模型细化（精选3篇）
模型细化 篇1
随着节能发电调度要求的提高, 对电网调度精细化管理水平也相应增加, 电网调度精细化管理, 其本质就是实现日发电计划精细化决策。文章根据日发电计划精细化管理对精细化日发电计划模型的求解方法和其优越性能进行论述。
1 传统日发电计划的现状和挑战
随着我国经济的发展, 我国的电网网架和电源建设也日益的发展, 电网的安全也越来越严格。各级调度要充分利用送电通道, 须在制定日发电计划的时候, 运用精确的电网模型, 能及时考虑实时运行阶段的电网安全, 减少计划与实际发电量的偏差, 还有就是为在计划中留足电网安全裕度, 应减少次日电网负荷预测的不确定性, 计划决策时应采用动态偏差。传统的都是基于静态安全稳定校核, 在历史的潮流中, 运用计算静态网损和网损微增加功率, 虽然非常的监督, 但是却没有考虑到实时潮流对其的影响, 从而不能很好的保证网损精确平衡性, 传统日发电计划一般基于静态安全稳定校核, 利用历史潮流计算静态网损与网损微增率, 动态计算网损, 则能够很好的弥补这些情况, 用最优的安全自动发电控制尾代表的电网静态优化算法, 则可以考虑更多的优化所示, 从而使得精度更高, 但是在实际的过程中, 很难以实现多时段的优化, 因此, 其没能够在发电领域得以广泛的运用。
2 精细化日发电计划的重点方法
电网静态安全的效益主要体现在其的不确定性上, 日发电机在充分利用输电通道的经济目的的时候, 取得一个很好的平衡点在输电裕度的安全性以前。此种多目标问题的优化, 不是唯一的, 根据电力市场参与者的安全水平期望值, 以及抵御风险代价的可接收值, 对电网经济效益与安全裕度的均衡规律定量分析。目前就发电计划的精细的安全性, 可以很好的降低其存在的风险和成本, 也是以精确的电网模型为基础的, 基于电网其信息接入点和电压的预测值, 一起母线和无功率符合预测值等, 在结合其维修情况, 可以很好的完善电网模型。编制日发电机时, 获得有功网损量主要是通过交直流混合的方式, 另外还能够用电网最新的信息来计算其网损微增率, 因此能在保证良好精度的前提下, 能够减少计算量, 从而提高损管理精细化。
3 日发电计划精细化模型求解方法
3.1 机组综合状态评价策略
随着经济的发展, 电源的规模也不断的扩大, 但是在实际的时候对其解精度的提高也不断增加, 如果运用传统的方法, 很难对精确度进行求解。群智能优化算法具有了有效解决此类拥有非凸和非线性的大规模问题的优点, 因此其应用很广泛。日发电计划模型包含了两个变量, 即表示机组耗流量的实数变量和机组启停的0-1整型变量, 可转化成两个问题, 即开机机组最优流量分配子问题和机组组合子问题。决定机组开停机与否的关键主要是机组综合状态评价, 机组出力上下限参数, 以及开停机机组优先次序等重要运行边界参数。都需要对机组的综合性能进行评价, 在把原始的量子进化算法和实际的量子进化算法进行结合计算, 从而得到求解机组组合和最优流量分配的问题, 这样获得的日发电计方案就是非常好的。机组参与电站运行的影响因素主要是:机组开开机以及停开机的时间和电站机组检修计划以及机组动力的性能等, 主变、厂用电对机组出力影响;机组健康状况等。
在检修的时候, 在最短的时间内把开机的信息纳入其中, 并且对其机组进行限制、机组气蚀振动区以及其性能的稳定区域的上下线、停开机状态、停开机词序进行评价。
3.2 量子进化算法
量子进化算法主要是对量子形式中的群总的多样性进行利用, 二进制编码之间的转换是依据其坍塌的机制来实现的, 根据量子旋转门进行变异的过程, 得到最优的答案就要重复的搜索求解空间, 而那些有着多个的搜索状态的较少的量子个体, 其全局搜索的能力是非常强的。通常情况下QEA内容和流程是很常见的其参考文献也很多。量子位的个数与电站机组台数在量子个体中是一致的, 依此取0或1的量子位, 对机组停机或开机状态相对应。其个体更新策略仍采用经典量子旋转门, 对个体向最优方向进化起到很好的保持作用。
3.3 日发电计划精细化模型的求解方法
原始QEA, 在含有0-1整型变量的机组组合子求解时, 是非常适用的, RDQEA对于最优流量分配子的求解, 是非常适用的, 若二者交替循环运用就可得出最优值。求解过程为:
(1) 初始化规模为N的量子进化种群, 设迭代次数为x=1并输入计算参数。
(2) 根据评价值, 确定开停机次序, 确定开机台数, 确定对最短开停机时间约束, 并进行处理, 机组组合子问题的可行解就可形成。同时设时段n=1。
(3) 最优流量分配子问题时的转入机组可运用RDQEA求解。该算法种群规模设置为Ms, 迭代次数w=1。
(4) 进行约束处理实数差分量子进化个体, 对于种群按单时段进行目标函数评价, 注意保存最优解。
(5) 进行交叉错作, 同时进行差分变异操作, 对量子旋转门更新, 看是否达到最大迭代次数Kmax, 如没有达到w=w+1, 转至步骤 (4) ;若g到达最后时段就转入步骤 (6) 相反n=n+1, 转入步骤 (4) 。
(6) 进行计算所有量子个体的适应度值, 这时取最大值所对应的解作为全局最优解。
(7) 对量子进行操作, 流程是个体执行量子旋转门。
(8) 判断当前迭代次数, 观察迭代次数最大值Gmax能否达到, 如没能达到n=n+1, 转至步骤 (2) ;相反就停止计算, 对全局最优解输出。
4 结语
为了能够很好的减少和实际的偏差, 本文提出了一系列的方法, 根据分析, 精细化的日发电计划不仅仅能够提高其精解度, 而且对发电的计划能够起到一个很好的优化作用, 从而提高其运作效率。
摘要：电网网架和机组规模的不断扩大, 客观上要求发电计划的制定要越来越细致和精确。随着节能发电调度在客观上对电网调度精细化管理水平要求的提高, 实现日发电计划的精细化决策成为了电网调度精细化管理的核心问题之一。该文针对传统日发电计划功能单一且难以实现准确安全校核与网损管理的问题, 提出了一种精细化日发电计划模型及优化算法。
关键词：精细化,日发电计划,模型与方法,电网调度
参考文献
[1]袁晓辉.水火电力系统短期发电计划优化方法综述[J].中国电力, 2012 (9) :33-38.
[2]陈之栩, 谢开.电网安全节能发电日前调度优化模型及算法[J].电力系统自动化, 2009 (1) :10-13.
[3]黄春雷.基于日典型负荷的水电站群日计划方式[J].水电自动化与大坝监测.2005 (4) :45-47.
模型细化 篇2
本文以北京达沃斯巅峰旅游投资管理有限公司委托管理的安徽齐云山风景区为例，理论联系实际，从景区品牌营销的七大因素入手，梳理齐云山景区在市场营销中存在的问题，并提出相应的对策，同时希望这些分析能为国内其它景区的精细化营销管理提供有益的参考，对国内景区未来的营销管理改革起到一定的推动作用。
齐云山风景区地处安徽皖南黄山市休宁县，集“中国四大道教名山、国家AAAA级景区、国家森林公园、国家地质公园、国家重点文物保护单位”五项桂冠于一身，拥有世界独一无二的优质旅游资源。但是存在区位优势不明显，周边景区竞争激烈，渠道建设不合理，宣传促销手段单一，价格体系不完善，产品严重落后，基础实施老化，员工结构老年化严重，培训不到位等严重问题。如何破解齐云山风景区快速增长难题，推动齐云山风景区旅游事业快速、健康、持续发展，本文从政策因素、价格因素、利润因素、促销因素、培训因素、客情因素、管理因素等七大因素入手，系统分析齐云山风景区上半年同比去年增长过半的管理经验，希望能起到抛砖引玉的作用，激起业内人士对中国景区精细化管理的思考。
一、政策因数 统计资料显示，2011，主推齐云山景区的旅行社为数不多，齐云山风景区南京区域市场2011年有两家旅行社代理景区门票销售，北京达沃斯巅峰旅游投资管理有限公司入驻项目后，通过市场调查与走访，2012年选择中国旅行社总社黄山原野旅行社南京分公司作为南京区域市场总代理，与其签订3500人的成人团队合同(学生团队等特殊团队市场另计)，初次合作，为激励客户，按照景区销售节奏，制定1-3月南京区域市场团队任务。为完成市场销售任务，项目组经过精细化策划，合理测算，制定符合客户需求的全年大盘政策、月度奖返补政策、暗箱操作等额外资源，经过一个多月的测试，政策效果明显，3月-4月期间，江苏南京区域市场来团1600余人，完成全年任务的46%，阶段奖励过程完全释放或打折释放，资源在可控范围之内，通过政策牢牢锁定目标，掌控业务、掌控客户。
二、价格因数
价格是品牌市场竞争力的直接体现，2011，齐云山风景区价格体系设定不合理，市场主推力度不大，在南京市场的价格体系极为混乱，几个客户之间的恶性竞争导致价格持续走低，业绩低迷，严重伤害了客户的主推信心，最终损害了景区的收入利润和品牌形象。2012，北京达沃斯巅峰旅游投资管理有限公司入驻后，在选定区域代理商的同时，制定了严格的价格保护制度。一般客户执行正常团队价格，签约规模客户按照补贴价格执行，新兴市场按照特殊市场价格执行。遇到特殊活动日，景区坚持价格体系，适当释放定量资源，做到市场的价格平衡，碰到个别客户的低价走单现象，初犯给予警告，不听劝告者，景区终止与其区域市场战略合作关系。
三、利润因数 无暴利不起早，这是目前国内旅行社普遍的价值观。2011以前，齐云山风景区门票挂牌价格低，挤压客户利润空间，特别是南京市场客户普遍反应利润不能确保，品牌主推力度不够强大，难以通过规模来获取利润。北京达沃斯巅峰旅游投资管理有限公司经过实地调查，在原有价格基础上，适当增加返利，对于不同规模的客户，制度不同的爬坡政策，与之相匹配的是线路广告、宣传单页等的政策支持，经过3个月的实践，小政策大利润带动其它类型客户主推，南京市场总体团队规模达到一万人次，客户主推意向非常明显，不同的细分市场均有客户主推，连几个主流网络市场也主推齐云山风景区，比如途牛网、携程网开通齐云山专线，4月2日-3日清明节期间，途牛网齐云山牛人专线送客近600人。
四、促销因数
齐云山风景区属于二线品牌景区，受于前期规模限制，在广推费用安排上，一直捉襟见肘。面对经济较为发达的华东旅游市场，景区每年的广推费安排始终在几十万元左右徘徊，广推费用严重不足。2011年，活动策划基本没有，连续举办多次的登山越野赛在2011年也被迫中止。广告投放仅局限于线路广告支持，而且还是通过门票资源置换方式，形象广告投放基本没有，总体而言广告投放散、乱、差，广推资源不聚焦。北京达沃斯巅峰旅游投资管理公司入驻后，系统策划全年活动方案;系统安排景区形象广告和媒体投放计划，把80%的广告费重点投放在一级市场的发力城市，主要是江苏苏南、杭州城市圈、皖南旅游圈、合肥城市圈。2012年上半年成功策划正月初五迎财神活动、三月三真武圣诞活动。宣传媒体从空中到地上，从纸媒到网络，费用聚焦，有的放矢，效果明显，成效显著，各大电视台、网站、报纸纷纷转载报道，在较短时间内迅速提高景区的品牌形象。
五、培训因数 北京达沃斯巅峰旅游投资管理有限公司入驻齐云山风景区项目后，对原有员工文化水平较低，长期没有进行相关业务培训，综合技能急需提高等现象进行综合分析，提出具有北京达沃斯巅峰景区管理特色，又能符合景区现状和未来发展需求的培训制度、培训方案、薪酬绩效方案。针对基层工作人员，培训重点重在强调技能服务;针对中层管理人员，培训重点重在强调沟通和管理职能;针对高层管理人员，培训重点重在强调系统运营能力和战略思维。同时，还开展了针对部门人员的专项培训，重点讲解部门服务工作中存在的问题及盲点。经过两个月的培训，和景区3-4月的旺季锻炼，真正做到服务跟得上、质量上的去。同时实施“走出去、引进来”工程，多次派遣基层和中层员工外出培训学习，邀请业内精英前来齐云山景区传授经验。在用薪留人方面，增加员工福利，薪水平均涨幅在15%-20%，极大的提高了员工的归属感、忠诚度、岗位珍惜度。
六、客情因数
北京达沃斯巅峰旅游投资管理有限公司入驻齐云山风景区后，首要事情就是对渠道客户进行分类，通过渠道客户来团人数、来团批次，团队构成、交易方式、信用等情况，分成ABC三类客户。A类客户属于重点大客户，需要总经理和主管营销副总经理重点关注;B类客户属于大客户，需要营销总监和片区经理重点关注;C类客户属于是一般客户，正常拜访即可。针对这三类客户，项目组制定出严格的拜访制度，形成战略同盟关系。齐云山景区与港中旅黄山原野旅行社、黄山松石旅行社、苏州青年旅行社、苏州八爪鱼在线旅游公司，扬州小骆驼旅行社、上游集团常州外事旅行社有限公司、无锡名山风情旅行社、上海玉屏旅行社、浙江浙风旅行社、黄山中海国际旅行社等渠道客户建立战略同盟关系和月度高层互访制度，就重大活动主推等事宜共同协商探讨，增加互信度，经过几个月的实践，效果明显。
七、管理因数 北京达沃斯巅峰旅游投资管理有限公司自2011年8月入驻齐云山风景区以来，在祥源控股集团、齐云山投资集团、齐云山旅游股份有限公司领导的指导下，秉承“建机制、搞市场、带队伍、做提升”的工作要求，通过近三个多月的走访、调查、座谈，对齐云山景区所在区域的宏观环境、微观环境，景区自身的历史、现状、未来前景，做了全面、客观的诊断和分析。在“制度先行、目标为尊、全面预算、过程把控、激励导向、精细管理”的管理理念下，北京达沃斯巅峰旅游投资管理有限公司按照景区领导要求，高起点、高标准，对景区前期的基本情况、组织架构、薪酬体系、固定资产、票务与财务管理、营销管理、园务管理、索道运营管理、导游管理、安全管理、标准化及制度建设等做出详细的分析。在此基础上，结合景区战略发展定位，制定出适合企业现在和未来发展的组织架构、标准化管理制度、运营方案、营销方案、薪酬体系、冬季培训方案等。把北京达沃斯巅峰旅游投资管理有限公司成熟的景区运营经验、套路、模式，与齐云山风景区相结合，形成具有齐云山景区特色的精细化营销管理模式。
北京达沃斯巅峰旅游投资管理有限公司在景区精心化营销管理方面有着自己独创的管理理论和工作实践，曾在中国旅游报等国家级权威媒体上系统提出未来中国景区渠道发展“四转变”、二线品牌景区成功营销“七法则“、景区节庆活动策划管控“三步法“、景区媒体公关传播监控“四策略”、景区渠道网络精细化管控“四策略“、关于景区营销精细化管控”五思考“等理论文章，本文是在相关理论研究的基础上，通过安徽齐云山风景区的营销管理实践，对景区精细化营销管理模型理论系统的一个肤浅思考，希望能激起国内外旅游营销策划研究机构加强对该领域的理论和实践研究。
北京巅峰智业旅游文化创意股份有限公司(简称“巅峰智业”)始创于2001年，是国内最早专业从事旅游规划设计业务的企业之一。
巅峰智业在以旅游规划设计为核心业务的基础上，持续创新，不断延伸旅游产业链全程服务，大力发展旅游投资、景区运营管理、旅游营销等业务，形成“规划引领-投资驱动-运营支撑-营销拉升”的“四位一体”一站式全程服务模式，提供综合型智慧旅游系统解决方案。
巅峰智业在中国首家提出像管理酒店一样进行景区管理，我们针对不同景区的现状提供合理高效的解决方案，并配备专业团队入驻景区，参与和指导景区运营。总结我们在全国40余家景区运管、景区托管的实践经验，以提高我们现有景区的盈利能力和商业价值，为当地民众提供就业机会，为地方政府提供经济可持续发展的原动力。
模型细化 篇3
伴随着智能电网的建设，需求侧响应(Demand Response,DR)技术的研究得以迅速发展，通过政策措施和经济激励来引导用户在用电高峰时期少用电、低谷时多用电，不仅可以提高用电效率、优化用电方式，还可以缓解缺电压力、降低供电成本、提高电网资产利用率。
随着大量分布式电源并网及其渗透率的不断提高，可再生能源(风机、光伏等)的不确定性对电网的安全运行造成影响。文献[1]主要针对DR与风电并网的协作效益，设计考虑市场成熟度的风电并网的需求响应模式，促进风电并网消纳，但未提及具体详细的风电模型及需求侧负荷模型。文献[2]综合考虑了风电机组出力的不确定性，建立了风电出力估算模型和基于DR机制的输电规划模型，但没有说明详细的DR策略。文献[3]通过协调各分布式电源、储能装置以及DR来实现微网的多目标能量优化。文献[4]通过分析不同电价模式下的小型风机的接入对电网经济效益的影响，但也未详细描绘系统模型。文献[5]将冰箱、空调、热水器作为家居型温控负荷的代表，分析其快速响应特性、储能特性及高可控性，但未考虑电价激励。文献[6]提出了基于需求侧减排的节能调度方法并提出了双层优化模型，但未提出具体的居民侧行为的改变。文献[7]提出了需求侧管理成本效益分析模型，但同样偏重于经济性分析，而不是着眼于居民侧。文献[7]中构建了全新的计及需求侧响应的短期输电阻塞管理模型，而文献[8]中则构建了分时电价对购售电风险影响的分析模型，文献[9]建立了两种不同电价的联合优化模型，文献[10]提出了最优电价决策方法，文献[11]构建了DSM成本效益分析模型，以上均是从经济学角度构建模型。
综上所述，本文通过对DR可调节的负荷侧设备精细化建模，设计不同电价信号激励场景，通过连续时间序列仿真，分析负荷侧用电行为方式的转变。研究加入精细化模型后，在不同电价策略的激励下，房屋中的空调设备、热水器设备负荷行为的变化，以及在当分布式电源出力波动性较大时，DR如何有效地平缓其波动，同时又达到了削峰的目标。
1 精细化模型的建立
本文精细化建模主要是针对用电负荷侧。对于用电负荷侧的以往建模方式多为模糊建模，假设房屋为简单的恒功率负荷，无法精确观察DR对负荷行为的影响。而本文是将房屋考虑为可参与DR的各类家用电器的集总负荷，该负荷的功率会随着电价信号、天气的变化而改变。房屋中包括有洗衣机、洗碗机、烘干机、空调、风扇、灯、微波炉、热水器等家用电器。通过对房屋中家用电器的精细化建模，可观察在不同电价策略的激励下，各种家用电器的调节方式及其对整体电网电压、功率波动的影响，支持对负荷的精确控制，提高用户参与DR的灵活度。其中对房屋整体功率调节有较大影响的负荷包括房屋的空调系统(Heating,Ventilating and Air Conditioning,HVAC)及热水器。通过详细观察风机随外界天气等因素的变化规律，从而有针对性地对其实行平缓波动性的措施，为日后研究其与DR策略相结合的优化调度方法提供了基础。在此详细建立了HVAC设备、热水器的数学模型。
1.1 HVAC设备模型
仿真过程中利用的房屋模型见图1，主要考虑如下四方面的吸收或损失热量途径：
(1)外部墙壁、地板以及房顶的吸放热(基于房屋墙壁、地板和房门等的热导);
(2)空气吸放热(基于空气交换速率);
(3)太阳能辐射(基于天气变化);
(4)内部人、灯、电子设备及其他终端负荷等放热(基于设备使用情况)。
前三点途径均为电网不可控因素，第四点中的热力学可控负荷是DR控制的主要对象。其中，房屋的HVAC设备发挥了主导作用。在此用等效热能参数法(Equivalent Thermal Parameter,ETP)将HVAC设备系统等效为简单的电路系统。该系统数学模型见文献[12]。
在需求侧响应策略实施过程中，每个设备上的主动控制器起到了关键性作用。设备主动控制器上的线性控制算法如图2所示。该主动控制器可以将用户的需求转换为市场的竞标价，该价格由当前温度值决定。
电力市场收集各设备的竞标价后进行竞卖，竞标周期为30 min，随即市场出清。在竞标模型中，需求侧和供电侧分别提供竞标曲线，两条曲线的交点即为市场出清价格。随后电价信号又会传递回设备的主动控制器中，从而转换为设备设定温度的改变，由式(1)可推导出
式中：Pbid、Pavg、Pcleared分别为设备竞标价、市场均价以及市场出清价格;为市场价格标准差;k为设备主动控制器中线性控制算法的价格函数曲线(见图2)的斜率;Tmax/min为用户允许的温度最大调节范围;T0、Tcurrent、Tset分别为设备期望温度设定值、当前温度设定值以及根据电价信号调节后的温度设定值。
设定温度值的变化从而改变了空调消耗的功率，通过对多个用户空调信息的集总，即可获得馈线上空调的总功率的变化，对所有空调改变的功率求和，则是一个可观的功率削减量，从而对电网的紧张状况起到一定的缓解作用。
1.2 热水器数学模型
在热水器运行中，水由分别位于水箱底部和顶部的两部分加热器加热。顶部加热器在感知周边水温低于一定限值或冷水水位高于一定限值时，顶部加热器随即启动，但是两个加热器优先级不同，顶部加热器优先。热水器水箱含有三种状态：充满、部分充满和空箱。部分充满状态时根据热水流速还分为稳定状态、即将耗尽状态、即将充满状态。对应不同的状态分别消耗不同的功率，这与水箱大小、水箱中水的热容、流速、外温、恒温器设定值、控制区间、水箱外壳热损失等因素均有关。单节点和双节点的热水器模型如图3(a)、图3(b)所示。
1.2.1 单节点模型
该模型为一个简单集中参数的电气近似模型，将水箱考虑为一个统一温度的水的集中体，用于水箱在完全充满或空箱状态。可通过水箱原始温度值，计算经过特定时间后水箱的最终温度值。
根据图3可知，若将热水器整体假设为热容为Cw节点，对于该节点的热平衡方程为
重新整理得
积分可得
式中：UA为水箱传递热的热导值;Tin为注入水的初始温度;To为水箱外部温度;T为最终温度值，Cw为水箱中水的平均热容;Tw为水的平均温度;m(5)为流速;Qele为水箱吸热速率;b为系数;Δt为温度变化的时间差;Cp为功率因数。
1.2.2 双节点模型
该模型用于水箱的部分充满状态。水分为两部分，每部分都有各自统一的温度。上层热水节点接近水箱中恒温器设定温度，下层冷水节点接近水箱进水温度。这个模型考虑了冷热水节点间的边界。通过温度差，可计算出冷热水的新边界高度。同样地，冷热水边界的高度也可假设为时间的积分。其数学公式为
同时是水箱中水温随温度变化的坡度，同时也是水流速和温度差的函数，可表示为
式(9)代入式(8)，得
经推导可得
其中
式中：h为冷热水新边界高度;h0为原边界;Tlower为水箱下部分水平均温度。
热水器受电价信号调节机制与HVAC设备相似，安装在热水器上的主动控制器可根据市场的出清价格和当前热水器的温度值及水箱情况对其中的两个恒温器的设定温度进行实时调节。通过给定电价，热水器的控制器便会计算出所对应的设定值及冷热水边界的高度，随后便响应调节热水器的工作状态。同样地，热水器在每个迭代周期初始会计算自上一迭代周期开始后的能耗，随即更新热水器的水箱温度或冷热水边界高度，从而辨识出热水器是否需要加热，然后计算出热水器直到下一工作状态改变前所需要的过渡时间，并将时间传递给控制器。热水器的调节周期为5 min。
1.3 风力发电机数学模型
风力发电系统中，风力发电机的输出功率与风速、叶片受风面积等因素有关。其捕获的机械功率可表示为[13]
式中：为空气密度;S为风力发电机的扫掠面积;Cp代表风力发电机的风能利用系数;v为风速;Pm为机械功率。由于风机利用系数与多种因素有关，文献[13]详细描述了Cp值的取值过程。
本文所采用的通用同步中型风力发电机详细参数见表1。
2 需求侧响应电价策略
DR主要分为基于电价的DR和基于激励的DR。本文主要考虑基于电价的DR策略。基于电价的DR策略分为固定电价、关键尖峰电价(Critical Peak Pricing)，分时电价(Time of Use Pricing)，实时电价(Real Time Pricing)。本文重点考虑固定电价、分时电价和实时电价。
2.1 固定电价(Fixed Rate,FR)
固定电价与居民用电量大小及用电时间无关，该电价为全年固定电价，是一种传统电价模式。所代表含义为居民消耗每千瓦时(度)电量所需支付电费。本文设定电价为0.547元/kWh。
2.2 分时电价(Time of Use,TOU)
分时电价是一种基于时间的电价策略，指电力市场中的电价随着时间的变化而变化，在电网负荷的高峰期实行较高的电价，而在电网负荷的低谷期实行较低的电价。通常分时电价应用于全年，有2～3个价格区间，尖峰期价格是非尖峰期价格的2～5倍[14]，每个区间大约持续4～18个h。本文假定夏季某工作日的TOU电价如表2，图4。TOU电价的实施依赖于安装于设备上的被动控制器。该控制器可根据电价信号改变设备操作状态，但无法把设备需求反馈回电网进行电力市场的竞价过程。
2.3 实时电价（Real Time Pricing,RTP)
实时电价是一种更高级的电价形式，是一种反应电力商品的“瞬时”成本的电价，是动态定价机制。实时电价的实施依赖于安装在设备上的主动控制器，该主动控制器可作为设备的代理参与市场竞标。通过零售电价与电力批发市场的出清电价联动，能够精确反映各时段供电成本的变化，及时有效地传达电价信号。主动控制器每5 min监测当前设备运行状态，并向市场进行出价，每半个小时市场出清，随即将出清价格传递给每个主动控制器，主动控制器依据价格调节设备运行状态。该电价实时改变，是需求侧响应的最完美实现。
3 算例分析
为了分析电价信号对电网的影响及其平缓居民侧分布式电源的效果，本文采用修改后的IEEE13节点配网测试系统进行仿真[15]，如图5所示。本文仿真中所采用的分布式电源以风机为例。
系统中包括637个独立居民房屋以及额定功率为100 kW的风机。各节点所接居民房屋个数见表3，并假设所有居民均参与DR调控。由于分布式电源的出力大小及DR的负荷减载情况均与天气信息有着直接或间接的关联，仿真也将天气信息作为输入参数之一。本文以美国西雅图地区的天气文件为例[16]，从中可获取温度、湿度、光照、风速等基本信息。每个居民负荷中，含有空调和热水器，其他电器设备暂时假设为典型静态负荷。每台空调和热水器均含有可实现RTP策略的主动控制器和实现TOU策略的被动控制器。通过输入的电价信息文件可对其负荷行为及输出功率进行调节。此外，在房屋模型中定义了其详细参数，包括面积、空调模式、空调性能、空调设定温度等。此外，假设该电力市场由热力发电、风能发电所组成，其中热力发电占主导地位。发电机在实时市场前2 h提交发电价格计划，在实时市场出清前，首先会进行需求预测和需求议价，同时允许DR资源参与日前市场和实时市场的调控。
本文选取夏季高峰期中的某一天进行连续时间序列的仿真，仿真时长为24 h，取样间隔为1 min。所采用的仿真软件为美国西北太平洋实验室开发的Gridlab-D仿真软件[17]。
仿真基于以下三种电价场景。
(1)FR电价激励：在IEEE13节点中，680节点处接入容量为100 kW的通用中型同步风机，采用固定电价模式，电价为0.547元/kWh。日风速变化曲线及所接入风机的输出功率分别见图6、图7。
(2)TOU电价激励：在接入风机的同时，采用TOU电价激励措施进行激励，电价取值见表2，激活每个设备上的被动控制器;
(3)RTP电价激励：在接入风机的同时，激活每个设备上的主动控制器，RTP策略得以实现。
仿真结果分析如下。
3.1 HVAC设备仿真结果分析
HVAC设备是参与DR的重要元件。由于仿真时段为夏季，因此空调系统为制冷设备。经过Gridlab-D仿真后，该系统输出的实时电价曲线如图8所示，该曲线由供求双方共同决定。应用三种电价策略后，HVAC设备的动作行为主要由图9、图10、图11所示。其中图9为仿真后输出的系统中HVAC设备总视在功率变化曲线，图10为HVAC设备制冷温度设定值平均变化曲线，图11为房屋室内外平均温度变化曲线。
如图9所示，在夏季负荷高峰期大量空调开启，若无价格信号，此时空调设定值会维持在较低温度则引起短时负荷高峰期的产生。当电网负荷过高时，在TOU及RTP电价策略刺激下，空调温度设定值被调高，从而减少了功率的消耗。15:55左右负荷最高峰时，在RTP电价激励下，HVAC视在功率由1 208kVA减少至528 kVA，有效转移峰荷。但TOU电价策略激励的缺点在于反弹现象，晚上19:00点后电价降低为0.536元/kWh时，功率曲线出现了反弹现象。而RTP电价由于市场的实时出清，便无反弹现象的出现。同时由图10可以看出，由于夏季空调处于制冷状态，在有效实行电价激励措施后，高峰期的空调设定温度被调高，总HVAC负荷会减少。
精细化建模的优势在于可精确描述每个HVAC设备的负荷特性及温度调节范围，如图10所示。通过负荷的精细化建模，可以为用户提供温度调节的精确范围。同时也可根据HVAC功率曲线及用户可承受的温度范围，差异化调节HVAC的温度。但由图11所示，无论是在TOU还是RTP电价策略激励下，室内温度均较恒定电价场景下有轻微提高，但不超过3°调节范围。3°的温度差用户难以感知，但对电网的累积效果则很明显。
3.2 热水器仿真结果分析
另一种参与DR调节的重要元件便为房屋中的热水器。图12所示为仿真算例中配网总热水器输出功率示意图。如图可见，由于电价的有效调节，开启了热水器预热功能，出现在早上7点半到8点半期间的高峰被有效转移，晚高峰同样如此。
3.3 总注入功率仿真结果分析
在IEEE13节点典型馈线系统中，12.47 kV母线通过稳压器向全网输送功率，因此稳压器输出功率即为网络总注入功率。仿真中总注入功率变化曲线如图13。
由图13可知，由于680节点处有风机接入，对全网功率造成了一定的影响，由于风机功率远小于系统容量，因此影响很微小，同时不会出现潮流逆向现象。但加入TOU与RTP电价激励后，RTP比TOU平缓风电波动效果更为明显。其中RTP电价激励下的高峰期总输入功率峰值由原来的1.60 MW减少为1.48 MW，减少了7.5%。
若在风机上加入主动控制器，则可调控风机的出力，进一步将之与负荷侧的用户响应协调控制，会达到更好的效果。如何优化设计两者的协调控制策略，将是未来的研究重点。
4 结论
本文侧重对需求侧负荷进行精细化建模，详细分析在不同电价场景下实行DR后用户用电行为的转变，观察DR削峰的效果，体现了主动配电网的互动性。同时由于考虑了分布式电源风机的接入，粗略观察了风机的波动性对电网的影响。接下来的研究工作将侧重于基于激励的DR对接入分布式电源后的配电网功率调节的影响，同时建立基于需求侧响应的风机出力模型。
摘要：提出了居民侧负荷中的热力学可控负荷(空调系统和热水器)的精细化模型。详细分析了电价信号对其的调控方式。并以IEEE13节点典型馈线系统为例,在固定电价、分时电价和实时电价策略的激励下对系统进行了仿真,详细分析了居民侧负荷在不同电价的激励下负荷行为的改变,以及在配网中加入波动性大的分布式电源后配网注入功率被需求侧响应资源调节的情况。该研究得出了需求侧响应在平缓分布式电源的波动性及削减负荷高峰方面可做出贡献的结论。