本发明涉及发电领域，具体地，涉及一种分布式光伏发电定价方法。
背景技术：
：目前，电费定价机制一般为依据峰谷平固定价格。这种机制虽然简单，但是无法发挥用户需求侧弹性的效用，从而导致了用户用电负荷并不会随着光伏发电量的变化有太大波动，在一定程度上造成了清洁能源的浪费。如何合理地利用定价机制的变化与用户用电行为的相互作用，从而使得电力能源配置使用合理，是业界关注的重要问题。技术实现要素：为了克服现有技术的不足，本发明的目的在于提供一种能够利用用户用电行为实现分布式光伏发电的定价方法。为解决上述问题，本发明所采用的技术方案如下：一种分布式光伏发电定价方法，其步骤包括：s1：输入总体度电成本a；s2：获取地理信息，计算第二天的日出时刻ta和日落时刻tb；s3：利用神经网络算法算出用电负荷函数；所述神经网络算法使用的神经网络是3层，每层10个神经元的反馈型神经网络；s4：在预设时刻t1得到用电负荷与定价的查检表；s5：在预设时刻t2根据所述查检表得出定价p2并将所述定价进行输出；s6：判断当前时刻tn是否等于日落时刻tb，若是，回到s2；若否，回到s4。为通过实时定价机制影响用户的用电行为，从而使得电力能源配置的使用更为合理，减少清洁能源的浪费，发明人通过制定电价的实时变化机制的方案来实现此技术目的。由于光伏发电涉及太阳能，因此本发明优选选择在日出到日落这两个时刻之内，进行电价的实时变化调控。然后，分别通过神经网络算法算出用电负荷函数、在t1时刻得到用电负荷与定价的查检表，并且在t2时刻根据所述查检表得出定价并将所述定价进行输出。方法还包括一个判断步骤，即在输出定价后判断当前时刻是否为日落时刻，若不是，则重复进行定价计算步骤，若是，则返回获取第二天的日出、日落时刻，等待第二天的定价计算和输出。其中，所述光伏项目总体度电成本a指的是制造电力的成本。优选地，所述s2中输入的地理数据包括当地的经度、纬度及海拔数据。需要说明的是，在本技术方案中，日出时刻ta和日落时刻tb确定定价实时计算的开始和结束。因此需要提前对日出时刻和日落时刻进行计算。而本技术方案中采用通过地理信息来计算日出时刻和日落时刻的方式。作为更具体的优选方案，所述地理信息包括当地的经度、纬度及海拔数据。优选地，所述s3包括以下步骤：s31：获取数据，包括第一时段价格集x1，第二时段价格集x2，时间间隔time，对应的温度temperature，以及对应的负荷load；s32：将x1、x2、time和temperature作为神经网络输入层，输入至隐藏层神经元；s33：数组中load作为对输出层检验结果，将结果反向输入回隐藏层，进行重新学习；s34：将所有原始数据输入后，由计算机自学习形成x1、x2、time、temperature作为自变量对应的load函数，即load＝f(x1,x2,time,temperature)。需要说明的是，获得load函数的作用在于通过神经网络运算自我学习形成一个自变量为第一时段价格、第二时段价格、时刻、温度，因变量为负荷的函数形式，方便后面对输出价格的计算。其中，所述第一时段价格集x1指的是第一时段价格的集合。第一时段价格的集合指的是历史数据所存储的第一时段价格的集合。所述第一时段价格指的是作为计算输入时刻时的价格；所述第二时段价格集x2指的是第二时段价格的集合。第二时段价格的集合指的是历史数据所存储的第二时段价格的集合。所述第二时段价格指的是作为计算输出时刻时的价格。具体来说，例如时刻tm时的价格为pm，则在tn时刻经运算后输出的价格为pn，则pm属于第一时段价格，pn属于第二时段价格；而在tn时刻的pn作为下一次运算的输入值时，则在下一次运算中，pn属于第一时段价格；在tl时刻计算的pl为此第二次运算的第二时段价格，以此类推。那么，这些所有运算中作为的第一时段价格的集合即为x1，所有运算中作为的第一时段价格的集合即为x2。时间间隔time指的是两次价格运算之间的时间间隔。对应的温度temperature指的是用电时环境温度，即该地点的室外温度。优选地，所述s4包括以下步骤：s41：待到达t1时采集数据，包括当前时刻电价p1，t2，温度temperature，度电成本电价a，t2时刻大电网购电价格b；s42：将定价p2设置为一定步长值，区间为[a,b]，将所有(p1,p2,t2,temperature)代入s3的load函数，计算得到并绘制p2与load的关系查检表。进一步优选地，所述定价p2步长设置为0.001元。需要说明的是，计算并获取p2与load的关系查检表的作用在于为了后续步骤中通过load值找到对应的p2值作为实时电价并进行输出。需要说明的是，当前时刻价格p1指的是当前时刻的供电价格。在初始的时候，当前时刻价格指的是供电局初始提供的价格；而经过第一次运算后，当前价格指的是前一时刻经过计算后输出的价格作为第二次运算的当前价格。需要说明的是，本发明考虑到价格非连续变动，因此设定最小单位步长为0.001元，如此总共需计算数不超过1000个，使得方法实则更加快速精确。优选地，所述s5包括以下步骤：s51：待到达t2时采集确定当前实际发电功率p；s52：将查检表中所有load分别与当前实际发电功率p作差，选出绝对值最小的load值，并通过查检表查出对应的p2。优选地，所述t2＝t1+5min。优选地，t1的初始值为＝ta-5min。需要说明的是，从计算查检表到进行查检之间间隔五分钟的时间，其有利于保证运算能力。将t1设置为ta-5min，即日出时刻前五分钟，可以保证日出时刻可计算输入电价p2。相比现有技术，本发明的有益效果在于：1、本发明的分布式光伏发电定价方法，通过制定电价的实时变化机制影响用户的用电行为，从而使得电力能源配置的使用更为合理，减少清洁能源的浪费。2、本发明的分布式光伏发电定价方法，利用神经网络学习计算，使得结果更为精确。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，详细说明如下。具体实施方式为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下：一种分布式光伏发电定价方法，其步骤包括：s1：输入总体度电成本a；s2：获取地理信息，计算第二天的日出时刻ta和日落时刻tb；s3：利用神经网络算法算出用电负荷函数；所述神经网络算法使用的神经网络是3层，每层10个神经元的反馈型神经网络；s4：在预设时刻t1得到用电负荷与定价的查检表；s5：在预设时刻t2根据所述查检表得出定价p2并将所述定价进行输出；s6：判断当前时刻tn是否等于日落时刻tb，若是，回到s2；若否，回到s4。作为其中一种具体的实施方式，所述s2中输入的地理数据包括当地的经度、纬度及海拔数据。在本实施例中，所述s3包括以下步骤：s31：获取数据，包括第一时段价格集x1，第二时段价格集x2，时间间隔time，对应的温度temperature，以及对应的负荷load；s32：将x1、x2、time和temperature作为神经网络输入层，输入至隐藏层神经元；s33：数组中load作为对输出层检验结果，将结果反向输入回隐藏层，进行重新学习；s34：将所有原始数据输入后，由计算机自学习形成x1、x2、time、temperature作为自变量对应的load函数，即load＝f(x1,x2,time,temperature)。在本实施例中，所述s4包括以下步骤：s41：待到达t1时采集数据，包括当前时刻电价p1，t2，温度temperature，度电成本电价a，t2时刻大电网购电价格b；s42：将定价p2设置为一定步长值，区间为[a,b]，将所有(p1,p2,t2,temperature)代入s3的load函数，计算得到并绘制p2与load的关系查检表。作为其中一种优选的实施方式，所述定价p2步长设置为0.001元。在本实施例中，所述s5包括以下步骤：s51：待到达t2时采集确定当前实际发电功率p；s52：将查检表中所有load分别与当前实际发电功率p作差，选出绝对值最小的load值，并通过查检表查出对应的p2。具体而言，假设a＝0.05，b＝0.055，步长为0.001元，得到的表格为：p20.0510.0520.0530.0540.055load200300400500600假设当前的发电功率p＝210，则其分别与load作差，得到绝对值最小为load＝200，对应p2为0.051，则输出p2为0.051。作为其中一种优选的实施方式，为保证运算能力，所述t2＝t1+5min。在此情况下，t1的初始值为＝ta-5min，即日出时刻前五分钟，可以保证日出时刻可计算输入电价p2。上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。当前第1页12