一种基于电力用户参与需求响应从众影响的建模方法与流程

本发明涉及电力用户参与需求响应项目的建模仿真领域，尤其涉及一种基于电力用户参与需求响应从众影响的建模方法。
背景技术：
：智能化设备以及通讯手段的不断升级为用户与电网的双向互动提供技术支撑，用户在电力系统运行中扮演越来越重要的角色，可以在外界一定刺激下通过改变自身用电行为参与电网运行，这种行为即称为需求响应。但是，用户侧的行为并不是由一个或几个用户进行操作，它是由成千上万不同用户行为所构成，不同的用户在面对外界同样的价格等激励信号时所呈现出的响应特性往往存在很大的区别。用户在面对未知的外界刺激信号时，常常会呈现明显的从众性特征。这一特征往往出现在外界信号刺激刚刚产生，或是用户对自身选择缺乏自信而对外界信号不了解的情况下。用户从众行为主要源于人类最基本的从众心理，而这一行为特征的强弱往往和个体的差异存在较强的联系。从众心理是指个体在群体的影响下，部分或全部放弃自己原有意见，使自己的言论、行为保持与群体一致的现象，而从众行为一般指个体跟从群体的倾向行为。从众行为来源于社会行为学的概念，有学者将可能造成从众行为的因素分为四种：个人特性、群体特性、品牌特性和工作/情境特性，并且建立了从众行为的影响模型。对于需求响应用户而言，他们的工作/情境特性主要指该用户所处的行业、公司生产经营状况对于用电的需求，主要是用电特性或负荷特性；个人特性主要指自身对于需求响应的认知、接受程度，对需求响应实施的主观好感等；产品特性指需求响应具体实施内容及细则的规范性、可行性及公平性，以及是否得到用户的采纳及认可；群体特性指用户所处的行业、城市、业务群体中对于该需求响应项目的认可及接受程度，以及其他的熟识、陌生用户对某一特定用户所产生的群体从众影响。具体到某一个需求响应项目，上述表述又可以具体细分为：用户用电特性主要指用户生产经营过程中电费占总成本的比例、最大可参与的需求响应容量、参与需求响应项目或响应分时电价对生产经营所造成的影响以及由此引发的失负荷成本(损失)。需求响应规则主要是需求响应项目的补贴及参与方式，当用户实际生产经营情况满足参与需求响应条件时，例如具备参与需求响应的容量，并且参与需求响应所获得的补贴可以弥补因参与所造成的损失(失负荷成本)，此时即表示用户客观上具备参与需求响应的能力。技术实现要素：发明目的：为了研究电力用户在从众心理影响下参与需求响应的参与度，本发明提出了一种基于电力用户参与需求响应从众影响的建模方法，能够更加贴近用户实际参与过程，便于在需求响应项目中开展有针对性的需求响应推广措施。技术方案：为实现上述目的，本发明中基于电力用户参与需求响应从众影响的建模方法包括以下步骤：(1)基于熟识人际关系网络建立多个体影响模型，基于陌生人际关系网络建立外界一致性影响模型，根据多个体影响模型和外接一致性模型获取用户需求响应参与度所受到的外部群体影响系数；(2)根据用户需求响应参与度的群体影响模型、用户客观参与能力以及用户主观参与意愿之间的因果关系建立用户需求响应参与度的非线性数学模型；(3)利用BP神经网络确定非线性数学模型。其中，步骤(1)中所述多个体影响模型为：Km,exs=Σi=1,i≠mnrii×rimΣi=1,i≠mnrim]]>式中，Km,exs为用户m受到其他熟识用户影响系数，rii表示熟识用户i的需求响应参与度，rim表示用户i参与需求响应对用户m的影响权值；所述外界一致性影响模型为：Km,exm=gt(i)=nsame,t(i)nall,t(i)]]>式中，Km,exm为用户m受到其他陌生用户影响系数，gt(i)表示在t(i)时刻与用户m关系陌生的参与度超过一致性阈值的用户数nsame,t(i)与t(i)时刻总陌生用户数nall,t(i)之比。进一步地，根据信息通道透明度的影响，用户m所受的外部群体影响系数Km,soc为：Km,soc＝ηm,soc(Km,exs,Km,exm,Tm,exs,Tm,exm)信息通畅系数Tm,exs表示外部熟识用户因为信道不畅所引起的影响力减弱程度，信息通畅系数Tm,exm表示陌生用户因为信道不畅所引起的影响力减弱程度。其中，步骤(2)中用户需求响应参与度的非线性数学模型为：ifKm,ob≠0,Fm＝α(Km,su，Km,soc，Km,ins)式中，Km,ob表示用户m参与客观能力，Km,su表示用户m的自身参与度，Km,ins表示用户m的自身坚定系数；用户m自身参与度Km,su数学模型为主观经济满意度Km,ec与主观需求响应规则认同度Km,ag的数学关系ηm,su：Km,su＝ηm,su(Km,ec,Km,ag)。有益效果：本发明中基于电力用户参与需求响应从众影响的建模方法通过关联矩阵及权重表征熟识及陌生用户间相互影响，结合社会学中的从众心理理论，建立电力用户参与需求响应的从众行为模型，具有较高的实践性；基于群体从众理论，分别从熟识群体及陌生群体两方面建立群体影响模型，免除了单一群体模型难以区分熟人群体及陌生群体的缺点，更加接近实际真实影响状态；可针对不同的地理环境、社会环境进行分析研究，并可基于历史数据对用户群体影响及自身参与意愿进行调整，使得仿真出用户参与度更加贴近实际情况，对于电力用户参与需求响应实施效果及推广策略研究具有较好的增益效果。附图说明图1为本发明中基于电力用户参与需求响应从众影响的建模方法的流程图；图2为用户需求响应参与度因果图；图3为本发明建模方法在不同场景下仿真所得到的熟识用户影响用户平均参与度的仿真对比结果；图4为本发明建模方法在不同场景下仿真所得到的陌生用户影响用户平均参与度的仿真对比结果。具体实施方式下面结合实施案例对本发明作更进一步的说明。如图1所示，本发明中基于电力用户参与需求响应从众影响的建模方法包括以下步骤：(1)依据从众心理影响下用户参与需求响应的诸多要素，建立如图2所示的用户需求响应参与度影响因果关系，具体而言，用户需求响应参与度受到用户客观参与能力的制约，在用户客观参与能力满足的条件下，主要受群体影响及用户主观参与意愿的影响。其中，用户客观参与能力主要受用户用电特性及需求响应要求所决定；群体影响主要分为基于熟识人际网络所造成的影响以及基于陌生人际网络所造成的影响，此外，还受到信息获取透明程度的影响；用户主观参与意愿主要由用户参与的经济效益以及用户主观对于需求响应项目的认同程度所影响，用户参与的经济效益主要由用户自身的经济特性以及需求响应项目的补偿规则所决定。(2)用户群体影响主要指用户受到其他用户的影响，从熟识用户及陌生用户角度建立两种模型：a)基于熟识人际网络的多个体影响模型熟识人际网络主要指其他熟识用户参与需求响应情况对该用户造成的累积影响。对于参与需求响应的一般用户而言，熟识用户的响应情况往往可对自身提供参考，尤其是熟识用户的坚定参与可产生强烈的暗示作用，促使其积极参与。为了表征熟识用户间的影响关系，引入关系矩阵表示各用户间的影响权值。R=r11r12r13...r1nr21r22r23...r2nr31r32r33...r3n...............rn1rn2rn3...rnn---(1)]]>用户1的需求响应参与度F1表示用户参与需求响应的实际参与概率，主要基于用户参与需求响应项目的次数统计值，r11表示用户1的需求响应参与度F1，r12即表示用户1参与对用户2的影响权值，同理可得用户1参与对用户n的影响权值为r1n。设定关系权值参数，基于模糊理论，对用户间相互影响力的大小采用模糊值。采用李克特5分表表示，以调查问卷等形式收集，模糊权值设置为表1所示：表1：熟识用户影响权值表基于加权平均，得到用户m受到其他熟识用户影响系数Km,exs为：Km,exs=Σi=1,i≠mnrii×rimΣi=1,i≠mnrim---(2)]]>b)基于陌生人际网络的外界一致性影响模型在从众心理对用户参与需求响应的分析中，受制于单一用户人际圈的有界性，某一用户受到的其他熟识用户的累积影响是有限的，在实际参与需求响应的过程中，用户往往还受到许多陌生的用户的影响，这些用户单一的响应情况可能并不会对该用户产生影响，然而当这些陌生用户的响应情况存在相当程度的一致性，并且这类用户人群数量不断增多时，便会对该用户产生明显的示范性。用户m受到其他陌生用户影响系数Km,exm为：Km,exm＝gt(i)(3)gt(i)=nsame,t(i)nall,t(i)---(4)]]>其中，gt(i)表示在t(i)时刻与该用户m关系陌生的参与度超过一致性阈值(默认为50％，对不同的用户，一致性阈值存在一定差异)的用户数nsame,t(i)与t(i)时刻总陌生用户数之比，即用户一致性系数，当用户一致性系数越高表明该用户认为外界用户越统一，对个体用户的从众性影响也越大。除考虑熟识群体及陌生群体对单一用户个体的影响外，在考虑用户受到外界熟识人际网络或者陌生人际网络的影响时，还应当考虑到人际网络获取信息的通畅性。尤其是对于陌生人际网络模型中的群体数量以及群体一致性数据的准确获得，若某用户并未从外界获取任何关于参与需求响应的信息，或者外部信息不足以促成他做出从众判断时，该用户必然只能基于自身做出选择，因此人际网络信息渠道的通畅决定了用户可从外界获得的信息量。若信息渠道完全通畅，所能获得信息即全部反映在影响模型中，否则若信息渠道不完全通畅，外界影响需要乘以相应衰减系数。(3)基于已建立的熟识用户影响以及陌生用户群影响两个模型，用户参与需求响应的群体影响可以分别表征，其中用户m受到熟识用户影响系数为Km,exs，用户m受到陌生用户影响系数为Km,exm，用户参与需求响应所受到的群体影响的系数表示为Km,soc，即熟识用户和陌生用户群的群体影响系数如下式表征：Km,soc＝ηm,soc(Km,exs,Km,exm)(5)它们之间的数学关系，用ηm,soc表示。若考虑信息通道透明度的影响，则需要考虑信息通畅系数Tm,exs和Tm,exm，得到如下式所示：Km,soc＝ηm,soc(Km,exs,Km,exm,Tm,exs,Tm,exm)(6)信息通畅系数Tm,exs和Tm,exm以信息传传递成功的概率作为表征，表示外部熟识用户及陌生用户因为信道不畅所引起的影响力减弱程度。由于信道不畅导致的影响减弱即表现为影响权值的减少，因此在分析中也可以将信息不畅导致的影响系数减低视作影响力的降低。(4)基于已建立的用户参与需求响应的群体影响模型，结合用户客观参与需求响应能力以及用户主观参与需求响应意愿，建立用户需求响应参与度模型。a)用户需求响应客观参与能力引入用户客观参与能力Km,ob表征用户实际参与需求响应的能力，只有当用户客观具备参与需求响应的能力时，用户才可能参与实际的需求响应项目，否则即使用户主观参与意愿强烈，也无法参与。Km,ob=0Pall-Pre≤Psec1Psec≤Pall-Pre---(7)]]>当响应后留存量Plef＝Pall-Pre低于最小保证容量Psec(安保负荷)时，认为此时该用户客观响应能力为0，而当响应后留存量高于最小保证容量Psec(安保负荷)时，可认为参与需求响应可保证用电安全，可认为客观参与能力为1，即表示用户具备参与需求响应的客观条件。b)用户需求响应主观参与度模型主观经济满意度Pm表示用户m的响应容量。Cm为单位失负荷成本系数，该系数表示用户m参与需求响应单位容量(失去单位负荷)所需要付出的成本。若响应收益(补偿电价减去外部电价)大于成本，则用户才可能参与响应，否则不太可能参与，用户自身的参与度只有在用户益本比大于0时才不为0。用户m的益本比Jm,sa如下式：Jm,sa=Hm-Pm·CmTm---(8)]]>其中，Hm表示收益，减去用户失负荷成本，除以用户投资Tm，则表示用户投资的收益成本比。通过用户调研等方式获得用户参与需求响应每单位容量预期收益率及最低预期收益率。对于给定收益率，假定不同用户其主观经济满意的概率分布满足正态分布，即表示对于大量用户的主观经济满意度Km,ec在同等收益率条件下满足正态分布：Km,ec(Jm,sa)=12πσexp(-(Jm,sa-μ)22σ2)---(9)]]>由于正态分布函数遵循μ～3σ法则，设定μ为用户期望收益，μ-3σ即为用户最低期望收益Jsa,min，表明若收益值大小低于用户最低期望，则用户主观经济满意的概率基本趋向于0，若收益大于μ+3σ，即收益率高于最高预期Jsa,max，则用户主观经济满意的概率基本趋向于100％。主观需求响应规则认同度设用户m的主观需求响应规则认同度为Km,ag，采用李克特5分表表示某用户m对于某一项需求响应措施的主观认同度，以调查问卷等形式收集，权值设置为表2所示：表2：用户主观需求响应规则认同度调查表用户自身参与度用户m的自身参与度Km,su即为主观经济满意度Km,ec与主观需求响应规则认同度Km,ag的数学关系，用ηm,su表示。用户自身参与度Km,su数学模型即为：Km,su＝ηm,su(Km,ec,Km,ag)(10)c)用户参与需求响应所受群体影响基于上文所述，用户参与需求响应所受到的群体影响的表示为Km,soc：Km,soc＝ηm,soc(Km,exs,Km,exm,Tm,exs,Tm,exm)(11)其中，熟识用户和陌生用户群体的影响分别为Km,exs和Km,exm，信息通道通畅系数分别为Tm,exs和Tm,exm，它们之间的数学关系，用ηm,soc表示。d)用户需求响应参与度模型在满足客观参与条件的情况下，即当满足用户客观参与能力Km,ob不为0时，用户m的需求响应参与度Fm是自身坚定系数Km,ins影响下，自身参与度Km,su与外部其他用户影响所造成影响Km,soc的综合。Km,ins表示自身坚定系数，表征该用户行为受到自身主观倾向的影响大小，即自身参与度Km,su对用户m的需求响应参与度Fm的权重，系数较低表明用户较易受到外界熟识用户及陌生用户的影响，而系数较高则表明用户受外界其他用户的影响较小。数值获取可基于调查问卷等形式收集，采用如下表3所示的模糊化数值表征。表3：用户坚定系数调查表设表征它们相关关系的函数为α，则有：ifKm,ob≠0,Fm=α(Km,su,Km,soc,Km,ins)---(12)]]>其中，Km,su表示自身参与度，Km,soc表示受到外部群体影响系数，Km,ins表示自身坚定系数。(5)基于已建立的用户需求响应参与度模型，运用BP神经元网络训练得到各参量间的非线性关系，从而得到适用于一般用户的需求响应参与度非线性数学关系模型。用户间影响权值是一个动态变化的权值参数，这一参数表征的是用户A对用户B参与需求响应时的影响力大小。影响力的大小相对比较抽象，难以直接获取，需要利用可获取的数据进行挖掘分析，并加以定义，获得影响力的量化修正值。在实际需求响应过程中，各变量的数值可能会发生变化，因此需要基于实际场景进行辨识才能够获得相对应的函数关系。依据上文所述，用户需求响应参与度Fm的主要影响变量为Km,su、Km,soc、Km,ins，其中Km,soc由Km,exs、Km,exm影响。Km,exm表征的是外部陌生人群数量及一致性的变化对用户的影响，其数值可以获得。用户主观参与度Km,su在满足客观参与能力以及经济、认同不变的条件下，短期内不会大幅变化，可通过调研Km,ec及Km,ag获取。基于外部调研或数据挖掘获取的数据：用户主观参与度Km,su、以及熟识用户实际参与度rii、陌生用户参与需求响应一致性系数gt(i)、自身坚定系数Km,ins等，通过人工神经元网络训练，可得到Fm与rii、gt(i)以及Km,su、Km,ins的关系网络，即上文所述非线性函数关系α。基于上文的分析，用户参与需求响应受到自身与外界、熟识用户与陌生用户群体的复杂影响，因此运用BP神经元网络可以实现用户参与需求响应影响因素与用户实际参与度之间的映射关系，从而表征出用户参与需求响应的影响因素：用户主观参与度Km,su、用户自身坚定系数Km,ins、熟识用户实际参与度rii、陌生用户参与需求响应一致性系数gt(i)与该用户实际参与需求响应参与度的映射关系。用户主观参与意愿Km,su与用户自身坚定系数Km,ins主要通过调研等方式获得，外部用户一致性gt(i)基于数据挖掘及统计获得，与该用户熟识的其他用户参与度rii主要通过调查走访以及数据挖掘获得。采用BP神经元网络，输入量为某用户主观参与意愿Km,su、用户自身坚定系数Km,ins、外部用户一致性gt(i)以及与该用户熟识的其他用户参与度rii，i为1～N，N表示与该用户熟识的用户数。输出量为该用户实际的参与需求响应参与度Fm。采用人工神经元BP网络训练所得出的网络可表征某用户参与需求响应参与度Fm与该用户主观参与度Km,su、用户自身坚定系数Km,ins、外部用户一致性gt(i)以及与该用户熟识的其他用户参与度rii(i＝1～N)之间的非线性关系。利用已经建立的用户参与需求响应参与度Fm与其他参数之间的关系α，可以对不同因素对用户从众参与需求响应的影响进行分析。模型中对于从众影响的分析主要有以下几个方面：(1)熟识用户对某用户参与需求响应的影响；(2)陌生用户群体对某用户参与需求响应的影响；仿真模拟一个具有大量用户的大型关系网络，网络中各用户与其他熟识用户的数量随机，他们之间的相互影响因子也随机，在该系统内的所有用户涵盖了与某用户熟识及陌生的用户。用户具体参数设置如下表4所示：表4：系统仿真参数表调整熟识用户关系矩阵的影响因子进行对比分析。(1)熟识用户对用户从众影响分析熟识用户的参与与否会对其他用户产生一定的暗示作用，尤其是对从众型用户而言，其做出决定受到其他用户的影响，因此存在较强参与意愿的熟识用户会促进其他用户参与。仿真基于上文已经建立的人工神经元仿真模型，调整熟识用户关系矩阵的参数进行对比分析。仿真100人的用户系统，共设置3个场景，场景具体变量如下表5所示：表5：系统仿真参数表当提高熟识用户影响度及初始参与度时表示熟识用户参与会对其他用户产生更强的促进影响，促使其他用户依从熟识用户的参与倾向。由图3可见，场景1与场景2相比总体用户平均参与度随收益率变化较为接近，场景2比场景1的熟识用户数及初始参与度更多，熟识用户影响力基本一致。由于场景2熟识用户数多于场景1，因此通过多次仿真，最终稳定的用户参与度场景2要略高于场景1，表明影响程度基本一致时，增加熟识用户数量可以在一定程度上提高用户的最终参与度。而场景3熟识用户初始参与度与影响力都有显著提高时,用户平均参与度在不同收益条件下都高于场景2，表明影响力较大的坚定参与的熟识用户会对其他用户产生明显的促进作用。且场景3最终达到基本稳定的用户参与度相比于场景1和2较少熟识用户促进的情况有明显提高。仿真说明存在影响力较大且参与意愿较强的熟识用户对于促进从众用户参与需求响应具有积极意义。(2)陌生用户群体对用户从众影响分析陌生用户群体的参与一致性同样会对从众型用户的参与产生一定的影响，但是不同的用户对于用户一致性的认知也不尽相同，在模型中反映的即是一致性的阈值不同。仿真比较高用户参与一致性及低用户参与一致性条件下，用户在不同收益率的参与情况。仿真设置100名用户，设置参数如下表6所示：表6：系统仿真参数表场景参数设置如下表7所示：表7：场景仿真参数表得到仿真结果如图4所示，不同用户的陌生用户一致性阈值不同，导致不同用户对于外界陌生用户一致性的感知也不尽相同。从图4中可以看出，当场景1陌生用户一致性阈值较低，陌生用户参与一致性较高时，在其他条件均相同的情况下，场景1用户平均参与度随收益率的变化最快，且最终到达稳定时用户的平均参与度也最高，场景2由于阈值较高，相应的用户感知的陌生用户参与一致性较低，用户平均参与度随收益率变化相对于场景1较慢，最终稳定时的用户平均参与度也较低。同理可知场景3阈值最高，陌生用户参与一致性最低，因此用户平均参与度随收益率变化最慢，稳定值也最低。仿真结果说明，提高参与需求响应的陌生用户参与一致性对于提高需求响应参与率具有正向促进作用，尤其是对于从众型用户，由于该类型用户参与与否受到外界影响较大，因此，当外界参与需求响应的用户参与一致性不断提高时，会对从众心理较强的用户产生很强的促进作用。当前第1页1 2 3