邢 文段 斌，3

（1. 湘潭大學(xué)信息工程學(xué)院，湖南 湘潭 411105；2. 湖南省風(fēng)電裝備與電能變換協(xié)同創(chuàng)新中心，湖南 湘潭 411105；3. 智能計(jì)算與信息處理教育部重點(diǎn)實(shí)驗(yàn)室，湖南 湘潭 411105）

?

基于負(fù)荷轉(zhuǎn)移調(diào)度的高耗能企業(yè)電能需量控制

邢 文1，2段 斌1，2，3

（1. 湘潭大學(xué)信息工程學(xué)院，湖南 湘潭 411105；
2. 湖南省風(fēng)電裝備與電能變換協(xié)同創(chuàng)新中心，湖南 湘潭 411105；3. 智能計(jì)算與信息處理教育部重點(diǎn)實(shí)驗(yàn)室，湖南 湘潭 411105）

針對(duì)需量控制下高耗能企業(yè)用電響應(yīng)的問題，基于現(xiàn)行兩部制電價(jià)的前提下，考慮生產(chǎn)的基本電費(fèi)成本，提出一種負(fù)荷轉(zhuǎn)移調(diào)度的高耗能企業(yè)電能需量控制方法。本文采用Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測，以最小化基本電費(fèi)成本為激勵(lì)，建立高耗能企業(yè)日前負(fù)荷轉(zhuǎn)移調(diào)度模型，增大高耗能企業(yè)最大需量控制的可調(diào)控范圍。并通過算例表明，在某鋼鐵企業(yè)實(shí)施負(fù)荷轉(zhuǎn)移調(diào)度模型與不實(shí)施需量控制相比，日均基本電費(fèi)降比約2.7%；比僅有智能設(shè)備實(shí)時(shí)需量控制時(shí)日均基本電費(fèi)降比約1.04%。

負(fù)荷預(yù)測；需量控制；負(fù)荷調(diào)度；需求側(cè)管理；智能設(shè)備；神經(jīng)網(wǎng)絡(luò)

目前，高耗能企業(yè)對(duì)國內(nèi)生產(chǎn)的貢獻(xiàn)率呈下降趨勢，國家節(jié)能減排約束性指標(biāo)要求工業(yè)加快轉(zhuǎn)變發(fā)展方式。實(shí)施能源消耗總量控制，將對(duì)工業(yè)發(fā)展形成硬性約束，工業(yè)轉(zhuǎn)型升級(jí)為節(jié)能降耗提供良好契機(jī)。加大節(jié)能降耗力度，是走中國特色新型工業(yè)化道路的必然選擇［1］。

電能是高耗能企業(yè)生產(chǎn)過程必不可少的能源［2］。高耗能企業(yè)通常是所在地區(qū)的用電大戶，由于用電負(fù)荷在時(shí)間上的不均衡產(chǎn)生了高峰與低谷負(fù)荷，峰谷差越大，電網(wǎng)運(yùn)行越不經(jīng)濟(jì)，企業(yè)的用電成本也越高［3］。在現(xiàn)行工業(yè)電力用戶實(shí)行的兩部制電價(jià)的前提下［4］，用戶的大峰谷差運(yùn)行，一方面增加了用電成本，廣大用電大戶企業(yè)每年須支付大量的峰值電費(fèi)（基本電費(fèi)）；另一方面發(fā)電機(jī)組頻繁起?；驂簷C(jī)運(yùn)行造成資源浪費(fèi)，并威脅電網(wǎng)的安全運(yùn)行［5］。

高能耗企業(yè)經(jīng)濟(jì)負(fù)荷調(diào)度，可改善企業(yè)經(jīng)濟(jì)運(yùn)行水平，相關(guān)研究得到國內(nèi)外學(xué)者的關(guān)注和應(yīng)用［6-8］。文獻(xiàn)［9］采用神經(jīng)網(wǎng)絡(luò)的預(yù)測方法，利用歷史負(fù)荷數(shù)據(jù)，能夠準(zhǔn)確的預(yù)測用電企業(yè)負(fù)荷的峰值和谷值。文獻(xiàn)［10］圍繞電網(wǎng)所給出的電價(jià)信號(hào)，分析電網(wǎng)電價(jià)、自發(fā)電成本等因素對(duì)企業(yè)發(fā)用電決策的影響，建立了分時(shí)電價(jià)下的發(fā)用電一體化調(diào)度模型，以使得所給出的價(jià)格信號(hào)能夠更好地起到削峰填谷的作用。文獻(xiàn)［11］針對(duì)廣大用電大戶企業(yè)每年須支付大量的峰值（需量）電費(fèi)，提出智能設(shè)備（電弧爐）可以實(shí)時(shí)預(yù)測負(fù)荷峰值，在將要出現(xiàn)負(fù)荷高峰危險(xiǎn)時(shí)，自動(dòng)斷開適合的用電設(shè)備或者將其轉(zhuǎn)換到較低的功率等級(jí)。根據(jù)實(shí)踐可知，大概可以調(diào)節(jié)實(shí)施前需量平均值的 10%左右。文獻(xiàn)［12］針對(duì)如何降低某鋼鐵廠最大需量問題展開討論，通過智能最大需量控制系統(tǒng)在該鋼廠的實(shí)際應(yīng)用，證明了該系統(tǒng)有利于降低最大需量，能夠提高電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性。綜觀，現(xiàn)有研究一般側(cè)重于對(duì)智能用電設(shè)備實(shí)行實(shí)時(shí)需量控制的策略研究，這種策略雖簡單易操作，但可調(diào)控的最大需量范圍有限，有時(shí)不能滿足高耗能企業(yè)需要，如文獻(xiàn)［11］所述的需量控制策略只能調(diào)節(jié)實(shí)施前需量平均值的10%左右。因此，建立高耗能企業(yè)日前負(fù)荷轉(zhuǎn)移調(diào)度模型，將有利于進(jìn)一步增大高耗能企業(yè)最大需量控制的可調(diào)控范圍。

在現(xiàn)行工業(yè)電力用戶實(shí)行的兩部制電價(jià)基礎(chǔ)上，本文重點(diǎn)考慮生產(chǎn)用電的基本電費(fèi)成本，提出一種基于負(fù)荷轉(zhuǎn)移調(diào)度的高耗能企業(yè)電能需量控制方法。通過采用Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測，以最小化基本電費(fèi)成本為激勵(lì)，建立高耗能企業(yè)日前負(fù)荷轉(zhuǎn)移調(diào)度模型，增大高耗能企業(yè)最大需量控制的可調(diào)控范圍，維持設(shè)備的安全運(yùn)行，實(shí)現(xiàn)高耗能企業(yè)更高層次的節(jié)能減排。

1 問題描述

高耗能企業(yè)的智能設(shè)備可以實(shí)時(shí)預(yù)測負(fù)荷峰值，在即將出現(xiàn)負(fù)荷高峰危險(xiǎn)時(shí)，自動(dòng)斷開適合的用電設(shè)備或者將其轉(zhuǎn)換到較低的功率等級(jí)，避免形成過高功率峰值。根據(jù)實(shí)踐可知，這樣可以調(diào)節(jié)實(shí)施前需量平均值的10%左右。智能設(shè)備的需量控制系統(tǒng)雖然簡單易實(shí)現(xiàn)，但是可調(diào)控的最大需量范圍有限，有時(shí)不能滿足高耗能企業(yè)的需要。圖1為某鋼鐵企業(yè)內(nèi)電弧爐進(jìn)行實(shí)時(shí)負(fù)荷調(diào)節(jié)前后的對(duì)比圖。從圖1中可以看出，經(jīng)過電弧爐的實(shí)時(shí)調(diào)節(jié)后，沒有把負(fù)荷值控制在與電網(wǎng)約定的最大需量控制線P以下，增加了企業(yè)生產(chǎn)用電中的基本電費(fèi)成本。本文提出的面向電能需量控制的高耗能企業(yè)負(fù)荷轉(zhuǎn)移調(diào)度方法目的在于降低用電成本。根據(jù)負(fù)荷預(yù)測的結(jié)果，在基本電費(fèi)和日前可轉(zhuǎn)移負(fù)荷的基礎(chǔ)上，通過負(fù)荷轉(zhuǎn)移調(diào)度模型，縮小負(fù)荷曲線峰谷差，增強(qiáng)企業(yè)的需量調(diào)控能力，降低基本電費(fèi)。

圖1 智能設(shè)備負(fù)荷調(diào)節(jié)前后對(duì)比

圖2為負(fù)荷預(yù)測到負(fù)荷轉(zhuǎn)移調(diào)度的電能需量控制流程圖。圖2中的歷史負(fù)荷數(shù)據(jù)是該高耗能企業(yè)總的負(fù)荷數(shù)據(jù)（注：文中所述負(fù)荷預(yù)測的歷史數(shù)據(jù)都是高耗能企業(yè)總的負(fù)荷數(shù)據(jù)，下文不再詳述）。本文特別說明的是通過建立高耗能企業(yè)負(fù)荷轉(zhuǎn)移調(diào)度模型，調(diào)度可轉(zhuǎn)移負(fù)荷，能夠增強(qiáng)鋼鐵企業(yè)的電能需量控制能力。首先采集企業(yè)各個(gè)智能電表中的歷史負(fù)荷數(shù)據(jù)，對(duì)企業(yè)日負(fù)荷曲線進(jìn)行預(yù)測；其次，分析預(yù)測企業(yè)一天的負(fù)荷曲線中的負(fù)荷高峰，判斷是否超過智能設(shè)備（電弧爐）需量控制系統(tǒng)可調(diào)控的負(fù)荷范圍。若超過，高耗能企業(yè)需要按照本文的負(fù)荷轉(zhuǎn)移調(diào)度模型提前對(duì)生產(chǎn)任務(wù)進(jìn)行重調(diào)度；否則，按照正常秩序進(jìn)行生產(chǎn)。高耗能企業(yè)電能需量管理的總流程如圖2所示。

2 問題建模

由圖2所示的電能需量控制流程圖可知，本文提出的基于負(fù)荷轉(zhuǎn)移調(diào)度的高耗能企業(yè)電能需量控制方法，首先需對(duì)負(fù)荷預(yù)測進(jìn)行分析建模，在此基礎(chǔ)上以最小化基本電費(fèi)成本為激勵(lì)，建立高耗能企業(yè)日前負(fù)荷轉(zhuǎn)移調(diào)度模型，增大高耗能企業(yè)最大需量控制的可調(diào)控范圍，維持設(shè)備的安全運(yùn)行。

圖2　電能需量控制流程圖

2.1短期負(fù)荷預(yù)測

智能電表是實(shí)現(xiàn)電網(wǎng)智能化管理的必須環(huán)節(jié)。智能電表的重要用途是用采集的負(fù)荷數(shù)據(jù)對(duì)負(fù)荷進(jìn)行分析和預(yù)測［13］。對(duì)于整個(gè)高耗能企業(yè)，通過采集各智能電表中的歷史負(fù)荷數(shù)據(jù)，對(duì)企業(yè)日負(fù)荷曲線進(jìn)行預(yù)測［14-15］。目前，短期負(fù)荷預(yù)測主要采用時(shí)間序列法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、小波分析等方法。文獻(xiàn)［16］提出了一種預(yù)測精度較高、收斂速度較快的Elman神經(jīng)網(wǎng)絡(luò)預(yù)測方法，它考慮了電網(wǎng)負(fù)荷預(yù)測樣本時(shí)變性強(qiáng)、不確定性因素較多等特點(diǎn)。

本文以高耗能企業(yè)中的歷史負(fù)荷數(shù)據(jù)為基礎(chǔ)，擬用 Elman神經(jīng)網(wǎng)絡(luò)對(duì)高耗能企業(yè)總負(fù)荷進(jìn)行預(yù)測。通過準(zhǔn)確的電力負(fù)荷預(yù)測，可提前一天預(yù)知用戶24h的電力負(fù)荷走勢，準(zhǔn)確預(yù)測負(fù)荷曲線的峰值，為高耗能企業(yè)進(jìn)行日前負(fù)荷轉(zhuǎn)移調(diào)度打下堅(jiān)實(shí)基礎(chǔ)。如圖3所示，神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)以及隱含層的節(jié)點(diǎn)的確定，使其能反映電力負(fù)荷運(yùn)行規(guī)律。

圖3 Elman神經(jīng)網(wǎng)絡(luò)模型

圖3是Elman人工神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。Elman的非線性狀態(tài)空間表達(dá)式為

式中，y為m維輸出結(jié)點(diǎn)向量；x為n維中間層結(jié)點(diǎn)單元向量；v為r維輸入向量；xc為n維反饋狀態(tài)向量；w3為中間層到輸出層連接權(quán)值；w2為輸入層到中間層連接權(quán)值；w1為承接層到中間層的連接權(quán)值；G（*）為輸出神經(jīng)元的傳遞函數(shù)，是中間層輸出的線性組合；f （*）為中間層神經(jīng)元的傳遞函數(shù)，經(jīng)常采用sigmoid函數(shù)，即

2.2日前負(fù)荷轉(zhuǎn)移優(yōu)化調(diào)度

傳統(tǒng)的電力調(diào)度中負(fù)荷被認(rèn)為是固定不變的，隨著需求響應(yīng)技術(shù)的發(fā)展及基于用戶電價(jià)和基于激勵(lì)的項(xiàng)目的實(shí)施［3］，負(fù)荷將逐漸呈現(xiàn)出一定的彈性，所以可對(duì)負(fù)荷進(jìn)行分類建模［17］，提高負(fù)荷調(diào)度的可實(shí)施性。高耗能企業(yè)中的總負(fù)荷需求取決于消耗電能的生產(chǎn)任務(wù)（或者負(fù)荷）。一些負(fù)荷可以在不影響整體生產(chǎn)流程的情況下一定時(shí)間范圍內(nèi)移動(dòng)。這些可轉(zhuǎn)移負(fù)荷被看作是啟動(dòng)時(shí)間可調(diào)節(jié)的。在負(fù)荷轉(zhuǎn)移方式下，改變電能使用的時(shí)間，無需中斷或者停止生產(chǎn)負(fù)荷，不影響生產(chǎn)。用戶根據(jù)自身用電情況，考慮需量控制下的基本電費(fèi)，在負(fù)荷預(yù)測模型建立的基礎(chǔ)上，擬建高耗能企業(yè)負(fù)荷轉(zhuǎn)移調(diào)度模型，調(diào)度可轉(zhuǎn)移負(fù)荷，增強(qiáng)高耗能企業(yè)的電能需量控制能力。

1）需量控制下的企業(yè)凈電費(fèi)

高耗能企業(yè)采用的兩部制電價(jià)中，將電價(jià)分成基本電價(jià)與電度電價(jià)兩部。基本電價(jià)是按照工業(yè)用戶的變壓器容量或者最大需用量，即一月中一定時(shí)間段內(nèi)（譬如：1h）平均負(fù)荷的最大值，作為計(jì)算電價(jià)的依據(jù)，按最大需量方式計(jì)算企業(yè)的基本電費(fèi)時(shí)，計(jì)費(fèi)容量是按供電局安裝的最大需量表記錄的最大需量。本文約定所謂“最大需量”是用戶計(jì)費(fèi)月當(dāng)月用電高峰持續(xù)一定時(shí)間的最大負(fù)荷?；倦妰r(jià)是由供電部門與用電部門簽訂合同，確定限額，每月固定收??；電度電價(jià)，是按用電部門實(shí)際耗電度數(shù)計(jì)算的電價(jià)［4］。兩部制電價(jià)的計(jì)算式如下：

式中，C為總電價(jià)，Cb為基本電價(jià)，Cd為電度電價(jià)。

假定用電合同約定最大需量為Pc，采用按最大需量計(jì)費(fèi)時(shí)基本電費(fèi)Cb是一分段函數(shù)，即

式中，kwU（元/kW）為按最大需量計(jì)價(jià)單價(jià)，factP （kW）為實(shí)際需量。從式（2）可以看出，基本電費(fèi)不僅與實(shí)際需量有關(guān)，還與約定最大需量有關(guān)。當(dāng)時(shí)，采用的計(jì)算基本電費(fèi)的方式說明約定最大需量過大，還有節(jié)約空間；當(dāng)時(shí)，采用的計(jì)算基本電費(fèi)的方式是屬于比較理想的情況；當(dāng)時(shí)，采用的計(jì)算基本電費(fèi)的方式說明約定最大需量過小，不能滿足生產(chǎn)需量，則企業(yè)需要支付懲罰性的基本電費(fèi)。

2）需量控制下的負(fù)荷分段考核

本文將高耗能企業(yè)的負(fù)荷劃分為兩類：可轉(zhuǎn)移負(fù)荷和剩余不可控的基本負(fù)荷。其中，可轉(zhuǎn)移負(fù)荷是指負(fù)荷的啟動(dòng)時(shí)間可以在指定時(shí)間段內(nèi)進(jìn)行調(diào)整，啟動(dòng)后運(yùn)行一段固定時(shí)間的負(fù)荷。則在第k個(gè)考核時(shí)間段內(nèi)的總負(fù)荷表達(dá)為

可移動(dòng)負(fù)荷一旦啟動(dòng)，就不能打斷。對(duì)可移動(dòng)負(fù)荷m如圖4所示，其啟動(dòng)/停止時(shí)間與考核時(shí)段k之間的關(guān)系有4種情況。

高耗能企業(yè)中對(duì)有些可轉(zhuǎn)移負(fù)荷進(jìn)行轉(zhuǎn)移需要支付一定成本，如保溫成本，按常理可認(rèn)為轉(zhuǎn)移負(fù)荷跨度時(shí)間越大，所支付的代價(jià)也越高。本文將第m個(gè)任務(wù)的轉(zhuǎn)移成本表示為注意有些可轉(zhuǎn)移負(fù)荷進(jìn)行轉(zhuǎn)移并不需要支付轉(zhuǎn)移成本，但會(huì)受到其他條件約束，本文針對(duì)這點(diǎn)沒有詳細(xì)敘述和建模。

3）負(fù)荷轉(zhuǎn)移調(diào)度模型

本文擬建一個(gè)需量控制下高耗能企業(yè)最優(yōu)需求響應(yīng)的可轉(zhuǎn)移負(fù)荷調(diào)度模型。該模型以整個(gè)企業(yè)的總用電成本最小為目標(biāo)；企業(yè)總用電成本包括兩個(gè)部分，即基本電價(jià)成本bC和電度電價(jià)成本dC。目標(biāo)函數(shù)為

決策變量為kl。其中，由于日內(nèi)可轉(zhuǎn)移負(fù)荷是指運(yùn)行時(shí)段可在1天內(nèi)進(jìn)行調(diào)整，運(yùn)行功率和用電量基本不變的負(fù)荷，即：dC不變；定義fact，kP（kW）為第 k個(gè)考核時(shí)段的實(shí)際需量，則有fact，kP（kW）等于第k個(gè)考核時(shí)段的總負(fù)荷kL（kW），即

由于本文約定所謂“最大需量”是用戶計(jì)費(fèi)月當(dāng)月用電高峰持續(xù)一定時(shí)間的最大負(fù)荷。由式（6）、式（7）、式（8）和式（9）聯(lián)合可知：

本文針對(duì)高耗能企業(yè)需量控制的問題，采用連續(xù)時(shí)間建模方式，建立以整個(gè)企業(yè)的總用電成本最小為目標(biāo)的線性規(guī)劃模型；繼而可以采用線性規(guī)劃等方法求解。

3 算例分析

本文原始數(shù)據(jù)來自國內(nèi)某鋼鐵企業(yè)。鋼鐵企業(yè)的主要用電設(shè)備包括煉鋼爐（電弧爐）、軋鋼、制氧制氮、公輔設(shè)施等。一般煉鋼過程分為：焦化/燒結(jié)工序、煉鋼、連鑄、軋鋼。本文重點(diǎn)關(guān)注兩部制電價(jià)體系下，在采用神經(jīng)網(wǎng)絡(luò)對(duì)電力負(fù)荷準(zhǔn)確預(yù)測的基礎(chǔ)上，以最小化基本電費(fèi)成本為激勵(lì)，用戶進(jìn)行用電管理以響應(yīng)基本電費(fèi)信號(hào)的變化。為此，本文在算例分析中忽略掉一些復(fù)雜的因素，采用簡單示例來說明和解釋問題。

3.1負(fù)荷預(yù)測

1）預(yù)測算例描述

算例以某鋼鐵企業(yè)各個(gè)智能電表采集的 2010 年4月份30組總電力負(fù)荷數(shù)據(jù)為例。一天為一組數(shù)據(jù)，每天24h，每1h對(duì)電力負(fù)荷進(jìn)行一次測量，取此時(shí)段的平均值，一天共測得24個(gè)負(fù)荷數(shù)據(jù)。采用Elman神經(jīng)網(wǎng)絡(luò)方法進(jìn)行建模預(yù)測，下表為該鋼鐵企業(yè)2010年4月份經(jīng)過歸一化的數(shù)據(jù)，出于篇幅的原因，本表格只顯示每天9—14時(shí)共6h的部分負(fù)荷數(shù)據(jù)，電力系統(tǒng)負(fù)荷數(shù)據(jù)見表1。

表1　電力系統(tǒng)歸一化的負(fù)荷數(shù)據(jù)

將某鋼鐵企業(yè)的29組電力負(fù)荷的平均值數(shù)據(jù)，代入該模型中，預(yù)測下一組的平均值。負(fù)荷預(yù)測的Matlab仿真結(jié)果如圖5和圖6所示。

圖5　第一次負(fù)荷調(diào)控前后的輸出對(duì)比圖

由圖5可知，該企業(yè)在智能設(shè)備（電弧爐）需量控制系統(tǒng)的調(diào)節(jié)下，從企業(yè)的歷史生產(chǎn)案例分析得知最多能調(diào)節(jié)的需量為5MW，通過電弧爐的最大需量控制系統(tǒng)這類智能設(shè)備對(duì)用電設(shè)備進(jìn)行實(shí)時(shí)的“削峰填谷”，能夠一定程度上降低企業(yè)的電力負(fù)荷高峰；但并不能夠把總體電力負(fù)荷值控制在用電合同約定的最大需量Pc以下。本文通過建立高耗能企業(yè)負(fù)荷轉(zhuǎn)移調(diào)度模型，調(diào)度可轉(zhuǎn)移負(fù)荷，增強(qiáng)高耗能企業(yè)的電能需量控制能力。

2）預(yù)測結(jié)果處理

本文以一天的負(fù)荷調(diào)度問題為例，該鋼鐵企業(yè)與電網(wǎng) 4月份用電合同約定的最大需量為 Pc= 285MW。在仿真圖5中標(biāo)出原始負(fù)荷預(yù)測曲線的最大需量控制線上的“峰值”負(fù)荷，具體見表2。

表2　預(yù)測后各“峰值”負(fù)荷

由圖5可知，經(jīng)過電弧爐的最大需量控制系統(tǒng)這類智能設(shè)備進(jìn)行“削峰填谷”后，表2中的1號(hào)“峰值”已在Pc內(nèi)，不需要支付懲罰性的基本電費(fèi)；表2中的2、3、4號(hào)“峰值”雖有所下降，但是仍在Pc上。從圖5和表2所知，僅使用智能設(shè)備需量控制系統(tǒng)并不能把預(yù)測負(fù)荷“峰值”調(diào)節(jié)到最大需量控制線以下。

3.2負(fù)荷轉(zhuǎn)移調(diào)度

該鋼鐵企業(yè)在生產(chǎn)過程中合理地調(diào)度生產(chǎn)負(fù)荷，能夠更大程度上把總體電力負(fù)荷值控制在用電合同約定的最大需量Pc以內(nèi)。以企業(yè)的歷史生產(chǎn)調(diào)度數(shù)據(jù)為例，設(shè)定算例中可調(diào)度的生產(chǎn)任務(wù)見表3。

表3　可調(diào)度的生產(chǎn)任務(wù)

在日前負(fù)荷轉(zhuǎn)移調(diào)度模型的指導(dǎo)下，負(fù)荷調(diào)度結(jié)果如圖6所示。

由圖6可知，第一條“11原始預(yù)測輸出”負(fù)荷曲線在經(jīng)過智能設(shè)備（電弧爐）需量控制系統(tǒng)調(diào)節(jié)后變成了第二條“智能設(shè)備調(diào)節(jié)后的預(yù)測輸出”負(fù)荷曲線，結(jié)果在圖5中也有所顯示。在此過程中，一定程度上實(shí)時(shí)地平滑電力負(fù)荷曲線，亦能消掉一些負(fù)荷“峰值”，例如表2中1號(hào)“峰值”；但它不能更大程度上“削峰”，例如表2中的2、3、4號(hào)“峰值”。如此，這一天預(yù)測的負(fù)荷值都在用電合同約定的最大需量Pc以下，不需要支付懲罰性的基本電費(fèi)。在圖6中的任務(wù)所處的位置坐標(biāo)縱軸不代表各自大小，各自生產(chǎn)任務(wù)的耗能大小已在表3中列出。通過本文建立的高耗能企業(yè)日前負(fù)荷轉(zhuǎn)移調(diào)度模型，進(jìn)行日前生產(chǎn)任務(wù)重調(diào)度，重調(diào)度了表2中的任務(wù)1、2、3，呈現(xiàn)了圖5中的第三條負(fù)荷曲線“經(jīng)過負(fù)荷調(diào)控后的預(yù)測輸出”。由第三條負(fù)荷曲線可以看出，這一天預(yù)測的負(fù)荷曲線都在用電合同約定的最大需量Pc以下，所以不需要支付懲罰性的基本電費(fèi)。

圖6　第二次負(fù)荷調(diào)控前后的輸出對(duì)比圖

從圖5和圖6可以看出，本文提出的一種基于負(fù)荷轉(zhuǎn)移調(diào)度的高耗能企業(yè)電能需量控制方法，增大了高耗能企業(yè)最大需量控制的可調(diào)控范圍，使得設(shè)備安全有序地運(yùn)行，節(jié)約企業(yè)的用電成本，實(shí)現(xiàn)企業(yè)更高層次的節(jié)能減排。

在實(shí)際生產(chǎn)過程中，根據(jù)預(yù)測時(shí)間段的負(fù)荷峰谷值，經(jīng)過分析和判斷企業(yè)一天的預(yù)測負(fù)荷曲線中的負(fù)荷高峰后，提前一天對(duì)鋼鐵生產(chǎn)的任務(wù)進(jìn)行重調(diào)度，然后采用鋼鐵企業(yè)的電弧爐等裝有最大需量控制系統(tǒng)等智能設(shè)備進(jìn)行實(shí)時(shí)地消減“峰值”負(fù)荷，能增大高耗能企業(yè)最大需量控制的可調(diào)控范圍。

3.3用電響應(yīng)的經(jīng)濟(jì)效益分析

算例中面向電能需量控制的高耗能企業(yè)負(fù)荷轉(zhuǎn)移調(diào)度方法的成功實(shí)施，能夠更加準(zhǔn)確地、便捷地進(jìn)行負(fù)荷調(diào)度，維持設(shè)備的安全運(yùn)行，增大了高耗能企業(yè)最大需量控制的可調(diào)控范圍，使得這一天預(yù)測的負(fù)荷值都在用電合同約定的最大需量Pc以下，亦不需要支付懲罰性的基本電費(fèi)。

在兩部制電價(jià)體系下，本算例在實(shí)施兩階段優(yōu)化方法前后對(duì)比見表 4。由此可知，主要節(jié)省的是基本電費(fèi)。按最大需量方式計(jì)算企業(yè)的基本電費(fèi)時(shí)，計(jì)費(fèi)容量是按供電局安裝的最大需量表記錄的最大需量。所謂“最大需量”是用戶計(jì)費(fèi)月當(dāng)月用電高峰持續(xù)一定時(shí)間的最大負(fù)荷。由式（5）、式（6）、式（7）、式（8）等可知，假設(shè)其他參數(shù)如下：Ukw，k= 33元/kW、Pc=285MW?；倦妰r(jià)是由供電部門與用電部門簽訂合同，確定限額，每月固定收取。為了突顯算例中的電能需量控制方法實(shí)用性，折算到一天的基本電價(jià)。

表4　一天內(nèi)各負(fù)荷曲線的基本電價(jià)對(duì)比

從表4中的數(shù)據(jù)可以看出，算例圖4中的第三條負(fù)荷曲線“經(jīng)過負(fù)荷調(diào)控后的預(yù)測輸出”一天的基本電價(jià)成本比第一條負(fù)荷曲線“原始預(yù)測輸出”節(jié)省基本電費(fèi)，降比約2.7%；第三條負(fù)荷曲線比第二條負(fù)荷曲線“智能設(shè)備調(diào)節(jié)后的預(yù)測輸出曲線”也節(jié)省基本電費(fèi)，降比約1.04%。

從以上數(shù)據(jù)可以看出，本文提出的面向電能需量控制的高耗能企業(yè)負(fù)荷轉(zhuǎn)移調(diào)度方法，一方面保證了用戶的經(jīng)濟(jì)利益，節(jié)約了企業(yè)的基本電費(fèi)，提高了用戶參與負(fù)荷調(diào)度的積極性，充分挖掘了負(fù)荷側(cè)的資源潛力；另一方面，用戶通過響應(yīng)基本電費(fèi)信號(hào)調(diào)整自身負(fù)荷，參與了電網(wǎng)運(yùn)行調(diào)峰，促進(jìn)了電網(wǎng)穩(wěn)定，實(shí)現(xiàn)了更高層次的節(jié)能減排。

4 結(jié)論

本文綜合考慮節(jié)約企業(yè)生產(chǎn)用電中的基本電費(fèi)成本，提出一種基于負(fù)荷轉(zhuǎn)移調(diào)度的高耗能企業(yè)電能需量控制方法。驗(yàn)證結(jié)果表明，該模型能夠達(dá)到較好的負(fù)荷調(diào)度效果，在有效調(diào)整負(fù)荷曲線，節(jié)約企業(yè)電費(fèi)成本，增強(qiáng)高耗能企業(yè)的電能需量控制能力，提高電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性的同時(shí)；還可以實(shí)現(xiàn)高耗能企業(yè)更高層次的節(jié)能減排。

本文以可轉(zhuǎn)移負(fù)荷為例進(jìn)行日前負(fù)荷轉(zhuǎn)移調(diào)度，增強(qiáng)高耗能企業(yè)的電能需量控制能力還可以采用可儲(chǔ)能負(fù)荷、可中斷負(fù)荷等多種負(fù)荷進(jìn)行一體化調(diào)度。如何將多種負(fù)荷調(diào)度手段建立負(fù)荷一體化調(diào)度模型，有待進(jìn)一步深入研究。

［1］《企業(yè)?行業(yè)?產(chǎn)業(yè) 轉(zhuǎn)型升級(jí)科學(xué)發(fā)展政策法規(guī)匯編》課題研究組. 工業(yè)節(jié)能“十二五”規(guī)劃［G］. 浙江工商大學(xué)出版社，2013，693-703.

［2］Paulus M，Borggrefe F. The potential of demand-side management in energy-intensive industries for electricity markets in Germany［J］. Applied Energy，2011，88（2，SI）：432-441.

［3］譚貌，段斌，蘇永新，等. 分時(shí)電價(jià)下面向經(jīng)濟(jì)負(fù)荷調(diào)度的熱軋批量計(jì)劃兩階段優(yōu)化［J］. 中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，10（10）：3456-3462.

［4］陳慶. 兩部制電價(jià)中約定最大需量的選擇［J］. 電力需求側(cè)管理，2012，14（4）：53-54.

［5］肖欣，周渝慧，鄭凱中，等. 臺(tái)灣實(shí)施可中斷電價(jià)進(jìn)行削峰填谷的需求響應(yīng)策略及其成本效益分析［J］.中國電機(jī)工程學(xué)報(bào)，2014，34（22）：3615-3622.

［6］Hadera H，Harjunkoski I，Sand G，et al. Optimization of steel production scheduling with complex timesensitive electricity cost［J］. Computers & Chemical Engineering，2015，76（8）：117-136.

［7］Godoy-Alcantar J M. Cruz-Maya J A. optimal scheduling and self-generation for load management in the Mexican power sector［J］. Electric Power Systems Research，2011，81（7）：1357-1362.

［8］Wang Z，Gao F，Zhai Q，et al. An integrated optimization model for generation and batch production load scheduling in energy intensive enterprise［C］// Power and Energy Society General Meeting，2012 IEEE.IEEE，2012（10）：1-8.

［9］劉榮. 基于 Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測［D］. 杭州：浙江大學(xué)，2013.

［10］劉曉琳，王兆杰，高峰，等. 分時(shí)電價(jià)下的高耗能企業(yè)發(fā)用電響應(yīng)［J］. 電力系統(tǒng)自動(dòng)化，2014，8（8）：41-49.

［11］馬丁，等. 電力負(fù)荷控制（DSM）節(jié)能裝置在大型鋼廠的研究與實(shí)踐［J］. 金屬世界，2006，6（3）：17-22，25.

［12］陳翔，熊嘉，陳朋. 智能最大需量控制系統(tǒng)在某鋼鐵廠的應(yīng)用［J］. 科技與企業(yè)，2013，14（14）：336-337，339.

［13］王思彤，周暉，袁瑞銘，等. 智能電表的概念及應(yīng)用［J］. 電網(wǎng)技術(shù)，2010，4（4）：17-23.

［14］曾利軍，陳敏，羅細(xì)飛. 改進(jìn)蟻群化學(xué)聚類算法在短期負(fù)荷預(yù)測中的應(yīng)用［J］. 電力系統(tǒng)保護(hù)與控制，2012，40（4）：59-62，70.

［15］毛力，王運(yùn)濤，劉興陽，等. 基于改進(jìn)極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測方法［J］. 電力系統(tǒng)保護(hù)與控制，2012，40（20）：140-144.

［16］劉榮，方鴿飛. 改進(jìn) Elman神經(jīng)網(wǎng)絡(luò)的綜合氣象短期負(fù)荷預(yù)測［J］. 電力系統(tǒng)保護(hù)與控制，2012，40（22）：113-117.

［17］黃毅成，楊洪耕. 改進(jìn)遺傳 K均值算法在負(fù)荷特性分類的應(yīng)用［J］. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2014，26（7）：70-75.

國內(nèi)首次光伏虛擬同步發(fā)電機(jī)測試成功開展

近日，國家能源太陽能發(fā)電研發(fā)（實(shí)驗(yàn)）中心成功開展國內(nèi)首次光伏虛擬同步發(fā)電機(jī)測試工作，標(biāo)志著中國電科院已具備了光伏虛擬同步發(fā)電機(jī)的全項(xiàng)測試能力。

光伏發(fā)電站并網(wǎng)使用的光伏逆變器不具備慣性調(diào)頻、自主調(diào)壓能力，運(yùn)用光伏虛擬同步發(fā)電機(jī)并網(wǎng)可使光伏發(fā)電具備與常規(guī)機(jī)組接近的外特性。光伏虛擬同步發(fā)電機(jī)測試依據(jù)為中國電科院牽頭編制的相關(guān)技術(shù)標(biāo)準(zhǔn)，被測產(chǎn)品額定容量為500kW，儲(chǔ)能單元容量為50kW。測試項(xiàng)目包括：慣量特性測試、一次調(diào)頻、無功功率控制、電網(wǎng)適應(yīng)性等。

中國電科院于2016年4月成立“張北風(fēng)光儲(chǔ)輸基地虛擬同步機(jī)示范工程”項(xiàng)目工作組，開展相關(guān)標(biāo)準(zhǔn)的編制和檢測平臺(tái)的升級(jí)改造。針對(duì)光伏虛擬同步發(fā)電機(jī)慣性時(shí)間常數(shù)可設(shè)置、可參與一次調(diào)頻以及可自動(dòng)調(diào)節(jié)無功輸出、支撐系統(tǒng)電壓等技術(shù)指標(biāo)，為虛擬同步機(jī)示范工程的順利實(shí)施提供了技術(shù)支撐，也為光伏虛擬同步發(fā)電機(jī)裝備的產(chǎn)業(yè)化奠定了堅(jiān)實(shí)的基礎(chǔ)。

Power Demanding Control for Energy-intensive Enterprises based on Load Transfer Dispatch

Xing Wen1，2Duan Bin1，2，3
（1. College of Information Engineering，Xiangtan University，Xiangtan，Hu’nan 411105；2. Cooperative Innovation Center of Wind Power Equipment and Energy Conversion，Xiangtan，Hu’nan 411105；3. Key Laboratory of Intelligent Computing & Information Processing of Ministry of Education，Xiangtan，Hu’nan 411105）

According to the problem of energy-intensive enterprises for using electrical response under demand control and then considering the cost of basic tariff in the production under the premise of the existing two-part tariff ，therefore，a load transfer dispatch in energy-intensive enterprises approach is proposed for power demand control. We adopted the load forecasting by Elman neural network on this basis of minimizing the cost of basic tariff for motivation and established model of day-ahead load transfer dispatch in energy-intensive enterprises production. It could increase the range of maximum demand controlling for energy-intensive enterprises demand control system. The example shows that the daily basic tariff ratio is about 2.7% when implementing model of load transfer dispatch compared with no implementing demanding control，the daily basic tariff ratio is control about 1.04% compared against when only owned smart device real-time demanding.

load forecasting； demand control； load dispatch； DSM； smart device； neural network

邢文（1988-），男，湘潭大學(xué)在讀碩士研究生，研究方向?yàn)樨?fù)荷預(yù)測和調(diào)度、需求響應(yīng)。

國家自然科學(xué)基金資助項(xiàng)目（61170191，61402391）