售電市場環境下電力用戶選擇售電公司行為研究

2019-01-25 14:18:11 電網技術  點擊量: 評論 (0)
放開售電市場,引入競爭,形成“多買方-多賣方”的市場新格局,是我國售電側改革的發展方向[1]。競爭性售電市場的一個重要特征是用戶擁有自主選擇權,能夠自由選擇售電公司[2]。

0 引言

放開售電市場,引入競爭,形成“多買方-多賣方”的市場新格局,是我國售電側改革的發展方向[1]。競爭性售電市場的一個重要特征是用戶擁有自主選擇權,能夠自由選擇售電公司[2]。這一特征在國外售電市場發展中已有體現,英國在1999年引入了完全競爭的電力零售市場,在2000年初,超過300萬用戶更換了電力供應商;美國德州ERCOT電力零售市場在2002年正式開放,即使是大型售電公司在激烈的市場競爭中也曾出現大量流失客戶情況;葡萄牙售電市場中用戶在2014年的售電公司更換率超過30%[3-4]。隨著我國參與市場化交易的售電公司數量不斷增多,用戶將面臨多樣的選擇,用戶的選擇結果將直接決定售電公司的市場份額,從而影響售電公司售電策略。因此,分析影響用戶選擇售電公司的因素,以及在此基礎上如何模擬用戶選擇售電公司的過程,是值得研究的問題。

作者:孫云濤1, 宋依群1, 姚良忠2, 嚴正

1.上海交通大學 電子信息與電氣工程學院,上海市 閔行區 200240

2.新能源與儲能運行控制國家重點實驗室(中國電力科學研究院有限公司)

目前國內外已經對售電市場放開后用戶參與售電市場的具體問題展開了研究。文獻[5]針對電力零售市場交易進行研究,考慮電力用戶對售電公司不同零售價格的響應,基于用電成本最小建立用戶用電模型,但僅僅從用電成本角度分析用戶對售電公司的選擇。文獻[6-9]構建了用戶用電效用關于用電量的函數,基于用戶用電效用分析用戶對不同電價的響應,從而得到用戶的售電公司選擇結果和相應的最優用電量,但忽略了用電量之外的其他因素對用戶用電效用的影響。文獻[10]構建了用戶、售電公司和發電商共同參與的分層電力市場模型,用戶和售電公司均通過自己選擇的售電公司或發電商購電,最終實現電力供需平衡。文獻[11]構建了用戶與電網公司、新增實體間的3方靜態非合作博弈模型,其中用戶根據電價及地理位置選擇供電方。文獻[12]建立用戶選擇售電公司的效用模型,并基于logit模型得到售電公司市場份額與電價之間的靜態函數關系,但未對實際售電市場運營中用戶選擇的動態過程進行建模。

本文采用演化博弈理論分析用戶選擇售電公司行為,考慮不同類型用戶的用電特性,計及可中斷負荷、用戶分布式可再生能源的影響,建立用戶選擇售電公司的效用模型,并從不同類型用戶群體的角度出發,建立了用于分析用戶選擇售電公司行為的演化博弈模型。算例結果表明所提模型的有效性,并能夠為售電公司制定競爭策略提供參考。

1 演化博弈

與古典博弈理論相比較,演化博弈假設參與人是有限理性的,參與人會根據自己和他人的經驗選擇自己的策略;另一方面,演化博弈以參與人群體為研究對象,研究群體內部個體間行為的相互影響以及不同群體的個體間行為的相互影響[13]。一般地,演化博弈假設個體有有限個純策略。記一個特別的個體用第k個純策略的時間比例為sk,或者說是它在給定的時間里用第k個純策略的概率。在混合策略模型中,個體的策略為一個概率向量,為

31.png

式中:s稱為個體策略;m表示個體的純策略數。

在一個總體規模很大的群體中,每個個體策略集相同,從群體中隨機選取兩個個體進行博弈,對任意一個個體,他與從總體中隨機選取的個體博弈,和與采用混策略的個體博弈是等價的,群體的總體狀態在形式上等同于混策略[7]。

售電市場環境下,電力用戶無法對信息變化做出迅速的最優化反應,其選擇是“有限理性”的[14]。另外,售電市場環境下,相對于某個用戶的行為,更加關注區域用戶群體的行為。售電市場中,同一區域存在多種類型用戶,同種類型用戶可看作一個用戶群體,假設區域內共有J家售電公司和I種類型用戶,售電市場中用戶間的博弈可用多群體演化博弈來描述:

1)參與者群體。不同類型的用戶群體i∈Ii∈I。

2)策略。從售電公司j∈Jj∈J選擇一家售電公司。

3)效用。i類型用戶選擇售電公司j所獲效用。

采用演化博弈理論分析用戶選擇售電公司的行為,需要基于用戶選擇售電公司的效用建立用戶行為的演化動態,從而建立用戶演化博弈模型。

2 用戶選擇售電公司的效用分析

2.1 用戶選擇售電公司影響因素分析

售電公司是售電市場中購售電環節的主要承擔者,為電力用戶提供電力及相關增值服務[15]。在國外售電市場的發展中,有學者對用戶選擇行為進行了研究。2014年,葡萄牙售電市場中的電力用戶受用電成本上漲驅使開始在放開的售電市場中尋找新的售電公司作為電力供應商,其中大部分用戶更偏向于選擇更加著名和可靠的葡萄牙電力公司下屬的售電公司[4]。通過對瑞典居民用戶的問卷調查發現,用戶對售電公司的選擇同時受經濟因素和心理因素影響,除了考慮用電成本,市場上售電公司的口碑和服務也會影響用戶的選擇[14]。

2.2 用戶效用指標體系構建

結合國際售電市場經驗,從經濟和心理因素出發,分析影響用戶選擇的因素有3方面:售電合同、公司品牌、供電服務。售電公司在3方面的競爭力決定了用戶選擇該售電公司的效用,為了量化用戶效用,進一步分析得到影響用戶效用的5個指標為:售電合同競爭力(平均用電價格B1、合同結構B2)、公司品牌競爭力(市場占有率B3)、供電服務競爭力(供電可靠率B4、附加增值服務B5)。

1)平均用電價格。

用戶在所有可選售電公司中選擇一家時,可通過該售電公司的電價形式計算得出平均用電價格,通過比較選擇不同售電公司時的平均用電價格,可以比較不同選擇的經濟性。設研究周期為T,在研究周期內i類型用戶若選擇售電公司j,則i類型用戶選擇售電公司j的平均用電價格為

32.png

此外,分布式發電(distributed generation,DG)和可中斷負荷(interruptible load,IL)是智能電網的兩種重要資源[16]。本文考慮不同類型用戶擁有的IL資源和分布式可再生能源,分析其對用戶選擇售電公司后的用電成本和實際用電負荷的影響。

若售電公司j提供IL合同,對用戶被中斷的負荷量按一定補償價格提供補償,則用戶能夠通過參與IL合同獲得收益。本文基于用戶參與IL項目的心理活動,采用韋伯-費希納定律構建用戶參與IL的模型[3],認為不同類型用戶參與IL的可中斷容量占原始負荷的比例是補償價格的對數函數:

2)合同結構。

在售電側市場開放的情況下,售電公司提供的售電合同向著多樣化的方向發展。售電合同除了傳統的供用電合同外,還可包括可中斷負荷合同、用戶分布式發電上網收購合同。此外,合同結構的另一個體現為電力用戶是否能夠自主選擇合同期限。售電合同結構越豐富,對用戶吸引程度越高。針對售電公司是否提供傳統供用電合同、可中斷負荷合同、用戶分布式發電上網收購合同,以及是否可由電力用戶自主選擇合同期限,將售電公司合同結構分為4檔,根據以上4個條件滿足的個數確定售電公司合同結構的檔次,其中滿足4條為第1檔,滿足3條為第2檔,以此類推,從第1檔至第4檔該指標評分分別為9、7、5、3分。

3)市場占有率。

售電公司市場占有率影響用戶心目中售電公司的品牌形象,本文假定售電公司市場占有率信息的發布有以下2種方式:

①信息發布方式1。售電公司發布同類型用戶中的市場占有率。若xijxji表示i類型用戶中選擇售電公司j的比例,則xijxji即為售電公司j在i類型用戶中的市場占有率。

②信息發布方式2。售電公司發布區域內所有類型用戶中的市場占有率。根據各類型用戶選擇售電公司j的比例可得到售電公司j在整個區域內的市場占有率為

35.png

式中DiDi為研究周期內i類型用戶的總負荷。

不同的信息發布方式下,用戶能夠感知的同一售電公司市場占有率不同,因此用戶的效用也會變化,選擇售電公司的策略也將受影響。售電公司可據此選擇有利的信息發布方式。

4)供電可靠率。

供電可靠率是衡量售電公司供電服務品質的關鍵,關系到電力用戶的正常生活和生產運營,是用戶選擇售電公司的重要依據。在統計周期內,售電公司的可靠供電時間越長,停電時間越短,其供電可靠率越高。

5)附加增值服務。

隨著售電市場的發展,用戶除了基本的用電需求外,對電力服務的需求比重將逐漸提高。售電公司將為用戶提供用電信息和用電資訊發布服務、用電設備健康和能效管理服務、用電方案優化服務等,通過提升附加增值服務水平提高競爭力。

2.3 基于層次分析法的用戶效用模型

算法的計算流程如下:

1)初始化各類型用戶群體狀態。

2)計算i類型用戶選擇售電公司j的效用。

3)利用式(13)計算修正協議,利用式(15)更新用戶群體狀態并更新售電公司市場占有率。

4)判斷是否達到演化均衡。若達到演化均衡,求解結束;若沒有達到演化均衡,利用用戶群體狀態計算售電公司市場占有率,回到第2)步。

3.3 考慮用戶忠誠度的模型修正

在售電市場實際運營中,售電公司可通過采取各類營銷手段增加用戶黏性[20],在用戶自由選擇的過程中,售電公司客戶中存在忠誠用戶不更改自身策略。用選擇售電公司j的用戶中不愿意更改策略的用戶比例rjrj表征售電公司j的用戶忠誠度,則在演化過程中,選擇售電公司j的用戶中有(1−rj)(1−rj)比例的用戶會“反思”自身策略,進而依據修正協議調整自身策略。考慮用戶忠誠度后,基于logit修正協議的演化動態變為

4 算例分析

4.1 基礎數據

假設在某區域有I=3種類型用戶和J=3家售電公司。以1d為研究周期,3種用戶類型分別為工業用戶、居民用戶和商業用戶,用戶的原始負荷如圖1所示。對用戶參與IL的意愿,工業用戶g=0.07,h=0.3;居民用戶g=0.02,h=0.1;商業用戶g=0.01,h=0.05。各類型用戶對售電公司各項指標敏感度不同,基于用戶效用層次結構,構建判斷矩陣,得到各類型用戶評價指標權重如表1所示。

本文假定區域內工商業用戶均裝有分布式光伏發電設備,各類型用戶分布式光伏電源出力曲線如圖2所示。

43.png

區域內3家售電公司按照其組建來源和資質能力分別屬于不同類型[14]:售電公司1為配電型零售商,具備電網運營權;售電公司2為發電型零售商,

具備發電能力及新增配網運營權;售電公司3為社會型零售商,不具備電網運營權和發電能力。假定售電公司1合同結構評分處于第1檔,售電公司2、3處于第2檔,基于3家售電公司的特點,其各指標值(除平均用電價格和市場占有率外)評估分值如表2所示。

44.png

為分析不同售電合同對結果的影響,假設3家售電公司分別以均一電價、峰谷電價和保底封頂電價售電,如表3所示。

45.png

4.2 算法有效性和穩定性分析

假定所有用戶均愿意調整策略,即所有售電公司均不擁有忠誠用戶(rj=0,j∈Jrj=0,j∈J),且售電公司發布其在整個區域的市場占有率,不考慮可中斷負荷和用戶分布式電源。此時在售電公司初始市場占有率相同(0.33,0.33,0.33)以及不同(0.50,0.30,0.20)兩種初始狀態下用戶選擇結果如圖3所示。

46.png

由圖3可以看出用戶對售電公司選擇的動態收斂過程,3類用戶均很快收斂到演化穩定策略且最終結果與初始狀態無關。通過各類用戶選擇結果可得到3家售電公司的區域市場占有率分別為0.413、0.280和0.307,不同類型用戶對售電公司選擇結果存在較大差異,這主要是由不同類型用戶的用電特性以及售電公司選擇偏好不同導致的。

4.3 用戶選擇行為的影響因素分析

4.3.1 信息發布方式

基于2.2節提出的售電公司發布其市場占有率信息的兩種方式,當負荷中工業用戶負荷占比逐漸增加時,比較兩種方式下區域用戶選擇結果如圖4所示。

47.png

由圖4可以看出,售電公司1采取信息發布方式1,即公布各細分市場的市場占有率,能夠吸引到更多用戶;而售電公司2、3采取信息發布方式2,即選擇公布該公司在整個市場的占有率,更有利。

4.3.2 用戶忠誠度

假定售電公司2、3的用戶忠誠度均為0%,當售電公司1的用戶忠誠度變化時,用戶對各售電公司的選擇結果如圖5所示。

48.png

4.3.3 售電公司售電價格

假定售電公司的購電價格與區域用戶的總負荷呈正相關,分析售電公司1調整居民電價對市場占有率和利潤的影響如圖6所示。

49.png

由圖6可以看出,隨著售電公司逐漸提高電價,其市場占有率逐漸降低,利潤則先增后降,因此若售電公司以盈利為目的,可適當提高定價水平,若以搶占市場份額為目的,可適當采取低價策略。

4.3.4 可中斷負荷合同

假定售電公司1提供IL合同供用戶選擇,IL補償電價為0.40元/(kW?h),則售電公司1實施IL合同前后的用戶選擇結果如圖7所示。

50.png

由圖7可以看出,售電公司實施IL合同后,能夠提高其在各類用戶中的市場份額,尤其是工業用戶參與IL意愿較強,工業用戶中市場份額提升較為明顯。

4.4 光伏占比逐漸提高時的用戶選擇行為分析

維持各類型用戶負荷水平不變,以工商業用戶分布式光伏出力曲線為基準,逐步調整工商業用戶分布式光伏發電量在負荷中的占比,分析以下兩種場景下的用戶選擇結果與光伏發電占比之間的關系如圖8所示。

51.png

1)場景1,售電公司1、2、3針對用戶分布式發電上網收購價均為0.80元/(kW?h)。

2)場景2,售電公司1、2、3針對用戶分布式發電上網收購價分別為0.90、0.80、0.70元/(kW?h)。

由圖8可以看出,考慮用戶分布式光伏電源后,隨著光伏發電占比不斷提高,售電公司3的市場份額有所增加。這是由于光伏電源出力集中在白天,用戶“自發自用”后的總的等效負荷需求減小,由于集中市場價格與區域用戶總負荷呈正相關,因此對應時段集中交易價格降低,此時保底封頂實時電價相較其他電價形式具有價格優勢。但隨著光伏發電占比進一步提高,售電公司3電價達到保底電價,電價優勢不再增加,此時隨著用戶白天等效負荷需求繼續減小,售電公司2峰谷電價的谷時段電價優勢得到體現,因此市場份額逐漸增加。另一方面,隨著光伏發電占比增加,用戶開始通過“余量上網”獲得收益,對比場景1和場景2可知,售電公司在用戶光伏發電占比較高時通過提高分布式光伏收購價有利于吸引用戶。

5 結論

售電市場環境下電力用戶選擇權放開給市場運行帶來了新的變化,本文采用演化博弈理論分析用戶選擇售電公司行為,建立了用戶選擇售電公司的效用模型。從不同類型用戶群體的角度出發,考慮售電公司用戶忠誠度,構建了用戶選擇行為的演化動態過程,從而建立了用于分析用戶選擇售電公司行為的演化博弈模型,提出了相應求解算法并證明了模型穩定性。算例分析表明了所提模型和算法的有效性和穩定性,并從多維度分析了用戶選擇結果的影響條件,為不同場景下售電公司制定競爭策略提供參考。

參考文獻

[1]中共中央,國務院.關于進一步深化電力體制改革的若干意見(中發[2015]9 號)[Z].2015.

[2]張曉萱,薛松,楊素,等.售電側市場放開國際經驗及其啟示[J].電力系統自動化,2016,40(9):1-8.ZhangXiaoxuan,XueSong,YangSu,et al.International experience and lessons in power sales side market liberalization[J].Automation of Electric Power Systems,2016,40(9):1-8(in Chinese).

[3]羅琴.市場環境下售電公司購售電策略研究[D].上海:上海交通大學,2014.

[4]Ghazvini MA,RamosS,SoaresJ,et al.Toward retail competition in the Portuguese electricity market[C]//International Conference on the European Energy Market.Portuguesa:IEEE,2016:1-5.

[5]CarrionM,Arroyo JM,Conejo AJ.A Bilevel stochastic programming approach for retailer futures market trading[J].IEEE Transactions on Power Systems,2009,24(3):1446-1456.

[6]MaharjanS,ZhuQ,ZhangY,et al.Dependable demand response management in the smart grid:a Stackelberg game approach[J].IEEE Transactions on Smart Grid,2013,4(1):120-132.

[7]ChaiB,ChenJ,YangZ,et al.Demand response management with multiple utility companies:a two-level game approach[J].IEEE Transactions on Smart Grid,2014,5(2):722-731.

[8]AlshehriK,LiuJ,ChenX,et al.A Stackelberg game for multi-period demand response management in the smart grid[C]//Conference on Decision and Control.Japan:IEEE,2015:5889-5894.

[9]YangZ,WangL.Demand response management for multiple utility companies and multi-type users in smart grid[C]//Chinese Control Conference.China:IEEE,2016:10051-10055.

[10]楊婕.基于實時電價的智能電網需求響應與能量調度策略研究[D].天津:天津大學,2014.

[11]張忠會,劉故帥,謝義苗.基于博弈論的電力系統供給側多方交易決策[J].電網技術,2017,41(6):1779-1785.ZhangZhonghui,LiuGushuai,XieYimiao.A game theory approach to analyzing multi-party electricity trading on supply side[J].Power System Technology,2017,41(6):1779-1785(in Chinese).

[12]羅琴,宋依群,徐劍,等.基于AHP-Logit模型的競爭性售電公司決策研究[J].華東電力,2013,41(11):2373-2377.LuoQin,SongYiqun,XuJian,et al.AHP-Logit based decision-making scheme for competitive electricity retailer[J].East China Electric Power,2013,41(11):2373-2377(in Chinese).

[13]馬洪寬.博弈論[M].上海:同濟大學出版社,2015.

[14]EkK,SöderholmP.Households’ switching behavior between electricity suppliers in Sweden[J].Utilities Policy,2008,16(4):254-261.

[15]胡晨,杜松懷,蘇娟,等.新電改背景下我國售電公司的購售電途徑與經營模式探討[J].電網技術,2016,40(11):3293-3299.HuChen,DuSonghuai,SuJuan,et al.Preliminary research of trading approach and management modes of Chinese electricity retail companies under new electricity market reform[J].Power System Technology,2016,40(11):3293-3299(in Chinese).

[16]楊彥,陳皓勇,張堯,等.計及分布式發電和不完全信息可中斷負荷選擇的電力市場模型[J].中國電機工程學報,2011,31(28):15-24.YangYan,ChenHaoyong,ZhangYao,et al.An electricity market model with distributed generation and interruptible load under incomplete information[J].Proceedings of the CSEE,2011,31(28):15-24(in Chinese).

[17]邱騰飛,曹瀟,郭雅娟,等.考慮不同補貼方式的分布式光伏運維模式決策[J].電力需求側管理,2017,19(3):5-9.QiuTengfei,CaoXiao,GuoYajuan,et al.Decision on operation and maintenance modes for distributed PV power generation considering different subsidies[J].Power DSM,2017,19(3):5-9(in Chinese).

[18]喬根•W•威布爾.演化博弈論[M].上海:上海人民出版社,2015.

[19]肖海燕.交通規劃中的幾類博弈問題研究[D].武漢:武漢大學,2010.

[20]段銀斌.市場化售電主體運營模式及關鍵業務研究[J].電力需求側管理,2016,18(3):41-45.DuanYinbin.Research on the operation mode and key business of the market of the main electricity market[J].Power DSM,2016,18(3):41-45(in Chinese).

[21]LakshmikanthamV,LeelaS,Martynyuk AA.Stability analysis of nonlinear systems[M].Germany:Springer International Publishing,2015.

大云網官方微信售電那點事兒

責任編輯:仁德財

免責聲明:本文僅代表作者個人觀點,與本站無關。其原創性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實相關內容。
我要收藏
個贊
?
青海十一选五遗漏号