CN104915790A - 一种促进风电消纳的峰谷电价优化方法 - Google Patents

Abstract

本发明公开一种促进风电消纳的峰谷电价优化方法，包括以下步骤：1)、采用模糊半梯形隶属函数法对峰谷时段进行划分；2)、建立用户响应模型；3)、建立促进风电消纳的峰谷电价优化模型；4)、使用遗传模拟退火算法找到促进风电消纳的峰谷电价优化模型的最优解。该方法能够实现降低发电成本、提高***可靠性、减小弃风量和增大社会效益的目的。

Description

一种促进风电消纳的峰谷电价优化方法

【技术领域】

本发明属于电力市场领域，涉及一种峰谷电价的优化方法。

【背景技术】

近年来，随着风电的大规模并网，使风电消纳问题更加复杂，充分挖掘负荷侧潜力、通过需求响应促进可再生能源消纳已成为电力***运行的重要手段。随着智能电网技术的发展和完善，供需互动技术也日渐发展并不断成熟。中国风电在迅速发展的同时也面临着低利用率、弃风电量严重等问题，造成此问题的一个重要原因在于风电出力与负荷用电之间的不协调。风电出力具有反调峰性和随机性，风电出力一般主要集中在夜间负荷低谷时段，同时风电出力预测精度相对较低，***难以完全根据其预测出力制定发电计划。

价格是市场的杠杆，电价在需求侧管理中发挥着关键性的作用，销售电价是用户与电网的纽带，也是互动化的信号传递者。在传统的电力运营模式中，销售电价是基于电力生产的平均成本制定的，大部分用户无论在何时用电，其支付电费是固定不变的，甚至在电力需求的峰荷时期以及电力容量短缺影响***稳定的情况下也是如此。除此之外，在决定满足未来的电力需求的发电容量的过程中，用户也没有得到足够的参与。这种固定电价不能正确反映电力供应在不同时间的成本，不利于电力资源的合理分配，不利于电能的高效利用。

峰谷电价(Time of use Price,TOU Price)是一种基于价格的需求侧管理措施，反映了电能的生产成本在时间上的差别，它遵循着市场经济的原则。实行峰谷电价有以下好处：第一，峰谷电价仅仅通过峰谷电价价差来达到削峰填谷的目的，用户总用电量基本保持不变，因此峰谷电价不会降低居民用户的生活水准，也不影响工商业用户的生产效率；第二，部分用户通过响应峰谷电价，调整用电模式，将峰时段用电转移至谷时段，从而减少电费开支；第三，峰谷电价减少了峰时段的负荷需求，从而减少拉闸限电的次数，提高用户的满意度。

随着风电并网规模的加大，风电将从本质上改变***净负荷的峰谷特性，使得净负荷曲线波动性、随机性增强。传统的峰谷电价制定方法大多基于传统能源发电***，且局限于原始负荷曲线的形状进行削峰填谷，未能充分考虑大规模风电并网的需求及直接效益的评估，难以充分挖掘需求侧响应的效益，不能很好地适用于含大量风电的现代电力***。

综上，现有的销售电价及峰谷电价没有充分地发挥它在风电消纳方面的优势，同时现有的峰谷电机制定方法具有对风电消纳的考虑不足以及调整目标单一等缺点。有必要结合新形势下风电大力发展的现代电力***，设计考虑促进风电消纳的峰谷电价制定方法，发挥需求侧灵活用电的优势，促进风电的消纳。

【发明内容】

本发明的目的在于针对现有销售电价及峰谷电价制定方法的不足，提供一种促进风电消纳的峰谷电价优化方法，通过电价引导用户转变用电方式，实现降低发电成本、提高***可靠性、有效地促进风电消纳、增大社会效益、并实现多方共赢的目的。

为实现上述目的，本发明采用的技术方案如下：

一种促进风电消纳的峰谷电价优化方法，包括以下步骤：1)、采用模糊半梯形隶属函数法对峰谷时段进行划分；2)、建立用户响应模型；3)、建立促进风电消纳的峰谷电价优化模型；4)、使用遗传模拟退火算法找到促进风电消纳的峰谷电价优化模型的最优解。

本发明进一步的改进在于：步骤1)具体包括：利用模糊半梯形隶属函数法，对典型天负荷曲线的n个时段进行划分，先设定峰隶属度和谷隶属度，再将每个时段的负荷数据代入偏大或偏小半梯形隶属函数，得到对应的隶属度，与峰谷隶属度进行比较，若大于峰隶属度，为峰时段；若小于谷隶属度，为谷时段；其余时段为平时段。

本发明进一步的改进在于：步骤2)中用户响应模型为：

式中：ε_ii——自弹性系数；ε_ij——交叉弹性系数。

本发明进一步的改进在于：自弹性系数ε_ii和交叉弹性系数ε_ij表示：

${\mathrm{\ϵ}}_{ii}=\frac{{\mathrm{\ΔQ}}_i/Q_i}{{\mathrm{\ΔP}}_i/P_i}---\left(4\right)$

${\mathrm{\ϵ}}_{ij}=\frac{{\mathrm{\ΔQ}}_i/Q_i}{{\mathrm{\ΔP}}_j/P_j}---\left(5\right)$

式中：i,j——表示i时段和j时段；Q_i——表示实施峰谷电价前i时段的用电量；ΔQ_i——表示实施峰谷电价后i时段用电量的变化；ΔP_i——表示实施峰谷电价后i时段的电价变化；P_i——表示表示实施峰谷电价前i时段电价。

本发明进一步的改进在于：促进风电消纳的峰谷电价优化模型为：

$min({\mathrm{\λ}}_1\underset{t=1}{\overset{T}{\Σ}}{\mathrm{Gencost}}_t+{\mathrm{\λ}}_2{k}_{1}EENS+{\mathrm{\λ}}_3{k}_2\underset{t=1}{\overset{T}{\Σ}}{\mathrm{Spill}}_t)---\left(7\right)$

式中：λ₁、λ₂、λ₃——为加权系数，λ₁+λ₂+λ₃＝1；k₁为缺电补偿系数，典型值取k₁＝1×10⁶￥/MWh；EENS表示电量不足期望值；k₂为弃风电量与价值的转换系数，典型值取k₂＝5×10²￥/MWh；Spill_t为风电的弃风电量；表示火电机组运行的燃煤成本。需要指出：以上火电燃煤成本、电量不足期望和弃风电量等指标的计算均以响应后的负荷曲线为基准，根据ΔQ/Q＝E(ΔP/P)可以得到ΔQ，进而Q'＝Q+ΔQ，在响应后负荷Q'的基础上进行生产模拟即可计算以上各项指标。

本发明进一步的改进在于：Gencost_t和EENS均通过随机生产模拟得到，Spill_t根据负荷曲线和风电出力预测情况计算得到。

本发明进一步的改进在于：促进风电消纳的峰谷电价优化模型的约束条件包括：

(1)用电总量变化约束：

$\frac{|Q_1-Q_0|}{Q_0}<\mathrm{\&alpha;}---\left(8\right)$

式中：Q₁——实施峰谷电价后总电量；Q₀——实施峰谷电价前总电量；α为用电总量变化比例系数，α取值为5％；

(2)电量转移总量约束：

ΣΔQ/Q₀＜ρ         (9)

式中：ΣΔQ——实施峰谷电价前后，用户各时段电量变化总和；Q₀——峰谷电价实施前的总用电量；ρ——表示转移百分比上限，考虑到过多的转移负荷会造成“峰谷导致”情况的发生，一般将ρ设置在10％～30％之间，算例取20％。

(3)平均电价的约束：

$|(\stackrel{\&OverBar;}{P}-P_p)/P_p|\&le;\mathrm{\&kappa;}---\left(12\right)$

式中：

$\stackrel{\&OverBar;}{P}=\frac{F(P_f,P_p,P_g)}{Q_f+Q_p+Q_g}---\left(13\right)$

其中，为实施峰谷电价平均电价，κ——平均价格变化幅度上限，考虑到实施峰谷电价前后平均电价不应有过大波动，一般κ≤5％。

F(P_f,P_p,P_g)＝P_fQ_f+P_pQ_p+P_gQ_g；P_p为实施峰谷电价前的电价、P_f为实施峰谷电价后峰时段电价、P_g为实施峰谷电价后谷时段电价、P_g为实施峰谷电价后平时段电价；Q_f为实施峰谷电价后峰时段总的用电量、Q_g为实施峰谷电价后谷时段总的用电量、Q_p为实施峰谷电价后平时段总的用电量；

(4)最大负荷约束：

L'_max≤η％L_max                  (15)

L_max,L'_max为实施峰谷电价前后最大负荷，η％为实施峰谷电价后***要求的最大负荷系数，0≤η％≤1；

(5)峰谷电价比约束：

${\mathrm{\&beta;}}_1<\frac{P_f}{P_g}<{\mathrm{\&beta;}}_2---\left(16\right)$

式中：β₁,β₂——峰谷电价比值范围，β₁取1.96，β₂取5。

与现有技术相比，本发明具有如下突出有益效果：本发明考虑了在大量风电接入***的情况下，建立了基于多目标的峰谷电价制定的数学模型并整合了考虑风电接入情况下的峰谷电价模型的约束条件。该方法能够实现降低发电成本、提高***可靠性、减小弃风量和增大社会效益的目的。本发明方法有效地克服了传统峰谷电价下对风电消纳的考虑不足以及调整目标单一等缺点。实证分析结果表明，本发明方法可以有效地促进风电消纳并实现多方共赢，为***和全社会都带来效益。

【附图说明】

图1为本发明基于遗传模拟退火算法的电价优化流程图；

图2为具体实施例原始负荷与风电出力曲线；

图3为具体实施例净负荷曲线与时段划分结果；

图4为具体实施例促进风电消纳的峰谷电价负荷响应曲线；

图5为具体实施例弃风电量曲线。

【具体实施方式】

在含有大量风电的***中，首先根据***负荷和风电预测出力情况，利用模糊隶属度方法对峰谷时段进行划分。其次，建立用户价格响应模型，提出促进风电消纳的峰谷电价优化目标函数，并给出约束条件。然后利用基于模拟退火法的遗传算法进行求解，得到峰谷平分时电价，其流程图如图1所示。最后对各方效益进行分析，校验结果的合理性，实现各方效益的增加并提高风电的消纳。

本发明一种促进风电消纳的峰谷电价优化方法，具体包括以下步骤：

1)、含风电的峰谷时段划分：峰谷时段划分是优化峰谷电价的重要环节，它反映着实际负荷曲线的变化规律，为优化峰谷电价提供基础。合理的时段划分方案会有合适的分时电价，会起到好的削峰填谷的效果。以往的时段划分方案是根据日负荷曲线特点估计得到，并不十分合理。

本发明方法考虑了风电出力对负荷产生的反调峰效应，如图2所示，风电出力与负荷具有明显的负相关性。本发明方法采用了基于模糊隶属度的方法对峰谷时段进行了划分。模糊隶属函数法是当前应用最为广泛的时段划分方法。自然界和人类社会中许多事物特征并不是清晰和明确的，而是模糊相对的，因此科学家应用模糊集合来描述一个边界不清晰的概念，利用隶属函数来描述某一个元素具有某一特征的程度。隶属函数的具体定义为：

设U是论域，称映射：

μ_A:U→[0,1]           (1)

μ→μ_A(μ)∈[0,1]              (2)

μ称为模糊子集A的隶属函数，μ_A(μ)为μ对于A的隶属度。

当隶属度越接近1，代表该元素隶属于该集合的程度越大，反之，隶属度若越接近0，表明该元素隶属于该集合的程度越小。因此采用模糊集合理论解决实际问题的核心问题如何正确地确定隶属度函数。

实际应用中常用的隶属度函数主要有梯形隶属度函数、三角形隶属度函数、Z形隶属度函数、S形隶属度函数、钟形隶属度函数和高斯型隶属度函数等。本发明采用模糊半梯形隶属函数法对峰谷时段进行划分。采用隶属度函数来确定峰平谷各个时段。

模糊半梯形隶属函数分为偏大型隶属函数和偏小型隶属函数两种，实际上，利用以上两个函数计算负荷点的隶属度的效果相同。在实际计算中任意取一种函数对结果并无影响。利用模糊半梯形隶属函数法，对典型天负荷曲线的n个时段进行划分，先设定峰隶属度和谷隶属度，再将每个时段的负荷数据代入偏大或偏小半梯形隶属函数，得到对应的隶属度，与峰谷隶属度进行比较，若大于峰隶属度，为峰时段；若小于谷隶属度，为谷时段；其余时段为平时段，划分结果如图3所示。

2)、建立用户响应模型：在需求响应中，电价信号或激励使用户改变用电，调整负荷曲线。根据市场价格规律，当商品价格发生变化时，商品的需求量也会相应的发生改变。电力作为一种特殊的商品，为了满足日常生活工业生产的需要，无论电价高低电力需求基本保持不变。但是峰谷电价机制将一天分为不同的电价时段，这样用户根据价格变化做出相应的用电调整，在价格高时少用电，在价格低时多用电，实现电能消费从价格高的时段转移至价格低的时段，从而使电能在一定程度上具有可替代性。

经济学中一般采用需求价格弹性来描述价格变化对供求关系的影响。若以P表示电价，以Q表示用电量，则电力需求价格弹性可以用电量变化率与电价变化率的比值表示，如式(3)所示。

$\mathrm{\&epsiv;}=\frac{\mathrm{\&Delta;}Q/Q}{\mathrm{\&Delta;}P/P}---\left(3\right)$

式中：ΔQ——为实施峰谷电价前后用户用电量的变化量；Q——为实施峰谷电价前用户原始用电量；ΔP——为实施峰谷电价前后电价的变化量；P——为实施峰谷电价前原始电价。

电力用户的需求弹性较小，属于缺乏弹性的商品。在峰谷电价的研究中，电能消费的需求弹性表现在各个时段之间的消费影响。表现在两个方面：(1)当前时段的电能消费受到当前时段电价的影响，若电价较高，则减少当前时段消费，若电价较低则增加当前时段消费，此时价格弹性为负值；(2)当前时段的电能消费还受到一天中其他时段的影响，若其他时段的电价高，则可能将高电价时段的用电量转移至当前时段，反之则将当前时段用电量向其他时段转移，因此各时段之间存在相互影响的需求弹性，此时的需求弹性为正值。为了描述这两个不同的电力需求弹性，可用自弹性系数ε_ii和交叉弹性系数ε_ij表示：

${\mathrm{\&epsiv;}}_{ii}=\frac{{\mathrm{\&Delta;Q}}_i/Q_i}{{\mathrm{\&Delta;P}}_i/P_i}---\left(4\right)$

${\mathrm{\&epsiv;}}_{ij}=\frac{{\mathrm{\&Delta;Q}}_i/Q_i}{{\mathrm{\&Delta;P}}_j/P_j}---\left(5\right)$

式中：i,j——表示i时段和j时段；Q_i——表示实施峰谷电价前i时段的用电量；ΔQ_i——表示实施峰谷电价后i时段用电量的变化；ΔP_i——表示实施峰谷电价后i时段的电价变化；P_i——表示表示实施峰谷电价前i时段电价。

综合前述分析，价格对用户的影响是多方面的，为了量化电价变化对用电量的影响，引入价格弹性矩阵的概念，它能够反应峰谷电价各个时段电价的变化对其他时段的影响，其表达式如公式(7)所示。

式中：ε_ii——自弹性系数；ε_ij——交叉弹性系数；

n——表示一天分为n个时段；负荷响应结果如图4所示。

3)、建立促进风电消纳的峰谷电价优化模型：

以往的峰谷电价决策模型的目标函数主要都是针对负荷曲线进行调整，即如何将负荷曲线调整的较为“平坦”。但如何衡量负荷曲线的“平坦”程度却无共识。在此，本发明综合考虑发电成本、***可靠性指标和风电的弃风电量，提出多目标优化函数。通过模型简化，可以转化为单目标形式下以综合总成本最小化的峰谷电价模型。

发电成本就是火电机组运行的燃煤成本，用表示；***可靠性部分用EENS来衡量，即缺电时用户的缺电电量期望，k₁·EENS用来表示发电商向用户赔偿的费用，典型值取k₁＝1×10⁶￥/MWh；Spill_t为风电的弃风电量，由于受到传统机组最小技术出力的限制，当传统机组调整到最小技术出力仍不能完全吸收风电出力的时候，弃风情况就会发生，k₂为弃风电量与价值的转换系数，典型值取k₂＝5×10²￥/MWh。Gencost_t和EENS均通过随机生产模拟得到，Spill_t可根据负荷曲线和风电出力预测情况计算得到。需要指出：以上火电燃煤成本、电量不足期望和弃风电量等指标的计算均以响应后的负荷曲线为基准，根据ΔQ/Q＝E(ΔP/P)可以得到ΔQ，进而Q'＝Q+ΔQ，在响应后负荷Q'的基础上进行生产模拟即可计算以上各项指标。具体实施例结果如图5所示。综上可以简化形成燃料成本、可靠性成本与弃风电量的目标函数，建立促进风电消纳的峰谷电价优化模型：

$min({\mathrm{\&lambda;}}_1\underset{t=1}{\overset{T}{\&Sigma;}}{\mathrm{Gencost}}_t+{\mathrm{\&lambda;}}_2{k}_{1}EENS+{\mathrm{\&lambda;}}_3{k}_2\underset{t=1}{\overset{T}{\&Sigma;}}{\mathrm{Spill}}_t)---\left(7\right)$

式中：λ₁、λ₂、λ₃——为加权系数，λ₁+λ₂+λ₃＝1；

峰谷电价的约束条件主要在几个方面：首先保证实施峰谷电价前后用电总量变化不大，满足用户的用电需求；还要防止峰荷曲线峰谷倒置的发生；另外要考虑各个参与方的利益均衡问题，即供电公司、用户的利益不能发生超额损失，峰谷电价比的约束等。

(1)用电总量变化约束

实施峰谷电价前后用电总量应变化不大，使用户用电得到满足，有：

$\frac{|Q_1-Q_0|}{Q_0}<\mathrm{\&alpha;}---\left(8\right)$

式中：Q₁——实施峰谷电价后总电量；Q₀——实施峰谷电价前总电量，α为用电总量变化比例系数，取典型值为5％。

(2)电量转移总量约束

实施峰谷电价后，用户根据电价的变化作出响应，会将高电价时段的用电量向低电价时段转移。峰谷电量转移率约束表示如下：

ΣΔQ/Q₀＜ρ           (9)

式中：ΣΔQ——实施峰谷电价前后，用户各时段电量变化总和；

Q₀——峰谷电价实施前的总用电量；ρ——表示转移百分比上限，考虑到过多的转移负荷会造成“峰谷导致”情况的发生，一般将ρ设置在10％～30％之间，算例取20％。

(3)平均电价的约束

假设用户实施峰谷电价前后的电费支出分别为F(P_p)、F(P_f,P_p,P_g)，显然有：

F(P_p)＝P_pQ₀                  (10)

F(P_f,P_p,P_g)＝P_fQ_f+P_pQ_p+P_gQ_g            (11)

其中，P_p为实施峰谷电价前的电价、P_f为实施峰谷电价后峰时段电价、P_g为实施峰谷电价后谷时段电价、P_g为实施峰谷电价后平时段电价；Q_f为实施峰谷电价后峰时段总的用电量、Q_g为实施峰谷电价后谷时段总的用电量、Q_p为实施峰谷电价后平时段总的用电量；对于用户来说，应该保证实施峰谷电价前后支付电费的平均价格基本维持稳定，即：

$|(\stackrel{\&OverBar;}{P}-P_p)/P_p|\&le;\mathrm{\&kappa;}---\left(12\right)$

式中：

$\stackrel{\&OverBar;}{P}=\frac{F(P_f,P_p,P_g)}{Q_f+Q_p+Q_g}---\left(13\right)$

其中，为实施峰谷电价平均电价，κ——平均价格变化幅度上限，考虑到实施峰谷电价前后平均电价不应有过大波动，一般κ≤5％。

(4)最大负荷约束

电力公司实施需求侧管理的目的是减少最大负荷，提高***负荷率，假设实施峰谷电价前后最大负荷为L_max,L'_max，η％为实施峰谷电价后***要求的最大负荷系数，0≤η％≤1，显然有

L'_max≤η％L_max                  (15)

(5)峰谷电价比约束

合理的峰谷电价比可以达到较理想的削峰填谷的作用，提高负荷率。若峰谷电价比太小，用户欠响应，导致峰谷电价失效；而峰谷电价比例过大，又可能导致用户过响应，严重情况下可能导致峰谷倒置，使电网承受巨大的经济损失。

${\mathrm{\&beta;}}_1<\frac{P_f}{P_g}<{\mathrm{\&beta;}}_2---\left(16\right)$

式中：β₁,β₂——峰谷电价比值范围，在我国一般β₁取1.96，β₂取5。

4)、遗传模拟退火算法：使用遗传模拟退火算法找到促进风电消纳的峰谷电价优化模型的最优解。由于遗传算法的局部搜索能力较差，但把握搜索过程总体的能力较强；而模拟退火算法具有较强的局部搜索能力，能使搜索过程避免陷入局部最优，但它对整个搜索空间的状况了解不多，所以运算效率不高。但若将遗传算法和模拟退火算法结合，取长补短，产生一种性能优良的新的全局搜索算法，使搜索效率提高。

与标准的遗传算法的总体过程相似，遗传模拟退火算法也是从一组随机产生的初始群体开始全局最优解的搜索过程，通过选择，交叉和变异等操作来产生一组新的个体，再独立地对产生的个体进行模拟退火过程，以其结果作为下一代群体中的个体，再进行迭代，直到满足某个终止条件。

利用遗传模拟退火算法求解峰谷电价的实施的步骤详见图1。

下面以一个具体实施例说明本方法的实施流程。

该具体实施例采用我国西北某省的数据进行分析，该省份火电装机容量为13888MW，分布在33个电厂中。火电机组的检修按照该省2011年的检修计划进行。风电装机容量6002.5MW，占***总装机的30.18％。

本发明一种促进风电消纳的峰谷电价优化方法，包括以下步骤：

首先，根据模糊隶属度模型，考虑风电对原始负荷的影响，将净负荷曲线进行峰谷时段的划分如表1所示。

表1时段划分方案

当得到峰谷时段划分的结果之后，将弹性矩阵按照峰谷的划分进行扩展。通过求解考虑风电的综合成本与函数可得到峰谷电价的最终优化结果，如表2所示：

表2峰谷电价制定结果

根据峰谷电价优化结果，进一步计算对模型的合理性及优势进行分析，下面给出一组实施峰谷电价前后的指标对比数据，从而说明本发明方法对燃料成本、***可靠性、弃风电量和用户购电费用带来的好处，如表3所示：

表3峰谷电价实施前后各项指标结果对比

最后应当说明的是：以上实施例仅用以说明本发明的技术方案，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都属于本发明的保护范围。

Claims (8)

1.一种促进风电消纳的峰谷电价优化方法，其特征在于，包括以下步骤：

1)、采用模糊半梯形隶属函数法对峰谷时段进行划分；

2)、建立用户响应模型；

3)、建立促进风电消纳的峰谷电价优化模型；

4)、使用遗传模拟退火算法找到促进风电消纳的峰谷电价优化模型的最优解。

2.根据权利要求1所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，步骤1)具体包括：利用模糊半梯形隶属函数法，对典型天负荷曲线的n个时段进行划分，先设定峰隶属度和谷隶属度，再将每个时段的负荷数据代入偏大或偏小半梯形隶属函数，得到对应的隶属度，与峰谷隶属度进行比较，若大于峰隶属度，为峰时段；若小于谷隶属度，为谷时段；其余时段为平时段。

3.根据权利要求1所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，步骤2)中用户响应模型为：

式中：ε_ii——自弹性系数；ε_ij——交叉弹性系数。

4.根据权利要求3所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，自弹性系数ε_ii和交叉弹性系数ε_ij表示：

${\mathrm{\&epsiv;}}_{ii}=\frac{{\mathrm{\&Delta;Q}}_i/Q_i}{{\mathrm{\&Delta;P}}_i/P_i}---\left(4\right)$

${\mathrm{\&epsiv;}}_{ij}=\frac{{\mathrm{\&Delta;Q}}_i/Q_i}{{\mathrm{\&Delta;P}}_j/P_j}---\left(5\right)$

式中：i,j——表示i时段和j时段；Q_i——表示实施峰谷电价前i时段的用电量；ΔQ_i——表示实施峰谷电价后i时段用电量的变化；ΔP_i——表示实施峰谷电价后i时段的电价变化；P_i——表示表示实施峰谷电价前i时段电价。

5.根据权利要求1所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，促进风电消纳的峰谷电价优化模型为：

$min({\mathrm{\&lambda;}}_1\underset{t=1}{\overset{T}{\&Sigma;}}{\mathrm{Gencost}}_t+{\mathrm{\&lambda;}}_2{k}_{1}EENS+{\mathrm{\&lambda;}}_3{k}_2\underset{t=1}{\overset{T}{\&Sigma;}}{\mathrm{Spill}}_t)---\left(7\right)$

式中：λ₁、λ₂、λ₃——为加权系数，λ₁+λ₂+λ₃＝1；k₁为缺电补偿系数；EENS表示电量不足期望值；k₂为弃风电量与价值的转换系数；Spill_t为风电的弃风电量；表示火电机组运行的燃煤成本。

6.根据权利要求5所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，Gencost_t和EENS均通过随机生产模拟得到，Spill_t根据负荷曲线和风电出力预测情况计算得到。

7.根据权利要求5所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，k₁＝1×10⁶￥/MWh；k₂＝5×10²￥/MWh。

8.根据权利要求5所述的一种促进风电消纳的峰谷电价优化方法，其特征在于，促进风电消纳的峰谷电价优化模型的约束条件包括：

(1)用电总量变化约束：

$\frac{|Q_1-Q_0|}{Q_0}<\mathrm{\&alpha;}---\left(8\right)$

式中：Q₁——实施峰谷电价后总电量；Q₀——实施峰谷电价前总电量；α为用电总量变化比例系数，α取值为5％；

(2)电量转移总量约束：

ΣΔQ/Q₀＜ρ                 (9)

式中：ΣΔQ——实施峰谷电价前后，用户各时段电量变化总和；Q₀——峰谷电价实施前的总用电量；ρ——表示转移百分比上限，ρ取值为10％～30％；

(3)平均电价的约束：

$|(\stackrel{\&OverBar;}{P}-P_p)/P_p|\&le;\mathrm{\&kappa;}---\left(12\right)$

式中：

$\stackrel{\&OverBar;}{P}=\frac{F(P_f,P_p,P_g)}{Q_f+Q_p+Q_g}---\left(13\right)$

其中，为实施峰谷电价平均电价，κ——平均价格变化幅度上限，κ≤5％；

F(P_f,P_p,P_g)＝P_fQ_f+P_pQ_p+P_gQ_g；P_p为实施峰谷电价前的电价、P_f为实施峰谷电价后峰时段电价、P_g为实施峰谷电价后谷时段电价、P_g为实施峰谷电价后平时段电价；Q_f为实施峰谷电价后峰时段总的用电量、Q_g为实施峰谷电价后谷时段总的用电量、Q_p为实施峰谷电价后平时段总的用电量；

(4)最大负荷约束：

L'_max≤η％L_max                      (15)

L_max,L'_max为实施峰谷电价前后最大负荷，η％为实施峰谷电价后***要求的最大负荷系数，0≤η％≤1；

(5)峰谷电价比约束：

${\mathrm{\&beta;}}_1<\frac{P_f}{P_g}<{\mathrm{\&beta;}}_2---\left(16\right)$

式中：β₁,β₂——峰谷电价比值范围，β₁取1.96，β₂取5。