李 翠
(上海理工大學 管理學院, 上海200093)
目前,全球存在能源結構不合理、資源利用率較低和資源需求量較大等問題。 面對這種狀況,要大力發展在自然界中可以不斷再生、永續利用的可再生能源,主要包括光伏、太陽能、風能、水能和生物質能等,關于可再生能源發電的研究越來越多[1-5]。但新能源發電也具有不穩定性、間歇性、隨機性的缺點,若單獨采用某單一能源進行發電則存在較多障礙,因此,構建多能互補分布式能源系統架構,實現能源結構的轉型升級已經成為目前新能源發電的主要發展方向。 將燃氣、風電、光伏、儲存等技術進行融合,實現多種能源的協同優化。 借助風光蓄協作效應,提出了含大規模風電的電力調度[6];提出了風、光、蓄一體化出力的調度策略,該策略不僅減少火電機組啟停次數,降低火電經濟成本,還起到了提高間歇性能源的利用率和削峰填谷的效果[7];研究了海島風、光、海水蓄聯合發電系統的調度策略,提出了聯合發電系統的3 種調度方法[8]。 目前,主要從電力系統規劃、調度、控制、仿真角度討論了大規模新能源發電對電力系統影響[9],對含可再生能源的電力系統主要采用多種能源相互協調策略,以達到電網優化和能源調度的目標[10]。
隨著新能源發電的快速發展,僅靠供應側的能源互補或傳統火力機組來協調可再生能源發電的不穩定性與間歇性,不僅難以控制且成本高[6]。 需求響應[11-13]是一種有效的調整方法,用戶根據電力市場價格信號(分時電價、實時電價[19]、尖峰電價)或激勵機制主動改變能源使用行為[14]。 電力系統引入需求響應可以促進用戶合理用電并優化含可再生能源電力系統的調度,國內外已有很多將需求響應考慮到含新能源電力系統中的研究。 例如:集成光伏、風電、燃氣輪機、儲能系統和激勵型需求響應為虛擬電廠(VPP),價格型需求響應能夠平緩用電負荷曲線,儲能系統和激勵型需求響應能夠增加VPP運營收益[15];借助電價的需求響應來增加對負荷的調控能力,以減少光伏的不穩定性對發電調度優化結果造成的影響,新能源發電對電力市場的電價制定提出更高的要求[16]; 光伏用戶集群實現電能共享辦法,通過建立內部價格模型,實現有序的電能交易[17];考慮到電價和風電的不確定性,建立了風險規避主動分配網絡(ADN)模型,風險規避(ADN)的目標函數考慮了在集成和不集成儲能風電的情況下,相同電力系統之間發電成本凈減少的條件期望[18];公用事業公司與多個住宅用戶之間的實時雙向通信,將每個用戶視為一個智能家居管理系統[20],提出了一種分布式實時算法,為每個用戶和公共事業公司尋找最優的能源管理調度方案,使社會福利最大化。 對家用電器進行了細致的分類,以所有用戶收益最大化,成本最小化為目標函數,建立優化模型,給出了一種既有可存儲設備又有可再生能源并網情況下用戶優化用電策略[21]。
本文在現有研究基礎上,研究智能電網環境下的用戶私人新能源并入電網模式。 將家用電器分為必須運行電器、彈性電器和半彈性電器;存儲設施是既可以充電又可以放電的電動汽車、電池等;供電公司改善發電模式,除了傳統的火力發電,還開發可再生能源發電,促進能源結構向更安全、更高效、更環保的方向發展,從而形成多能互補系統。 為了緩解供電方壓力,充分調動用戶側資源,本文假設用戶側安裝新能源設備,如屋頂太陽能、光伏設備等。 用戶側的新能源設備具有發電功能還可以儲能,這樣用戶私人新能源可以直接發電供用戶自己使用也可以儲存下來。 供電公司可以給予一定價格,刺激用戶將新能源并入電網。 即在供電公司和用戶之間搭建一個能源交易平臺。 在上述復雜條件下,以所有用戶效益最大化,成本最小化為目標函數,建立模型,給出一種兼顧新能源發電、存儲設施和能源交易模型的優化用電策略。 對模型進行分析,用拉格朗日對偶算法計算出模型的解。 該策略能確保新能源得到優先、充分利用,就地消納,存儲設備合理使用,將其成本降到最低,避免新能源并網對電網的穩定性造成影響。 利用MATLAB 仿真驗證模型的合理性和算法的實效性。
考慮一個供電公司向多個用戶N = {1,…,N }供電的系統模型,每個用戶被視為一個智能家居管理系統,用家庭負荷、智能電表、儲能電池和能源收集設備組成。 每個智能電表都假定嵌入一個能源消耗控制器(ECC)。 ECC 可以控制每個家電的操作時間和模式,充放電量和記錄用戶的用電量。 它還可以與供電公司實時雙向通信:用戶向供電公司提供用戶的用電情況;供電公司根據用戶用電情況提供在自動化上和經濟上最優能源管理調度方案。
將用戶的電器分為三類: Ai,Bi,Ci分別表示用戶i(i ∈N)的三類電器。 a 表示用戶i 的某一電器,表示在h 時段用戶i 正在運行電器a 的用電量,Ea表示電器a 所需的總用電量,= Ea。
(1)必須運行的電器Ai( a ∈Ai)i,這種電器運行時間長短不受價格限制,如冰箱、照明用電等。 運行時間和用電量都是固定,且運行時間可以是連續的或者是間斷時間構成。M 表示i 用戶必須運行電器數量,表示i 用戶在h 時隙所有必須運行電器的總用電量,即

(2)彈性電器Bi( a ∈Bi) , 這種電器運行時間受價格影響最大,如空調等;電價高時用電量下降,電價低時用電量增加。 彈性電器使用時間可以根據電價靈活選擇,一般要求該類電器在每個時段用電量有一個上限閾值。為i 用戶的彈性電器在第h 時段最大用電量,即0 ≤≤, ?i ∈N,?h ∈H.
(3)半彈性電器Ci( a ∈Ci) , 這種電器運行時間也受價格影響,如洗衣機、洗碗機等。 這種電器完成任務所有電量是固定的,而且一旦開始就無法停止,因此它們的運行具有連續性。 半彈性電器需要在特定時間內完成運行,不然影響用戶的滿意度。戶i 的半彈性電器在第h 時段最大用電量。Ea表示電器a 所需的總用電量。


由于可再生能源的間歇性、波動性和不可準確預測性,其產生的電力若直接輸送給電網中,會造成浪費,且影響電網正常穩定運行。 因此,存儲設施在處理新能源發電中發揮著重要作用,以補充間歇性新能源發電的波動性和不可準確預測性。 存儲設施既可以放電也可以充電。


在供電方改善供電系統,增加了新能源發電,擴大能源來源途徑,協調了傳統火力發電的局限性,為克服多種能源發電的間歇性以及不確定性,形成依據互聯網上的各種信息進行規劃建設和運行的能源互補系統。 全面優化能源的生產、分配、轉化、存儲后形成產供銷一體化,極大程度上滿足用戶對能源的需求,提升能源利用率,利用能源互補管理系統解決目前能源短缺和能源質量較差問題。 多能互補發電系統是由火力發電技術、分布式發電技術、儲能技術和太陽能發電技術結合的整體發電系統。
從供電公司的角度出發,sh表示供電公司在時隙h 的能源供應,包括多能互補系統提供的新能源。供電公司的能源供應受以下條件:0 ≤sh≤ch, ?h∈H.其中ch表示電力公司在時隙h 的供電能力,供電能力受電力基礎設施的限制,如輸電線路和輸電線路的熱限。 用戶方安裝能源設備且收集到的能源可以通過能源交易平臺并入電網中。
用戶新能源屬于用戶的私人能源,用戶可以選擇并入電網也可以選擇自用,這取決于供電公司給予用戶的刺激。 這種刺激起到去峰填谷的功效,緩解電網的壓力,同時又可以滿足所有用電的電量需求。

Eu≥0 用戶能源收集設備總能源,0 ≤Ep≤系統中輔助設備所耗的電量,Er≥0 能源收集設備中可供用戶使用的能源。
每個時隙的每個用戶的總能量需求與在相同時隙的其它用戶的能量需求具有空間耦合的關系, 約束條件如下所示:

電力系統中的每個單獨的用戶都是可以獨立運行的實體。 每個用戶的能量需求可以基于不同的參數而變化。 通過采用微觀經濟學的效用函數概念,可以對不同用戶對各種價格場景的不同響應進行解析建模。 對于所有用戶,我們將相應的實用程序函數表示為U (x,ω) ,ω >0 是可以在用戶之間以及在一天的不同時間內變化的參數。 更正式地說,對于每個用戶,效用函數表示用戶作為其功耗的函數所獲得的滿意程度。 我們假設實用程序函數滿足以下屬性:
性質1效用函數是不遞減的,即≥0。
性質2效用函數是凹的,邊際效用遞減。

本文考慮了線性遞減邊際效益的二次效用函數:

其中,α >0 是一個預先確定的參數。
供電公司在每個時隙提供給所有用戶用電量的成本,用函數Chsh( ) 表示,函數是單調遞增凸函數,且普遍采用二次函數:

一天被認為是一個周期, 它被平均地分為H ={1,...,H} 的時間段,H = 24,時間尺度為一個小時。 對于給定的供電公司公布的售賣電價={} 和供電公司購買用戶私人新能源的電價= {},尋找一種最優用電策略,使整個系統成本最低,所有用戶效用最大同時新能源可以得到充分利用。
供電公司改變了資源結構,大力開發可再生能源,多種新能源與傳統的發電模式合并形成多能互補系統。 在多能互補系統中,供電方的新能源直接并入電網,新能源還來源用戶側新能源設備,用戶私人新能源是否并入電網、并入電網的電量以及并入電網時刻由用戶自己決定,而用戶的并網行為取決于供電方給予的刺激。 以所有用戶最大化,成本最小化為目標,建立目標函數為:

模型(9)是凸規劃,解存在且唯一,其實質是使所有用戶效用最大化、成本最小化,且能源優先使用并充分利用,減少能源的棄廢率。 約束條件(9-2)限制電池電量的邊界,防止電池充放電超過電池邊界,造成電池損壞。 約束條件(9-3)和(9-4)防止家庭負荷過重,峰谷轉移,造成電網的不穩定,確保在每個時隙的用電量在電網最大承受范圍內。 約束條件(9-5)和(9-6)使得電網中的新能源發電被充分、優先利用。
模型(9)考慮能源供應,能源需求和電池儲能,能源供應不只在供應方,模型考慮用戶側的資源,緩解供應方的供電壓力;模型(9)不僅考慮優化可再生能源和存儲設施,對于多余能源并入電網進行研究,對新能源的并網方式進行分析,通過供需雙方實時互動,利用電價刺激用戶,從而實現用戶效用最大化。
能量需求約束和電池能量約束是時間上耦合的約束,供需約束是空間耦合的約束,這些約束無法直接解決原始問題,可以利用拉格朗日對偶算法處理這個復雜的優化問題。 因為原始問題是凸問題,利用對偶分解方法,將原問題解耦成一系列獨立的子問題。

λh≥0 是拉格朗日乘數, λ ≡[ λh]h∈H,μ ≡ [i∈N,h∈H,υ ≡ []i∈N,h∈H,σ ≡[]i∈N,h∈Hθ ≡ [ θi]i∈N表示引入的拉格朗日乘數矩陣來緩和時間上和空間上耦合的約束。
對偶優化問題中的目標函數為:

利用次梯度投影法,對偶問題可以隨著對偶目標函數的負次梯度中的拉格朗日乘子的更新而迭代求解:
可將對偶問題分解成以下幾個子問題:

為了解決該對偶問題,采用梯度投影迭代法進行求解。 迭代公式如下:

k ∈N+表示迭代指數,γλ,γμ,γυ,γσ,γθ>0 分別是調整收斂速度λh,的步長,是局部最優解。
輸入能耗水平的下限、上限,電池的最大充放電速率,所需需求,初始電池電量,電池的充放電效率,供電能力等參數。
算法
Step 1初始化(用戶方);
Step 2對于每個用戶?i ∈N ,從供電公司接收新的電價:
Step 3結束;
Step 4初始化(供應方);
Step 5對于供電公司,對每個時隙h = 1,...,H,從每個用戶接受總需求 {}h∈H,更新供應量s~h,k;
Step 6將電價 {} 發送給每個用戶,用戶選擇是否將用戶私人新能源并入電網、并入量以及并入電網時刻;
Step 7結束;
Step 8k = k +1,直到λ,μ,υ,σ,θ 在小范圍ελ,εμ,ευ,εσ,εθ內收斂,結束。
輸出能量需求x*,電池充放電能量b*和用戶并入電網的新能量并網y*。
假設電網中每一用戶均有11 個電器,具體如下:
(1) Ai類電器有4 個,用戶i 的該類電器在運行時總用電量于[1 2.5]隨機選取且固定不變;
(2) Bi類電器有3 個,該類電器在每一時段總用電量的上限為4;
(3) Ci類電器有4 個,設它們一天內的總用電量分別為4、3.2、7、4.5,每一時段的最大用電量分別為1.5、1、2、1,這類電器工作時間是連續時段,設它們的工作時間分別在時段內:{1,2,...,7}、{6,7,...,14}、 {11,12,...,18} 和{16,17,...,22}內。
圖1 給出了各時段某一用戶的3 類電器用電量。

圖1 給出了各時段某一用戶的3 類電器用電量Fig. 1 The electricity consumption of three types of electrical appliances of a user in each period
由圖2、圖3 可知:(1)用戶在電價低時選擇對電池充電,而在電價高時選擇對電池放電以提供家庭負荷。 (2)用戶新能源收集主要集中在白天,正午時分,夜間能源收集可以忽略不計。

圖2 用戶24 時段充放電量圖Fig. 2 The user's 24-hour charge and discharge volume chart

圖3 用戶24 時段收集到的新能源Fig. 3 New energy collected by users in 24 hours

表1 三種并網模式下的總效益與總成本的差值Tab. 1 The difference between the total benefit and the total cost under the three grid connection modes
圖4 表示全部并網、自發自用余電并網、完全自發自用三種模式下,各時刻所有用戶最大總效用。由表1 可以看出,自發自用余電并網和全部并網的并網模式下的需求響應都增加了用戶效用。 因此,充分利用用戶側新能源,并鼓勵用戶安裝能源設備且將能源并入電網。

圖圖4 三種并網模式下的各時刻最大的總效益Fig. 4 The maximum total benefit at each moment under the three grid-connected modes
本文闡述了智能電網中,用戶私人新能源三種并網模式,以所有用戶效用最大化為目標。 供電公司不斷更新供電量、用電量和存電量,分析了全部并網、自發自用余電并網和完全自由的三種并網模式下總效益,得到自發自用余電并網和全部并網模式下的總效益增加的結論,鼓勵用戶安裝能新源設備并根據自己需求選擇并網模式。 數值模擬結果表明,用戶新能源的并網有助于供需平衡,提高用戶總福利、維護新能源能發電的智能電網穩定性和波動性、促進社會新能源合理利用,優先使用,就近消納等。
但是由于參數的設置都是在理想狀態下的,未考慮一些不確定因素(如氣候,季節等)的參與。 在后續研究中,應考慮到新能源發電和用戶能源收集設備維修保養等不確定因素,并對用戶負荷更進一步細化、討論。