基于形態(tài)匹配的大用戶直購電撮合模型

1、基于形態(tài)匹配的大用戶直購電撮合模型胥威汀1，劉俊勇1，趙巖2，李磊2，劉友波1，姚珺玉11. 四川大學電氣信息學院 智能電網(wǎng)四川省重點實驗室，四川省 成都市 6100651；2. 上海市電力公司，上海市 浦東新區(qū) 200122Bilateral Patterns Technology Matching Model for Direct Power-Purchase TransactionXu Weiting1, Liu Junyong1, Zhao Yan 2, Li Lei2, Liu Youbo1, Yao Junyu1,1.School of Electrical Engineering

2、 and Information，Sichuan University，Chengdu 610065； 2.Shanghai Municipal Electric Power Company，Pudong New District，Shanghai 200122，ChinaABSTRACT: Traditional direct power-purchase transaction mostly based on the matching of bilateral quantity and prices of electricity. It is lack of effective means

3、 to optimizing the quality of electric transmission of direct power-purchase. This paper starts with the historical electric characteristic curves of the purchase and sales sides. An auxiliary model for transaction which is based on bilateral patterns technology matching is built in this paper. Dire

4、ct power-purchase scheme which is beneficial to grid dispatching and reserve reduction is discussed in the direct power-purchase market environment. Model uses multi-objective correlation analysis as the core, clustering process as the base, information entropy as the evaluation to construct a combi

5、nation method which can provide a reference of electric characteristic curve shape for making the direct power-purchase scheme. The data collected from a power company is used in this paper as an example of matching analysis. It verifies the validity of the model.KEY WORD: direct power-purchase tran

6、saction；matching；bilateral pattern摘要：傳統(tǒng)大用戶直購電交易多是基于雙邊電量和電價的撮合，缺乏優(yōu)化直購電中電網(wǎng)運營的有效手段。本文單從直購雙方電力特性曲線形態(tài)入手，提出了一種基于雙邊形態(tài)技術(shù)匹配的交易輔助模型，探討了直購電市場環(huán)境下有利于電網(wǎng)調(diào)度、減少電網(wǎng)備用的直購方案的制定。模型以多目標關(guān)聯(lián)度分析為核心，以聚類處理為基礎(chǔ)，以熵值計算為評價方式，構(gòu)建了一套為直購方案的制定提供電力特性曲線形態(tài)方面參考的方法。本文以某電力公司采集的數(shù)據(jù)為例進行匹配分析，驗證了該模型的有效性。關(guān)鍵詞：直購電交易；匹配；雙邊形態(tài)1 引言大用戶直購電交易已成為當前研究熱點。其研究涉及了

7、直購電的交易模式1、定價策略2和用戶評價3。文獻4引入價格彈性和現(xiàn)貨市場提出了一種大用戶直購定價模型；文獻5討論了電力市場雙邊交易中的不平衡量問題，并提出了整合不平衡量的方法；文獻6對比總結(jié)了國內(nèi)外大用戶直購模式，對國內(nèi)直購電交易提出了關(guān)于輸配電價、用戶準入以及交易空間等建議；可見，當前對大用戶直購電交易的研究著重于電量和電價?；诹亢蛢r的撮合式交易有利于發(fā)配總量的平衡以及各方利益的協(xié)調(diào)，但對于直購電交易中的電網(wǎng)運營卻未予以考慮。電監(jiān)會關(guān)于完善電力用戶與發(fā)電企業(yè)直接交易試點工作有關(guān)問題的通知中建議委托電網(wǎng)企業(yè)對直接交易余缺電量進行調(diào)劑，說明直購電交易中的確存在不確定性波動需要電網(wǎng)公司統(tǒng)籌平衡。

8、引入針對購售雙邊電力特性曲線形態(tài)的研究構(gòu)建直購電交易模型是探討該問題的有效方法。區(qū)別于傳統(tǒng)基于電量和電價的撮合式交易模式，本文在精細劃分購售兩側(cè)成員的基礎(chǔ)上提出了一個基于關(guān)聯(lián)度計算的直購電雙邊形態(tài)技術(shù)匹配模型。該模型能夠使具有相似電力特性的發(fā)電和用戶集群進行配對直購，使電網(wǎng)公司不需要因為大用戶的負荷波動而過多地去實時控制發(fā)電曲線或調(diào)用備用，降低了電網(wǎng)運行的不確定性，而相應電廠和大用戶只需按照各自計劃發(fā)電、用電，維持其正常的電力行為。利用信息熵定義一個用于綜合評價匹配方案的指標，為制定考慮電網(wǎng)高效運營的大用戶直購電交易方案提供一定技術(shù)參考。2 雙邊形態(tài)技術(shù)匹配模型關(guān)鍵技術(shù)2.1 失真數(shù)據(jù)預處理本

9、文匹配分析的對象是直購電購售兩側(cè)的電力特性曲線，所以首先需要提取出客觀合理的樣本。由于受通信中斷或干擾，樣本數(shù)據(jù)失真難以避免。設短時內(nèi)數(shù)據(jù)縱向相似，即3個連續(xù)數(shù)據(jù)的中點無突變，且附近同類日曲線橫向相似。可通過樣本統(tǒng)計指標及預設閾值判斷失真數(shù)據(jù)。式(1)-(4)表示同類型日橫向數(shù)據(jù)失真的判定與修正過程。 (1) (2) (3) (4)式中，為第n天第i點數(shù)據(jù)，N為數(shù)據(jù)集大小。式(3)利用原理進行失真判斷。式(4)引入3個總和為1的權(quán)重1、1、1對數(shù)據(jù)進行修正。為附近2個橫向負荷，為最近2個相似日負荷點。為判斷縱向失真，將連續(xù)5個數(shù)據(jù)點平均化，形成平滑序列，利用式(5)-(7)處理縱向失真： (5

10、) (6) (7)式中，為失真閾值，用于判斷縱向失真，取0.080.15。滿足式(6)失真條件，則用式(7)對數(shù)據(jù)進行修正，參數(shù)滿足。2.2 雙邊直購成員關(guān)聯(lián)度計算關(guān)聯(lián)分析法在模型中用于確定直購電交易匹配方案。購售兩側(cè)的曲線關(guān)聯(lián)度若滿足較高水平的關(guān)聯(lián)閾值，其變化趨勢則必然相似，則認為該組配對滿足匹配要求。若方案中各組配對均滿足對應閾值，則判斷該方案為可行匹配方案，列入?yún)⒖记鍐?。關(guān)聯(lián)分析的計算公式為7： (8)(9)式中，(0<<1)為分辨系數(shù)，取=0.5，n為曲線的維度，k為其中負荷值的序號，y0(k)為組合曲線的均值，yi(k)為各匹配組合方案的特性曲線。2.3 聚類算法及其評判

11、指標聚類算法在模型中主要起到按照電力特性劃分直購電廠和大用戶集的作用，屬于匹配模型的優(yōu)化模塊。按照聚類集群直購的方式進行撮合交易能夠在保證參與集完整性的同時提高匹配分析效率，并為按照雙邊電力特性擬定差別過網(wǎng)電價奠定基礎(chǔ)。本小節(jié)即介紹實現(xiàn)聚類操作的一套組合算法。模型分析的對象是直購雙邊特性曲線形態(tài)。為去除數(shù)量級對形態(tài)分析的影響，首先需要對兩側(cè)數(shù)據(jù)進行歸一化處理8。 (10)式中，li為歸一化后i點數(shù)據(jù)，li min和li max分別為數(shù)據(jù)序列的最小值和最大值。歸一化處理將用戶負荷特性數(shù)據(jù)壓縮在0,1區(qū)間中，并保持其特性。自組織映射神經(jīng)網(wǎng)絡（Self-Organizing Map, SOM）能夠在

12、保持直購參與方電力特性的基礎(chǔ)上實現(xiàn)n維曲線到2維平面點的數(shù)據(jù)降維，而K-means算法能對SOM輸出平面的激活神經(jīng)元進行聚類劃分9。該組合在處理大型數(shù)據(jù)集時非常有效，它被廣泛運用于與數(shù)據(jù)挖掘相關(guān)的問題中10。另外，為了設定合理的聚類劃分數(shù)目，引入2個聚類效果評判指標：1) R2統(tǒng)計量(RSQ)： (11)式中，PG為G個類時的內(nèi)離差平放的總和，T為總離差平方和： (12) (13)式中，xi為第i個負荷序列，CK為當前類，為各類的均值，為當前類的均值。R2越大，說明每類內(nèi)的離差平方都較小，即數(shù)目越合適。2) 偽F統(tǒng)計量(PSF)： (14)式中，n為樣本個數(shù)。類內(nèi)離差平方和(分母)越小，類間平

13、方和(分子)越大，說明劃分數(shù)目越合適，即F統(tǒng)計量出現(xiàn)峰值而類數(shù)G較小的情況11。2.4 基于信息熵的綜合評價方法熵值法是在客觀條件下，由評價指標值構(gòu)成的判斷矩陣來確定指標權(quán)重的方法12。在模型中用于對各直購方案短、中、長期相關(guān)度賦予權(quán)重，定義匹配度指標，以綜合評價直購方案的匹配程度。熵值法的具體操作如下：建立n組直購電交易方案中m個關(guān)聯(lián)指標的判斷矩陣G = (bij)n×m(i=1,2,n，j=1,2,m)。關(guān)聯(lián)指標屬于大者為優(yōu)指標，則矩陣的標準化公式為： (15)根據(jù)熵的定義，可確定關(guān)聯(lián)指標的熵： (16)式中。則各指標的熵權(quán)i為： (17)3 直購電雙邊形態(tài)技術(shù)匹配模型3.1 直

14、購電雙邊形態(tài)的技術(shù)匹配流程從直購市場中電網(wǎng)企業(yè)的角度出發(fā)，以降低直購電交易過程中負荷波動的不確定性、節(jié)省系統(tǒng)備用為目的建立模型，撮合曲線相似的電廠和用戶達成交易，約束隨機波動，鼓勵形態(tài)匹配。本文構(gòu)建的雙邊形態(tài)技術(shù)匹配模型主要由數(shù)據(jù)輸入、聚類模塊、遍歷組合配對、關(guān)聯(lián)計算、權(quán)重設定等子模塊組成。模型分析流程為：1）購售兩側(cè)的計劃曲線提交到形態(tài)匹配平臺之后，經(jīng)過預處理和聚類，數(shù)據(jù)集被劃分為數(shù)個典型的形態(tài)類別。各類內(nèi)疊加量變形不變，以集群參與直購則不影響形態(tài)匹配的效果，并能優(yōu)化樣本，提高形態(tài)分析效率；2）遍歷疊加購售兩側(cè)的組合，計算形態(tài)關(guān)聯(lián)度，提取出滿足閾值要求的匹配方案，詳見2.2節(jié)；3）成功納入備

15、選的匹配方案通過對其內(nèi)部多組配對的關(guān)聯(lián)度分析，得到評價該方案的相關(guān)度指標，詳見2.3節(jié)；4）結(jié)合方案的中、長期特性的相關(guān)度，運用信息熵算法對其賦予權(quán)重，得出一個匹配度指標，對方案雙邊電量和負荷形態(tài)匹配程度作總體評價。關(guān)于完善電力用戶與發(fā)電企業(yè)直接交易試點工作有關(guān)問題的通知要求發(fā)電企業(yè)、大用戶應當將負荷曲線事先報電網(wǎng)企業(yè)，由電網(wǎng)企業(yè)安全校核后納入系統(tǒng)平衡。電網(wǎng)企業(yè)可事先對上報的曲線進行以上形態(tài)匹配分析，得出各種交易方案的匹配度指標，供撮合、定價、激勵等參考。3.2 匹配方案評價指標的定義假設聚類劃分之后，購售兩側(cè)分別有m和n個集群參與匹配。在匹配模塊中，分別對它們?nèi)?m和1n個集群進行遍歷疊加，

16、任意一組組合方式都與另一側(cè)的方案進行關(guān)聯(lián)度分析；對于剩下的參與集群，繼續(xù)遍歷匹配，直到有一側(cè)參與直購的對象集合為0；多次配對均滿足關(guān)聯(lián)閾值的方案列入備選，輸入接下來的功能模塊。集群組合使曲線形態(tài)多樣化，避免了因為購售兩側(cè)形態(tài)單一而缺乏相應匹配的情況，增強了模型的適應性。3.3 匹配方案的實現(xiàn)匹配方案中的每一組購售配對都對應了一個形態(tài)關(guān)聯(lián)度，如何分配各關(guān)聯(lián)度的權(quán)重以客觀的評價整個匹配方案的吻合程度，這里引入直購兩側(cè)的電量因素，定義了一個多目標關(guān)聯(lián)度指標： (18)式中，ei為方案中每組配對所能消納的直購電量，er為購售兩側(cè)所有未消納的余量曲線進行配對所能完成的直購電量，ci和R分別為對應的關(guān)聯(lián)度

17、。該指標用于對方案的短期負荷曲線相關(guān)度和中長期電量曲線相關(guān)度進行定量的評價。4 模型應用算例4.1 直購電參與成員精細劃分算例所需數(shù)據(jù)來源于某電力公司負荷數(shù)據(jù)采集系統(tǒng)。初始數(shù)據(jù)集為18個電廠和46個大用戶。首先對購售兩側(cè)進行SOM降維映射，顯示為灰色的神經(jīng)元即為激活神經(jīng)元，如圖1所示。圖中，灰度越大表示在此激活的成員數(shù)量越多。SOM輸出平面上相鄰的神經(jīng)元代表具有相近特性的樣本。利用K-mean劃分激活神經(jīng)元，可得到聚類結(jié)果。較優(yōu)的聚類數(shù)利用RSQ和PSF統(tǒng)(A)(B)圖1 購售兩側(cè)在SOM輸出平面的聚類效果Fig.1 Clustering effect of power purchase an

18、d sale sides on the SOM output plane圖2 購售兩側(cè)精細劃分的類數(shù)判定統(tǒng)計量曲線Fig.2 Statistics curves of cluster number judgment of bilateral elaborate division計量進行測試，如圖2所示。按照RSQ盡量大，PSF出現(xiàn)峰值而類數(shù)較小的原則，電廠和用戶集群分別取較合適的8類和10類。K-mean劃分結(jié)果見圖2中的一系列實線，其中十字形標志為各類別聚類中心。各類內(nèi)的成員有名值疊加，即可得到以集群方式參與匹配的8條電廠曲線和10條大用戶曲線。4.2 直購匹配方案及其多目標關(guān)聯(lián)度分析設定關(guān)

19、聯(lián)閾值為0.85。8個電廠和10個用戶集群分別作遍歷疊加，計算各配對及余量曲線的關(guān)聯(lián)度，按照式(18)得出整個方案的相關(guān)度指標。算例以效果較好的第36和第37套方案為例，如表1所示，表中數(shù)字為相應側(cè)的集群編號，編號對應曲線詳見圖3。表1 優(yōu)質(zhì)匹配方案及其關(guān)聯(lián)度Tab.1 High quality matching scheme and its correlation degree方案序號電廠組合方案用戶組合方案曲線形態(tài)關(guān)聯(lián)度362/6/81/3/4/5/6/7/80.98811/3/5/72/90.92014100.8896匹配余量匹配余量0.9494372/6/81/3/5/6/7/8/90

20、.98803/5/72/4/100.96001/4+匹配余量匹配余量0.8996注：匹配余量為方案中所有已配對的購售組合未能消納的直購量曲線。圖3 購售兩側(cè)聚類分析結(jié)果Fig.3 Clustering results of bilateral sides匹配方案效果如圖4、5所示。圖中實線為電廠集群組合發(fā)電曲線，虛線為用戶集群組合負荷曲線。(A)是以標幺值體現(xiàn)的形態(tài)匹配效果，(B)是與之對應的有名值曲線。兩組圖的最后一對曲線均為購售兩側(cè)匹配余量與未匹配集群的負荷曲線之和。圖4 第36套直購電匹配方案效果圖示Fig.4 Effect graphs of the 36th direct purch

21、ase schem圖5 第37套直購電匹配方案效果圖示Fig.5 Effect graphs of the 37th direct purchase scheme由圖可見，方案中達成匹配的購售電曲線都具有非常相似的形態(tài)特性，其變化的時段、趨勢都較為吻合。但僅僅分析其形態(tài)相似程度是不夠的，考慮每一組匹配所能消納的直購電量，利用式(18)，方可較為客觀的評價匹配方案的相關(guān)度。見表2。表2 優(yōu)質(zhì)匹配方案相關(guān)度指標計算的參數(shù)與結(jié)果Tab.2 Parameters and results of relative degree calculation of the high quality matchin

22、g scheme方案參數(shù)項123余量相關(guān)度36關(guān)聯(lián)度0.98810.92010.88960.9494消納量(MWh)5075.763686.641178.595326.5637關(guān)聯(lián)度0.98800.96000.8996消納量(MWh)5075.7644885703.6注：消納值為任意時刻購售電的較小值，消納量為消納值的積分。4.3 直購電匹配方案的評價同樣，用多目標關(guān)聯(lián)分析法可以得到所有方案的中、長期電量曲線相關(guān)度。按照式(15)(17) 計算出短中長期相關(guān)度熵權(quán)：0.405、0.285和0.311，進而得出方案總體匹配評價指標，見表3。表3 優(yōu)質(zhì)匹配方案評價指標的生成Tab.3 Evalua

23、tion indexes generation of the high quality matching scheme方案序號短期相關(guān)度中期相關(guān)度長期相關(guān)度匹配度360.950560.637480.992340.87435370.946750.558680.992360.85036熵權(quán)0.404580.284900.31053匹配度反映了直購電交易雙方多種時段電力特性的相關(guān)程度。若按照特性相關(guān)程度較高的方案進行直購電交易，對電網(wǎng)穩(wěn)定運行、減少備用調(diào)度、提高機組利用率無疑是有益的。表4為按照匹配度最優(yōu)的原則列寫的直購電方案清單。表4 最優(yōu)匹配度方案清單Tab.4 List of the high

24、est matching degree scheme方案序號購電組合售電組合匹配度242/6/8；1/3/5/7；41/3/4/5/6/8；2/7/9；100.87547362/6/8；1/3/5/7；41/3/4/5/6/7/8；2/9；100.87435372/6/8；3/5/71/3/5/6/7/8/9；2/4/100.85036311/2/6/8；5/71/3/4/8/9/10；2/5/6/70.84662261/2/6；5/71/3/4/8/9/10；2/5/6/70.84408392/5/6；1/72/3/4/5/8/9/10；1/6/70.83977注：各方案中的購售組合按照先后

25、順序依次配對。該清單按照匹配度大小排序，可以結(jié)合安全性、經(jīng)濟性以及各種約束條件為優(yōu)質(zhì)的大用戶直購電交易方案的制定提供科學的理論支持。5 結(jié)束語探討考慮電網(wǎng)運營的直購電交易模式，引入購售雙邊曲線形態(tài)的匹配進行方案制定是其可行切入點。文章把數(shù)據(jù)挖掘中的聚類、關(guān)聯(lián)和信息熵計算有機結(jié)合起來，構(gòu)建了一種基于形態(tài)的技術(shù)匹配模型。其中，提出了一個多目標關(guān)聯(lián)度指標，用于量化整套直購電交易方案的相關(guān)度；定義了一個匹配度指標，用于評價方案多種時段的相關(guān)程度。模型雖不能獨立分析出滿足各方面約束的直購電交易方案，但其最后列出的清單可為考慮直購雙邊電力特性的交易撮合方式提供參考。達成形態(tài)匹配的交易方案不僅能夠降低網(wǎng)絡的

26、不確定性、減少備用、保證直購參與者的正常電力行為，并能為輔助服務的評估和獎懲過網(wǎng)電價的制定奠定基礎(chǔ)。參 考 文 獻 1 陳西穎大用戶與發(fā)電企業(yè)直接交易算法探討J電力系統(tǒng)自動化，2008，32(24)：100-1032 韓正華，周渝慧基于博弈論的電力市場雙邊交易智能體談判策略J電力系統(tǒng)自動化，2007，31(1)：20-253 牛東曉，李金超，李金穎基于信息熵的電力大用戶優(yōu)先級組合評價J電力需求側(cè)管理，2008，10(2)：16-204 Xia Lei，Junyong Liu，Liang DuAnalysis on Large Consumer Price Models in Electricity MarketCIEEE Electric Utility Deregulation and Restructuring and Power Technologies，2008， 426-4305 Enrico De Tuglie， Francesco TorelliLoad Following Control Schemes for Deregulated Energy MarketsJIEEE Transactions on Power Systems2006，21(4)：1691-16986 Li Hong-dong，F(xiàn)e