面向综合能源园区的丰枯电价定价方法

doi:10.12096/j.2096-4528.pgt.21119

面向综合能源园区的丰枯电价定价方法

杜将武¹, 唐小强², 罗志伟³, 刘敦楠⁴, 陈积旭³, 徐尔丰⁴^,⁶, 毕圣⁵

1.中国华电集团有限公司福建分公司，福建省福州市 350001

2.福建华电能源销售有限公司，福建省福州市 350001

3.华电(福建)风电有限公司，福建省福州市 350001

4.华北电力大学经济与管理学院，北京市昌平区102206

5.华电电力科学研究院有限公司，浙江省杭州市 310030

6.浙江浙能能源服务有限公司，浙江省杭州市 310002

Pricing Method for Season of Use in Integrated Energy Park

DU Jiangwu¹, TANG Xiaoqiang², LUO Zhiwei³, LIU Dunnan⁴, CHEN Jixu³, XU Erfeng⁴^,⁶, BI Sheng⁵

1.Fujian Branch, China Huadian Corporation Ltd. , Fuzhou 350001, Fujian Province, China

2.Fujian Huadian Energy Retail Co. , Ltd. , Fuzhou 350001, Fujian Province, China

3.Huadian (Fujian) Wind Power Co. , Ltd. , Fuzhou 350001, Fujian Province, China

4.School of Economics and Management, North China Electric Power University, Changping District, Beijing 102206, China

5.Huadian Electric Power Research Institute Co. , Ltd. , Hangzhou 310030, Zhejiang Province, China

6.Zhejiang Zheneng Energy Service Co. , Ltd. , Hangzhou 310002, Zhejiang Province, China

收稿日期: 2021-12-29

基金资助:

国家社科基金重大项目. 19ZDA081
中国华电集团有限公司科技项目. CHDKJ20-02-05

Received: 2021-12-29

作者简介 About authors

杜将武(1969)，男，硕士，高级工程师，研究方向为综合能源，jiangwu-du@chd.com.cn；

唐小强(1977)，男，硕士，工程师，研究方向为综合能源，83328940@qq.com；

罗志伟(1966)，男，硕士，高级政工师，研究方向为综合能源，627397496@qq.com；

刘敦楠(1979)，男，博士，教授，研究方向为综合能源和电力市场，本文通信作者，liudunnan@163.com；

陈积旭(1974)，男，高级工程师，研究方向为综合能源，35569111@qq.com；

徐尔丰(1993)，男，硕士，经济师，研究方向为综合能源和电力市场，18810905481@163.com；

毕圣(1987)，男，硕士，工程师，研究方向为综合能源系统，sheng-bi@chder.com。

摘要

综合能源园区是以新能源为主体的新型电力系统的基本单元，通过建设分布式电源，可以实现能源生产、消费就近完成和园区自我平衡。通过挖掘用户需求响应潜力，制定差异化丰枯电价，能够缓解分布式电源出力和用户电量的季节性不匹配矛盾，对此提出一种面向综合能源园区的丰枯电价定价方法。首先，根据用户的电量特征和需求响应特征，基于k-means聚类算法进行用户分类；然后，根据园区不平衡电量，基于k-means聚类算法划分丰枯时段；最后，构建优化模型，制定不同类别用户的丰枯电价。根据案例分析可知，基于该方法制定丰枯电价，能够有效促进分布式电源就地消纳，提高园区清洁能源消费比重和整体经济性。

关键词： 新型电力系统 ; 综合能源园区 ; 分布式电源 ; 丰枯电价 ; k-means聚类 ; 需求响应

Abstract

Integrated energy park is the basic unit of new electric power system dominated by renewable energy. Depending on distributed generators, the energy production and consumption nearby and self-balance of park are achieved. The contradiction of seasonal load mismatch between distributed generators and users can be released by tapping demand response potential and stipulating different season of use (SOU) price. A pricing method for SOU price in integrated energy park was put forward accordingly. First of all, considering characteristics of load and demand response, users were classified by k-means clustering algorithm. Then, according to unbalance load of park, SOU periods were determined by k-means clustering algorithm. At last, the optimization model was established to stipulate SOU price of different types of users. As the case shown, based on this method, SOU price can promote local consumption of distributed generators efficiently and raise the utilization ratio of clean energy and overall economic benefit of park.

Keywords： new power system ; integrated energy park ; distributed generator ; season of use price ; k-means clustering ; demand response

PDF (2351KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

杜将武, 唐小强, 罗志伟, 刘敦楠, 陈积旭, 徐尔丰, 毕圣. 面向综合能源园区的丰枯电价定价方法. 发电技术[J], 2023, 44(2): 261-269 DOI:10.12096/j.2096-4528.pgt.21119

DU Jiangwu, TANG Xiaoqiang, LUO Zhiwei, LIU Dunnan, CHEN Jixu, XU Erfeng, BI Sheng. Pricing Method for Season of Use in Integrated Energy Park. Power Generation Technology[J], 2023, 44(2): 261-269 DOI:10.12096/j.2096-4528.pgt.21119

0 引言

为实现碳达峰、碳中和目标，以火电为主体的传统电力系统将向以新能源为主体的新型电力系统转型升级^[1-2]。但是，仅依靠大规模新能源外送，难以完全满足日益增长的电力消费需求，需建立远距离输送和就地消纳相结合的利用形式，打破自上而下、集中式的传统资源配置模式，形成集中式和分布式相协调的系统结构，综合能源园区成为系统的基本单元^[3-5]。综合能源园区依托分布式电源、储能、物联网、大数据等技术，通过“源-网-荷-储”一体化运营，能源生产和消费就近完成，对内实现清洁能源就地利用和电力供需自我平衡，对外成为大电网的友好互动资源，实现供需协同^[6-7]。

丰枯(season of use，SOU)电价是一种典型的价格型需求响应机制。对于以火电为主体的传统电力系统，丰枯电价可以解决丰枯时段水电出力和系统负荷之间的季节性不匹配矛盾。对于以新能源为主体的新型电力系统，综合能源园区可以就地建设分散式风电、分布式光伏、小水电等分布式电源，而风电、光伏出力同样具有较强的季节性，如何适应分布式电源季节性出力变化，在综合能源园区内形成有效的季节性价格信号，引导用户用电行为，促进清洁能源就地消纳和高效利用，实现电力资源的优化配置，是综合能源园区亟需解决的关键问题之一^[8-9]。

现有文献已对丰枯电价开展一定研究。文献[10]根据调查数据，建立了电量转移成本和收益函数，确定了不同行业用户达到电量转移极限的丰枯电价调整比例，结合云南电力系统进行了验证。文献[11]基于价格弹性建立了用户丰枯电价响应模型，通过仿真验证了模型的有效性。文献[12]利用丰枯电量差异率、水火互济指数、执行丰枯电价风险度和风险价值4个指标，评估了执行丰枯电价效益，建立了丰枯电价决策模型。文献[13]提出了丰枯-峰谷电价合同电量定价模型，基于条件风险价值最小化优化模型，确定了用户丰枯-峰谷电价比。总的来说，现有丰枯电价研究主要针对水电。综合能源园区包含风电、光伏和水电等分布式电源，同时涉及与外部电网电量交换，如何统筹协调分布式电源月度出力和用户电量，合理划分丰枯时段，根据用户需求响应特征优化制定丰枯电价，有待进一步深入研究。

因此，本文提出一种面向综合能源园区的丰枯电价定价方法，以促进清洁能源就地消纳和高效利用，提高园区清洁能源消费比重。

1 分布式电源季节性出力特性

分散式风电、分布式光伏、小水电等分布式电源不可控，出力呈现较强的季节性。

1）分散式风电

分散式风电出力主要由风速等决定^[14-15]。受季风性气候等因素影响，不同月份风速存在一定差异。一般情况下，一、四季度风速大，出力高；二、三季度风速小，出力低^[16-17]。

2）分布式光伏

分布式光伏出力主要由光照强度、温度等决定^[18]。受季风性气候等因素影响，不同月份光照强度和气温存在一定差异。一般情况下，冬季光照强度弱、气温低，出力低；春夏秋季光照强度强、气温高，出力高^[19-20]。

3）小水电

小水电以不具有调节能力的径流式水电为主，出力主要由来水量等决定。受季风性气候等因素影响，大部分河流多年、年内径流分布不均匀，丰枯水期来水量存在一定差异^[21]。一般情况下，二、三季度丰水期来水量大，出力高；一、四季度枯水期来水量小，出力低^[22]。

一般情况下，受气温、节假日、生产生活周期等因素影响，用户月度电量呈现夏冬季高、春秋季低的特点。分散式风电、分布式光伏、小水电出力和用户电量在不同月度之间具有不匹配矛盾，分布式电源月度出力和用户月度电量关系如图1所示。随着分布式电源装机规模不断增加，综合能源园区电力供需季节性不匹配矛盾进一步突出，给清洁能源就地消纳和综合能源园区优化运行带来更大的困难和挑战。

图 1

新窗口打开| 下载原图ZIP| 生成PPT

图 1 分布式电源月度出力和用户月度电量

Fig. 1 Monthly load of distributed generators and users

2 丰枯电价

丰枯电价是一种典型的价格型需求响应机制，时段和电价是2项关键参数。传统丰枯电价立足于省级电网，时段划分的依据为水电的丰水、枯水期，且未针对不同特征的用户设置差异化的丰枯电价。综合能源园区包含风电、光伏、水电等分布式电源，是能源产消者和自平衡体，分布式电源优先就地消纳，满足用电需求。若分布式电源出力大于用电需求，盈余部分送入外部电网，否则园区向外部电网购电^[23]。因此，综合能源园区制定丰枯电价，时段划分的依据为分布式电源和用户的供需关系，即园区不平衡电量。同时，充分挖掘和利用用户的需求响应潜力，针对不同特征用户设置差异化的电价，促进清洁能源就地消纳，提升园区整体运行效率^[24]。

本文提出一种面向综合能源园区的丰枯电价定价方法，自主确定丰枯电价的时段和电价，实现差异化丰枯电价的制定，具体步骤如下。

1）用户特征分析和分类。根据用户特征，基于k-means聚类算法划分用户类别，确定不同类别用户的电量特征和需求响应特征，作为制定差异化丰枯电价的基础。

2）园区丰枯时段划分。根据分布式电源和用户的供需关系，以及园区不平衡电量，基于k-means聚类算法确定丰枯时段。

3）园区丰枯电价制定。根据不同用户类别的特征和划分的丰枯时段，以园区的总收益最大化为目标，构建优化模型，求解确定不同用户类别的丰枯电价。

3 用户特征分析和分类

3.1 用户特征分析

用户特征包括电量特征和需求响应特征，其中需求响应特征以价格弹性矩阵表示。价格弹性矩阵由价格弹性系数构成，对角线元素为自弹性系数，其他元素为交叉弹性系数。基于价格弹性矩阵，执行丰枯电价后用户月度电量表示如下：

Q_{i}^{b} = Q_{i}^{a} + D_{i}^{a} E_{i} Δ P_{i}

(1)

Q_{i}^{b} = {(\begin{matrix} q_{i, 1}^{b}, & \dots & , q_{i, 12}^{b} \end{matrix})}^{T}

(2)

Q_{i}^{a} = {(\begin{matrix} q_{i, 1}^{a}, & \dots & , q_{i, 12}^{a} \end{matrix})}^{T}

(3)

E_{i} = [\begin{matrix} e_{i, 1,1} & \dots & e_{i, 1,12} \\ ⋮ & ⋮ \\ e_{i, 12,1} & \dots & e_{i, 12,12} \end{matrix}] = [\begin{matrix} ε_{i, 1} \\ ⋮ \\ ε_{i, 12} \end{matrix}]

(4)

\begin{matrix} D_{i}^{a} = [\begin{matrix} q_{i, 1}^{a} & \dots & 0 \\ ⋮ & ⋮ \\ 0 & \dots & q_{i, 12}^{a} \end{matrix}] = \\ Q_{i}^{a} [\begin{matrix} r_{i, 1}^{a} & \dots & 0 \\ ⋮ & ⋮ \\ 0 & \dots & r_{i, 12}^{a} \end{matrix}] = Q_{i}^{a} [\begin{matrix} σ_{i, 1} \\ ⋮ \\ σ_{i, 12} \end{matrix}] \end{matrix}

(5)

Δ P_{i} = {(\frac{p_{i, 1}^{b}}{p_{i, 1}^{a}} - 1, \dots, \frac{p_{i, 12}^{b}}{p_{i, 12}^{a}} - 1)}^{T}

(6)

式中： $Q_{i}^{b}$ 为执行丰枯电价后用户 $i$ 的月度电量向量； $q_{i, t}^{b}$ 为月份 $t$ (t=1, 2,…,12)用户 $i$ 的月度电量； $Q_{i}^{a}$ 为执行丰枯电价前用户 $i$ 的月度电量向量； $q_{i, t}^{a}$ 为月份 $t$ 用户 $i$ 的月度电量； $E_{i}$ 为用户 $i$ 的价格弹性矩阵； $e_{i, m, n}$ 为月份 $m$ 和 $n$ (m,n=1, 2,…,12)用户 $i$ 的价格弹性； $ε_{i, t}$ 为月份 $t$ 用户 $i$ 的价格弹性向量； $D_{i}^{a}$ 为执行丰枯电价前用户 $i$ 的月度电量矩阵； $Q_{i}^{a}$ 为执行丰枯电价前用户 $i$ 的年度电量； $r_{i, t}^{a}$ 为执行丰枯电价前月份 $t$ 用户 $i$ 的月度电量比例； $σ_{i, t}$ 为月份 $t$ 用户 $i$ 的月度电量比例向量； $Δ P_{i}$ 为用户 $i$ 的电价变化向量； $p_{i, t}^{a}$ 和 $p_{i, t}^{b}$ 为执行丰枯电价前后月份 $t$ 用户 $i$ 的电价。

式(1)—(6)表明，在电价变化一定的条件下，执行丰枯电价后用户的月度电量由其电量特征(月度电量矩阵)和需求响应特征(价格弹性矩阵)共同决定。因此，将月度电量矩阵和价格弹性矩阵全连接(full connect)，构建特征向量，对用户进行分类，形成用户类别。

C_{i} = (σ_{i, 1}, \dots, σ_{i, 12}, ε_{i, 1}, \dots, ε_{i, 12}

)(7)

式中 $C_{i}$ 为用户 $i$ 的用电特征向量。

3.2 用户分类

用户分类的原则为相同类别用户尽可能差异小，不同类别用户尽可能差异大，可基于聚类算法实现。k-means聚类算法是最经典、应用最广的聚类算法之一，基于k-means聚类算法的用户分类流程如图2所示。

图 2

新窗口打开| 下载原图ZIP| 生成PPT

图 2 基于k-means聚类算法的用户分类流程

Fig. 2 Flow of user classification based on k-means clustering algorithm

首先，设定用户分类数量，基于k-means聚类算法，根据特征向量对用户进行分类。目标函数为用户和聚类中心的欧式距离之和最小化。通过计算用户和聚类中心的欧式距离、划分用户类别、更新聚类中心的循环迭代，直至目标函数收敛，输出用户分类结果^[25]。

m i n F = \sum_{j = 1}^{k} \sum_{i = 1}^{n} D (C_{i}, Z_{j}) =

\sum_{j = 1}^{k} \sum_{i = 1}^{n} {|C_{i} - Z_{j}|}^{2}

(8)

Z_{j} = \frac{1}{n_{j}} \sum_{} C_{i}

(9)

式中： $F$ 为目标函数； $n$ 为用户数量； $k$ 为用户分类数量； $D (C_{i}, Z_{j}$ )为用户 $i$ 的用电特征向量 $C_{i}$ 和聚类中心 $Z_{j}$ 的欧氏距离； $j$ 为聚类中心 $Z_{j}$ 的用户数量。

然后，基于CH(Calinski Harabasz)指标评估用户分类结果的优劣^[26]。CH指标能够反映相同类别用户的相似程度和不同类别用户的差异程度。CH指标值越大，表明用户分类结果越好。

C = \frac{t r (B) / k - 1}{t r (W) / n - k}

(10)

式中： $C$ 为CH指标； $t r (B)$ 为相同类别用户的协方差矩阵的迹； $t r (W$ )为不同类别用户的协方差矩阵的迹。

最后，对比不同用户分类数量下用户分类结果的CH指标值，CH指标值对应的用户分类数量和用户分类结果，即为最优的用户分类数量和用户分类结果。

4 园区丰枯时段划分

园区丰枯电价定价的目的是促进清洁能源就地消纳、提升园区整体运行效率。园区不平衡电量反映分布式电源和用户的供需匹配程度，以及园区和外部电网的交换电量，是划分园区丰枯时段的依据。

q_{t}^{e} = \sum_{i} q_{i, t}^{b} - q_{t}^{g}

(11)

q_{t}^{u} = m a x (- q_{t}^{e}, 0)

(12)

q_{t}^{p} = m a x (q_{t}^{e}, 0)

(13)

式中： $q_{t}^{e}$ 为月份 $t$ 的园区不平衡电量； $q_{t}^{u}$ 为月份 $t$ 的分布式电源上网电量； $q_{t}^{p}$ 为月份 $t$ 的园区外购电量； $q_{t}^{g}$ 为月份 $t$ 的分布式电源发电量。

设定分类数量为3，基于k-means聚类算法，根据月度园区不平衡电量对月度电量进行分类，分类结果即为园区丰枯时段划分结果。

5 园区丰枯电价制定

在用户分类和丰枯时段划分的基础上，构建优化模型，确定不同类别用户的丰枯电价。

5.1 优化变量

优化变量为不同类别用户的丰枯电价。

p_{i, t}^{b} = \{\begin{matrix} p_{j}^{d}, & t \in T_{d} \\ p_{j}^{f}, & t \in T_{f} \\ p_{j}^{w}, & t \in T_{w} \end{matrix}

(14)

式中： $p_{j}^{d}$ 、 $p_{j}^{f}$ 、 $p_{j}^{w}$ 为用户类别 $j$ 的丰枯电价； $T_{d}$ 、 $T_{f}$ 、 $T_{w}$ 分别为园区丰、平、枯时段。

5.2 目标函数

目标函数为园区的总收益最大化，收入包括用户的售电收入和分布式电源的上网收入，成本包括园区外购电量的购电成本。

m i n R = I^{s} + I^{u} - C^{p}

(15)

I^{s} = \sum_{i} \sum_{t} q_{i, t}^{b} p_{i, t}^{b}

(16)

I^{u} = \sum_{t} q_{t}^{u} p^{g}

(17)

C^{p} = \sum_{t} q_{t}^{p} p^{p}

(18)

式中： $R$ 为园区的总收益； $I^{s}$ 为用户的售电收入； $I^{u}$ 为分布式电源的上网收入； $C^{p}$ 为园区外购电量的购电成本； $p^{g}$ 为分布式电源上网电量的售电电价； $p^{p}$ 为园区外购电量的购电电价。

5.3 约束条件

约束条件包括年度电量约束、丰枯电价约束、用电单价约束等。

1）年度电量约束

为满足用户的用电需求，执行丰枯电价后用户年度电量的变化幅度不大。

(1 - η) \sum_{t} q_{i, t}^{a} \leq \sum_{t} q_{i, t}^{b} \leq (1 + η) \sum_{t} q_{i, t}^{a}

(19)

式中 $η$ 为年度电量的变化率。

2）丰枯电价约束

丰枯电价在既定范围内，且逐渐递减。

p_{j}^{d} \geq (1 + α) p_{j}^{f}

(20)

p_{j}^{f} \geq (1 + β) p_{j}^{w}

(21)

\bar{p} \geq p_{j}^{d}

(22)

p_{j}^{w} \geq \underset{̲}{p}

(23)

式中： $α$ 、 $β$ 为丰枯电价的递减比例； $\bar{p}$ 、 $\underset{̲}{p}$ 分别为丰枯电价的上限和下限。

3）园区综合单价约束

执行丰枯电价后，园区综合电价具有一定程度的降低。

\frac{\sum_{i} \sum_{t} q_{i, t}^{b} p_{i, t}^{b}}{\sum_{i} \sum_{t} q_{i, t}^{b}} \leq \frac{\sum_{i} \sum_{t} q_{i, t}^{a} p_{i, t}^{a}}{\sum_{i} \sum_{t} q_{i, t}^{a}} - μ

(24)

式中 $μ$ 为园区综合电价的降低幅度。

5.4 求解算法

目标函数包含欧氏距离，约束条件包含最大值、最小值等函数，因此为非线性优化模型，可基于分支定界(branch and bound，BB)法、Benders分解法、割平面法等算法进行求解^[27]。

6 案例分析

6.1 基础参数

以某综合能源园区为案例进行分析，其中，电源侧包括分散式风电120 MW、分布式光伏150 MW、小水电90 MW，用户侧包括物流、冶炼、制造等行业用户25家，价格弹性数据参考文献[28]，分布式电源发电量、用户电量和园区不平衡电量如图3所示。执行丰枯电价前用户的销售电价为0.65元/(kW⋅h)，分布式电源上网电量的售电电价为0.4元/(kW⋅h)，园区外购电量的购电电价为0.6元/(kW⋅h)。年度电量的变化率为10%，丰枯电价的递减比例为10%，上限和下限分别为0.8元/(kW⋅h)和0.4元/(kW⋅h)。k-means聚类算法目标函数更新阈值为10^-4。

图 3

新窗口打开| 下载原图ZIP| 生成PPT

图 3 分布式电源出力、用户电量和园区不平衡电量

Fig. 3 Load of distributed generators and users, and the unbalance load of park

6.2 结果分析

基于MATLAB对用户分类和季节性丰枯时段进行划分，并构建和求解优化模型。

如表1所示，当用户分类数量为3时，CH指标值最大，即用户划分为3类最优。3类用户的电量特征和需求响应特征各不相同，其月度电量和价格弹性矩阵分别如图4、5所示。

表 1 不同用户分类数量的CH指标值

Tab. 1 CH index with different number of user types

用户分类数量	2	3	4	5
CH指标值	255.8	237 705.1	181 753.1	159 034.7

新窗口打开| 下载CSV

图 4

新窗口打开| 下载原图ZIP| 生成PPT

图 4 3类用户的月度电量

Fig. 4 Monthly load of three types of users

图 5

新窗口打开| 下载原图ZIP| 生成PPT

图 5 3类用户的价格弹性矩阵

Fig. 5 Price elasticity matrix of three types of users

价格弹性矩阵的对角线元素数值越小、变化梯度越大，表示电价变化引起当月电量的相对变化程度越大。对角线分布越宽，表示当月调整电量会在更多相邻月份进行电量转移，用户的需求响应能力更强。分析可知，1类用户的价格弹性矩阵的对角线元素(自弹性系数)数值最小，且对角线变化梯度最大、分布最宽，需求响应能力最强，3类用户次之，2类用户最弱。

综上所述，3类用户及其特征如下：1类用户共6家，4—11月电量大且稳定，12月电量逐步降低，2月电量达到最低点，3月开工后电量恢复，需求响应能力强；2类用户共7家，3—12月电量大且稳定，1—2月因春节放假，电量降低，需求响应能力弱，用电需求呈现一定刚性；3类用户共12家，1月、6—8月、12月电量大，呈现夏冬双峰特征，具有一定季节性，需求响应能力适中，介于1、2类用户之间。

根据月度园区不平衡电量划分确定园区丰枯时段，基于优化模型求解得到不同类别用户的丰枯电价，如表2所示。

表 2 丰枯时段和不同类别用户的丰枯电价 (元/(kW⋅h))

Tab. 2 SOU periods and SOU price of different types of users

时段	月份	1类用户	2类用户	3类用户
枯	3—5月	0.506 9	0.613 3	0.557 6
平	2月、6—10月	0.557 6	0.674 7	0.613 3
丰	1月、11—12月	0.613 3	0.742 1	0.674 7

新窗口打开| 下载CSV

分析可知：1类用户价格弹性大，对电价变化敏感、响应能力强，较小的电价变化即可产生可观的电量变化；2类用户价格弹性小，对电价变化不敏感、响应能力弱，更大的电价变化才能产生与1类用户相同的响应效果。

执行丰枯电价前后的园区不平衡电量如图6所示。基于供需不匹配度(分布式电源出力和用户电量的偏差程度)、园区综合电价2个指标，对比执行丰枯电价前后变化，如表3所示。

图 6

新窗口打开| 下载原图ZIP| 生成PPT

图 6 执行丰枯电价前后的园区不平衡电量

Fig. 6 Unbalance load of park before and after stipulating season of use price

表 3 执行丰枯电价前后变化

Tab. 3 Changes before and after stipulating season of use price

指标	执行丰枯电价前	执行丰枯电价后	执行前后变化
供需不匹配度/%	9.6	5.8	-3.8
园区综合电价/[元/(kW∙h)]	0.65	0.61	-0.04

新窗口打开| 下载CSV

分析可知，面向综合能源园区的丰枯电价定价本质上是根据不同类型用户的电量特征和需求响应特征，制定差异化的丰枯电价，有差别激发用户的响应潜力，改变用电行为，为综合能源园区带来以下2方面有利效果。

1）用户响应丰枯电价后，用户月度电量和分布式电源月度出力更加匹配，分布式电源上网电量减少，实现更大程度就地消纳和高效利用。用户的销售电价大于分布式电源的上网电价，因此，园区丰枯电价能够提高分布式电源的综合利用效率和经济效益。

2）分布式电源就地消纳，能源生产和消费就近完成，园区外购电量减少。园区外购电价包含输配电价，大于分布式电源的成本，因此园区丰枯电价能够降低园区供电成本和综合单价，提升园区整体经济性。

7 结论

综合能源园区是以新能源为主体的新型电力系统的基本单元。提出一种面向综合能源园区的丰枯电价定价方法，并进行了案例分析，得到了以下结论：

1）该方法以月度园区不平衡电量为依据，根据不同类别用户的电量特征和需求响应特征制定丰枯电价，能够进一步差异化挖掘和激发用户需求响应潜力，更好促进供需协调互动。

2）基于该方法制定丰枯电价，能够引导用户用电需求与分布式电源更加匹配，促进分布式电源就地消纳，降低园区供电成本，进一步提高园区清洁能源消费比重、运行效率和整体经济性。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

新华社．

习近平在气候雄心峰会上的讲话(全文)

[EB/OL]．(2020-12-13)[2021-10-15]．． doi:10.1007/978-1-4614-0539-9_727