楊明玉，韓 旭

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

基于需求側(cè)響應(yīng)的微網(wǎng)孤網(wǎng)運行實時調(diào)度策略研究

楊明玉，韓 旭

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

鑒于獨立運行模式下，微網(wǎng)處于自給自足狀態(tài)，內(nèi)部會產(chǎn)生不平衡功率，為使供電更加經(jīng)濟可靠，提出了一套基于需求側(cè)響應(yīng)的實時調(diào)度策略。建立了計及負荷曲線平穩(wěn)度和負荷轉(zhuǎn)移成本雙重指標(biāo)的日前負荷轉(zhuǎn)移規(guī)劃模型，在需求側(cè)轉(zhuǎn)移部分可轉(zhuǎn)移負荷平滑負荷曲線；微網(wǎng)運行期間，實施基于蓄電池三段式充放電的實時調(diào)度策略安排各可控型微源及蓄電池出力，有利于蓄電池保持足夠的充放電裕量，進一步削減功率缺額及功率浪費。策略中建立負荷優(yōu)化分配模型優(yōu)化各可控型微源出力，減小微網(wǎng)運行成本。最后以一小型微網(wǎng)系統(tǒng)為例，通過與不計及蓄電池折舊成本的日前調(diào)度結(jié)果對比，證明在負荷轉(zhuǎn)移平滑負荷曲線及實時調(diào)度策略的雙重作用下，不平衡功率得以削減。

獨立運行；負荷轉(zhuǎn)移；三段式；實時調(diào)度；不平衡功率

0 引 言

隨著全球能源和環(huán)境問題日益突出，太陽能，風(fēng)能等可再生能源的應(yīng)用已引起世界各國關(guān)注。分布式電源(DG)低污染，高效且可就近負載布置，但其大規(guī)模滲入也會對大電網(wǎng)帶來一些負面影響，其不可控性會對電網(wǎng)穩(wěn)定性造成沖擊，而系統(tǒng)往往采取隔離，切機等方式，大大削弱其優(yōu)勢和潛能[2]。隨著各國學(xué)者的深入研究，微網(wǎng)應(yīng)運而生。

微網(wǎng)包含了各種分布式電源、負載、儲能單元和控制裝置，存在并網(wǎng)和孤網(wǎng)兩種運行狀態(tài)，并網(wǎng)時可與大電網(wǎng)交換能量，由大電網(wǎng)保證其內(nèi)部功率平衡及電壓、頻率穩(wěn)定，大電網(wǎng)故障時轉(zhuǎn)入獨立運行模式，在一些偏遠地區(qū)也會有風(fēng)光柴儲小型微網(wǎng)獨立供電。獨立運行狀態(tài)下微網(wǎng)僅靠內(nèi)部電源和儲能裝置維持功率平衡，而可再生能源出力受光照、風(fēng)速等環(huán)境因素影響，輸出功率具有波動性，微網(wǎng)負荷預(yù)測不精確，都可能導(dǎo)致微網(wǎng)實時運行期間出現(xiàn)功率缺額及功率浪費兩種不平衡功率。

目前國內(nèi)外微網(wǎng)研究大多集中在微網(wǎng)控制，多目標(biāo)經(jīng)濟運行及其算法，對削減不平衡功率的實時調(diào)度策略研究甚少。文獻[3]提出了一種基于遺傳算法的微網(wǎng)能量管理模型，通過能量平衡約束優(yōu)化管理儲能單元充放電，并建立了并網(wǎng)和孤網(wǎng)兩種運行模式下發(fā)電成本最小經(jīng)濟調(diào)度數(shù)學(xué)模型安排各機組出力，但實際上是一種日前規(guī)劃；文獻[4]針對光伏發(fā)電、風(fēng)力發(fā)電及負荷的不確定性，采取機會約束規(guī)劃建立動態(tài)經(jīng)濟調(diào)度模型，但要保持較高可靠性水平會增大運行成本；文獻[5]介紹了一種獨立運行模式下計及可中斷負荷的實時調(diào)度策略，通過儲能單元區(qū)間劃分及壓縮可控型微源基點運行功率范圍來確保有足夠的功率調(diào)節(jié)裕量。

本文提出了一套基于需求側(cè)響應(yīng)的獨立運行模式下實時調(diào)度策略。用戶通過參與負荷轉(zhuǎn)移項目轉(zhuǎn)移部分可轉(zhuǎn)移負荷，一定程度上平滑負荷曲線，可減少不平衡功率的出現(xiàn)，并通過建立日前負荷轉(zhuǎn)移模型求解轉(zhuǎn)移后各時段負荷；微網(wǎng)運行期間，鑒于可再生能源輸出功率具有波動性，采取基于蓄電池三段式充放電的實時調(diào)度策略安排各可控型微源及蓄電池出力，使蓄電池保持足夠的充放電裕量，進一步削減不平衡功率。

1 日前負荷轉(zhuǎn)移規(guī)劃模型

微網(wǎng)一天內(nèi)存在用電高峰和低谷時段，平滑負荷曲線可縮小峰谷負荷差，一定程度上減少不平衡功率的出現(xiàn)。提出了負荷曲線平穩(wěn)度和負荷轉(zhuǎn)移成本兩種指標(biāo)，將一天劃分為24時段，建立了計及負荷曲線最小波動及負荷轉(zhuǎn)移成本最小雙重目標(biāo)下的日前負荷轉(zhuǎn)移模型，并通過遺傳算法求解各時段負荷轉(zhuǎn)移功率。本文假定可轉(zhuǎn)移負荷持續(xù)時間均為一小時。

1.1 負荷曲線平穩(wěn)度指標(biāo)

指標(biāo)LCS(Load Curve Smoothness)旨在衡量負荷曲線平穩(wěn)程度，表達式為

(1)

(2)

(3)

式中：P′(t)為負荷轉(zhuǎn)移后t時段負荷；P(t)為負荷轉(zhuǎn)移前t時段負荷；Pav為一天內(nèi)平均負荷；P(t,t′)為時段t向時段t′轉(zhuǎn)移的負荷量；P(t′,t)為時段t′向時段t轉(zhuǎn)移的負荷量；T為調(diào)度時段總數(shù)，根據(jù)表達式，顯然該指標(biāo)越小越好。

1.2 負荷轉(zhuǎn)移成本指標(biāo)

指標(biāo)LTC(Load Transfer Cost)旨在盡量減少轉(zhuǎn)移負荷時需補償用戶帶來的成本，表達式為

(4)

ρ=φ|t-t′|

(5)

式中：ρ為轉(zhuǎn)移單位負荷所需補償費用，與負荷轉(zhuǎn)移時段跨度|t-t′|有關(guān)；φ為固定費用部分。為將該指標(biāo)量綱化為一，與負荷曲線平穩(wěn)度指標(biāo)量綱統(tǒng)一，引入?yún)?shù)λ，單位為元，同時，該參數(shù)也是目標(biāo)函數(shù)中分配兩大指標(biāo)權(quán)重的重要參數(shù)，λ大則負荷轉(zhuǎn)移成本指標(biāo)權(quán)重較小，反之較大。

1.3 目標(biāo)函數(shù)

基于兩種指標(biāo)的目標(biāo)函數(shù)為

(6)

目標(biāo)函數(shù)中兩個指標(biāo)量綱均統(tǒng)一為一，則多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)，參數(shù)λ可同時作為兩指標(biāo)的權(quán)重參數(shù)。

1.4 約束條件

本文將微網(wǎng)負荷劃分為可轉(zhuǎn)移負荷和不可轉(zhuǎn)移負荷兩部分，并計及各時段最大轉(zhuǎn)出可轉(zhuǎn)移負荷功率及最大接納可轉(zhuǎn)移負荷功率約束。

(7)

(8)

式(7)為t時段最大轉(zhuǎn)出可轉(zhuǎn)移負荷功率約束，P(t)為負荷轉(zhuǎn)移前t時段負荷，因子α設(shè)定原則為白天較小，晚上較大，負荷峰時段較大，平時段較小，深夜人都在休息，一般不會有負荷轉(zhuǎn)入與轉(zhuǎn)出，α為0；式(8)為t時段最大接納可轉(zhuǎn)移負荷功率約束，因子β設(shè)定原則為白天較大，晚上較小，負荷峰時段較小，平時段較大，深夜為0。

1.5 遺傳算法求解流程

本文采用遺傳算法求解負荷轉(zhuǎn)移規(guī)劃模型最優(yōu)解，具體步驟如下：

① 輸入模型中參數(shù)φ、λ、α、β值；

② 算法初始化，包括種群規(guī)模N,交叉概率Pc，變異概率Pm，最大迭代次數(shù),確定算法終止條件；

③ 種群初始化，隨機生成N個個體，這里采用浮點數(shù)編碼方式，無需編碼，每個個體由各時段向其它時段轉(zhuǎn)移的負荷功率組成，即染色體基因為各時段轉(zhuǎn)移負荷功率，考慮到α、β因子的設(shè)定，有些轉(zhuǎn)移負荷功率直接置0，并評估個體適應(yīng)度；

④ 根據(jù)個體適應(yīng)度對種群個體進行選擇，交叉、變異、生成子代種群；

⑤ 判斷是否滿足終止條件，不滿足返回步驟④，滿足則輸出結(jié)果。

2 蓄電池三段式充放電原理

2.1 凈負荷、不平衡功率及蓄電池SOC

凈負荷定義為Pnet=Pload-Ppv-Pw，其中Pload為微網(wǎng)負荷，Ppv為光伏出力，Pw為風(fēng)電出力。

不平衡功ΔP包括功率缺額及功率浪費，各可控型微源和蓄電池皆最大出力仍不能滿足凈負荷時則出現(xiàn)功率缺額，凈負荷小于零或各機組最小出力超出負荷需求，且蓄電池充電空間不足時則出現(xiàn)功率浪費，ΔP缺額、ΔP浪費公式見圖1。

實時調(diào)度策略中需判斷蓄電池荷電狀態(tài)SOC[9],定義為蓄電池剩余容量與總?cè)萘勘戎礫11]：

(9)

式中：Cbat為蓄電池組的安時容量，單位為Ah；I為蓄電池在調(diào)度周期內(nèi)放電電流，單位A。為保證蓄電池有足夠充放電裕量，設(shè)置了蓄電池3種荷電狀態(tài)SOCmin、SOCmid、SOCmax，將蓄電池SOC劃分為4區(qū)間。

(10)

(11)

Icmax=Idmax=0.2×Cbat/Δt

(12)

2.3 蓄電池三段式充放電原理

SOC

三段式充放電有利于蓄電池保持充足的充放電裕量，吸收不平衡功率。

3 獨立運行模式下實時調(diào)度策略

實時運行期間，為確保蓄電池有足夠充放電裕量，進一步削減不平衡功率，采取基于蓄電池三段式充放電的實時調(diào)度策略安排各可控型微源及儲能裝置出力，實時調(diào)度策略流程如圖1。

3.1 策略圖中蓄電池最大可充電功率Pcmax[7]，最大可放電功率Pdmax1、Pdmax2

Pcmax=min[(SOCmax-SOC)Cbat×

(13)

Pdmax1=min[(SOC-SOCmid)Cbat×

(14)

Pdmax2=min[(SOC-SOCmin)Cbat×

(15)

圖1 獨立運行模式下實時調(diào)度策略流程圖

3.2 策略圖A部分

蓄電池荷電狀態(tài)處于[SOCmin,SOCmid]，此時可控型微源有余力對蓄電池實時充電，保證蓄電池有放電裕量，并將充電功率和凈負荷一起作為負荷,充電功率為

Pc=min[(SOCmid-SOC)CbatUbat/(Δtηc),

(16)

由公式可知，當(dāng)荷電狀態(tài)等于SOCmid時充電功率為零，總負荷為Pc+Pnet。

3.3 策略圖B部分

蓄電池荷電狀態(tài)大于SOCmid，當(dāng)蓄電池放電Pdmax1，可控型微源最小出力時不能滿足凈負荷時，則將凈負荷優(yōu)化分配給各可控型微源。

3.4 策略圖C部分

此時蓄電池荷電狀態(tài)小于SOCmin，且各可控型微源有余力，需對蓄電池充電使其荷電狀態(tài)恢復(fù)到允許區(qū)間內(nèi)，充電功率為

Pc=min[(SOCmin-SOC)CbatUbat/(Δtηc),

(17)

4 負荷優(yōu)化分配模型

為減小微網(wǎng)運行成本，策略中A、B、C部分涉及負荷優(yōu)化分配模型。

4.1 目標(biāo)函數(shù)

式中：wCaF2為試樣中氟化鈣的含量，%；1.9481為全鈣含量換算成氟化鈣含量的系數(shù)；0.7801為碳酸鈣含量換算成氟化鈣含量的系數(shù)。

以微網(wǎng)運行成本最小的目標(biāo)函數(shù)為

(18)

Cf(PGi)=F(PGi)PGiΔt

(19)

COM(PGi)=KOMiPGiΔt

(20)

式中：C為一個實時調(diào)度周期內(nèi)微網(wǎng)運行總成本；Cf(PGi)為一個實時調(diào)度周期內(nèi)各可控型微電源能耗成本；COM(PGi)為一個實時調(diào)度周期內(nèi)各可控型微電源運行維護成本；PGi為一個實時調(diào)度周期內(nèi)各可控型微電源有功出力；n為可控型微電源總數(shù)；KOMi為各可控型微電源運行維護系數(shù)；F(PGi)為各可控型微電源單位電量成本；Δt為實時調(diào)度周期。

4.2 約束條件

① 功率平衡約束

(21)

式中：Pbat為正時蓄電池放電；Pbat為負時蓄電池充電，策略中已給出不同情況蓄電池充放電Pbat值。

② 可控型微電源出力約束

PGimin≤PGi≤PGimax

(22)

③ 可控型微源爬坡約束[7]

P(t)-P(t-1)≤Rup

(23)

P(t-1)-P(t)≤Rdown

(24)

式中：Rup為上升功率約束；Rdown為下降功率約束。

4.3 遺傳算法

求解流程與1.5類似，在這里指出遺傳算法中個體僅由某調(diào)度周期可控型微源輸出功率組成。

5 算例分析

5.1 算例系統(tǒng)

本文算例選取一小型微網(wǎng)系統(tǒng)，包含薄膜固定式光伏發(fā)電、風(fēng)力發(fā)電、微型燃氣輪機，燃料電池以及儲能蓄電池。其中光伏發(fā)電額定功率為10kW,風(fēng)力發(fā)電額定功率為10kW。蓄電池充放電效率均為1，SOCmax=0.9，SOCmid=0.6，SOCmin=0.3，初始荷電狀態(tài)為0.83；微燃機和燃料電池參數(shù)如表1。微型燃氣輪機及燃料電池成本計算公式以及ηe(t)與Pe(t)之間函數(shù)關(guān)系式遵循文獻[11]。光伏電池和風(fēng)力發(fā)電機均工作在最大功率點跟蹤模式，輸出功率遵循典型曲線如圖2，微網(wǎng)負荷遵循典型雙峰型負荷曲線如圖3。

表1 可控型微源參數(shù)

圖2 光伏風(fēng)電出力

圖3 轉(zhuǎn)移前后負荷曲線

5.2 不計及蓄電池折舊成本日前調(diào)度結(jié)果分析

將一天劃分為24時段，目標(biāo)函數(shù)如下：

C缺額ΔP缺額Δt-C浪費ΔP浪費Δt

(25)

為了觀察各時段不平衡功率值，嵌入變量ΔP缺額、ΔP浪費，C缺額、C浪費為虛擬費用，C缺額在所有成本中取值最大，C浪費取極小值，確保微網(wǎng)內(nèi)部沒有出現(xiàn)不平衡功率時，ΔP缺額、ΔP浪費值為0，同時C缺額最大，可減少功率缺額出現(xiàn)。其余與優(yōu)化分配模型含義一致。約束條件涉及功率平衡約束，可控性微源出力約束，爬坡約束，蓄電池最大充放電約束，和蓄電池SOC約束，在其他文獻均有介紹，本文不再詳述。SOCmin=0.3，SOCmax=0.9，功率平衡約束更改為

(26)

式中：ΔP缺額理解為內(nèi)部出現(xiàn)功率缺額時電源需多發(fā)功率；ΔP浪費理解為內(nèi)部出現(xiàn)功率浪費時電源需少發(fā)功率。一天內(nèi)各時段MT、FC、蓄電池出力及ΔP缺額、ΔP浪費情況如圖4，蓄電池SOC變化如圖5。

圖4 各時段FC，MT，蓄電池出力及功率缺額

圖5 一天內(nèi)蓄電池SOC變化

遺傳算法中個體由各時段可控型微源輸出功率、蓄電池出力、功率缺額及功率浪費組成，蓄電池充放電成本相當(dāng)于0。

圖4可以看出，目標(biāo)函數(shù)中C缺額雖為最大，可一定程度上避免功率缺額出現(xiàn)，白天高峰期沒有出現(xiàn)功率缺額，但晚上用電高峰期21點和22點兩時段分別出現(xiàn)功率缺額，算例中可再生能源額定功率較小，負荷相對較重，未造成功率浪費現(xiàn)象。由圖5觀察到，由于不計蓄電池折舊成本，蓄電池荷電狀態(tài)一天內(nèi)時起時落，不能保證在大多時段有充放電裕量吸收不平衡功率。由此可見一般日前調(diào)度模型應(yīng)用于微網(wǎng)獨立運行有局限性。

5.3 日前負荷轉(zhuǎn)移規(guī)劃分析

根據(jù)日前負荷轉(zhuǎn)移規(guī)劃模型，得出負荷平移后一天內(nèi)負荷曲線如圖3，并給出各時段負荷轉(zhuǎn)移情況如表3。假定可轉(zhuǎn)移負荷持續(xù)時間均為一小時，固定費用φ為0.1元/kW，參數(shù)λ設(shè)置為95元，因子α、β的設(shè)定如表2。

表2 各時段因子α、β值

表3 各時段負荷轉(zhuǎn)移情況

如圖3所示，較之轉(zhuǎn)移前負荷曲線，新的負荷曲線較為平穩(wěn)，由于深夜因子α、β設(shè)定為0，沒有負荷轉(zhuǎn)移，0點至6點負荷曲線與原曲線重合；從表3可以看出，可轉(zhuǎn)移負荷大多從雙峰時段就近轉(zhuǎn)移，以節(jié)省成本，達到了在負荷側(cè)削減高峰時段負荷，平滑負荷曲線的目的。最終負荷曲線平穩(wěn)度指標(biāo)LCS值為0.741 5，負荷轉(zhuǎn)移成本指標(biāo)LTC值為0.203 2。

5.4 實時調(diào)度策略分析

圖6 各實時調(diào)度周期FC、MT和蓄電池出力

假定各時段負荷在該時段保持不變，且負荷轉(zhuǎn)移得以實施，微網(wǎng)實時運行期間采取有效調(diào)度策略安排各可控型微源及蓄電池出力，根據(jù)所提出實時調(diào)度策略使用matlab軟件編程，得一天內(nèi)MT，F(xiàn)C和蓄電池在各個調(diào)度周期內(nèi)出力如圖6，各調(diào)度周期功率缺額為0，故并未在圖中體現(xiàn)，實時調(diào)度周期為15min，同時給出蓄電池荷電狀態(tài)SOC一天內(nèi)變化，如圖7所示。

圖7 蓄電池SOC一天內(nèi)變化

時間光伏出力/kW風(fēng)電出力/kWFC出力/kWMT出力/kW蓄電池/kWSOC(該調(diào)度周期末時刻值)20：0004 644039 9600 620：1504 624039 9800 620：3004 58404000 620：4504 56404000 621：0004 5540403 650 58121：1504 5240403 680 56221：3004 4840403 720 54321：4504 4430403 680 52422：0004 4240402 780 5122：1504 3840402 820 49622：3004 4640402 740 48222：4504 5240402 680 46823：0004 594040-2 190 47923：1504 634040-2 230 4923：3004 664040-2 260 50123：4504 684040-2 280 512

由圖6可以看出，由于燃料電池電價較低，一直處于滿發(fā)狀態(tài)，隨著負荷增大，微燃機出力逐漸增加，在負荷高峰時段各可控型微源皆最大出力仍不能滿足凈負荷時，蓄電池放電填補高峰期功率缺額，圖7給出了一天內(nèi)蓄電池荷電狀態(tài)變化，由于可轉(zhuǎn)移負荷從高峰時段就近轉(zhuǎn)移，平滑了負荷曲線，蓄電池在初始階段放電至荷電狀態(tài)為0.6后基本不變，只在晚上用電高峰期可控型微源功率不足時放電，荷電狀態(tài)下降后由于各可控型微源出力對其實時充電，荷電狀態(tài)得以恢復(fù)至SOCmid左右，可見本文所提出的三段式充放電原理有利于蓄電池保持足夠的充放電裕量削減不平衡功率。

表4給出了晚上用電高峰期的實時調(diào)度情況，蓄電池SOC最低下降至0.468。各調(diào)度周期負荷均得以滿足，證明了負荷轉(zhuǎn)移平滑負荷曲線及實時調(diào)度策略的雙重作用，很好地控制了功率缺額的出現(xiàn)。本算例可再生能源額定功率較小，負荷相對較重，未造成功率浪費現(xiàn)象，若其額定功率增大，根據(jù)實時調(diào)度策略，蓄電池荷電狀態(tài)基本處于SOCmid左右，有裕量吸收可再生能源發(fā)出的多余功率，減少功率浪費。

6 結(jié)束語

獨立運行模式下，鑒于可再生能源輸出功率具有波動性，微網(wǎng)負荷預(yù)測不精確，導(dǎo)致內(nèi)部出現(xiàn)不平衡功率，為使供電更加經(jīng)濟可靠，本文提出了一套基于需求側(cè)響應(yīng)的實時調(diào)度策略。建立了計及負荷曲線平穩(wěn)度和負荷轉(zhuǎn)移成本雙重指標(biāo)的日前負荷轉(zhuǎn)移規(guī)劃模型，在需求側(cè)轉(zhuǎn)移部分可轉(zhuǎn)移負荷平滑負荷曲線；微網(wǎng)運行期間，實施基于蓄電池三段式充放電的實時調(diào)度策略安排各可控型微源及蓄電池出力，有利于蓄電池保持足夠的充放電裕量，削減不平衡功率。策略中建立負荷優(yōu)化分配模型優(yōu)化各微源出力，減小微網(wǎng)運行成本。最后通過一小型微網(wǎng)系統(tǒng)驗證策略有效性。

[1] CHIRADEJA P. Benefit of Distributed Generation: A Line Loss Reduction Analysis[J]. IEEE Transmission and Distribution Conference & Exhibition, Asia and Pacific Dalian, China, 2005.

[2] 黃偉，孫昶輝，吳子平,等.含分布式發(fā)電系統(tǒng)的微網(wǎng)技術(shù)研究綜述[J]. 電網(wǎng)技術(shù)，2009，33(9)：14-18.

[3] 陳昌松,段善旭, 等.基于改進遺傳算法的微網(wǎng)能量管理模型[J]. 電工技術(shù)學(xué)報, 2013, 28(4):196-201.

[4] 徐立中. 微網(wǎng)能量優(yōu)化管理若干問題研究[D]. 杭州：浙江大學(xué)，2011.

[5] 石慶均,江全元. 包含蓄電池儲能的微網(wǎng)實時能量優(yōu)化調(diào)度[J]. 電力自動化設(shè)備,2013,33(5):76-82.

[6] 丁明，張穎媛，茆美琴,等. 包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J]. 中國電機工程學(xué)報,2011,31(4):7-14.

[7] 石慶均. 微網(wǎng)容量優(yōu)化配置與能量優(yōu)化管理研究[D].杭州：浙江大學(xué)，2012.

[8] Richard Lau, Sami Ayyorgun. Strategy and Modeling for Building DR Optimization[J]. IEEE SmartGridComm.2011.

[9] PILLER SPERRIN MJOSSEN A. Methods for state of charge determination and their applications[J]. Power Sources,2001,96(1):113-120.

[10]牛銘，黃偉，郭佳歡，蘇玲. 微網(wǎng)并網(wǎng)時的經(jīng)濟運行研究[J]. 電網(wǎng)技術(shù),2010,34(11):38-42.

[11]陳潔，楊秀，朱蘭，張美霞. 基于遺傳算法的熱電聯(lián)產(chǎn)型微網(wǎng)經(jīng)濟運行優(yōu)化[J]. 電力系統(tǒng)保護與控制，2013，41 (8):7-15.

[12]吳雄,王秀麗,崔強. 考慮需求側(cè)管理的微網(wǎng)經(jīng)濟優(yōu)化運行[J]. 西安交通大學(xué)學(xué)報，2013，47(6):90-96.

[13]王成山，洪博文，等, 不同場景下的光蓄微電網(wǎng)調(diào)度策略[J].電網(wǎng)技術(shù),2013，37(7):1776-1782.

(責(zé)任編輯：林海文)

Reseach on Real-time Scheduling Strategy for Micro-grid Operation in IslandMode Based on the Demand Side Response

YANG Mingyu，HAN Xu

(School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003, China)

Due to micro-grid supplies electricity by itself in island mode, the unbalanced power will be produced. In order to make power supply more economical and reliable, a real-time scheduling strategy based on the demand side response is put forward in this paper. Day-ahead load transfer model, which considers such indexes as load curve smoothness and load transfer cost, is built to smooth the load curve by transferable load at demand-side transfer part. During the operation of micro-grid, the real-time scheduling strategy based on battery three-step charging and discharging is implemented to arrange each controllable micro-source and battery output, which can maintain enough battery charging and discharging margin and cut down the power shortage and power waste. Moreover, the optimal load distribution model is proposed in the dispatch scheme to optimize the output of the controllable micro-source, reduce the micro-grid operation cost. In the end, taking a small micro-grid system as an example, by comparing with the day-ahead planning results without considering the battery depreciation cost, it is shown that the unbalanced power can be reduced under both functions of load curves smoothening by load transfer and the real-time scheduling strategy.

operation in island mode; load transfer; three-step; real-time schedule; the unbalanced power

1007-2322(2015)04-0012-07

A

TM73

中央高?；究蒲袠I(yè)務(wù)費專項資金資助(2014MS138)

2014-08-18

楊明玉(1965—)，女，副教授，研究方向為電力系統(tǒng)繼電保護，E-mail:yangmy1026@hotmail.com；

韓 旭(1988—)，男，碩士研究生，研究方向為微電網(wǎng)能量調(diào)度, E-mail:lanyeyouming7@126.com。