大用戶移峰負荷調控策略與建模

毛文博，王　珂，劉建濤，周　競，曾　丹

（中國電力科學研究院電力自動化研究所，南京 211000）

式中：TC為系統全天總成本；Ii（st）表示第i個移峰負荷的啟動二值變量；Ni表示移峰負荷個數；Com（st）表示移峰負荷調用補償價格，該價格由公式（1）計算得到。需要指出的是，當st為原始啟動時間時，補償價格為0，表示按原計劃用電，系統不產生額外成本。

嵌入移峰負荷后，系統功率平衡約束條件為

大用戶移峰負荷調控策略與建模

毛文博，王珂，劉建濤，周競，曾丹

（中國電力科學研究院電力自動化研究所，南京 211000）

隨著風、光等新能源機組的大規模并網，系統對調峰資源的需求也日益增加。通過對負荷側資源用電信息的分析，評估各類負荷向系統提供調峰服務的潛力；并提出通過大用戶用電需求整體平移的方式對負荷側資源進行調控的方法。該方法包括：基于多代理技術的移峰負荷調控機制和流程，移峰負荷代理移峰補償申報價格決策方法，計及整體負荷移峰的日前優化調度模型。基于該方法，在AIMMS優化仿真平臺上建立仿真模型，對所提的移峰負荷調控方法的有效性和準確性進行了仿真驗證。

移峰負荷；負荷代理；優化調度；源網荷互動；負荷調控

為了應對能源危機，新能源的大規模應用勢在必行［1］。然而，目前應用較為廣泛的風力發電和光伏發電具有很強的不確定性［2］，這對維持電力系統功率平衡提出了重大挑戰。系統的調峰能力是維持系統功率平衡的重要因素［3］，在“源-網-荷”互動環境下，大用戶將成為系統調峰的重要資源。文獻［4］通過對鋼鐵行業的分析，指出高耗能企業一般可采用安排檢修和調整生產計劃進行錯峰，并且其生產工藝中，部分生產線具有較大錯峰、避峰潛力。同時，隨著智能電網技術的發展，高級計量設施AMI（advanced metering infrastructure）［5-6］、高級配電運行系統［7］、信息雙向交互系統［8］等技術的研究應用，大大提高了電網的開放性、電源調控的靈活性、負荷資源的可控性，“源-網-荷”互動［9］將成為未來電網運行的重要特征。移峰負荷作為重要互動資源，大用戶負荷調控方法的研究具有重要意義。

目前，國內外學者在負荷削峰填谷方面的研究取得了一定成果。文獻［10］提出了利用可中斷負荷作為高峰時段系統的調節資源，文獻［11］提出了峰谷分時電價優化模型，以達到削峰填谷，提高節能效益，但這些研究中負荷模型較為理想，對于移峰過程中要保證用戶生產流程的完整性的現實需求還欠缺考慮。文獻［12］分析了典型避峰生產負荷的用電特性和移峰特性，將移峰負荷用電意愿模型嵌入傳統安全約束機組組合模型中，提出發用電一體化模型。但該文所提方法中，對移峰負荷的自主決策權以及用戶與調度中心的互動機制欠缺考慮。

目前，采用多代理技術描述個體的自主決策以及個體間的互動的研究較為廣泛。多代理體系是一個具有分布式特性的決策體系，各主體的自主決策能力和互動能力出眾［13］，而隨著多代理平臺技術［14］、多代理協作技術［15］、學習算法［16］的發展，將需求響應資源作為代理參與系統功率平衡的理論條件逐漸成熟，大用戶移峰負荷代理的應用在用戶自主決策、用戶管理、系統與用戶協調等方面，相較傳統需求側管理有明顯優勢。文獻［17］將多代理技術應用于微電網的運行與控制，并在仿真軟件Jade上，實現了基于多代理的微電網運行控制策略仿真驗證。可以預見，在靈活、開放的“源-網-荷”互動環境下，多代理技術應用于負荷用戶的調控有廣闊的應用前景。

本文在深入分析大用戶負荷特性和移峰潛力的基礎上，提出了基于代理技術的大用戶移峰負荷調控方法。針對移峰負荷的自主決策能力，建立了移峰負荷的代理模型；針對負荷代理與調度中心的互動過程，設計了大用戶移峰負荷代理調控機制；針對調度交易中心發用電計劃決策問題，提出了計及移峰負荷的優化調度模型。在此基礎上，通過3機9節點系統的仿真，驗證了所提調控方法的有效性和經濟性。

1　移峰負荷用電特性

電力系統中，用戶表現出不同用電特性，因而難以通過單一方式對其進行調控，為此，需對各類型負荷分析，從而設計具有針對性的調控方法。

通過對某地區的各類大用戶負荷用電數據的采集和處理，對幾類典型用戶的用電特性和移峰潛力進行分析。

圖1表示各類用戶標幺化的日用電功率曲線，其基準值是各類負荷的日平均負荷。該圖表示各行業用戶全天的用電波動特性。石油企業的負荷曲線峰谷差較大，峰值出現在10∶00，其峰谷差率為4.06，具有較好的移峰潛力。汽車制造企業的峰谷差率為1.99，全天波動較小，但5∶00-8∶00出現明顯的低谷，這是由于采用兩班制，換班及設備檢視造成，全天移峰潛力較小，但是通過提前或延后換班時間，可有效減小系統7∶00-9∶00的爬坡壓力。鋼鐵行業標幺化的負荷曲線最為平坦，基本在基準值1附近波動，峰谷差率為1.79，因此本身移峰潛力較小。商業用戶夜間幾乎沒有用電需求，峰谷差率高達5.14，若配套安裝儲能設備，其移峰潛力將十分可觀。

圖1　各類負荷日用電特性曲線Fig.1　Daily power demand of load users

對于上述用戶而言，在目前的市場環境下，難以完全挖掘其移峰潛力，而大型工業用戶通常擁有多條生產線，若只對某些生產線整體進行移峰，其實現難度將大為減小。

某工業用戶的一條生產線10∶00開始滿負荷工作（忽略爬坡過程），其原用電曲線如圖2實線所示。而在大用戶移峰模式下，將生產線啟動時間進行優化（圖2中假設為1∶00啟動），以達到避峰目的，同時為了不影響生產流程，負荷曲線形狀與原始負荷曲線一致，其移峰后，用電曲線如圖2虛線所示。

圖2　生產線移峰功率曲線Fig.2　Power demand of shiftable production line

這種生產線整體移峰的方式只需安排該生產線的倒班即可實現，不需要改變生產流程安排或者中斷生產，對企業生產造成影響最小。但由于有功功率線形狀是確定的，一旦生產線投運，各時段功率將不可調，因而傳統通過調整功率以達到成本最低的優化調度的方法，不再適用。為此，本文設計了針對大用戶整體移峰的負荷調控機制及模型。

2　大用戶移峰負荷調控流程

本文所提大用戶負荷調控采用移峰申報機制，用戶對移峰的整體費用進行報價，報價負荷整體的啟動時間相關，調度中心依據報價對移峰負荷的啟動時段進行優化，編入日前調度計劃，并支付相應補償費用。在這個過程中，互動的主體分別是調度交易中心和移峰負荷代理。大用戶移峰調控流程如圖3所示，其執行步驟如下：

步驟1由調度中心發布分時電價信息、負荷預測信息。

步驟2負荷代理依據用戶用電特性及系統發布信息，進行補償申報決策。

步驟3調度中心根據系統信息、負荷代理補償報價信息及負荷代理移峰意愿曲線進行優化決策。

步驟4確定移峰負荷調度計劃，并發布移峰計劃。

步驟5負荷代理下轄移峰用戶執行調控計劃。

圖3　大用戶移峰調控流程Fig.3　Load demand shifting process of large-scale user

3　大用戶移峰負荷代理模型

移峰負荷代理是聯系用戶與調度交易中心的中間層，由標準化的負荷代理與調度交易中心建立聯系；同時代理面向用戶提供報價決策和信息交互服務。移峰負荷代理既可是單個大用戶，也可由多個大用戶組成。大用戶負荷代理由感知單元、決策單元、動作單元構成。感知單元從系統獲取的電價信息及調度指令，并通過辨識技術，從電力市場歷史數據庫中估測機組成本曲線參數，同時根據日期、天氣等進行負荷預測。動作單元表示負荷代理下轄大用戶，執行移峰調度計劃。決策單元則是移峰負荷代理的決策中心，依據電價、負荷預測等信息進行決策，并依據實際移峰收益和歷史數據進行評估，調整決策策略，以獲取更多利益。其中，依據實際收益不斷調整決策策略的過程就是移峰負荷代理的學習過程。

移峰負荷代理的決策單元是移峰負荷代理的核心，它根據所感知到的信息制定下轄負荷的補償報價和移峰計劃。其決策構架如圖4所示。

圖4　移峰負荷代理決策構架Fig.4　Decision framework of shiftable load agent

代理決策單元從感知單元獲取系統信息，若接收到了移峰調控指令，則直接與用戶建立聯系，并由用戶執行該命令。若無直接控制命令，則判斷是否具有移峰條件，若具備則向感知單元發送指令，與系統調度中心建立報價通信，將報價決策單元的補償報價和原用電計劃上報于調度中心。

由于移峰負荷用電曲線形狀必須保持不變，對指定用戶，其移峰補償價格是啟動時間的函數，負荷代理通過優化計算，確定用戶移峰至各時段的補償報價。補償價格計算模型為

式中：Com（st）表示在st時刻啟動時，移峰負荷代理的補償申報價格；Bas（st）表示st時刻啟動時，負荷代理的基礎報價，基礎報價由負荷代理依據所獲取的系統信息計算得到。ΔCom（st）為報價修正量，描述系統信息以外的其他信息對報價的影響。表示基礎報價的計算公式為

式中：ΔCostsys（st）表示系統移峰前后運行成本差；CostAg表示移峰負荷代理成本。當系統成本差大于移峰成本時，采用系統成本差作為基礎報價；否則將代理移峰成本作為基礎報價，由此保證移峰至少不會給用戶帶來損失。系統成本差的計算公式為

式中：Costsys0表示未調用移峰負荷時系統全天運行成本；Costsys1（st）表示移峰至st時段啟動時系統全天運行成本。

系統運行成本計算模型為

式中：g表示機組集合；Ng表示機組數；t表示運行時段集合；ag，bg，cg表示機組g的發電成本曲線系數；Pg表示發電機組的有功功率；CostUpDn表示發電機組總啟停成本。h（x）為等式約束；g（x）表示不等式約束。

式（5）表示移峰負荷代理成本。它由移峰附加費用和電費差額構成。CostAdd（st）表示用戶由改變生產流程而產生的其他移峰費用。Cost0表示未移峰時的用戶電費，PriTOU（t）表示分時電價，其中P1（t）表示移峰后負荷在時段t的有功功率，ct表示該負荷（生產線）持續時間。ΔT表示計算時間步長，本文取1 h。

表示移峰負荷代理報價修正量為

式中：j為修正因素集合，Nj表示修正因素總數，包括氣溫、天氣、基礎報價、日期類型等；wj表示修正因子，Val表示該修正因子與當前環境最接近的歷史數據取值，修正因子隨修正量取值變化的函數通過對歷史數據的學習獲得。

負荷代理通過掃描啟動時間st的方式計算自身全天所有可能啟動時間st取值所對應的報價，并將報價發送給調度中心。

4　計及負荷代理的機組組合模型

本文將移峰負荷調用成本和機組成本進行聯合優化，建立優化調度模型如式（7）～（10）所示。

調度中心的成本函數為

式中：TC為系統全天總成本；Ii（st）表示第i個移峰負荷的啟動二值變量；Ni表示移峰負荷個數；Com（st）表示移峰負荷調用補償價格，該價格由公式（1）計算得到。需要指出的是，當st為原始啟動時間時，補償價格為0，表示按原計劃用電，系統不產生額外成本。

嵌入移峰負荷后，系統功率平衡約束條件為

式中：PPre（t）表示系統負荷預測值，Pi（t,st）為第i個移峰負荷在第st時段啟動的情況下，時段t對應的有功功率需求。

每個移峰負荷每天啟動一次為

機組出力極限約束為

5　仿真驗證

本文在AIMMS優化仿真平臺上建立了負荷代理補償申報模型和計及負荷代理的機組組合模型，并在3機系統中進行了仿真驗證。

5.1系統初始信息

系統負荷預測曲線如圖5所示。仿真場景中，系統日負荷有一個尖峰時段，出現在12∶00時段。

圖5　系統負荷預測曲線Fig.5　Load prediction profile of power system

本文發電機機組信息參照IEEE9Bus模型，數值有部分修改，具體參數如表1所示。

表1　算例機組參數Tab.1　Parameters of generators

5.2移峰負荷代理信息

算例選取了兩個大用戶IL1#、IL2#。由于沒有歷史數據，負荷代理報價依據自身移峰成本進行報價，假設工人因為倒班而產生的補償費用隨啟動時間與初值的偏差成正比，可得到負荷代理的基礎報價曲線如圖6所示。大用戶的初始用電曲線如圖7所示。

圖6　負荷代理報價Fig.6　Bidding profiles of load agents

圖7　用戶初始用電曲線Fig.7　Original demand of shiftable loads

5.3優化調度仿真結果分析

通過對機組和移峰代理的聯合優化后，兩個大用戶都進行了移峰，其整體生產過程都避開了系統負荷尖峰時段11：00，移峰后兩個用戶的負荷曲線如圖8所示。

圖8　移峰后用戶用電曲線Fig.8　Power demand profile after load shifting

移峰前機組出力如圖9所示，此時系統運行成本為877 508.7$，高耗機組3只在峰值時段11：00啟動，以滿足系統峰荷需求，這顯然導致了系統經濟性的惡化。

移峰后機組出力如圖10所示。高耗機組3全天沒有啟動，此時機組成本為876 289.5$。由于減少了一次高耗機組的啟停，再加上分時電價帶來的收益，使得系統成本削減了1 219.2$。更進一步，若通過移峰，機組3可以完全避免使用，那么系統就可以延遲新機組的建設或者避免新機組的建設，由此產生的間接經濟效益將非常可觀。

圖9　移峰前機組出力曲線Fig.9　Original power profiles of generators

圖10　移峰后機組出力曲線Fig.10　Power profiles of generators after load shifting

6　結論

本文通過對某地區各行業負荷數據的分析，提出在不改變生產流程的前提下，適用于用戶整體移峰或單條生產線移峰的負荷移峰調控方法，并通過機制設計、模型建立闡述了該方法的具體運行機制，最后通過仿真算例，驗證了該方法的有效性和經濟性。

本文所提大用戶移峰負荷調控方法具有以下特點：

（1）互動用戶的角色從被動接受價格轉變為主動申報價格。通過申報機制反映自身的用電意愿和移峰成本，有經驗的用戶可以在不增加自身成本甚至通過提供互動服務盈利的情況下，為電網的平穩運行作出貢獻，并且可以通過長期的學習和分析，不斷改進自己的報價策略，最大限度地挖掘了需求側的潛在可移峰負荷。

（2）整體移峰方法的適應性強。由于采用整體移峰，只改變用戶啟動時間，不會破壞用戶的生產流程，不需要對生產流程進行復雜變更，對用戶生產影響最小，因而此法具有很強的適應性。

（3）負荷代理以補償報價申報的方式參與機組組合，將增加移峰負荷代理之間及與機組的競爭，有利于全系統可調度資源的優化配置。

在未來電網中，為了更有效地利用負荷側資源，在大用戶的負荷調控方法方面，仍需要展開進一步研究。

［1］張偉波，潘宇超，張衛東，等（Zhang Weibo，Pan Yuchao，Zhang Weidong，et al）.我國新能源發電存在問題及對策建議（Analysis on problems and countermeasures of new energy power generation in China）［J］.中國電力（Electric Power），2012，45（9）：48-51.

［2］孫波，文福拴，胡列翔，等（Sun Bo，Wen Fushuan，Hu Liexiang，et al）.計及風電接納能力和風險因素的輸電系統規劃方法（Transmission system planning method considering risk volatility and capability of accommodating wind power）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2015，27（10）：9-15，26.

［3］張宏宇，印永華，申洪，等（Zhang Hongyu，Yin Yonghua，Shen Hong，et al）.大規模風電接入后的系統調峰充裕性評估（Peak-load regulating adequacy evaluation associated with large-scale wind power integration）［J］.中國電機工程學報（Proceedings of the CSEE），2011，31（22）：26-31.

［4］李海英，李建榮，宣菊琴，等（Li Haiying，Li Jianrong，Xuan Juqin，et al）.鋼鐵行業負荷特性及需求側管理潛力分析（Load characteristics and DSM potential of iron and steel industry）［J］.華東電力（East China Electric Power），2005，33（11）：53-57.

［5］周恒俊，曹培，張金江，等（Zhou Hengjun，Cao Pei，Zhang Jinjiang，et al）.面向高級量測體系的分布式對等互聯OSGI平臺（Advanced metering infrastructure using distributed P2P model based on OSGi platforms）［J］.電力系統自動化（Automation of Electric Power Systems），2011，35（11）：71-76，92.

［6］唐志偉，孫菡婧，陳奇志（Tang Zhiwei，Sun Hanjing，Chen Qizhi）.高級量測體系和需求響應下的互動配網（Interactive distribution grid under advanced metering infrastructure and demand response）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2011，23（5）：31-34.

［7］楊明海（Yang Minghai）.配電系統協調供電模型研究（Research on Coordinated Power Supply Model of Distribution System）［D］.天津：天津大學電氣與自動化工程學院（Tianjin：School of Electrical Engineering and Automation of Tianjin University），2011.

［8］陸匯文（Lu Huiwen）.數字化配電網信息交互體系的研究（Research on the Information Communication System of the Digital Distribution Network）［D］.北京：中國電力科學研究院（Beijing：Electric Power Research Institute of China），2008.

［9］姚建國，楊勝春，王珂，等（Yao Jianguo，Yang Shengchun，Wang Ke，et al）.智能電網“源-網-荷”互動運行控制概念及研究框架（Concept and research framework of smart grid“source-grid-load”interactive operation and control）［J］.電力系統自動化（Automation of Electric Power Systems），2012，36（21）：1-6，12.

［10］于娜，芙蓉薇（Yu Na，Fu Rongwei）.電力市場高峰時段可中斷負荷優化購買模型（Optimization model of interruptible load dispatch during the peak load time periods in the earlier power market）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2010，22（4）：89-93.

［11］譚忠富，陳廣娟，趙建保，等（Tan Zhongfu，Chen Guangjuan，Zhao Jianbao，et al）.以節能調度為導向的發電側與售電側峰谷分時電價聯合優化模型（Optimization model for designing peak-valley time-of-use power price of generation side and sale side at the direction of energy conservation dispatch）［J］.中國電機工程學報（Proceedings of the CSEE），2009，29（1）：55-62.

［12］夏葉，康重慶，寧波，等（Xia Ye，Kang Chongqing，Ning Bo，et al）.用戶側互動模式下發用電一體化調度計劃（A generation and load integrated scheduling on interaction mode on customer side）［J］.電力系統自動化（Automation of Electric Power Systems），2012，36（1）：17-23.

［13］McArthur S D J，Davidson E M，Catterson V M.Multiagent systems for power engineering applications—Part I：Concepts，approaches，and technical challenges［J］.IEEE Trans on Power Systems，2007，22（4）：1743-1752.

［14］Chmiel K，Gawinecki M，Kaczmareka P，et al.Efficiency of Jade agent platform［J］.Scientific Programming，2005，13（2）：159-172.

［15］孫鳳蘭（Sun Fenglan）.多智能體網絡的一致性研究（On Consensus of Multi-Agent Networks）［D］.武漢：華中科技大學電氣與電子工程學院（Wuhan：College of Electrical&Electronic Engineering of Huazhong University of Science and Technology），2012.

［16］Li Xin，Yu Haibin.Pricing scheme based Nash Q-learning flow control for multi-user network［J］.Key Engineering Materials，2011，467-469（2）：847-852.

［17］Logenthiran T.Multi-Agent System for Market Based Microgrid Operation in Smart Grid Environment［D］.Singapore：National University of Singapore，2012.

sgcc.com.cn

Dispatching Strategy and Modeling of Shiftable Loads for Large-scale Electric Consumers

MAO Wenbo，WANG Ke，LIU Jiantao，ZHOU Jing，ZENG Dan
（Power Automation Department，China Electric Power Research Institute，Nanjing 211000，China）

With the integration of wind and photovotaic generators on a large scale，the demands of peak regulating resources are increasing rapidly.According to the electricity comsumption data，the potentials to meet these demands are assessed，and a method is proposed to ultilize the shiftable loads.This method involves the dispatching and controlling machenism based on multi-agent technology，the bidding strategy of shiftable load agent，and the optimized day-ahead dispatching model considering shiftable loads.At last，the availability and accuracy are tested and verified on the AIMMS simulation platform.

shiftable loads；load agent；optimized dispatching；source-gird-load interaction；load dispatching

TM734

A

1003-8930（2016）09-0068-06

10.3969/j.issn.1003-8930.2016.09.011

毛文博（1987—），男，碩士，工程師，研究方向為電力系統優化調度及需求響應。Email：maowenbo@epri.sgcc.com.cn

王珂（1980—），女，碩士，高級工程師，研究方向為電力系統優化調度及需求響應。Email：wangke@epri.sgcc.com.cn

劉建濤（1986—），男，碩士，工程師，研究方向為電力系統優化調度、特高壓交直流系統研究。Email：liujiantao@epri.

2014-09-12；

2016-02-26

國家電網公司科技項目（DZ71-14-042）