從而削峰填谷，降低電網(wǎng)調(diào)峰壓力和發(fā)供電成本，提高機(jī)組利用率和系統(tǒng)穩(wěn)定性。

峰谷時(shí)段的關(guān)鍵問題分為時(shí)段劃分和電價(jià)制定兩部分，實(shí)施效果主要取決于用戶的響應(yīng)度。國內(nèi)外基于需求響應(yīng)機(jī)制就峰谷時(shí)段電價(jià)問題展開了研究。文獻(xiàn)［2］基于時(shí)段峰、谷隸屬度的模糊聚類理論，提出了一種考慮用戶需求響應(yīng)的時(shí)段劃分模型。文獻(xiàn)［3］結(jié)合運(yùn)行狀況建立了發(fā)電成本關(guān)于負(fù)荷的函數(shù)，根據(jù)該函數(shù)在負(fù)荷點(diǎn)的突變特征劃分時(shí)段區(qū)間。

我國在大多數(shù)省份已經(jīng)實(shí)施了峰谷電價(jià)，在江蘇、浙江、北京等省市峰谷電價(jià)的實(shí)施已有十多年的歷史。在此過程中，電價(jià)經(jīng)過多次調(diào)整，但是往往是基于煤價(jià)變動(dòng)引起的電價(jià)大小的調(diào)整，幾乎沒有針對(duì)峰谷時(shí)段的調(diào)整，如江蘇當(dāng)前執(zhí)行的峰谷電價(jià)時(shí)段與2002年最初制定的時(shí)段無異，廣東、云南等地也有類似的現(xiàn)象。這表明我國當(dāng)前的銷售電價(jià)變化主要是由發(fā)電成本變化觸發(fā)的，而對(duì)負(fù)荷特性的改變所引起的峰谷時(shí)段的變化沒有做合理的反映。

本文針對(duì)峰谷電價(jià)時(shí)段優(yōu)化的現(xiàn)實(shí)需要建立了考慮用戶需求響應(yīng)的時(shí)段調(diào)整模型框架，分別采用排序分配法和K-means聚類法對(duì)時(shí)段進(jìn)行劃分，剔除孤立時(shí)段的毛刺現(xiàn)象，得出最終的時(shí)段調(diào)整方案，并對(duì)調(diào)整后的時(shí)段分配情況進(jìn)行評(píng)估。時(shí)段-電價(jià)曲線和時(shí)段-負(fù)荷曲線的切合度，可反映實(shí)施峰谷電價(jià)機(jī)制的有效性。

1 峰谷時(shí)段調(diào)整模型框架

基于時(shí)段聚類的確定峰谷電價(jià)時(shí)段的模塊框架先對(duì)負(fù)荷數(shù)據(jù)進(jìn)行峰谷時(shí)段劃分，然后與已有時(shí)段進(jìn)行對(duì)比，提出調(diào)整方案，最后進(jìn)行方案評(píng)估，具體由以下3個(gè)模塊組成，如圖1所示。

圖1 峰谷時(shí)段調(diào)整流程圖

（1）基于負(fù)荷數(shù)據(jù)的時(shí)段劃分：對(duì)原始負(fù)荷數(shù)據(jù)中的無效數(shù)據(jù)和缺失數(shù)據(jù)進(jìn)行剔除和補(bǔ)充，得到初始數(shù)據(jù)。采用排序分配法和K-means聚類法分析初始數(shù)據(jù)的負(fù)荷峰谷特性，劃分峰谷時(shí)段。根據(jù)這兩種方法的優(yōu)缺點(diǎn)，可以結(jié)合具體情況交叉使用。

（2）時(shí)段調(diào)整：對(duì)比未調(diào)整的與時(shí)段劃分模型輸出的峰谷時(shí)段匹配情況，擬定初步的時(shí)段調(diào)整方案，對(duì)初步方案中的孤立時(shí)段再修正，用剔除或?qū)ふ矣褧r(shí)段的方法處理孤立時(shí)段，得到最終方案。

（3）效果評(píng)估：設(shè)定評(píng)估指標(biāo)，如峰谷時(shí)段不匹配率η、峰谷電量比α、總電費(fèi)變化率δ等，分析峰谷時(shí)段調(diào)整前后的指標(biāo)變化情況。

2 基于負(fù)荷數(shù)據(jù)的時(shí)段劃分模塊

2.1 數(shù)據(jù)預(yù)處理

由于負(fù)荷原始數(shù)據(jù)可能出現(xiàn)數(shù)據(jù)缺失或無效現(xiàn)象，為保證后續(xù)計(jì)算的可靠性，需要對(duì)其進(jìn)行一定的預(yù)處理工作。對(duì)于數(shù)據(jù)缺失現(xiàn)象，采用均值法，即對(duì)缺失數(shù)據(jù)前后的已知數(shù)值取平均值，填補(bǔ)缺失數(shù)據(jù)，可以驗(yàn)證若無尖峰情況此處理方法造成的誤差很小。均值法的公式為

式中：lp表示填補(bǔ)的負(fù)荷數(shù)據(jù)，lp-1和lp+1表示缺失數(shù)據(jù)前后已知的2個(gè)負(fù)荷值。

對(duì)于數(shù)據(jù)無效現(xiàn)象，采用剔除法。判斷數(shù)據(jù)是否為無效數(shù)據(jù)的方法是檢驗(yàn)每個(gè)數(shù)據(jù)值與其前后數(shù)據(jù)平均值的相近度，假設(shè)相近度S小于0.1時(shí)，認(rèn)為此數(shù)據(jù)點(diǎn)無效。剔除該點(diǎn)，用處理缺失數(shù)據(jù)的均值法在此處填充新的數(shù)據(jù)點(diǎn)。設(shè)lp為根據(jù)前后兩個(gè)已有數(shù)據(jù)計(jì)算出的平均值，即，li為原始數(shù)據(jù)值，相近度公式為

2.2 負(fù)荷-電價(jià)匹配分析

對(duì)預(yù)處理后的初始負(fù)荷數(shù)據(jù)進(jìn)行特性劃分，分析峰平谷時(shí)段匹配度。調(diào)整周期人為設(shè)定，如月度、季度、年度等，為了保證用電結(jié)構(gòu)的穩(wěn)定性，時(shí)段調(diào)整不宜太過頻繁，因此實(shí)際應(yīng)用中常以年度為調(diào)整周期。將調(diào)整周期內(nèi)的日負(fù)荷值抽象處理為24個(gè)時(shí)點(diǎn)對(duì)應(yīng)的平均負(fù)荷值，計(jì)算公式為

式中：lti表示24個(gè)時(shí)點(diǎn)對(duì)應(yīng)的負(fù)荷值，ltinj表示調(diào)整周期內(nèi)對(duì)應(yīng)時(shí)點(diǎn)的日負(fù)荷值，N為調(diào)整周期總天數(shù)。因此，典型日負(fù)荷曲線上各時(shí)點(diǎn)組成的時(shí)點(diǎn)集合為T=｛t1，t2，…，t24｝，各時(shí)點(diǎn)對(duì)應(yīng)的負(fù)荷值集合為L=｛lt1，lt2，…，lt24｝。

本文采用排序分配和K-means聚類2種峰谷時(shí)段劃分方法。排序分配法是提前確定峰谷平各自的時(shí)段數(shù)，用排序法劃分。而K-means聚類法是在不確定峰谷平時(shí)段數(shù)的前提下，僅通過數(shù)據(jù)特性進(jìn)行聚類分析。

（1）排序分配法

峰谷平時(shí)段數(shù)可具體指定。假設(shè)峰谷平分別為24 h的平均分配，則負(fù)荷值最高的8 h對(duì)應(yīng)峰時(shí)段，最低的8 h對(duì)應(yīng)谷時(shí)段，剩余的8 h對(duì)應(yīng)平時(shí)段。

式中：ri為24小時(shí)的升序編號(hào)ri=1，2，…，24，再按照排列順序平均劃分為峰谷平3個(gè)時(shí)段，即

（2）K-means聚類分配法

K-means聚類法給定一個(gè)數(shù)據(jù)點(diǎn)集合和需要的聚類數(shù)目，根據(jù)特定的距離函數(shù)通過迭代將數(shù)據(jù)點(diǎn)移入各聚類域中，實(shí)現(xiàn)步驟為：

步驟1：給定24個(gè)時(shí)段的負(fù)荷樣本數(shù)據(jù)集，令迭代次數(shù)為R，指定聚類數(shù)為3，即峰、平、谷，隨機(jī)選取3個(gè)負(fù)荷值作為初始聚類中心Cj（r），其中 j=1，2，3；r=1，2，…，R。

步驟2：計(jì)算樣本空間中每個(gè)數(shù)據(jù)對(duì)象與初始聚類中心的相似度距離D（Xi，Cj（r），其中i=1，2，…，24，形成簇W ，如果滿足式（6）

則Xi∈Wj，Xi記為ω；其中ε為任意給定的正數(shù)。

步驟3：計(jì)算3個(gè)新的聚類中心，計(jì)算公式為

聚類準(zhǔn)則函數(shù)值為

步驟4：判斷聚類是否合理，判斷公式為

若合理則迭代終止，若不合理則返回步驟2、3繼續(xù)迭代。

用K-means算法將24個(gè)時(shí)段的負(fù)荷平均值進(jìn)行聚類分析，結(jié)果為

式中：ki為24個(gè)時(shí)段對(duì)應(yīng)的類別數(shù)，聚類后劃分為峰谷平3個(gè)時(shí)段

通過以上2種方法分別得到峰谷平時(shí)段數(shù)組Dr=｛dr1，dr2，…，dr24｝和Dk=｛dk1，dk2，…，dk24｝，未調(diào)整的峰谷時(shí)段數(shù)組為K=｛k1，k2，…，k24｝，3、2、1這3個(gè)數(shù)值分別對(duì)應(yīng)峰、平、谷3個(gè)時(shí)段

將時(shí)段劃分情況與未調(diào)整時(shí)段進(jìn)行對(duì)比，得到匹配數(shù)組Match=｛m1，m2，…，m24｝，即

式中：di=dri或di=dki，且1代表匹配，0代表不匹配。

3 時(shí)段調(diào)整模塊

3.1 初步修正

根據(jù)24 h匹配數(shù)組的定義初步得到結(jié)論：需要對(duì)數(shù)組中匹配數(shù)值為0對(duì)應(yīng)的時(shí)段進(jìn)行峰谷平調(diào)整。給出初步時(shí)段修正方案R=｛r1， r2，…，r24｝，表示為

式中：ri表示初步方案中的時(shí)段分類。

3.2 再修正

由于初步的峰谷平時(shí)段修正方案中可能出現(xiàn)孤立時(shí)段的毛刺現(xiàn)象，而在實(shí)際操作過程中，不建議僅為孤立時(shí)段變換峰谷電價(jià)。因此，需要對(duì)初步的修正方案進(jìn)行再修正，具體方法為：

方案1：還原孤立時(shí)段原始狀態(tài)。若時(shí)段調(diào)整后導(dǎo)致該時(shí)段或其前后時(shí)段成為孤立時(shí)段，則還原該時(shí)段原始的峰谷平類別。

方案2：合理改變孤立時(shí)段前后時(shí)段狀態(tài)，為孤立時(shí)段介紹友時(shí)段。

驗(yàn)證調(diào)整周期選擇的合理性。確定最終的時(shí)段調(diào)整方案后，縮短調(diào)整周期重新劃分時(shí)段，比較各月度時(shí)段分配的不匹配率θ。

若不匹配率較小，小于設(shè)定值θs，則最終的時(shí)段調(diào)整方案可不做細(xì)化；若較大，則需要按照縮短后的周期重設(shè)部分峰谷時(shí)段。時(shí)段劃分一般以年為周期，若選取一年的日負(fù)荷數(shù)據(jù)進(jìn)行峰谷時(shí)段調(diào)整后，不匹配率仍然不能滿足要求，則可以縮短調(diào)整周期，如：半年、季度、月度等，時(shí)段調(diào)整的方法與之前一致，直到不匹配率滿足要求為止。

4 效果評(píng)估模塊

設(shè)定時(shí)段調(diào)整的效果評(píng)估指標(biāo)，如：峰谷時(shí)段不匹配率θ、峰谷電量比α、總電費(fèi)變化率δ等，對(duì)比調(diào)整前后對(duì)應(yīng)指標(biāo)值是否有所改善，從而分析時(shí)段調(diào)整的有效性。

（1）峰谷時(shí)段不匹配率θ

繪制一段時(shí)期的時(shí)段-電價(jià)曲線和時(shí)段-負(fù)荷曲線（調(diào)整周期內(nèi)每小時(shí)平均負(fù)荷），對(duì)比峰谷平時(shí)段匹配情況，統(tǒng)計(jì)不匹配小時(shí)數(shù)H，定義峰谷電價(jià)時(shí)段不匹配率θ為

如果時(shí)段調(diào)整后不匹配率明顯降低，則表明電價(jià)設(shè)定較好地反映了負(fù)荷特性。

（2）峰谷電量比α

峰谷電量比指用戶峰時(shí)段的平均負(fù)荷與谷時(shí)段的平均負(fù)荷的比值，比值大小反映了機(jī)組的利用率，計(jì)算公式為

式中：Li和Lj分別為峰時(shí)段和谷時(shí)段各小時(shí)平均負(fù)荷，n和m分別為峰時(shí)段和谷時(shí)段時(shí)長。

如果時(shí)段調(diào)整后峰谷電量比值明顯降低，則表明機(jī)組的利用率有所提高。

（3）總電費(fèi)變化率δ

峰谷時(shí)段的調(diào)整會(huì)改變各時(shí)段對(duì)應(yīng)的電價(jià)，而電價(jià)是引導(dǎo)用戶改變自身用電行為最直接有效的方式。定義所有電力用戶繳納的電費(fèi)變化率δ為

式中：Li，Li′和Pi，Pi′表示時(shí)段調(diào)整前后各時(shí)段的負(fù)荷值以及對(duì)應(yīng)的電價(jià)。

5 實(shí)例分析

根據(jù)模型框架中3個(gè)子模塊的具體實(shí)現(xiàn)方法，結(jié)合2011年某省全年的日負(fù)荷值和峰谷電價(jià)時(shí)段劃分，提出最終的時(shí)段調(diào)整修正方案，具體分析步驟如下。

首先預(yù)處理原始負(fù)荷數(shù)據(jù)。用均值法填補(bǔ)缺失數(shù)據(jù)，剔除法找出并去除無效數(shù)據(jù)，并用均值法替換為有效數(shù)據(jù)。

分別以年度、春夏季、秋冬季為時(shí)段調(diào)整周期，利用公式（3）將數(shù)據(jù)處理為24個(gè)時(shí)點(diǎn)對(duì)應(yīng)的平均負(fù)荷值，繪制時(shí)段-負(fù)荷曲線和時(shí)段-電價(jià)曲線，如圖2所示。

圖2 2011年某省時(shí)段-負(fù)荷和時(shí)段-電價(jià)曲線

圖中春夏季、秋冬季以及全年的負(fù)荷曲線隨時(shí)段變化趨勢(shì)相近，結(jié)合實(shí)際情況，選取全年為時(shí)段調(diào)整周期。

（1）排序劃分法

抽象處理全年日負(fù)荷數(shù)據(jù)，得到與24個(gè)時(shí)段相對(duì)應(yīng)的平均負(fù)荷值，并按升序排列，按照峰平谷分別8個(gè)時(shí)段的方法平均分配，結(jié)果如表1所示。

表1 2011全年初始的排序法時(shí)段劃分表

由表1可知，9：00～12：00，17：00～18：00，20：00～22：00這6個(gè)時(shí)段需要進(jìn)行調(diào)整，其中若修改時(shí)段9：00～10：00，17：00～18：00，20：00～21：00，則會(huì)出現(xiàn)孤立時(shí)段8：00～9：00和18：00～20：00。2種再修正方案為：

方案1：將9：00～10：00，17：00～18：00，20：00～21：00時(shí)段的狀態(tài)分別還原為平、平、峰時(shí)段。

方案2：為孤立時(shí)段介紹友時(shí)段。根據(jù)孤立對(duì)象前后時(shí)段的峰谷分布及不匹配情況，分別將8：00～9：00，18：00～19：00，19：00～20：00變?yōu)榉?、峰、平時(shí)段。

由于用方案1和方案2對(duì)初始時(shí)段調(diào)整方案再修正后，全年的峰谷時(shí)段不匹配率均為12.5%，為細(xì)化方案效果，將周期縮短為月度重新劃分時(shí)段。表2列舉了按月度劃分時(shí)段與按方案1修正后分配時(shí)段的不匹配率，月度總不匹配度為19.44%。

表2 按月度劃分時(shí)段與方案1的不匹配情況

由表2可知，方案1修正后的不匹配率較高，需輔以方案2進(jìn)行修正。方案2中若將8：00～9：00改為峰時(shí)段，月度總不匹配率為19.79%；若將18：00～19：00改為峰時(shí)段，月度總不匹配率為15.625%；若將19：00～20：00改為平時(shí)段，月度總不匹配率為14.58%。

因此，綜合方案1、方案2，還原9：00～10：00為平時(shí)段，并調(diào)整18：00～19：00為峰時(shí)段，19：00～20：00為平時(shí)段，使其分別成為17：00～18：00，20：00～21：00時(shí)段的友時(shí)段。此時(shí)，年度的峰谷時(shí)段不匹配率為12.5%，月度總不匹配率為6.59%，修正后峰谷時(shí)段的不匹配率大大降低。表3列舉了按月度劃分的時(shí)段分配與最終調(diào)整方案的不匹配率，最終的時(shí)段調(diào)整方案如表4所示。

表3 最終按月度劃分時(shí)段的不匹配情況

需要調(diào)整的是10：00～12：00、17：00～22：00共7個(gè)時(shí)段。時(shí)段調(diào)整后總電費(fèi)變化率為2.635%，即峰谷電價(jià)時(shí)段調(diào)整后，短期內(nèi)電網(wǎng)公司收取的電費(fèi)會(huì)有所增加。這將會(huì)引導(dǎo)用戶改變自身的用電行為，以響應(yīng)峰谷時(shí)段的變化。峰谷時(shí)段重新劃分后，對(duì)比圖3中時(shí)段-負(fù)荷曲線與時(shí)段-電價(jià)曲線，可以發(fā)現(xiàn)兩條曲線的切合度提高。

表4 2011全年最終的排序法時(shí)段劃分表

圖3 2011年某省排序法的時(shí)段-負(fù)荷和時(shí)段-電價(jià)曲線

（2）K-means聚類分配法

抽象處理全年日負(fù)荷數(shù)據(jù)，得到與24個(gè)時(shí)段相對(duì)應(yīng)的平均負(fù)荷值，用K-means聚類法將時(shí)段劃分為峰平谷3類，結(jié)果如表5所示。

表5 2011全年初始的K-means法時(shí)段劃分表

由表5可知，9：00～12：00，17：00～18：00，19：00～22：00這7個(gè)時(shí)段需要進(jìn)行調(diào)整，其中若修改時(shí)段9：00～10：00，則會(huì)出現(xiàn)孤立時(shí)段8：00～9：00，2種再修正方案為：

方案1：將9：00～10：00時(shí)段的狀態(tài)還原為平時(shí)段。

方案2：為孤立時(shí)段介紹友時(shí)段。根據(jù)孤立對(duì)象前后時(shí)段的峰谷分布及不匹配情況，將8：00～9：00時(shí)段變?yōu)榉鍟r(shí)段。

因?yàn)橛梅桨?和方案2對(duì)初始時(shí)段調(diào)整方案再修正后，全年的峰谷時(shí)段不匹配率均為4.17%，所以為細(xì)化方案效果，將周期縮短為月度重新劃分時(shí)段。表6列舉了按月度劃分時(shí)段與按方案1修正后分配時(shí)段的不匹配率，月度總不匹配率為16.67%。

表6 方案1按月度劃分時(shí)段的不匹配情況

由表6可知，方案1修正后的不匹配率很高，需輔以方案2進(jìn)行修正。方案2中若將8：00～9：00改為峰時(shí)段，月度總不匹配率為15.97%，仍沒有較大改善。

雖然以K-means法得出的峰谷時(shí)段劃分結(jié)果的年度不匹配率很小，但是月度的不匹配率較大?？芍?，用K-means法能反映出不同月度用電變化，僅對(duì)年度進(jìn)行時(shí)段的總體調(diào)整是不可取的。根據(jù)各月度時(shí)段不匹配情況，重新劃分峰谷時(shí)段，得到結(jié)果如表7至表10所示。

按季節(jié)分別劃分峰谷時(shí)段后，月度總不匹配率為5.90%，修正后峰谷時(shí)段的不匹配率大大降低，最終各月度的時(shí)段劃分不匹配情況如表11所示?？傠娰M(fèi)變化率為3.306%，調(diào)整方案能夠引導(dǎo)用戶的用電行為。

K-means聚類法更加注重對(duì)數(shù)據(jù)潛在特性的類別劃分，而不僅僅是排序分類。因此，K-means法更能體現(xiàn)出季節(jié)對(duì)用戶用電行為的影響。

表7 2011年1—3月K-means法時(shí)段劃分表

表8 2011年4月、5月K-means法時(shí)段劃分表

表9 2011年6—9月K-means法時(shí)段劃分表

表10 2011年10—12月K-means法時(shí)段劃分表

表11 最終按月度劃分時(shí)段的不匹配情況

6 結(jié)束語

設(shè)置峰谷電價(jià)時(shí)段是需求側(cè)響應(yīng)的有效措施，時(shí)段的合理劃分與調(diào)整對(duì)實(shí)施峰谷電價(jià)機(jī)制具有重要意義。本文就時(shí)段劃分問題，提出了考慮需求側(cè)響應(yīng)的峰谷時(shí)段調(diào)整模型框架。本框架由三個(gè)模塊構(gòu)成，即基于負(fù)荷數(shù)據(jù)的時(shí)段劃分模塊、時(shí)段調(diào)整模塊以及效果評(píng)估模塊。時(shí)段劃分模塊運(yùn)用了排序分配法和K-means聚類分配法劃分時(shí)段，時(shí)段調(diào)整模塊采用剔除或介紹友時(shí)段的方法處理孤立時(shí)段，效果評(píng)估模塊結(jié)合設(shè)定指標(biāo)，對(duì)比了這兩種分配方法的優(yōu)缺點(diǎn)，分析了時(shí)段調(diào)整的意義，發(fā)現(xiàn)K-means聚類法更能反映季節(jié)對(duì)用戶用電行為的影響。最終得出結(jié)論：當(dāng)時(shí)段-電價(jià)曲線與時(shí)段-負(fù)荷曲線切合度較高時(shí)，峰谷時(shí)段機(jī)制可以正確引導(dǎo)用戶的用電行為，最終達(dá)到削峰填谷的目的，降低投資成本，提高機(jī)組利用率，促進(jìn)需求響應(yīng)的良性發(fā)展。相反，較低的曲線切合度會(huì)使供需問題變得更加嚴(yán)峻。最后必須提及的是本文在考慮電價(jià)時(shí)段時(shí)并未計(jì)及電價(jià)響應(yīng)的效果，相應(yīng)的需求響應(yīng)體現(xiàn)在動(dòng)態(tài)的電價(jià)調(diào)整機(jī)制中，這也是較為符合實(shí)際工程需要的一種做法。

［1］ 靳華偉，秦立軍，陳茜，等.關(guān)于智能電網(wǎng)中需求側(cè)響應(yīng)技術(shù)的探討［J］.中國電業(yè)（技術(shù)版），2011（7）：17-22.

［2］ 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，2012，9（36）：42-47.

［3］ 林旻，朱艷卉，胡百林.基于供電成本的峰谷時(shí)段劃分及分時(shí)電價(jià)研究［J］.華東電力，2005，33（12）：90-91.

［4］ 李震，洪添勝，曾祥業(yè)，等.基于K-means聚類的柑橘紅蜘蛛圖像目標(biāo)識(shí)別［J］.農(nóng)業(yè)工程學(xué)報(bào)，2012（23）：147-153.

［5］ 王千，王成，馮振元，等.K-means聚類算法研究綜述［J］.電子設(shè)計(jì)工程，2012，20（7）：21-24.

［6］ 劉寶華.從需求側(cè)管理到需求側(cè)響應(yīng)［J］.電力需求側(cè)管理，2005，7（5）：10-13.

［7］ 黃韜，劉勝輝.基于K-means聚類算法的研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2011，21（7）：54-62.

［8］ 黃震華，向陽.一種進(jìn)行K-means聚類的有效方法［J］.模式識(shí)別與人工智能，2010，23（4）：516-523.

［9］ 鄒云.實(shí)施峰谷電價(jià)的基本原則探析［J］.電力需求側(cè)管理，2003，5（6）：13-15.

［10］ 全生明，盧鍵明.需求側(cè)響應(yīng)機(jī)制的國際經(jīng)驗(yàn)及對(duì)我國的啟示［J］.電力需求側(cè)管理，2009，11（2）：73-76.

［11］ 王蓓蓓，李楊，高賜威.智能電網(wǎng)框架下的需求側(cè)管理展望與思考［J］.電力系統(tǒng)自動(dòng)化，2009，33（20）：18-22.

［12］ 唐捷，胡秀珍，任震，等.峰谷分時(shí)電價(jià)定價(jià)模型研究［J］.電力需求側(cè)管理，2007，9（3）：12-16.

［13］ 譚東.廣東省峰谷電價(jià)實(shí)施及大工業(yè)用戶響應(yīng)研究［J］.湖北電力，2003，27（5）：55-57.

［14］ 楊大雄，陳雁.上海市峰谷分時(shí)電價(jià)特性與效益分析［J］.華東電力，2005，33（11）：20-23.

［15］ 黃永浩，康重慶，李輝，等.用電需求曲線建模及其應(yīng)用［J］.電工電能新技術(shù)，2004，23（1）：29-33.

［16］ 秦禎芳，岳順民，余貽鑫.零售端電力市場中的電量電價(jià)彈性矩陣［J］.電力系統(tǒng)自動(dòng)化，2004，28（5）：16-19.

Periods division method for peak-valley prices based on clustering algorithm

ZHAO Ming1，DONG Li2，LI Meng?yang1，GAO Ci?wei2，YU Jie2
（1.Electric Power Academy，Yunnan Electric Power Experiment Research Institute（Group）Co.Ltd.，Kunming 650000，China；2.School of Electrical Engineering，Southeast University，Nanjing 210096，China）

Reasonable periods division of peak-valley price can greatly improve load characteristics.Based on the customers' demand response，this dynamic adjustment model framework of peakvalley periods is established，which is composed by three modules of period division，adjustment and assessment.After preprocessing daily load data，all the periods are divided into three categories named as peak，normal and valley，with the use of sorting method and K-means clustering method.Considering the actual operating conditions，the method removes or introduces the friend periods to the isolated periods.After discussing the index changes to judge the implementation effect，the phenomenon shows that K-means clustering method can better reflect the impact of seasonal variation on the consumers'electricity consumption behavior.At last，this model is applied on the real data of some regions.The results demonstrate that when the period-price curve highly matches with the peak-valley periods，this model can effectively shift peak load，improve the efficiency of generator set and stimulate demand response through the adjustment of time period partition scheme.On the contrary，the load characteristic index will be worsened.

demand response；peak-valley price；period adjustment；sorting division；K-means clustering division

TM731

A

10.3969/j.issn.1009-1831.2016.04.003

2016-04-27；修回日期：2016-06-21

云南省電網(wǎng)公司科技項(xiàng)目（項(xiàng)目名稱：基于用戶能效特性的電網(wǎng)需響應(yīng)關(guān)鍵技術(shù)研究）。江蘇省青藍(lán)工程資助。國家自然科學(xué)基金項(xiàng)目（51577029）國家高技術(shù)研究發(fā)展計(jì)劃（國家863計(jì)劃）項(xiàng)目（2015AA050401）

趙明（1964），男，云南大理人，教授級(jí)高工，碩士，研究方向?yàn)殡娋W(wǎng)運(yùn)行與調(diào)控技術(shù)；董力（1993），女，江蘇揚(yáng)州人，碩士研究生，研究方向?yàn)殡娏κ袌雠c電力需求響應(yīng)；李孟陽（1987），男，云南個(gè)舊人，工程師，碩士，研究方向?yàn)殡娏ο到y(tǒng)通信及控制。