李鵬，華浩瑞，徐紹軍，常乾坤

(1.新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，河北省保定市 071003;2.國網(wǎng)北京市電力公司，北京市 100031)

基于分時(shí)電價(jià)模式的分布式風(fēng)光發(fā)電就地消納模型

李鵬1，華浩瑞1，徐紹軍2，常乾坤2

(1.新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，河北省保定市 071003;2.國網(wǎng)北京市電力公司，北京市 100031)

提出分時(shí)電價(jià)機(jī)制下分布式風(fēng)光接入主動(dòng)配電網(wǎng)就地消納模型，該模型通過賦予主動(dòng)配電網(wǎng)制定網(wǎng)內(nèi)分時(shí)電價(jià)的權(quán)利來提高分布式風(fēng)光消納率。首先分析了基于負(fù)荷分類的分時(shí)電價(jià)機(jī)制下負(fù)荷的價(jià)格型需求響應(yīng)模型，其次建立了分時(shí)電價(jià)機(jī)制下分布式風(fēng)光接入主動(dòng)配電網(wǎng)就地消納模型，該模型以風(fēng)光消納率最大為目標(biāo)函數(shù)，計(jì)及多種必要約束。提出采用基于模擬退火算法的求解模型對所建立模型進(jìn)行求解。最后通過一個(gè)算例驗(yàn)證了該文方法可以有效提高分布式風(fēng)光接入主動(dòng)配電網(wǎng)的就地消納率。

主動(dòng)配電網(wǎng)(ADN)；分布式風(fēng)光；風(fēng)光消納；需求響應(yīng)；模擬退火算法

0 引 言

2015年3月，《國家能源局關(guān)于下達(dá)2015年風(fēng)光發(fā)電建設(shè)實(shí)施方案的通知》出臺(tái)，要求全年新增風(fēng)光電站建設(shè)規(guī)模達(dá)17.8 GW，并優(yōu)先建設(shè)35 kV以下、20 MW以下的接入配電網(wǎng)的分布式風(fēng)光電站項(xiàng)目[1]。根據(jù)中國風(fēng)能資源分布特點(diǎn)，未來中國風(fēng)電發(fā)展將呈現(xiàn)大規(guī)模、高集中的開發(fā)趨勢[2]。而隨著分布式風(fēng)光發(fā)電接入容量的提高，研究配電網(wǎng)風(fēng)光消納能力及提高風(fēng)光消納能力的措施具有重要的現(xiàn)實(shí)意義[3]。光伏發(fā)電以其環(huán)境友好、接入不受地域限制、資源豐富等特點(diǎn)得到越來越多的應(yīng)用[4]。

負(fù)荷管理可以從需求側(cè)角度出發(fā)，通過降壓減載、對用戶進(jìn)行負(fù)荷中斷、直接負(fù)荷控制等實(shí)現(xiàn)負(fù)荷管理，也可以利用需求側(cè)的主動(dòng)性，通過行政措施、財(cái)政措施、節(jié)能措施與引導(dǎo)措施等激勵(lì)需求側(cè)主動(dòng)改變用電特性。相比之下后者更能體現(xiàn)主動(dòng)性和靈活性，具有更大的推廣價(jià)值。

文獻(xiàn)[5]分析了我國風(fēng)電消納現(xiàn)狀及傳輸方式；文獻(xiàn)[3]基于某一實(shí)際系統(tǒng)饋線，結(jié)合當(dāng)?shù)貙?shí)際負(fù)荷及風(fēng)光規(guī)劃容量，利用隨機(jī)場景方法，通過分析系統(tǒng)饋線來計(jì)算最大風(fēng)光消納能力；文獻(xiàn)[6]針對大規(guī)模并網(wǎng)光電消納容量計(jì)算問題，構(gòu)建了一種考慮網(wǎng)絡(luò)傳輸約束的消納分析模型；文獻(xiàn)[7]制定了以分布式風(fēng)光消納最大化為目標(biāo)的主動(dòng)負(fù)荷需求響應(yīng)方案。此外，還有一些文獻(xiàn)如文獻(xiàn)[8-10]針對地區(qū)特點(diǎn)建立模型計(jì)算了其風(fēng)光消納容量。

需求響應(yīng)是負(fù)荷管理的一種有效方式，通過價(jià)格信號或激勵(lì)機(jī)制使電力用戶主動(dòng)改變自身的電力消費(fèi)模式。其與傳統(tǒng)的以強(qiáng)制與控制為主的電力負(fù)荷管理方式相比，更突出了用戶的自主性，具備良好的負(fù)荷調(diào)節(jié)能力并且更能調(diào)動(dòng)用戶參與的積極性。當(dāng)前，智能化與信息化的發(fā)展與推廣為基于需求響應(yīng)的源荷互動(dòng)提供了優(yōu)良的實(shí)施條件。在用電單元智能化的基礎(chǔ)上，需求響應(yīng)在智能電網(wǎng)中更有著突出的靈活性?；趦r(jià)格的需求響應(yīng)，也稱作“價(jià)格型需求響應(yīng)”，主要通過價(jià)格信號引導(dǎo)電力負(fù)荷合理調(diào)節(jié)和改善用電結(jié)構(gòu)與用電方式。而在價(jià)格激勵(lì)模型中，分時(shí)電價(jià)作為價(jià)格激勵(lì)的主要方式之一，具有簡便易行的重要優(yōu)勢，在我國電力市場相對欠成熟和智能電網(wǎng)快速發(fā)展的當(dāng)前，具備良好的推廣前景。

分時(shí)電價(jià)機(jī)制下負(fù)荷響應(yīng)模型有線性模型、線性響應(yīng)與時(shí)段轉(zhuǎn)移模型、負(fù)荷轉(zhuǎn)移模型等。在這些模型中，負(fù)荷轉(zhuǎn)移模型將負(fù)荷的轉(zhuǎn)移死區(qū)與飽和區(qū)納入模型中，并提供了完整的參數(shù)測定方案，擁有較高的準(zhǔn)確性與靈活性，可有效體現(xiàn)負(fù)荷對電價(jià)變動(dòng)的響應(yīng)效果。

本文提出分時(shí)電價(jià)機(jī)制下分布式風(fēng)光接入主動(dòng)配電網(wǎng)就地消納模型，該模型通過賦予主動(dòng)配電網(wǎng)制定網(wǎng)內(nèi)分時(shí)電價(jià)的權(quán)利來提高負(fù)荷需求，從而達(dá)到提高風(fēng)光消納率，同時(shí)增大主動(dòng)配電網(wǎng)收益，降低用戶平均購電費(fèi)用的效果。

1 價(jià)格激勵(lì)需求響應(yīng)模型

在基于價(jià)格的需求側(cè)管理模型研究中，首要任務(wù)便是建立負(fù)荷對電價(jià)的響應(yīng)模型。文獻(xiàn)[11]建立了價(jià)格型需求響應(yīng)功率對電價(jià)的響應(yīng)模型，認(rèn)為二者之間是簡單的線性關(guān)系。也有文獻(xiàn)構(gòu)建了電力需求彈性矩陣來表示不同時(shí)段間電力需求變化量與價(jià)格變化量之間的關(guān)系。

主動(dòng)配電網(wǎng)中在外網(wǎng)分時(shí)電價(jià)下的負(fù)荷PL(t)大致可以分為3類，如式(1)所示：

PL(t)=PL-Ι(t)+PL-ΙΙ(t)+PL-ΙΙΙ(t)

(1)

式中：PL-Ι(t)為Ι類負(fù)荷，即易轉(zhuǎn)移負(fù)荷，用戶對電價(jià)變化的響應(yīng)行為通常為自覺將部分該類負(fù)荷在不同時(shí)段間轉(zhuǎn)移，其適合負(fù)荷轉(zhuǎn)移率模型；PL-ΙΙ(t)為ΙΙ類負(fù)荷，為易節(jié)約和易替代負(fù)荷，即用戶對電價(jià)的響應(yīng)行為通常為對該類負(fù)荷部分進(jìn)行節(jié)約、增加用電或者將電能和其他能源之間進(jìn)行相互替代，其適合電力需求彈性矩陣建模；PL-ΙΙΙ(t)為ΙΙΙ類負(fù)荷，為剛性負(fù)荷，其需求對電價(jià)變化的反映微小。實(shí)際中任何一種負(fù)荷對電價(jià)變化的響應(yīng)都包含以上3個(gè)因素，然而大致進(jìn)行這樣的劃分還是合理的。

對于Ι類負(fù)荷，在需求響應(yīng)的負(fù)荷轉(zhuǎn)移模型中，定義“負(fù)荷轉(zhuǎn)移率”為實(shí)施峰谷電價(jià)之后，電力負(fù)荷從高電價(jià)時(shí)段向低電價(jià)時(shí)段的轉(zhuǎn)移量與高電價(jià)時(shí)段的負(fù)荷之比[12]。該參數(shù)可擬合為關(guān)于時(shí)段之間電價(jià)差的分段線性函數(shù)。以峰時(shí)段負(fù)荷向谷時(shí)段的轉(zhuǎn)移率為例，其分段線性函數(shù)的表達(dá)式為

(2)

式中：λpv為峰谷時(shí)段之間的轉(zhuǎn)移率；ΔPpv為峰時(shí)段與谷時(shí)段電價(jià)差；apv為價(jià)格響應(yīng)的死區(qū)閾值，意味著時(shí)段間電價(jià)差較小時(shí)用戶不會(huì)對其作出明顯響應(yīng)；λmaxpv為飽和轉(zhuǎn)移率，意味著達(dá)到這個(gè)閾值后，電價(jià)差進(jìn)一步加大也不會(huì)導(dǎo)致轉(zhuǎn)移率的持續(xù)提高；Kpv為用戶轉(zhuǎn)移曲線的線性區(qū)斜率。此外，峰時(shí)段向平時(shí)段的轉(zhuǎn)移率表達(dá)式、平時(shí)段向谷時(shí)段轉(zhuǎn)移率表達(dá)式除參數(shù)外與此一致。

各時(shí)段在分時(shí)電價(jià)作用下的電力負(fù)荷需求PresL-Ι(t)為

(3)

對于ΙΙ類負(fù)荷，采用電價(jià)彈性系數(shù)est近似刻畫s時(shí)段負(fù)荷需求對t時(shí)段電價(jià)變化的響應(yīng)。定義需求彈性矩陣E如式(4)所示，矩陣中元素表達(dá)式如式(5)所示：

E=(est)T×T

(4)

est=[ΔPL(s)/PL(s)]/[Δp(t)/p(t)]

(5)

式中：PL(s)為s時(shí)段ΙΙ類負(fù)荷原有負(fù)荷功率；ΔPL(s)為s時(shí)段ΙΙ類負(fù)荷對分時(shí)電機(jī)的響應(yīng)變化功率；p(t)為原有分時(shí)電價(jià)水平；Δp(t)為制定網(wǎng)內(nèi)分時(shí)電價(jià)水平與外網(wǎng)分時(shí)電價(jià)之差；對于ΙΙ類負(fù)荷，在制定分時(shí)電價(jià)之后，1天各時(shí)段負(fù)荷變化ΔPL-ΙΙ(s)如式(6)所示，ΙΙ類負(fù)荷在分時(shí)電價(jià)下的響應(yīng)負(fù)荷PresL-ΙΙ(t)如式(7)所示：

(6)

(7)

對于ΙΙΙ類負(fù)荷，認(rèn)為負(fù)荷需求不受分時(shí)電價(jià)制定的影響，在分時(shí)電價(jià)前后的負(fù)荷水平不變：

PresL-ΙΙΙ(t)=PL-ΙΙΙ(t)

(8)

(9)

因此根據(jù)提出的基于負(fù)荷分類的分時(shí)電價(jià)機(jī)制下需求側(cè)綜合響應(yīng)模型可以得到響應(yīng)負(fù)荷。

假定配電網(wǎng)中有N個(gè)負(fù)荷節(jié)點(diǎn)，對于任意一個(gè)負(fù)荷節(jié)點(diǎn)，其價(jià)格激勵(lì)需求響應(yīng)負(fù)荷為所制定峰谷平電價(jià)的函數(shù)，如式(10)所示：

PresL,j(t)=f(pp,pv,pf,PL,j(t))

(10)

式中：PresL,j(t)為第j個(gè)負(fù)荷節(jié)點(diǎn)第t時(shí)段的需求響應(yīng)負(fù)荷；pp、pv和pf分別為所制定的峰谷平時(shí)段的分時(shí)電價(jià)水平；PL,j(t)為第j個(gè)負(fù)荷節(jié)點(diǎn)第t時(shí)段的響應(yīng)前負(fù)荷。

2 發(fā)電單元的數(shù)學(xué)模型

分布式風(fēng)力發(fā)電和光伏發(fā)電都具有隨機(jī)性、間歇性和波動(dòng)性，只有掌握分布式風(fēng)光發(fā)電的出力分布特性，才能模擬分布式風(fēng)光出力曲線從而驗(yàn)證本文的就地消納模型。

2.1 風(fēng)力發(fā)電特性

風(fēng)電機(jī)(wind turbine，WT)的發(fā)電功率Pwind隨著風(fēng)速v的變化而變化，二者之間的關(guān)系為：

(11)

(12)

式中：vci為切入風(fēng)速；vr為額定風(fēng)速；vco為切出風(fēng)速；Pr為額定輸出功率；a與b為常系數(shù)。

而一個(gè)地區(qū)風(fēng)速的分布一般采用雙參數(shù)(k,c) Weibull分布，概率密度函數(shù)為

(13)

式中k和c均為常數(shù)?？紤]到風(fēng)速在大部分時(shí)間內(nèi)處于vci和vr之間，則得出Pwind的概率密度函數(shù)[13]為

(14)

2.2 光伏發(fā)電特性

光伏(photovoltaic，PV)發(fā)電系統(tǒng)的輸出功率Ppv與光照強(qiáng)度I、電池陣列面積S和光電轉(zhuǎn)換效率η相關(guān)，可表示為Ppv=ISη。I在一定時(shí)間段內(nèi)可近似服從β分布，則Ppv的概率密度函數(shù)[14]為

(15)

式中：Ppv,max為光伏發(fā)電系統(tǒng)最大輸出功率；α和β為光照強(qiáng)度I分布的形狀參數(shù)。

3 分布式風(fēng)光集群就地消納模型

分布式風(fēng)光接入配電網(wǎng)就地消納模型的目標(biāo)函數(shù)為最大化風(fēng)光消納率：

(16)

分布式風(fēng)光接入配電網(wǎng)就地消納模型所需要滿足的約束條件如下詳述。

(1)上級配電網(wǎng)向含分布式風(fēng)光接入配電網(wǎng)功率傳輸限制約束：

0≤Pgrid(t)≤Pmaxgrid

(17)

式中：Pgrid(t)為第t時(shí)段上級配電網(wǎng)向含分布式風(fēng)光接入配電網(wǎng)的傳輸功率；Pmaxgrid為上級配電網(wǎng)向含分布式風(fēng)光接入配電網(wǎng)的功率傳輸上限；本文分布式風(fēng)光主要通過就地消納方式供本地負(fù)荷使用，因此不考慮向外網(wǎng)售電的情況。

(2)配電網(wǎng)線路功率傳輸約束：

(18)

(3)基于用戶效益不減的分時(shí)電價(jià)制定約束。價(jià)格激勵(lì)需求響應(yīng)在調(diào)整負(fù)荷曲線時(shí)也要受到一定條件的約束，不能隨意設(shè)定電價(jià)，否則電力負(fù)荷用戶側(cè)的利益將無法保證。當(dāng)制定了分時(shí)電價(jià)之后，為了保證用戶的利益以及分布式風(fēng)光接入配電網(wǎng)的效益，用戶的平均購電價(jià)格不能上升，該約束如式(19)所示：

(19)

式中：p(t)為所制定的t時(shí)段分時(shí)電價(jià)水平；p0(t)為配電網(wǎng)原始分時(shí)電價(jià)水平。

用戶購電量是評價(jià)配電網(wǎng)經(jīng)濟(jì)效益的重要因素，用戶用電量基本上可以反映用戶通過用電獲得的生產(chǎn)生活效益。當(dāng)制定了分時(shí)電價(jià)之后，負(fù)荷轉(zhuǎn)移率模型針對的易轉(zhuǎn)移負(fù)荷并不會(huì)影響用戶購電量，然而負(fù)荷彈性模型針對的彈性負(fù)荷可能隨著分時(shí)電價(jià)的制定增加或者減少。為了保證配電網(wǎng)的綜合效益，本文制定約束保證分時(shí)電價(jià)機(jī)制下用戶總購電量不會(huì)減少，如式(20)所示：

(20)

(4)基于配電網(wǎng)收益不減的分時(shí)電價(jià)制定約束。假定分布式風(fēng)光的所有權(quán)為配電網(wǎng)，為了保持配電網(wǎng)采用需求側(cè)管理方案提高風(fēng)光消納率的激勵(lì)，需要制定約束保證在分時(shí)電價(jià)機(jī)制下，配電網(wǎng)的收益不減：

(21)

式中不等式左項(xiàng)表示采用分時(shí)電價(jià)之前的配電網(wǎng)收益，右項(xiàng)表示分時(shí)電價(jià)機(jī)制下的配電網(wǎng)收益。

(5)各節(jié)點(diǎn)功率平衡約束。假定各節(jié)點(diǎn)向外流出功率為正方向，該約束如式(22)所示：

(22)

式中：I為與節(jié)點(diǎn)i相連接的節(jié)點(diǎn)集合；Pi,j(t)為t時(shí)段節(jié)點(diǎn)i向節(jié)點(diǎn)j的傳輸功率。

(6)用戶滿意度約束。盡管分時(shí)電價(jià)制定約束能夠基本上保證配電網(wǎng)效益和用戶利益，然而該約束并不能絕對保證這點(diǎn)。在分時(shí)電價(jià)機(jī)制下，盡管以上約束保證了用戶總購電量不減，用戶平均購電價(jià)格不增，然而轉(zhuǎn)移前的負(fù)荷和分時(shí)電價(jià)機(jī)制下負(fù)荷的消費(fèi)者剩余是不一樣的，即用戶效益不同。對這種效益損耗有必要進(jìn)行約束從而進(jìn)一步保證用戶效益，從而使得模型也更適用于國民經(jīng)濟(jì)評價(jià)。

[15]的模型，用戶用電方式的滿意度定義為，從時(shí)間軸上用戶因用電方式改變而對滿意程度造成的影響，用電改變越大，用戶需要作出的調(diào)整也越多，因此將導(dǎo)致滿意度越低，其表達(dá)式為

(23)

ε≥ε0

(24)

式中ε0為要滿足的最小用戶滿意度。

由上式可以看出滿意度約束是關(guān)于電價(jià)變量的非線性約束，是一種相對復(fù)雜的約束條件，在其基礎(chǔ)上優(yōu)化問題也構(gòu)成約束非線性優(yōu)化問題。

4 求解算法

本文對模型的上層和下層計(jì)算均采用模擬退火算法。模擬退火算法(simulated annealing，SA)是非線性優(yōu)化領(lǐng)域中頗受國內(nèi)外學(xué)者關(guān)注的一種算法。該算法的思想最早于1953年由Metropolis提出，在1983年被Kirkpatrick等人引入組合優(yōu)化領(lǐng)域，后不斷在研究與實(shí)踐中得到發(fā)展與改進(jìn)，目前成為具有強(qiáng)實(shí)用性的非線性優(yōu)化算法[16]。

模擬退火算法的退火過程由冷卻進(jìn)度表控制，主要包括控制參數(shù)的初始值T0、每個(gè)溫度下的Mapkob鏈長度L，以及算法的終止條件[17]。退火過程有多種方式，主要作用是使溫度下降，本文選擇快速退火公式來完成退火過程。由此可見，模擬退火算法是基于單點(diǎn)搜索的方式，因此相比于群智能算法，其計(jì)算量小，非常適合于本文這樣單次計(jì)算相對復(fù)雜的優(yōu)化求解過程。

基于模擬退火算法的上層電價(jià)優(yōu)化方法為：對于待優(yōu)化的電價(jià)變量，記其任意搜索中間過程第k步的取值為εPRk，則上層可根據(jù)此值計(jì)算得到相應(yīng)的電價(jià)曲線，傳送到下層后，獲得下層反饋來的成本并換算為適應(yīng)度函數(shù)，該適應(yīng)度越大越優(yōu)。根據(jù)模擬退火算法的Metropolis準(zhǔn)則，設(shè)定模擬退火接受概率為

(25)

式中：pacc為接受概率；εPRk為第k次迭代時(shí)的搜索點(diǎn)；εPR(k-1)為第(k-1)次迭代時(shí)的搜索點(diǎn)；β為比例常數(shù)，用于根據(jù)具體算例調(diào)整數(shù)量級；F1(·)為適應(yīng)度函數(shù)；Tk為第k次迭代時(shí)的溫度，通過式(26)快速模擬退火降溫公式實(shí)現(xiàn)更新：

(26)

式中：T0為初始溫度；α為控制退火速度的常數(shù)。算法停止條件為退火溫度降到設(shè)定值TS以下。

新電價(jià)組合搜索點(diǎn)的產(chǎn)生函數(shù)為

εPRk=εPR(k-1)+rηδ

(27)

式中：r為0到1之間的隨機(jī)數(shù)；η為限制每次迭代的最大步長的常系數(shù)；δ是長度為1、方向隨機(jī)的3維單位方向向量。

5 算例

為驗(yàn)證本文方法的有效性，參考了文獻(xiàn)[18]中的主動(dòng)配電網(wǎng)結(jié)構(gòu)。

將1天分為24個(gè)調(diào)度時(shí)段。該配電網(wǎng)線路單位阻抗為(0.642+j0.101)Ω/km，主動(dòng)配電網(wǎng)中接入儲(chǔ)能容量250 kW·h，儲(chǔ)能充放電上限功率都為30 kW，為了增加供電可靠性，配電網(wǎng)中接入微燃機(jī)和燃料電池，其輸出功率上限分別為130 kW和125 kW。其中，光伏并網(wǎng)容量為0.2 MW，風(fēng)電并網(wǎng)容量為0.2 MW。外網(wǎng)初始分時(shí)電價(jià)為：第1到第7時(shí)段為谷時(shí)，電價(jià)為0.17元/( kW·h)，第11到第15時(shí)段以及第19到第21時(shí)段為峰時(shí)，電價(jià)為0.83元/(kW·h)，其余時(shí)段為平時(shí)，電價(jià)為0.49元/(kW·h)。

假定該配電網(wǎng)主要向居民負(fù)荷供電，原先采用與外網(wǎng)一致的分時(shí)電價(jià)機(jī)制。算例中主動(dòng)配電網(wǎng)在原有外網(wǎng)分時(shí)電價(jià)下的負(fù)荷預(yù)測曲線以及風(fēng)光出力預(yù)測曲線如圖1所示。主動(dòng)配電網(wǎng)負(fù)荷構(gòu)成如圖2所示。此外，為了更好地應(yīng)對風(fēng)光出力的波動(dòng)性和間歇性，該主動(dòng)配電網(wǎng)同時(shí)在主要負(fù)荷節(jié)點(diǎn)接入微燃機(jī)和燃料電池以平抑風(fēng)光出力不確定性。微燃機(jī)和燃料電池的燃料成本曲線參考文獻(xiàn)[19]。

圖1 風(fēng)光功率出力預(yù)測及主動(dòng)配電網(wǎng)總負(fù)荷預(yù)測曲線

圖2 主動(dòng)配電網(wǎng)負(fù)荷構(gòu)成

求解算例可以得到主動(dòng)配電網(wǎng)的分布式風(fēng)光就地消納方案如圖3所示。

圖3 分布式風(fēng)光就地消納方案

從圖3中可以看出，在第1時(shí)段到第17時(shí)段，由于風(fēng)光綜合出力高于負(fù)荷水平，完全可以滿足負(fù)荷需求，微燃機(jī)、燃料電池幾乎不工作，主動(dòng)配電網(wǎng)也不需要向上級配電網(wǎng)輸入功率，只有儲(chǔ)能基本在充電，以便在后面負(fù)荷高峰時(shí)段放電。此時(shí)為了增大風(fēng)光消納率并且進(jìn)一步提高主動(dòng)配電網(wǎng)收益，主動(dòng)配電網(wǎng)制定了相對外網(wǎng)分時(shí)電價(jià)水平更低的分時(shí)電價(jià)，根據(jù)價(jià)格型負(fù)荷響應(yīng)特性，該措施增大了負(fù)荷需求，提高了分布式風(fēng)光消納率。而由于增加的售電量收益足以彌補(bǔ)分時(shí)電價(jià)的下調(diào)的收益損失，主動(dòng)配電網(wǎng)獲得了更大的效益，用戶獲得了更低的平均購電電價(jià)，產(chǎn)生了雙贏的結(jié)果。

當(dāng)?shù)搅?7時(shí)段之后，由于風(fēng)光預(yù)測出力大幅降低，而負(fù)荷水平卻達(dá)到高峰，此時(shí)風(fēng)光出力不足以滿足負(fù)荷需求，主動(dòng)配電網(wǎng)采用了各種措施：開啟微燃機(jī)、開啟燃料電池、調(diào)度儲(chǔ)能放電以及增大向上級配電網(wǎng)的購電功率。由于燃料電池效率較高，具有更好的經(jīng)濟(jì)效益，因此優(yōu)化的結(jié)果是燃料電池具有更大的出力。此時(shí)，配電網(wǎng)并沒有采用提高分時(shí)電價(jià)的手段抑制負(fù)荷需求，這是因?yàn)榻档拓?fù)荷需求導(dǎo)致的收益損失遠(yuǎn)遠(yuǎn)大于分布式可控微源的出力成本。

在未采用本文分時(shí)電價(jià)模式時(shí)，算例一的風(fēng)光實(shí)際調(diào)用功率曲線和預(yù)測曲線如圖4所示，此時(shí)分布式光伏消納率為90.86%，分布式風(fēng)電消納率達(dá)到了93.79%，分布式風(fēng)光綜合消納率為93.4%，存在一定的棄風(fēng)棄光現(xiàn)象，浪費(fèi)了資源。在采用本文基于分時(shí)電價(jià)模式的消納模型之后，消納率提高到了100%。

圖4 未采用分時(shí)電價(jià)前風(fēng)光實(shí)際調(diào)用曲線和預(yù)測出力曲線

通過分析可知，本文算例中分布式風(fēng)光消納率的提高完全是制定了配電網(wǎng)內(nèi)分時(shí)電價(jià)的作用。配電網(wǎng)中分布式風(fēng)光消納率受到眾多因素的影響，如風(fēng)光出力曲線、負(fù)荷曲線、儲(chǔ)能容量大小、儲(chǔ)能充放電上下限等，在本文模型中，還受到負(fù)荷構(gòu)成、第Ⅰ類負(fù)荷的轉(zhuǎn)移率、第Ⅱ類負(fù)荷電價(jià)彈性系數(shù)矩陣的影響。不管是否采用本文分時(shí)電價(jià)模式，模型中已經(jīng)考慮了消納率提高的各種手段，充分利用了儲(chǔ)能的削峰填谷作用發(fā)掘了分布式風(fēng)光消納率，因此在采用本文模型后消納率的提高完全是分時(shí)電價(jià)模式的作用。

事實(shí)上，主動(dòng)配電網(wǎng)制定的分時(shí)電價(jià)與外網(wǎng)分時(shí)電價(jià)對比如圖5所示。

圖5 外網(wǎng)分時(shí)電價(jià)和主動(dòng)配電網(wǎng)制定網(wǎng)內(nèi)分時(shí)電價(jià)對比

可見，本文算例中風(fēng)光高滲透率較高，而這給予了主動(dòng)配電網(wǎng)通過分時(shí)電價(jià)制定機(jī)制獲取了更大收益空間的同時(shí)，提高了分布式風(fēng)光消納率。

分時(shí)電價(jià)機(jī)制通過負(fù)荷的需求響應(yīng)特性改變了負(fù)荷曲線，主動(dòng)配電網(wǎng)在分時(shí)電價(jià)機(jī)制下的總負(fù)荷響應(yīng)曲線如圖6所示。

圖6 分時(shí)電價(jià)機(jī)制下總負(fù)荷響應(yīng)曲線

由圖6可見，當(dāng)主動(dòng)配電網(wǎng)采用分時(shí)電價(jià)機(jī)制時(shí)，在風(fēng)光出力大于負(fù)荷水平時(shí)，提高了負(fù)荷需求，使其基本達(dá)到了不確定風(fēng)光出力水平，增大了消納率。當(dāng)負(fù)荷高峰而分布式風(fēng)光出力處于低谷時(shí)，對風(fēng)光出力進(jìn)行充分的消納。在未采用分時(shí)電價(jià)機(jī)制下，主動(dòng)配電網(wǎng)1天的負(fù)荷需求為42.341 MWh，在分時(shí)電價(jià)機(jī)制下，1天的負(fù)荷需求為48.038 MWh，可見，分時(shí)電價(jià)機(jī)制大幅增加了負(fù)荷需求，產(chǎn)生更大的社會(huì)經(jīng)濟(jì)效益。

主動(dòng)配電網(wǎng)在未采用分時(shí)電價(jià)機(jī)制時(shí)和采用分時(shí)電價(jià)機(jī)制下的1天收益對比如圖7所示。

由圖7可見，在分時(shí)電價(jià)機(jī)制下，主動(dòng)配電網(wǎng)的收益大幅度提高，而且基本上是在風(fēng)光出力高于負(fù)荷

圖7 分時(shí)電價(jià)機(jī)制前后主動(dòng)配電網(wǎng)1天收益對比

需求時(shí)產(chǎn)生的，其余時(shí)段中不管有沒有分時(shí)電價(jià)機(jī)制收益差別不大，這一方面是因?yàn)楸疚闹鲃?dòng)配電網(wǎng)的電源配置容量足夠滿足負(fù)荷需要，因此基本上沒有進(jìn)行負(fù)荷中斷，另一方面，由于本文模型對主動(dòng)配電網(wǎng)制定網(wǎng)內(nèi)分時(shí)電價(jià)的行為進(jìn)行了合理的約束，使其不能通過該機(jī)制獲取不合理的壟斷利益。事實(shí)上，在采用分時(shí)電價(jià)機(jī)制前主動(dòng)配電網(wǎng)1天的總收益為 15 151元，用戶1天平均購電電價(jià)為0.604 9元/(kWh)，采用分時(shí)電價(jià)機(jī)制后主動(dòng)配電網(wǎng)1天總收益增加為20 489元，用戶1天平均購電成本下降為為0.451 0/(kW·h)?？梢姺謺r(shí)電價(jià)增加了負(fù)荷需求和主動(dòng)配電網(wǎng)收益，降低了用戶平均購電成本，最主要的是提高了分布式風(fēng)光的消納率，達(dá)成了雙贏的結(jié)果。

6 結(jié)論與展望

本文首先分析了負(fù)荷水平對分時(shí)電價(jià)的響應(yīng)模型，其次提出了分時(shí)電價(jià)機(jī)制下主動(dòng)配電網(wǎng)接入分布式風(fēng)光就地消納模型。通過賦予主動(dòng)配電網(wǎng)制定網(wǎng)內(nèi)分時(shí)電價(jià)的權(quán)力，可以增大用戶負(fù)荷需求，提高主動(dòng)配電網(wǎng)收益，降低用戶平均購電價(jià)格，以及增大了分布式風(fēng)光就地消納率。

本文的方法需要較高的智能化負(fù)荷管理基礎(chǔ)。在實(shí)際工程中，如果負(fù)荷管理技術(shù)發(fā)展不充分，則需要將分時(shí)電價(jià)先設(shè)置為較小的分段差異，隨著工藝改造逐步調(diào)整為理想值，調(diào)整周期根據(jù)地區(qū)用電特性而定。在發(fā)展到一定階段的狀況下，可以根據(jù)天氣狀況每個(gè)月份或季度制定具體的電價(jià)安排，而且在需要就地消納的地區(qū)也可以采用專門的本地電價(jià)，或者依然沿用統(tǒng)一電價(jià)水平，但通過補(bǔ)貼等方式間接實(shí)現(xiàn)分時(shí)電價(jià)的需求響應(yīng)。在更加成熟的智能電網(wǎng)階段，如在相關(guān)的示范工程項(xiàng)目中，可通過智能電網(wǎng)技術(shù)采用日前電價(jià)的方式，直接實(shí)現(xiàn)快速的需求響應(yīng)，該方式可通過源荷互動(dòng)實(shí)現(xiàn)最大程度的整體優(yōu)化。

7 參考文獻(xiàn)

[1] 劉皓明，陸丹，楊波，等. 可平抑高滲透分布式風(fēng)光發(fā)電功率波動(dòng)的儲(chǔ)能電站調(diào)度策略[J]. 高電壓技術(shù)，2015,41(10): 3214-3223.

LIU Haoming, LU Dan, YANG Bo，et al. Dispatch strategy of energy storage station to smooth power fluctuations of high penetration photovoltaic generation[J]. High Voltage Engineering, 2015,41(10): 3214-3223.

[2] 白建華，辛頌旭，賈德香，等. 中國風(fēng)電開發(fā)消納及輸送相關(guān)重大問題研究[J]. 電網(wǎng)與清潔能源，2010,26(1)：14-17.

BAI Jianhua, XING Songxu, JIA Dexiang，et al. Study of major questions of wind power digestion and transmission in China[J]. Power System and Clean Energy，2010,26(1)：14-17.

[3] 趙波，韋立坤，徐志成, 等. 計(jì)及儲(chǔ)能系統(tǒng)的饋線風(fēng)光消納能力隨機(jī)場景分析[J]. 電力系統(tǒng)自動(dòng)化，2015，39(9)：33-40.

ZHAO Bo，WEI Likun，XU Zhicheng，et al. Photovoltaic accommodation capacity determination of actual feeder based on stochastic scenarios analysis with storage system considered[J]. Automation of Electric Power Systems，2015,39(9)：33-40.

[4] 欒偉杰，蔣獻(xiàn)偉，張節(jié)潭，等.考慮主動(dòng)管理的分布式光伏發(fā)電消納能力研究[J].電力建設(shè)，2016，37(1)：137-143.

LUAN Weijie，JIANG Xianwei，ZHANG Jietan，et al. Consumptive ability analysis for distributed photovoltaic generation considering active management[J]. Electric Power Construction,2016，37 (1)：137-143.

[5] 郭飛，王智冬，王帥，等. 我國風(fēng)電消納現(xiàn)狀及輸送方式[J]. 電力建設(shè)，2014，35( 2) : 18-22.

GUO Fei，WANG Zhidong，WANG Shuai，et al. Consumption situation and transmission modes of wind power in China [J].Electric Power Construction，2014，35(2)：18-22.

[6] 歐陽聰，劉明波. 考慮網(wǎng)絡(luò)傳輸約束的并網(wǎng)風(fēng)光發(fā)電消納容量計(jì)算[J]. 電力系統(tǒng)保護(hù)與控制，2016，44(5):17-23.

OUYANG Cong, LIU Mingbo. Computing of accommodation capacity of grid-integrated photovoltaic generation considering network’s transmission constraints[J]. Power System Protection and Control,2016, 44(5):17-23.

[7] 湯奕，魯針針，伏祥運(yùn). 居民主動(dòng)負(fù)荷促進(jìn)分布式電源消納的需求響應(yīng)策略[J]. 電力系統(tǒng)自動(dòng)化，2015，39(24)：49-55.

TANG Yi, LU Zhenzhen, FU Xiangyun. Demand response strategies for promotion accommodation of distrubuted power generation with residential active loads[J]. Automation of Electric Power Systems, 2015,39(24):49-55.

[8] 姚天亮，鄭海濤，楊德洲. 甘肅河西500萬 kW風(fēng)光就地消納及調(diào)峰分析[J]. 中國電力，2014，47(3)：14-18.

YAO Tianliang, ZHENG Haitao，YANG Dezhou. Analysis on local accommodation and peaking issues of 5000 MW PV in Hexi area of Gansu province[J]. Electric Power,2014,47(3)：14-18.

[9] 寧光濤，謝海鵬，別朝紅. 海南電網(wǎng)分布式風(fēng)光消納能力評估[J]. 南方電網(wǎng)技術(shù)，2015，9(5)：59-65.

NING Guangtao, XIE Haipeng, BIE Zhaohong. Evaluation of distributed photovoltaic integration capacity of Hainan power grid[J]. Southern Power System Technology，2015，9(5)：59-65.

[10] 余瀟瀟，張璞，劉兆燕. 北京電網(wǎng)風(fēng)電發(fā)展與消納能力[J].電力建設(shè)，2015，36(8) : 49-54.

YU Xiaoxiao，ZHANG Pu，LIU Zhaoyan. Development and maximum accommodating capacity of wind power in Beijing power grid[J]. Electric Power Construction, 2015，36(8): 49-54.

[11] 曾丹，姚建國，楊勝春，等.應(yīng)對風(fēng)電消納中基于安全約束的價(jià)格型需求響應(yīng)優(yōu)化調(diào)度建模[J].中國電機(jī)工程學(xué)報(bào)，2014，34(31)：5571-5578.

ZENG Dan，YAO Jianguo，YANG Shengchun，et al .Optimization dispatch modeling for price-based demand response considering security constraints to accommodate the wind power[J].Proceedings of the CSEE，2014，34(31)：5571-5578.

[12] 阮文駿, 王蓓蓓, 李揚(yáng). 峰谷分時(shí)電價(jià)下的用戶響應(yīng)行為[J]. 電網(wǎng)技術(shù), 2012, 36(7): 86-93.

RUAN Wenjun, WANG Beibei, LI Yang. Customer response behavior in time-of-use price[J]. Power System Technology, 2012, 36(7): 86-93.

[13] 王成山，鄭海峰，謝瑩華，等.計(jì)及分布式發(fā)電的配電系統(tǒng)隨機(jī)潮流計(jì)算[J].電力系統(tǒng)自動(dòng)化，2005，29(24)：39-44.

WANG Chengshan，ZHENG Haifeng，XIE Yinghua，et al.Probabilistic power flow containing distributed generation in distribution system[J].Automation of Electric Power Systems，2005，29(24)：39-44.

[14] KARAKI S H，CHEDID R B，RAMADAN R.Probabilistic performance assessment of autonomous solar-wind energy conversion systems [J].IEEE Transactions on Energy Conversion，1999，14(3)：766-772.

[15] 丁偉，袁家海，胡兆光. 基于用戶價(jià)格響應(yīng)和滿意度的峰谷分時(shí)電價(jià)決策模型[J]. 電力系統(tǒng)自動(dòng)化，2005，29(20)：10-14.

DING Wei，YUAN Jiahai，HU Zhaoguang. Time-of-use price decision model considering users reaction and satisfaction index[J]. Automation of Electric Power Systems，2005，29(20)：10-14.

[16] 戴雯霞，吳捷.無功功率優(yōu)化的改進(jìn)退火選擇遺傳算法[J].電網(wǎng)技術(shù)，2001，25(11)：33-37.

DAI Wenxia，WU Jie.A modified genetic algorithm with annealing selection for reactive power optimization[J].Power System Technology, 2001，25(11)：33-37.

[17] 劉科研, 盛萬興, 李運(yùn)華. 基于改進(jìn)遺傳模擬退化算法的無功優(yōu)化[J]. 電網(wǎng)技術(shù), 2007, 31(3): 13-19.

LIU Keyan, SHENG Wanxing, LI Yunhua. Research on reactive power optimization based on improved genetic simulated annealing algorithm [J]. Power System Technology, 2007, 31(3): 13-19.

[18] 尤毅，劉東，鐘清，等.主動(dòng)配電網(wǎng)優(yōu)化調(diào)度策略研究[J].電力系統(tǒng)自動(dòng)化，2014，38(9)：177-183.

YOU Yi，LIU Dong，ZHONG Qing, et al.Research on optimal schedule strategy for active distribution network[J].Automation of Electric Power Systems,2014，38(9)：177-183.

[19] 李鵬，徐偉娜，周澤遠(yuǎn)，等. 基于改進(jìn)萬有引力搜索算法的微網(wǎng)優(yōu)化運(yùn)行[J]. 中國電機(jī)工程學(xué)報(bào)，2014，34(19)：3073-3079.

LI Peng，XU Weina，ZHOU Zeyuan，et al. Optimal operation of microgrid based on improved gravitational search algorithm [J]. Proceedings of the CSEE，2014，34(19)：3073-3079.

(編輯 張媛媛)

Local Accommodation Model of Distributed Wind/Photovoltaic Power Based on TOU Power Price Mechanism

LI Peng1, HUA Haorui1, XU Shaojun2, CHANG Qiankun2

(1.State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, Hebei Province, China; 2.State Grid Beijing Electric Power Company, Beijing 100031, China)

This paper proposes a local accommodation model of distributed wind/photovoltaic power accessed to active distribution network based on time-of-use (TOU) power price mechanism, which is able to increase the accommodation rate of distributed wind/photovoltaic power by giving active distribution network the right to set the TOU power price. Firstly, this paper analyzes the price-based demand response of load under TOU power price mechanism based on load classification. Then, this paper constructs a local accommodation model of distributed wind/photovoltaic power accessed to active distribution network based on TOU power price mechanism, whose objective function is the maximum wind/photovoltaic power accommodation rate while considering several necessary constraints. And this paper adopts simulated annealing algorithm to solve the proposed model. Lastly, the example results show that the proposed method can increase the accommodation rate of wind/photovoltaic power accessed to active distribution network effectively.

active distribution network(ADN); distributed wind/photovoltaic; wind/photovoltaic accommodation; demand response; simulated annealing algorithm

國家電網(wǎng)公司科技項(xiàng)目(520201150012)

TM 61

A

1000-7229(2016)12-0104-08

10.3969/j.issn.1000-7229.2016.12.014

2016-04-27

李鵬(1965)，男，博士，教授，IEEE高級會(huì)員，主要研究方向?yàn)樾履茉床⒕W(wǎng)發(fā)電微網(wǎng)技術(shù)、電能質(zhì)量分析與控制、電力電子技術(shù)在智能電網(wǎng)中的應(yīng)用等；

華浩瑞(1992)，男，碩士研究生，主要研究方向?yàn)樾履茉床⒕W(wǎng)發(fā)電與微網(wǎng)技術(shù)；

常乾坤(1985)，男，博士，高級工程師，主要研究方向?yàn)殡娏﹄娮蛹夹g(shù)、傳感器控制技術(shù)；

徐紹軍(1975)，男，碩士，高級工程師，主要研究方向?yàn)殡娏ο到y(tǒng)分析，科技項(xiàng)目管理。