分布式風力發電為主的需求側響應策略研究

文 | 要建華

（作者單位：國家電力投資集團有限公司）

分布式風力發電作為一種小規模、近距離輸電、所發電力首先滿足用戶自用的技術，可以協調日益增長的用電需求與節能減排要求的矛盾。特別是對島嶼、偏遠山區，以及遠離電網和近期內電網還難以達到的農村、邊疆，可以作為解決生產和生活能源的一種可靠途徑。如今，多國已經在市政設施、居民小區及社區建筑物等地開發了大量分布式風力發電。因此，分布式風力發電有著廣闊的應用前景。但分布式風力發電要實現更加廣泛的應用，需要面向本地用戶制定科學的、靈活的需求側響應策略。

隨著風力發電滲透率不斷增加，其隨機波動性和間歇性，以及用戶電力需求側的不確定性，往往導致電力負荷率低，而傳統的能量管理策略此時無法保證電網在高負荷、多樣化需求的條件下維持可靠、高效、穩定的運作，這是配電網亟需處理的關鍵問題。對于這一問題，需求側響應作為一種先進的機制，可以在制定市場價格信號或激勵機制，改變用戶故有用電模式，進而使得需求側參與電網調節。目前，很多國家已經在大中型工商業用戶中實施峰谷分時電價，通過需求側響應機制使負荷側用戶對電價進行響應，達到負荷曲線削峰填谷、按照供電需求進行自我調節的目的。然而，現階段我國風力發電的研究主要集中在風能的規劃設計、功角穩定、繼電保護、調度運行等方面，幾乎沒有從需求側響應的角度切入研究。本文針對分布式風力發電作為主要可再生能源電源的社區負荷，以江西贛州、云南楚雄兩地實際風電機組數據為例，利用優化的模糊聚類法和非線性有約束規劃算法，結合供電與居民用電需求的趨勢差異，給出了優化的需求側響應信號規劃方法，同時使用價格-需求彈性分析理論，對制定的需求響應策略效果進行了仿真、評估與分析。

需求側響應策略選擇

需求側響應項目可分為基于價格和基于激勵兩類。其中，基于價格的需求響應包括分時電價（TOU）、實時電價（RTP）、尖峰電價（CPP），基于激勵的需求響應則是實施機構根據電力供需狀況制定相應政策，用戶在系統需要或電力緊張時減少用電以獲得直接補償。分時電價TOU（Time of Use）是電力需求側響應的雛形，也是最普及的一種。因此，本文以分時電價為需求側響應策略，在此基礎上對電價信號的制定進行開發和優化。

分時電價是需求側管理中最常見的一種措施，通過分時段定價引導用戶改變用電計劃，以達到削峰填谷、提高電力系統的負荷率和穩定性，使得供電方和用戶方均獲利的手段。分時電價將一天24小時劃分為若干時段，一般的策略為將電力需求高的時段設定為高電價，其他時段采用一般或優惠的電價，并期望用戶響應。值得注意的是，用戶用電行為是和人的行為相關的，無論用何種激勵政策，即使在實行有序用電和拉閘限電時期，也不可能完全精確地控制負荷需求。因此，需要不斷地優化激勵策略，以達到引導用戶合理用電、移峰填谷、改善負荷曲線、提高電網負荷率的目的。

需求側響應策略制定

自然界中的風速不穩定，無法像火電廠一樣可以依照用電需求調整發電量。反之，風力發電功率具有隨機性、波動性和間歇性，常與用戶用電呈負相關。因此，與傳統的分時電價信號不同，本文針對以分布式風力發電為主要電源的社區負荷，結合供電與負荷需求的趨勢差異，規劃相應的需求響應信號。本文設計的需求響應策略制定流程如圖1所示。

一、風力發電功率與社區用電負荷特性相關性分析

以江西贛州基隆嶂風電場為例，此風電場裝機容量102MW，單機容量2MW，2016年12月全部投運（文章采用17#、47#風電機組典型風況24小時功率數據進行模擬計算）。根據兩臺機組日每小時數據制作的日功率曲線如圖2所示。

可以看出，風電機組出力隨時間的波動性很大。為比較供電功率與用電負荷的趨勢，本文使用Gridlab-D軟件對典型的居民社區、商業建筑等社區負荷建模，根據天氣、時間、建筑類型等外部因素進行模擬。針對江西贛州當地的商戶（包括1家大型商場、3所賓館、5個餐廳）進行負荷模擬，模擬結果如圖3所示。

由圖3可知，當地商業用戶的負荷用電高峰往往在中午、傍晚，而此時對于風電機組卻是功率偏低時段；風電機組輸出功率高的夜間和凌晨，負荷的需求卻處于最低時段。兩條曲線疊加后如圖4所示。

圖2 江西贛州基隆嶂風電場4臺機組日功率曲線

圖3 江西贛州當地社區商業建筑群負荷模擬

圖4 電源、負荷趨勢對比

為更客觀地展示電源與負荷的相關性，本文使用皮爾遜（Pearson）相關系數r來度量風力發電功率與用電負荷之間相關強度：

式中，n為樣本數量，X，和Y，Y分別為兩組樣本及其平均值。r＞0時，線性正相關；r＜0時，線性負相關；r＝1，則兩者完全正相關；r＝－1則兩者完全負相關；r＝0，兩個變量之間不存在線性關系。在本文中，可令兩組樣本分別為發電輸出功率與用電負荷功率。將江西贛州商業社區用電負荷與選取的當地風電機組發電功率數據帶入公式（1），計算可得r＝－0.804306。可見，本例中用電負荷和風電機組發電功率呈較強的負相關關系，即，風電出力高峰時期用電負荷率卻往往不高。因此，在設計分時電價時段時，不能單一地考慮用電方的用電曲線，還應結合供電方供電曲線，以達到提升負載率、提升可再生能源消納能力的目的。

二、分時電價時段劃分

把風電場的發電功率當作“負的負荷”，將實際負荷與風電場“負的負荷”的疊加定義為“等效負荷”。等效負荷的峰谷差越大，對電網的調峰調頻能力要求越高，需要的調峰容量越大，系統的成本越高。為解決此問題，供電公司可以通過實施需求側響應策略，激勵用戶改變用電行為，達到縮小等效負荷曲線的峰谷差，即減少等效負荷波動率的目的。這意味著風電出力與負荷的變化趨勢接近，有利于電網系統的穩定性。

首先，比較風電機組輸出功率和用戶用電負荷特性：

式中，Load_eq是等效負荷，Load為用戶負荷，Power是電源功率。可以得到等效負荷曲線（圖5）。

通過比較電源曲線（黃色）和原負荷曲線（藍色），能看出風電機組出力和居民用電趨勢的差異，即等效負荷曲線（紅色）。提升風電機組發電功率與當地用戶用電的相關性問題，可以等效為平抑等效負荷曲線的波動問題。根據等效曲線可以發現，其形狀隨風力發電輸出功率的變化會有顯著差異，不存在穩定的峰谷特征，傳統的主觀經驗式方法無法劃分出能準確反應峰谷特征的時段。本文使用模糊聚類算法，可以判定出相應的峰、平、谷時段。時段劃分的方法如下。

1.利用隸屬函數確定各點屬于峰、平、谷時段的程度，分析等效負荷曲線上各點分別處于高峰、低谷、平時三種時段的可能性。其特征為：曲線上的最低點100%處于谷時段，不可能處于峰時段，其谷隸屬度為1，峰隸屬度為0；曲線上的最高點100%處于峰時段，不可能處于谷時段，其谷隸屬度為0，峰隸屬度為1；曲線上其余各點的峰平谷隸屬度介于0和1之間。由于分時電價信號的性質，分時的時段最小為1小時，因此可將一天中的時段集合定為T＝{t1，t2，…，t24}，各時段電量集合為Q＝{qt1，qt2，…，qt24}。時段ti的峰隸屬度upti、谷隸屬度uvti可采用偏大型半梯度隸屬函數與偏小型半梯度隸屬函數計算得到公式（2）：

式中，upti為時段ti時的峰隸屬度，qti為時段ti內的用電量，Q為一天中24個每小時用電量集合。谷隸屬度同理。

2.采用基于等價關系的模糊聚類進行時段區間劃分，步驟如下：

（1）建立原始數據矩陣，以峰谷隸屬度建立特性指標矩陣：

采用平移標準差變換進行數據標準化：

圖5 電源、用電負荷與等效負荷

（2）建立模糊相似矩陣

模糊相似矩陣的元素為rij＝R（u'pti，u'vti），體現了X中任意兩個樣本點之間的相似度。采用直接距離法中的歐幾里得距離法建立模糊相似矩陣中的元素：

式中，rij為兩個樣本點之間的相似程度，c為適當選取的參數，使所有的rij∈ [0，1]；d（xi，xj） 表 示 xi與xj間的距離，upti、uptj為時段ti、tj時的峰隸屬度，uvti、uvtj為時段ti、tj時的谷隸屬度。計算出全部的rij，即可得到模糊相似矩陣R。

（3）建立模糊等價矩陣

采用傳遞閉包法求取模糊等價矩陣，再通過自平方合成法求取傳遞閉包矩陣t（R），則t（R）就是所求的模糊等價矩陣。對R不斷求取2次方，直到出現Rk*Rk＝Rk。得到的Rk為所求傳遞閉包，即所求模糊等價矩陣。有t（R）＝Rk＝（tij）n×n，滿足自反性、對稱性和傳遞性。

（4）求取截矩陣

式中，截矩陣Rλ是一個布爾矩陣。當λ取不同值時，可得到不同的Rλ。Rλ與時段集合T中的元素相對應，當Rλ中對應的某兩列列向量相等時，這兩列對應的時段即可劃分為一類。通過調整λ的值，即可形成動態聚類：λ越大，劃分的類別就越少；反之越多。調節λ至聚類數為3，則時段被劃分為了三類，即峰、平、谷時段。

三、分時電價定價

劃分出正確的峰、平、谷時段后，下面是峰、平、谷電價的定價問題。基于用戶價格的需求側響應策略，目標普遍為最小化最大等效負荷和最小化等效負荷的峰谷差，約束條件為供電方獲利、用戶側受益等，峰谷電價的制定必須符合客觀的生產規律。考慮到供電、用電雙方的利益，要求實行需求側響應后，既不能讓用戶的用電總費用升高，又不能使供電公司承受太高的額外成本，因此，此問題可以看作非線性有約束的優化問題，通過設置原始電價、邊際電價、供電成本、用戶響應度等參數，將負荷率、峰谷邊際值、策略目標等作為目標函數，即可計算出合適的電價。具體的約束條件如下：

1.用戶端受益

在設計分時電價信號時，首先要保證用戶端總體支出小于等于需求響應實施前的支出，以保證對用戶的激勵效果。即：

式中，m0為實行分時電價前用戶端用電支出，m1為實行分時電價后的支出。w1、w2、w3為峰、平、谷時總用電量，x1、x2、x3為峰、平、谷時電價。通過以上約束關系，可以約束定價使用戶端永遠處于受益狀態，避免了終端用戶利益受損、激勵效果消失的情況。

2.成本約束

實施分時電價，雖然需要通過調整電價高低以刺激用戶用電行為，但售電價格不可過低，至少應該保證各時段的電價不小于本時段發電成本，避免出現實施成本過大，供電方無法承擔的情況。根據監管部門要求，峰谷電價之比的范圍應在2至5倍之間，這是充分考慮了發電成本和用戶的承受能力的數據，同時還應令谷時電價低于原始電價，以保證對用戶的激勵。綜上所述，使用的成本約束如下：

式中，xe為邊際電價，x1為峰電價，x2為平電價，x3為谷電價，x0為原電價。通過以上約束關系，即可得到合適的電價。

3.峰谷電價比約束

優化資源配置，峰谷價比應當反映負荷高峰、低谷時段電力供應邊際成本的差異。例如，在水電為主的加拿大魁北克地區，峰、谷時段的邊際成本差異10 1至22.5 1；法國的日峰谷價比在1.4～8之間；我國各地區目前的峰谷價比多在2～4。

此外，作為算法的一項輸入，需要用到需求-價格彈性分析方法來計算用戶對于不同價格的反應，從而得到某種電價策略下用戶的用電量。需求的價格彈性定義為需求的變化幅值/引起該變化的價格變化幅度，即：

式中，p是變化前的價格水平，D＝D（p）是需求曲線上對應價格p的需求量；Δp、ΔD分別是價格變化量和由此產生的需求變化量。價格上升通常引起需求減少，因而ε∈（－∞，0］。用戶針對峰谷電價的響應行為一般體現為其各時段用電負荷的變化。

需求價格彈性參數ε由經驗數據獲得，代表用戶對于價格變化的反應程度。例如，ε＝1時，需求的漲幅/降幅＝價格的漲幅/降幅；ε＝0時，需求不隨價格變化而變化；ε＞1時，需求的漲幅/降幅大于價格的漲幅/降幅。不同價格水平下的需求彈性通常不同，而統一價格水平下，不同的需求對象，價格彈性通常也不同。在本文設定的條件下，用戶峰時電力需求不僅跟峰價水平有關，也和平價、谷價水平有關系，平時/谷時亦然。因此，設定四種需求價格彈性系數，代表分時電價信號的變化對應的用戶需求系數，分別為：保持當前電價、峰-谷或谷-峰、峰-平或平-峰、谷-平或平-谷四種情況，體現用戶在不同情況下對于電價的反應。接著，構建電價彈性矩陣E，根據需求-價格公式（12）可得：

式中，Q為原始用電量，Q'為新用電量，P為價格。

由前文可知，為了削峰填谷，使日負荷曲線最大峰負荷最小化，從而保證系統運行的經濟性和穩定性，優化模型的目標函數為：

解決此非線性有約束的最大最小值問題，可以使用matlab內置函數fminimax求解。對于江西贛州基隆嶂風電場案例，設定當地居民原始電價為0.425元/千瓦時，邊際電價0.12元/千瓦時，得到結果如圖6所示。

圖6 分時電價信號

圖7 針對江西贛州基隆嶂風電與負荷模擬的需求側響應策略

表1 針對江西贛州當地商業用戶的分時電價信號

表2 需求側響應策略效果分析

需求側響應效果仿真與分析

使用上文所述的需求價格彈性分析即可反映出用戶對分時電價的響應效果。本文通過等效負荷波動率＝等效負荷標準差/等效負荷均值，計算等效負荷波動率；通過皮爾遜公式分析新、舊用電曲線與發電功率曲線的相關性變化；通過新、舊電價和用電量計算用戶與供電公司的成本。用戶在分時電價后減少的費用，即為供電公司實施需求側響應策略時付出的電費成本。仿真效果見如下兩例：

（一）接前文所用的江西贛州基隆嶂風電機組數據，以及使用Girlab-D模擬得到的當地典型商業區負荷，應用本文設計的需求響應策略制定流程后得到的結果如圖7所示。

圖7中，黃色曲線為風力發電功率，藍色曲線為原始負荷，綠色曲線為實行新電價后的負荷曲線，紅色虛線是制定的分時電價信號，具體見表1。

根據以上的電價信息和用戶用電曲線，可以對響應效果進行分析。首先計算用電量：

式中，Qtotal為當日總用電量，qt為每小時平均用電功率，即每小時用電量（kWh）。

可以通過以下公式計算總電費：

式中，Mtotal為日總電費，qt為各時段用電量（kWh），pt為各時段電價（元/千瓦時）。

還可以計算等效負荷的波動率：

式中，R為等效負荷波動率，Load為負荷，Power為風力發電功率，σ（Load－Power）為求取的標準差，為負荷與風力發電功率之差的平均值。

計算結果見表2。

圖8 針對云南楚雄風電功率與負荷模擬的需求側響應策略

表3 針對云南楚雄當地居民用戶的分時電價信號

表4 需求側響應效果策略分析

從分析數據可以看出，實施制定的分時電價策略后，用電負荷與發電功率由負相關變為正相關，說明兩者的正相關程度上升，可再生能源率上升；等效負荷波動率下降了44.3%，說明用戶用電負荷與發電功率的峰谷差減小了，達到了使電網系統穩定的目的；與此同時，用戶的總用電量差別不大，說明策略并未影響用戶的總需求，而主要在于改變了其用電時段，避免了損害用戶用電權益；電費有所下降，保證了用戶進行響應的積極性。綜上，說明了本文所述需求側響應策略制定方法的有效性。

（二）云南楚雄大荒山風電場，裝機容量286MW，單機容量2MW，2016年4月全部投運（文章采用5#、61#、105#、131#風電機組典型風況24小時功率數據進行模擬計算）。使用Girdlab-D模擬了當地100戶居民的用電曲線，根據風電場數據和當地的居民區負荷模擬，需求側響應策略與分析如圖8所示。

制定的分時電價信號具體見表3。

通過式（1）、（13）、（14）、（15）分析，計算結果見表4。

從分析數據可以看出，實施制定的分時電價策略后，居民用電負荷與所選當地風電機組發電功率由負相關變為正相關, 說明兩者的正相關程度上升，可再生能源利用率上升；等效負荷波動率下降了3.4%，即等效負荷的峰谷差減小，對電網的穩定性有所提升；用戶的總用電量差別不大，說明策略并未影響用戶的總需求，而主要在于改變了其用電時段；電費基本持平，保證了用戶進行響應的積極性。由于需求響應策略是對用戶實施，用戶規模越大，實施前后的數據差異越明顯。與案例（一）比較，本例所模擬的用戶規模較小，因而數據前后差異較小。但仍可看出，即使是在100戶的微型用戶群中，本文所使用的策略所達到的降低等效負荷波動率、提高電網穩定性、提升用電發電正相關程度的效果仍然是客觀的。綜上，證明了本文所述需求側響應策略制定方法的有效性。

攝影：牛磊杰

結論與展望

為了提高風能利用率，提升分布式風力發電出力與本地負荷的正相關程度，本文采用模糊聚類和非線性有約束優化方法，制定了優化的分時電價需求側響應策略，并對兩種針對不同負荷類型的策略響應效果進行了仿真。仿真結果顯示，與傳統的平抑負荷需求波動相比，該策略提高了風力發電功率與負荷特性的正相關程度，有效提升了分布式風力發電的利用率和置信容量，提高了電網的穩定性，達到了優化的目的。在后續研究中，計劃對更多地區的風電機組和當地負荷的組合進行分析，對本方法進行修正和優化，以提高其面向不同負荷類型的適應性。此外，還可以考慮結合智能電表和智能家電，使某些類型的負荷進行自動需求側響應。這樣可以減少全人工需求側響應帶來的不確定性，進一步優化結合分布式風力發電特性的需求側響應策略，為能量管理與電力系統設計者在規劃中提供參考，對促進我國集約、智能、綠色、低碳的城鎮化建設有重要意義。