考慮響應特性的需求側多元可控負荷協同調控策略

盧兆軍， 袁 飛*， 郝 泉， 安樹懷， 李 沐， 王慶華

(1.國網山東省電力公司， 濟南 264000； 2.華北電力大學能源動力與機械工程學院， 北京 102206)

隨著需求側可控負荷資源的不斷引入，傳統以“供隨需動”的電能供給模式逐漸向源荷雙向互動模式轉變。通過對需求側可控負荷資源實施有序管理與控制，實現與電網預期調度曲線的優化匹配，是目前分布式新能源滲透下電網波動性平抑的有效措施。

目前，對于需求側可控負荷調控已有較多方面研究，主要面向削峰[1-4]、調頻[5-7]、新能源消納[8-9]經濟調度[10]等場景。外國研究以電力市場為主導，將負荷曲線零售給具備響應能力的電廠或者聚合商[11]，使得負荷的實際使用曲線與購買曲線相匹配，文獻[12]將大量異構的需求側負荷資源聚類成同類組，每類負荷由聚合商進行集中式控制，實現聚合商所購曲線的匹配；文獻[13]綜合考慮電動汽車、空調、熱水器等可控負荷，基于需求響應方式進行負荷整形，解決電動汽車與其他負荷同時使用下的變壓器過載問題；文獻[14]通過獨立系統運營商(Independent System Operators，ISO)與聚合商之間的雙層優化建模，提出了風電不確定性下電動汽車協調充電及風電波動平抑策略。

目前，多數研究中負荷調節目標直接取自區域電網調度，由聚合商整合零散的、分布式可控負荷資源，實現電網削峰、調頻等場景調控。文獻[15]基于模糊控制理論，綜合考慮配電網負荷特點和用戶使用行為，提出了電動汽車入網充放電的有序調度策略，降低了區域電網負荷尖峰；文獻[16]針對溫控負荷(thermostatically controlled load，TCL)調控過程中造成的舒適度影響，以平均舒適度與最佳舒適度偏差量最小為目標，并將控制頻次約束納入策略設計，對溫控負荷實施集群控制；文獻[17]對電熱水器的用水行為進行了預測建模，基于模型預測方法，考慮溫度和鎖定約束，提出了電熱水器群參與電網緊急減載與調頻策略；文獻[18]基于蒙特卡洛方法對溫控負荷群的狀態進行建模，獲取了聚合狀態下的溫控負荷潛力，并利用溫控負荷實現了電網緊急狀態下的甩負荷；文獻[19]通過對電熱水器負荷聚合群的狀態感知和實時分析，提出了大量電熱水器有序協調的調控策略，用于消納電網多余新能源電量；文獻[20]考慮中央空調的調節特性、用戶舒適度和用電的經濟性，對中央空調進行集群建模和聚合策略設計，用于消納風電出力曲線的波動部分。以上研究說明可控負荷參與電網調節的潛力巨大，但考慮到現階段實際實施情況，大部分區域以削峰和有序用電業務為主，主要面向削減式負荷調控場景。

上述研究主要考慮單類負荷調控，而針對多類負荷聯合調控的研究相對較少，且中國電網調節場景相對單一。隨著需求側可參與調控的負荷逐漸多元，電網調節需求也不在單一，提出一種能整合多元可控負荷且面向多種調節場景的負荷控制策略具有較大意義。為此，提出了多元可控負荷的協同調控策略，基于負荷聚合商對多類型、多元化負荷群實現調控，可面向電網日內負荷削減與消納雙向調整需求，在用戶負荷協同有效用電的基礎上，提供用電經濟效益。

1 可控負荷響應特性分析

綜合考慮溫控負荷、電動汽車、儲能(鋰電池)等典型可控負荷，分析其運行特點。

1.1 溫控負荷響應特性分析

1.1.1 溫控負荷模型

以電熱泵為代表的溫控負荷，其工作特性具備周期性啟停特點，開啟時溫度上升，關閉時溫度下降，維持溫度在一定區間內波動，常規的熱力學模型為[11]

(1)

Tmin≤Tin≤Tmax

(2)

Tmin=Tset-δ

(3)

Tmax=Tset+δ

(4)

熱泵運行特點如圖1所示，當溫度處于上下限范圍內，開啟的熱泵具備削減能力，關閉的熱泵具備消納能力，因此電熱泵能夠在時域范圍內調節其用電時段和功率，達到靈活調增或調減需求。

圖1 電熱泵運行特性

1.1.2 溫控負荷響應局限性

基于1.1.1節分析，溫控負荷在溫度上下限區間內具備調增與調減能力。文獻[21]對溫控負荷長時間響應的結果進行了模擬，指出熱泵響應調減需求時，房間溫度會逐步趨近于溫度下限。基于制冷、制熱型負荷運行特征，可進一步推出其響應特性，如表1所示。

表1 溫控負荷響應特性

當含分布式新能源系統中的調增、調需求持續時間較長，溫控負荷的溫度(或其所處室內溫度)趨于上下限，導致距離自身啟停約束的時間越來越短，這將造成調控指令下達后負荷功率的反彈，直至下一次調控指令到達前。因此，溫控負荷進行長時間的響應會產生功率的波動性。

1.2 蓄電型負荷響應特性分析

1.2.1 蓄電型負荷模型

與溫控負荷不同，電動汽車的可調特性體現在充電時段的平移，以文獻[4]所述荷電狀態模型為例，其模型可描述為

(5)

t≤tset, ?L∈LEV

(6)

0≤SOCL≤1, ?L∈LEV

(7)

電動汽車的運行特點如圖2所示。在滿足用戶出行的時間約束下，可將充電時段平移，以滿足電網高峰消納需求。

圖2 電動汽車充電特性

就電儲能而言，其充電特性與電動汽車相似，采用文獻[22]所述一階模型，具體表達式為

(8)

(9)

0≤SOCL≤1, ?L∈LES

(10)

儲能擁有利靈活的充放電能力，能夠在用電高峰直接向負荷供電，在用電低谷時充電，其運行特性如圖3所示。

圖3 儲能運行特性

1.2.2 蓄電型負荷響應局限性

理論上，電動汽車可以進行靈活的充放電，但頻繁充放電對電池有較大損耗，也不符合大多用戶的充電需求。因此在非緊急調控場景下，本文中暫認為電動汽車不放電。

基于這種考慮，電動汽車更適合進行調增場景的響應，而不具備調減能力。而含分布式新能源系統中，由于新能源出力的隨機性和不確定性，“供大于需”和“需大于供”在常規日前、日內調度時間尺度均是存在的。

2 多元可控負荷協同調控策略

2.1 基于聚合商的負荷調控架構

隨著電網調控業務逐步向用戶側拓展，聚合商作為典型業務主體參與到電網調控中來。負荷聚合商利用其專業的資源整合手段，將用戶側分布廣泛、容量小的可控負荷聚合成一個具備較大可調節潛力的虛擬機組，使之主動響應電網需求，改變傳統供隨需動的單一供電模式，促進用戶側負荷的高效、經濟運行。

考慮負荷聚合商的參與，電網調控涉及的主體包含電網調度中心、聚合商、用戶負荷，其整體的調控架構如圖4所示。具體實施環節如下：首先電網側對當前傳統機組和新能源機組的出力情況進行預測，通過調度中心或市場手段將調控需求廣播給負荷聚合商；然后負荷聚合商根據各區域可控負荷調節潛力，將調控需求進行按比例分解，使子需求與區域調節潛力相匹配；最后，通過對不同類別的可控負荷調節成本和約束的考量，確定大量可控負荷的集群調控方案，并將調控信號下達。

圖4 智能電網調控架構

圖4為調控架構，聚合商以邊緣計算手段，充分采集溫控負荷、電動汽車、儲能等典型可控負荷的溫度、荷電狀態等狀態值，進行規模化可調潛力評估；同時，聚合商可面向多物理供電區域，以互聯網方式實現區域間調控信息共享。該方式，以聚合商為主導的分層架構能夠緩解調度中心與負荷直接通信的壓力，且邊緣化信息采集分析與聚合商集中式大規模潛力評估相互協同，有效地促進聚合商對負荷調控精準化實現。

2.2 負荷集群調控容量區間模型

基于典型可控負荷運行模型，本節在考慮熱泵、電動汽車、儲能運行約束的基礎上，構建可控負荷集群調控模型，以估計負荷群的調增和調減能力。在某一時刻，聚合商所轄負荷群的用電功率可表示為

(11)

(12)

(13)

(14)

(15)

由于調控動作會對后續時域范圍內的負荷運行狀態產生影響，進而影響后續可調容量估計的準確性，針對式(11)～式(15)采用滾動迭代式校正，形成動態調控區間，其原理如圖5所示。

圖5 滾動式調節潛力估計原理

2.3 負荷調控目標及約束

聚合商從電網調度(或電力市場)側獲取預期調度曲線，根據自身所轄可控負荷的調控區間，對預期調度曲線進行等比壓縮，得到自身的調控目標曲線，其表達式為

?t∈T,Ptgt(t)=f[Ptol(t)]

(16)

(17)

式中：T為優化周期；Ptol、Ptgt分別為電網預期調度曲線和聚合商自身調控目標曲線；f(·)為等比例壓縮函數通用形式。

聚合商得到自身調控目標曲線后，對所轄可控負荷進行日內全局用電調控及優化。當t時刻的可控負荷用電功率大于聚合商調控目標時，進行削減型調控，反之進行消納型調控。在調控周期內，以分布式新能源本地消納最大化為目標，其優化目標可表示為

(18)

式(18)中：Pact為聚合商實際調控的功率。

同樣，為了保證調控過程中可控負荷不會造成用戶用電不便，在求解式(18)所示的組合優化問題時，需要滿足式(2)～式(4)、式(6)、式(7)和式(10)的基本運行約束。

2.4 協同調控實現流程

基于前文所述優化目標及約束，聚合商需要根據調控偏差最小化目標，確定各時刻的功率調整量，并根據可控負荷狀態及約束，對滿足條件的可控負荷進行優化調控。從第k個時段起，聚合商在連續時域上的調控實現流程如圖6所示。

針對圖6最優調控順序方案，采用典型的分組調控方式，設計了消納和削減兩種場景下的負荷調控順序，實現有序調控。多場景下可控負荷分組調控的順序如圖7所示。

圖7 聚合商最優調控順序方案

3 仿真分析

3.1 仿真場景設置

如圖8所示，選取0:00為時間斷面，初始時刻設定了溫控負荷的隨機開關狀態和初始時刻溫度狀態，在7:30左右設定了電動汽車到達(入網)時間的高斯分布。圖8中調控目標取自某地典型日光伏出力等比例壓縮曲線，在7:30—11:00的用戶負荷高于調控目標，以削減場景為主；在11：00—16:00的實際用電負荷低于調控目標，調控的消納需求比較大，以消納場景為主。

參與調控的3類可控負荷具體參數配置如表2所示。

表2 負荷參數設置

3.2 電力供需靈活調控結果分析

根據圖8所示的藍色曲線進行彈性負荷優化配置，利用溫控負荷、電動汽車、儲能的靈活可調能力，對調節目標進行了精準匹配，匹配效果如圖9黑色曲線所示。

圖9 多類負荷協同調控效果

可以看出，多類可控負荷分組協同的方式能較為精準的跟蹤聚合商的調節目標，實現精準匹配。相比之下，若只用電動汽車或溫控負荷，在調節能力欠缺的情況下，波動性較強，且調控偏差較大。因此，利用多元負荷的協同調控具備較大優勢。

圖10～圖12為參與調控的某熱泵、電動汽車、儲能負荷的運行狀態前后對比情況。由于調節過程中考慮了負荷運行約束，調控后的負荷狀態均滿足約束，充分保證了用戶的用電權益。可以看出，調控后的熱泵使室溫在維持在22～30 ℃，符合設置的調節閾值需求；電動汽車的充電時段變得更離散化，改變了原來即插即充的情況，且充電時間向后轉移，與消納時段貼合；儲能具備良好的功率轉移特性，通過靈活的充電與放電，達到平滑負荷曲線的目的。

圖10 某熱泵調控前后的運行狀態對比

圖11 某電動汽車調節前后的荷電狀態對比

圖12 某儲能設備調節過程中充放電情況

3.3 策略潛在經濟效益分析

基于聚合商對可控負荷資源整合與協同調控，實現了考慮分布式新能源出力的削峰、消納雙場景調控。為了充分說明本文策略的有效性，統計了聚合商調節前后的消納量與削峰量，如圖13、圖14所示。圖13統計了全天調控周期內的消納功率與削減功率，圖中最明顯的削減功率集中在電動汽車接入高峰期，調節后的最大削減功率達到約20 MW，主要由于電動汽車群體將充電時段向后轉移；最明顯的消納功率集中在12:00后的光伏出力期，最大消納功率達到約15 MW，主要由于儲能和電動汽車在該時間段進行了較大量的充電。

圖13 日內調節功率分布

日內的消納量和削減量統計如表3所示，其中消納量達到約6 324.5 kW·h，削減量達到5 383.3 kW·h，預期月消納量和削減量將達到189.735 MW·h和161.499 MW·h。

進一步選取中國分時電價機制和美國PJM有限責任公司(Pennsylvania-New Jersey-Maryland Limited Liability Company)某日邊際電價機制，采用式(19)所示的單位用電成本對本文策略效益進行分析，兩種電價機制如圖14所示。

圖14 中國分時電價與美國PJM某日邊際電價

(19)

式(19)中：U為單位用電成本；P(t)為t時刻電功率；p(t)為當前時刻電價。

調節前后的單天負荷用電成本對比如表3所示，其中在中國場景下，不調節時負荷單位用電成本約0.483 3元/kW·h，調節后的負荷單位用電成本約0.482 9元/kW·h；在PJM邊際電價場景下，不調節時負荷單位用電成本約37.71美元/MW·h(折約0.262元/kW·h)，調節后的單日負荷單位用電成本約36.15美元/MW·h(折約0.251元/kW·h)。

表3 中外場景調前前后策略經濟效益對比

綜上，本文策略在中國現行分時電價和國外電力市場實時電價機制下，均存在用電效益優勢，尤其在國內推行電力市場化改革的背景下，以需求側可控負荷資源促進分布式新能源接入下的供需平衡，可作為一種新業務模式，其具備較大發展空間。

4 結論

提出了一種考慮響應特性的需求側多元可控負荷協同調控策略，通過分組輪控的方式對溫控負荷、電動汽車、儲能進行協同調控，實現了考慮分布式新能源出力特征的需求側用電優化。得出如下主要結論。

(1)以溫控負荷、電動汽車、儲能為典型可控負荷，分析了單類負荷調控的局限性，構建了基于聚合商的負荷聯合調控框架。

(2)建立了多元可控負荷集群調控模型，并設計了面向分布式新能源供需平衡的多元可控負荷協同調控策略。

(3)選取典型日光伏曲線設計了仿真算例，驗證了本文策略的有效性以及在國內外兩種電價機制下的經濟性。

后續研究將進一步根據需求側多類異構負荷狀態、模型的差異，研究其融合評估指標及統一調控策略，提高策略執行過程中各類負荷參與調控的機會均等性。