任立，邱曉燕，劉波，韓軒，謝兼達(dá)，沙熠

（四川大學(xué)電氣信息學(xué)院，智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室，四川成都 610065）

基于logit離散選擇模型的考慮需求響應(yīng)含風(fēng)電系統(tǒng)優(yōu)化調(diào)度

任立，邱曉燕，劉波，韓軒，謝兼達(dá)，沙熠

（四川大學(xué)電氣信息學(xué)院，智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室，四川成都 610065）

風(fēng)電因?yàn)槠浔旧砭哂胁▌?dòng)性、間歇性等特點(diǎn)，風(fēng)電并網(wǎng)增加了傳統(tǒng)電力系統(tǒng)優(yōu)化調(diào)度的難度。引入需求響應(yīng)，重新整合用戶側(cè)資源，能有效提高風(fēng)電并網(wǎng)的經(jīng)濟(jì)性。因此，建立考慮需求響應(yīng)的風(fēng)電并網(wǎng)優(yōu)化調(diào)度的新模型。首先建立基于logit離散選擇模型的用戶對(duì)電價(jià)菜單的自主選擇模型，用戶選擇不同菜單電價(jià)并作出相應(yīng)的負(fù)荷削減。然后建立考慮用戶菜單電價(jià)選擇和可中斷負(fù)荷調(diào)用的需求響應(yīng)含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度模型，將可中斷負(fù)荷調(diào)用容量作為系統(tǒng)部分旋轉(zhuǎn)備用容量。目標(biāo)函數(shù)在傳統(tǒng)含風(fēng)電系統(tǒng)優(yōu)化調(diào)度模型基礎(chǔ)上，加入可中斷負(fù)荷調(diào)用成本。最后，利用蛙跳簡化粒子群算法對(duì)改進(jìn)后含風(fēng)電場(chǎng)的IEEE-RTS24系統(tǒng)進(jìn)行分析驗(yàn)證，結(jié)果證明本文所建立模型的正確性和有效性。

風(fēng)電；需求響應(yīng)；離散選擇模型；可中斷負(fù)荷

隨著我國能源消費(fèi)與生產(chǎn)的持續(xù)增長，導(dǎo)致能源危機(jī)、環(huán)境污染、氣候變化等問題愈加嚴(yán)重。近年來，我國大力發(fā)展清潔能源，尤其是風(fēng)電發(fā)展迅速，風(fēng)電裝機(jī)容量在國內(nèi)呈快速增長趨勢(shì)[1-2]。風(fēng)電具有波動(dòng)性、隨機(jī)性、間歇性等特點(diǎn)以及反調(diào)峰特性，因此風(fēng)電大規(guī)模并網(wǎng)對(duì)電網(wǎng)的影響值得關(guān)注[3-6]。研究含風(fēng)電的電力系統(tǒng)優(yōu)化調(diào)度，提高風(fēng)電接入電網(wǎng)的經(jīng)濟(jì)性具有重要的現(xiàn)實(shí)意義。文獻(xiàn)[7]從風(fēng)資源角度，考慮了預(yù)測(cè)誤差，建立了風(fēng)電并網(wǎng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型。文獻(xiàn)[8]在考慮故障，負(fù)荷及風(fēng)電預(yù)測(cè)偏差等不確定性基礎(chǔ)上，從經(jīng)濟(jì)成本角度分析了含風(fēng)電系統(tǒng)旋轉(zhuǎn)備用確定。文獻(xiàn)[9]從經(jīng)濟(jì)性與可靠性方面分析了含風(fēng)電系統(tǒng)中正負(fù)旋轉(zhuǎn)備用的最優(yōu)分配。文獻(xiàn)[10]以投運(yùn)風(fēng)險(xiǎn)度作為運(yùn)行可靠性標(biāo)準(zhǔn)提出含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度策略。

上述文獻(xiàn)都依從傳統(tǒng)電力系統(tǒng)調(diào)度運(yùn)行策略，從發(fā)電側(cè)協(xié)調(diào)機(jī)組出力。隨著風(fēng)電的大規(guī)模并網(wǎng)，單純通過傳統(tǒng)常規(guī)機(jī)組協(xié)調(diào)優(yōu)化調(diào)度，往往經(jīng)濟(jì)性欠佳，也難以實(shí)現(xiàn)。智能電網(wǎng)中通過需求側(cè)響應(yīng)（demand response，DR）調(diào)動(dòng)需求側(cè)資源，實(shí)現(xiàn)發(fā)用電兩端的電能和信息的雙向互動(dòng)[11]。因此，將傳統(tǒng)優(yōu)化調(diào)度方式與DR相結(jié)合，從發(fā)電側(cè)與需求側(cè)對(duì)含風(fēng)電的系統(tǒng)建立經(jīng)濟(jì)調(diào)度模型，能夠有效地降低風(fēng)電波動(dòng)性對(duì)電網(wǎng)所帶來的影響?，F(xiàn)有對(duì)DR的研究大多從基于價(jià)格和基于激勵(lì)出發(fā)，研究內(nèi)容主要包括考慮分時(shí)電價(jià)（time-of-use price，TOU）、實(shí)時(shí)電價(jià)（real-time pricing，RTP）、尖峰電價(jià) （critical peak pricing，CPP）以及可中斷負(fù)荷（interruptible load，IL）等的需求響應(yīng)方式。文獻(xiàn)[12]研究了基于價(jià)格響應(yīng)的含風(fēng)電系統(tǒng)的優(yōu)化調(diào)度。文獻(xiàn)[13]研究了計(jì)及風(fēng)電及負(fù)荷不確定性的情況下，引入實(shí)時(shí)電價(jià)后，提升風(fēng)電消納能力的問題。文獻(xiàn)[14]研究了電力市場(chǎng)下含風(fēng)電系統(tǒng)的多目標(biāo)無功優(yōu)化。

在電力市場(chǎng)中，DR可以分為市場(chǎng)導(dǎo)向型DR和系統(tǒng)導(dǎo)向型DR[15]。目前關(guān)于電價(jià)響應(yīng)的研究，多以電力公司所發(fā)布電價(jià)為主，用戶在此電價(jià)下改變用電習(xí)慣，而忽略了不同類型用戶間的差異，以及不同用戶面對(duì)用電習(xí)慣改變后的滿意度問題。不同用戶對(duì)是否參與需求響應(yīng)應(yīng)該具有不同的選擇。本文建立了一種電力公司為用戶提供電價(jià)菜單，用戶可以根據(jù)自己的用電習(xí)慣選擇不同電價(jià)菜單參與需求響應(yīng)，并考慮可中斷負(fù)荷的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度模型。通過羅吉特離散選擇模型（Logit discrete choice model，LDCM）來模擬用戶對(duì)電價(jià)菜單的不確定性選擇。對(duì)算例的分析結(jié)果表明，在引入可中斷負(fù)荷和基于LDCM下的用戶電價(jià)選擇模型后，不僅含風(fēng)電系統(tǒng)運(yùn)行成本得以有效降低，用戶購電成本也得以減少，實(shí)現(xiàn)了電力公司和用戶雙贏的局面。

1 風(fēng)電出力模型

風(fēng)電出力本身具有不確定性，因此在該研究中，對(duì)于風(fēng)電出力的建模，通常考慮風(fēng)電預(yù)測(cè)輸出功率及其和實(shí)際輸出功率偏差量，二者之和即為風(fēng)電實(shí)際輸出功率：

風(fēng)電預(yù)測(cè)值偏差近似服從（0，σwt）的正態(tài)分布[16]，為：

式中WI為風(fēng)電裝機(jī)的總?cè)萘俊?/p>

2 用戶電價(jià)選擇和可中斷負(fù)荷調(diào)用

考慮基于離散選擇模型的用戶側(cè)電價(jià)響應(yīng)和可中斷負(fù)荷調(diào)用兩種需求側(cè)響應(yīng)。前者是從用戶側(cè)出發(fā)，用戶具有選擇性參與需求響應(yīng)的權(quán)力；后者從發(fā)電側(cè)出發(fā)，由發(fā)電側(cè)監(jiān)管與調(diào)用IL，并通過IL合同支付給用戶一定的補(bǔ)償費(fèi)用。

參考美國PJM電力市場(chǎng)日前或小時(shí)前用戶參與市場(chǎng)交易的過程，電力公司通過負(fù)荷服務(wù)機(jī)構(gòu)（load serving entity，LSE）對(duì)電價(jià)做出改變，誘導(dǎo)用戶改變用電習(xí)慣，從而實(shí)現(xiàn)需求側(cè)的有效管理以及負(fù)荷削減。

不同用戶具有不同的用電習(xí)慣，單純制定某種電價(jià)策略，可能滿足部分用戶利益而損害其他用戶利益，因此本文考慮多種分時(shí)電價(jià)菜單的制定，用戶根據(jù)自身用電習(xí)慣選擇不同電價(jià)參與需求響應(yīng)。

2.1 離散選擇模型

2.1.1 基于Logit離散選擇模型

在計(jì)量經(jīng)濟(jì)學(xué)中，通常采用離散選擇模型（discrete choice model，DCM）模擬消費(fèi)者對(duì)于不同商品的選擇取向[17-18]。用戶對(duì)不同的電價(jià)信息所作出的選擇這類問題，同樣是在一個(gè)離散不連續(xù)的集合中進(jìn)行選擇，所以DCM是解決本文所考慮的問題的有效方法。

在離散選擇模型中，通過因變量和指標(biāo)變量來反映用戶對(duì)商品的選擇行為。因變量表示用戶的選擇結(jié)果，指標(biāo)變量表示影響用戶決定的因素。假設(shè)在一個(gè)電力系統(tǒng)中，用戶總數(shù)量為N，電力公司基于日前調(diào)度計(jì)劃制定兩種分時(shí)電價(jià)PTOU1和PTOU2，其中PTOU1為基于負(fù)荷預(yù)測(cè)曲線所制定的基礎(chǔ)電價(jià)，PTOU2為待優(yōu)化求解的電價(jià)，用戶根據(jù)自身用電情況選擇其中一種電價(jià)。在N個(gè)用戶中，將用戶i的選擇結(jié)果記為yi，作為因變量，并且有：

1）用戶i選擇PTOU1，記yi=0

2）用戶i選擇PTOU2，記yi=1

指標(biāo)變量xi為用戶i的自身屬性，決定用戶i的用電習(xí)慣，從而決定用戶i會(huì)選擇PTOU1電價(jià)或者PTOU2電價(jià)。在實(shí)際情況中，指標(biāo)變量xi往往不止一個(gè)，例如在本文的情況中，用戶可能需要考慮電價(jià)高低、負(fù)荷大小以及負(fù)荷可時(shí)移長短等多種問題。假設(shè)具有k個(gè)影響決策的因素，則把指標(biāo)變量記為xi1，xi2，…，xik。DCM中通過引入一個(gè)不可觀察的潛在變量來解決上述問題，它與指標(biāo)變量之間具有線性關(guān)系，記為：

式（5）可以看作是不同指標(biāo)變量的變化所引起的決策變量的變化，當(dāng)變化到一定程度時(shí)，量變引起質(zhì)變，影響決策者的最終決定。

若隨機(jī)擾動(dòng)項(xiàng)μi服從某種概率分布μi～F，則用戶i選擇PTOU1或者PTOU2的概率PiTOU1和PiTOU2可以分別表示如下：

常見的離散選擇模型包括Probit模型、Logit模型和Extreme模型。不同模型中，隨機(jī)擾動(dòng)項(xiàng)μi所服從的分布不同，具體如表1所示。

表1 DCM模型和隨機(jī)擾動(dòng)項(xiàng)分布Tab.1 DCM model and probability distribution of the random perturbed term

文獻(xiàn)[19]比較了Probit模型和Logit模型的適用范圍及優(yōu)缺點(diǎn)。Probit模型要求效用函數(shù)中不可觀測(cè)部分服從正態(tài)分布，但在某些情況下并非如此，例如消費(fèi)者購買某種滿意的商品時(shí)，其購買意愿（效用函數(shù)）必然為單調(diào)遞增函數(shù)，即效用值越大，消費(fèi)者購買意愿越大，這顯然與不可觀測(cè)變量服從正態(tài)分布相矛盾，因此Probit模型的使用存在一定的局限性。在計(jì)量經(jīng)濟(jì)學(xué)中，Logit模型和Extreme模型通常應(yīng)用較多。比較二者的隨機(jī)擾動(dòng)項(xiàng)分布可知，Logit模型的效用函數(shù)分布更為平緩，能更真實(shí)反應(yīng)數(shù)量龐大的目標(biāo)人群的選擇意愿。

本文選擇Logit模型來反應(yīng)用戶對(duì)電價(jià)菜單的選擇情況。由隨機(jī)擾動(dòng)項(xiàng)μi的概率分布可以得到用戶選擇PTOU1電價(jià)和PTOU2電價(jià)的概率分別為

2.1.2 決策效用函數(shù)確定及參數(shù)估計(jì)

DCM模型建立過程中，一般采用極大似然估計(jì)確定模型參數(shù)。在此過程中，將選擇結(jié)果yi和指標(biāo)變量xi，xi2，…，xik均作為已知量，取自已知樣本（yi，xi1，xi2，…，xik）中，其中i=1，1，…，n；αi，βi1，βi2，…，βik作為未知量，通過似然估計(jì)確定。為方便計(jì)算，令αi=βi0，xi0=1，則式（4）的效用值函數(shù)可表示為

由2.1.1節(jié)可知，yi的分布如表2所示。

表2 用戶決策yi分布Tab.2 Probability distribution of the choice of customers

對(duì)于給定樣本，若樣本容量為n，則該樣本的似然函數(shù)L（βik）為

而樣本的對(duì)數(shù)似然函數(shù)為

L（βik）和ln L（βik）取得極大值時(shí)對(duì)應(yīng)的自變量相同，分別對(duì)等式（12）中的βi0，βi1，…，βik進(jìn)行求導(dǎo)并使其導(dǎo)數(shù)等于0，則有：

由上式即可得到βi0，βi1，βi2，…，βik，即2.1.1小節(jié)模型中αi，βi1，βi2，…，βik的值。

2.1.3 指標(biāo)變量確定

用戶滿意度是在需求響應(yīng)中，作為對(duì)用戶利益的衡量，在目前的研究當(dāng)中使用較多。文獻(xiàn)[20]所建立的用戶滿意度模型考慮了負(fù)荷變化量和電費(fèi)支出變化量兩個(gè)因素。例如工廠、企業(yè)等會(huì)看重負(fù)荷變化小，對(duì)電價(jià)變化相對(duì)不關(guān)注；而個(gè)人、家庭則會(huì)更看重電價(jià)變化而引起的電費(fèi)支出變化。本文中指標(biāo)變量考慮用戶的電費(fèi)支出變化率和負(fù)荷變化率兩個(gè)因素，分別是xi1和xi2。

xi1表示如下：

xib表示如下：

因此，等式（4）中用戶對(duì)商品的效用值可以表示為

彈性矩陣作為目前在電價(jià)響應(yīng)中使用較多的一種方法，可以有效反映用戶用電量與電價(jià)之間的關(guān)系[21]。在基于價(jià)格的需求響應(yīng)模式下，對(duì)于選擇了PTOU2電價(jià)的用戶，會(huì)根據(jù)收到的電價(jià)信息相應(yīng)地調(diào)整自身的用電計(jì)劃。單一時(shí)間段內(nèi)，電量與電價(jià)之間的關(guān)系通過彈性系數(shù)ε表示：

實(shí)際情況中，用戶的用電量改變往往不是單一時(shí)間電價(jià)能決定的。在考慮多時(shí)段響應(yīng)的情況下，用戶在不同時(shí)段的用電量與電價(jià)之間的關(guān)系如下：

2.2 可中斷負(fù)荷

可中斷負(fù)荷是指在電網(wǎng)用電高峰時(shí)段或者緊急情況下，用戶負(fù)荷中心可中斷的部分?？芍袛嘭?fù)荷通常通過經(jīng)濟(jì)合同實(shí)現(xiàn)。用戶和電力公司提前簽訂協(xié)議，包括用戶側(cè)提供的可中斷負(fù)荷容量，當(dāng)系統(tǒng)峰值或緊急狀態(tài)下，電力公司調(diào)用可中斷負(fù)荷，并且根據(jù)經(jīng)濟(jì)合同對(duì)用戶作出相應(yīng)的經(jīng)濟(jì)補(bǔ)償。

風(fēng)電出力具有隨機(jī)性，相較于傳統(tǒng)機(jī)組運(yùn)行，風(fēng)電并網(wǎng)后，需要在原有的調(diào)度模型的基礎(chǔ)上單獨(dú)考慮風(fēng)電所需的旋轉(zhuǎn)備用。當(dāng)風(fēng)電實(shí)際出力與預(yù)測(cè)值出現(xiàn)過大偏差，風(fēng)電出力遠(yuǎn)遠(yuǎn)小于預(yù)測(cè)值時(shí)，由傳統(tǒng)機(jī)組提供風(fēng)電所需的旋轉(zhuǎn)備用容量往往不能滿足系統(tǒng)功率平衡要求，經(jīng)濟(jì)成本也過高，實(shí)施可中斷負(fù)荷更為經(jīng)濟(jì)可靠。電力公司通過調(diào)用可中斷負(fù)荷，來減少風(fēng)電并網(wǎng)所需的旋轉(zhuǎn)備用，在約束條件中，將調(diào)用的可中斷負(fù)荷容量直接歸算到發(fā)電側(cè)旋轉(zhuǎn)備用容量中。

3 考慮用戶電價(jià)選擇和IL的優(yōu)化調(diào)度模型

3.1 目標(biāo)函數(shù)

考慮用戶電價(jià)選擇和IL的優(yōu)化調(diào)度模型在傳統(tǒng)優(yōu)化調(diào)度模型目標(biāo)函數(shù)的基礎(chǔ)上，考慮了調(diào)用可中斷負(fù)荷所需成本，以系統(tǒng)運(yùn)行經(jīng)濟(jì)性最優(yōu)為目標(biāo)?？芍袛嘭?fù)荷調(diào)用成本，為IL合同中所規(guī)定的補(bǔ)償用戶的費(fèi)用。目標(biāo)函數(shù)如式（19）所示：

3.2 約束條件

考慮用戶電價(jià)選擇和IL調(diào)用的優(yōu)化調(diào)度模型的約束條件包括系統(tǒng)的功率平衡約束、發(fā)電機(jī)組約束、電價(jià)約束、電價(jià)響應(yīng)行為約束、以及可中斷負(fù)荷調(diào)用時(shí)長約束。模型通過調(diào)用可中斷負(fù)荷來減少風(fēng)電旋轉(zhuǎn)備用的需求，因此功率平衡約束和旋轉(zhuǎn)備用約束，相較于傳統(tǒng)優(yōu)化調(diào)度模型的約束條件有所不同。

1）功率平衡約束

2）旋轉(zhuǎn)備用約束

式中：Rt為t時(shí)刻應(yīng)對(duì)負(fù)荷波動(dòng)和機(jī)組停運(yùn)所需的備用容量為風(fēng)電接入后t時(shí)刻應(yīng)對(duì)風(fēng)電功率波動(dòng)所需的備用容量為t時(shí)刻機(jī)組i所能提供的最大備用容量；Pi，max為機(jī)組i的最大輸出功率；rui為機(jī)組i向上爬坡功率；T60表示60 min。

3）發(fā)電機(jī)組約束

機(jī)組約束條件如式（24）、式（28）所示，式（24）為發(fā)電機(jī)組出力約束，式（25）、式（26）為最小運(yùn)行時(shí)間和最小停運(yùn)時(shí)間約束，式（27）、式（28）為發(fā)電機(jī)組爬坡約束。

4）電價(jià)約束

5）電價(jià)響應(yīng)行為約束

6）可中斷負(fù)荷調(diào)用時(shí)長約束

4 蛙跳簡化粒子群算法求解

本文采用蛙跳簡化粒子群算法（shuffled frog leaping algorithm simple PSO，SFLA-SPSO）對(duì)所建立的模型進(jìn)行求解。該算法是在粒子群算法中引入混合蛙跳算法中的分組思想，保證粒子間的差異性，避免算法出現(xiàn)早熟，陷入局部最小值[22]。

相比于傳統(tǒng)粒子群算法，該方法簡化了粒子位置更新公式，省去了粒子速度更新，而直接對(duì)粒子進(jìn)行位置更新，并且在此基礎(chǔ)上對(duì)粒子按適應(yīng)度值進(jìn)行了一定規(guī)則的分組。例如有15個(gè)粒子按適應(yīng)度由大到小排序?yàn)閧x1，x2，…，x15}，將其分為3組則有{x1，x4，x7，x10，x13}、{x2，x5，x8，x11，x14}和{x3，x6，x9，x12，x15}，這樣就保證了每組內(nèi)粒子有一定的差異，有利于粒子的位置更新。粒子位置更新公式表示為

式中：ω為慣性因子；c1，c2，c3為學(xué)習(xí)因子；r1，r2，r3為[0，1]的隨機(jī)數(shù)；Pbest為粒子自身的歷史最優(yōu)位置，gbest為組內(nèi)粒子最優(yōu)位置；g′best為全局粒子最優(yōu)位置。

圖1 蛙跳簡化粒子群算法求解流程Fig.1 Solving steps of SFLA-SPSO

蛙跳簡化粒子群算法求解流程如圖1所示。

5 算例分析

為驗(yàn)真所建立的模型的有效性，選取改進(jìn)的IEEE-RTS24系統(tǒng)作為算例進(jìn)行仿真分析。算例電網(wǎng)在IEEE-RTS24系統(tǒng)的基礎(chǔ)上加入了風(fēng)電。如圖2所示，在節(jié)點(diǎn)17處接入容量為2 MW的雙饋風(fēng)力發(fā)電機(jī)200臺(tái)，風(fēng)電場(chǎng)總裝機(jī)容量為400 MW，系統(tǒng)常規(guī)機(jī)組容量共計(jì)3 105 MW。常規(guī)發(fā)電機(jī)機(jī)組特性參數(shù)取自參考文獻(xiàn)[23]。日前24小時(shí)風(fēng)電預(yù)測(cè)輸出功率和負(fù)荷預(yù)測(cè)如圖3所示。風(fēng)電出力預(yù)測(cè)誤差對(duì)旋轉(zhuǎn)備用的需求取值為17%。可中斷負(fù)荷數(shù)據(jù)及IL合同費(fèi)用取自參考文獻(xiàn)[24]。

圖2 改進(jìn)后含風(fēng)電場(chǎng)的IEEE-RTS24系統(tǒng)Fig.2 The improved IEEE-RTS24 system connecting with wind farms

圖3 24小時(shí)風(fēng)電、負(fù)荷預(yù)測(cè)數(shù)據(jù)Fig.3 Forecasting data of wind power and load on 24 hours

電量電價(jià)彈性矩陣中，對(duì)角元素εii取-0.17，非對(duì)角元素εii取0.015。選取美國PJM電力市場(chǎng)2015年5月每天各時(shí)段電價(jià)信息和用戶需求響應(yīng)負(fù)荷功率削減量數(shù)據(jù)構(gòu)造極大似然估計(jì)所需樣本，確定式（16）中各參數(shù)結(jié)果為αi=-1.732，βi1=0.971 9，βi1=0.505 6。等式（16）的效用函數(shù)可表示為

式（33）中β1、β2均大于0，即表明指標(biāo)變量xi1、xi2對(duì)效用函數(shù)具有正向的影響關(guān)系。由式（14）（15）可知，對(duì)于選擇PTOU2的用戶，電費(fèi)支出越少，xi1越大；在每時(shí)段的負(fù)荷改變量越小，xi2越大。因此可以看出如果在PTOU2電價(jià)下，用戶的電費(fèi)支出和每時(shí)段負(fù)荷改變量越小，則效用函數(shù)值越大，相應(yīng)的用戶選擇PTOU2電價(jià)的概率越高。而比較效用函數(shù)中各個(gè)系數(shù)絕對(duì)值的大小有|α|＞|β1|＞|β2|，由此可以看出對(duì)于不同的電價(jià)菜單，用戶自身屬性對(duì)其的選擇決定影響最大，其次為不同電價(jià)下的電費(fèi)支出，而不同電價(jià)下的負(fù)荷變化對(duì)用戶選擇決定的影響因素最??；即相比于負(fù)荷變化量，用戶在作出選擇的過程中更看重各種菜單電價(jià)下的電費(fèi)支出情況。電量電價(jià)彈性矩陣和效用函數(shù)中各參數(shù)的取值，與實(shí)際地區(qū)的負(fù)荷構(gòu)成、用戶人群特點(diǎn)、用戶用電習(xí)慣等因素相關(guān)。

蛙跳簡化粒子群算法中，種群數(shù)量設(shè)置慣性因子ω取0.85，學(xué)習(xí)因子c1=c3=2.05，c2=0.8，種群數(shù)量設(shè)置為60，分為4組，組內(nèi)迭代次數(shù)為1，分組組間迭代次數(shù)為100。

對(duì)5.1節(jié)所給出的算例，模擬分析各種情況下優(yōu)化調(diào)度經(jīng)濟(jì)性，優(yōu)化結(jié)果如表3所示。

表3 不同情況下優(yōu)化調(diào)度結(jié)果Tab.3 Optimal operation results in different situations

圖4為本文所提出的模型中，電力公司為用戶提供了兩種菜單電價(jià)PTOU1和PTOU2。圖5為通過電量電價(jià)彈性矩陣所反映的在優(yōu)化前和優(yōu)化后用戶面對(duì)兩種菜單電價(jià)作出選擇后的負(fù)荷曲線。

圖4 各情況下24小時(shí)電價(jià)曲線Fig.4 Price curves in different situations on 24 hours

圖5 各情況下24小時(shí)負(fù)荷曲線Fig.5 Load curves in different situations on 24 hours

由表3可知，在不考慮風(fēng)電和DR的情況下，系統(tǒng)的總運(yùn)行成本為908 623.81元，其中機(jī)組的發(fā)電成本為823 314.59元，啟停成本為85 309.22元。在風(fēng)電并網(wǎng)后，風(fēng)電提供部分出力，傳統(tǒng)機(jī)組的發(fā)電成本略有下降，但啟停成本卻大幅升至149 527.18元，從而導(dǎo)致系統(tǒng)運(yùn)行成本反而增加了41 315.68元。這主要是由于風(fēng)電出力的波動(dòng)性與不確定性，對(duì)系統(tǒng)所需旋轉(zhuǎn)備用提出了更高的要求，傳統(tǒng)機(jī)組為配合風(fēng)電出力而頻繁啟停所導(dǎo)致。在風(fēng)電并網(wǎng)后引入需求響應(yīng)的情況下，可以看出機(jī)組的發(fā)電成本和啟停成本都有所下降，其中啟停成本下降幅度較大，在考慮了可中斷負(fù)荷調(diào)用成本53 164.73元后，系統(tǒng)的總運(yùn)行成本下降至887 118.1元，相比不考慮需求響應(yīng)下風(fēng)電并網(wǎng)的情況，總成本下降了6.61%。由此可以看出，對(duì)需求側(cè)資源的重新組合，通過電價(jià)引導(dǎo)用戶削減負(fù)荷，并調(diào)用可中斷負(fù)荷，能有效降低系統(tǒng)在風(fēng)電并網(wǎng)后的運(yùn)行成本。在考慮可中斷負(fù)荷的情況下，雖然會(huì)產(chǎn)生一定的IL費(fèi)用，但對(duì)可中斷負(fù)荷的調(diào)用減少了系統(tǒng)的旋轉(zhuǎn)備用需求，從而降低了常規(guī)機(jī)組的發(fā)電費(fèi)用和啟停費(fèi)用，從總體來說依然提高了風(fēng)電并網(wǎng)后系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。

圖4可以看出PTOU2電價(jià)高于PTOU1電價(jià)的時(shí)間段包括上午4點(diǎn)至12點(diǎn)、下午2點(diǎn)和晚上8點(diǎn)。對(duì)比圖5分析可知，在上午4點(diǎn)開始，系統(tǒng)負(fù)荷增幅較大，中午12點(diǎn)和晚上8點(diǎn)左右均為負(fù)荷高峰時(shí)段，而下午2點(diǎn)至3點(diǎn)出現(xiàn)了負(fù)荷波動(dòng)，以上情況均會(huì)提高系統(tǒng)運(yùn)行成本，因此電力公司發(fā)布的電價(jià)信息中，以上時(shí)段PTOU2電價(jià)會(huì)更高，希望以此削減負(fù)荷。用戶會(huì)綜合考慮自身用電習(xí)慣和各時(shí)段電價(jià)水平，以及在高電價(jià)時(shí)段是否愿意削減負(fù)荷，以電費(fèi)支出最小為目標(biāo)進(jìn)行電價(jià)的選擇。由圖5可以看出，相比于原負(fù)荷預(yù)測(cè)曲線，在引入菜單電價(jià)后，整體負(fù)荷水平有所降低。

表4 不同情況下用戶購電情況Tab.4 Customers’power purchase in different situations

表4為用戶在優(yōu)化前和優(yōu)化后面對(duì)菜單電價(jià)的購電情況。引入菜單電價(jià)過后，有60.22%的用戶選擇了PTOU2電價(jià)，并在高電價(jià)時(shí)段做出一定的負(fù)荷削減，而這部分用戶的購電成本下降了254 206元，相應(yīng)的負(fù)荷總共削減了1 278.3 MW。對(duì)比表3可以看出，通過引入多種菜單電價(jià)讓用戶自主選擇并參與需求響應(yīng)，不僅降低用戶的購電成本，也降低系統(tǒng)運(yùn)行成本，同時(shí)兼顧了用戶與電力公司的利益。

6 結(jié)語

研究了風(fēng)電大規(guī)模并網(wǎng)優(yōu)化調(diào)度的問題，通過引入需求響應(yīng)，有效提高了系統(tǒng)運(yùn)行性的經(jīng)濟(jì)性。建立了基于Logit離散選擇模性的用戶對(duì)菜單電價(jià)選擇模型。在傳統(tǒng)優(yōu)化調(diào)度模型的基礎(chǔ)上，加入用戶電價(jià)響應(yīng)約束，建立了考慮用戶電價(jià)選擇和可中斷負(fù)荷的風(fēng)電并網(wǎng)優(yōu)化調(diào)度模型。并通過算例分析結(jié)果加以驗(yàn)證，得出以下結(jié)論。

1）DR的引入能有效降低風(fēng)電并網(wǎng)后系統(tǒng)運(yùn)行成本，通過削減負(fù)荷以降低發(fā)電成本，和面對(duì)風(fēng)電并網(wǎng)后的波動(dòng)性、反調(diào)峰特性，降低機(jī)組啟停成本；

2）調(diào)用IL以減少系統(tǒng)的旋轉(zhuǎn)備用需求，雖然會(huì)產(chǎn)生一定的調(diào)用成本，但總體上依然提高了系統(tǒng)運(yùn)行的經(jīng)濟(jì)性；

3）通過制定多種菜單電價(jià)讓用戶自主選擇，引導(dǎo)用戶在不同電價(jià)下作出用電行為上的改變，能在不損害用戶利益的情況下有效實(shí)現(xiàn)需求側(cè)資源的重新組合，實(shí)現(xiàn)用戶與電力公司雙贏的局面。

[1]薛曉強(qiáng)，葉辛，汪鴻．電網(wǎng)企業(yè)能源管理體系的模糊綜合評(píng)價(jià)[J]．節(jié)能技術(shù)，2015，33（6）：546-549，553．XUE Xiaoqiang， YE Xin， WANG Hong.The fuzzy comprehensive evaluation of power grid enterprises energy management system[J].Energy Conservation Technology，2015，33（6）：546-549，553（in Chinese）．

[2]劉丙泉，宋杰鯤．我國能源效率波動(dòng)分解及影響因素分析[J]．節(jié)能技術(shù)，2011，29（3）：272-276．LIU Bingquan，SONG Jiekun.Domestic energy efficiency fluctuation decomposition and factor analysis[J].Energy ConservationTechnology，2011，29（3）：272-276（inChinese）．

[3]薛禹勝，雷興，薛峰，等．關(guān)于風(fēng)電不確定性對(duì)電力系統(tǒng)影響的評(píng)述[J]．中國電機(jī)工程學(xué)報(bào)，2014，34（29）：5029-5040．XUE Yusheng，LEI Xing，XUE Feng，et al.A review on impacts of wind power uncertainties on power systems[J].Proceedings of the CSEE，2014，34（29）：5029-5040（in Chinese）．

[4]陳海飛，苗淼，常康．大型并網(wǎng)光伏電站無功電壓控制綜述[J]．陜西電力，2016，44（10）：20-26．CHEN Haifei，MIAO Miao，CHANG Kang.Review on reactive voltage control for large-scale grid-connected PV power station[J].Shaanxi Electric Power，2016，44（10）：20-26（in Chinese）．

[5]王守凱，劉達(dá)．風(fēng)電消納途徑綜述[J]．陜西電力，2016，44（7）：15-19，24．WANGShoukai，LIUDa.Reviewofwindpoweraccommodation approaches[J].Shaanxi Electric Power，2016，44（7）：15-19，24（in Chinese）．

[6]萬杰，陳寧，錢敏慧，等．基于混合型深信度網(wǎng)絡(luò)的風(fēng)速日前預(yù)測(cè)研究[J]．節(jié)能技術(shù)，2016，34（1）：81-86．WAN Jie，CHEN Ning，QIAN minhui，et al.Day-ahead windspeedpredictionbasedonhybriddeepbeliefnetwork[J].Energy Conservation Technology，2016，34（1）：81-86（in Chinese）．

[7]周瑋，彭昱，孫輝，等.含風(fēng)電場(chǎng)的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報(bào)，2009，29（25）：14-16．ZHOU Wei，PENG Yu，SUN Hui，et al.Dynamic eco －nomic dispatch in wind power integrated system[J].Proceedings of the CSEE，2009，29（25）：14-16（in Chinese）．

[8]蘇鵬，劉天琪，李興源．含風(fēng)電的系統(tǒng)最優(yōu)旋轉(zhuǎn)備用的確定[J].電網(wǎng)技術(shù)，2010，34（12）：159-161．SU Peng，LIU Tianqi，LI Xingyuan.Determination of optimal spinning reserve of power grid containing wind[J].Power System Technology，2010，34（12）：159-161（in Chinese）．

[9]王國權(quán)，陳筱薷，王森，等．含風(fēng)電系統(tǒng)中正負(fù)旋轉(zhuǎn)備用容量的最優(yōu)分配[J]．可再生能源，2014，32（8）：1105-1110．WANG Guoquan，CHEN Xiaoru，WANG Sen，et al.Plus and minus spinning reserve in the optimal allocation of power grid containing wind[J].Renewable Energy Resources，2014，32（8）：1105-1110（in Chinese）．

[10]胡國偉，別朝紅，王錫凡．考慮運(yùn)行可靠性的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度[J]．電工技術(shù)學(xué)報(bào)，2013，28（5）：58-65．HU Guowei，BIE Zhaohong，WANG Xifan.Optimal dispatch in wind integrated system considering operation reliability[J].Transactions of China Electrotechnical Society，2013，28（5）：58-65（in Chinese）．

[11]王蓓蓓，李揚(yáng)．面向智能電網(wǎng)的電力需求側(cè)管理規(guī)劃及實(shí)施機(jī)制[J].電力自動(dòng)化設(shè)備，2010，30（12）：19-24．WANG Beibei，LIYang.Demandsidemanagement planning and implementation mechanism for smart grid[J].Electric Power Automation Equipment，2010，30（12）：19-24（in Chinese）．

[12]別朝紅，胡國偉，謝海鵬，等．考慮需求響應(yīng)的含風(fēng)電電力系統(tǒng)的優(yōu)化調(diào)度[J]．電力系統(tǒng)自動(dòng)化，2014，38（13）：115-120．BIE Zhaohong，HU Guowei，XIE Haipeng，et al.Optimal dispatch for wind power integrated considering demand response[J].Automation of Electric Systems，2014，38（13）：115-120（in Chinese）．

[13]張彬，毛荀，彭曉濤．一種考慮風(fēng)電出力和負(fù)荷不確定性的最優(yōu)調(diào)峰方法研究[J]．電網(wǎng)與清潔能源，2016，32（12）：106-113．ZHANG Bin，MAO Xun，PENG Xiaotao.Study on optimal method of peak-load regulation considering uncertainty of wind power output and load[J].Power System and Clean Energy，2016，32（12）：106-113（in Chinese）．

[14]何健，范曉龍，許高俊，等．電力市場(chǎng)下含風(fēng)電的電網(wǎng)多目標(biāo)無功優(yōu)化[J]．陜西電力，2017，45（1）：11-16，62．HE Jian，F(xiàn)AN Xiaolong，XU Gaojun，et al.Multi-objective reactive power optimization of power grid with wind power in electricity market[J].Shaanxi Electric Power，2017，45（1）：11-16，62（in Chinese）．

[15]龐鵬．電力市場(chǎng)化改革背景下電力需求相應(yīng)機(jī)制與支撐技術(shù)[J]．廣東電力，2016，29（1）：70-78．PANG Peng.Electric power dmand response mechanism and supporttechnology underelectric powermarket reform[J].Guangdong Electric Power，2016，29（1）：70-78（in Chinese）．

[16]張里，劉俊勇，劉友波，等．風(fēng)速相關(guān)性下的最優(yōu)旋轉(zhuǎn)備用容量[J].電網(wǎng)技術(shù)，2014，38（12）：3413-3416．ZHANG Li，LIU Junyong，LIU Youbo，et al.Optimal spinning reserve capacity of power grid considering wind speed correlation[J].Power System Technology，2014，38（12）：3413-3416（in Chinese）．

[17]張群，朝麗，李純青．離散選擇模型的比較及其在零售業(yè)的應(yīng)用[J]．西安工業(yè)學(xué)院學(xué)報(bào)，2005，25（3）：293-298．ZHANG Qun，CAO Li，LI Chunqing.Comparison of consumer’s discrete choice models and the application in retailing[J].Journal of Xi’an Institute of Technology，2005，25（3）：293-298（in Chinese）．

[18]王燦，王德，朱瑋，等．離散選擇模型研究進(jìn)展[J]．地理科學(xué)進(jìn)展，2015，34（10）：1275-1287．WANG Can，WANG De，ZHU Wei，et al.Research progress of discrete choice model[J].Progress in Geography，2015，34（10）：1275-1287（in Chinese）．

[19]SHARIFF A A，ZAHARIM A，SOPIAN K.The comparison logit and probit regression analyses in estimating the strength of gear teeth[J].European Journal of Scientific Research，2009，27（4）：548-553（in Chinese）．

[20]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 satisfactionindex[J].AutomationofElectricPowerSystems，2005，29（20）：10-14（in Chinese）．

[21]黃玲．零售端電力市場(chǎng)中的電量電價(jià)彈性矩陣[J]．現(xiàn)代經(jīng)濟(jì)信息，2014，11（9）：396-397．HUANG Ling.Price elasticity matrix of demand in current retail power market[J].Modern Economic Information，2014，11（9）：396-397（in Chinese）．

[22]黃太安，生佳根，徐紅洋，等．一種改進(jìn)的簡化粒子群算法[J]．計(jì)算機(jī)仿真，2013，30（2）：327-330．HUANG Taian，SHENG Jiagen，XU Hongyang，et al.Improved simplified particle swarm optimization[J].Computer Simulation，2013，30（2）：327-330（in Chinese）．

[23]GRIGG C，WONG P，ALBRECHT P.The IEEE reliability test system-1996：a report prepared by the reliability methods subcommittee[J].IEEE Transactions on Power Systems，1999，14（3）：1010-1020．

[24]王建學(xué)，王錫凡，王秀麗．電力市場(chǎng)可中斷負(fù)荷合同模型研究[J]．中國電機(jī)工程學(xué)報(bào)，2005，25（9）：11-16．WANG Jianxue，WANG Xifan，WANG Xiuli.Study on model of interruptible load contract in power market[J].ProceedingsoftheCSEE，2005，25（9）：11-16（inChinese）．

Optimal Dispatching under Grid-Connection of Wind Power Considering Demand Response Using Logit Discrete Choice Model

REN Li，QIU Xiaoyan，LIU Bo，HAN Xuan，XIE Jianda，SHA Yi
（School of Electrical and Information，Intelligent Electric Power Grid Key Laboratory of Sichuan Province，Sichuan University，Chengdu 610065，Sichuan，China）

Wind power increases the difficulty of the optimal dispatching in the traditional power system because of its volatility and intermittence and so on.Introducing demand response and integrating the user side resources can improve the economy of the optimal dispatching of wind power integrated systems effectively.To this end，a new model of the optimal dispatching under grid-connection of wind power considering demand response is built.

Firstly，in this paper，we build the model of the customers’choices of electricity price menu using logit discrete choice model where customers can choose different price menu and cut loads correspondingly.Secondly，we build the optimal dispatching model of the grid with wind power considering customers’choices of price menu and interruptible load calling and the interruptible load which is called is seen as some of the spinning reserve.On the basis of traditional model，objective function contains the cost of the interruptible load calling.Finally，the improved IEEE-RTS24 system connecting with wind farms are used in the simulation with shuffled frog leaping algorithm simple PSO.The simulation results show the accuracy and effectiveness of the model.

wind power；demand response；discrete choice model；interruptible load

1674-3814（2017）06-0116-09

TM73

A

2016-06-12。

任 立（1992—），男，碩士研究生，研究方向?yàn)榉植际诫娫醇拔⒕W(wǎng)技術(shù)；

（編輯 徐花榮）

四川省科技支撐項(xiàng)目（2014JY0191）；成都市科技項(xiàng)目（2015-HM01-00132-SF）。

Project Supported by the Support Program of the Science&Technology Department of Sichuan Province（2014JY0191）；the Science&Technology Program of Chengdu City（2015-HM01-00132-SF）.

邱曉燕（1964—），女，博士，教授，研究方向?yàn)殡娏ο到y(tǒng)分析與控制、智能電網(wǎng)、分布式電源及微網(wǎng)技術(shù)等。