基于离散选择的可控负荷菜单定价方法

党倩,张华峰,马彦宏,崔亮,张俊

(1. 国网甘肃省电力公司信息通信公司，兰州市 730000； 2. 国网甘肃省电力公司科技信通部,兰州市 730000；3. 中国人民银行兰州中心支行，兰州市 730000； 4. 深圳市华阳国际工程设计有限公司长沙分公司，长沙市 410007)

基于离散选择的可控负荷菜单定价方法

党倩1,张华峰2,马彦宏2,崔亮3,张俊4

(1. 国网甘肃省电力公司信息通信公司，兰州市 730000； 2. 国网甘肃省电力公司科技信通部,兰州市 730000；3. 中国人民银行兰州中心支行，兰州市 730000； 4. 深圳市华阳国际工程设计有限公司长沙分公司，长沙市 410007)

合理的需求侧电价是促进和引导用户主动需求响应的关键因素。借助离散选择理论，针对地域分散、数量庞大的可控负荷需求响应的不同边际成本和消费偏好，提出了基于离散选择的可控负荷菜单定价方法。考虑到用户在多种电价下的不同偏好选择行为，该方法以负荷削减边际成本、负荷削减量以及补偿电价为影响因素，建立了用户对菜单电价的离散选择模型，计算了用户对菜单电价的离散选择概率。然后以需求响应电价和负荷削减量为菜单选项，以系统供电成本最小为目标，构建了反映用户不同消费偏好的可控负荷菜单定价模型。最后通过算例仿真，分析了有无离散选择下系统供电成本和用户总负荷削减量以及影响用户选择因素的敏感度，表明考虑离散选择的菜单定价，能够有效地反映用户对不同电价的选择偏好，诱导其内在需求弹性，从而使菜单电价更好地满足用户的消费偏好，促进用户主动参与并削减更多的负荷，节约系统供电成本，实现电力资源的优化配置。

需求响应；消费偏好；离散选择；多项式罗吉特模型；菜单定价

0 引 言

面对日益进步的科技和持续发展的经济，全球范围内的国家和地区对电力的需求都面临着刚性增长的趋势，需求增长与能源紧缺、能源利用与环境保护之间日益凸显出诸多矛盾与挑战。同时随着间歇性可再生能源大量接入电网，要求有足够的、可调度的资源以确保系统运行的安全稳定性[1]。除传统的发电机组作为可调度资源外，需求侧种类各异的终端用户中拥有快速响应能力的可控负荷资源不仅具有较大的资源配置效益和节能减排潜力，而且对维持电力系统的供需平衡及安全稳定运行同样重要。因此，需求侧大量的可控负荷资源受到了特别的关注，人们逐步认识到可以对需求侧资源进行优化管理。

随着智能电网技术的快速发展，用户与系统的双向互动成为可能，需求响应(demand response, DR)作为需求侧管理的重要手段之一，是指通过价格或激励手段诱导用户减少或者推移某时段的用电而主动参与电网调度的行为[2]。相比于传统方法，由于它具有节能环保、系统所需的成本相对较低以及用户能够快速响应等特点，在提高系统运行的安全稳定性同时，系统经济效益性等方面都得到了显著的提升[3]。电价作为联系供需双方的桥梁，能够调动用户主动需求响应的积极性，系统可以通过制定合理的需求侧电价鼓励终端用户主动参与到电力系统的运行与管理，引导用户合理的电力消费，从而达到削峰填谷、提高资源配置效率的作用。因此，针对需求侧可控负荷资源，设计合理、有效的需求电价机制具有重要的理论意义和应用价值。

目前，国内外关于需求侧电价设计的研究成果主要集中在实时定价、分时定价、尖峰定价以及可中断负荷补偿定价等方面。文献[4]通过恒定价格弹性的需求响应模型，刻画用户对价格信号的影响程度，进而以发电成本最小为目标，在满足用户用电需求的条件下，提出了分时电价优化决策模型。文献[5]则建立了时变价格弹性的需求响应模型，以所有发电公司同时实现利润最大的均衡状态，确定分时电价。为了减少用户的用电费用，文献[6]以用电成本最小为目标，建立了分时电价决策模型。文献[7]基于价格弹性矩阵，通过最小化实施阶梯电价前后的销售量，在满足平均电价水平、销售利润的条件下，提出阶梯电价优化决策模型。针对可中断负荷，文献[8-10]研究了可中断负荷的激励性补偿价格，以鼓励用户签订可中断负荷合同。但是，上述模型都只是在单一定价模式下的优化模型，没有根据用户需求响应的特点实现对不同类型用户的差别定价。为此，文献[11]针对消费者的消费特征提出了菜单定价方法，并设计了可供选择的菜单组合套餐，但是该文献主要研究的是在电信资费套餐等方面的定价设计。文献[12]虽然针对消费者的需求和选择偏好，提出了基于离散选择理论的顾客对产品的选择模型，但是未涉及可控负荷参与电网调度的市场运营状态下的电价决策问题，没有刻画用户对不同电价的消费心理行为，缺乏用户对电价的自主选择研究，忽略用户对电价的不同偏好选择对系统定价的影响。

因此，本文针对地域分散、数量庞大的可控负荷，考虑用户需求响应的边际成本差异性，刻画用户在多种电价下的偏好选择行为，基于用户对不同电价的离散选择模型，提出以需求响应电价和负荷削减量为菜单组合选项，以系统供电成本最小为目标的可控负荷需求响应菜单定价方法，并为高、中、低3种成本的用户设计不同菜单电价组合。基于IEEE-30节点系统的仿真分析，验证该定价模型的有效性和实用性。

1 可控负荷需求响应的菜单定价方式

本文提出的需求响应计划是基于美国PJM日前或者小时前用户参与市场交易的过程[13]。负荷服务机构(load serving entity, LSE)利用经济措施(电价)诱导用户增加或减少负荷功率，参与日前或者小时前市场交易，以促进用户主动改变用电方式，实现有效的需求侧管理和系统削峰填谷。

对于理性的用户，会根据自身利益来决定是否参与电网的调度，且用户需求响应的程度即负荷功率增加量或削减量大小取决于电价的高低和负荷增减所带来的损失或成本。用户负荷削减量定义为未参与调度时的负荷与参与调度时实际负荷之间的差值[14]。由于不同用户削减功率的边际成本及对电价的偏好各不相同，因此需要设计不同的电价选项，实现对不同用户参与电网调度的差别定价。菜单定价是指定价主体将若干主体或服务进行组合销售，并根据消费量的多少或品质的高低，对每一种产品(服务)组合进行差别定价[15]。可控负荷需求响应的菜单定价过程如下(本文只考虑需求响应中用户削减功率的补偿电价设计)。

(1)LSE根据系统供需实时情况和批发市场电价λb，发布功率调整需求信号。

(2)考虑用户功率削减边际成本的差异性，根据美国PJM市场上用户需求响应减功率的报价数据，将用户按照功率削减边际成本的不同分为高、中、低3种类型C(C1>C2>C3)，并选择负荷削减量ΔP和需求响应电价λ(λ1>λ2>λ3)作为2个“菜单”组合项目，并为这3种类型用户分别设计不同的菜单电价组合。其菜单参数如表1所示。

表1 菜单组合

Table 1 Menu combination

(3)考虑用户对不同电价的偏好选择，引入离散选择模型来刻画用户对菜单电价的选择行为，并基于用户效用最大化的原理，推断出用户选择每类菜单电价的离散概率。

(4)用户根据LSE设计的多种菜单电价组合，自主选择参与市场交易。LSE考虑网络安全因素及最大化利用可再生能源约束的前提下，以系统总供电成本最小为目标，进行菜单组合的优化设计，确定菜单电价组合。

2 基于离散选择的需求响应电价选择模型

2.1 用户对电价的离散选择模型(MNL)

电力作为一种商品，用户会根据自身的特点，如负荷削减的成本、给定电价的高低等来决定是否参与电网调度。为了研究用户对电价的自主选择，更好地刻画用户对不同电价的偏好选择，引入离散选择模型，分析用户在多种电价下的选择行为及消费心理。离散选择模型(discrete choice model)，也被称为特征反应模型(qualitative response model)，是由表示选择项集合在连续变量和离散变量之间存在的差异而引起的，主要描述的是消费者作为主体，如何根据选择项给主体带来某些效用而在一系列离散不连续的选择项中的选择决策行为[16]。

Uik=Vik+ξik=δikZik+βXik+ξik

(1)

式中：Uik表示用户i选择第k种菜单电价时的效用，其中Vik为可确定的效用；ξik为不确定的效用，包括难以观测到的效用和观测误差产生的影响，为随机变量，服从Gumbel分布；Zik为被观察的用户的个人特征及其他特征，如年龄、性别、家庭收入等；Xik为可以观测到的产品属性，在论文本章节的研究中，包括需求响应补偿电价、负荷削减量、功率削减边际成本等属性；δik为用户个人属性特征偏好系数，会随选项的不同而不同；β为产品属性偏好系数，为固定的参数且不随选项而变化。

从公式(1)可知，用户i选择第k种菜单电价的效用，与用户个人的属性特征和产品属性特征有关。效用函数中δik可以看作用户个人属性特征偏好，β为产品的属性特征偏好。

对于用户而言，在一系列可行的菜单电价选择集中，总是选择对他来说效用最高的那个选择项。因此，基于随机效用最大化理论的离散选择模型，用户从K种菜单电价中选择菜单选项k参与电网调度时，有：

δik=1，当且仅当Uik≥Uij，∀k≠j

(2)

即理性的用户会选择带给他最大效用的选项。此处，δik=1表示用户i选择第k种菜单选项，否则δik=0。则用户i选择第k个选择项时的概率Prik为

Prik=P(Uik>Uij,∀k≠j)=

P(Vik+ξik>Vij+ξij,∀k≠j)=

P(ξij

(3)

(4)

式(4)也称为条件Logit模型，表示用户在选择何种电价的概率只由不同的效用差值决定，选择不同的电价组合对应不同的效用值，反应了用户对不同菜单电价的偏好选择。

2.2 用户电价选择效用函数的确定及参数估计

用户选择哪种菜单电价选项的效用由用户的个人属性和产品的特性共同决定的。由于参与电网调度的可控负荷用户的个人属性特性如家庭收入、年龄等属于用户的隐私信息，且难以获得。因此本文只考虑产品特性，即将用户需求响应的补偿电价、负荷削减量以及负荷削减的边际成本作为描述用户效用函数的影响因素。将上述影响因素化成变量，则用户i选择第k种菜单电价组合时，其效用函数确定项可表示为

Vik=β1λk+β2ΔPik+β3Ci

(5)

式中：λk为用户选择的第k种需求响应补偿电价；ΔPik为用户i在选择电价λk的负荷削减量；Ci表示用户i负荷削减的边际成本，分别对应高、中、低3种类型；β1、β2、β3为待估计的参数，表示用户对于电价、负荷削减量、成本的偏好特征；将式(5)代入式(4)得到用户i选择菜单电价组合k时的概率为

(6)

公式(6)为用户对菜单电价组合的离散选择模型，表示用户选择何种菜单电价组合的概率取决于用户对于需求响应补偿电价、负荷削减量和负荷削减边际成本的偏好程度，反应了用户的不同消费偏好选择行为。文章采用应用广泛的极大似然估计进行参数标定。当用户i实际选择菜单电价组合λk、ΔPk时，可表示为

(7)

(8)

可以证明，L(β1,β2,β3)是β1,β2,β3的凹函数。因此，使L(β1,β2,β3)达到最大值的极大似然估计向量是让L(β1,β2,β3)分别对β1,β2,β3求导，并使导数为0，得到方程组：

(9)

通过解此方程组，即可确定模型参数β1,β2,β3。

2.3 用户菜单电价选择影响因素分析

用户对菜单电价选择影响因素分析主要通过分析不同影响因素对菜单电价选择的影响。从2.2节可知，影响用户菜单电价选择的主要因素为需求响应补偿电价、负荷削减量以及负荷削减边际成本3种。为了描述这3种因素对用户菜单电价选择概率的具体影响，即当上述3种因素中某个影响因素变量发生变化时，该类菜单电价被选择概率有多大程度的变化，采用经济学中的弹性值来分析各种因素的敏感度。弹性是指某一个因素变量变动的百分比相对于另一种因素变量变动的百分比。对于菜单电价的选择而言，即当影响电价选择的某个影响因素变量发生一个百分点的变化时，用户选择该类菜单电价组合的概率有多大程度的变化。因此，用户i选择菜单选项k的概率Prik关于菜单选项k中第j个影响因素变量xkj的弹性为

(10)

式中：Ei,xkj为用户i选择菜单选项k的概率Prik关于菜单选项k中第j个影响因素变量xkj的弹性值。由于确定效用Vik与xkj成线性关系，那么：

Ei,xkj=βkjxkj(1-Prik)

(11)

从公式(10)～(11)可以看出，影响电价选择的因素的敏感度主要和3个方面有关，包括该因素变量本身xkj和该因素的变量参数βkj的大小，同时还与对当前菜单电价组合选择的概率Prik也有密切关系。

3 基于离散选择的可控负荷需求响应菜单定价模型

3.1 目标函数

为了实现对不同类型可控负荷的差别定价，基于离散选择模型对用户选择概率估计，在最大化利用分布式可再生能源发电和满足电力网络和设备安全运行约束的前提下，提出以系统供电成本最小为目标的可控负荷菜单定价模型。

(12)

式中基于离散选择的可控负荷需求响应电价决策模型包括4个部分：分布式柴油或燃气发电机组的发电成本FG、分布式风力发电成本FW、可控负荷需求响应补偿成本FDR和LSE在批发市场的购电成本FB，分别对应式(12)的第1项到第4项。Pgn、Pwn,s、ΔPnk、λk、Pb为优化决策变量。N为系统节点数目。

可控负荷功率削减补偿成本体现在LSE支付给参与电网调度的用户负荷功率削减的补偿费用。考虑用户选择菜单组合的不确定性，补偿成本为用户选择各类菜单组合所获补偿的数学期望，其计算公式为

(13)

LSE对于K类用户参与电网调度的可控负荷功率削减量估计为

ΔPnk=Pn[1-e-εk(λk-Ci)]

(14)

式(14)为可控负荷需求响应函数[18]，表征用户的负荷削减量大小与用户负荷削减的边际成本、补偿电价以及需求弹性系数有关。ΔPnk为用户选择第k类菜单组合时的节点n可控负荷功率削减量；Pn为用户功率削减之前的负荷需求，即不参与电网调度时的负荷需求；εk为用户对第k类菜单电价的需求弹性因子。用户选择K种菜单电价组合的离散概率满足：

Prn1+Prn2+…+PrnK=1，Prnk≥0

(15)

假设分布式柴油或燃气发电机组的发电成本采用二次函数形式，即

(16)

式中：agn,bgn分别为发电成本一次和二次系数。

风电机组的发电成本包括3部分[19]，即

FW=cwnPwn,s+E(cwn,u[Pwn-Pwn,s]+)+

E(cwn,o[Pwn,s-Pwn]+)

(17)

式中：Pwn,s为计划的风力发电功率；Pwn为节点n的实际可用风力发电功率，服从随机概率分布；cwn为风电机组直接发电成本系数；cwn,u,cwn,o分别为风功率低估和高估的惩罚成本系数；[x]+=max{x,0}；E(·)为数学期望算子。

LSE在批发市场的购电成本为

FB=Pbλb

(18)

式中：Pb、λb为LSE在批发市场购买电能的电量和电价。

3.2 约束条件

(1)系统平衡约束(忽略系统功率损耗)：

(19)

(2)电力网络安全约束：

(20)

式中：ηln为节点n的注入功率对线路l传输功率的灵敏度系数；Tl为线路l的传输功率限值；l=1,2,…，L表示支路，L为输电线路总数。

(3)可控负荷功率削减量约束：

0≤ΔPnk≤PnPr nk

(21)

式中：可控负荷功率削减量的最大值与用户不参与调度时的负荷需求和选择该类型的菜单电价的概率有关[20]。

(4)分布式电源出力约束：

(22)

(23)

4 原对偶内点算法

原对偶内点算法在数学上描述如下，同时利用一个不带函数不等式约束的标准优化问题进行分析。

minf(x)

(24)

s.th(x)=0

(25)

l≤x≤u

(26)

式中：x∈Rn,f∈R,h∈Rm为连续可微的函数；l,u∈Rn为变量的上、下界。引入松弛变量z1,z2∈Rn后，将式(26)转化为：

x-z1=l

(27)

x+z2=u

(28)

z1≥0,z2≥0

(29)

在目标函数中引入对数障碍函数，可以消除不等式约束。将目标函数转化为：

(30)

s.th(x)=0

(31)

x-z1=l

(32)

x+z2=u

(33)

式中：μ为障碍函数，且μ>0；将式(30)～(33)定义拉格朗日函数如下：

L=f(x)+λTh(x)+φT(x-z1-l)+γT(x+z2-u) -

(34)

式中：x,z1,z2为原始变量向量；λ,φ,γ为对应的拉格朗日乘子向量，即对偶变量向量。由此可导出下列KKT条件：

Lx=▽h(x)+▽Th(x)λ+▽T(φ+γ)=0

(35)

Lλ=h(x)=0

(36)

Lφ=x-z1-l=0

(37)

Lγ=x+z2-u=0

(38)

(39)

(40)

z1,z2,γ≥0,φ≤0

(41)

式中：Z1,Z2为对角阵，对角元分别为z1,z2；φ1，γ1分别为以向量φ，γ元素为对角元构成的对角矩阵；e为r维全一向量；▽f(x)为f(x)的梯度。

通过牛顿-拉夫逊法迭代求解式(35)～(41)，可得修正方程如下：

Δz1=▽xΔx+Lφ

(42)

Δz2=-▽xΔx-Lγ

(43)

(44)

(45)

(46)

-Lλ=▽h(x)Δx

(47)

式(46)、(47)可以写成如下迭代格式：

(48)

式中：

(49)

H′=▽2f(x)-λT▽2h(x)+(φT+γT)▽2x+

(50)

式中：H′为修正后的海森矩阵；J为等式约束的雅可比矩阵。

在原对偶内点法中，在对松弛变量和函数对应的拉格朗日乘子给定适当初始值时，必须要保证z1,z2,γ≥0,φ≤0，

障碍因子根据对偶间隙动态确定：

μ=σCd/2r

(51)

式中：σ为向心参数，取值为(0,1]；r为不等式约束个数；Cd为对偶间隙，即

(52)

5 算例仿真

采用原对偶内点算法求解菜单定价优化模型，通过IEEE-30节点系统[21]的数值仿真，验证所提模型和方法的有效性。分布式柴油或燃气发电机组参数如表2所示。假设在7节点接入分布式风电机组，风速采用荷兰DeBilt风场的风速数据，服从Weibull分布。风速与风机最大可用输出功率之间的关系如文献[22]所示，风电机组参数如表3所示。LSE在批发市场的购电电价为92$/(MW·h)。假设在3、10、15节点上接入高、中、低3种成本类型的可控负荷用户，需求弹性数据根据用户特点设定[23]，负荷削减边际成本根据用户在PJM市场减功率的报价数据设定，其参数如表4所示。

5.1 用户效用函数的参数分析及菜单组合选项

选取美国PJM市场2014年8月各天晚20:05分用户需求响应减功率的报价数据(包含报价和功率削减量)，构造300组样本进行极大似然估计，最终得到的参数估计结果为β1=0.132、β2=-0.034、β3=-0.028，建立用户效用函数确定项的函数为

表2 机组发电参数

Table 2 Generation parameters of units

表3 风电机组参数

Table 3 Wind turbine parameters $/( MW·h)

表4 节点可控负荷参数

Vik=0.132λk-0.034ΔPik-0.028Ci

(53)

在考虑用户离散选择的菜单定价模式下，分别针对3种不同成本的用户设计出3档共9种不同的菜单电价组合。从表5可以看出，随着负荷削减量的增加，系统将同时提高补偿电价，以增加用户选择此类菜单电价组合的效用，增大用户选择此类选项的概率，从而提高用户需求响应的积极性。在实际的电力市场中，由于用户个人的经济特征不同，因此用户会根据自身的实际状况以及效用值的大小，选择最优的菜单电价选项。

5.2 离散选择对用户需求响应及供电成本的影响

为了研究用户离散选择对系统定价的影响，分别考虑有无离散选择对用户负荷削减量和系统供电成本进行分析。不考虑用户离散选择时，假设用户对所有菜单电价的偏好相同，即选择各类菜单电价的概率均相同，其结果如表6和图1、2所示。

表5 菜单组合选项

Table 5 Menu combination options

表6 供电成本及负荷削减量对比

Table 6 Comparison of power supply cost and load reduction

图1 不同成本用户的负荷削减量

图2 不同成本用户需求响应补偿成本

从表6和图1，2可以看出，考虑离散选择的菜单定价能够有效地促进不同成本类型的用户参与系统的需求响应，诱使用户削减更多的负荷功率，虽然在一定程度上增加了系统支付给用户的补偿成本，但是由于系统拥有了更多的可调度的需求侧可控负荷资源，减少了系统使用较多的常规发电资源，因此系统总的供电成本反而更小。该结果表明由于在定价中考虑了用户对不同菜单电价的偏好，系统可以根据用户对菜单组合的选择概率，制定符合用户消费偏好的菜单电价组合，诱导不同类型用户尽可能地选择补偿电价和负荷削减量较高的菜单选项，提高用户的收益，从而节约系统的供电成本。

5.3 电价及负荷削减量的敏感度分析

根据公式(10)—(11)可以求出各类型用户对需求响应补偿电价、负荷削减量的弹性值，由于用户的成本类型是系统无法控制的因素，因此不考虑此种因素的弹性值。

(1)需求响应补偿电价的敏感度分析。

用户对需求响应补偿电价的弹性值，如表7所示。由表7可知：补偿电价对用户选择概率的弹性值都是正值，说明增大补偿电价，可以提高用户选择相应菜单组合的概率。低成本的用户关于补偿电价的弹性值最大为1.82，敏感度最高，说明相对于高、中成本类型的用户而言，提高需求响应补偿电价对低成本的用户选择此类菜单组合有较大的吸引力，这是因为该类用户本身具有较低的功率削减成本，当只提高补偿电价时，此类用户获得的效用增加的最多，因此会相应的提高用户选择的概率。因此，在定价时可以充分利用低成本用户对电价的高敏感度，若相应的提高低成本类型用户的补偿电价，可以促进此类型用户积极参与系统的需求响应项目。

表7 各类型用户的需求响应补偿电价弹性值

Table 7 Demand response compensation price elasticity for each type of user

(2)负荷削减量的敏感度分析。

用户对负荷削减量的弹性值，如表8所示。由表8可知，各类型用户负荷削减量的弹性值都为负值，说明负荷削减量对用户选择的概率具有负向的作用，即增大菜单选项中的负荷削减量，则用户选择相应菜单选项的概率会减小。同时，各类用户负荷削减量的弹性绝对值都小于补偿电价的弹性值，表明了补偿电价对用户选择的影响大于负荷削减量的影响，原因在于提高电价对用户来说具有更直观的效益。高成本类型的负荷削减量弹性值的绝对值最大，说明该类型用户对负荷削减量敏感度最高，若增大负荷削减量，则此类型用户选择相应菜单选项的概率将大大减小。这是因为该类型用户具有较大的功率调整成本，当只增大负荷削减量时，此类用户获得的效用减小的最多，从而会相应的减小此类用户选择的概率。

表8 各类型用户负荷削减量的弹性值

Table 8 Elastic values of load reduction for each type of user

5.4 用户细分对需求响应及系统供电成本的影响

考虑用户类型细分的参数设置如表9所示，分别将用户按照负荷削减边际成本划分为2种、3种、4种类型(2种不同的中等成本类型)；考虑不同用户分类数对需求响应和系统供电成本的影响如图3所示。

表9 用户分类参数设置

Table 9 User classification parameter settings

图3 用户细分对系统供电成本及负荷削减量的影响

从图3可以看出，随着对用户分类数增多，系统的供电成本会相应减少，而菜单选项中总的负荷削减量会增加。这是由于不同类型的用户对电价的偏好不一样，因此会有不同程度的参与意愿。若减少用户分类，则菜单电价组合不能很好地满足该成本类型用户的消费偏好，降低了该类型用户参与需求响应的积极性，系统获得的可调度的需求侧可控负荷资源(负荷削减量)也相应减少，增大系统供电成本。因此可以将用户类型进一步细分，根据每种类型用户的消费偏好制定相应的菜单电价，能够促进用户积极参与系统需求响应项目，节约系统供电成本。

6 结 语

本文通过引入离散选择模型，研究了用户在多种电价下的自主选择行为及消费心理，并以需求响应补偿电价和负荷削减量为菜单选项，构建了基于离散选择的可控负荷需求响应菜单定价方法。算例分析表明，引进用户离散选择概念的菜单电价，能够更好地研究用户对于不同电价的偏好行为，增大用户对电价的自主选择性，有效地诱导用户内在的需求弹性，提高用户需求响应的积极性，节约系统的供电成本，优化电力资源配置，为系统制定更有效的需求响应电价提供帮助，对研究用户的用电消费和支付意愿具有一定的价值，结果表明所提的电价决策模型具有一定的实用性和有效性。

[1]BEVRANI H，GHOSH A. LEDWICH G.Renewable energy sources and frequency regulation：survey and new perspectives[J].IET Renewable Power Generation，2010，4(5): 438-457.

[2]SAMARAKOON K，EKANAYAKE J，JENKINS N.Reporting available demand response[J].IEEE Transactions on Smart Grid，2013，4(4)：1842-1851.

[3]RAHIMI F，IPAKCHI A.Demand response as a market resource under the smart grid paradigm[J].IEEE Transactions on Smart Grid，2010，1(1)：82-88.

[4]CELEBI E，FULLER J D.A model for efficient consumer pricing schemes in electricity markets[J].IEEE Transactions on Power Systems，2007，22(1)：60-67.

[5]CELEBI E，FULLER J D.Time-of-use pricing in electricity markets under different market structures[J].IEEE Transactions on Power Systems，2012，27(3)：1170-1181.

[6]DE Sa FERREIRA R，BARROSO L A，LINO P R，et al.Time-of-use tariff design under uncertainty in price-elasticities of electricity demand: A stochastic optimization approach [J].IEEE Transactions on Smart Grid，2013，4(4)：2285-2295.

[7]LI Canbing，TANG Shengwei，CAO Yijia，et al.A new stepwise power taiff model and its application for residential consumers in regulated electricity markets [J].IEEE Transactions on Power Systems，2013，28(1)：300-308.

[8]肖欣，周渝慧，郑凯中，等.台湾实时可中断电价进行削峰填谷的需求响应策略及其成本效益分析[J].中国电机工程学报，2014，34(22)：3615-3622. XIAO Xin，ZHOU Yuhui，ZHENG Kaizhong，et al.Research on strategy of interruptible price and its cost-benefit model aimed at peak load shifting in Taiwan [J].Proceedings of the CSEE，2014，34(22)：3615-3622.

[9]方勇，李渝曾.电力市场中激励性可中断负荷合同的建模与实施研究[J].电网技术，2004，28(17)：41-46. FANG Yong，LI Yuzeng.Modeling and implementation of incentive interruptible load contracts in electricity markets [J].Power System Technology，2004，28(17)：41-46.

[10]施泉生，李世动.基于是负荷价值的可中断负荷定价研究[J].华东电力，2013，41(8)：1722-1727. SHI Quansheng，LI Shidong.Interruptible load pricing based on value of lost load[J].East China Electric Power，2013，41(8)：1722-1727.

[11]巩永华，李帮义.基于激励相容的电信市场业务组合定价研究[J].工业技术经济，2010，29(7)：77-79. GONG Yonghua，LI Bangyi.Study of business combination pricing of telecom market based on incentive compatibility theory[J].Industrial Technology & Economy，2010，29(7)：77-79.

[12]郭捷，李永壮.基于离散选择模型的顾客选择偏好分析[J].工业技术经济，2012，13(12)：60-65. GUO Jie，LI Yongzhuang.Analysis of customer choice preference based on discrete choice model[J].Journal of Industrial Technological Economics，2012,13(12)：60-65.

[13]U.S. Day-ahead demand response program[R].U.S.，2003.

[14]ZHONG Haiwang，XIE Le，XIA Qing.Coupon incentive-based demand respon se: theory and case study[J].IEEE Transactions on Power Systems，2013，28(2)：1266-1276.

[15]曾鸣，李晨，魏阳，等.基于激励相容原理的跨区输电服务菜单定价方法[J].华东电力，2012，40(2)：0163-0166. ZENG Ming，LI Chen，WEI Yang，et al.A menu-pricing method for cross-regional power transmission service based on incentive compatibility theory[J].East China Electric Power，2012，40(2)：0163-0166.

[16]曾文创.基于离散选择模型的城市交通方式结构优化策略研究[D].广州：华南理工大学，2011. ZENG Wenchuang.Study on optimizing strategy of urban traffic structure based on discrete choice models [D].Guangzhou：South China University of Technology，2011.

[17]杨丽丹.基于离散选择模型的多式联运路径选择[D].北京：清华大学，2011. YANG Lidan.Discrete choice model based route choice for combined transport[D].Beijing：Tsinghua University，2011.

[18]MNATSAKANYAN A，KENNEDY S.Optimal demand response bidding and pricing mechanism：Application for virtual power plant[C]//2013 1stIEEE Conference on Technologies for Sustainability，Portland，USA，2013.

[19]ZHAO Junhua，WEN Fushuan，DONG Zhaoyang，et al.Optimal dispatch of electric vehicles and wind power using enhanced particle swarm optimization[J].IEEE Transactions Industrial Informatics，2012，8(4)：889-899.

[20]RAMOS A，JONGHE C D，SIX D，et al.Asymmety of information and demand response incentives in energy markets[C]//10th International Conference on the European Energy Market(EEM)，Stockholm，Sweden，2013.

[21]袁铁江，晁勤，吐尔逊·伊不拉音，等.面向电力市场的含风电电力系统的环境经济调度优化[J].电网技术，2009，33(20)：131-135. YUAN Tiejiang，CHAO Qin，TUERXUN Yibulayin，et al.Electricity market-oriented optimization of environmental economic dispatching for power grid containing wind power[J].Power System Technology，2009，33(20)：131-135.

[22]JENS N S. Wind energy systems: optimising design and construction for safe and reliable operation[M].New York: Woodhead Publishing，2001[23]LI Xie, HUA Zheng. Demand elasticity analysis by least squares support vector machine[C]//6th International Congress on Image and Signal Processing(CISP)，Hangzhou，China，2013.

(编辑 张媛媛)

Menu-Pricing Method for Controllable Load Based on Discrete Choice Model

DANG Qian1，ZHANG Huafeng2，MA Yanhong2，CUI Liang3，ZHANG Jun4

(1. Information Communication Corporation, State Grid Gansu Electric Power Corporation, Lanzhou 730000, China; 2. Ministry of Information Technology, State Grid Gansu Electric Power Corporation, Lanzhou 730000, China; 3. Lanzhou Central Sub-branch, The People’s Bank of China, Lanzhou 730000, China; 4. Changsha Branch, Shenzhen Huayang International Engineering Design Co., Ltd.， Changsha 410007, China)

The reasonable demand-side price is the key factor to promote and guide the user’s demand response. Considering geographical dispersion and large number of controllable load in difference demand response of marginal cost and consumption preferences, this paper presents a controllable load menu-pricing method based on discrete choice theory. Considering the different preferences of the user in a wide variety of electricity price, this method establishes the discrete choice model for user’s menu price, which is based on the three factors: the marginal cost of load, the load reduction and the compensation price, and calculates the discrete choice probability of user’s menu price. Then we take the price of demand response and the load reduction for the menu options, the minimum cost of system power supply as the target, and construct the menu-pricing model for controllable load which can reflect the different consumption preference of users. Finally, through numerical example, we analyze the power supply cost and user’s total load reduction with or without discrete choice, as well as the sensitivity of affecting user’s selection factor. The results show that menu-pricing considering discrete choice can effectively reflect the user’s preferences for different electricity price, and induce its intrinsic demand elasticity, so that the menu price can meet the user’s consumption preference, promote the user to participate in and cut more load, save the system power supply cost, and realize the optimal allocation of power resources.

demand response; consumption preference; discrete choice; multinomial Logit model; menu-pricing

国家高技术研究发展计划项目(863计划)(2011AA05A104)

TM 73

A

1000-7229(2016)01-0110-09

10.3969/j.issn.1000-7229.2016.01.017

2015-07-03

党倩(1981)，女，硕士，研究方向为电力行业信息系统研究与运维；

张华峰(1978)，男，硕士，研究方向为电力行业信息系统研究与管理；

马彦宏(1975)，男，硕士，研究方向为电力系统自动化；

崔亮(1980)，男，硕士，研究方向为计算机网络与信息系统；

张俊(1988)，男，硕士，研究方向为电力系统运行与控制。

Project supported by the National High Technology Research and Development of China(863 Program)(2011AA05A104)