劉雪飛，劉 洋，馬國(guó)真，孫增杰，杜明坤，黃 媛

考慮負(fù)荷差異化需求響應(yīng)的配電網(wǎng)多目標(biāo)擴(kuò)展規(guī)劃

劉雪飛1，劉 洋1，馬國(guó)真1，孫增杰2，杜明坤3，黃 媛3

(1.國(guó)網(wǎng)河北省電力有限公司經(jīng)濟(jì)技術(shù)研究院，河北 石家莊 050023；2.國(guó)網(wǎng)河北省電力有限公司，河北 石家莊 050022；3.四川大學(xué)電氣工程學(xué)院，四川 成都 610065)

為應(yīng)對(duì)不斷增長(zhǎng)的能源需求和環(huán)境污染，發(fā)展分布式電源(distributed generation, DG)、需求側(cè)響應(yīng)(demand response, DR)成為促進(jìn)全球能源體系發(fā)展的重要舉措。基于此，提出基于改進(jìn)k-means聚類和最優(yōu)特征集提取的用電行為畫(huà)像方法，以實(shí)現(xiàn)針對(duì)用戶差異化用電特征的需求響應(yīng)方案界定。然后，構(gòu)建考慮差異化需求響應(yīng)方案的配電網(wǎng)擴(kuò)展規(guī)劃模型，在決策目標(biāo)中添加年綜合成本、DG利用率等優(yōu)化目標(biāo)，采用規(guī)格化法平面約束法(normalized normal constraint, NNC)求解帕累托最優(yōu)解集。最后，在IEEE33節(jié)點(diǎn)系統(tǒng)上驗(yàn)證了該需求響應(yīng)方案界定方法和擴(kuò)展規(guī)劃模型的有效性。

需求側(cè)響應(yīng)；用電行為畫(huà)像；需求響應(yīng)方案界定；配電網(wǎng)擴(kuò)展規(guī)劃；規(guī)格化法平面約束法

0 引言

近年來(lái)，為應(yīng)對(duì)不斷增長(zhǎng)的能源需求和環(huán)境污染，發(fā)展分布式電源(distributed generator, DG)成為促進(jìn)全球能源體系發(fā)展的重要舉措。此外，需求側(cè)響應(yīng)(demand response, DR)的加入給配電網(wǎng)的擴(kuò)展規(guī)劃也帶來(lái)了新的因素[1]，但在其落地實(shí)施過(guò)程中，面臨著難以根據(jù)不同用戶用電特征制訂適合的需求響應(yīng)方案的難題。因此，如何在配電網(wǎng)擴(kuò)展規(guī)劃中綜合考慮DG和DR因素以及需求響應(yīng)方案的界定，從而應(yīng)對(duì)高滲透分布式能源接入配電網(wǎng)帶來(lái)的問(wèn)題，具有重要意義和價(jià)值。

目前，已有許多學(xué)者對(duì)DR在配電網(wǎng)擴(kuò)展規(guī)劃中的應(yīng)用展開(kāi)研究。文獻(xiàn)[2]在配電網(wǎng)擴(kuò)展規(guī)劃中考慮了基于激勵(lì)的可調(diào)度DR，對(duì)配電網(wǎng)拓?fù)浣Y(jié)構(gòu)、DG和參與DR負(fù)荷容量進(jìn)行擴(kuò)展規(guī)劃。文獻(xiàn)[3]考慮了基于激勵(lì)機(jī)制的DR，建立了針對(duì)多區(qū)域綜合能源系統(tǒng)內(nèi)設(shè)備(候選輸電線路、天然氣管道、熱電聯(lián)產(chǎn)機(jī)、電儲(chǔ)能等)的協(xié)同規(guī)劃模型。文獻(xiàn)[4-5]采用實(shí)時(shí)電價(jià)的需求響應(yīng)機(jī)制，構(gòu)建了同時(shí)考慮DG和DR的配電網(wǎng)擴(kuò)展模型，結(jié)果表明研究考慮DR的配電網(wǎng)擴(kuò)展規(guī)劃，對(duì)優(yōu)化能源結(jié)構(gòu)、減緩配電網(wǎng)投資具有重要意義。上述文獻(xiàn)僅考慮了單一類型的DR，如激勵(lì)型需求響應(yīng)[2-3](incentive-based demand response, IDR)和價(jià)格型需求響應(yīng)[4-5](price-based demand response, PDR)，實(shí)際上兩者往往同時(shí)存在于主動(dòng)配電網(wǎng)中。此外，傾向PDR用戶和傾向IDR用戶在用電形態(tài)上具有明顯區(qū)分[6]。當(dāng)同時(shí)考慮PDR和IDR的協(xié)同作用進(jìn)行配電網(wǎng)擴(kuò)展規(guī)劃時(shí)，如何圍繞用戶本身的用電特征對(duì)用戶需求響應(yīng)方案實(shí)現(xiàn)界定，也是本文需要研究的重點(diǎn)。

智能量測(cè)終端的大量投用，使得用戶數(shù)據(jù)得以實(shí)時(shí)采集，這些數(shù)據(jù)的相似性與關(guān)聯(lián)性反映了用戶用電習(xí)慣與行為特性[7]，借助這些數(shù)據(jù)并通過(guò)基于數(shù)據(jù)驅(qū)動(dòng)的用電行為畫(huà)像方法有助于完成需求響應(yīng)方案的界定，相關(guān)研究主要集中于用電行為畫(huà)像分類模型方面。文獻(xiàn)[8-10]分別采用模糊C均值聚類(fuzz C-means, FCM)、模糊隨機(jī)聚類、綜合降維技術(shù)和二次聚類等聚類方法對(duì)負(fù)荷曲線進(jìn)行分析，構(gòu)建了用戶用電行為分類模型。文獻(xiàn)[11]提出了基于用戶負(fù)荷峰谷曲線的用戶分類研究，但其負(fù)荷數(shù)據(jù)曲線計(jì)算數(shù)據(jù)量較大，不適合大規(guī)模用戶用電行為分析。上述對(duì)用電行為畫(huà)像的研究中，并未提及針對(duì)用戶差異化用電特征的需求響應(yīng)方案界定方法；同時(shí)，面對(duì)迅速增長(zhǎng)的用電數(shù)據(jù)量，通過(guò)優(yōu)選特征能夠降低計(jì)算量，有效提高計(jì)算效率。

針對(duì)以上不足，本文的規(guī)劃側(cè)重于綜合考慮負(fù)荷的差異化需求響應(yīng)和配電網(wǎng)分布式發(fā)電資源的精確投資。首先，提出基于用電行為畫(huà)像的用戶用電特征提取方法，并基于提取的不同用電特征實(shí)現(xiàn)負(fù)荷差異化需求響應(yīng)方案界定。然后，綜合考慮配電網(wǎng)DG、線路投資和負(fù)荷差異化需求響應(yīng)，構(gòu)建對(duì)配電網(wǎng)經(jīng)濟(jì)和環(huán)境效益同時(shí)優(yōu)化的多目標(biāo)規(guī)劃模型，并在模型約束中添加針對(duì)差異化需求響應(yīng)方案的IDR和PDR約束。根據(jù)所建模型的特點(diǎn)，采用規(guī)格化法平面約束法(normalized normal constraint, NNC)求取帕累托前沿解集。最后通過(guò)IEEE33節(jié)點(diǎn)算例驗(yàn)證了本文所提規(guī)劃模型的合理性和有效性。

1 基于用電行為畫(huà)像的需求響應(yīng)方案界定

目前DR主要分為PDR和IDR兩類。PDR一般通過(guò)峰谷分時(shí)電價(jià)的調(diào)整措施，鼓勵(lì)用戶自發(fā)調(diào)整用電量，進(jìn)而實(shí)現(xiàn)對(duì)系統(tǒng)中的用戶負(fù)荷進(jìn)行削峰填谷；IDR則通過(guò)與用戶簽訂補(bǔ)償合同的形式，在系統(tǒng)供電不足時(shí)適當(dāng)削減合適比例的部分負(fù)荷。為了鼓勵(lì)用戶參與DR并提高配電網(wǎng)整體的運(yùn)行效益，本文將具有需求響應(yīng)潛力的用戶均視為可參與PDR的潛在用戶，進(jìn)一步通過(guò)最優(yōu)特征提取和打分制，區(qū)分具有IDR潛力的用戶?；谏鲜鲈O(shè)定，圖1給出了需求響應(yīng)方案界定的流程。

圖1 需求響應(yīng)方案界定流程

1.1 行業(yè)負(fù)荷特性分析

在進(jìn)行用電行為畫(huà)像之前，需依據(jù)用戶行業(yè)負(fù)荷特性衡量該類用戶參與DR的意愿。在實(shí)際生產(chǎn)中，不同行業(yè)用戶具有不同用電特性，電力成本占其生產(chǎn)成本的比例也不盡相同，對(duì)DR的敏感度也不完全相同。表1基于課題組調(diào)研給出我國(guó)東北某省幾類行業(yè)負(fù)荷特性的相關(guān)信息。

表1 我國(guó)東北某省幾類行業(yè)負(fù)荷特性相關(guān)信息

由表1中數(shù)據(jù)分析，對(duì)于以峰谷分時(shí)電價(jià)為引導(dǎo)的PDR項(xiàng)目，電力成本占生產(chǎn)成本比重越大的行業(yè)(如商業(yè)負(fù)荷和電氣電子、紡織等工業(yè)負(fù)荷)對(duì)PDR的參與意愿越強(qiáng)烈，這是因?yàn)樵擃愋袠I(yè)對(duì)電價(jià)的敏感度相對(duì)更高，更期望降低自身用電成本；對(duì)于以可削減負(fù)荷為主的IDR項(xiàng)目，商業(yè)負(fù)荷和電氣電子、水泥、機(jī)械制造等工業(yè)負(fù)荷的負(fù)荷削減比例更大，這表明工、商業(yè)負(fù)荷對(duì)IDR的參與意愿相對(duì)更強(qiáng)烈。

基于上述分析，本文在進(jìn)行用電行為畫(huà)像之前，先基于行業(yè)屬性對(duì)用戶進(jìn)行分類，一般分可為工業(yè)負(fù)荷、商業(yè)負(fù)荷和居民負(fù)荷三類用戶。同時(shí)，由于工業(yè)、商業(yè)負(fù)荷參與DR的意愿相對(duì)居民負(fù)荷要強(qiáng)烈得多，本文將需求響應(yīng)方案界定研究的對(duì)象設(shè)定為工、商業(yè)負(fù)荷。

1.2 改進(jìn)k-means聚類分析

用電行為畫(huà)像的第一步是對(duì)用電數(shù)據(jù)樣本進(jìn)行聚類分析，以實(shí)現(xiàn)用電場(chǎng)景縮減和獲取各用戶類別標(biāo)簽。k-means算法可對(duì)實(shí)際系統(tǒng)歷史數(shù)據(jù)完成聚類分析，避免隨機(jī)變量擬合概率分布時(shí)的模型誤差。然而聚類數(shù)值的選擇對(duì)聚類效果有較大影響，因此，本文采用基于聚類有效性指標(biāo)控制值的改進(jìn)k-means聚類算法[12]對(duì)用電數(shù)據(jù)樣本進(jìn)行聚類分析，以獲得各用戶的類別標(biāo)簽，并定義特征向量到聚類中心的歐氏距離，作為用戶負(fù)荷的聚類有效性指標(biāo)。通過(guò)k-means聚類分析后，具有明顯晚間用電單峰特征的用戶被認(rèn)為是不具有需求響應(yīng)潛力的用戶，而剩下的具有需求響應(yīng)潛力的用戶均被認(rèn)為是可參與PDR的潛在用戶。

1.3 最優(yōu)特征集提取

本文采用用戶用電曲線的用電特征來(lái)表征用戶用電行為，選擇合適的用電特征實(shí)現(xiàn)用戶需求響應(yīng)方案的界定，常用的用電特征見(jiàn)表2。

表2 常用用電特征

本文采用皮爾遜相關(guān)系數(shù)作為用電行為特征提取的指標(biāo)，期望得到冗余度最小的特征集。皮爾遜相關(guān)系數(shù)可表示為

最小冗余度指標(biāo)定義為

1.4 用戶需求響應(yīng)方案界定

1.2節(jié)采用改進(jìn)k-means聚類獲得了用戶用電行為的類別標(biāo)簽，1.3節(jié)求得最優(yōu)特征集表征用戶用電的行為標(biāo)簽。本文采用打分制[7]的方法來(lái)實(shí)現(xiàn)用戶的需求響應(yīng)方案界定，滿分設(shè)為100分，則第類用戶對(duì)應(yīng)第個(gè)標(biāo)簽的計(jì)分公式為

獲得第類用戶對(duì)應(yīng)第個(gè)標(biāo)簽的得分后，進(jìn)一步通過(guò)熵權(quán)法[13]計(jì)算第類用戶的加權(quán)得分，以區(qū)分IDR類型的潛在用戶，本文取加權(quán)得分最高的第類用戶作為IDR的潛在用戶，認(rèn)為該類用戶具有參與IDR和PDR的潛力，而其余用戶僅被認(rèn)為是PDR潛在用戶。

2 考慮差異化需求響應(yīng)方案的配電網(wǎng)擴(kuò)展規(guī)劃模型

基于第1節(jié)的差異化需求響應(yīng)方案界定，在明確本文規(guī)劃目標(biāo)為系統(tǒng)經(jīng)濟(jì)性最優(yōu)和DG利用率最大后，同時(shí)計(jì)及系統(tǒng)的IDR和PDR約束，建立考慮差異化需求響應(yīng)方案的配電網(wǎng)擴(kuò)展規(guī)劃模型。

2.1 規(guī)劃目標(biāo)

如前文所述，規(guī)劃目標(biāo)為系統(tǒng)經(jīng)濟(jì)性最優(yōu)和DG利用率最大，本文圍繞這一優(yōu)化目標(biāo)建立配電網(wǎng)擴(kuò)展規(guī)劃模型。

目標(biāo)函數(shù)1：系統(tǒng)年綜合成本最小?？紤]系統(tǒng)的綜合經(jīng)濟(jì)性，以系統(tǒng)年投資運(yùn)行綜合成本最小為目標(biāo)函數(shù)，即

目標(biāo)函數(shù)2：DG利用率最大。以規(guī)劃年內(nèi)所有場(chǎng)景下系統(tǒng)的DG利用率最大作為配電網(wǎng)擴(kuò)展規(guī)劃的另一目標(biāo)函數(shù)。

2.2 約束條件

1) 設(shè)備投資約束

假設(shè)規(guī)劃后的配電網(wǎng)光伏、風(fēng)機(jī)的最大數(shù)目以及預(yù)計(jì)新建線路的數(shù)目已預(yù)先規(guī)定，則配電網(wǎng)擴(kuò)展規(guī)劃的設(shè)備投資約束可以表示為

2) 網(wǎng)絡(luò)輻射狀約束以及連通性約束

配電線路在擴(kuò)展規(guī)劃過(guò)程中應(yīng)避免環(huán)狀結(jié)構(gòu)的出現(xiàn)，需滿足“閉環(huán)設(shè)計(jì)，開(kāi)環(huán)運(yùn)行”的原則，在保證連通性約束的前提下，最簡(jiǎn)單的約束則是最終規(guī)劃的線路數(shù)比節(jié)點(diǎn)數(shù)少1[14]。因此本文網(wǎng)絡(luò)輻射狀約束可以表示為

式中，和分別為規(guī)劃后配電網(wǎng)絡(luò)的節(jié)點(diǎn)總數(shù)和線路總數(shù)。

同時(shí)為保證所規(guī)劃電網(wǎng)各個(gè)節(jié)點(diǎn)的連通性，需要將所規(guī)劃配網(wǎng)的拓?fù)浣Y(jié)構(gòu)進(jìn)行連通性檢驗(yàn)[15]。

3) 電力平衡約束

規(guī)劃后的配電網(wǎng)絡(luò)應(yīng)滿足電力平衡約束，式(15)—式(17)表示節(jié)點(diǎn)功率平衡約束，式(18)和式(19)為采用大法的線路潮流約束，通過(guò)引入一個(gè)足夠大的正實(shí)數(shù)使得在線路未投運(yùn)時(shí)，不等式約束式(18)和式(19)無(wú)效，式(20)和式(21)為線路功率的上下限約束。

再將式(17)進(jìn)行凸松弛[16]，進(jìn)而轉(zhuǎn)化為如式(22)所示的標(biāo)準(zhǔn)二階錐形式。

4) 元件運(yùn)行特性約束

光伏發(fā)電運(yùn)行約束為

風(fēng)電機(jī)組運(yùn)行約束為

5) PDR約束

PDR通過(guò)制定合理的日前電價(jià)，鼓勵(lì)用戶自發(fā)調(diào)整用電量，因此其響應(yīng)量與電價(jià)密切相關(guān)。式(25)表示電價(jià)變化率和負(fù)荷變化率之間的關(guān)系。

實(shí)施PDR前后負(fù)荷功率之間的等式約束可以表示為

此外，為防止PDR過(guò)程負(fù)荷響應(yīng)量過(guò)多而影響用戶正常用電，PDR實(shí)施前后總負(fù)荷量應(yīng)保持不變，即

同時(shí)，用戶參與PDR的自身權(quán)益也需要考慮，因此本文引入用電方式滿意度、用電費(fèi)用滿意度約束保障用戶權(quán)益。

6) IDR約束

本文考慮的IDR主要采取負(fù)荷削減的形式，需要針對(duì)可削減負(fù)荷響應(yīng)特點(diǎn)，考慮參與用戶的響應(yīng)約束條件。為避免IDR實(shí)施過(guò)程中產(chǎn)生額外的調(diào)整成本，用戶所提交的參與負(fù)荷削減響應(yīng)量應(yīng)滿足一定的條件約束，即

同時(shí)，整個(gè)調(diào)度周期內(nèi)負(fù)荷削減量之和應(yīng)不超過(guò)預(yù)先規(guī)定的最大負(fù)荷削減容量，即

2.3 基于NNC法的多目標(biāo)優(yōu)化模型求解方法

為了對(duì)上述模型高效求解，本文采用NNC法[18]求解多目標(biāo)優(yōu)化問(wèn)題，其基本流程如圖2所示。相比其他多目標(biāo)優(yōu)化方法，NNC法可以將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為求解與每個(gè)等距離分割點(diǎn)對(duì)應(yīng)的帕累托前沿最優(yōu)點(diǎn)問(wèn)題，從而可以通過(guò)求較少的帕累托前沿點(diǎn)來(lái)描述完整的帕累托前沿，可大幅減少計(jì)算量。

圖2 求解流程

本文構(gòu)建的多目標(biāo)混合整數(shù)線性規(guī)劃模型可在CPU為i5-10300H，內(nèi)存為16 GB的個(gè)人電腦上實(shí)現(xiàn)，基于Matlab 2016a平臺(tái)配置的Yalmip工具包，調(diào)用GUROBI商業(yè)求解器完成求解。

3 算例分析

采用修改后的IEEE33節(jié)點(diǎn)配電網(wǎng)[14]構(gòu)成如圖3所示的算例測(cè)試系統(tǒng)進(jìn)行配電網(wǎng)擴(kuò)展規(guī)劃。圖3中，虛線表示待建配電線路，對(duì)應(yīng)待建線路集為{32-33, 33-34, 34-35, 35-36, 36-37, 37-38, 38-39, 39-40, 40-41, 41-42, 9-35, 11-37, 16-42, 22-36}，待建線路的具體參數(shù)見(jiàn)表3。設(shè)定每個(gè)電網(wǎng)節(jié)點(diǎn)允許接入的光伏和風(fēng)機(jī)數(shù)量至多1臺(tái)，配電網(wǎng)中的光伏和風(fēng)機(jī)最多安裝數(shù)量均為5臺(tái)，最小安裝數(shù)量均為1臺(tái)，光伏安裝的候選節(jié)點(diǎn)集為{4, 18, 24, 26, 30, 32}，風(fēng)機(jī)安裝的候選節(jié)點(diǎn)集為{3, 9, 11, 12, 15, 17, 20, 27, 31}，待安裝的DG機(jī)組參數(shù)見(jiàn)表4，各場(chǎng)景DG出力變化規(guī)律參考文獻(xiàn)[19]。本文典型場(chǎng)景下的負(fù)荷數(shù)據(jù)集參考文獻(xiàn)[7]中的負(fù)荷數(shù)據(jù)按比例縮小得到。各節(jié)點(diǎn)負(fù)荷的行業(yè)屬性參見(jiàn)表5。

圖3 IEEE33節(jié)點(diǎn)系統(tǒng)算例網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

表3 待建線路數(shù)據(jù)

表4 待安裝DG機(jī)組參數(shù)

表5 各節(jié)點(diǎn)負(fù)荷的行業(yè)屬性

配電公司向主網(wǎng)的購(gòu)電電價(jià)參考文獻(xiàn)[20]，設(shè)備維護(hù)成本取為初始投資的3%，貼現(xiàn)率為10%，規(guī)劃年限為10年。PDR的響應(yīng)前電價(jià)為0.52元/kWh，需求彈性矩陣的自彈性系數(shù)和互彈性系數(shù)取值對(duì)于不同行業(yè)類別會(huì)有所區(qū)別，一般工業(yè)用戶互彈性系數(shù)為負(fù)，商業(yè)用戶互彈性系數(shù)為正，其具體取值參考文獻(xiàn)[21]。分時(shí)電價(jià)政策：高峰時(shí)段為14：30—18：30，低谷時(shí)段為23：00—次日07：00，其余時(shí)段為平時(shí)段。IDR類型主要考慮可削減負(fù)荷，可削減負(fù)荷的補(bǔ)償成本為0.8元/kWh。能夠進(jìn)行DR的負(fù)荷節(jié)點(diǎn)集為工、商業(yè)用戶節(jié)點(diǎn)集合的并集，即{8, 9, 16, 17, 23, 24, 25, 26, 30, 31, 32, 33}，并進(jìn)一步通過(guò)用電行為畫(huà)像的方法對(duì)能進(jìn)行DR的負(fù)荷用戶進(jìn)行需求響應(yīng)方案界定，對(duì)具有DR潛力的用戶進(jìn)行篩選，進(jìn)一步細(xì)分用戶類型為PDR潛在用戶和IDR潛在用戶。

3.1 帕累托最優(yōu)解

通過(guò)優(yōu)化求解本文所建的配電網(wǎng)擴(kuò)展規(guī)劃模型，得到帕累托前沿解集如圖4所示。

圖4 帕累托前沿集

從圖4中可見(jiàn)，若決策者優(yōu)先考慮配電網(wǎng)經(jīng)濟(jì)性最優(yōu)，則配電網(wǎng)擴(kuò)展規(guī)劃模型優(yōu)化求解得到的年綜合成本最小為135.07萬(wàn)元，但DG利用率最小，其發(fā)電量?jī)H有64 770 kWh；若決策者優(yōu)先考慮系統(tǒng)DG利用率最優(yōu)，則配電網(wǎng)擴(kuò)展規(guī)劃模型求解結(jié)果表明DG發(fā)電量最大為66 046 kWh，但年綜合成本最大為158.40萬(wàn)元。這表明提高配電網(wǎng)DG利用率，不可避免地需要增加配電網(wǎng)對(duì)線路、DG的投資成本以及設(shè)備的運(yùn)行維護(hù)成本，從而造成配電網(wǎng)年綜合成本的上升。當(dāng)決策者進(jìn)行配電網(wǎng)擴(kuò)展規(guī)劃時(shí)，需要綜合權(quán)衡配電網(wǎng)經(jīng)濟(jì)性和DG利用率因素的影響，合理制定預(yù)期內(nèi)配電網(wǎng)的擴(kuò)展規(guī)劃方案。

規(guī)劃過(guò)程中用電行為的畫(huà)像分析：對(duì)DR候選負(fù)荷節(jié)點(diǎn)集進(jìn)行改進(jìn)k-means聚類分析，工業(yè)負(fù)荷的值取3時(shí)聚合回報(bào)最大，因此工業(yè)負(fù)荷數(shù)據(jù)聚類時(shí)最佳值為3；商業(yè)負(fù)荷的值取4時(shí)聚合回報(bào)最大，因此商業(yè)負(fù)荷數(shù)據(jù)聚類時(shí)最佳值為4。然后進(jìn)行聚類分析，得到工業(yè)、商業(yè)負(fù)荷聚類結(jié)果，工業(yè)、商業(yè)負(fù)荷的聚類中心如圖5所示。

圖5 聚類中心

從圖5中可見(jiàn)，對(duì)于工業(yè)負(fù)荷：A類用戶日最大負(fù)荷時(shí)段在09：00—11：00，峰谷差不大，且整體負(fù)荷量較低。B類用戶與C類用戶日最大負(fù)荷時(shí)段分別在22：00—24：00和14：00—17：00，峰谷差較大，且具有明顯的單峰特性。上述3類用戶的類別標(biāo)簽可歸納為早間單峰型用戶、午間單峰型用戶和晚間單峰型用戶。其中C類用戶為晚間單峰型用戶，不具有需求響應(yīng)潛力。對(duì)于商業(yè)負(fù)荷：A'、B'和D'類用戶日最大負(fù)荷時(shí)段分別在08：00—11：00、22：00—24：00和14：00—17：00，峰谷差較大且具有明顯單峰特性，C'類用戶日最大負(fù)荷時(shí)段在16：00—18：00，次峰時(shí)段在10：00—12：00，具有明顯雙峰特性。上述4類用戶的類別標(biāo)簽可歸納為早間單峰型用戶、晚間單峰型用戶、早午間雙峰型用戶和午間單峰型用戶。其中B'類用戶為晚間單峰型用戶，不具有需求響應(yīng)潛力。A類、B類、A'類、C'類和D'類用戶具有需求響應(yīng)潛力，可作為參與PDR的潛在用戶，并進(jìn)一步對(duì)上述用戶進(jìn)行用電行為畫(huà)像。

由表6、表7可見(jiàn)，工業(yè)負(fù)荷B類用戶和商業(yè)負(fù)荷D'類用戶加權(quán)得分最高，認(rèn)為上述兩類用戶可作為IDR的潛在用戶，具有參與IDR和PDR的潛力，而其余用戶僅被認(rèn)為是PDR潛在用戶。最終需求響應(yīng)方案界定結(jié)果如表8所示。

表6 不同類型用戶的標(biāo)簽得分和加權(quán)得分

表7 熵權(quán)法計(jì)算得到的各標(biāo)簽權(quán)重

表8 需求響應(yīng)方案界定結(jié)果

3.2 DR的影響

為分析考慮DR對(duì)配電網(wǎng)擴(kuò)展規(guī)劃的影響，本節(jié)設(shè)置兩類場(chǎng)景，場(chǎng)景1為計(jì)及DR，同時(shí)考慮基于用電行為畫(huà)像的需求響應(yīng)方案界定，并采用本文提出的多目標(biāo)優(yōu)化規(guī)劃模型。場(chǎng)景2為不計(jì)及DR，并采用多目標(biāo)優(yōu)化規(guī)劃模型。在上述兩種場(chǎng)景下，優(yōu)化求解得到相應(yīng)帕累托解集，并針對(duì)各場(chǎng)景下的帕累托解集采用逼近理想解排序法[22]確定唯一的折中方案。表9和表10分別為兩類場(chǎng)景的擴(kuò)展規(guī)劃方案和規(guī)劃成本。

表9 有無(wú)DR情況下配電網(wǎng)擴(kuò)展規(guī)劃方案

注：光伏和風(fēng)機(jī)規(guī)劃結(jié)果中括號(hào)外數(shù)字代表該設(shè)備規(guī)劃投建節(jié)點(diǎn)編號(hào)，括號(hào)內(nèi)數(shù)字代表該設(shè)備具體投建型號(hào)。

表10 有無(wú)DR情況下配電網(wǎng)擴(kuò)展規(guī)劃成本

從表9和表10中可見(jiàn)，與不計(jì)及DR的規(guī)劃方案相比，本文所提考慮DR規(guī)劃方案對(duì)光伏機(jī)組、風(fēng)機(jī)的投資數(shù)量和容量都有所減少，這說(shuō)明在配電網(wǎng)擴(kuò)展規(guī)劃中考慮DR因素能有效延緩配電網(wǎng)投資升級(jí)。此外，計(jì)及DR的規(guī)劃方案雖然增加了IDR成本和PDR成本，但由于在IDR和PDR策略下，用戶能夠調(diào)整自身負(fù)荷量和用電時(shí)間，從而大幅減小配電網(wǎng)在高峰時(shí)段向主網(wǎng)的購(gòu)電成本，導(dǎo)致計(jì)及DR規(guī)劃方案的配電網(wǎng)年綜合成本相較于不計(jì)及DR的規(guī)劃方案降低了20.24%。這證明了本文所提考慮DR的規(guī)劃方法的優(yōu)勢(shì)。

圖6進(jìn)一步給出了有無(wú)DR下的配電網(wǎng)運(yùn)行情況對(duì)比。其中，為了方便對(duì)比3類場(chǎng)景下負(fù)荷的時(shí)移特性和削減效果，優(yōu)化后負(fù)荷曲線選用了表8中IDR用戶節(jié)點(diǎn)8、25、30的負(fù)荷數(shù)據(jù)。從圖6中可見(jiàn)，不計(jì)及DR時(shí)，配電網(wǎng)負(fù)荷節(jié)點(diǎn)功率波動(dòng)和用電峰谷差較大；計(jì)及DR后，由于PDR對(duì)負(fù)荷的時(shí)移特性和IDR對(duì)負(fù)荷在尖峰時(shí)刻的削減效果，配電網(wǎng)負(fù)荷節(jié)點(diǎn)功率波動(dòng)明顯減小。

圖6 有無(wú)DR下的配電網(wǎng)運(yùn)行情況

3.3 考慮差異化需求響應(yīng)方案界定的影響

為揭示考慮差異化需求響應(yīng)方案界定對(duì)配電網(wǎng)擴(kuò)展規(guī)劃的影響，本節(jié)設(shè)置3類場(chǎng)景對(duì)比分析。場(chǎng)景1為不考慮需求響應(yīng)方案界定，假設(shè)可進(jìn)行DR的用戶僅選擇PDR作為其需求響應(yīng)方案；場(chǎng)景2為不考慮需求響應(yīng)方案界定，假設(shè)可進(jìn)行DR的用戶僅選擇IDR作為其需求響應(yīng)方案；場(chǎng)景3為考慮需求響應(yīng)方案界定，并采用本文提出的考慮差異化需求響應(yīng)的配電網(wǎng)擴(kuò)展模型。在上述3類場(chǎng)景下，同樣通過(guò)優(yōu)化求解得到帕累托解集，并采用理想解排序法得到唯一折中方案。表11和表12分別給出上述3類場(chǎng)景下的擴(kuò)展規(guī)劃方案和規(guī)劃成本。

從表11和表12中可見(jiàn)，用戶選擇的需求響應(yīng)方案類型對(duì)配電網(wǎng)投資規(guī)劃方案影響不大。此外，場(chǎng)景1僅考慮DR用戶為PDR類型時(shí)，配電網(wǎng)年綜合成本最小；場(chǎng)景2僅考慮DR用戶為IDR類型時(shí)，配電網(wǎng)年綜合成本最大。這是因?yàn)镻DR的響應(yīng)機(jī)制為通過(guò)分時(shí)電價(jià)調(diào)控的可轉(zhuǎn)移負(fù)荷，實(shí)施PDR前后總負(fù)荷功率保持不變，不影響配電網(wǎng)效益；而IDR的響應(yīng)機(jī)制為可削減負(fù)荷的形式，實(shí)施IDR后總負(fù)荷功率有所減少，配電網(wǎng)效益降低，此外場(chǎng)景2下配電網(wǎng)投資成本也有所增加。

表11 考慮/不考慮差異化需求響應(yīng)方案界定下的配電網(wǎng)擴(kuò)展規(guī)劃方案

表12 考慮/不考慮差異化需求響應(yīng)方案界定下的配電網(wǎng)擴(kuò)展規(guī)劃成本

圖7進(jìn)一步給出了3類場(chǎng)景下的配電網(wǎng)運(yùn)行情況對(duì)比。同樣為了方便對(duì)比3類場(chǎng)景下負(fù)荷的時(shí)移特性和削減效果，優(yōu)化后負(fù)荷曲線選用了表8中IDR用戶節(jié)點(diǎn)8、25、30的負(fù)荷數(shù)據(jù)。從圖7中可見(jiàn)，不考慮差異化需求響應(yīng)方案界定時(shí)，由于配電網(wǎng)中負(fù)荷節(jié)點(diǎn)選擇的需求響應(yīng)方案與其出力特征之間匹配性較低，負(fù)荷的削峰填谷效果不明顯，從負(fù)荷曲線可以觀察到峰谷差仍較大，負(fù)荷尖峰仍較明顯?？紤]差異化需求響應(yīng)方案界定后，由圖7(c)可以觀察到負(fù)荷峰谷差顯著降低，起到明顯的負(fù)荷時(shí)移和削峰填谷效果。這證明了本文所提考慮差異化需求響應(yīng)方案的配電網(wǎng)擴(kuò)展規(guī)劃模型的優(yōu)越性。

圖7 考慮/不考慮差異化需求響應(yīng)方案界定下的配電網(wǎng)運(yùn)行情況

4 結(jié)論

針對(duì)大規(guī)模DG接入配電網(wǎng)帶來(lái)的經(jīng)濟(jì)投資成本增加和清潔能源消納等問(wèn)題，本文提出了一種基于用電行為畫(huà)像的需求側(cè)響應(yīng)方案界定方法，并針對(duì)差異化需求響應(yīng)方案建立了對(duì)應(yīng)的配電網(wǎng)擴(kuò)展規(guī)劃模型，以實(shí)現(xiàn)配電網(wǎng)經(jīng)濟(jì)性和DG利用率綜合最優(yōu)，并利用NNC法求解得到擴(kuò)展規(guī)劃模型的帕累托前沿。最后通過(guò)算例分析表明：

1) 配電網(wǎng)綜合投資運(yùn)行成本降低與DG利用率提升之間存在矛盾，決策者需要綜合權(quán)衡配電網(wǎng)經(jīng)濟(jì)性和DG利用率因素的影響情況，制定滿足預(yù)期的配電網(wǎng)擴(kuò)展規(guī)劃方案；

2) 計(jì)及DR的規(guī)劃方案的配電網(wǎng)年綜合成本相較于不計(jì)及DR的規(guī)劃方案大幅降低，合理的DR策略不僅能提高DG利用率，還可以提高配電網(wǎng)投資經(jīng)濟(jì)性，因而在配電網(wǎng)擴(kuò)展規(guī)劃中考慮DR具有重要意義；

3) 通過(guò)對(duì)考慮差異化需求響應(yīng)方案的配電網(wǎng)擴(kuò)展規(guī)劃模型進(jìn)行優(yōu)化求解，運(yùn)行階段仿真結(jié)果表明，基于用電行為畫(huà)像的需求響應(yīng)方案界定起到了很好的負(fù)荷時(shí)移和削峰填谷效果，同時(shí)相較于用戶僅選擇IDR作為其需求響應(yīng)方案的情況，本文所提考慮差異化需求響應(yīng)方案界定的配電網(wǎng)擴(kuò)展規(guī)劃方案減少了配電網(wǎng)的年綜合成本。

[1] HUANG W, ZHANG N, KANG C, et al. From demand response to integrated demand response: review and prospect of research and application[J]. Protection and Control of Modern Power Systems, 2019, 4(12): 1-13.

[2] 高紅均, 劉俊勇. 考慮不同類型 DG 和負(fù)荷建模的主動(dòng)配電網(wǎng)協(xié)同規(guī)劃[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(18): 4911-4922.

GAO Hongjun, LIU Junyong. Coordinated planning considering different types of DG and load in active distribution network[J]. Proceedings of the CSEE, 2016, 36(18): 4911-4922.

[3] 范宏, 魯家陽(yáng), 陸驍霄. 考慮激勵(lì)型需求響應(yīng)的多區(qū)域綜合能源系統(tǒng)協(xié)同規(guī)劃[J]. 電測(cè)與儀表, 2021, 59(3): 93-101.

FAN Hong, LU Jiayang, LU Xiaoxiao. Coordinated planning of multi-region integrated energy system considering incentive demand response[J]. Electrical Measurement & Instrumentation, 2021, 59(3): 93-101.

[4] ZENG B, ZHANG J, YANG X, et al. Integrated planning for transition to low-carbon distribution system with renewable energy generation and demand response[J]. IEEE Transactions on Power Systems, 2014, 29(3): 1153-1165.

[5] 朱文廣, 廖志軍, 劉洪, 等. 考慮需求響應(yīng)與高比例可再生能源接入的主動(dòng)配電網(wǎng)擴(kuò)展規(guī)劃[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2019, 31(5): 84-91.

ZHU Wenguang, LIAO Zhijun, LIU Hong, et al. Expansion planning for active distribution network considering demand response and high ratio of renewable energy access[J]. Proceedings of the CSU-EPSA, 2019, 31(5): 84-91.

[6] 蘇適, 李康平, 嚴(yán)玉廷, 等. 基于密度空間聚類和引力搜索算法的居民負(fù)荷用電模式分類模型[J]. 電力自動(dòng)化設(shè)備, 2018, 38(1): 129-136.

SU Shi, LI Kangping, YAN Yuting, et al. Classification model of residential power consumption mode based on DBSCAN and gravitational search algorithm[J]. Electric Power Automation Equipment, 2018, 38(1): 129-136.

[7] 趙晉泉, 夏雪, 劉子文, 等. 電力用戶用電特征選擇與行為畫(huà)像[J]. 電網(wǎng)技術(shù), 2020, 44(9): 3488-3496.

ZHAO Jinquan, XIA Xue, LIU Ziwen, et al. User electricity consumption feature selection and behavioral portrait[J]. Power System Technology, 2020, 44(9): 3488-3496.

[8] 王成亮, 鄭海雁. 基于模糊聚類的電力客戶用電行為模式畫(huà)像[J]. 電測(cè)與儀表, 2018, 55(18): 77-81.

WANG Chengliang, ZHENG Haiyan. A portrait of electricity consumption behavior mode of power users based on fuzzy clustering[J]. Electrical Measurement & Instrumentation, 2018, 55(18): 77-81.

[9] 林濟(jì)鏗, 劉露, 張聞博, 等. 基于隨機(jī)模糊聚類的負(fù)荷建模與參數(shù)辨識(shí)[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(14): 50-58.

LIN Jikeng, LIU Lu, ZHANG Wenbo, et al. Load modeling and parameter identification based on random fuzziness clustering[J]. Automation of Electric Power Systems, 2013, 37(14): 50-58.

[10] 張斌, 莊池杰, 胡軍, 等. 結(jié)合降維技術(shù)的電力負(fù)荷曲線集成聚類算法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(15): 3741-3749.

ZHANG Bin, ZHUANG Chijie, HU Jun, et al. Ensemble clustering algorithm combined with dimension reduction techniques for power load profiles[J]. Proceedings of the CSEE, 2015, 35(15): 3741-3749.

[11] 馮曉蒲, 張鐵峰. 基于實(shí)際負(fù)荷曲線的電力用戶分類技術(shù)研究[J]. 電力科學(xué)與工程, 2010, 26(9): 18-22.

FENG Xiaopu, ZHANG Tiefeng. Research on electricity users classification technology based on actual load curve[J]. Electric Power Science and Engineering, 2010, 26(9): 18-22.

[12] 唐俊熙, 曹華珍, 高崇, 等. 一種基于時(shí)間序列數(shù)據(jù)挖掘的用戶負(fù)荷曲線分析方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(5): 140-148.

TANG Junxi, CAO Huazhen, GAO Chong, et al. A new user load curve analysis method based on time series data mining[J]. Power System Protection and Control, 2021, 49(5): 140-148.

[13] 戴國(guó)華, 戴睿, 張琪瑞, 等. 基于主客觀賦權(quán)相結(jié)合的省級(jí)電網(wǎng)發(fā)展診斷分析方法與實(shí)證研究[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(2): 110-118.

DAI Guohua, DAI Rui, ZHANG Qirui, et al. Empirical study and analysis of provincial power grid development diagnosis based on the combination of a subjective and objective weighting method[J]. Power System Protection and Control, 2022, 50(2): 110-118.

[14] 趙海洲, 陳建凱, 楊海躍, 等. 考慮傳輸能力的含分布式電源配電網(wǎng)擴(kuò)展規(guī)劃方法[J]. 電力自動(dòng)化設(shè)備, 2021, 41(12): 70-77.

ZHAO Haizhou, CHEN Jiankai, YANG Haiyue, et al. Expansion planning method of distribution network with distributed generation considering transmission capacity[J]. Electric Power Automation Equipment, 2021, 41(12): 70-77.

[15] 徐小琴, 鄭旭, 王思聰, 等. 基于改進(jìn)遺傳退火算法的輸配電網(wǎng)協(xié)調(diào)規(guī)劃方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(15): 124-131.

XU Xiaoqin, ZHENG Xu, WANG Sicong, et al. Coordinated planning method of transmission and distribution network based on an improved genetic annealing algorithm[J]. Power System Protection and Control, 2021, 49(15): 124-131.

[16] 尚龍龍, 魏碧檜, 王偉, 等. 主動(dòng)配電網(wǎng)儲(chǔ)能動(dòng)態(tài)配置規(guī)劃方法[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(17): 84-92.

SHANG Longlong, WEI Bihui, WANG Wei, et al. A planning method of dynamic energy storage configuration in an active distribution network[J]. Power System Protection and Control, 2020, 48(17): 84-92.

[17] 王蓓蓓. 面向智能電網(wǎng)的用戶需求響應(yīng)特性和能力研究綜述[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(22): 3654-3663.

WANG Beibei. Research on consumers' response characteristics and ability under smart grid: a literatures survey[J]. Proceedings of the CSEE, 2014, 34(22): 3654-3663.

[18]劉澧慶, 吳寧, 張煥亨, 等. 微電網(wǎng)經(jīng)濟(jì)型二次頻率和電壓控制的多目標(biāo)優(yōu)化模型及仿真驗(yàn)證[J]. 電網(wǎng)技術(shù), 2019, 43(2): 521-529.

LIU Liqing, WU Ning, ZHANG Huanting, et al. Multi objective optimization model and its simulation verification for economical secondary frequency and voltage controls of microgrids[J]. Power System Technology, 2019, 43(2): 521-529.

[19] 葛少云, 張有為, 劉洪, 等. 考慮網(wǎng)架動(dòng)態(tài)重構(gòu)的主動(dòng)配電網(wǎng)雙層擴(kuò)展規(guī)劃[J]. 電網(wǎng)技術(shù), 2018, 42(5): 1526-1536.

GE Shaoyun, ZHANG Youwei, LIU Hong, et al. Bi-layer expansion programming method for active distribution network considering dynamic grid reconfiguration[J]. Power System Technology, 2018, 42(5): 1526-1536.

[20] 林順富, 劉持濤, 李東東, 等. 考慮電能交互的冷熱電區(qū)域多微網(wǎng)系統(tǒng)雙層多場(chǎng)景協(xié)同優(yōu)化配置[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(5): 1409-1420.

LIN Shunfu, LIU Chitao, LI Dongdong, et al. Bi-level multiple scenarios collaborative optimization configuration of CCHP regional multi-microgrid system considering power interaction among microgrids[J]. Proceedings of the CSEE, 2020, 40(5): 1409-1420.

[21] 孔祥玉, 楊群, 穆云飛, 等. 分時(shí)電價(jià)環(huán)境下用戶負(fù)荷需求響應(yīng)分析方法[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2015, 27(10): 75-80.

KONG Xiangyu, YANG Qun, MU Yunfei, et al. Analysis method for customers demand response in time of using price[J]. Proceedings of the CSU-EPSA, 2015, 27(10): 75-80.

[22] 陳琪華, 何育恒, 曾永忠, 等. TOPSIS 法在垃圾焚燒發(fā)電鍋爐蒸汽空氣預(yù)熱器綜合評(píng)價(jià)中的應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(4): 1274-1280.

CHEN Qihua, HE Yuheng, ZENG Yongzhong, et al. Application of TOPSIS method in the comprehensive evaluation of steam-air preheater on waste incineration boiler[J]. Proceedings of the CSEE, 2020, 40(4): 1274-1280.

Multi-objective extended planning for a distribution network considering demarcation of demand response schemes

LIU Xuefei1, LIU Yang1, MA Guozhen1, SUN Zengjie2, DU Mingkun3, HUANG Yuan3

(1. State Grid Hebei Electric Power Company Economic and Technological Research Institute, Shijiazhuang 050023, China;2. State Grid Hebei Electric Power Co., Ltd., Shijiazhuang 050022, China; 3. College of Electrical Engineering,Sichuan University, Chengdu 610065, China)

In order to cope with increasing energy demand and environmental pollution, the development of distributed generation (DG) and demand response (DR) has become important in promoting the development of the global energy system. This paper proposes an electricity consumption behavior portrait method based on improved k-means clustering analysis and optimal feature collection to achieve the demarcation of demand response schemes for differentiated user electricity consumption characteristics. Then a distribution network expansion planning model with a differentiated demand response scheme is constructed. Annual comprehensive cost and DG utilization are added as optimization objectives in the decision-making objectives. Normalized normal constraint (NNC) is used to obtain the Pareto optimal solution set. Finally, the validity of the demand response scheme definition method and the extended planning model is verified on the IEEE33-bus system.

demand response; electricity consumption behavior portrait; demarcation of demand response schemes; distribution network expansion planning; normalized normal constraint

10.19783/j.cnki.pspc.220219

四川省科技廳計(jì)劃項(xiàng)目資助(2021YFSY0053)

This work is supported by the Project of Sichuan Science and Technology Department (No. 2021YFSY0053).

2022-02-23；

2022-06-03

劉雪飛(1984—)，男，碩士，高級(jí)工程師，研究方向?yàn)槟茉窗l(fā)展、配電網(wǎng)規(guī)劃；E-mail: huster2004@qq.com

杜明坤(1995—)，男，碩士研究生，研究方向?yàn)榕潆娋W(wǎng)規(guī)劃與投資決策；E-mail: mingkundu96@gmail.com

黃 媛(1974—)，女，通信作者，博士，副教授，碩士研究生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)的穩(wěn)定與運(yùn)行分析、能源互聯(lián)網(wǎng)、配電網(wǎng)規(guī)劃。E-mail: 15883505170@163.com

(編輯 許 威)