售电公司最优用户选择及购售电优化决策研究

在我国新一轮的电力体制改革形势下,售电侧逐步放开,售电公司纷纷进入市场。从外部环境看,日益增多的售电公司数量带来的竞争压力和当前市场规则下的高运营成本都对售电公司的运营提出了艰巨的挑战;从内部经营角度看,在电力市场中,售电公司还面临着购电侧现货市场电价不确定性带来的交易风险,以及代理用户的资质参差不齐带来的潜在运营风险。因此,本文以售电公司的视角从用户侧的分析和挖掘入手,深入研究了售电公司的最优用户选择模型和购售电优化决策模型。本文首先针对大数据时代的高维负荷曲线聚类问题,提出一种基于改进谱多流形聚类的负荷曲线聚类方法,该方法分为典型日负荷曲线提取、负荷曲线聚类和聚类效果评价三部分,算法上引入时间翘曲距离度量曲线相似性,并用高斯核函数计算局部相似性,基于此构建相似性矩阵并聚类。聚类后从聚类效果、算法稳定性和运算时间三个角度对聚类结果和算法性能进行评价。通过算例验证了改进谱多流形聚类算法相比传统聚类算法具有显著优越性,为后文的客户用电特征挖掘建立了聚类算法基础。其次建立了用户多维度评估模型和评价体系,从曲线类型、响应能力、经济价值、信用等级和电量可预测性5个指标的角度对用户进行特征挖掘,采用AHP-CRITIC法分析量化指标得到用户的特性指标向量,基于此构建售电公司优质用户的优化组合模型,并通过算例验证了该模型能够有效提取优质用户,为后文购售电模型提供了组合用户群的负荷曲线基础。最后建立购售电的多目标优化决策模型,售电公司通过在中长期双边合同、日前市场、实时市场上进行购电,并与用户签订需求响应合同以优化用电曲线及减少在实时市场上的购电比例,以售电公司利润最大化和用户用电满意度最高为目标,优化4种购电途径上的购电比例,采用遗传算法求解模型并用模糊隶属度方法选取最优解。通过算例验证了该模型能够为售电公司合理配置购电成本的比例。