胡美玉，胡志堅(jiān)

(武漢大學(xué)電氣工程學(xué)院，武漢市 430072)

考慮需求響應(yīng)的有源配電系統(tǒng)可靠性評(píng)估

胡美玉，胡志堅(jiān)

(武漢大學(xué)電氣工程學(xué)院，武漢市 430072)

提出一種考慮需求響應(yīng)(demand response，DR)的配電系統(tǒng)可靠性評(píng)估算法。首先采用改進(jìn)隸屬度函數(shù)進(jìn)行峰谷時(shí)段劃分，并建立綜合分時(shí)電價(jià)和激勵(lì)機(jī)制的用戶響應(yīng)模型。為提高可靠性評(píng)估效率，提出基于閾值和最小距離的聚類方法產(chǎn)生年負(fù)荷的多狀態(tài)模型。計(jì)及風(fēng)力發(fā)電機(jī)出力的相關(guān)性，利用秩相關(guān)系數(shù)、拉丁超立方抽樣和Cholesky分解獲取風(fēng)機(jī)輸出功率的相關(guān)性樣本。在此基礎(chǔ)上，通過修正孤島穩(wěn)定運(yùn)行概率對(duì)傳統(tǒng)可靠性指標(biāo)的影響,可實(shí)現(xiàn)考慮負(fù)荷響應(yīng)的有源配電網(wǎng)可靠性分析。應(yīng)用所述的方法對(duì)算例進(jìn)行可靠性評(píng)估，結(jié)果表明需求響應(yīng)策略能改善電網(wǎng)可靠性和提高電能利用率。

需求響應(yīng)(DR)；風(fēng)力發(fā)電機(jī)；相關(guān)性；配電網(wǎng)；可靠性評(píng)估

0 引 言

需求響應(yīng)(demand response，DR)是指電力用戶根據(jù)價(jià)格信號(hào)或激勵(lì)機(jī)制做出響應(yīng)，改變固有習(xí)慣用電模式的行為[1]。在電力市場競爭中引入需求響應(yīng)，可以引導(dǎo)用戶參與到電力系統(tǒng)的削峰填谷行為中，改善負(fù)荷曲線，從而實(shí)現(xiàn)與風(fēng)電出力互補(bǔ)，平緩風(fēng)電的隨機(jī)性和波動(dòng)性給供電可靠性帶來的影響，提高新能源的接納能力[2-3]。

國內(nèi)外已有大量學(xué)者對(duì)需求響應(yīng)展開研究[4-6]，但是大多數(shù)集中在需求響應(yīng)的經(jīng)濟(jì)效益或者系統(tǒng)備用配置優(yōu)化，對(duì)配電系統(tǒng)可靠性[7-8]影響的研究較少。文獻(xiàn)[9]提出了一種考慮分時(shí)電價(jià)的智能配電系統(tǒng)可靠性評(píng)估算法，但只考慮單一負(fù)荷水平，計(jì)算精度不高。在此基礎(chǔ)上，文獻(xiàn)[10]采用基于二分法的聚類負(fù)荷[11]分析對(duì)年負(fù)荷曲線進(jìn)行分級(jí)劃分，將各級(jí)負(fù)荷水平下的可靠性指標(biāo)進(jìn)行加權(quán)平均，提高了可靠性評(píng)估的精度。但仍存在以下問題：基于二分法的聚類模型按照位置間隔選取初始聚類中心，可能導(dǎo)致初始聚類中心恰好落在目標(biāo)函數(shù)的局部最優(yōu)值附近，使算法收斂到局部；需進(jìn)行多次聚類，不利于可靠性指標(biāo)的快速計(jì)算；僅僅針對(duì)需求響應(yīng)中的電價(jià)機(jī)制；并未考慮分布式電源出力的間歇性與相關(guān)性。

事實(shí)上，需求響應(yīng)措施按照用戶的響應(yīng)方式可劃分為基于價(jià)格的需求響應(yīng)和基于激勵(lì)的需求響應(yīng)[12]。并且隨著分布式電源的大量接入，同一地理位置不同類發(fā)電系統(tǒng)間或不同地理位置同類發(fā)電系統(tǒng)間均具有相關(guān)性[13]。

本文將建立一種考慮需求響應(yīng)和相關(guān)性的可靠性評(píng)估算法。采用改進(jìn)隸屬度函數(shù)進(jìn)行峰谷時(shí)段劃分，以解決峰谷區(qū)間臨界點(diǎn)難以合理確定的問題。綜合考慮分時(shí)電價(jià)和激勵(lì)機(jī)制的影響，建立用戶響應(yīng)模型。提出基于閾值和最小距離的聚類方法獲得年負(fù)荷多狀態(tài)模型，并避免多次聚類。利用秩相關(guān)系數(shù)，拉丁超立方抽樣和Cholesky分解產(chǎn)生風(fēng)機(jī)出力的相關(guān)性樣本。結(jié)合孤島運(yùn)行概率，修正孤島運(yùn)行對(duì)傳統(tǒng)可靠性指標(biāo)的影響進(jìn)行考慮需求響應(yīng)的有源配電網(wǎng)可靠性評(píng)估，最后通過算例仿真驗(yàn)證所提方法的可行性和有效性。

1 用戶響應(yīng)模型

1.1 時(shí)段劃分

實(shí)施需求響應(yīng)的主要目的就是通過用戶調(diào)整用電負(fù)荷和用電時(shí)間，實(shí)現(xiàn)削峰填谷，平緩電力負(fù)荷曲線。負(fù)荷曲線上各點(diǎn)處于峰時(shí)段或谷時(shí)段的可能性可采用半梯形隸屬函數(shù)確定[14]。其中采用偏小型半梯形隸屬度函數(shù)來確定各時(shí)間點(diǎn)處于谷時(shí)段的可能性為A，偏大型半梯形隸屬度函數(shù)來確定各時(shí)間點(diǎn)處于峰時(shí)段的可能性為B。

(1)

(2)

式中：a為各時(shí)間點(diǎn)負(fù)荷集合的最小值；b為各時(shí)間點(diǎn)負(fù)荷集合的最大值；qi為時(shí)間點(diǎn)i對(duì)應(yīng)的負(fù)荷值。

取70%作為劃分標(biāo)準(zhǔn)，得到峰、谷、平時(shí)段對(duì)應(yīng)的時(shí)間點(diǎn)數(shù)量分別為n1、n2、24-n1-n2。為合理確定峰谷區(qū)間臨界點(diǎn)的問題，采用2個(gè)修正策略[15]：各時(shí)段的時(shí)間點(diǎn)數(shù)量應(yīng)控制在6～10個(gè)，并且峰時(shí)段數(shù)量不超過8個(gè)；每個(gè)時(shí)段不小于2 h[14]，將孤立時(shí)間點(diǎn)歸并至相鄰時(shí)間點(diǎn)集合，或者將相鄰時(shí)間點(diǎn)歸并至孤立時(shí)間點(diǎn)集合。采用顯著性指標(biāo)S計(jì)算分類效果，S越大，分類效果越好。

(3)

(4)

式中：Q1—Q3分別表示峰平谷時(shí)段的負(fù)荷集合。Qni、Qnk為負(fù)荷集合Qn中任意2個(gè)不同的負(fù)荷值。

1.2 需求響應(yīng)效果測算模型

分時(shí)電價(jià)與激勵(lì)機(jī)制的引入導(dǎo)致用戶主動(dòng)降低用電量，采用需求價(jià)格彈性來定量表征電力價(jià)格變化對(duì)用戶行為特性的影響。

(5)

式中：ρ表示電價(jià)；d表示電量。

需求價(jià)格彈性E(i,k)描述了時(shí)刻i的電力需求量的變化率與時(shí)刻k的電價(jià)變化率之間的關(guān)系。有些時(shí)間點(diǎn)對(duì)應(yīng)的負(fù)荷并不能向其他時(shí)間點(diǎn)轉(zhuǎn)移，這些負(fù)荷的彈性值為負(fù)，稱為“自彈性系數(shù)”；有些時(shí)間點(diǎn)的負(fù)荷能向其他時(shí)間點(diǎn)轉(zhuǎn)移，這些負(fù)荷的彈性值為正，稱為“交叉彈性系數(shù)”。

(6)

設(shè)引入需求響應(yīng)后，i時(shí)刻用戶用電量由d0(i)變化為d(i)，則負(fù)荷改變量如式(7)所示。

Δd(i)=d(i)-d0(i)

(7)

設(shè)i時(shí)刻用戶削減單位負(fù)荷獲得的獎(jiǎng)勵(lì)為Ci；電力系統(tǒng)出現(xiàn)容量短缺時(shí)，用戶義務(wù)減少的電力負(fù)荷為IC(i)；削減量不足IC(i)的部分，單位負(fù)荷的懲罰為Di。用戶獲得的獎(jiǎng)勵(lì)和懲罰分別為：

IN(i)=CiΔd(i)

(8)

PEN(i)=Di·[IC(i)-Δd(i)]

(9)

假設(shè)H(i)為i時(shí)刻用戶使用電量為d(i)下的收益，則用戶總收益G可表示為

G=H(i)-d(i)ρ(i)+IC(i)-PEN(i)

(10)

為實(shí)現(xiàn)用戶總收益最大，采用總收益G對(duì)電量d(i)求一次導(dǎo)數(shù)，并令倒數(shù)值為0。

(11)

用戶在i時(shí)刻的收益與電量以及電價(jià)的關(guān)系可表示為[16]

(12)

等式兩邊同時(shí)對(duì)電量d(i)求一次導(dǎo)數(shù)，需求響應(yīng)引起的時(shí)刻i的負(fù)荷變化量如式(13)所示。

(13)

式中Δρ(i)=ρ(i)-ρ0(i)，表示引入需求響應(yīng)時(shí)刻i的電價(jià)變化。

以上分析僅僅針對(duì)單時(shí)刻點(diǎn)電價(jià)和激勵(lì)對(duì)負(fù)荷的影響，根據(jù)電力需求量變化率與電價(jià)變化率之間的線性關(guān)系，可得多時(shí)刻點(diǎn)負(fù)荷響應(yīng)模型為

(14)

2 負(fù)荷聚類

年負(fù)荷曲線由全年各個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的負(fù)荷值組成，其包含的負(fù)荷水平過多不易于直接應(yīng)用于配電系統(tǒng)可靠性評(píng)估，通常采用聚類技術(shù)將年負(fù)荷曲線中的負(fù)荷值劃分為多個(gè)等級(jí)。聚類技術(shù)的難點(diǎn)在于合理確定最優(yōu)分級(jí)方案，使得同一負(fù)荷族中的負(fù)荷值盡可能具有相似性，而不同負(fù)荷族之間盡可能具有差異性。設(shè)負(fù)荷集合為Q={q1,q2,…,qn}，基于閾值和最小距離的聚類方法具體步驟如下：

步驟1：對(duì)負(fù)荷集合Q按照由小到大排序，將相同負(fù)荷值的負(fù)荷點(diǎn)進(jìn)行合并，形成數(shù)組L(長度為Length),用數(shù)組Num存儲(chǔ)各個(gè)負(fù)荷值被合并的負(fù)荷點(diǎn)個(gè)數(shù)；

步驟2：計(jì)算L中相鄰負(fù)荷值的距離，并設(shè)定負(fù)荷距離閾值T：

(15)

(16)

步驟3：將距離最近的一對(duì)負(fù)荷值歸為第一類CL1；

步驟4：將負(fù)荷集合中與負(fù)荷類CLi中任意負(fù)荷值的距離小于T的負(fù)荷歸并至CLi中；

步驟5：計(jì)算剩余負(fù)荷的最小距離hm，若hm小于T,則將該對(duì)負(fù)荷值歸為一類，轉(zhuǎn)向步驟4，否則轉(zhuǎn)向步驟6；

步驟6：將該對(duì)負(fù)荷作為兩類，轉(zhuǎn)向步驟5；

步驟7：若最后一輪只剩1個(gè)負(fù)荷值，則將這個(gè)負(fù)荷值單獨(dú)定為一類。

上述聚類過程不需要人為選取初始聚類中心和負(fù)荷級(jí)數(shù)，只需根據(jù)年負(fù)荷的實(shí)際分布情況，將距離小于負(fù)荷距離閾值的負(fù)荷全部歸為一類。并可通過調(diào)整負(fù)荷閾值來增加或減小負(fù)荷級(jí)數(shù)，以滿足實(shí)際的精度或計(jì)算效率的需要。

設(shè)聚類結(jié)束后，第i個(gè)負(fù)荷族的負(fù)荷值、負(fù)荷點(diǎn)數(shù)目、概率分別為Qci、NLdi和PLi。

(17)

(18)

PLi=NLdi/N

(19)

式中：Ic為負(fù)荷族i中的負(fù)荷點(diǎn)集合；N為負(fù)荷點(diǎn)總數(shù)。

為評(píng)價(jià)分級(jí)聚類效果，引入基于負(fù)荷族內(nèi)和負(fù)荷族間距離的有效性指標(biāo)Val，設(shè)分級(jí)聚類個(gè)數(shù)為M。

(20)

同一負(fù)荷族內(nèi)的負(fù)荷距離越小，不同負(fù)荷族之間的距離越大，有效性指標(biāo)越小，分級(jí)聚類效果越好。

3 風(fēng)機(jī)出力的相關(guān)性樣本

大量研究表明，風(fēng)速服從威布爾分布，風(fēng)機(jī)輸出功率與風(fēng)速為非線性關(guān)系[17-18]。當(dāng)計(jì)及相關(guān)性時(shí)，風(fēng)機(jī)出力服從相關(guān)非正態(tài)分布，而當(dāng)前沒有適用于相關(guān)非正態(tài)分布的直接抽樣方法。秩相關(guān)系數(shù)是隨機(jī)變量排列后的秩的Pearson相關(guān)系數(shù)，能較好地描述非正態(tài)分布隨機(jī)變量的非線性相關(guān)關(guān)系。拉丁超立方抽樣(Latin hypercube sampling，LHS)[19-20]是一種分層抽樣技術(shù)，能使抽樣點(diǎn)盡可能覆蓋整個(gè)分布區(qū)間，提高抽樣精度和效率。Cholesky分解是應(yīng)用于LHS的排列方法，可以消除由于樣本隨機(jī)排列產(chǎn)生的相關(guān)性。結(jié)合秩相關(guān)系數(shù)、拉丁超立方抽樣和Cholesky分解可獲得與目標(biāo)秩相關(guān)系數(shù)一致的相關(guān)性風(fēng)速樣本，具體過程如下。

(1)結(jié)合風(fēng)速的歷史樣本數(shù)據(jù)，計(jì)算不同風(fēng)電場所在地區(qū)的風(fēng)速的目標(biāo)秩相關(guān)系數(shù)矩陣ρso=(ρij)。

(21)

(2)設(shè)隨機(jī)變量數(shù)為M1，采樣規(guī)模為N1，生成M1×N1階順序矩陣R，每一行均為1,2,…,N1組成的隨機(jī)整數(shù)序列；按照公式(21)計(jì)算R的秩相關(guān)系數(shù)矩陣ρsR。

(3)將隨機(jī)變量m的累積概率等分為N1個(gè)等概率區(qū)間[(i-1)/N,i/N]，其中i的取值為順序矩陣R的第m行，隨機(jī)抽取區(qū)間中的一個(gè)值pi。

(22)

式中r為[0,1]均勻分布的隨機(jī)數(shù)。

(4)對(duì)威布爾分布函數(shù)進(jìn)行逆變換，得到區(qū)間[(i-1)/N,i/N]對(duì)應(yīng)的采樣值vi=F-1(pi)，最終可得M1×N1階初始樣本矩陣S。

(5)為消除因矩陣R各行隨機(jī)排列產(chǎn)生的相關(guān)性，對(duì)ρsR進(jìn)行Cholesky分解，P為其分解得到的下三角矩陣；按照公式(24)計(jì)算矩陣G，其秩相關(guān)系數(shù)矩陣為單位矩陣。

ρsR=PPT

(23)

G=P-1R

(24)

(6)對(duì)目標(biāo)秩相關(guān)系數(shù)矩陣ρso進(jìn)行Cholesky分解，Q為其分解后的下三角矩陣；將矩陣G更新為矩陣Gu，Gu的秩相關(guān)系數(shù)矩陣與ρso相等。

ρso=QQT

(25)

Gu=QG=QP-1R

(26)

(7)更新順序矩陣R為Ru，使得Ru各行排列順序與Gu一致。

(8)更新初始樣本矩陣S為Su，使得Su各行排列順序與Ru一致；Su即為秩相關(guān)系數(shù)矩陣與ρso近似相等的N1狀態(tài)相關(guān)性風(fēng)速樣本空間。

根據(jù)風(fēng)電機(jī)組出力和相關(guān)性樣本Su中風(fēng)速的關(guān)系，即可得到風(fēng)力發(fā)電機(jī)(wind turbines generator，WTG)的輸出功率。

4 計(jì)及負(fù)荷響應(yīng)和相關(guān)性的可靠性評(píng)估

不同季節(jié)的負(fù)荷用電具有明顯的季節(jié)性特征，因此峰谷時(shí)段劃分也會(huì)有所不同。簡單采用典型日負(fù)荷曲線來代替1年的負(fù)荷曲線進(jìn)行分析，會(huì)帶來較大誤差。本文對(duì)每個(gè)季節(jié)進(jìn)行峰谷時(shí)段劃分，并逐一修正需求響應(yīng)給年負(fù)荷曲線中的日負(fù)荷分布帶來的影響，然后對(duì)修正后的年負(fù)荷曲線進(jìn)行聚類分析。

DG接入配電網(wǎng)可以在主網(wǎng)正常時(shí)，與主電源一起給負(fù)荷供電；也可以在主網(wǎng)故障時(shí)，與主電網(wǎng)分離，向其所在的獨(dú)立配電網(wǎng)供電。但是受風(fēng)速隨機(jī)性的影響，WTG的輸出功率具有波動(dòng)性和間歇性。當(dāng)WTG的輸出功率小于負(fù)荷需求時(shí)，孤島不能形成，導(dǎo)致能源利用率不高。需求響應(yīng)的采用能有效緩解由于間歇性可再生能源帶來的電力供需矛盾，并且其成本只有儲(chǔ)能裝置的10%[1]。根據(jù)上文中聚類得到的多級(jí)負(fù)荷水平和WTG的相關(guān)性樣本，可計(jì)算孤島運(yùn)行的概率PIS如下：

(27)

式中：∑PDGi,∑Qcj分別為同一孤島內(nèi)DG總出力和總負(fù)荷；∑PDGi≥∑Qcj成立時(shí)，p{·}為該狀態(tài)DG出力對(duì)應(yīng)的概率，否則p{·}為0。

與傳統(tǒng)可靠性評(píng)估相比，DG的接入能在上游主饋線故障時(shí)，繼續(xù)給孤島內(nèi)的負(fù)荷供電。為使緊急情況下的故障恢復(fù)供電有序進(jìn)行，孤島應(yīng)當(dāng)有計(jì)劃地建立。因此孤島外的負(fù)荷可靠性與孤島的形成與否并沒有關(guān)系，仍然可按照傳統(tǒng)可靠性評(píng)估模型得到。

設(shè)LP為孤島內(nèi)的負(fù)荷，λ1、U1分別為DG接入前LP的故障率和年平均故障時(shí)間，PIS為孤島穩(wěn)定運(yùn)行的概率，λ2、U2分別為DG接入后LP的故障率和年平均故障時(shí)間，則孤島內(nèi)負(fù)荷的可靠性指標(biāo)計(jì)算如下：

λ3=(1-PIS)λ1+PISλ2=λ1-PIS(λ1-λ2)

(28)

U3=(1-PIS)U1+PISU2=U1-PIS(U1-U2)

(29)

認(rèn)為DG在孤島形成前后可以連續(xù)給孤島內(nèi)負(fù)荷供電，有無DG時(shí)LP的可靠性指標(biāo)的差別只取決于其上游主饋線元件故障參數(shù)以及孤島穩(wěn)定運(yùn)行的概率PISi，如式(30)—(31)所示。

(30)

(31)

式中m、λki、Uki分別為孤島上游主饋線元件的個(gè)數(shù)、故障率、年平均故障時(shí)間。

上述分析并未考慮通過削減負(fù)荷實(shí)現(xiàn)當(dāng)孤島內(nèi)DG出力不足時(shí)的剩余負(fù)荷的正常供電。因此，需要對(duì)此種情況下的正常供電負(fù)荷的可靠性進(jìn)行補(bǔ)償。

(32)

(33)

式中：PCi為實(shí)行切負(fù)荷策略下負(fù)荷i恢復(fù)供電的概率；λ4、U4分別為考慮切負(fù)荷策略后的負(fù)荷故障率和年平均故障時(shí)間。

綜合負(fù)荷重要程度以及位置因素確定負(fù)荷削減的優(yōu)先順序，定義負(fù)荷削減系數(shù)為IL。

ILi=αLi+βLi

(34)

式中：αLi為負(fù)荷的重要程度系數(shù)；βLi為負(fù)荷與孤島電源之間的電氣距離，即負(fù)荷與孤島電源之間的負(fù)荷個(gè)數(shù)(包含該負(fù)荷)。

5 算例分析

5.1 算例數(shù)據(jù)

為了驗(yàn)證本文所提方法和模型的有效性，以改進(jìn)IEEE RBTS BUS6主饋線F4為基礎(chǔ)，在分支線53、59處加入2個(gè)WTG，如圖1所示。該系統(tǒng)包括30條線路、23個(gè)負(fù)荷點(diǎn)、23個(gè)配電變壓器及熔斷器、4臺(tái)斷路器和9臺(tái)分段開關(guān)。所有負(fù)荷的年負(fù)荷曲線均采用IEEE-RTS79負(fù)荷百分比模型，負(fù)荷峰值以及元件可靠性參數(shù)參見文獻(xiàn)[20]。

設(shè)隔離開關(guān)和聯(lián)絡(luò)開關(guān)的切換時(shí)間均為1 h，LHS采樣規(guī)模為 1 000，WTG的額定功率為 1.2 MW，威布爾分布的形狀參數(shù)為3.97，尺度參數(shù)為10.7；切入風(fēng)速為3 m/s，額定風(fēng)速為14 m/s，切除風(fēng)速為25 m/s。負(fù)荷重要程度系數(shù)：工商業(yè)為1.2，農(nóng)業(yè)為1.1，居民用戶為1.0。

圖1 IEEE RBTS BUS6系統(tǒng)接線圖

5.2 需求響應(yīng)效果

雖然不同季節(jié)的峰谷時(shí)段不同，但是計(jì)算過程相同。不同季節(jié)的峰谷時(shí)段劃分結(jié)果如表1所示。

表1 不同季節(jié)時(shí)段劃分結(jié)果

Table 1 Results of different seasons’ time period partition

引入需求響應(yīng)前的電價(jià)為0.7元/(kW·h)，峰、平、谷時(shí)段的電價(jià)分別為1.00，0.75，0.20元/(kW·h)；激勵(lì)與懲罰均為0.10元/(kW·h)，需求價(jià)格彈性系數(shù)矩陣為

計(jì)算只采用電價(jià)機(jī)制(情景2)和綜合采用電價(jià)與激勵(lì)機(jī)制(情景3)后的負(fù)荷分布，并與引入需求響應(yīng)前的典型日負(fù)荷曲線(情景1)比較，如圖2所示?？梢钥闯?，分時(shí)電價(jià)的實(shí)施可有效改善負(fù)荷曲線，實(shí)現(xiàn)削峰填谷；綜合電價(jià)機(jī)制與激勵(lì)機(jī)制可使得負(fù)荷曲線更加平緩，改善效果更佳。

圖2 不同情景下的典型日負(fù)荷曲線

5.3 可靠性評(píng)估

將5.2節(jié)情景3的負(fù)荷曲線進(jìn)行聚類，最終得到的負(fù)荷分級(jí)數(shù)為750，有效性指標(biāo)為0.110 7。負(fù)荷類內(nèi)距離遠(yuǎn)小于負(fù)荷類間距離，說明聚類效果較好。由于分類數(shù)太多，在此不列出詳細(xì)的計(jì)算結(jié)果。

采用本文算法分別針對(duì)以下4種方案進(jìn)行可靠性計(jì)算。方案1：未接入DG，不考慮需求響應(yīng)；方案2：接入DG，不考慮需求響應(yīng)；方案3：接入DG，只考慮電價(jià)機(jī)制；方案4：接入DG，同時(shí)考慮電價(jià)和激勵(lì)機(jī)制。部分負(fù)荷的可靠性指標(biāo)如表2所示，系統(tǒng)可靠性指標(biāo)如表3所示。

表2 部分負(fù)荷點(diǎn)可靠性指標(biāo)

Table 2 Part load point reliability indices

表3 系統(tǒng)可靠性指標(biāo)

由表2和表3的計(jì)算結(jié)果可知，接入分布式電源能改善孤島內(nèi)負(fù)荷的停電時(shí)間和停電次數(shù)，如LP9和LP23，可以在總體上改善系統(tǒng)可靠性。比較方案2和方案3的可靠性指標(biāo)可見，引入需求響應(yīng)后，系統(tǒng)的年平均停電次數(shù)和停電時(shí)間得到進(jìn)一步減小，說明了需求響應(yīng)在平緩新能源出力波動(dòng)和提高能源利用率方面的作用。與方案3相比，方案4的SAIFI、SAIDI、ENS指標(biāo)更小，系統(tǒng)可靠性更高，說明綜合考慮各種需求響應(yīng)措施，可以更有效地減小負(fù)荷曲線的峰值，從而緩解由于間歇性可再生能源帶來的電力供需矛盾，提高配電系統(tǒng)的供電可靠性。

6 結(jié) 論

(1)基于改進(jìn)隸屬度函數(shù)的峰谷時(shí)段劃分模型，通過設(shè)定顯著性指標(biāo)和修正策略，能合理確定峰谷區(qū)間的臨界點(diǎn)。

(2)提出了基于閾值和最小距離的聚類方法，無須人為選取初始聚類中心和負(fù)荷級(jí)數(shù)，并可通過調(diào)整負(fù)荷閾值來增加或減小負(fù)荷級(jí)數(shù)，以滿足實(shí)際的精度或計(jì)算效率的需要。

(3)DG接入有利于改善配電系統(tǒng)的可靠性，需求響應(yīng)的實(shí)施可有效改善負(fù)荷峰谷差和平緩風(fēng)電功率的波動(dòng)性，能進(jìn)一步提高供電可靠性。

(4)綜合電價(jià)機(jī)制和激勵(lì)機(jī)制能使負(fù)荷曲線的改善效果更佳；可見同時(shí)實(shí)施多種策略能更有效引導(dǎo)用戶參與到電力系統(tǒng)的削峰填谷，大大降低電力系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)。

[1]田世明, 王蓓蓓, 張晶. 智能電網(wǎng)條件下的需求響應(yīng)關(guān)鍵技術(shù)[J]. 中國電機(jī)工程學(xué)報(bào),2014, 34(22): 3576-3589.

TIAN Shiming, WANG Beibei, ZHANG Jing. Key technologies for demand response in smart grid[J]. Proceedings of the CSEE,2014, 34(22): 3576-3589.

[2]MOURA P S, ALMEIDA A T D. The role of demand-side management in the grid integration of wind power[J]. Applied Energy, 2010, 87(8):2581-2588.

[3]胡美玉, 胡志堅(jiān), 史夢夢. 基于改進(jìn)粒子群優(yōu)化算法的DG準(zhǔn)入容量與優(yōu)化布置[J]. 電力建設(shè),2014, 35(12): 111-115.

HU Meiyu, HU Zhijian, SHI Mengmeng. Penetration level and optimize layout of distributed generation based on improved particle swarm optimization algorithm[J]. Electric Power Construction,2014, 35(12): 111-115.

[4]劉小聰, 王蓓蓓, 李揚(yáng), 等. 基于實(shí)時(shí)電價(jià)的大規(guī)模風(fēng)電消納機(jī)組組合和經(jīng)濟(jì)調(diào)度模型[J]. 電網(wǎng)技術(shù),2014, 38(11): 2955-2963.

LIU Xiaocong, WANG Beibei, LI Yang,et al. Unit commitment model and economic dispatch model based on real time pricing for large-scale wind power accommodation[J]. Power System Technology,2014, 38(11): 2955-2963.

[5]包宇慶, 李揚(yáng), 王春寧, 等. 需求響應(yīng)參與大規(guī)模風(fēng)電接入下的電力系統(tǒng)頻率調(diào)節(jié)研究[J]. 電力系統(tǒng)保護(hù)與控制,2015, 45(4): 32-37.

BAO Yuqing, LI Yang, WANG Chunning,et al. On demand response participating in the frequency control of the grid under high wind penetration[J]. Power System Protection and Control,2015, 45(4): 32-37.

[6]張穎, 容展鵬, 張宇雄, 等. 基于微電網(wǎng)的電網(wǎng)需求響應(yīng)研究[J]. 電力系統(tǒng)保護(hù)與控制,2015, 43(21): 20-26.

ZHANG Ying, RONG Zhanpeng, ZHANG Yuxiong,et al. Study of grid demand response based on micro grid[J]. Power System Protection and Control,2015, 43(21): 20-26.

[7]胡美玉, 胡志堅(jiān), 鄧奧攀, 等. 基于元件層級(jí)和電源可達(dá)性的配電網(wǎng)可靠性評(píng)估混合算法[J]. 電力系統(tǒng)保護(hù)與控制,2016, 44(8): 22-29.

HU Meiyu, HU Zhijian, DENG Aopan,et al. Hybrid algorithm for reliability evaluation of distribution network based on element hierarchy and power accessibility[J]. Power System Protection and Control,2016, 44(8): 22-29.

[8]胡美玉, 胡志堅(jiān), 汪祥, 等. 基于雙向?qū)蛹?jí)結(jié)構(gòu)的計(jì)及開關(guān)故障的配電系統(tǒng)可靠性評(píng)估[J]. 電網(wǎng)技術(shù),2016, 40(5): 1476-1481.

HU Meiyu, HU Zhijian, WANG Xiang,et al. Reliability evaluation of distribution network taking switch faults into account based on bidirectional hierarchical structure[J]. Power System Technology,2016, 40(5): 1476-1481.

[9]謝海鵬, 別朝紅, 華博文, 等. 考慮分時(shí)電價(jià)的智能配電系統(tǒng)可靠性評(píng)估[EB/OL].(2013-01-09) [2016-07-22]. http:/www.paper.edu.cn/releasepaper/content/201301-445.

[10]趙洪山, 王瑩瑩, 陳松. 需求響應(yīng)對(duì)配電網(wǎng)供電可靠性的影響[J]. 電力系統(tǒng)自動(dòng)化,2015, 39(17): 49-55.

ZHAO Hongshan, WANG Yingying, CHEN Song. Impact of demand respond on distribution system reliability[J]. Automation of Electric Power Systems,2015, 39(17): 49-55.

[11]魯國起, 張軼, 張焰, 等. 基于二分法的聚類負(fù)荷模型及其在電力系統(tǒng)可靠性評(píng)估中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制,2011, 39(10): 31-36.

LU Guoqi, ZHANG Yi, ZHANG Yan,et al. Clustering load model based on the dichotomy and its application in power system reliability evaluation[J]. Power System Protection and Control,2011, 39(10): 31-36.

[12]KIRSCHEN D S, STRBAC G, CUMPERAYOT P,et al. Factoring the elasticity of demand in electricity prices[J]. IEEE Transactions on Power Systems, 2000, 15(2):612-617.

[13]胡美玉, 胡志堅(jiān), 胡夢月. 計(jì)及相關(guān)性的含分布式電源配電系統(tǒng)可靠性評(píng)估[J]. 電力建設(shè),2016, 37(9): 108-114.

HU Meiyu, HU Zhijian, HU Mengyue.Reliability evaluation of distribution network with distributed generation considering correlations[J]. Electric Power Construction,2016, 37(9): 108-114.

[14]丁寧, 吳軍基, 鄒云. 基于DSM的峰谷時(shí)段劃分及分時(shí)電價(jià)研究[J]. 電力系統(tǒng)自動(dòng)化,2001, 25(23): 9-12.

DING Ning, WU Junji, ZOU Yun. Research of peak and valley time period partition approach and TOU price on DSM[J]. Automation of Electric Power Systems,2001, 25(23): 9-12.

[15]連振洲, 溫步瀛, 江岳文. 基于負(fù)荷曲線分布特征的峰谷時(shí)段劃分和修正策略研究[J]. 電網(wǎng)與清潔能源,2014, 30(7): 15-19.

LIAN Zhenzhou, WEN Buying, JIANG Yuewen. Peak-valley time period partition and correction strategy based on the load curve distribution[J]. Power System and Clean Energy,2014, 30(7): 15-19.

[16]AALAMI H A, MOGHADDAM M P, YOUSEFI G R. Demand response modeling considering interruptible/curtailable loads and capacity market programs[J]. Applied Energy, 2010, 87(1):243-250.

[17]ZHANG Shenxi, CHENG Haozhong, ZHANG Libo,et al. Probabilistic evaluation of available load supply capability for distribution system[J]. IEEE Transactions on Power Systems, 2013, 28(3):3215-3225.

[18]王彤, 盧斯煜, 金小明, 等. 風(fēng)電并網(wǎng)對(duì)南方電網(wǎng)可靠性的影響評(píng)估[J]. 電力建設(shè),2015,36(10): 161-166.

WANG Tong, LU Siyu, JIN Xiaoming,et al. Influence assessment of wind power integration on China southern power gridreliability[J]. Electric Power Construction,2015,36(10): 161-166.

[19]張巍峰, 車延博, 劉陽升. 電力系統(tǒng)可靠性評(píng)估中的改進(jìn)拉丁超立方抽樣方法[J]. 電力系統(tǒng)自動(dòng)化,2015, 39(4): 52-57.

ZHANG Weifeng, CHE Yanbo, LIU Yangsheng. Improved Latin hypercube sampling method for reliability evaluation of power systems[J]. Automation of Electric Power Systems,2015, 39(4): 52-57.

[20]BILLINTON R, JONNAVITHULA S. A test system for teaching overall power system reliability assessment[J]. IEEE Transactions on Power Systems, 1996, 11(4):1670-1676.

(編輯 劉文瑩)

An Active Distribution System Reliability Evaluation Method Considering Demand Response

HU Meiyu, HU Zhijian

(School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

This paper proposes a new reliability evaluation method for distribution system considering demand response. Firstly, we divided the peak-valley periods based on improved membership function and established a customer response model integrating time-of-use price and incentives. To improve the reliability assessment efficiency, a clustering method based on threshold and minimum distance was proposed to generate annual load multi-state model. We applied the correlation coefficient matrix, Latin hypercube sampling and Cholesky decomposition to get the correlation sample of wind turbine generator output. Finally, the reliability analysis of active distribution network considering demand response can be realized by correcting the traditional reliability index based on island stable operation probability. Applying the proposed method to the reliability evaluation of example, the results show that the demand response strategy can improve the reliability and energy efficiency of grid.

demand response(DR); wind turbine generator; correlations; distribution network; reliability evaluation

高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20110141110032)

TM 72

A

1000-7229(2016)12-0112-07

10.3969/j.issn.1000-7229.2016.12.015

2016-08-09

胡美玉(1990)，女，碩士研究生，主要從事電力系統(tǒng)可靠性分析、含DG的配電網(wǎng)優(yōu)化運(yùn)行的研究工作；

胡志堅(jiān)(1969)，男，通信作者，博士，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)穩(wěn)定分析與控制、新能源與分布式發(fā)電。