肖安南， 張蔚翔， 張 超， 邊海峰， 馬 昕， 裴 瑋

(1. 國網(wǎng)安徽省電力公司， 合肥 230061； 2. 北京南瑞電研華源電力技術(shù)有限公司， 北京 102200；3. 中國科學(xué)院電工研究所, 北京 100190)

需求側(cè)響應(yīng)下的微網(wǎng)源-網(wǎng)-荷互動優(yōu)化運(yùn)行

肖安南1， 張蔚翔1， 張 超2， 邊海峰2， 馬 昕3， 裴 瑋3

(1. 國網(wǎng)安徽省電力公司， 合肥 230061； 2. 北京南瑞電研華源電力技術(shù)有限公司， 北京 102200；3. 中國科學(xué)院電工研究所, 北京 100190)

微電網(wǎng)是利用可再生能源的主要方式之一，是典型的“源-網(wǎng)-荷”一體化系統(tǒng)，與智能電網(wǎng)、需求側(cè)管理、分布式電源等技術(shù)聯(lián)系緊密，目前已經(jīng)成為能源研究的重要領(lǐng)域。本文通過考慮微網(wǎng)內(nèi)源側(cè)的不同類型分布式能源運(yùn)行特點(diǎn)、負(fù)荷側(cè)的不同類型需求側(cè)響應(yīng)方式以及網(wǎng)側(cè)的電壓約束等，建立了微網(wǎng)源-網(wǎng)-荷互動優(yōu)化運(yùn)行數(shù)學(xué)模型，通過滾動優(yōu)化算法進(jìn)行仿真分析。算例分析表明，利用本文提出需求側(cè)響應(yīng)下的管理系統(tǒng)模型，不僅提高了電網(wǎng)用電的經(jīng)濟(jì)性和環(huán)境友好性，而且降低了微網(wǎng)的負(fù)荷峰值和負(fù)荷沖擊，提高了用電效率。

分布式能源； 微電網(wǎng)； 需求側(cè)響應(yīng)； 滾動優(yōu)化

1 引言

能源與環(huán)境的和諧，是整個社會共同關(guān)心的課題，也是關(guān)系到國家健康發(fā)展的重要環(huán)節(jié)。隨著能源問題日益突出，以光伏、風(fēng)電為代表的可再生能源逐漸得到國家及全世界的重視，已成為能源未來發(fā)展的重要方向，開發(fā)和利用可再生能源有助于調(diào)整能源結(jié)構(gòu)、完善電力系統(tǒng)并實(shí)現(xiàn)電力經(jīng)濟(jì)可持續(xù)發(fā)展。由于風(fēng)力發(fā)電、光伏發(fā)電等分布式電源的局限性，由可再生能源和儲能裝置等組成的微電網(wǎng)模式應(yīng)運(yùn)而生，國內(nèi)外學(xué)者對微電網(wǎng)的運(yùn)行優(yōu)化做了大量深入的研究[1-6]。國內(nèi)電力改革不斷深入，電力市場逐漸完善，電網(wǎng)配電側(cè)壟斷的局面將會被打破，電力的銷售將不再是由單一的供應(yīng)商所壟斷，在需求側(cè)的電力用戶將可以選擇和調(diào)整提供電力及相關(guān)服務(wù)的供應(yīng)商，因此微電網(wǎng)的運(yùn)行與需求側(cè)響應(yīng)緊密關(guān)聯(lián)。本文從微網(wǎng)的優(yōu)化運(yùn)行出發(fā)，并加入多樣化的需求側(cè)響應(yīng)模型，從而使優(yōu)化結(jié)果更為真實(shí)準(zhǔn)確。

2 微電網(wǎng)的模型

微電網(wǎng)結(jié)構(gòu)如圖1所示，微電網(wǎng)是指由分布式能源、儲能裝置、負(fù)荷、監(jiān)控和保護(hù)裝置等構(gòu)成的小型配電系統(tǒng)，可以實(shí)現(xiàn)自我管理和控制，燃料的多樣化可以提高微電網(wǎng)發(fā)電單元的穩(wěn)定性和供電質(zhì)量，并且降低對環(huán)境的污染。

圖1 微電網(wǎng)結(jié)構(gòu)Fig.1 Structure of microgrid

在電源側(cè)，機(jī)組主要分為兩類：①間歇性可再生資源發(fā)電的機(jī)組，受環(huán)境天氣影響較大，不易調(diào)度，因此采用全額調(diào)用的原則，如風(fēng)機(jī)、光伏等；②便于通過燃料等媒介控制啟停的可控機(jī)組，如微燃機(jī)等。

在負(fù)荷側(cè)，主要分為電負(fù)荷和熱負(fù)荷。其中電負(fù)荷又分為固定負(fù)荷、可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷。其中，固定負(fù)荷是指不可調(diào)度的一二級負(fù)荷，一旦中斷會造成經(jīng)濟(jì)損失，如照明等；可中斷負(fù)荷是指可以根據(jù)電價、室外溫度等在一定程度上進(jìn)行負(fù)荷曲線削減的負(fù)荷，為用戶提供一定的經(jīng)濟(jì)效益，如空調(diào)等；可轉(zhuǎn)移負(fù)荷是指用戶可以根據(jù)實(shí)施電價等推遲啟動時刻并維持該負(fù)荷曲線形狀不變的負(fù)荷，如洗衣機(jī)等。

3 需求側(cè)響應(yīng)下的微網(wǎng)模型

3.1數(shù)學(xué)模型

當(dāng)考慮需求側(cè)響應(yīng)措施的微網(wǎng)優(yōu)化運(yùn)行的數(shù)學(xué)模型時，不僅要從微電網(wǎng)的DG的運(yùn)行費(fèi)用，大電網(wǎng)的購電費(fèi)用等方面來確定目標(biāo)函數(shù)，還要考慮由于錯峰和調(diào)峰調(diào)用的用戶側(cè)的可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷的補(bǔ)償費(fèi)用，并且要考慮節(jié)點(diǎn)電壓和功率約束、DG出力約束、蓄電池充放電約束等約束條件。

因此本文建立的目標(biāo)函數(shù)如下：

(1)

式中，CMT表示微燃機(jī)的運(yùn)行費(fèi)用；CCL表示可中斷負(fù)荷的補(bǔ)償費(fèi)用；CTL表示轉(zhuǎn)移負(fù)荷的補(bǔ)償費(fèi)用；Cgrid表示大電網(wǎng)的購電費(fèi)用；Cboiler表示鍋爐的運(yùn)行費(fèi)用；T表示優(yōu)化周期時長，即24h。各部分費(fèi)用的計(jì)算公式如下：

(1)微燃機(jī)的運(yùn)行費(fèi)用

(2)

式中，NMT表示微燃機(jī)的數(shù)量；Cgas表示天然氣的單位費(fèi)用；ηMT表示微燃機(jī)的發(fā)電效率；Pm,t表示第m臺微燃機(jī)在t時刻的出力功率；CSU表示微燃機(jī)的啟動費(fèi)用系數(shù)；um,t表示第m臺微燃機(jī)在t時刻的運(yùn)行狀態(tài)的0,1變量，運(yùn)行時取1，停運(yùn)時取0。

(2)向大電網(wǎng)的購電費(fèi)用

(3)

(3)鍋爐的運(yùn)行費(fèi)用

(4)

式中，Pb,t表示鍋爐b在t時刻的出力功率；ηb表示鍋爐b的效率；Nboiler表示鍋爐的總數(shù)。

(4)可中斷負(fù)荷的補(bǔ)償費(fèi)用

(5)

式中，Pc,t表示第c個可中斷負(fù)荷在t時刻的功率大小；CCL,set表示可中斷負(fù)荷的單位啟動費(fèi)用；suc,t表示第c個可中斷負(fù)荷在t時刻的啟動變量；CCL,fix表示可中斷負(fù)荷的固定運(yùn)行費(fèi)用；NCL表示可中斷負(fù)荷的數(shù)量。

(5)可轉(zhuǎn)移負(fù)荷的補(bǔ)償費(fèi)用

(6)

式中，CTL，set表示可轉(zhuǎn)移負(fù)荷的單位補(bǔ)償費(fèi)用；Pl,t表示第l個可轉(zhuǎn)移負(fù)荷的功率大小；ul,t表示第l個可轉(zhuǎn)移負(fù)荷在t時刻運(yùn)行的狀態(tài)變量；NTL表示可轉(zhuǎn)移負(fù)荷的數(shù)量。

3.2約束條件

(1)與大電網(wǎng)的交互功率限制

(7)

(2)微燃機(jī)約束

1)微燃機(jī)的功率大小約束

(8)

2)微燃機(jī)的爬坡功率約束

(9)

(3)鍋爐的出力約束

(10)

(4)蓄電池約束

1)充放電功率大小約束

(11)

2)SOC容量約束

(12)

3)爬坡速率約束

(13)

(5)可中斷負(fù)荷約束

1)啟停狀態(tài)約束

(14)

式(14)定義了啟停變量和運(yùn)行變量的聯(lián)系，式中，uc,t、suc,t、sdc,t分別表示第c個可中斷負(fù)荷在t時刻的運(yùn)行變量、啟動變量、停止變量。

2)持續(xù)時間上下限約束

(15)

3)功率上下限約束

(16)

(6)可轉(zhuǎn)移負(fù)荷約束

1)轉(zhuǎn)移時段出力功率約束

(17)

Pl,t=pl,tul,tdl,t

(18)

2)轉(zhuǎn)出和轉(zhuǎn)入時段運(yùn)行狀態(tài)約束

(19)

式中，sul表示第l個可轉(zhuǎn)移負(fù)荷在全過程中的啟動變量；Tl,on表示第l個可轉(zhuǎn)移負(fù)荷的持續(xù)時間。

(7)熱功率約束

(20)

式中，rMT表示微燃機(jī)的熱電比；Psc,t表示t時刻太陽能集熱器產(chǎn)熱功率；PTload,t表示t時刻熱負(fù)荷的功率。

(8)節(jié)點(diǎn)電壓功率約束

微網(wǎng)每個節(jié)點(diǎn)上的微源和負(fù)荷等都需要滿足對應(yīng)節(jié)點(diǎn)的功率平衡和電壓約束。

(21)

3.3優(yōu)化算法

本文采用了滾動優(yōu)化算法對考慮需求側(cè)的微網(wǎng)運(yùn)行模型進(jìn)行優(yōu)化分析。本算例將一天為一個優(yōu)化數(shù)據(jù)窗，對未來24h內(nèi)進(jìn)行的微網(wǎng)調(diào)度進(jìn)行優(yōu)化，將一個優(yōu)化數(shù)據(jù)窗內(nèi)根據(jù)優(yōu)化周期分為若干個時段，本文選取T=1h,進(jìn)行24次滾動優(yōu)化計(jì)算，每次計(jì)算后數(shù)據(jù)窗同時向后推移，在第i次計(jì)算時可以得到[i,i+N-1]時段內(nèi)的微網(wǎng)優(yōu)化結(jié)果，只保留t=1時的結(jié)果作為第i小時的運(yùn)行狀態(tài)，到i+1次計(jì)算時重新預(yù)測優(yōu)化出一組新的機(jī)組出力和負(fù)荷調(diào)整。即每一次優(yōu)化計(jì)算時，運(yùn)行結(jié)果對于該時刻的優(yōu)化性能指標(biāo)來說都是最理想的控制動作，并且對于同樣時刻的偏差反復(fù)進(jìn)行多次計(jì)算，提高了模型的預(yù)見性和魯棒性。并且由于機(jī)組出力和負(fù)荷調(diào)整的控制要同時滿足在單個優(yōu)化周期和整個滾動優(yōu)化過程中保持連續(xù)性，因此每次都將計(jì)算后的微源出力和負(fù)荷調(diào)整狀態(tài)等作為下一個優(yōu)化周期計(jì)算時相應(yīng)的初始狀態(tài)。具體流程如圖2所示。

圖2 算法流程圖Fig.2 Algorithm flow chart

此外，單時段的優(yōu)化模型中只考慮了可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷初始狀態(tài)為未啟動過的狀態(tài)，而滾動優(yōu)化過程涉及到多個優(yōu)化周期之間的切換，需要考慮不同的初始運(yùn)行狀態(tài)下的優(yōu)化過程，因此針對優(yōu)化周期的次序不同，需要根據(jù)初始狀態(tài)、持續(xù)時長等對機(jī)組出力和負(fù)荷調(diào)整的控制策略做出一定修正。

(1)可中斷負(fù)荷

可中斷負(fù)荷的持續(xù)時間約束需要按照啟動和停止變量的初始狀態(tài)大小判斷出當(dāng)前優(yōu)化周期的運(yùn)行狀態(tài)，具體的判斷方式見表1。

表1 可中斷負(fù)荷運(yùn)行狀態(tài)Tab.1 Operation modes of curtailable load

對于初始狀態(tài)為未啟動的優(yōu)化周期無需調(diào)整約束條件，而針對處于運(yùn)行中和運(yùn)行結(jié)束的優(yōu)化周期，需要對持續(xù)時間約束作出以下調(diào)整：

1)運(yùn)行中

對于初始狀態(tài)為可中斷負(fù)荷正在運(yùn)行的優(yōu)化周期，在本次優(yōu)化周期內(nèi)，可中斷負(fù)荷在滿足持續(xù)時間上下限的基礎(chǔ)上運(yùn)行完剩余時間后結(jié)束運(yùn)行即可無需再次啟動，即需要對持續(xù)時間約束即式(15)需要修正為以下約束：

(22)

由于可中斷負(fù)荷一旦開始中斷，必須維持同樣的功率直到運(yùn)行結(jié)束，本次優(yōu)化周期內(nèi)的可中斷負(fù)荷功率大小保持和初始運(yùn)行功率一致即可，因此需要添加可中斷負(fù)荷功率保持約束：

Pc,t=Pc,0uc,t

(23)

式中，Pc,0表示第c個可中斷負(fù)荷初始時刻的出力功率大小。

2)運(yùn)行結(jié)束

對于初始狀態(tài)為可中斷負(fù)荷合同已經(jīng)結(jié)束運(yùn)行的優(yōu)化周期，在本次優(yōu)化周期內(nèi)保持停運(yùn)狀態(tài)，因此調(diào)整如下：

(24)

(2)可轉(zhuǎn)移負(fù)荷

可轉(zhuǎn)移負(fù)荷需要考慮轉(zhuǎn)出時段和轉(zhuǎn)入時段，而不同的優(yōu)化周期需要判斷當(dāng)前的滾動優(yōu)化結(jié)果中是否存在負(fù)荷的轉(zhuǎn)入或者轉(zhuǎn)出，以及仍需運(yùn)行的時長，因此需要作出以下調(diào)整：

(25)

此外由于可轉(zhuǎn)移負(fù)荷只有兩種狀態(tài)，轉(zhuǎn)移或者不轉(zhuǎn)移，一旦發(fā)生負(fù)荷轉(zhuǎn)移，必須要等到轉(zhuǎn)入過程和轉(zhuǎn)出過程完全運(yùn)行結(jié)束。因此對于轉(zhuǎn)入時段和轉(zhuǎn)出時段的可轉(zhuǎn)移負(fù)荷的啟動變量需要維持啟動變量的初始狀態(tài)，因此需要添加式(26)作為新的約束：

(26)

其中，sul,0表示可轉(zhuǎn)移負(fù)荷的全過程中啟動變量的初始狀態(tài)。

4 算例分析

4.1算例基礎(chǔ)數(shù)據(jù)

本文基于IEEE 33節(jié)點(diǎn)網(wǎng)絡(luò)系統(tǒng)中進(jìn)行微電網(wǎng)計(jì)算，網(wǎng)絡(luò)拓?fù)淙鐖D3所示。

圖3 IEEE 33節(jié)點(diǎn)網(wǎng)絡(luò)拓?fù)鋱DFig.3 Network diagram of IEEE 33 nodes

本文選取我國北方某地區(qū)微網(wǎng)作為設(shè)計(jì)案例，其中包括光伏、風(fēng)機(jī)、蓄電池各一臺，微燃機(jī)兩臺，研究周期為24h,數(shù)據(jù)間隔為1h,其中風(fēng)速數(shù)據(jù)和光伏數(shù)據(jù)來源于NASA，并進(jìn)行風(fēng)機(jī)光伏出力預(yù)測，并且每小時進(jìn)行一定修正，預(yù)測出力大小如圖4所示。

圖4 風(fēng)機(jī)和光伏出力預(yù)測Fig.4 Predictive output of turbine and photovaltaic

電價政策采用日前實(shí)時電價政策，由于進(jìn)行24次滾動優(yōu)化計(jì)算，每個優(yōu)化周期時長為24h，因此應(yīng)采用48h內(nèi)的實(shí)時電價數(shù)據(jù)，如圖5所示。

圖5 實(shí)時電價圖Fig.5 Real-time prices of electricity

微電源的輸入數(shù)據(jù)見表2，其中微燃機(jī)的初始狀態(tài)設(shè)為停運(yùn)狀態(tài)。每次停運(yùn)和啟動時都有一定的啟動費(fèi)用，運(yùn)行過程中有燃料費(fèi)用產(chǎn)生，鍋爐和微燃機(jī)的燃料均為天然氣，價格是42$/(MW·h)，燃料消耗量主要與微燃機(jī)(鍋爐)效率和功率有關(guān)，單位燃料費(fèi)見表3。

表2 微源數(shù)據(jù)表Tab.2 Parameters of DGs

表3 燃料費(fèi)用表Tab.3 Fuel cost

本文中加入負(fù)荷合同如表4和表5所示，每種可轉(zhuǎn)移負(fù)荷合同都具有特定的轉(zhuǎn)出時段內(nèi)進(jìn)行中斷，在特定轉(zhuǎn)入時段內(nèi)進(jìn)行負(fù)荷恢復(fù)以維持負(fù)荷總量保持不變，僅僅實(shí)現(xiàn)部分負(fù)荷曲線的平移，而可轉(zhuǎn)移負(fù)荷有運(yùn)行時長和功率大小的約束。

表4 可轉(zhuǎn)移負(fù)荷合同內(nèi)容Tab.4 Contract of transferable load

表5 可中斷負(fù)荷合同內(nèi)容Tab.5 Contract of curtailable load

4.2運(yùn)行結(jié)果分析

原始負(fù)荷曲線如圖6所示，調(diào)度后的負(fù)荷曲線如圖7所示。

圖6 原始負(fù)荷曲線Fig.6 Primitive load curve

圖7 調(diào)度后的負(fù)荷曲線Fig.7 Load curve after scheduling

可轉(zhuǎn)移負(fù)荷序號轉(zhuǎn)出時段轉(zhuǎn)入時段18∶00～9∶0015∶00～16∶00218∶00～20∶0014∶00～16∶00

表7 可中斷負(fù)荷運(yùn)行結(jié)果Tab.7 Optimization result of curtailable load

對比表6、表7、圖6、圖7可以看出:

(1)兩種可中斷負(fù)荷都在電價高峰期8∶00～10∶00內(nèi)啟動,并且均進(jìn)行完全削減，這是因?yàn)槊糠N可中斷負(fù)荷在本算例中最多啟動一次，因此選擇在整個周期內(nèi)的電價峰值區(qū)間內(nèi)啟動，在可中斷負(fù)荷運(yùn)行的允許范圍內(nèi)最大程度地降低了減少了向大電網(wǎng)的購電費(fèi)用。

(2)兩種可轉(zhuǎn)移負(fù)荷均選擇在電價高峰期 (8∶00～9∶00、18∶00～20∶00)轉(zhuǎn)移到電價低谷(15∶00～16∶00,14∶00～16∶00)，兩類負(fù)荷均選擇了允許轉(zhuǎn)入時間區(qū)間內(nèi)滿足運(yùn)行時長的電價最低的運(yùn)行時段，并且第2種可轉(zhuǎn)移負(fù)荷由負(fù)荷高峰期(18∶00～20∶00)轉(zhuǎn)出，進(jìn)一步縮小了負(fù)荷峰谷差，使得負(fù)荷曲線更為平穩(wěn)，有利于提高供電可靠性和能源利用率。

微網(wǎng)內(nèi)風(fēng)機(jī)、光伏、微燃機(jī)和蓄電池的供電功率大小如圖8所示，微網(wǎng)內(nèi)微燃機(jī)和鍋爐的供熱功率大小如圖9所示。

圖8 微源發(fā)電情況Fig.8 Power output of DGs

圖9 微源供熱情況Fig.9 Heat supply of DGs

從圖8和圖9中對比可以看出：

(1)1∶00～3∶00內(nèi)蓄電池放電即滿足主負(fù)荷運(yùn)行需求，之后在電價低谷期內(nèi)充電儲存電能(4∶00～6∶00、13∶00～15∶00、23∶00～24∶00)，在電價高峰期附近時段內(nèi)進(jìn)行放電(7∶00～11∶00、16∶00～22∶00)，充分利用峰谷電價差來維持微網(wǎng)運(yùn)行的經(jīng)濟(jì)性，避免了電價的突然升高對微電網(wǎng)系統(tǒng)的沖擊，對實(shí)時電價對電網(wǎng)的影響起到了一定的緩沖作用。

(2)微燃機(jī)在5∶00時開始啟動，在電價高峰期8∶00～10∶00內(nèi)達(dá)到了運(yùn)行功率的峰值，這是因?yàn)槲⑷紮C(jī)的運(yùn)行成本主要與天然氣的價格有關(guān)，通過利用天然氣的費(fèi)用與實(shí)時電價差額來節(jié)約成本，之后為避免再次支付微燃機(jī)的啟停費(fèi)用并且維持熱負(fù)荷的供給，保持最小功率運(yùn)行直到運(yùn)行結(jié)束。

(3)微燃機(jī)和蓄電池相互配合，提高了運(yùn)行的靈活性，避免了單一可微源由于爬坡功率的限制而不能滿足電負(fù)荷供需的情況。

(4)鍋爐僅在熱負(fù)荷高峰期周圍(5∶00～9∶00、18∶00～23∶00)內(nèi)運(yùn)行，其他時段由于微燃機(jī)已經(jīng)能滿足熱負(fù)荷的基本要求因而停運(yùn)。

4.3對比分析

4.3.1 成本對比分析

根據(jù)負(fù)荷參與用戶需求側(cè)響應(yīng)的方式，本文中一共設(shè)定了4種微網(wǎng)運(yùn)行方式見表8。

表8 4種微網(wǎng)運(yùn)行方式Tab.8 Four operation modes of microgrid

分別在單時段優(yōu)化模型和滾動優(yōu)化模型中進(jìn)行分析和計(jì)算，得到成本對比結(jié)果見表9。

表9 微網(wǎng)運(yùn)行成本對比Tab.9 Comparison of microgrid operation cost (單位：元)

從表9中對比分析可知：

(1)不論微網(wǎng)采用哪種運(yùn)行方式，相對于單時段調(diào)度模型，滾動優(yōu)化模型下的微網(wǎng)由于考慮了未來時段的電價、負(fù)荷信息、初始狀態(tài)等并及時做出相應(yīng)的機(jī)組出力調(diào)整后，運(yùn)行成本均有了一定幅度的運(yùn)行成本降低，特別是對于負(fù)荷削減和負(fù)荷轉(zhuǎn)移同時進(jìn)行的模式1的效果最為顯著。

(2)可轉(zhuǎn)移負(fù)荷相對于可中斷負(fù)荷對于微網(wǎng)運(yùn)行的成本降低，作用更為顯著，而可中斷負(fù)荷的參與使得微網(wǎng)運(yùn)行成本有較小幅度的降低，可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷相互配合才能使微網(wǎng)的經(jīng)濟(jì)性獲得較大程度的提升。

4.3.2 負(fù)荷曲線對比分析

方式2、方式3和原始負(fù)荷曲線對比如圖10所示。

圖10 負(fù)荷曲線對比分析Fig.10 Load curve in two different modes

從圖10中可以看出運(yùn)行方式3下的調(diào)度后的負(fù)荷曲線削峰填谷的作用更加明顯，負(fù)荷曲線更加平滑，這是因?yàn)閷τ谥挥锌芍袛嘭?fù)荷參與互動的模式2，由于可中斷負(fù)荷的啟動次數(shù)限制，為滿足經(jīng)濟(jì)性最優(yōu)選擇在一周期內(nèi)電價最高的8∶00～10∶00內(nèi)進(jìn)行負(fù)荷削減，之后不再啟動，不能發(fā)揮縮減負(fù)荷峰谷差的作用，而運(yùn)行方式2的可轉(zhuǎn)移負(fù)荷在不同時段的實(shí)時電價差的刺激下，實(shí)現(xiàn)了從負(fù)荷高峰期和電價高峰期向電價低谷期的轉(zhuǎn)移，有效地減小了負(fù)荷峰值。

5 結(jié)論

為了探究需求側(cè)響應(yīng)下的微網(wǎng)優(yōu)化運(yùn)行過程，本文建立了以經(jīng)濟(jì)性最優(yōu)為目標(biāo)的目標(biāo)函數(shù)，并確立了相關(guān)約束條件，基于滾動優(yōu)化算法，并加入實(shí)時電價、可中斷負(fù)荷、可轉(zhuǎn)移負(fù)荷等多種類型的需求側(cè)響應(yīng)方式，并針對微網(wǎng)不同的運(yùn)行方式進(jìn)行了成本對比和負(fù)荷曲線對比，并得出以下結(jié)論：

(1)可轉(zhuǎn)移負(fù)荷可以使負(fù)荷曲線更為平滑，可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷的共同參與，可以實(shí)現(xiàn)削峰填谷的作用，使微網(wǎng)系統(tǒng)得到最大程度的經(jīng)濟(jì)性改善。

(2)負(fù)荷轉(zhuǎn)移與否主要與轉(zhuǎn)入時段和轉(zhuǎn)出時段的點(diǎn)價差有關(guān)，而負(fù)荷削減受實(shí)時電價影響較大。

(3)滾動優(yōu)化算法由于利用了未來時段的電價信息、負(fù)荷信息等，并且考慮了微源運(yùn)行的初始狀態(tài)，能夠有效地降低各種運(yùn)行方式下的微網(wǎng)運(yùn)行成本。

[1] 言大偉, 韋鋼, 陳昡姿, 等.(Yan Dawei, Wei Gang, Chen Xuanzi, et al.)考慮可中斷負(fù)荷的微網(wǎng)能量優(yōu)化(Microgrid energy optimization considering interruptible load)[J]. 電力系統(tǒng)及其自動化學(xué)報(bào)(Proceedings of the CSU-EPSA), 2012, 24(1): 88-93.

[2] 肖浩, 裴瑋, 孔力，等(Xiao Hao，Pei Wei，Kong Li, et al.). 綜合能源微網(wǎng)運(yùn)行優(yōu)化調(diào)度方法研究(Research on optimal operation method of integrated energy microgrid system)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)， 2016, 35(12), 1-11.

[3] 王銳, 顧偉, 吳志(Wang Rui, Gu Wei, Wu Zhi)含可再生能源的熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化(Economic and optimal operation of a combined heat and power microgrid with renewable energy resources)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2011, 35(8): 22-27.

[4] 陳潔, 楊秀, 朱蘭,等.(Chen Jie, Yang Xiu, Zhu Lan， et al.)基于遺傳算法的熱電聯(lián)產(chǎn)型微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化(Genetic algorithm based economic operation optimization of a combined heat and power microgrid.)[J]. 電力系統(tǒng)保護(hù)與控制(Power System Protection and Control), 2013, 41(8): 7-15.

[5] Schweppe F C, Caramanis M C, Tabors R D, et al. Spot pricing of electricity[M]. New York:Springer Science & Business Media, 2013.

[6] 裴瑋，鄧衛(wèi)，沈子奇，等(Pei Wei, Deng Wei, Shen Ziqi， et al.).可再生能源與熱電聯(lián)供混合微網(wǎng)能量協(xié)調(diào)優(yōu)化研究(Energy coordination and optimization of hybrid microgrid based on renewable energy and CHP supply)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2014, 38(12) 27-33.

[7] International Energy Agency. The power to choose: demand response in liberalised electricity markets[M]. OECD Publishing, 2003.

[8] Pipattanasomporn M, Willingham M, Rahman S. Implications of on-site distributed generation for commercial industrial facilities[J]. IEEE Transactions on Power Systems, 2005, 20 (1):206-212.

[9] 何舜,鄭毅,蔡旭，等(He Shun, Zheng Yi, Cai Xu，et al.). 基于荷-儲型微網(wǎng)的需求側(cè)管理系統(tǒng)運(yùn)行優(yōu)化(Optimal operation for demand side management based on load-storage microgrid)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems),2015,39(19):15-20.

[10] 蘭國軍, 栗文義, 尹凱，等(Lan Guojun, Su Wenyi, Yin Kai，et al.).并網(wǎng)運(yùn)行風(fēng)/光/儲微電網(wǎng)容量配置雙目標(biāo)優(yōu)化(Bi-objective optimization of capacity configuration based on grid-connected wind/photovoltaic/storage microgrid)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy), 2015, 34(3): 18-23.

[11] 李鵬, 徐偉娜, 周澤遠(yuǎn)，等(Li Peng, Xu Weina, Zhou Zeyuan，et al.).基于改進(jìn)萬有引力搜索算法的微網(wǎng)優(yōu)化運(yùn)行(Optimal operation of microgrid based on improved gravitational search algorithm)[J]. 中國電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE), 2014, 34(19): 3073-3079.

[12] 肖浩，裴瑋，孔力，等(Xiao Hao, Pei Wei, Kong Li，et al.).考慮光伏余電上網(wǎng)的微網(wǎng)出力決策分析及經(jīng)濟(jì)效益評估(Decision analysis and economic benefit evaluation of microgrid power output considering surplus photovoltaic power selling to grid)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2014, 38(10) 10-16.

[13] 劉方, 楊秀, 時珊珊, 等(Liu Fang, Yang Xiu, Shi Shanshan, et al.). 不同時間尺度下基于混合儲能調(diào)度的微網(wǎng)能量優(yōu)化(Hybrid energy storage scheduling based microgrid energy optimization under different time scales)[J]. 電網(wǎng)技術(shù)(Power System Technology), 2014, 38(11): 3079-3087.

[14] 張明銳, 陳潔, 杜志超, 等(Zhang Mingrui, Chen Jie,Du Zhichao, et al.). 考慮交互功率控制的微網(wǎng)經(jīng)濟(jì)運(yùn)行(Economic operation of micro-grid considering regulation of interactive power)[J]. 中國電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE), 2014, 34(7): 1013-1023.

[15] 顧偉, 吳志, 王銳(Gu Wei, Wu Zhi, Wang Rui). 考慮污染氣體排放的熱電聯(lián)供型微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化(Multi-objective optimization of combined heat and power microgrid considering pollutant emission)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2012, 36(14):177-185.

[16] 郭力,許東,王成山,等(Guo Li, Xu Dong, Wang Chengshan, et al.). 冷電聯(lián)供分布式供能系統(tǒng)能量優(yōu)化管理(Research on some key problems related to integrated energy systems) [J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2009, 33(19):96-100.

[17] 張欽, 王錫凡, 王建學(xué), 等.(Zhang Qin, Wang Xifan, Wang Jianxue, et al.).電力市場下需求響應(yīng)研究綜述(Survey of demand response research in deregulated electricity markets)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2008, 32(3): 97-106.

[18] Palensky P, Dietrich D. Demand side management: demand response, intelligent energy systems, and smart loads[J ]. IEEE Transactions on Industrial Informatics, 2011, 7(3): 381-388.

[19] 楊麗君, 李健強(qiáng), 李學(xué)平，等(Yang Lijun，Li Jianqiang, Li Xueping, et al.).考慮需求響應(yīng)的含風(fēng)電電力系統(tǒng)日前經(jīng)濟(jì)調(diào)度(Day-ahead dispatching for wind power integrated system considering demand response)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy), 2015, 34(11): 29-36.

[20] 張學(xué), 裴瑋, 鄧衛(wèi),等(Zhang Xue, Pei Wei, Deng Wei, et al.). 多源/多負(fù)荷直流微電網(wǎng)的能量管理和協(xié)調(diào)控制方法(Energy management and coordinated control method for multi-source/multi-load DC microgrid)[J]. 中國電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE), 2014, 34(31): 5553-5562.

[21] Lee M, Aslam O, Foster B, et al. Assessment of demand response and advanced metering[R]. Federal Energy Regulatory Commission, Tech. Rep, 2013.

[22] 董開松，丁巖，謝永濤，等(Dong Kaisong, Ding Yan, Xie Yongtao,et al.). 基于需求側(cè)響應(yīng)的微電網(wǎng)市場優(yōu)化模型(Market optimization model for microgrid with demand response)[J]高壓電器(The High Voltage Apparatus),2015,51(6):122-126.

[23] 李瀟雨，黃珂(Li Xiaoyu, Huang Ke). 分布式能源發(fā)展政策研究文獻(xiàn)綜述(The literature review for the study on development policy of distributed energy)[J]. 華北電力大學(xué)學(xué)報(bào): 社會科學(xué)版(Journal of North China Electric Power University (SociaISciences)), 2015, (1): 20-25.

[24] 趙曉麗，張素芳(Zhao Xiaoli, Zhang Sufang)．國內(nèi)外電力需求側(cè)管理措施對比研究(Contrast and research on DSM measures at home and abroad)[J]．電力需求側(cè)管理(Power Demand Side Management)，2005，7(5)：60-62．

[25] 潘超, 孟濤, 蔡國偉, 等(Pan Chao, Meng Tao, Cai Guowei,et al.). 主動配電網(wǎng)廣義電源多目標(biāo)優(yōu)化規(guī)劃(Multi-objective optimal configuration of generalized power sources)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy), 2016, 35(3): 41-46.

[26] Albadi M H, El-Saadany E F. A summary of demand response in electricity markets[J]. Electric Power Systems Research, 2008, 78(11): 1989-1996.

[27] 楊麗君, 魏玲玲, 盧志剛, 等(Yang Lijun, Wei Lingling. Lu Zhigang, et al.). 考慮可中斷負(fù)荷的配電網(wǎng)分區(qū)動態(tài)故障恢復(fù)(Fault partition dynamic recovery strategy for distribution network considering interruptible loads)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy), 2016, 35(8): 73-80.

[28] 王蓓蓓, 李揚(yáng), 高賜威(Wang Beibei, Li Yang, Gao Ciwei). 智能電網(wǎng)框架下的需求側(cè)管理展望與思考(Demand side management outlook under smart grid infrastructure)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2009,33(20): 17-22.

[29] 李璐, 肖湘寧, 陳鵬偉(Li Lu, Xiao Xiangning, Chen Pengwei). 改進(jìn)光伏模型及其在微網(wǎng)可靠性評估中的應(yīng)用(Improved photovoltaic model and its application in reliability evaluation of microgrid)[J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy), 2016, 35(11): 65-71.

Optimalinteractiveoperationofmicrogridunderdemandresponse

XIAO An-nan1, ZHANG Wei-xiang1, ZHANG Chao2, BIAN Hai-feng2, MA Xin3, PEI Wei3

(1. State Grid Anhui Electric Power Company, Hefei 230061, China; 2. Beijing Nari Dian Yan Hua Yuan Electric Power Technology Co. Ltd., Beijing 102200, China; 3. Institute of Electrical Engineering, Chinese Academy of Sciences, Beijing 100190, China)

As one of the ways to use renewable energy and a typical system of integration of power sources, power gird and power loads, micro grid technology has close links with smart grid, demand side management, distributed power and other technologies and it has become an important area of energy research. This paper discusses the micro grid research background and some common energy models. Micro grid optimization mathematical model is established considering the operation characteristics of different types of micro sources and the demand for different types of test response mode. Through rolling optimization algorithm simulation analysis, example analysis shows that with the demand side response management system model, it can not only improve the electricity economic and environmental friendly, but also reduce the peak load and shock load of micro grid and improve the power efficiency.

distributed energy resource; micro grid; demand side response; rolling optimization algorithm

2017-4-20

國網(wǎng)安徽省電力公司科技項(xiàng)目《“源-網(wǎng)-荷”互動模式下配電網(wǎng)安全策略研究》(SGTYHT/15-JS-194)

肖安南 (1975-), 男, 高級工程師, 主要研究方向電力設(shè)施保護(hù)、 配電專業(yè)管理； 裴 瑋 (1982-)， 男， 江西籍， 研究員， 博士， 研究方向?yàn)楹植际侥茉吹碾娏ο到y(tǒng)分析、 微電網(wǎng)和交直流配網(wǎng)(通訊作者)。

10.12067/ATEEE1704065

： 1003-3076(2017)09-0071-09

： TM732