張春雁, 竇真蘭, 白冰青, 王玲玲, 蔣傳文, 熊 展

(1.國網(wǎng)上海綜合能源服務(wù)有限公司,上海200023; 2.上海交通大學 電力傳輸與功率變換控制教育部重點實驗室,上海 200240)

隨著碳達峰、碳中和目標的提出,作為碳排放主要來源之一的電力行業(yè)正積極響應(yīng)“雙碳”目標,主動降低碳排放水平[1-2].綜合能源系統(tǒng)(Integrated Energy System,IES)是實現(xiàn)“雙碳”目標的重要支撐,可以提高能源利用效率,促進可再生能源消納,從而降低用戶用能過程中的碳排放水平[3-4].而用戶作為IES中的重要組成部分,其建模方式和行為規(guī)律是影響IES運行的重要方面[5].在此背景下,從用戶行為分析出發(fā),研究IES低碳運行策略具有現(xiàn)實意義.

目前IES中對用戶行為的研究主要集中于需求側(cè)響應(yīng)(Demand Response,DR)的建模上[6].傳統(tǒng)的DR包括價格型和激勵型兩種響應(yīng)形式[7-8].IES具有多能耦合的特點,可以進一步進行綜合需求側(cè)響應(yīng)(Integrated DR,IDR),同步調(diào)節(jié)系統(tǒng)內(nèi)的多元能源應(yīng)對負荷調(diào)節(jié)需求.文獻[9]中將電負荷分為純電負荷和電制熱負荷來實現(xiàn)熱電負荷的聯(lián)合調(diào)度,但能源轉(zhuǎn)換形式比較單一;文獻[10]中基于綜合需求響應(yīng)和主從博弈構(gòu)建IES調(diào)度模型,論證了博弈均衡解的存在,驗證了IDR機制的價值;文獻[11]中在IES的IDR建模中考慮了熱網(wǎng)氣網(wǎng)的管網(wǎng)動態(tài)特性,動態(tài)模型相比穩(wěn)態(tài)模型反映工況更加準確;文獻[12]中在IDR的基礎(chǔ)上考慮了多主體間的博弈關(guān)系,通過聯(lián)盟博弈實現(xiàn)用戶間的制約平衡;文獻[13]中基于演化博弈分析用戶DR的行為,討論用戶用能行為可能造成的影響.上述文獻均利用DR體現(xiàn)用戶用能可采取的行為,但對用戶行為這一概念沒有明確定義,用戶在IES中處于被動接受的定位.文獻[14-15]中提出用戶行為的建模,但和傳統(tǒng)DR的模式表述一致,尚未對用戶行為進行分類分析.因此需要系統(tǒng)性地提出IES中用戶行為的分析建模方法,作為IES用戶研究的理論依據(jù).

目前對IES低碳運行方面的研究,主要考慮碳交易機制和系統(tǒng)的碳排放水平.文獻[16-17]中在模型的目標函數(shù)中考慮CO2排放量,提出了含熱電聯(lián)產(chǎn)(Combined Heat and Power,CHP)機組的低碳經(jīng)濟調(diào)度方案.文獻[18]中在綜合能源的調(diào)度模型中考慮碳排放目標約束,有效降低了碳排放水平.文獻[19]中在電能量和旋轉(zhuǎn)備用市場的背景下,將階梯式碳交易引入模型,分析電-熱IES的低碳優(yōu)化運行方案.文獻[20]中考慮高比例新能源,進行多能源園區(qū)低碳經(jīng)濟調(diào)度,提高能源利用率和調(diào)度靈活性.文獻[21]中運用生命周期分析折算IES的碳排放,利用碳市場交易機制促使IES主動降低碳排放水平.盡管上述研究中對碳排放的計量和低碳運行策略進行了一系列研究,但沒有考慮用戶行為在IES低碳運行中可能發(fā)揮的作用.在碳達峰、碳中和背景下,有必要深入研究考慮用戶行為的IES低碳運行策略.

基于以上分析,提出IES的用戶行為建模方法,從主體、環(huán)境、手段、結(jié)果、客體5個維度構(gòu)建IES用戶行為的數(shù)據(jù)特征,輸入卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN) 后實現(xiàn)用戶類型分類.分析IES參與碳交易和其他能源市場的機制,建立考慮碳交易和用戶分類IES決策模型,通過多次迭代模擬IES的交易過程.在算例中分析不同方案下IES收益的變化,驗證基于用戶分類運行策略的有效性.

1 IES用戶分類

1.1 用戶行為模型

用戶行為模型主要用于分析用戶的用電活動規(guī)律和意愿,是電力系統(tǒng)的重要研究方向.IES中用戶的能源需求包括電、熱、氣等多種形式,能源間存在轉(zhuǎn)化關(guān)系,用戶行為模型更為復雜.同時,IES代表用戶參與碳市場時需要考慮用戶滿意度.因此,需要對用戶行為進行建模分析,如圖1所示.

圖1 IES用戶行為模型

在社會學領(lǐng)域中,可以將人的行為分為主體、環(huán)境、手段、結(jié)果、客體5個部分[22].在IES中,同樣可以采用該方法分析能源用戶.行為主體指能源用戶自身,包含其個人信息;行為環(huán)境指IES中的價格、氣象、網(wǎng)絡(luò)通暢情況等;行為手段指用戶在能源系統(tǒng)運行過程中對自身用能的調(diào)整;行為結(jié)果指最終的能源需求和供給情況;行為客體指用能行為執(zhí)行過程中受到操作的部分.

(1) 行為主體建模.IES的用戶主體可以使用一系列的用戶屬性表示,包括年齡、家庭成員、用能習慣等信息,分別將其編碼化計入數(shù)據(jù)庫,如下式所示:

(1)

式中:B為主體矩陣;Bi為第i種用戶屬性,每種屬性有ni種情況,用(0,1,…,ni)中的整數(shù)表示,其中0代表該屬性未知.

(2) 行為環(huán)境建模.對IES用戶所處的環(huán)境建模,用戶行為環(huán)境包括外部和內(nèi)部環(huán)境,其中外部環(huán)境指用戶的用能價格、能源供應(yīng)方式等;內(nèi)部環(huán)境包括用戶自身具有的能源設(shè)備、經(jīng)濟水平、基礎(chǔ)負荷曲線.行為環(huán)境問題是系統(tǒng)運行的初始化條件,可以認為短時間內(nèi)不會發(fā)生突變,環(huán)境矩陣表示為

(2)

式中:Ein為內(nèi)部環(huán)境,其中ein,i為對應(yīng)變量的取值;Eout為外部環(huán)境,其中eout,i為對應(yīng)變量的取值.

(3) 行為手段建模.用戶手段包含改變自身設(shè)備出力,通過改變儲能、分布式能源的工作狀態(tài),修改自身的負荷需求,在系統(tǒng)能源價格變化時進行需求響應(yīng).手段矩陣表示為

(3)

(4) 行為結(jié)果建模.行為結(jié)果包含用戶的用能成本和用能體驗.對用戶而言,決定自身用能方案和完成用能體驗不同步.一般而言,用戶先完成用能決策,用能完成后獲得全部體驗,從而得到滿意度.結(jié)果矩陣表示為

(4)

(5) 行為客體建模.包括用戶負荷和設(shè)備的數(shù)學建模,負荷模型包括用戶自調(diào)節(jié)負荷和系統(tǒng)調(diào)節(jié)負荷模型;設(shè)備模型包括用戶自身具有的分布式光伏儲能等設(shè)備.

1.2 基于CNN的用戶類型分類

不同類型的用戶對用能感知不同,需要對用戶進行分類從而設(shè)計合適的能源套餐.考慮用戶信息種類繁多,常規(guī)聚類方法難以發(fā)揮全部信息的作用,因此基于CNN進行用戶分類從而區(qū)分用戶的交易意愿和風險偏好.

1.2.1神經(jīng)網(wǎng)絡(luò)建模 CNN設(shè)計的參數(shù)如表1所示,其中“空白”表示無該數(shù)據(jù).輸入信息包括IES用戶信息,即用戶行為模型中主體矩陣、環(huán)境矩陣和手段矩陣,其中涉及個人信息的方面主要通過問卷獲取.輸出信息為不同用戶類型的概率.

表1 CNN參數(shù)

輸入信息需要對原始數(shù)據(jù)進行處理,包括數(shù)據(jù)清洗和編碼化.數(shù)據(jù)來自愛爾蘭電力智能計量技術(shù)試驗[22],以問卷形式的信息為主,包含用戶的性別、家庭、收入等基礎(chǔ)信息,家用設(shè)備的種類和數(shù)量等設(shè)備信息,用能態(tài)度和用能習慣等生活信息.問卷信息中存在問題未回答的現(xiàn)象,將這一類缺失數(shù)據(jù)統(tǒng)一設(shè)定為-1,其他已回答的問題,根據(jù)答案編號進行編碼,主要分為以下5種情況:①對于“是”和“否”類型等二元答案分別按照2和1編碼,拒絕回答按照0編碼;②對于存在多個選項的答案分別按照1-n′編碼,拒絕回答按照0編碼;③對于數(shù)量類的答案按照實際數(shù)量編碼,拒絕回答按照0編碼;④對于態(tài)度類型的答案按照強烈同意、一般同意、中立、一般反對、強烈反對從1～5編碼,拒絕回答按照0編碼;⑤對于文字類回答不進行編碼,不輸入神經(jīng)網(wǎng)絡(luò).

1.2.2用戶特征區(qū)分 傳統(tǒng)DR形式從綜合能源商的需求角度分為價格型和激勵型,通過不同響應(yīng)形式實現(xiàn)綜合能源商對用戶的影響.從用戶行為角度出發(fā),將用戶分為保守型和激進型,用戶特征如下.

(1) 保守型用戶(A).保守型用戶行為主體參與市場意愿低,對電價敏感度不高,調(diào)節(jié)自身負荷意愿低,為其提供的套餐峰谷價差小,每一時段的價格波動也更低,受環(huán)境影響負荷變化小.

(5)

行為結(jié)果包括保守型用戶的用能成本和滿意度:

(6)

(7)

(2) 激進型用戶(C).激進型用戶參與市場意愿比較強烈,部分用戶配置了分布式發(fā)電設(shè)備,以分布式光伏為主,配合少量儲能.該類行為主體在市場中交易行為較多,對價格敏感度高,調(diào)節(jié)自身負荷的意愿高,為其提供的套餐峰谷價差大,每一時段的價格波動也更大.

(8)

行為結(jié)果包括激進型用戶的用能成本和滿意度:

(9)

(10)

2 IES建模

2.1 IES結(jié)構(gòu)

IES結(jié)構(gòu)如圖2所示.運營商從外部購入電力和天然氣,參與碳市場交易,對內(nèi)和用戶簽訂供能協(xié)議,為用戶提供多種能源.在IES中,外網(wǎng)的電、氣經(jīng)過傳輸端口進入系統(tǒng),共同構(gòu)成輸入能源集合.系統(tǒng)通過風力發(fā)電、光伏提供清潔電能,通過CHP機組熱電聯(lián)供,通過燃氣鍋爐和電鍋爐產(chǎn)熱.

圖2 IES結(jié)構(gòu)

隨著“雙碳”目標的逐步推進,IES在未來會參與碳市場交易.參考目前碳市場交易規(guī)則[23],根據(jù)IES因自身的電熱負荷水平獲得一定的初始碳配額,外購電和系統(tǒng)燃氣機組運行中產(chǎn)生的碳排放會消耗碳額度,額度不足時需向碳市場購買,額度充足時剩余額度可以參與碳市場交易獲得收益.

2.2 IES運營商運行模型

2.2.1目標函數(shù) IES運營商優(yōu)化目標為經(jīng)濟效益最高,目標函數(shù)f包括系統(tǒng)供能成本C1,棄光成本C2和參與碳市場的碳交易成本C3,R為售能收益,表示為

(11)

2.2.2約束條件

(1) 電力約束,包括電功率平衡約束和機組出力約束:

(12)

(2) 熱力約束,包括熱功率平衡約束和機組產(chǎn)熱約束:

(13)

(3) 用戶相關(guān)約束:

(14)

2.3 IES運營商的交易策略

2.3.1用戶套餐制訂 運營商依據(jù)用戶分類結(jié)果為不同的IES用戶設(shè)計供能套餐.不同套餐的供熱價格相同,保證用戶基礎(chǔ)熱需求,并允許實際供熱量10%以內(nèi)的波動.供電套餐如表2所示,其中23:00—8:00為谷時,17:00—20:00為峰時,剩余時段為平時.針對保守型用戶,考慮其用能情況不受價格波動影響,為其提供峰谷價差小的能源套餐;針對激進型用戶,考慮其在應(yīng)對價格波動時積極響應(yīng),會主動調(diào)節(jié)用量,為其提供峰谷價差大的能源套餐.考慮IES中存在新接入的用戶或拒絕提供個人信息的用戶,無法進行用戶分類,因此為其提供介于保守和激進之間的過渡型套餐.套餐中每時段的價格存在波動,用戶負荷會相應(yīng)變化.

表2 能源套餐

2.3.2交易流程 IES交易流程如圖3所示,運營商通過問卷和智能儀表收集用戶信息,輸入神經(jīng)網(wǎng)絡(luò)初步判斷用戶類型,為用戶提供能源套餐推薦;待用戶選擇后,綜合能源運營商根據(jù)套餐執(zhí)行供能方案.同時考慮基于CNN的用戶分類方法存在誤差,運營商在系統(tǒng)的實際運行中可根據(jù)運行結(jié)果修訂用戶信息和分類,修改能源套餐推薦,提高用戶和綜合能源運營商的收益.

圖3 交易流程

每日的運行中首先輸入原始日負荷數(shù)據(jù),根據(jù)用戶套餐的價格區(qū)間選擇用能單價,考慮用戶的負荷需求變化和機組約束計算收益,多次修訂價格后選擇收益最高的方法運行.

2.3.3迭代求解 IES的交易分為兩個迭代過程.一種是在每日運行中的迭代,需要多次計算用能單價,并更新價格變化對負荷水平的影響,確定日運行方案;另一種一般以月度為單位更換用戶信息,為用戶提供新的用能套餐,確定價格區(qū)間.

3 算例分析

3.1 算例基本參數(shù)設(shè)置

為驗證考慮用戶分類的IES低碳運行方法的有效性,設(shè)計如下算例:用戶數(shù)據(jù)采用文獻[24]中提供的問卷信息和負荷曲線,分為保守型和激進型兩種,如圖4所示.部分激進型用戶設(shè)有分布式光伏和儲能,光伏自發(fā)自用,余量不上網(wǎng),用戶儲能容量為系統(tǒng)儲能的1/10.IES設(shè)備參數(shù)參考文獻[25],并根據(jù)用戶負荷水平修改設(shè)備配置,得到本文電熱氣IES的相關(guān)參數(shù),如表3所示.

表3 系統(tǒng)參數(shù)

圖4 用戶初始負荷 (P)

3.2 用戶分類精度分析

IES的用戶分類基于1.2節(jié)中設(shè)計的CNN進行.數(shù)據(jù)來自愛爾蘭電力智能計量技術(shù)試驗,共 4 232 組實驗前問卷和 3 423 組實驗后問卷.數(shù)據(jù)處理后統(tǒng)計實驗前后一致且有效回答的用戶共 2 446 戶.根據(jù)用戶在實驗后用電量的變化情況,將其分為保守型和激進型用戶.選用其中 2 000 組作為訓練集,446組作為測試集,迭代200次進行訓練.

由圖中可以看出,用戶分類的精度可達到0.825.神經(jīng)網(wǎng)絡(luò)在迭代100次前處于0.600～0.700的精度,觀察數(shù)據(jù)集后發(fā)現(xiàn),此時輸出的用戶分類結(jié)果均為同一用戶,因此該精度沒有意義.迭代150次后神經(jīng)網(wǎng)絡(luò)基本收斂,此時可以實現(xiàn)大部分用戶分類.

如果不使用CNN的方法進行分類,交由用戶自身判斷,通過對比用戶在實驗前后的問卷信息,選擇在實驗前后用戶判斷自身用電變化的一欄,則用戶判斷成功率為 0.523 6.通過分析數(shù)據(jù)集可以發(fā)現(xiàn),多數(shù)用戶在實驗開始前認為自己是激進型用戶,可以根據(jù)電價調(diào)整自身用電量,但實驗后激進型用戶的比例并沒有預期高,因此交由用戶自身判斷適合的套餐精度具有局限性,而使用本文方法能夠提升系統(tǒng)用戶分類的精度,服務(wù)系統(tǒng)運行.

3.3 用戶分類的影響分析

方案1系統(tǒng)運營初期,用戶信息不充分,用戶偏好不確定,用戶全部選擇過渡型.

方案2用戶分類錯誤,用戶偏好不符合能源套餐.

方案3用戶分類正確,用戶偏好符合能源套餐.

其中,保守型、過渡型、激進型用戶分別簡稱為A、B、C類用戶.

3.3.1經(jīng)濟性分析

(1) 成本收益分析.IES在3種模式下的成本收益如表4所示.運營商在方案1中所獲收益最高,這是因為此時用戶對自身信息不完全了解,用戶選擇過渡型套餐后,系統(tǒng)運營商可以借助用戶的認知缺陷獲得超額收益,導致用戶的能源成本較高.方案2中用戶所選套餐同自身偏好相反,導致用戶用能成本急劇上升,用戶付出了更多成本,IES運營商的收益沒有上升,是一種雙輸?shù)木置?說明用戶正確分類對運營商和用戶都十分重要.方案3中,用戶的用能成本最低,說明在正確進行用戶分類后,通過讓用戶選擇正確的套餐可以有效降低用戶用能,提高用能體驗.而對于運營商而言,方案3所獲收益相比用戶分類錯誤的方案2更高,說明正確的分類對運營商和用戶都有益處.同時方案3相比過渡態(tài)的方案1收益下降了2%,下降程度比較低,屬于提高用戶體驗可接受的代價,且方案1的超額收益來自系統(tǒng)初期的過渡階段,是不可持續(xù)的收益,過渡到方案3符合IES的發(fā)展規(guī)律.

表4 3種方案的成本收益參數(shù)

(2) 價格迭代分析.以過渡型為例,修訂價格前后的能源套餐對比如表5所示.可以看到通過價格修訂,運營商收益明顯上升,用戶購電成本反而略微下降,這是因為通過價格的調(diào)整使得用戶主動調(diào)整其用電曲線,總用電量下降,最終通過能源套餐的變化使運營商和用戶獲得雙贏.

表5 能源套餐變化

3.3.2系統(tǒng)工況分析 圖5為系統(tǒng)在方案1、2、3下各設(shè)備的運行結(jié)果.由圖可知,3種方案下IES運行策略基本一致,系統(tǒng)內(nèi)光伏得到全額消納,CHP機組基本滿發(fā),全程保持額定功率發(fā)熱發(fā)電.燃氣鍋爐作為供熱的補充手段,在3個供熱高峰期工作,儲能主要根據(jù)外購電的價格波動削峰填谷,同時配合消納多余的光伏發(fā)電.

圖5 系統(tǒng)設(shè)備出力(Poutput)

3種方案的不同之處在于外購電的水平不同.在方案1下,因為用戶選擇了過渡型,實際負荷水平處于中間態(tài),外購電曲線比較低,系統(tǒng)成本相對可控,所獲收益也最高.在方案2下,用戶偏好選擇判斷錯誤,導致套餐同用戶適配性很差,用戶實際負荷水平高,導致外購電量很多,用戶成本和系統(tǒng)成本上升,整體收益下降.在方案3下,得益于用戶的正確分類,用戶實際用電量最低,IES在滿足用戶用能需求的同時,也有效降低了用能成本,從而提高系統(tǒng)收益,是運營商合理的運營策略.

3.3.3用戶工況分析 系統(tǒng)熱負荷供應(yīng)在3種套餐相同,以滿足用戶熱負荷基礎(chǔ)需求為準,允許上下限浮動,因此主要關(guān)注套餐中不同的電負荷.

3種方案的用戶電負荷水平如圖6所示,其中方案1和3的負荷水平區(qū)別不大,說明用戶選擇中間的過渡型套餐和適配自身的套餐對負荷影響較小,主要影響用能成本.可以看出,在17:00—20:00的電價峰值區(qū),方案3的用電量明顯低于方案1,說明適合用戶的能源套餐有助于負荷曲線優(yōu)化,從而提高用戶體驗和運營商收益.而方案2因為對用戶類型判斷錯誤,導致負荷變化較大,用戶體驗和運營商收益都有所下降,說明用戶分類需要足夠的準確度,否則會對IES運營策略的制定產(chǎn)生不利影響.

圖6 用戶電負荷

用戶的儲能和光伏工作情況如圖7所示.用戶光伏實現(xiàn)全額消納,用戶儲能在15:00—20:00電價高的時間段內(nèi)以釋放電能為主,在其他電價低的時間段內(nèi)以存儲電能為主,同時幫助修正用戶負荷曲線,起到了削峰填谷的作用.

圖7 用戶設(shè)備使用情況

用戶滿意度水平如表6所示,其中用電總量的參考值取用戶初始負荷,用電成本和用熱成本的參考值參考過渡型用戶數(shù)值,式(7)和(10)中的b1、b2、b3分別取0.8、0.5和0.6.可以看出方案2中用戶的用能滿意度最低,說明錯誤的用戶分類會降低用戶體驗.方案1的滿意度也低于方案3,雖然方案1運營商可獲利潤更高,但考慮方案1狀態(tài)的不可持續(xù)和利潤差距僅為2%,提高用戶滿意度的方案3更符合長久運營觀念.方案3中,運營商可獲得較高收益,用戶也有最高的滿意度,實現(xiàn)了用戶和運營商的雙贏.

3.3.4低碳運行分析 3種方案中,方案3的碳交易成本即碳排放水平最低.這是因為IES中碳排放的主要來源為燃氣機組和外購電,3種方案的燃氣機組水平基本相同,方案3因為對用戶的用電情況掌握最好,通過正確的用戶分類,有效降低了用戶的用電量,提高用電效率,從而降低了綜合能源系的碳排放水平,符合當前的發(fā)展趨勢.

3.4 套餐修訂的影響

IES在系統(tǒng)運行初期,對用戶信息掌握不完全,存在部分用戶拒絕提供個人信息或者提供信息有誤的情況,此時推薦此類用戶選擇過渡型套餐;當系統(tǒng)經(jīng)過一段時間運行后,獲得了足夠信息,可為用戶提供新一輪的套餐選擇.因此,可分為以下兩個階段:

階段1系統(tǒng)運行初期,假設(shè)其中50%用戶選擇過渡型套餐,50%用戶提供個人信息后,參與綜合能源運營商的用戶分類,根據(jù)3.2中的計算結(jié)果,分類準確度為82.5%,該類用戶根據(jù)綜合能源運營商推薦選擇用能方案.

階段2經(jīng)過月度運行后,綜合能源運營商獲得所有用戶的信息,根據(jù)用戶信息再次進行用戶分類,為用戶提供新的能源套餐,分類準確度同樣取82.5%.

不同階段的運行結(jié)果如表7所示.可知,經(jīng)過階段1到階段2的轉(zhuǎn)變,運營商收益基本不變,用戶購能成本和系統(tǒng)碳交易成本明顯下降.由此說明綜合能源運營商可以通過對用戶信息的數(shù)據(jù)挖掘,為用戶提供更精確的套餐,從而提高收益.

表7 兩個階段的成本收益參數(shù)

4 結(jié)論

基于用戶行為分析,提出IES的用戶分類方法,并在碳交易的背景下建立考慮用戶分類的IES決策模型,研究IES的運行策略,得出以下結(jié)論:

(1) 用戶行為模型和CNN可以構(gòu)成高精度的用戶分類技術(shù).通過對用戶行為進行分析,總結(jié)包含用戶行為特征的數(shù)據(jù)結(jié)構(gòu),輸入CNN訓練后可以得到高精度的IES用戶分類.

(2) 用戶分類是IES運行中的重要環(huán)節(jié).用戶對自身用能偏好的認知存在缺陷,需要運營商通過精準的用戶分類,為用戶提供合適的能源套餐,從而有效降低用戶用能成本,提高IES的經(jīng)濟效益.

(3) IES的碳排放主要來自外購電和燃氣機組,參與碳市場后,為控制碳交易成本,需要盡可能消納可再生能源,減少系統(tǒng)用電量,從而在保護環(huán)境的同時提高系統(tǒng)收益.