基于OpenADR2.0的智能小區能量協同調度研究

張 旭， 張鐵峰

(華北電力大學 電氣與電子工程學院，河北 保定 071003)

0 引言

當前，居民用戶用電負荷呈現增長快、變化大、多樣化的新趨勢，DG、儲能、電動汽車(Electric Vehicle, EV)也得到了較大發展[1-2]；與此同時，智能家庭作為能源使用的終端單元引起廣泛關注[3-4]。而智能小區支持DG接入，可為用戶提供個性化的用電服務。因此，通過引導和優化居民用戶用電模式，調整用能結構，實現能量協同調度，促進DG就地消納是未來能源利用的趨勢之一[5]。

圖1 智能小區OpenADR2.0部署架構

用戶依靠家庭能量管理系統(Home Energy Management System, HEMS)實時監控家居設備，響應DR信息。從用戶角度看，能有效減少用電費用；從電網角度看，可平滑負荷曲線，使電網更加經濟穩定的運行[6]。文獻[7]針對家庭光伏(Photovoltaic, PV)消納，提出一種包含儲能和負荷的能量調度策略；文獻[8]建立了家居負荷決策模型，以負荷峰谷差最小為目標，優化用戶能量管理；文獻[9]研究了設備DR優先級，提出一種分時電價下家電管控策略；上述文獻只在用戶層面考慮優化調度。文獻[10]提出了一種基于直接負荷控制的空調負荷雙層優化調度模型，但只考慮供給側利益。

通過挖掘居民用戶側調荷能力，實施DR，利用市場化手段優化電力資源配置，促進系統供需實時平衡，具有廣闊的市場空間和應用前景[11]。為了提高實施效率，更好地調動用戶參與DR的積極性，有必要在用戶側實現自動需求響應(Automated Demand Response，ADR)，既節省人力，帶給用戶便利，又能實現與電網自動交互、控制、反饋等功能[12]。

OpenADR2.0是一個開放的、互操作性的通信標準，采用面向服務的架構，構建了一種基于電價信號和DR事件的標準化通信架構及業務交互邏輯。在現有通信基礎設施上(互聯網)，采用傳輸層安全協議建立虛擬頂端節點(Virtual Top Node, VTN)和虛擬終端節點(Virtual End Node, VEN)之間的通信安全通道[13]，可支持不同傳輸機制，包括HTTP和XMPP，滿足不同部署場景。OpenADR2.0提供更加全面的功能，應用于智能終端、DG、EV等運行管理，滿足了多樣化的市場需求。利用HEMS作為VEN端，控制家居設備運行狀態，智能電表提供電力遙測數據進行反饋，實現多樣化家居負荷參與ADR。

本文為實現居民用戶參與ADR，智能小區源荷協同調度，提出OpenADR2.0應用于智能小區的部署架構，建立了DG及家居設備模型。在此基礎上，構建了智能小區能量優化管理的雙層模型，挖掘用戶側DR潛力，最大化DG就地消納，實現供需側雙贏。

1 智能小區OpenADR2.0部署架構

依照OpenADR2.0標準通信架構[14]，本文所設計的部署架構如圖1所示，分為：電網層、智能控制層和用戶層。其中，電力公司或獨立系統運營商為電網層VTN端，小區智能控制系統為電網層VEN端，同時也是用戶層VTN端，HEMS為用戶層VEN端。

1.1 電網層

獨立系統運營商(Independent System Operator, ISO)負責協調，控制和監控電力系統運行，運營管理區域的電力批發市場，為各市場參與者提供可靠的規劃，保證電網安全高效運行。

需求響應服務提供商為ISO和電力公司管理和優化DR計劃，包括響應客戶優選、執行結算、評估客戶響應效果、分析客戶滿意度，為調度計劃制定提供決策支持。

作為電力公司/ISO和小區智能控制系統之間的中介，需求響應自動化服務器(Demand Response Automation Server, DRAS)是智能小區OpenADR2.0部署架構的核心部分，能自動生成、發布、跟蹤和管理電網層、智能控制層和用戶層之間的DR信號。將電網層調度需求信息和指令轉換成EiEvent服務消息通過互聯網安全、高效地發送到智能控制層。同時，智能電表實時采集數據發回DRAS，經轉換發送給電力公司/ISO，從而實現了用戶層、智能控制層和電網層三者DR業務交互的自動化和智能化。

1.2 智能控制層

本文智能小區由同一電力公司負責供電，小區智能控制系統作為電網層VEN端，監聽DR事件并進行如下響應：一是直接控制所管控的資源達到調控負荷目的；二是作為VTN端與任意數量的VEN端配對，進一步向下游傳播DR信號，同時接收從VEN端發送的反饋數據。根據電網調度需求、DG預測數據、用戶側DR特性等數據，小區智能控制系統針對某一目標進行優化計算，對其所管控的需求側資源和用戶層自有資源協同調度，實現區域范圍內供需平衡。

1.3 用戶層

每個用戶安裝符合OpenADR2.0的HEMS作為VEN端，HEMS通過無線網絡(如WiFi、Zigbee)進行節點通信，根據用戶設置的用電需求信息、DR信息、分時電價及家居設備、DG等用電和發電信息，以用電成本最小或舒適度最高等為目標，制定次日家居設備運行方案。家庭能量管理如圖2所示。

圖2 家庭能量管理圖

利用OpenADR2.0的EiRegistration、EiReport服務將用戶資源詳細信息和報告能力注冊到VTN端，為雙向互動提供基礎。根據用戶簽訂的DR業務協議，VTN端發布相關DR事件至用戶VEN端，VEN端轉換為設備控制信號實現自動控制。另一方面，VEN端周期性地反饋遙測數據。

2 智能小區資源模型

本節描述智能小區資源模型，分為電源和居民負荷。電源模型包括儲能系統(Energy Storage System, ESS)、PV、燃料電池(Fuel Cell, FC)。

2.1 儲能系統模型

ESS能平抑DG出力波動性，智能小區采用蓄電池作為ESS。荷電狀態指當前剩余容量占總容量的比例，是充放電控制決策變量之一。模型表達式如下：

(1)

2.2 光伏發電模型

PV是智能小區的重要能量來源之一，其出力與太陽輻照度和溫度有關[15]。模型表達式如下：

(2)

2.3 燃料電池模型

FC具有能量轉化率高、潔凈、應用前景好、噪聲低等特點[16]，也會是智能小區的能量來源。其燃料成本與凈輸出功率的關系為：

(3)

2.4 居民負荷模型

居民負荷中按照設備工作特性和時間彈性大小可分為如下兩類[17]：

(1)剛性負荷。用于保障用戶基本需要，時間彈性不足，不參與調度，包括電視機、電腦等。

(2)柔性負荷。具有一定的工作時間彈性和可控性，典型的柔性負荷包括EV、溫控負荷(空調、熱水器)和不可中斷負荷。

2.4.1 電動汽車模型

EV具有負荷和儲能雙重特性，作為一種交通工具，必須滿足用戶次日行駛需求，而后考慮激勵其參與輔助服務，建立模型如下式：

(4)

2.4.2 溫控負荷模型

本文中居民用戶溫控負荷主要包括空調和熱水器，模型表達式為(5)(6)。

(5)

(6)

2.4.3 不可中斷負荷模型

在工作周期內，洗碗機、洗衣機等設備一旦開始直到完成才可停止，但實際工作時間可靈活、合理地改變。模型表達為式如下：

(7)

3 智能小區雙層優化調度模型

3.1 智能控制層調度目標函數及約束條件

3.1.1 目標函數

上層優化決策目標是購電成本、FC燃料成本、FC、PV和ESS運行維護成本、EV充電成本之和最小，其數學表達式為：

(8)

3.1.2 約束條件

上層約束是式(1)～(4)及下列約束。

(1)區域功率平衡約束。

(9)

(2)聯絡線功率約束。

(10)

(3)FC功率約束。

(11)

3.2 用戶層調度目標函數及約束條件

3.2.1 目標函數

下層優化決策目標是在保證用戶舒適度需求的前提下，使用電成本最小，其數學表達式為：

(12)

3.2.2 約束條件

下層約束是式(5)～(7)和下列約束。

(1)用戶舒適度需求約束。

該約束用溫控負荷溫度表示，保證調度不影響用戶正常需求。

(13)

(2)需求響應功率約束。

(14)

3.3 協同調度策略

模型求解分為兩步，首先求解下層問題得到最優解，代入上層模型進行求解。求解過程：

(1)根據電網調度計劃、負荷歷史數據和預測值，電網層利用EiEvent服務向智能控制層發布DR計劃，并進一步傳播至各用戶HEMS。

(2)HEMS根據用戶設置信息，優化設備運行，使調度結果滿足DR計劃，通過EiReport服務將各時段負荷值反饋給智能控制層。

(3)依據報告信息、分時電價、PV出力，智能控制層制定EV調度計劃、FC及ESS出力，生成最優調度計劃，實現對電網層響應。

4 算例分析

4.1 算例參數

ηFC=-0.002 3PFC+0.673 5 (15)

表2 調度負荷數據

圖3 洗衣機與洗碗機工作特性

圖4 熱水器工作特性

4.2 調度結果分析

4.2.1 用戶層負荷調度結果分析

為便于對比分析，將用戶側無優化設為模式Ⅰ；用戶側基于電價的需求響應設為模式Ⅱ；用戶側基于電價和功率限制響應設為模式Ⅲ。圖5(a)為模式I中用戶負荷預測數據，峰值出現在20:00左右，為7.3 kW；圖5(b)為模式Ⅱ負荷優化結果，高峰時段負荷明顯降低，降為5.28 kW。在滿足用戶舒適度需求約束和設備運行約束的前提下，洗衣機、洗碗機工作時間轉移到低電價時段，因為設備工作不能中斷，部分工作時間在峰值時段，20:00之后用戶使用熱水，水箱內水溫降低，熱水器再次加熱維持水溫在設定區間內，由于處于高電價時段，熱水器加熱時間縮短。

圖5 用戶層負荷調度結果

由圖5(c)可知，模式Ⅲ峰值負荷降為4.5 kW，比模式Ⅱ低0.78 kW，用戶層峰谷差減小，負荷曲線更加平滑，而為滿足DR約束，熱水器再次加熱時間提前，導致用電費用略有增加。因此，電網層或智能控制層應采取適當的激勵手段補償用戶。

4.2.2 智能控制層調度結果分析

將用戶層3種模式負荷調度結果作為輸入進行優化，結果如圖6所示。

圖6 智能控制層調度結果

由圖可知，由于用戶層負荷優化，電網峰值分別為237 kW、202 kW、178 kW，明顯下降；夜間峰電價時段，ESS、EV放電，FC出力共同維持負荷運行。優化后，ESS放電深度減小，延長其使用壽命；由于EV首先要滿足用戶出行需求，同時為避免過度放電，在不同的放電電價下，限制了放電功率；FC出力減小，成本降低；夜間谷電價時段，FC單位發電成本高于谷電價，不發電，從電網買電。為不產生負荷高峰，首先對EV充電，充電完成之后，對ESS充電。PV出力較大時，由PV和ESS提供電能，幾乎不從電網買電，達到PV本地消納最大化，模式Ⅱ、Ⅲ中，ESS出力減小。調度周期內，在谷電價時段，EV、ESS依次充電，在峰電價時段放電，利用電價差減少系統費用，為降低放電損耗，在平電價時段ESS不出力。模式Ⅱ、Ⅲ相比，后者電網峰值進一步降低，整個周期內負荷波動更加平緩，有益于電網安全經濟運行。

表3、4、5為不同模式下ESS、FC以及用戶和系統優化結果。從表3可以看出，模式I中，ESS費用最高，為99.25元，并且優化結束時為0.22，接近容量下限，與初始值相差0.28，不能實現連續性優化；模式Ⅱ、Ⅲ中，費用均為91.07元，減少了8.18元，同時，優化結束時為0.48，與初始值相差0.02，能夠進行次日優化調度。

根據表4分析，FC的單位發電成本分別為0.465 元/(kW·h)、0.449元/(kW·h)、0.451元/(kW·h)，低于平時段電價0.6元/(kW·h)，因此，FC盡量出力滿足用電需求，符合調度結果。相比于Ⅰ中，模式Ⅱ、Ⅲ中，平均效率均有提升。

表5為費用對比情況，相對于模式Ⅰ，模式Ⅱ、Ⅲ費用減少了308.06元、299.34元；模式Ⅲ比模式Ⅱ費用增加了8.72元。從經濟性角度分析，模式Ⅱ優于模式Ⅰ、Ⅲ。然而，模式Ⅲ既能有效降低用電費用，又可控制負荷峰谷差，得到更加平滑的負荷曲線，兼顧經濟與安全兩方面。電網層應給予一定補償激勵用戶以實現DR計劃，實現電網與用戶雙贏。

表3 不同模式下ESS運行結果

表4 不同模式下FC運行結果

表5 不同模式下用戶和系統費用對比

5 結論

本文研究了智能小區能量雙層優化模型，提出一種能夠用于DG、ESS、居民負荷協同調度的優化策略。在滿足用戶舒適度約束及上層DR計劃的前提下，用戶層以用電費用最小為目標優化設備運行；智能控制層以調度運行總成本最小為目標并實現PV本地消納最大化，提高能源利用率?？傻萌缦陆Y論：

(1)智能小區OpenADR2.0的部署架構，可促進ADR發展和實現，具有一定參考價值；提出的雙層優化模型與OpenADR2.0的部署架構層次對應，能實現電網和用戶共贏。

(2)用戶層根據分時電價和DR計劃優化設備運行，有效地降低了峰荷，減少了用電費用；智能控制層根據用戶層調度結果，調度DG出力，合理安排EV充放電，可提高能源利用率和經濟效益。

(3)電網在實施DR時應采取合理措施保證參與者的利益，確保其參與的積極性，以更好地促進DR發展。

參考文獻：

[1]中國電力新聞網. 電網投資再創新高[EB/OL]. [2017-02-16].http://www.cpnn.com.cn/zdzgtt/201702/t20170216_949714.html.

[2]黃宇, 楊健維, 何正友. 基于雙層離散粒子群優化的智能小區車輛與家庭互動調度策略[J]. 電網技術, 2015, 39(10): 2690-2696.

[3]葉中行, 孫明遠. 家庭需求側資源與電力供應商雙向交互策略[J]. 電力科學與工程, 2017,33(3):1-6.

[4]王澄, 徐延才, 魏慶來,等. 智能小區商業模式及運營策略分析[J].電力系統保護與控制, 2015, 43(6):147-154.

[5]沈敏軒, 孫毅, 李彬. 基于物聯網技術的自動需求響應系統架構與應用方案研究[J]. 電測與儀表, 2014, 51(24): 96-100.

[6]馮慶東, 何戰勇. 需求響應中的直接負荷控制策略[J]. 電測與儀表, 2012, 49(3): 59-63.

[7]王守相, 孫智卿, 劉喆. 面向智能用電的家庭能量協同調度策略[J]. 電力系統自動化, 2015, 39(17): 108-113.

[8]付蔚, 敬章浩, 羅志勇,等. 基于分時電價的智能家電控制方案[J]. 電網技術, 2015, 39(3): 717-723.

[9]周磊, 李揚. 分時電價環境下基于家居能量管理系統的家居負荷建模與優化運行[J]. 電網技術, 2015, 39(2): 367-374.

[10]高賜威, 李倩玉, 李揚. 基于DLC的空調負荷雙層優化調度和控制策略[J]. 中國電機工程學報, 2014, 34(10): 1546-1555.

[11]祁兵, 柏慧, 陳宋宋, 等. 基于互聯網家電的需求響應聚合系統信息接口研究與設計[J]. 電網技術, 2016, 40(12): 3918-3922.

[12]張鐵峰, 張旭, 趙云, 等. OpenADR2.0標準架構及應用[J]. 電力科學與工程, 2017,33(3):55-60.

[13]高賜威, 梁甜甜, 李慧星, 等. 開放式自動需求響應通信規范的發展和應用綜述[J]. 電網技術, 2013, 37(3): 692-698.

[14]ARTHUR H R.DRRC Annual Report2013 [EB/OL].[2014-05-19]http://drrc.lbl.gov/news/drrc-annual-report-2013.

[15]CHEDID R, AKIKI H, RAHMAN S. A decision support technique for the design of hybrid solar-wind power systems[J]. IEEE Transactions on Energy Conversion, 1998, 13(1): 76-83.

[16]錢軍, 李欣然, 王玲, 等. 面向負荷的光伏電池和燃料電池建模及其等效描述[J]. 電網技術, 2011, 35(4): 135-142.

[17]王珂, 姚建國, 姚良忠, 等. 電力柔性負荷調度研究綜述[J]. 電力系統自動化, 2014, 38(20): 127-135.

[18]吳雄, 王秀麗, 王建學, 等. 微網經濟調度問題的混合整數規劃方法[J]. 中國電機工程學報, 2013, 33(28): 2-8.