朱永燦，石琳，褚夏永，耿慶慶，呂海儒

(1.西安工程大學(xué) 電子信息學(xué)院，陜西 西安 710048；2.西安廣林匯智能源科技有限公司，陜西 西安 710089；3.華能陜西發(fā)電有限公司電力交易運(yùn)營中心，陜西 西安 710086)

隨著“雙碳”戰(zhàn)略的實(shí)施，我國新能源市場將進(jìn)入一個新的爆發(fā)期，這對電網(wǎng)的平衡調(diào)節(jié)能力和新能源的消納能力提出了更高要求[1-4]。負(fù)荷側(cè)調(diào)峰技術(shù)作為緩解當(dāng)前新能源消納壓力的重要方案，越來越受到了科研院所和電力企業(yè)的重視[5]。負(fù)荷側(cè)調(diào)峰是將作為需求側(cè)的用戶當(dāng)成與供給側(cè)對等的資源，以調(diào)峰補(bǔ)貼作為激勵，有效引導(dǎo)負(fù)荷側(cè)用戶根據(jù)負(fù)荷聚合商提前下發(fā)的目標(biāo)負(fù)荷曲線調(diào)整生產(chǎn)計(jì)劃，將用電高峰時段調(diào)整到新能源大發(fā)時段，最大程度解決新能源消納問題。

在所有的獨(dú)立負(fù)荷中，工業(yè)用戶具有響應(yīng)容量大、自動化水平高、生產(chǎn)流程穩(wěn)定、價格敏感性高等調(diào)控優(yōu)勢[6]，是目前最優(yōu)質(zhì)的調(diào)峰資源，負(fù)荷聚合商將其打包聚合作為規(guī)模化的響應(yīng)資源，參與到電力調(diào)峰市場，但工業(yè)用戶自身存在設(shè)備依賴性強(qiáng)、調(diào)峰潛力不明確等亟待解決的問題。對于負(fù)荷聚合商來說，調(diào)峰潛力是前期衡量企業(yè)調(diào)峰能力的重要指標(biāo)，調(diào)峰潛力的評估可以最大限度挖掘負(fù)荷側(cè)各個資源的調(diào)節(jié)能力，制訂相應(yīng)的負(fù)荷調(diào)度方案，是當(dāng)前負(fù)荷側(cè)調(diào)峰領(lǐng)域的關(guān)注重點(diǎn)之一[7-8]。

目前已有諸多國內(nèi)外學(xué)者對負(fù)荷側(cè)調(diào)峰展開了大量的研究。文獻(xiàn)[9]針對居民用戶的負(fù)荷特性，從調(diào)峰能力、調(diào)峰概率、調(diào)峰速率3個角度提出評價指標(biāo)，對其調(diào)峰潛力特性進(jìn)行量化，研究分時電價機(jī)制對居民用戶調(diào)峰潛力的影響。文獻(xiàn)[10]對商業(yè)用戶、居民用戶、供熱用戶以及電動汽車充換電站用戶進(jìn)行負(fù)荷特性及互動潛力分析，但僅研究了用戶的用電行為特性，沒有考慮天氣、電價等影響因素。文獻(xiàn)[11]從“可觀、可測、可調(diào)、可控”4個維度建立了評估指標(biāo)體系，制訂不同市場場景下可調(diào)節(jié)負(fù)荷調(diào)控能力評估標(biāo)準(zhǔn)。文獻(xiàn)[12]綜合考慮影響用戶用電行為的主觀和客觀因素，基于負(fù)荷數(shù)據(jù)和問卷調(diào)查等信息，提出多維度精細(xì)用戶畫像。

西北網(wǎng)內(nèi)負(fù)荷側(cè)調(diào)峰資源豐富，一些高耗能企業(yè)逐步參與電網(wǎng)調(diào)峰，由于行業(yè)屬于發(fā)展初期，負(fù)荷側(cè)參與的用戶較少。在大用戶的負(fù)荷調(diào)控等方面，目前已有部分學(xué)者開展相關(guān)研究，為電力系統(tǒng)調(diào)峰方式方法提供了新思路。文獻(xiàn)[13]建立了大工業(yè)用戶負(fù)荷轉(zhuǎn)移模型，提出考慮新能源的峰-谷-平時段劃分方法。文獻(xiàn)[14]針對大用戶從檢修、輪休、錯時和避峰潛力4個方面建立負(fù)荷調(diào)控價值評估指標(biāo)體系，提出了基于改進(jìn)灰靶-前景理論的負(fù)荷調(diào)控潛力量化方法；但指標(biāo)的選取沒有充分考慮用戶的負(fù)荷特性。文獻(xiàn)[15]針對工業(yè)用戶，考慮負(fù)荷分解和需求響應(yīng)意愿指標(biāo)的需求響應(yīng)潛力特征提取，提出了一種基于高斯過程回歸的需求響應(yīng)潛力評估方法；但是其主要考慮的是用戶意愿和生產(chǎn)規(guī)模，沒有對負(fù)荷數(shù)據(jù)進(jìn)行具體分析。文獻(xiàn)[16]結(jié)合考慮信息價值的需求側(cè)用戶響應(yīng)潛力評估指標(biāo)體系，提出了一種基于模糊優(yōu)化集對分析理論的需求側(cè)用戶響應(yīng)潛力評估方法；但建立指標(biāo)體系時，只選用了具有關(guān)鍵性影響的指標(biāo)，且計(jì)算指標(biāo)權(quán)重時包含部分主觀因素。

綜上所述，以上研究大多以居民用戶等小規(guī)模的分散性負(fù)荷作為研究對象，對日負(fù)荷超過數(shù)萬kWh的大型工業(yè)用戶的指導(dǎo)意義非常有限；此外，上述研究大都偏重于調(diào)峰的后評價，對于未參與過調(diào)峰響應(yīng)的新用戶的調(diào)峰潛力分析難以適用。針對上述問題，本文在當(dāng)前調(diào)峰評估研究的基礎(chǔ)上，結(jié)合工業(yè)用戶調(diào)峰潛力評估實(shí)際需求，基于灰色關(guān)聯(lián)度對用戶用能數(shù)據(jù)進(jìn)行深度分析，該方法對樣本量的大小沒有過多的要求，也不需要典型的分布規(guī)律，并且較小計(jì)算量就能夠得到代表大型工業(yè)用戶參與調(diào)峰消納的指標(biāo)參數(shù)。構(gòu)建基于改進(jìn)熵權(quán)法-CRITIC的調(diào)峰潛力評估模型，該模型充分考慮指標(biāo)數(shù)據(jù)原有特性和變異性，分析用戶參與調(diào)峰的情況，對用戶的互動響應(yīng)能力進(jìn)行綜合評估。

1 調(diào)峰潛力評估模型結(jié)構(gòu)

調(diào)峰潛力評估的算法流程如圖1所示，模型具體應(yīng)用步驟如下。

圖1 調(diào)峰潛力評估流程Fig.1 Peaking potential evaluation flow chart

a)調(diào)峰前后指標(biāo)關(guān)聯(lián)度分析。首先對用戶用電數(shù)據(jù)進(jìn)行分析處理，建立調(diào)峰前后相關(guān)指標(biāo)，利用灰色關(guān)聯(lián)分析方法研究調(diào)峰收益影響因素。

c)用戶調(diào)峰潛力評估預(yù)測?；诟倪M(jìn)熵權(quán)法-CRITIC模型，得出各指標(biāo)的客觀權(quán)重系數(shù)，并計(jì)算用戶調(diào)峰潛力評分，綜合評估每個用戶的調(diào)峰價值。

2 基于灰色關(guān)聯(lián)分析的調(diào)峰收益影響因素分析

2.1 調(diào)峰收益影響因素分析

在用戶參與負(fù)荷側(cè)調(diào)峰過程中，影響調(diào)峰收益的因素是多個方面的，比如生產(chǎn)計(jì)劃調(diào)整、設(shè)備自身的負(fù)荷升降能力、用戶參與調(diào)峰的意識及水平等。下面對調(diào)峰收益影響因素進(jìn)行分析。

a)實(shí)際調(diào)峰負(fù)荷均值X1：參與調(diào)峰的工業(yè)用戶每小時調(diào)峰負(fù)荷與基準(zhǔn)負(fù)荷的差值。

(1)

實(shí)際調(diào)峰負(fù)荷均值X1描述了工業(yè)用戶的調(diào)峰情況，與用戶參與調(diào)峰響應(yīng)前的最大可調(diào)峰負(fù)荷、平均負(fù)荷、調(diào)峰速率相關(guān)。

b)實(shí)際調(diào)峰負(fù)荷占比X2：負(fù)荷用戶連續(xù)N日實(shí)際調(diào)峰負(fù)荷與其基準(zhǔn)負(fù)荷的比值。

(2)

實(shí)際調(diào)峰負(fù)荷占比X2與用戶自身生產(chǎn)工藝、設(shè)備運(yùn)行控制有關(guān)，負(fù)荷越波動，用戶的可調(diào)負(fù)荷可能越多。該指標(biāo)與用戶參與調(diào)峰響應(yīng)前的負(fù)荷波動率、最大可調(diào)峰負(fù)荷、平均負(fù)荷相關(guān)。

c)調(diào)峰速率X3：用戶連續(xù)N日參與調(diào)峰，在參與調(diào)峰起始和結(jié)束時，負(fù)荷上升階段和下降階段功率的變化率平均值。

(3)

不同用戶的設(shè)備不同，設(shè)備的啟、停時間也不同。啟、停時間影響用戶調(diào)峰的爬坡時間，如果啟、停時間長，則對應(yīng)的爬坡時間長，在調(diào)峰量固定的情況下，爬坡時間長則調(diào)峰速率小。該指標(biāo)與用戶未參與調(diào)峰時的設(shè)備啟停速率相關(guān)。

d)調(diào)峰貢獻(xiàn)率X4：用戶i實(shí)際調(diào)峰負(fù)荷均值LCi占負(fù)荷聚合商所有調(diào)峰負(fù)荷均值的比例。

(4)

式中W為參與負(fù)荷聚合商調(diào)峰的用戶總數(shù)。

該指標(biāo)與用戶的參與度有關(guān)，用戶參與調(diào)峰越多，其調(diào)峰的負(fù)荷均值就越大，調(diào)峰貢獻(xiàn)率就越大。

e)調(diào)峰參與度X5：用戶參與調(diào)峰響應(yīng)次數(shù)占負(fù)荷聚合商總調(diào)峰次數(shù)的比例。

(5)

式中：Ni為工業(yè)用戶i參與調(diào)峰響應(yīng)次數(shù)；NT為負(fù)荷聚合商總調(diào)峰次數(shù)。

用戶類型是多樣化的，有些用戶對電價比較敏感，而有些用戶卻對電價不敏感。對電力價格更敏感的用戶，通過調(diào)整生產(chǎn)計(jì)劃參與調(diào)峰消納新能源。該指標(biāo)與用戶未參與調(diào)峰時的調(diào)峰速率、最大可調(diào)峰負(fù)荷有關(guān)。

f)調(diào)峰響應(yīng)合格率X6：用戶參與調(diào)峰過程中，調(diào)峰合格頻點(diǎn)與參與調(diào)峰總頻點(diǎn)數(shù)的比值。

(6)

式中：Ui為用戶i參與調(diào)峰總?cè)諗?shù)；ξz為第z日單位階躍函數(shù)，當(dāng)實(shí)際負(fù)荷在目標(biāo)負(fù)荷的0.3～1.3倍范圍內(nèi)時取1，否則取0。

調(diào)峰響應(yīng)合格率是反映調(diào)峰質(zhì)量的指標(biāo)。若調(diào)峰響應(yīng)合格率過低，表明用戶沒有按計(jì)劃進(jìn)行調(diào)節(jié)或出現(xiàn)設(shè)備故障，調(diào)峰效果較差。該指標(biāo)與用戶參與調(diào)峰響應(yīng)前的峰-平-谷用電比例、平均負(fù)荷相關(guān)。

g)負(fù)荷波動率X7：用戶負(fù)荷的標(biāo)準(zhǔn)差與負(fù)荷均值的比值。

(7)

(8)

式中：σi為用戶i的負(fù)荷標(biāo)準(zhǔn)差；Lcavg為該用戶調(diào)峰時段的負(fù)荷均值。

標(biāo)準(zhǔn)差反映了負(fù)荷的分散程度，負(fù)荷均值反映了負(fù)荷的集中程度，該指標(biāo)為單位平均負(fù)荷的分散程度，表示負(fù)荷波動或分散程度的相對情況，綜合反映了負(fù)荷的變化。該指標(biāo)與用戶未參與調(diào)峰時的負(fù)荷波動率相關(guān)。

2.2 基于灰色關(guān)聯(lián)分析的調(diào)峰收益影響因素分析方法

灰色關(guān)聯(lián)分析是一種多因素統(tǒng)計(jì)分析方法，可以確定各因素對其所在系統(tǒng)的影響程度[17]。通過該方法可以計(jì)算各影響因素序列的灰色關(guān)聯(lián)度，灰色關(guān)聯(lián)度越大，表示該影響因素對調(diào)峰質(zhì)量的重要程度越大。關(guān)聯(lián)度計(jì)算步驟如下：

a)收集調(diào)峰收益影響因素指標(biāo)數(shù)據(jù)作為樣本，具體為：

(9)

式中Xe(i)為指標(biāo)數(shù)據(jù)，i=1，2，…，n(n為用戶數(shù))，e=1，2，…，p(p為評價指標(biāo)個數(shù))。

根據(jù)調(diào)峰潛力評估目標(biāo)選擇調(diào)峰前指標(biāo)組合的參考序列，具體為：

X0=(X0(1)，X0(2)，…，X0(n))T.

(10)

式中：X0為調(diào)峰前指標(biāo)參考向量；X0(i)(i=1，2，…，n)為調(diào)峰前指標(biāo)參考數(shù)據(jù)。

b)調(diào)峰潛力評估指標(biāo)的量綱不同，因此需要對數(shù)據(jù)進(jìn)行預(yù)處理，采用式(11)去量綱、縮小變量范圍從而簡化計(jì)算。

(11)

c)計(jì)算調(diào)峰潛力評估指標(biāo)與參考序列的灰色關(guān)聯(lián)度系數(shù)為：

(12)

(13)

式中：Fe(i)為Xe(i)對應(yīng)的關(guān)聯(lián)系數(shù)；ρ為分辨系數(shù)，通常取ρ=0.5。

2.3 調(diào)峰收益影響因素關(guān)聯(lián)度分析結(jié)果

為了減少行業(yè)差異的影響，本文選取陜西省6家水泥企業(yè)為例進(jìn)行分析，算例使用的數(shù)據(jù)包括工業(yè)用戶的調(diào)峰申報數(shù)據(jù)和實(shí)際的日負(fù)荷數(shù)據(jù)，采樣間隔為15 min，每日共有96組數(shù)據(jù)，共30日。6家水泥企業(yè)參與調(diào)峰的平均負(fù)荷數(shù)據(jù)統(tǒng)計(jì)如圖2所示。在參與調(diào)峰的30日內(nèi)，單日存在2個高負(fù)荷時段，其中00：00—07：00為電價低谷時段，企業(yè)一般把重負(fù)荷安排在該時段；11：00—17：00雖然為平價時段，但該時段新能源大發(fā)，企業(yè)按要求參與調(diào)峰消納新能源可獲得可觀的調(diào)峰補(bǔ)貼，且調(diào)峰受益與調(diào)峰電量成正比，因此該時段也呈現(xiàn)明顯的高負(fù)荷狀態(tài)。

圖2 用戶調(diào)峰消納負(fù)荷曲線Fig.2 User peak consumption load curves

根據(jù)調(diào)峰收益影響因素分析，由式(1)—(8)計(jì)算可得各用戶的指標(biāo)初始值，見表1。

表1 調(diào)峰收益影響因素指標(biāo)矩陣Tab.1 Index matrix of peak regulation revenue influencing factors

依據(jù)2.2節(jié)對調(diào)峰前后負(fù)荷數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)分析后，可得到灰色關(guān)聯(lián)度系數(shù)，其取值在0～1之間。一般認(rèn)為，關(guān)聯(lián)度大于0.5，表示具有較大的關(guān)聯(lián)程度，所得值越接近1，相關(guān)性越強(qiáng)。圖3為調(diào)峰前后指標(biāo)灰色關(guān)聯(lián)系數(shù)熱力圖。由圖3可見，調(diào)峰前后指標(biāo)相關(guān)性與上文分析對應(yīng)，且關(guān)聯(lián)系數(shù)基本都在0.5以上，對調(diào)峰后指標(biāo)影響最大的是最大可調(diào)峰負(fù)荷和調(diào)峰速率，其次是負(fù)荷波動率和平均負(fù)荷，再次是峰平比值和峰谷比值。其中最大可調(diào)峰負(fù)荷、調(diào)峰速率與調(diào)峰收益影響因素的關(guān)聯(lián)度最大，很大程度上決定了用戶的收益。因此，10：00—17：00調(diào)峰時段，用戶在不改變生產(chǎn)任務(wù)的前提下，要投入運(yùn)行更多設(shè)備，盡可能多地拉高負(fù)荷。設(shè)備啟停越快，爬坡能力越強(qiáng)，則調(diào)峰能力越好，因此用戶要提高靈活性，改善設(shè)備爬坡速度和啟停時間，使設(shè)備具有更快的變負(fù)荷速率。

圖3 調(diào)峰前后指標(biāo)灰色關(guān)聯(lián)系數(shù)熱力圖Fig.3 Grey correlation coefficient heat map of indexes before and after peak regulation

綜上所述，企業(yè)未調(diào)峰前的最大可調(diào)峰負(fù)荷、負(fù)荷波動率等指標(biāo)能夠反映用戶調(diào)峰的能力，將其作為調(diào)峰潛力評估模型的輸入指標(biāo)，對用戶的調(diào)峰響應(yīng)能力進(jìn)行性能評估。

3 基于改進(jìn)熵權(quán)法-CRITIC的工業(yè)用戶調(diào)峰潛力評估模型

3.1 調(diào)峰潛力評估指標(biāo)分析

對于準(zhǔn)備參與調(diào)峰的用戶，負(fù)荷聚合商需要評估其整體用能情況，并判斷參與調(diào)峰后的收益情況。為了準(zhǔn)確評估用戶參與調(diào)峰的能力，利用上述灰色關(guān)聯(lián)分析結(jié)果，結(jié)合高負(fù)荷用戶的影響因素關(guān)聯(lián)度，從用戶參與調(diào)峰前入手，建立調(diào)峰潛力評估指標(biāo)體系，提出最大可調(diào)峰負(fù)荷、峰平比值、峰谷比值、平均負(fù)荷、設(shè)備啟停速率和負(fù)荷波動率6個指標(biāo)，其中平均負(fù)荷、設(shè)備啟停速率和負(fù)荷波動率與2.1節(jié)計(jì)算過程類似，不再贅述。

a)最大可調(diào)峰負(fù)荷Y1：用于表征工業(yè)用戶可能調(diào)節(jié)負(fù)荷的大小，用戶最大可調(diào)峰負(fù)荷值越大，其用電行為的可改變量和可轉(zhuǎn)移量越大。

Y1(i)=Li，max-Li，avg.

(14)

式中：Li，max為用戶i的日負(fù)荷最大值；Li，avg為用戶i非調(diào)峰時段的負(fù)荷均值。

b)峰平比值Y2：用戶用電高峰時段的負(fù)荷與平時段的負(fù)荷比值。

(15)

式中：Li，pp為用戶i用電高峰時段的負(fù)荷值；Li，f為用戶i用電平時段的負(fù)荷值。

c)峰谷比值Y3：用戶用電高峰時段的負(fù)荷與低谷時段的負(fù)荷比值。

(16)

式中Li，v為用戶用電低谷時段的負(fù)荷值。

d)平均負(fù)荷Y4：用戶在未參與調(diào)峰時負(fù)荷的平均值，反映用戶用電量水平。

e)設(shè)備啟、停速率Y5：在調(diào)峰起始和結(jié)束時刻，設(shè)備啟動、停止階段功率的變化率平均值。

f)負(fù)荷波動率Y6：用戶負(fù)荷的標(biāo)準(zhǔn)差與負(fù)荷均值的比值。

3.2 基于改進(jìn)熵權(quán)法-CRITIC的調(diào)峰潛力評估模型

熵權(quán)法根據(jù)指標(biāo)變異性的大小來確定客觀權(quán)重[18]，而CRITIC算法則考慮各指標(biāo)自身的波動性及指標(biāo)間的沖突性。兩者結(jié)合既能有效考慮指標(biāo)數(shù)據(jù)原有特性，又能考慮數(shù)據(jù)的變異性。因此，本文基于改進(jìn)熵權(quán)法-CRITIC建立評估模型，具體步驟如下[19-23]：

a)數(shù)據(jù)標(biāo)準(zhǔn)化。用戶的原始信息矩陣為Y=[Yj(i)]g×h，i=1，2，…，g代表評估用戶，j=1，2，…，h代表評估指標(biāo)，對評價對象原始數(shù)據(jù)矩陣歸一化。

(17)

式中：Yj=[Yj(1)Yj(2)…Yj(g)]T，max(Yj)、min(Yj)分別表示取Yj中元素的最大、最小值；Y′j(i)為歸一化處理后數(shù)據(jù)。

b)根據(jù)熵權(quán)法計(jì)算各指標(biāo)的信息熵Ej。

(18)

(19)

式中Pj(i)為Y′j(i)出現(xiàn)的概率。

c)根據(jù)CRITIC法計(jì)算各指標(biāo)的標(biāo)準(zhǔn)差Dj。

(20)

(21)

d)根據(jù)CRITIC法計(jì)算各指標(biāo)沖突系數(shù)Aj。

(22)

(23)

式中：rkj為第k個指標(biāo)和第j個指標(biāo)之間的皮爾遜相關(guān)系數(shù)。

e)結(jié)合熵權(quán)法和CRITIC，得到綜合衡量指標(biāo)的信息量。

Cj=(Ej+Dj)Aj.

(24)

式中Cj為指標(biāo)j的信息量。

f)計(jì)算各指標(biāo)的權(quán)重和用戶評分。

(25)

(26)

式中：wj為指標(biāo)j的權(quán)重；Si為用戶i的調(diào)峰潛力評分。

g)計(jì)算相對誤差。

(27)

(28)

(29)

式中：δi為用戶i的調(diào)峰潛力評分與調(diào)峰收益之間的相對誤差；Li為用戶i的調(diào)峰收益；S′i為用戶i歸一化調(diào)峰潛力評分；L′i為用戶i歸一化調(diào)峰收益。

3.3 工業(yè)用戶調(diào)峰潛力評估結(jié)果

上述6家水泥企業(yè)參與調(diào)峰前的平均負(fù)荷數(shù)據(jù)統(tǒng)計(jì)如圖4所示。相比于圖2中的企業(yè)調(diào)峰負(fù)荷曲線，企業(yè)未參與調(diào)峰時，單日內(nèi)只在00：00—07：00的電價低谷時段存在一個負(fù)荷高峰，且負(fù)荷變化的速率小于調(diào)峰時段。

圖4 用戶調(diào)峰前負(fù)荷曲線Fig.4 User load curves before peak regulation

對圖4中調(diào)峰前數(shù)據(jù)進(jìn)行分析，可得每個用戶的調(diào)峰潛力評估指標(biāo)，見表2。

表2 調(diào)峰潛力評估指標(biāo)矩陣Tab.2 Index matrix of peaking potential evaluation

通過分析得到調(diào)峰前后指標(biāo)具有相關(guān)性，利用調(diào)峰前各指標(biāo)，基于改進(jìn)熵權(quán)法-CRITIC對用戶進(jìn)行評分。

表3為工業(yè)用戶調(diào)峰潛力評估模型的各指標(biāo)權(quán)重系數(shù)計(jì)算結(jié)果。

表3 指標(biāo)權(quán)重系數(shù)計(jì)算結(jié)果Tab.3 Calculation results of index weight coefficients

由式(18)—(25)計(jì)算可得各指標(biāo)的權(quán)重系數(shù)分別為w1=0.107 1，w2=0.133 4，w3=0.211 6，w4=0.248 7，w5=0.190 3，w6=0.108 9。

將指標(biāo)權(quán)重結(jié)果帶入式(26)可得每個用戶的評分和排序，見表4。由表4數(shù)據(jù)可知：用戶1評分最高，其次為用戶2、用戶3，即用戶1、2、3屬于優(yōu)質(zhì)調(diào)峰用戶；用戶6的評分最低，故可判定用戶6的調(diào)峰價值一般。

表4 用戶評分及排序Tab.4 User scoring and ranking

3.4 評估效果分析

本文選用熵權(quán)法評估模型、CRITIC評估模型、隨機(jī)森林評估模型、改進(jìn)熵權(quán)法-CRITIC評估模型對用戶調(diào)峰潛力進(jìn)行評估，結(jié)果如圖5所示。通過分析可以發(fā)現(xiàn)，評分結(jié)果與企業(yè)實(shí)際參與調(diào)峰的月度收益具有關(guān)聯(lián)性?？傮w上看，預(yù)測的調(diào)峰潛力評分與用戶調(diào)峰收益相一致，相較于熵權(quán)法、CRITIC法、隨機(jī)森林法，本文方法評分更接近實(shí)際的收益趨勢。

圖5 用戶收益與評分Fig.5 User revenue and scoring graph

為了更好地展現(xiàn)模型的精確度，對樣本進(jìn)行誤差分析。數(shù)據(jù)預(yù)處理中指標(biāo)無量綱化采用歸一化的線性比例法，由式(27)計(jì)算可得各個用戶評分的相對誤差。

對比基于本文方法和基于熵權(quán)法、CRITIC法、隨機(jī)森林法的用戶調(diào)峰潛力評估，結(jié)果如圖6所示?？梢钥闯?，6個水泥廠用戶的排名是一致的，但是評分有所區(qū)別。熵權(quán)法、CRITIC法、隨機(jī)森林法和本文方法采用式(27)計(jì)算所得的平均相對誤差分別為8.72%、5.67%、8.53%、4.67%。同時采用與最優(yōu)質(zhì)用戶數(shù)據(jù)進(jìn)行對比計(jì)算相對誤差，基于改進(jìn)熵權(quán)法-CRITIC評估模型平均相對誤差為4.62%，明顯優(yōu)于其他3種模型的14.19%和5.26%、12.70%，能夠較好地評估用戶調(diào)峰潛力。綜上所述，該工業(yè)用戶調(diào)峰潛力評估模型是合理且有效的。

圖6 基于本文方法和基于熵權(quán)法、CRITIC法、隨機(jī)森林法的用戶調(diào)峰潛力評估結(jié)果比較Fig.6 Comparisons of evaluation results of user peaking potential based on the proposed method，entropy weight method，CRITIC method，and random forest

4 結(jié)論

本文充分考慮調(diào)峰影響因素，構(gòu)建了調(diào)峰潛力評估指標(biāo)體系，采用改進(jìn)熵權(quán)法-CRITIC評估模型確定用戶得分，最后進(jìn)行了實(shí)際算例分析，得到以下結(jié)論：

a)針對目前缺少對調(diào)峰前后關(guān)聯(lián)度分析的不足，本文從多角度考慮，基于灰色關(guān)聯(lián)度對用戶用能數(shù)據(jù)進(jìn)行深度分析，結(jié)果表明調(diào)峰前各項(xiàng)指標(biāo)與用戶參與調(diào)峰情況具有強(qiáng)相關(guān)性，能充分反映用戶的調(diào)峰能力。

b)采用調(diào)峰前各項(xiàng)指標(biāo)確立調(diào)峰潛力評估指標(biāo)體系，基于改進(jìn)熵權(quán)法-CRITIC建立調(diào)峰潛力評估模型，實(shí)現(xiàn)用戶調(diào)峰潛力評估預(yù)測。

c)算例結(jié)果表明，該模型在用戶參與調(diào)峰響應(yīng)前即可應(yīng)用，利用用戶未參與調(diào)峰數(shù)據(jù)得到的評估結(jié)果與實(shí)際相符，能夠?yàn)樨?fù)荷聚合商調(diào)峰決策提供理論支持，促進(jìn)新能源合理分配，提高經(jīng)濟(jì)效益。