用戶側儲能參與需求響應的多時間尺度優化調度策略研究

王建波 王春亮魏 強周保中 張繼廣朱燁揚范紫微

(1. 華電山東能源銷售有限公司 濟南 250000；2. 華電電力科學研究院有限公司 杭州 310000；3. 深圳華工能源技術有限公司 深圳 518000)

1 引言

需求響應能夠從需求側實現電力削峰填谷、增加清潔能源消納，有利于緩解我國目前電力供應緊張的局面[1]。儲能作為一種需求側資源，因其響應速度快、調度運行方式靈活得到了飛速的發展[2-3]。文獻[4]以家電舒適度為約束，建立混合整數線性規劃模型，基于儲能系統進行需求側響應優化調度；在此基礎上，文獻[5-6]考慮用戶的用電行為，構建凸優化問題，降低用戶的用電費用。文獻[7]綜合考慮了儲能系統與電網互動的應用場景，并建立線性規劃模型來實現用戶的收益最大化。上述文獻對儲能參與需求響應進行了研究，但所采用的模型并未計及負荷的不確定性。用戶在申報參與需求響應并中標后，必須按照中標量進行響應，否則將面臨偏差考核。然而，由于負荷預測的不確定性，多數用戶無法按照實際中標量進行響應，造成了嚴重的經濟損失。

為了處理負荷預測的不確定性，文獻[8]提出了儲能和需求側可中斷負荷相互協調的規劃模型；文獻[9]將家用負荷分為可調節、可中斷、可削減以及可轉移負荷，建立了考慮儲能蓄電池的魯棒優化調度策略，該調度控制策略可以節省電費支出；文獻[10]提出了一種基于分層儲能的主動配電網需求響應控制策略。

文獻[8-10]所提出的模型采用不同的方法解決出力不確定性問題，但均屬于開環優化調度策略，主要是基于一個時間斷面或未來一段優化時段的開環優化調度控制，具有一定的局限性。模型預測控制是一種基于預測模型并結合實際數據進行修正的在有限時域內滾動優化的控制方法。文獻[11]考慮配電網有功無功耦合特性，通過有功無功協調優化來降低網絡損耗，利用模型預測控制算法，減少無功設備頻繁動作所產生的操作成本，在保證主動配電網安全運行的同時進一步實現運行效益最大化。文獻[12]結合同步型交替方向乘子法和模型預測控制，提出了一種微電網群分布式優化調度策略，實現微電網的經濟運行。

本文在上述研究的基礎上，提出了基于模型預測控制的用戶側儲能參與需求響應的多時間尺度優化調度策略。利用模型預測控制“滾動優化控制”的思想解決用戶側儲能參與需求響應時的調度功率波動問題，同時引入反饋校正，及時糾正外部不確定性輸入的干擾，實現“多級協調，逐級細化，反饋校正”，最小化負荷預測不確定性帶來的影響。

2 模型預測控制

模型預測控制是一種閉環控制方法，其核心思想包括預測模型、滾動優化和反饋校正三部分。預測模型是一個描述系統動態行為的模型，通過系統當前已知的歷史輸入信息和被控對象的優化得出未來的控制輸入信息，預測模型只重視該模型能夠根據輸入信息來預測系統未來的動態輸出值，而不重視該預測模型的結構表達形式。本文采用狀態空間預測模型作為“預測系統未來動態行為”的模型。滾動優化的核心思想如圖1 所示，在k時刻，基于一定的目標計算得到控制時域M內的控制變量，但只下發接下來第一個時刻的控制變量值。為了實現閉環反饋校正，當k+1 時刻到來時，測量輸出變量值，將此測量值作為k+1 時刻優化初始值，從而最小化模型失陪和擾動誤差帶來的影響，如圖2 所示。

圖1 模型預測控制滾動優化過程

圖2 模型預測控制反饋矯正過程

3 儲能參與需求響應優化調度模型

3.1 儲能參與需求響應日前優化調度策略

日前優化調度策略結合日前負荷預測功率在不影響用戶正常生產活動的前提下對用戶側儲能和可轉移負荷進行優化控制[13]，使用戶購電成本、儲能電池損耗成本以及用戶不滿意費用之和最小。日前優化調度模型的目標函數為式中，Pact(t) 、PDR(t) 、Pbat(t) 以及Pshift(t) 分別表示t時段用戶凈負荷功率、用戶參與需求響應功率、儲能蓄電池充放電功率以及可轉移負荷功率；T表示調度總時段數；ρ(t) 和ρDR分別表示分時電價和需求響應收益；Cbat和Cshift分別表示儲能蓄電池單位充放電功率下的損耗成本以及由于單位功率可轉移負荷造成的用戶不滿意費用。

儲能蓄電池單位充放電損耗成本計算方法[14]如下式中，Cw為儲能蓄電池容量成本系數；Na為儲能全壽命周期的充放電循環次數；Ddod為儲能充放電深度。

用戶不滿意度的定義以及計算方法可參見文獻[15]，圖3 中展示了用戶不滿意費用以及單位功率不滿意費用隨用戶轉移負荷功率的關系。

圖3 用戶不滿意費用以及單位功率不滿意費用隨用戶轉移負荷功率的關系

由圖3 可知，用戶不滿意費用與該時段轉移負荷功率成近似線性關系，為簡便起見本文假設Cshift為常數。

為了保證用戶的用電體驗以及蓄電池的安全工作，日前調度計劃需要滿足如下約束條件。

(1) 儲能設備充放電深度約束

式中，S(t+1)代表t時段內蓄電池的SOC 值；σ代表蓄電池自放電率；V代表蓄電池容量；cη、dη分別代表蓄電池充放電效率；Pc(t) 、Pd(t) 分別代表t時段蓄電池充放電功率；tΔ 代表一個調度周期的時間長度；Smax、Smin分別代表蓄電池SOC 的上下限。

(2) 儲能蓄電池SOC 周期平衡約束

式中，Pd,max(t) 和Pd,min(t) 分別代表蓄電池放電功率的上下限；Pc,max(t) 和Pc,min(t) 分別代表蓄電池充電功率的上下限。

(4) 功率平衡約束

3.2 儲能參與需求響應實時滾動調度策略

基于日前負荷預測進行優化調度是一種開環的調度方案，并且隨著時間預測時間尺度的縮短，預測誤差的改變也會對日前調度結果產生一定的影響。因此應在實時調度環節對日內負荷預測出現的偏差進行修正，以日前優化調度結果為參考值，通過模型預測控制算法修正由于負荷預測結果變更帶來的影響。

(1) 模型預測

通過求解蓄電池充放電功率以及用戶可轉移負荷增量，進而預測實時滾動優化調度的有功出力，其預測模型為

圖4 實時滾動優化調度流程圖

4 算例分析

4.1 算例數據介紹

以廣東省某園區為例進行仿真算例分析，園區中配置的儲能蓄電池參數如表1 所示。其典型日日前負荷預測結果如圖5 所示，分時電價數據如表2所示。用戶不滿意費用Cshift取0.5 元/(kW·h)，用戶可轉移負荷比例系數λ取值為0.4。為了對日前調度策略的經濟性進行定量分析，本文設置了4 種調度場景，如表3 所示。

表2 分時電價

表3 用戶側4 種不同的調度場景

圖5 日前負荷預測結果

其中，場景5 為園區實際運行場景，該場景下的調度策略計及了儲能的充放電作用，但并未計及需求響應收益、可轉移負荷以及用戶不滿意費用，園區僅依靠儲能的調節作用利用不同時段的電價差進行套利。

選取日前調度時間尺度為1 h，日內實時滾動優化調度時間尺度為15 min。日前優化調度模型為線性規劃問題，日內優化調度模型為二次規劃問題，因此選用商用求解器CPLEX 進行求解。

4.2 日前優化調度

表4 展示了5 種不同場景下該工業園區用電成本情況。其中，在場景5 中園區并未參加需求響應，僅依靠不同時段的電價差進行套利。在場景 1 中，未考慮儲能以及可轉移負荷的調節作用，此時園區用電成本即為總成本，花費最高；場景2 考慮了儲能蓄電池的調節作用，可以看到雖然儲能蓄電池具有一定的損耗成本，但由于儲能蓄電池可以在電價高峰時放電，電價低谷時充電，使得總成本得到了一定的降低；場景3 中僅考慮了可轉移負荷，可以看出由于每個時段可轉移負荷的總量有限且會造成較高的用戶不滿意費用，因此總成本并未得到較大改善；場景4 中綜合考慮了儲能蓄電池與可轉移負荷的調節作用，兩者高效的配合得到了最優的日前調度結果。場景5 中，并未計及需求響應、可轉移負荷以及用戶不滿意成本，僅僅依靠儲能的深度調節作用進行套利，因此儲能損耗成本增加。另一方面，由于并未參加需求響應，不存在足夠的利益驅動用戶進行負荷轉移，園區購電成本僅次于場景1。

表4 不同調度場景的成本分析

場景4 的調度結果如圖6 所示，儲能蓄電池SOC 變化情況如圖7 所示。在圖6 所示的日前優化調度結果中，放電功率為正代表儲能電池處于放電狀態，反之處于充電狀態；可轉移負荷為正代表該時段存在轉入負荷，反之存在轉出負荷。

圖6 日前優化調度結果

結合表2 和圖6 可以看出，在00:00～7:00 時段電價處于低谷時段，負荷也處于低谷時段，此時儲能電池充電，且轉入負荷值為正；在10:00～15:00時段和17:00～22:00 電價處于高峰時段，負荷也處于高峰時段，此時儲能蓄電池放電，且轉出負荷為正；日前調度策略通過儲能蓄電池的充放電和可轉移負荷的靈活調度進行套利，以減小用戶購電費用。

從圖7 也可以看出，儲能蓄電池在負荷高峰時段放電，在負荷低谷時段充電，起到了削峰填谷的作用，同時在運行中也保證了蓄電池荷電狀態的平衡，提高了電力系統運行的可靠性和經濟性。

圖7 日前調度儲能蓄電池SOC 變化情況

4.3 實時滾動優化調度

負荷預測誤差滿足正態分布[16]，因此為了直觀的體現實時優化調度的效果，短時間尺度的負荷預測值由日前負荷預測值疊加一組正態分布誤差數據得到。使用負荷預測工具對歷史負荷進行日前負荷預測并計算負荷預測誤差，利用所得到的負荷預測誤差值對負荷預測誤差的概率分布函數進行擬合，進而得到負荷預測誤差的概率分布函數參數。疊加正態分布誤差之后的實時負荷預測結果和測量結果的對比圖如圖8 所示。圖8 中，以時間間隔15 min 為一次樣本點，共取96 個點。

圖8 實時負荷預測結果與測量結果對比圖

圖9 為實時滾動優化調度中儲能蓄電池有功出力調度結果以及可轉移負荷有功出力調度結果。從圖9 中可以看到，實時滾動優化調度中蓄電池和可轉移負荷有功出力的變化趨勢與日前調度基本相同，但在短期負荷預測誤差的影響下，為了實現對日前調度計劃的跟蹤，儲能蓄電池的充放電功率和可轉移負荷功率均出現了頻繁且范圍較小的功率波動，來實現對于日前調度計劃的跟蹤。

圖9 實時優化調度結果

在圖10 中展示了實時滾動優化對于用戶凈負荷功率的跟蹤效果，其中虛線為僅僅縮短優化時間尺度而仍采用開環調度方式的跟蹤效果，實線為施加模型預測控制方法的跟蹤結果。可以看出，若僅僅縮短調度的時間尺度會造成園區凈負荷功率在計劃值附近快速波動，這對于電網的調度運行將產生不利影響；而施加模型預測控制方法后，凈負荷功率保持穩定并與日前計劃值基本保持一致，基本消除了負荷預測誤差的改變對于園區凈負荷功率的影響。

圖10 凈負荷功率跟蹤結果

5 結論

為了應對負荷預測的精度對分布式儲能參與需求響應策略產生的影響，文中研究了一種基于模型預測控制的用戶側儲能參與需求響應多時間尺度優化調度策略。在日前調度階段，以用戶購電費用最小為目標建立模型，實現了用戶可轉移負荷以及儲能蓄電池充放電策略的優化，提高了運行經濟性；在實時調度階段，以用戶凈負荷功率偏差最小為目標建立調度模型，并引入模型預測控制的方法來應對負荷預測誤差帶來的影響。在算例分析中，對比了4 種不同的優化調度場景，結果表明在同時對儲能蓄電池和可轉移負荷進行優化調度的情況下，最高可將運行成本減少5.2%；同時能夠在一定程度上減小負荷預測誤差帶來的影響，并實現了對用戶凈負荷功率的有效跟蹤。