Khảo sát ảnh hưởng của biểu giá tou lên tiêu thụ điện
- 139 trang
- file .docx
1
KHẢO SÁT ẢNH HƯỞNG CỦA BIỂU GIÁ TOU LÊN TIÊU THỤ ĐIỆN
SURVEY EFFECTION OF TOU PRICING ON DEMAND SIDE
Quách Minh Thử Phan Thị Thanh Bình*
Khoa Điện – Điện Tử Trường Cao Đẳng Kỹ Thuật Lý Tự Trọng TP. HCM, Việt nam
*Khoa Điện – Điện Tử, Đại học Bách Khoa TP. HCM, Việt nam
TÓM TẮT
Tại Việt Nam, tình trạng thiếu điện là một vấn đề nghiêm trọng. Giá theo thời gian sử dụng
(TOU: Time-Of-Use) là một trong những phương pháp quan trọng của DSM (Demand Side
Manegerment). Thông qua TOU khách hàng sẽ phản ứng với giá, và sẽ thay đổi hình dạng của đồ thị
phụ tải. Chìa khóa của việc thực hiện giá TOU là thiết lập giá hợp lý. Dựa trên phân tích dữ liệu tải,
mô hình quyết định giá TOU đa mục tiêu đươc trình bày, và một phương pháp mờ được sử dụng để
giải quyết mô hình đa mục tiêu. Thuật toán Gen di truyền (GA) được sử dụng để giải quyết vấn đề.
Các dữ liệu của một khách hàng thực tế được sử dụng để kiểm tra tính khả thi của mô hình đề xuất.
ABSTRACT
In Viet Nam, the electricity shortage is a serious problem. Time of use (TOU) is one of the
important DSM methods. Through TOU the demand side will respond to the price, and will change the
shape of the demand curve. The key of implementing TOU is reasonable setting TOU price. Based on
the analysis on historical load data, a multi-object TOU price decision model based on the demand
side price response model is presented, and a fuzzy method is used to deal with this multiple objects
model. Genetic algorithm (GA) is used to solve the problem. The data of a practical customer is used
to test the feasibility of the proposed model.
1. GIỚI THIỆU: điện bình thường; o (off peak) là thời gian sử
dụng điện thấp điểm; Gi là giá điện tại từng
Mô hình giá điện theo thời gian (TOU) ra thời điểm tương ứng, i= p, m, o.
đời đã có những cải thiện nhất định trong việc Một mô hình đa mục tiêu được sử dụng,
san phẳng đồ thị phụ tải ngày (giảm tải giờ cao đó là giảm thiểu tối đa công suất tiêu thụ ở giờ
điểm, nâng tải giờ thấp điểm) cũng như nâng cao điểm và giảm thiểu tối đa sự chênh lệch
cao hiệu quả dùng điện. Việc tìm kiếm giá điện công suất tiêu thụ giữa giờ cao điểm và giờ
TOU tối ưu được các điện lực quan tâm từ rất thấp điểm.
lâu, từ khi biểu giá điện này ra đời với các thử Hàm phản ứng của khách hàng trong thời
nghiệm phức tạp tiến hành trên diện rộng các gian sử dụng giá TOU là một hàm số đối với
khách hàng. Trong bài báo này, một mô hình véc tơ giá G và tổng điện năng tiêu thụ A.
giá điện theo thời gian (TOU) được trình bày
với 2 mục tiêu: (1) cực tiểu công suất tiêu thụ X i f i (G, A) ; i, j m, p, o (1)
tải lớn nhất ở giờ cao điểm, (2) cực tiểu sự
khác biệt công suất tiêu thụ giữa giờ cao điểm
Ta có:
và giờ thấp điểm và giải thuật gen (GA) được
X i dG j ; i, j m, p, o (2)
dX i
sử dung để giải bài toán tối ưu.
j G j
2. NỘI DUNG Giả sử A là hằng số, từ (1) và (2) ta có:
2.1 Phương pháp tiếp cận:
dX i dG j
Gọi: p (peak) là thời gian sử dụng điện ij ; i, j m, p, o (3)
cao điểm; m (mid peak) là thời gian sử dụng Xi j Gj
2
Với ηij là hệ số đàn hồi của hàm phản ứng X iT
khách hàng. X iR ; i, j m, p, o (7)
Gọi: XR là phản ứng của khách hàng sau G T G R
G
j
1 ij
khi đánh giá giá TOU; XT là phản ứng hiện tại j R
của khách hàng; GT là vector giá trung bình có
tính theo trọng số trong khoảng thời gian quan G imin G R G imax (8)
sát hiện tại; GR là giá TOU cần xác định cho
thời gian tiếp theo.
X min X R X max (9)
Từ (3) ta có:
Biểu thức (7) là hàm đa mục tiêu, ở đây ta
xét hai mục tiêu:
X iT X iR G T G R
j
Mục tiêu 1: Tối thiểu tải đỉnh ở giờ cao
ij (4)
điểm.
X Ri j GR
Mục tiêu 2: Tối thiểu chênh lệch giữa tải
i, j m, p, o đỉnh và tải thấp điểm.
Trong đó:
Từ các hệ số phản ứng ηij, XT,GT, phản - max( X iR ) : là công suất tiêu thụ lớn nhất
ứng của khách hàng XR đối với giá GR ở thời ở giờ cao điểm thứ i.
gian tiếp theo được xác định.
- max( X iR ) min( X iR ) : là sự chênh lệch
công suất tiêu thụ giờ cao điểm và giờ thấp
X iT điểm.
X iR (5)
G Tj G R Biểu thức (7) là phương trình đáp ứng
1 ij khách hàng, khi thay đổi giá.
j GR Biểu thức (8) và (9) là biểu thức ràng
i, j m, p, o buộc dao động giá.
Trong đó:
Đây là hàm phản ứng khách hàng mà ta - Gimin: là giá cực tiểu; Gimax: là giá
cần thiết lập cho mô hình tính toán giá TOU. cực đại.
- Ximin: là lượng tiêu thụ điện ở thời
2.2 Mô hình tối ưu giá TOU trên quan điểm giá cực tiểu; Ximax: là lượng tiêu
điểm điều phối sử dụng điện thụ điện ở thời điểm giá cực đại.
2.2.2 Xây dựng hàm thành viên
2.2.1 Mô hình toán
Ràng buộc (7) là hàm bậc hai của giá GR.
Dựa trên đồ thị phụ tải, mục tiêu mà ta
cần xây dựng đó là tối thiểu tải đỉnh ở giờ cao Áp dụng phương pháp mờ để giải quyết bài
điểm và tối thiểu chênh lệch giữa tải đỉnh và toán trên. Trước tiên, tối ưu từng mục tiêu một
tải thấp điểm. cách riêng biệt và nhận được kết quả từng mục
Hàm mục tiêu: tiêu, sau đó tìm kết quả hàm mục tiêu. Bằng
cách mờ hóa các mục tiêu. Phương pháp tối đa
R hàm thành phần mờ được sử dụng. Sau đó thỏa
min f1 min(max( X i )) mãn tất cả các điều kiện của bài toán.
(6)
min f 2 min(max( X iR ) min( X iR )) Hàm thành viên mờ cho điều kiện tối
thiểu tải đỉnh ở giờ cao điểm:
Ràng buộc:
3
, f1 (x) c01
1
, c01 f1 (x) c01 01 (10)
01
, f1 (x) c01 01
0
Trong hình 1:
- c01 01: là đỉnh tải cực đại.
- 01 : là mức giảm tải tối đa được
dự kiến.
Hàm thành viên mờ cho điều kiện tối thiểu
Hình 1: Hàm thành viên mờ cho điều kiện tối chênh lệch giữa tải đỉnh và tải thấp điểm:
thiểu tải đỉnh ở giờ cao điểm.
02
,
1
, c02 f 2 ( x) c02
02 f
02
1
,
(f
0
x
2
)
(
x
c
)
0
2
c
0
2
(11)
- c02 02 : là sự sai biệt giữa tải cao
nhất ở giờ cao điểm và tải thấp nhất ở giờ
thấp điểm cực đại
- 02 : là mức giảm tối đa sự chênh lệch
dự kiến.
c f1 (x) Tổng quát ta đặt: XR = P’; XT= P
Khi đó ta có:
Hình 2: Hàm thành viên mờ cho điều kiện tối
thiểu giữa tải đỉnh và tải thấp điểm , ,
Trong hình 2: X Tmax Pmax ; X Tmin Pmin ; X Ttb Ptb
Hàm thành viên (10) trở thành:
1 , P' max Ptb
(P' max ) max , Ptb P' max Pmax (12)
0 , P' max Pmax
Trong đó: - Pmax: công suất tiêu thụ cực đại
- f1(x) = P’max: công suất tiêu thụ khi chưa áp dụng giá TOU.
cực đại tối ưu khi áp dụng giá TOU.
c f 2 ( x)
X Rmax Pmax ; X Rmin Pmin
P P' max
Pmax Ptb
4
- Ptb: công suất tiêu thụ điện trung Hàm thành viên (11) trở thành:
bình sau khi tối ưu giá điện TOU.
1 , P' max P' minPtb
(P Pmin ) (P' max P' min )
(P' maxP' min ) max ,Ptb (P' max P' min ) (Pmax - Pmin ) (13)
(Pmax Pmin )Ptb
0 , (P' max P' min ) (Pmax - Pmin )
Trong đó:
- f2(x) = P’max – P’min : Độ chênh lệch
công suất tiêu thụ cực đại và cực tiểu tối ưu
khi áp dụng giá TOU.
- Pmax - Pmin : Độ chênh lệch công suất tiêu
thụ cực đại và cực tiểu khi chưa áp dụng giá
TOU.
- ∆Ptb : Độ chênh lệch công suất tiêu thụ
cực đại và cực tiểu trung bình sau khi tối ưu
giá điện TOU.
Mô hình đa mục tiêu giá TOU được thay
đổi thành tối đa hóa hàm thành viên M mà thỏa
mãn tất cả các mục tiêu và tất cả các điều kiện:
max M
S.t.
M ( f1 )
M ( f 2 )
0 M 1 Hình 3: Sơ đồ thuật toán
Hay: 3. ÁP DỤNG
max M 3.1 Số liệu quan sát:
S.t.
Quan sát phụ tải và giá điện trong 10 ngày
f1 ( x) 01M c01 01 liên tục của một công ty điện tại Tây Ban Nha
trong tháng 1/2008 như sau:
f 2 ( x) 02M c02
02
0 M 1
Và ràng buộc về giá: Gimin ≤ Gi ≤ Gimax
2.3 Sơ đồ thuật toán
Qua quá trình phân tích như trên, chúng ta
có sơ đồ thuật toán như sau:
Hình 4: Đồ thị phụ tải của 10 ngày quan sát
Để thuận lợi cho việc quan sát và đánh
giá từ số liệu phụ tải, tính P_tb của phụ tải của
5
10 ngày trên. Trên nguyên tắc tính trung bình Bảng 2: Giá điện theo nguyên tắc 3 giá tương
công suất các giờ. ứng của 10 ngày
10 Ngày Cao Bình Thấp
P(i, j) 1
Điểm
8.273
thường
6.877
điểm
5.256
P_tb(i) j1 ; i 1, 2, ......, 24 2 8.662 6.771 4.895
10
3 8.798 8.116 5.596
4 8.023 6.550 5.846
5 7.913 6.457 4.700
6 8.736 7.907 5.550
7 8.924 8.057 5.663
8 8.692 7.985 5.466
9 7.983 7.392 5.507
10 8.039 7.052 4.816
3.2 Kết quả mô phỏng hệ số phản ứng
Hình 5: Đồ thị phụ tải Q_tb của 10 ngày quan khách hàng:
sát
Khi thực hiện mô phỏng ta sử dụng hệ số
Khi thực hiện giá TOU, ta cần xác định và đàn hồi phản ứng khách hàng η cho trước như
phân vùng thời gian. Qua quan sát đồ thị phụ sau:
tải, ta có thể phân chia vùng thời gian như sau: 0.0593 0.0107 0.0697
0.0170 0.1084
η 0.0923
Bảng 1: Phân chia vùng thời gian
0.1405 0.1069 0.0342
Giờ cao điểm Giờ bình thường Giờ thấp điểm
10:00 - 14:00 9:00 - 10:00 (1h) 1:00 - 9:00
Hệ số ηij được trích từ liệu [1]
(4h) (8h)
Bài Toán của chúng ta là bài toán 3 giá và
19:00 - 24:00 14:00 - 19:00 XT, XR, GT, GR là các đại lượng trung bình quy
(5h) (5h) về 3 thời điểm cao điểm, bình thường, thấp
điểm, từ phụ tải tiêu thụ của 24h trong 10 ngày
Do số liệu quan sát này là số liệu 24 giờ và quan sát. Ta có:
có 24 giá điện, nên giá điện được tính lại mô
hình 3 giá cho 3 thời điểm cao điểm, bình n
thường và thấp điểm như sau:
Đặt: Pp: là giá tại thời điểm cao điểm; Pm là
P_tong(i, j)
j1
T
giá tại thời điểm bình thường; Po là giá tại thời Xi ; n 10, j p, m, o
điểm thấp điểm n
Ta có:
Với P_tong là tổng điện tiêu thụ tại các
- G p G i Pi với i là các giờ cao điểm; thời điểm cao điểm, bình thường, thấp điểm.
P i XT sau tinh toán có giá trị:
- G P với là các giờ biình thưiờng
G m XT=[ 2.8260 2.0636 1.9829]*105 (MW)
P i
- G 0
G P với là các giờ thấp điểm ii 10
P i G(i, j) P_tong(i, j)
T j1
Sau khi tính toán, ta được bảng giá theo G
i 10 ; j p, m, o
nguyên tắc 3 giá tương ứng của 10 ngày trên
như bảng sau: P_tong(i, j)
j1
PT sau tính toán có giá trị:
6
GT=[ 8.4149 7.3370 5.3240] (Cent/MWh)
3.3 Kết quả mô phỏng sau khi tối ưu bằng
thuật toán GA:
XTmax_cu = 2.8260* 105 (MW)
Delta_max_cu = 8.4307 *104 (MW)
XR=[ 2.7889 2.0433 2.0594]*105 (MW) Hình 6: Đồ thị phụ tải trước và sau khi thực
hiện giá TOU
XRmax_moi = 2.7889*105 (MW)
Đường đứt nét là phụ tải tương đương của
Delta_max_moi = 7.4562 *10 (MW)4 10 ngày quan sát và đường liền nét là phụ tải
theo TOU.
X= 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 Nhận xét 2:
FVAL = 1 Đường cong tải sau TOU đã đáp ứng được
mục tiêu san phẳng đồ thị phụ tải của bài toán.
REASON =1 So sánh Thực Tế: ngày thứ 11 có giá:
Như vậy, các giá TOU tối ưu: G11=[7.6879 6.0786 5.5529] (Cent/MWh)
X= 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0
Tại giá trị tối ưu X thì giá trị của hàm thích
nghi là FVAL = 1
3.4 Nhận xét
Nhận xét 1:
- Tải tiêu thụ vào các giờ cực đại đã giảm
từ 2.8260* 105 (MW) xuống 2.7889*105 Hình 7: Đồ thị phụ tải ngày thứ 11
(MW)
- Độ chênh lệch (ΔQ) giảm từ Quy đổi lượng điện tiêu thụ điện thực tế
8.4307*104 (MW) xuống 7.4562*104 ngày thứ 11 về giá trị trung bình XT,ta có:
(MW)
- Công suất tiêu thụ 24 giờ của mô hình XT11= [2.8006 1.9472 2.0562]*105(MW)
đánh giá theo TOU XRtdmoi:
Thay giá của ngày thứ 11 vào mô hình đáp
XRtdmoi=[ 2.9179 2.6943 2.5580 ứng khách hàng của chúng ta đã trình bày
2.4787 2.4261 2.4150 trong chương 3:
2.4650 2.6385 2.7604
2.8557 2.9789 3.0157
3.0016 2.9970 2.8947 X iT ; i, j p, m, o
2.8622 2.8605 2.9480 X iR
G iT G iR
3.1963 3.2525 3.2477 1 ηij n
3.2281 3.1123 3.1099]*104 j GR i
(MW)
Đồ thị phụ tải P_tb 24 giờ của mười ngày Ta nhận được giá trị của XR11 như sau:
quan sát và 24 giờ tối ưu theo TOU: XR11 = [2.8696 1.9953 1.9941]*105 (MW)
7
Nhận xét 3: (Time-Of-Use) power price based on
So sánh XT11 và XR11 ta thấy sự khác biệt là DSM (Demand Side Management) and
tương đối chấp nhận được, điều này chứng tỏ MCP (Marketing Clearing Price) "
tính phù hợp của mô hình (6) IEEE : 705 – 710.
[5]. Qiuwei Wu, Lei Wang, et al. (2004).
“Research of TOU Power Price Based
on Multi-Objective Optimization of
DSM and Costs of Power Consumers”.
IEEE : 343 – 348.
[6]. Yudong Tang, Hongkun SongTang, et
al. (2005). "Investigation on TOU
pricing principles." IEEE.
[7]. Na Yu, Ji-Lai Yu (2006). "Optimal TOU
Decision Considering Demand
Hình 8: Đồ thị phụ tải ngày thứ 11 và phụ tải
Response Model." IEEE.
theo TOU [8]. Yuan Jia-hai, Wang Jing, et al. (2006)
Đường đứt nét là phụ tải của ngày thứ 11 “Simulation of Large Customer Price
và đường liền nét là phụ tải theo TOU. Response Under Time-of-Use
Electricity Pricing Based on Multi-
4. KẾT LUẬN Agent System”. IEEE.
[9]. Mrs. Anjali Dharme, Dr. Ashok Ghatol.
Một mô hình tính toán giá TOU được xem
(2006). “Demand Side Management
xét trong chương 3, và dựa trên kết quả mô Quality Index for Assessment of DSM
phỏng trong chương 4 ta có kết luận: Programs”. IEEE: 1718 – 1721.
- Nếu biết trước hệ số phản ứng của khách Zeng Shaolun, Ren Yulong, et al.
[10].
hàng ηij thì ta tìm được giá TOU tối ưu nhất (2007). "A Game Model of Time-of-Use
dựa trên cơ sở dữ liệu của khách hàng. Electricity Pricing and Its Simulation "
- Mô hình tính toán giá TOU được xem xét IEEE : 5050 - 5054.
phải là mô hình đa mục tiêu gồm giảm tải đỉnh Shaolun Zeng, Jun Li, et al. (2008).
[11].
ở giờ cao điểm và giảm chênh lệch giữa tải "Research of Time-of-Use Electricity
đỉnh và tải thấp điểm. Pricing Models in China: A Survey."
- Giải bài toán tối ưu giá TOU bằng thuật IEEE : 2191 – 2195.
toán Gen di truyền. Saba Kauser M.Shaikh, Anjali A.
[12].
- Ví du ứng dụng cho thấy tính khả thi của Dharme. (2009). "Time of Use Pricing
mô hình. – India, a Case Study." IEEE .
- Nếu giá điện mở rộng theo 24 giờ thì mô Weihao Hu, Zhe ChenHu, et al. (2010).
[13].
hình trên vẫn đáp ứng được. "Optimal Load Response to Time-of-
TÀI TIỆU THAM KHẢO Use Power Price for Demand Side
Management in Denmark " IEEE .
[1]. Ngô Minh Kỳ (2011). “Khảo sát phản [14]. Yu Cheng, Nana Zhai. (2010).
ứng khách hàng lên giá điện TOU” Luận "Evaluation of TOU Price Based on
Văn Tốt Nghiêp, Trường Đại hoc Bách Responses of Customer " IEEE : 1977 -
Khoa TP.HCM. 1981
[2]. J.-N. Sheen, C.-S. Chen, et al. (1995). [15]. Liao Yingchen, Chen Lu, et al. (2011).
"Response of large industrial customers "An Efficient Time-of-Use
to electricity pricing by voluntary time- Pricing
of-use in Taiwan " IEEE : 157 – 166. Model for a Retail Electricity Market
[3]. Wu Jun., Tu Guangyu, et al. (2003). [16]. Based on Pareto Improvement." IEEE.
"Analysis of the influence on the Time- Anyou Dong, Zhongfu Tan, et al.
of-Use Price Associated with the Load- (2011). “Two layers optimization model
Move-Cost " IEEE : 338 - 341. for time-of-use price based on fuel
[4]. Qiuwei Wu, Junji Wu, et al. (2003). saving and emission reducing”. IEEE:
7427 – 7430.
"Determination and analysis of TOU
ĐỀ TÀI:
KHẢO SÁT ẢNH HƯỞNG CỦA BIỂU GIÁ
TOU LÊN TIÊU THỤ ĐIỆN
HVTH: QUÁCH MINH THỬ
GVHD: PGS. TS PHAN THỊ THANH BÌNH
1/20
NỘI DUNG BÁO CÁO
1. Giới thiệu
2. Nội dung luận văn
3. Các kết quả mô phỏng
4. Kết luận
2/20
GIỚI THIỆU
Một mô hình giá điện theo thời gian (TOU) đƣợc
trình bày với 2 mục tiêu:
- Mục tiêu 1: Cực tiểu công suất tiêu thụ tải lớn nhất
ở giờ cao điểm
- Mục tiêu 2: Cực tiểu sự khác biệt công suất tiêu thụ
giữa giờ cao điểm và giờ thấp điểm
Dùng giải thuật gen (GA) để giải bài toán tối ƣu
3/20
NỘI DUNG LUẬN VĂN:
CHƢƠNG 1: TỔNG QUAN DSM VÀ GIÁ ĐIỆN
CHƢƠNG 2: TỔNG QUAN GIÁ TOU - CÁC PHƢƠNG
PHÁP NGHIÊN CỨU CHÍNH SÁCH GIÁ TOU
CHƢƠNG 3: MÔ HÌNH ĐÁP ỨNG KHÁCH HÀNG KHI
TỐI ƢU GIÁ TOU
CHƢƠNG 4: ÁP DỤNG
CHƢƠNG 5: KẾT LUẬN
4/20
NỘI DUNG LUẬN VĂN:
2.
1. Hàmhìnhản
Mô ốiph t ứng khách
ƣu giá TOUhàng
trên quan điểm điều phối sử
dụng điện
2.1 Mô hình toán X T
Xi ; i, j m, p, o (3 -15)
Hàm mục tiêu: G TG R
1ij
j
min f1j min(max( GR R
X i ))
R R (3 - 16)
Trong đó:min f 2 min(max( X i ) min( X i ))
R XT
P ijTR
- ηX làlà giás
ệX i ốgiá
vectorđàn
St:hphảnTOU ứng trungkháchủa
ủa
chiồi củabình
chầnệnxácạiđhàmhàng j ời
i,khách
; phtínhsau
T Rtcịnhcócho m, p,okhikhách
theo trọng
hàng.
ảnthứnggianđánh theo.
17)ốgiá
(3ti-ếpshàng.
G G
1ij
j
giá kho jảngGthời gian Rquan sát hiện tại.
trongTOU
G imin G R G imax (3 -18)
X min X R X max (3 -19)
5/20
NỘI DUNG LUẬN VĂN:
2. Mô hình tối ƣu giá TOU trên quan điểm điều phối sử
dụng điện
2.2 Xây dựng hàm thành viên
Hàm thành viên mờ cho điều kiện tối thiểu chênh
ệchờgicao tđiểmỉnh và tải thấp điểm:
6/20
,, ff11((xx))cc0201
1
, c0102 f12((xx) c0102
01
0102
,, ff21( x)) cc02010201
(3 - 20)
tải đỉnh
lở gi ữa ải
c 0102 f12((xx)
21)
02
0
NỘI DUNG LUẬN VĂN:
2. Mô hình tối ƣu giá TOU trên quan điểm điều phối sử
dụng điện
2.2 Xây dựng hàm thành viên
Tổng quát ta đặt: XR = P’; XT= P. Khi đó ta có:
, ,
X Rmax Pmax ; X Rmin Pmin
X Tmax Pmax ; X Tmin Pmin ; X Ttb Ptb
20)trở thành:
Hàm thành viên (3 – 21)
11 , ,PP''maxmaxPP'mintbPtb
(Pmax Pmin )Pmax(P'maxP'maxP'min )
(P'maxP'min ) (P'max ) , tbPtb
,P Pmax
( ' P' P
P'max min
) minmax ) (Pmax - P (3 - 22)(3 - 23)
(Pmax PPminmax)PPtbtb
0 0
, 'P' PmaxP
, (P 'min
) max (Pmax - Pmin )
7/20
NỘI DUNG LUẬN VĂN:
2. Mô hình tối ƣu giá TOU trên quan điểm điều phối sử
dụng điện
2.2 Xây dựng hàm thành viên
max M Hay: max M
St: St:
f1( x) 01M c01 01
M ( f1)
f 2 ( x) 02M c0202
M ( f 2 )
0
M 1
0
M 1
Và ràng buộc về giá: Gimin ≤ G ≤ Gimax
8/20
NỘI DUNG LUẬN VĂN:
3. Sơ đồ thuật toán
9/20
CÁC KẾT QUẢ MÔ PHỎNG
1. Số liệu quan sát
Phụ tải trong 10 ngày tƣơng ứng: Đơn vị là MWh
Hình 4 - 1: Đồ thị phụ tải của 10 ngày quan sát
10/20
CÁC KẾT QUẢ MÔ PHỎNG
1. Số liệu quan sát
Bảng 4 - 1: Phân chia vùng thời gian
Giờ cao điểm Giờ bình thƣờng Giờ thấp điểm
10:00 - 14:00 (4h) 9:00 - 10:00 (1h) 1:00 - 9:00 (8h)
19:00 - 24:00 (5h) 14:00 - 19:00 (5h)
11/20
KHẢO SÁT ẢNH HƯỞNG CỦA BIỂU GIÁ TOU LÊN TIÊU THỤ ĐIỆN
SURVEY EFFECTION OF TOU PRICING ON DEMAND SIDE
Quách Minh Thử Phan Thị Thanh Bình*
Khoa Điện – Điện Tử Trường Cao Đẳng Kỹ Thuật Lý Tự Trọng TP. HCM, Việt nam
*Khoa Điện – Điện Tử, Đại học Bách Khoa TP. HCM, Việt nam
TÓM TẮT
Tại Việt Nam, tình trạng thiếu điện là một vấn đề nghiêm trọng. Giá theo thời gian sử dụng
(TOU: Time-Of-Use) là một trong những phương pháp quan trọng của DSM (Demand Side
Manegerment). Thông qua TOU khách hàng sẽ phản ứng với giá, và sẽ thay đổi hình dạng của đồ thị
phụ tải. Chìa khóa của việc thực hiện giá TOU là thiết lập giá hợp lý. Dựa trên phân tích dữ liệu tải,
mô hình quyết định giá TOU đa mục tiêu đươc trình bày, và một phương pháp mờ được sử dụng để
giải quyết mô hình đa mục tiêu. Thuật toán Gen di truyền (GA) được sử dụng để giải quyết vấn đề.
Các dữ liệu của một khách hàng thực tế được sử dụng để kiểm tra tính khả thi của mô hình đề xuất.
ABSTRACT
In Viet Nam, the electricity shortage is a serious problem. Time of use (TOU) is one of the
important DSM methods. Through TOU the demand side will respond to the price, and will change the
shape of the demand curve. The key of implementing TOU is reasonable setting TOU price. Based on
the analysis on historical load data, a multi-object TOU price decision model based on the demand
side price response model is presented, and a fuzzy method is used to deal with this multiple objects
model. Genetic algorithm (GA) is used to solve the problem. The data of a practical customer is used
to test the feasibility of the proposed model.
1. GIỚI THIỆU: điện bình thường; o (off peak) là thời gian sử
dụng điện thấp điểm; Gi là giá điện tại từng
Mô hình giá điện theo thời gian (TOU) ra thời điểm tương ứng, i= p, m, o.
đời đã có những cải thiện nhất định trong việc Một mô hình đa mục tiêu được sử dụng,
san phẳng đồ thị phụ tải ngày (giảm tải giờ cao đó là giảm thiểu tối đa công suất tiêu thụ ở giờ
điểm, nâng tải giờ thấp điểm) cũng như nâng cao điểm và giảm thiểu tối đa sự chênh lệch
cao hiệu quả dùng điện. Việc tìm kiếm giá điện công suất tiêu thụ giữa giờ cao điểm và giờ
TOU tối ưu được các điện lực quan tâm từ rất thấp điểm.
lâu, từ khi biểu giá điện này ra đời với các thử Hàm phản ứng của khách hàng trong thời
nghiệm phức tạp tiến hành trên diện rộng các gian sử dụng giá TOU là một hàm số đối với
khách hàng. Trong bài báo này, một mô hình véc tơ giá G và tổng điện năng tiêu thụ A.
giá điện theo thời gian (TOU) được trình bày
với 2 mục tiêu: (1) cực tiểu công suất tiêu thụ X i f i (G, A) ; i, j m, p, o (1)
tải lớn nhất ở giờ cao điểm, (2) cực tiểu sự
khác biệt công suất tiêu thụ giữa giờ cao điểm
Ta có:
và giờ thấp điểm và giải thuật gen (GA) được
X i dG j ; i, j m, p, o (2)
dX i
sử dung để giải bài toán tối ưu.
j G j
2. NỘI DUNG Giả sử A là hằng số, từ (1) và (2) ta có:
2.1 Phương pháp tiếp cận:
dX i dG j
Gọi: p (peak) là thời gian sử dụng điện ij ; i, j m, p, o (3)
cao điểm; m (mid peak) là thời gian sử dụng Xi j Gj
2
Với ηij là hệ số đàn hồi của hàm phản ứng X iT
khách hàng. X iR ; i, j m, p, o (7)
Gọi: XR là phản ứng của khách hàng sau G T G R
G
j
1 ij
khi đánh giá giá TOU; XT là phản ứng hiện tại j R
của khách hàng; GT là vector giá trung bình có
tính theo trọng số trong khoảng thời gian quan G imin G R G imax (8)
sát hiện tại; GR là giá TOU cần xác định cho
thời gian tiếp theo.
X min X R X max (9)
Từ (3) ta có:
Biểu thức (7) là hàm đa mục tiêu, ở đây ta
xét hai mục tiêu:
X iT X iR G T G R
j
Mục tiêu 1: Tối thiểu tải đỉnh ở giờ cao
ij (4)
điểm.
X Ri j GR
Mục tiêu 2: Tối thiểu chênh lệch giữa tải
i, j m, p, o đỉnh và tải thấp điểm.
Trong đó:
Từ các hệ số phản ứng ηij, XT,GT, phản - max( X iR ) : là công suất tiêu thụ lớn nhất
ứng của khách hàng XR đối với giá GR ở thời ở giờ cao điểm thứ i.
gian tiếp theo được xác định.
- max( X iR ) min( X iR ) : là sự chênh lệch
công suất tiêu thụ giờ cao điểm và giờ thấp
X iT điểm.
X iR (5)
G Tj G R Biểu thức (7) là phương trình đáp ứng
1 ij khách hàng, khi thay đổi giá.
j GR Biểu thức (8) và (9) là biểu thức ràng
i, j m, p, o buộc dao động giá.
Trong đó:
Đây là hàm phản ứng khách hàng mà ta - Gimin: là giá cực tiểu; Gimax: là giá
cần thiết lập cho mô hình tính toán giá TOU. cực đại.
- Ximin: là lượng tiêu thụ điện ở thời
2.2 Mô hình tối ưu giá TOU trên quan điểm giá cực tiểu; Ximax: là lượng tiêu
điểm điều phối sử dụng điện thụ điện ở thời điểm giá cực đại.
2.2.2 Xây dựng hàm thành viên
2.2.1 Mô hình toán
Ràng buộc (7) là hàm bậc hai của giá GR.
Dựa trên đồ thị phụ tải, mục tiêu mà ta
cần xây dựng đó là tối thiểu tải đỉnh ở giờ cao Áp dụng phương pháp mờ để giải quyết bài
điểm và tối thiểu chênh lệch giữa tải đỉnh và toán trên. Trước tiên, tối ưu từng mục tiêu một
tải thấp điểm. cách riêng biệt và nhận được kết quả từng mục
Hàm mục tiêu: tiêu, sau đó tìm kết quả hàm mục tiêu. Bằng
cách mờ hóa các mục tiêu. Phương pháp tối đa
R hàm thành phần mờ được sử dụng. Sau đó thỏa
min f1 min(max( X i )) mãn tất cả các điều kiện của bài toán.
(6)
min f 2 min(max( X iR ) min( X iR )) Hàm thành viên mờ cho điều kiện tối
thiểu tải đỉnh ở giờ cao điểm:
Ràng buộc:
3
, f1 (x) c01
1
, c01 f1 (x) c01 01 (10)
01
, f1 (x) c01 01
0
Trong hình 1:
- c01 01: là đỉnh tải cực đại.
- 01 : là mức giảm tải tối đa được
dự kiến.
Hàm thành viên mờ cho điều kiện tối thiểu
Hình 1: Hàm thành viên mờ cho điều kiện tối chênh lệch giữa tải đỉnh và tải thấp điểm:
thiểu tải đỉnh ở giờ cao điểm.
02
,
1
, c02 f 2 ( x) c02
02 f
02
1
,
(f
0
x
2
)
(
x
c
)
0
2
c
0
2
(11)
- c02 02 : là sự sai biệt giữa tải cao
nhất ở giờ cao điểm và tải thấp nhất ở giờ
thấp điểm cực đại
- 02 : là mức giảm tối đa sự chênh lệch
dự kiến.
c f1 (x) Tổng quát ta đặt: XR = P’; XT= P
Khi đó ta có:
Hình 2: Hàm thành viên mờ cho điều kiện tối
thiểu giữa tải đỉnh và tải thấp điểm , ,
Trong hình 2: X Tmax Pmax ; X Tmin Pmin ; X Ttb Ptb
Hàm thành viên (10) trở thành:
1 , P' max Ptb
(P' max ) max , Ptb P' max Pmax (12)
0 , P' max Pmax
Trong đó: - Pmax: công suất tiêu thụ cực đại
- f1(x) = P’max: công suất tiêu thụ khi chưa áp dụng giá TOU.
cực đại tối ưu khi áp dụng giá TOU.
c f 2 ( x)
X Rmax Pmax ; X Rmin Pmin
P P' max
Pmax Ptb
4
- Ptb: công suất tiêu thụ điện trung Hàm thành viên (11) trở thành:
bình sau khi tối ưu giá điện TOU.
1 , P' max P' minPtb
(P Pmin ) (P' max P' min )
(P' maxP' min ) max ,Ptb (P' max P' min ) (Pmax - Pmin ) (13)
(Pmax Pmin )Ptb
0 , (P' max P' min ) (Pmax - Pmin )
Trong đó:
- f2(x) = P’max – P’min : Độ chênh lệch
công suất tiêu thụ cực đại và cực tiểu tối ưu
khi áp dụng giá TOU.
- Pmax - Pmin : Độ chênh lệch công suất tiêu
thụ cực đại và cực tiểu khi chưa áp dụng giá
TOU.
- ∆Ptb : Độ chênh lệch công suất tiêu thụ
cực đại và cực tiểu trung bình sau khi tối ưu
giá điện TOU.
Mô hình đa mục tiêu giá TOU được thay
đổi thành tối đa hóa hàm thành viên M mà thỏa
mãn tất cả các mục tiêu và tất cả các điều kiện:
max M
S.t.
M ( f1 )
M ( f 2 )
0 M 1 Hình 3: Sơ đồ thuật toán
Hay: 3. ÁP DỤNG
max M 3.1 Số liệu quan sát:
S.t.
Quan sát phụ tải và giá điện trong 10 ngày
f1 ( x) 01M c01 01 liên tục của một công ty điện tại Tây Ban Nha
trong tháng 1/2008 như sau:
f 2 ( x) 02M c02
02
0 M 1
Và ràng buộc về giá: Gimin ≤ Gi ≤ Gimax
2.3 Sơ đồ thuật toán
Qua quá trình phân tích như trên, chúng ta
có sơ đồ thuật toán như sau:
Hình 4: Đồ thị phụ tải của 10 ngày quan sát
Để thuận lợi cho việc quan sát và đánh
giá từ số liệu phụ tải, tính P_tb của phụ tải của
5
10 ngày trên. Trên nguyên tắc tính trung bình Bảng 2: Giá điện theo nguyên tắc 3 giá tương
công suất các giờ. ứng của 10 ngày
10 Ngày Cao Bình Thấp
P(i, j) 1
Điểm
8.273
thường
6.877
điểm
5.256
P_tb(i) j1 ; i 1, 2, ......, 24 2 8.662 6.771 4.895
10
3 8.798 8.116 5.596
4 8.023 6.550 5.846
5 7.913 6.457 4.700
6 8.736 7.907 5.550
7 8.924 8.057 5.663
8 8.692 7.985 5.466
9 7.983 7.392 5.507
10 8.039 7.052 4.816
3.2 Kết quả mô phỏng hệ số phản ứng
Hình 5: Đồ thị phụ tải Q_tb của 10 ngày quan khách hàng:
sát
Khi thực hiện mô phỏng ta sử dụng hệ số
Khi thực hiện giá TOU, ta cần xác định và đàn hồi phản ứng khách hàng η cho trước như
phân vùng thời gian. Qua quan sát đồ thị phụ sau:
tải, ta có thể phân chia vùng thời gian như sau: 0.0593 0.0107 0.0697
0.0170 0.1084
η 0.0923
Bảng 1: Phân chia vùng thời gian
0.1405 0.1069 0.0342
Giờ cao điểm Giờ bình thường Giờ thấp điểm
10:00 - 14:00 9:00 - 10:00 (1h) 1:00 - 9:00
Hệ số ηij được trích từ liệu [1]
(4h) (8h)
Bài Toán của chúng ta là bài toán 3 giá và
19:00 - 24:00 14:00 - 19:00 XT, XR, GT, GR là các đại lượng trung bình quy
(5h) (5h) về 3 thời điểm cao điểm, bình thường, thấp
điểm, từ phụ tải tiêu thụ của 24h trong 10 ngày
Do số liệu quan sát này là số liệu 24 giờ và quan sát. Ta có:
có 24 giá điện, nên giá điện được tính lại mô
hình 3 giá cho 3 thời điểm cao điểm, bình n
thường và thấp điểm như sau:
Đặt: Pp: là giá tại thời điểm cao điểm; Pm là
P_tong(i, j)
j1
T
giá tại thời điểm bình thường; Po là giá tại thời Xi ; n 10, j p, m, o
điểm thấp điểm n
Ta có:
Với P_tong là tổng điện tiêu thụ tại các
- G p G i Pi với i là các giờ cao điểm; thời điểm cao điểm, bình thường, thấp điểm.
P i XT sau tinh toán có giá trị:
- G P với là các giờ biình thưiờng
G m XT=[ 2.8260 2.0636 1.9829]*105 (MW)
P i
- G 0
G P với là các giờ thấp điểm ii 10
P i G(i, j) P_tong(i, j)
T j1
Sau khi tính toán, ta được bảng giá theo G
i 10 ; j p, m, o
nguyên tắc 3 giá tương ứng của 10 ngày trên
như bảng sau: P_tong(i, j)
j1
PT sau tính toán có giá trị:
6
GT=[ 8.4149 7.3370 5.3240] (Cent/MWh)
3.3 Kết quả mô phỏng sau khi tối ưu bằng
thuật toán GA:
XTmax_cu = 2.8260* 105 (MW)
Delta_max_cu = 8.4307 *104 (MW)
XR=[ 2.7889 2.0433 2.0594]*105 (MW) Hình 6: Đồ thị phụ tải trước và sau khi thực
hiện giá TOU
XRmax_moi = 2.7889*105 (MW)
Đường đứt nét là phụ tải tương đương của
Delta_max_moi = 7.4562 *10 (MW)4 10 ngày quan sát và đường liền nét là phụ tải
theo TOU.
X= 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 Nhận xét 2:
FVAL = 1 Đường cong tải sau TOU đã đáp ứng được
mục tiêu san phẳng đồ thị phụ tải của bài toán.
REASON =1 So sánh Thực Tế: ngày thứ 11 có giá:
Như vậy, các giá TOU tối ưu: G11=[7.6879 6.0786 5.5529] (Cent/MWh)
X= 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0
Tại giá trị tối ưu X thì giá trị của hàm thích
nghi là FVAL = 1
3.4 Nhận xét
Nhận xét 1:
- Tải tiêu thụ vào các giờ cực đại đã giảm
từ 2.8260* 105 (MW) xuống 2.7889*105 Hình 7: Đồ thị phụ tải ngày thứ 11
(MW)
- Độ chênh lệch (ΔQ) giảm từ Quy đổi lượng điện tiêu thụ điện thực tế
8.4307*104 (MW) xuống 7.4562*104 ngày thứ 11 về giá trị trung bình XT,ta có:
(MW)
- Công suất tiêu thụ 24 giờ của mô hình XT11= [2.8006 1.9472 2.0562]*105(MW)
đánh giá theo TOU XRtdmoi:
Thay giá của ngày thứ 11 vào mô hình đáp
XRtdmoi=[ 2.9179 2.6943 2.5580 ứng khách hàng của chúng ta đã trình bày
2.4787 2.4261 2.4150 trong chương 3:
2.4650 2.6385 2.7604
2.8557 2.9789 3.0157
3.0016 2.9970 2.8947 X iT ; i, j p, m, o
2.8622 2.8605 2.9480 X iR
G iT G iR
3.1963 3.2525 3.2477 1 ηij n
3.2281 3.1123 3.1099]*104 j GR i
(MW)
Đồ thị phụ tải P_tb 24 giờ của mười ngày Ta nhận được giá trị của XR11 như sau:
quan sát và 24 giờ tối ưu theo TOU: XR11 = [2.8696 1.9953 1.9941]*105 (MW)
7
Nhận xét 3: (Time-Of-Use) power price based on
So sánh XT11 và XR11 ta thấy sự khác biệt là DSM (Demand Side Management) and
tương đối chấp nhận được, điều này chứng tỏ MCP (Marketing Clearing Price) "
tính phù hợp của mô hình (6) IEEE : 705 – 710.
[5]. Qiuwei Wu, Lei Wang, et al. (2004).
“Research of TOU Power Price Based
on Multi-Objective Optimization of
DSM and Costs of Power Consumers”.
IEEE : 343 – 348.
[6]. Yudong Tang, Hongkun SongTang, et
al. (2005). "Investigation on TOU
pricing principles." IEEE.
[7]. Na Yu, Ji-Lai Yu (2006). "Optimal TOU
Decision Considering Demand
Hình 8: Đồ thị phụ tải ngày thứ 11 và phụ tải
Response Model." IEEE.
theo TOU [8]. Yuan Jia-hai, Wang Jing, et al. (2006)
Đường đứt nét là phụ tải của ngày thứ 11 “Simulation of Large Customer Price
và đường liền nét là phụ tải theo TOU. Response Under Time-of-Use
Electricity Pricing Based on Multi-
4. KẾT LUẬN Agent System”. IEEE.
[9]. Mrs. Anjali Dharme, Dr. Ashok Ghatol.
Một mô hình tính toán giá TOU được xem
(2006). “Demand Side Management
xét trong chương 3, và dựa trên kết quả mô Quality Index for Assessment of DSM
phỏng trong chương 4 ta có kết luận: Programs”. IEEE: 1718 – 1721.
- Nếu biết trước hệ số phản ứng của khách Zeng Shaolun, Ren Yulong, et al.
[10].
hàng ηij thì ta tìm được giá TOU tối ưu nhất (2007). "A Game Model of Time-of-Use
dựa trên cơ sở dữ liệu của khách hàng. Electricity Pricing and Its Simulation "
- Mô hình tính toán giá TOU được xem xét IEEE : 5050 - 5054.
phải là mô hình đa mục tiêu gồm giảm tải đỉnh Shaolun Zeng, Jun Li, et al. (2008).
[11].
ở giờ cao điểm và giảm chênh lệch giữa tải "Research of Time-of-Use Electricity
đỉnh và tải thấp điểm. Pricing Models in China: A Survey."
- Giải bài toán tối ưu giá TOU bằng thuật IEEE : 2191 – 2195.
toán Gen di truyền. Saba Kauser M.Shaikh, Anjali A.
[12].
- Ví du ứng dụng cho thấy tính khả thi của Dharme. (2009). "Time of Use Pricing
mô hình. – India, a Case Study." IEEE .
- Nếu giá điện mở rộng theo 24 giờ thì mô Weihao Hu, Zhe ChenHu, et al. (2010).
[13].
hình trên vẫn đáp ứng được. "Optimal Load Response to Time-of-
TÀI TIỆU THAM KHẢO Use Power Price for Demand Side
Management in Denmark " IEEE .
[1]. Ngô Minh Kỳ (2011). “Khảo sát phản [14]. Yu Cheng, Nana Zhai. (2010).
ứng khách hàng lên giá điện TOU” Luận "Evaluation of TOU Price Based on
Văn Tốt Nghiêp, Trường Đại hoc Bách Responses of Customer " IEEE : 1977 -
Khoa TP.HCM. 1981
[2]. J.-N. Sheen, C.-S. Chen, et al. (1995). [15]. Liao Yingchen, Chen Lu, et al. (2011).
"Response of large industrial customers "An Efficient Time-of-Use
to electricity pricing by voluntary time- Pricing
of-use in Taiwan " IEEE : 157 – 166. Model for a Retail Electricity Market
[3]. Wu Jun., Tu Guangyu, et al. (2003). [16]. Based on Pareto Improvement." IEEE.
"Analysis of the influence on the Time- Anyou Dong, Zhongfu Tan, et al.
of-Use Price Associated with the Load- (2011). “Two layers optimization model
Move-Cost " IEEE : 338 - 341. for time-of-use price based on fuel
[4]. Qiuwei Wu, Junji Wu, et al. (2003). saving and emission reducing”. IEEE:
7427 – 7430.
"Determination and analysis of TOU
ĐỀ TÀI:
KHẢO SÁT ẢNH HƯỞNG CỦA BIỂU GIÁ
TOU LÊN TIÊU THỤ ĐIỆN
HVTH: QUÁCH MINH THỬ
GVHD: PGS. TS PHAN THỊ THANH BÌNH
1/20
NỘI DUNG BÁO CÁO
1. Giới thiệu
2. Nội dung luận văn
3. Các kết quả mô phỏng
4. Kết luận
2/20
GIỚI THIỆU
Một mô hình giá điện theo thời gian (TOU) đƣợc
trình bày với 2 mục tiêu:
- Mục tiêu 1: Cực tiểu công suất tiêu thụ tải lớn nhất
ở giờ cao điểm
- Mục tiêu 2: Cực tiểu sự khác biệt công suất tiêu thụ
giữa giờ cao điểm và giờ thấp điểm
Dùng giải thuật gen (GA) để giải bài toán tối ƣu
3/20
NỘI DUNG LUẬN VĂN:
CHƢƠNG 1: TỔNG QUAN DSM VÀ GIÁ ĐIỆN
CHƢƠNG 2: TỔNG QUAN GIÁ TOU - CÁC PHƢƠNG
PHÁP NGHIÊN CỨU CHÍNH SÁCH GIÁ TOU
CHƢƠNG 3: MÔ HÌNH ĐÁP ỨNG KHÁCH HÀNG KHI
TỐI ƢU GIÁ TOU
CHƢƠNG 4: ÁP DỤNG
CHƢƠNG 5: KẾT LUẬN
4/20
NỘI DUNG LUẬN VĂN:
2.
1. Hàmhìnhản
Mô ốiph t ứng khách
ƣu giá TOUhàng
trên quan điểm điều phối sử
dụng điện
2.1 Mô hình toán X T
Xi ; i, j m, p, o (3 -15)
Hàm mục tiêu: G TG R
1ij
j
min f1j min(max( GR R
X i ))
R R (3 - 16)
Trong đó:min f 2 min(max( X i ) min( X i ))
R XT
P ijTR
- ηX làlà giás
ệX i ốgiá
vectorđàn
St:hphảnTOU ứng trungkháchủa
ủa
chiồi củabình
chầnệnxácạiđhàmhàng j ời
i,khách
; phtínhsau
T Rtcịnhcócho m, p,okhikhách
theo trọng
hàng.
ảnthứnggianđánh theo.
17)ốgiá
(3ti-ếpshàng.
G G
1ij
j
giá kho jảngGthời gian Rquan sát hiện tại.
trongTOU
G imin G R G imax (3 -18)
X min X R X max (3 -19)
5/20
NỘI DUNG LUẬN VĂN:
2. Mô hình tối ƣu giá TOU trên quan điểm điều phối sử
dụng điện
2.2 Xây dựng hàm thành viên
Hàm thành viên mờ cho điều kiện tối thiểu chênh
ệchờgicao tđiểmỉnh và tải thấp điểm:
6/20
,, ff11((xx))cc0201
1
, c0102 f12((xx) c0102
01
0102
,, ff21( x)) cc02010201
(3 - 20)
tải đỉnh
lở gi ữa ải
c 0102 f12((xx)
21)
02
0
NỘI DUNG LUẬN VĂN:
2. Mô hình tối ƣu giá TOU trên quan điểm điều phối sử
dụng điện
2.2 Xây dựng hàm thành viên
Tổng quát ta đặt: XR = P’; XT= P. Khi đó ta có:
, ,
X Rmax Pmax ; X Rmin Pmin
X Tmax Pmax ; X Tmin Pmin ; X Ttb Ptb
20)trở thành:
Hàm thành viên (3 – 21)
11 , ,PP''maxmaxPP'mintbPtb
(Pmax Pmin )Pmax(P'maxP'maxP'min )
(P'maxP'min ) (P'max ) , tbPtb
,P Pmax
( ' P' P
P'max min
) minmax ) (Pmax - P (3 - 22)(3 - 23)
(Pmax PPminmax)PPtbtb
0 0
, 'P' PmaxP
, (P 'min
) max (Pmax - Pmin )
7/20
NỘI DUNG LUẬN VĂN:
2. Mô hình tối ƣu giá TOU trên quan điểm điều phối sử
dụng điện
2.2 Xây dựng hàm thành viên
max M Hay: max M
St: St:
f1( x) 01M c01 01
M ( f1)
f 2 ( x) 02M c0202
M ( f 2 )
0
M 1
0
M 1
Và ràng buộc về giá: Gimin ≤ G ≤ Gimax
8/20
NỘI DUNG LUẬN VĂN:
3. Sơ đồ thuật toán
9/20
CÁC KẾT QUẢ MÔ PHỎNG
1. Số liệu quan sát
Phụ tải trong 10 ngày tƣơng ứng: Đơn vị là MWh
Hình 4 - 1: Đồ thị phụ tải của 10 ngày quan sát
10/20
CÁC KẾT QUẢ MÔ PHỎNG
1. Số liệu quan sát
Bảng 4 - 1: Phân chia vùng thời gian
Giờ cao điểm Giờ bình thƣờng Giờ thấp điểm
10:00 - 14:00 (4h) 9:00 - 10:00 (1h) 1:00 - 9:00 (8h)
19:00 - 24:00 (5h) 14:00 - 19:00 (5h)
11/20