基于智能電網調度支持的居民用電側自動需求響應系統

王偉　楊偉光　高立忠　李迪

摘 要： 為了優化居民用電側管理和電力系統總的發電容量，構建基于智能電網調度支持的居民用電側自動需求響應系統。該方法以先進的智能電網技術為依托，依靠智能電網調度支持平臺構建需求響應系統框架，采用價格需求響應方式和激勵需求響應方式，實現尖峰電價、尖峰折扣、分時電價、實時電價的控制和市場激勵、計劃激勵。其應用分布式在線學習算法能在用戶滿意度較低的條件下，降低用電成本，提高用電效益。通過綜合分析可知，基于智能電網調度支持的居民用電側自動需求響應系統可較好地優化發電容量并滿足居民用電側用電需求。

關鍵詞： 智能電網； 調度支持系統； 用電側管理； 自動需求響應

中圖分類號： TN915.5?34； TN911 文獻標識碼： A 文章編號： 1004?373X（2017）10?0172?03

Abstract： In order to optimize the management of the residential electricity consumption and total generating capacity of the electrical power system， a automatic demand response system supported by smart power grid scheduling for the residential electricity consumption was constructed. Relying on the advanced smart power grid technology and smart power grid dispatching support platform， the demand response system framework was constructed. The price demand response mode and incentive demand response mode are used to control the peak electricity price， peak electricity price discount， time?of?use electricity price and real?time electricity price， and realize the market incentive and plan incentive. The distributed online learning algorithm is used to reduce the electricity cost and improve the electricity efficiency in the situation of low user′s satisfaction. The comprehensive analysis results show that the automatic demand response system supported the smart power grid scheduling for the residential electricity consumption can optimize the generating capacity better， and satisfy the demand of the residential electricity consumption.

Keywords： smart power grid； scheduling support system； electricity management； automatic demand response

隨著社會用電量和發電容量大幅度提升，能源消耗問題和環境污染問題日益嚴重，世界各國逐漸重視電力需求側管理技術。電力系統早期依據用電負荷預測結果來制定發電容量的大小，以使社會用電需求得到完整的供應，但這種發電容量確定方式存在發電量大于電力需求用量的問題[1]。基于智能電網調度支持系統的居民用電側自動需求響應系統，能改變傳統電力規劃中發電容量的確定方式，從而使得一次能源損耗和環境污染程度得到降低。

1 居民用電側需求響應

需求響應（Demand Response）即電力需求響應，是需求側管理的具體解決方法之一[2]，其指的是在電力供應市場價格升高或電力系統可靠性受到威脅時，電力消費端在收到供電系統發出的指導性減少用電負荷的相關通知或電力費用價格上升的通知信號之后，與之相對應轉變其固有的習慣用電模式，對某一時間段中電力負荷進行降低或向后推移，進而使電網保持穩定，實現對電價上升抑制目的的短期行為[3]。

需求響應根據來源可分為價格類需求響應和激勵類需求響應兩種類型。價格類需求響應指的是電力消費用戶針對各種價格信號來安排和分配用電負荷、用電時間及電力消費方式，如圖1所示。價格類需求響應主要以用電價格作為表現形式，電價種類有分時電價、實時電價和尖峰電價等類型，電力系統使用端的電價波動與供電方的成本情況的變化保持一致，是與時間變化相關的，價格類需求響應注重電力用戶的主動參與，電力用戶內部經濟調整和負荷的變化決定了電力響應行為[4]。

圖2所示的框圖為激勵類需求響應的框架構造，激勵類需求響應分為市場激勵類型和計劃激勵類型兩種。需求響應管理機構采用價格補償的方式使電力用戶降低用電需求來緩解電力系統緊張的需要[5]。一般會在需求響應計劃實施之前，需求響應管理機構與電力用戶之間，就用電補償的相關事宜進行相應的約定[6]。

2 智能電力網絡

智能電力網絡集領先的電力設備技術、領先的控制方法、領先的傳感與測量技術以及領先的決策技術于一體，以建立可靠、經濟、高效、安全的電力網絡為目標，能夠自愈、激勵、抵御攻擊、容許新能源電力引入、可啟動電力市場化和資產優化高效可靠的運行[7?8]。

智能電力網絡能適應大規模新型能源的接入，有效鞏固提升了電力網絡的堅強性。電力網絡基礎設施與先進的信息技術、傳感器技術和自動控制技術相互融合，能夠及時有效地獲取信息、發現故障。

3 智能電網調度支持系統

從組織構成方面分析，智能電網調度支持系統是智能電網的重要環節。智能電網調度支持系統能實現實時調度運行，日前計劃校核和年月用電方式分析的功能，具有數據傳輸網絡化、調度決策精細化、運行控制自動化、源網協調最優化、運行監控全景化、安全評估動態化等特點[9]。

智能電網調度支持平臺是智能電網調度支持系統最重要的組成部分，該平臺具有在線化、精細化、實用化和一體化的特點，可實現調度計劃應用、調度管理應用、安全校核應用和實時監控預警應用等功能[10]，見圖3。

智能電網調度支持系統依托智能電網調度支持平臺，通過應用調度計劃、調度管理、安全校核和實時監控預警的方式，從而實現實時調度運行、日前計劃校核和年月用電方式分析的功能。

4 分布式在線學習自動需求響應系統

在智能電網調度支持平臺硬件基礎之上，建立的智能電網調度支持系統能通過應用調度計劃、調度管理、安全校核實時監控預警的方式實現用電側電能應用管理。為了完成用電設備調度控制的優化管理，需要選擇一種搜索式最優化策略，分布式在線學習算法具有運算魯棒性穩定、冗余性較低、無需分析響應系統模型中的轉移概率等優點，被廣泛應用于最優控制系統中。

在最優策略問題分析之中，最優參數[Θ*]需要滿足的必要條件如下：

只有在用戶用電請求的概率分布信息和用電價格已知的情況下，才可解決式（1）的相關問題，但用戶用電請求和用電價格受到多種因素的影響，較難估計。針對這一問題，采用分布式在線學習的方法進行處理。設置[Mk]為用電設備的本地狀態，[Nk]表示為用電設備的執行策略。[ft=kfk（Mk，Nk）]表示在時刻[t]的立即回報。則在線學習算法的表示形式如下：

首先進行算法的初始化，設定每一臺用電設備的本地初始化參數為[θk]，當某個時間[t]的起始時刻到來時，用電設備根據其觀測到的狀態[sk]，依照其參數所決定的隨機控制策略[ΩΘk]，完成相應動作[Mk]。然后在每個時間段[t]的終止時刻，用電設備上傳其執行策略和成本[f（Mk，Nk）]以及參考狀態指示因子[τk]。最后，根據該算法，更新用電設備的本地狀態。

針對某區域電力用戶設備使用狀態、用戶用電請求和電力價格等因素，在智能電網調度支持平臺的基礎之上，應用分布式在線學習算法，進行分析處理，得到電力用戶購電成本、用戶不滿意度及總體成本的情況，并與最小用電成本貪婪算法、用電成本粒子群追蹤算法進行比較，得到結果如圖4所示。

從圖4中可知，與其他兩種算法相比較，分布式在線學習算法可在用戶不滿意度最低的狀態下，通過降低用電成本，而減少用戶的用電總成本，從而提高了電力用戶的效益。

5 結 語

面對日益嚴重的能源消耗與環境污染問題，電力系統根據用電負荷預測結果制定發電容量大小的方式逐漸暴露不足。基于智能電網調度支持系統的居民用電側自動需求響應系統應用先進的智能電網技術，依托智能電網調度支持平臺，采用價格需求響應方式和激勵需求響應方式，并應用分布式在線學習算法可優化發電容量且滿足居民用電側用電需求，減少用電總成本，進而降低一次能源損耗和環境污染程度。

參考文獻

[1] 王冬容.電力需求側響應理論與實證研究[D].北京：華北電力大學，2011.

[2] 曾鳴.電力需求側管理的激勵機制及其應用[M].北京：中國電力出版社，2002.

[3] 曾鳴.綜合資源規劃及其激勵理論與應用[M].北京：中國經濟出版社，2000.

[4] 郜璘.基于用戶響應的峰谷分時電價決策優化模型的應用研究[D].合肥：合肥工業大學，2010.

[5] 翟娜娜.基于用戶需求響應的峰谷時段劃分研究[D].北京：華北電力大學，2011.

[6] 高建宏，臧寶志.智能電網建設時期的需求側管理[J].國網技術學院學報，2010，13（2）：64?66.

[7] 李乾.智能電網中的通信網絡資源管理關鍵技術研究[D].北京：北京郵電大學，2015.

[8] 沈瑜，岳園園，袁靜偉，等.智能用電新技術與技術儲備庫管理[J].科學技術與工程，2016，16（9）：125?134.

[9] 周永燦，李揚.考慮需求側響應的尖峰電價實施效益的分析[J].電力需求側管理，2009，11（2）：12?14.

[10] 李暉，康重慶，夏清.考慮用戶滿意度的需求側管理價格決策模型[J].電網技術，2004，28（23）：1?6.