主動配電網背景下考慮“源-荷”雙側互動的微電網調度方法研究

崔金棟，冉子晗

（東北電力大學，吉林 吉林 132012）

關鍵字：主動配電網；微電網；價格型需求響應；激勵型需求響應；日前負荷調度

加快以清潔低碳高效能源為主體的能源電力轉型是實現國家碳達峰、碳中和目標的基礎，配電網作為聯絡能源生產與消費的關鍵樞紐，是服務能源電力轉型的基礎平臺。伴隨高比例分布式可再生能源接入配電消納，被動管理的傳統式配電網形態逐步演變為以供需雙方負荷靈活管控的主動式配電網，微電網以其因地制宜利用新能源發電以及靈活負荷管控特點，成為主動配電網的重要補充形式。為適應國家能源清潔低碳轉型發展戰略和國網公司新型電力系統建設升級轉型，如何兼顧主動配電網下微網用戶側負荷優質可靠、供電側分布式高比例可再生能源消納與源荷兩側主動協調，成為當前的電力企業研究重點。

1 國內外研究綜述

為提高電力資源使用效率、適應高比例分布式新能源接入的需求，配電網形態逐漸朝向智能化、集成化發展，用戶側需求響應技術與電力雙向優化調度成為電力市場配電網負荷調度關注重點[1-2]。智能電網發展過程中，需求側終端用戶角色發生改變[3]，用電需求由被動趨向于主動發展。主動配電網（ADN）需求響應技術通過電價調整與激勵政策改變用戶原有用電行為與習慣，指引用戶積極參與到電力優化調度中，實現負荷柔性控制[4]。電力需求側管理主要由以實時電價、分時電價（TOU）、階梯電價為主力的價格引導機制（PDR）或是通過補貼與時段優惠手段實現負荷轉移的激勵引導機制（ⅠDR）構成。在這一個過程中，用戶利用廣義需求響應資源優化自身用電行為提高用電經濟性[5～6]，電網企業通過靈活分時電價引導用戶用電行為，與用戶達到雙向博弈，從而維持電力供需平衡[7]。然而，用戶用電意愿受電費與自身消費彈性等多重因素干擾，用戶負荷曲線不再是傳統典型負荷模式，負荷調度難度加大[8]，電力用戶需求響應行為刻畫研究尤為重要。

微電網（MG）興起為需求響應技術帶來了全新的挑戰與機遇[9～10]，當前針對MG 負荷調度多集中于需求響應電價機制。文獻[11]從微電網運營商的角度出發，制定需求響應激勵政策，增大微電網運行商整體獲利的同時，盡量減少了微電網用戶負荷調度不舒適度[11]。文獻[12]為實現孤立性微電網能源的高效供應，構建一種基于動態ⅠDR 經濟模型的需求響應方案，在提高微電網內可再生能源技術經濟運行的同時提高了微電網整體系統的靈活性[12]。文獻[13]基于微電網需求響應系統原理，分別構建需求響應分時電價與實時電價優化策略，進一步優化配電網總體負荷曲線，提升了微網能源消納比[13]。

綜上所述，盡管國內外專家學者針對微電網負荷調度研究相對成熟，但現有模型極大忽略了綜合型需求響應對微電網負荷調度影響。因此，提出了基于激勵型與價格型并行的綜合型需求響應的微電網“源-荷”雙側互動的負荷優化調度模型。針對供電側負荷不確定性接入，考慮微電網供電側與主動配電網交互；針對用戶側負荷不確定性接入，構建基于微電網價格需求響應日前負荷調度與實時激勵需求響應優化微電網用戶負荷預測模型；并引進激勵響應影響參數改進傳統用戶滿意度模型與微電網供電企業成本模型。

2 主動配電網背景下微電網供需雙側負荷互動模型

主動配電網下微電網作為一種微型發配電自治系統，能夠實現管轄范圍內的自身調度。微電網內含有多元間歇式微電源，同時，增設分散性儲能設備（ES），發電冗余時儲電、缺電時輸電，增強能源資源消納比與利用率。主動配電網下MG 如圖1所示。

圖1 主動配電網下微電網的總體框架

微電網需求響應的前提是要充分消納新能源。并網型微電網用戶充分響應后，用電時段與時段負荷發生改變，微電網向主動配電網購電量節省電費支出的同時提高了微電網分布式電源（DEG）消納。考慮綜合需求響應的微電網負荷“源-荷”雙側互動如圖2所示。

圖2 考慮綜合需求響應的微電網“源-荷”雙側互動

需求響應后微電網出力小于負荷需求PDEG＜Pload，微電網/主動配電網聯合供電（向主動配電網購電）：用電高峰時段Tf內，主動配電網/微電網/儲能聯合供電，儲能放電；用電平峰時段Tp時，主動配電網/微電網聯合供電，儲能無充放電行為；用電低谷時段Tv時，主動配電網/微電網聯合供電，儲能充電。

受需求響應的影響，激勵政策主要體現為內部用戶購電成本減少、擁有可中斷負荷的補償獲利、接收尖峰斷電補貼。不同時刻用戶需求響應模型變化見式(1)。

需求響應過程中并網型微電網與外網交互負荷如下：

式中：Pwp為微電網內風機出力；Psp為微電網內光伏出力；Pstp為微電網內儲能充放電；Tf為高峰時段，Pf為高峰時段負荷；Tp為平峰時段，Pp為平峰負荷；Tv為低谷時段，Pv為低谷負荷；Pexc為并網型微電網多角色時段需求響應后與主動配電網交互負荷；Ees為儲能設備電池現有容量；Ees,max為儲能設備電池最大容量；Ees,d為儲能設備電池待充滿電量。

需求響應后PDEG≥Pload，微電網DEG 出力足以支撐負荷供給（向主動配電網售電/儲能充電）：高峰時段Tf且儲能有冗余電量，DEG/儲能供電，交互功率為0（孤島運行狀態）；高峰時段Tf且儲能滿電，DEG 供電，MG 售電；平峰時段Tp，MG獨立供電，若存在冗余電量儲存于儲能設備；低谷時段Tv，MG 獨立供電，儲能充電，若還有多余的電能，將冗余電量出售形成收益。受需求響應的影響，激勵政策主要體現為內部用戶售電獲利、可中斷負荷的補償獲利。用戶需求響應模型變化見式(5)。

式中：Asell為微電網向主動配電網售電獲利報酬。

3 考慮“源-荷”雙側互動的主動配電網中微電網調度方法研究

3.1 考慮綜合DR的微電網負荷優化調度目標函數

3.1.1 用戶綜合滿意度

實施DR 后，用戶綜合滿意度對常規負荷影響主要體現于同一時段內用電量的削減與不同時段間用電量的轉移。IDR 由MG 與用戶供電前雙方簽署負荷受調度中心管控合約，平抑實時尖峰大功率用電。

式中：Rexp為用電經濟度；Rcom為用能舒適度；πt為用戶支付的電費；為需求響應前后用戶用電負荷；?i為可中斷負荷激勵系數，Rloss為DR 后補償電力短缺損失的用戶補貼；θloss為用戶響應波動性所帶來的隨機誤差；θexp為用戶用電經濟度產生的隨機誤差；θcom為用戶用能舒適度產生的隨機誤差。α用電經濟度系數；β為用能舒適度系數；γ為用戶補貼系數；所有系數之和為1。It為實時響應負荷比例；Icon為規定響應無需補貼時的負荷比例。

用戶激勵政策IL 主動響應參數?i為用戶在收到微網運營商發送中斷信號時做出的實時主觀反應，與中斷時長ti、斷電設備類別xi、響應效益R（包含贏得斷電補貼RIL,load×PIL,load以及DR 后節省交互報酬、停電損失與未響應懲罰C2=Pf,pun、用電習慣等因素關聯。

結合微電網內基礎設備，用電設備類似于電飯煲等可轉移負荷與剛需負荷，參數?i=0；類似儲能設備等可中斷負荷，在保障基礎用電需求基礎上，高峰時段?i=1；其余時段為服從Logistic 函數的隨機變量。根據消費者經濟人假設與總體激勵水平，定義該區間?i隸屬度函數為

式中：a、b為常量；Δπpv為峰谷電價差；R為響應效益；C1為停電損失；C2為未響應懲罰。

3.1.2 微電網運行中運營商成本中

式中：Cwp為調度周期內微電網內光伏成本；Cbuy為MG 購電總成本；Csp為調度周期內微電網內風電運行成本；Cstp為調度周期內微電網內儲能運行成本；Rwp、Rsp、Pstp為光風儲能單位運行維修成本；Csl為補償用戶斷電損失進行的中斷負荷補貼；Ctl為用戶可轉移負荷補貼；ΔPexc為微電網與ADN交互功率；當微電網向主動配電網購電時，πi為分時電價，當微電網向主動配電網售電時，πi為微電網單位售電電價；ΔPload為整體可中斷負荷量；Rsl為單位可中斷負荷補貼；Pfv,fp,pv為高峰時段向低谷時段、高峰時段向平峰時段、平峰時段向低谷時段的負荷轉移量；Rfv,fp,pv為單位可轉移負荷補貼。

3.2 約束條件

3.2.1 微電網內整體負荷均衡

式中：Pload為微電網內用戶用電負荷；Pwp為預測微電網風力發電量；Psp為預測微電網光伏發電；Pstp為儲能設備充放負荷；Pexc為交互功率。

3.2.2 微電網與主動配電網間的交互負荷限額

為保證MG 安全可靠運行，與主動配電網間交互功率應在規定允許范圍內。

式中：Pexc,min,Pexc,max分別為微電網與主動配電網交互功率的最小、最大限額。

3.2.3 微電網內的儲能設備充放電限額

式中：SOC(t)為儲能設備在t時刻充放電狀態、與說明儲能設備充放電前后的充電狀態應一致，不計儲能設備自身功損，在周期運行后恢復到原功率。

3.2.4 用戶負荷高峰負荷約束

在需求響應后的峰/谷時期，不允許出現新的峰/谷值。

3.3 優化算法

標準粒子群算法（PSO）通過模擬鳥類覓食隨機解，容易進入局部最優情況；CPSO 算法在最優解位置附近引入混沌擾動，通過混沌序列重置粒子群的初始位置和速度，可迅速找到最優解。CPSO流程如圖3所示。

圖3 CPSO基本流程

為了更好地反映混沌粒子群算法與粒子群算法的區別，本文引入了Rastrigin 函數，該函數原點全局最小值。調用MATLAB 數據編程執行結果如圖4所示，可見混沌粒子群算法運行速度更快，效果更顯著。基于混沌理論的粒子群優化算法（CPSO）對優化模型進行求解，得到用戶峰值和平谷分時電價。

圖4 PSO和CPSO優化算法比較分析

4 算例仿真

為更好反映本文微電網負荷化調度搭建模型合理性，利用居民典型日負荷數據進行分析，T=24，Δt=1。考慮微電網中分布式發電機組（DEG）包括可再生能源發電（PV、WT）和儲能（ES）各1臺，相關參數源于文獻[14]。初步設定兩種微電網負荷優化控制情形分析和比較。

場景1：僅考慮PDR 的微電網供需雙側負荷優化調度策略。其中，場景1 用戶滿意度目標函數僅考慮用戶用電舒適度與經濟度；微電網運營商目標函數僅考慮風光儲維修運行成本與交互成本。

場景2：考慮綜合DR的微電網供需雙側負荷優化調度策略。

式中：μload為 MG 用戶響應度，Pload是 MG 需求響應前負荷；ΔPload是MG DR需求響應前后負荷差。

式中：TMG為微電網內部DEG新能源消納率；Pload為微電網內用戶消納的微電網電能；Pes為微電網內儲能消納電能；PDEG為DEG全部出力。

4.1 場景1：僅考慮PDR 的微電網供需雙側負荷優化調度策略

基礎設定微電網與外部電網的交互極限為[-100 kW，100 kW]，儲能設備額定容量為90 kW，充電狀態的上限和下限為1.0 和0.2，充放電效率為90%，充電初始狀態為0.2。混沌粒子組算法優化迭代100，交叉概率pc=0.50，變概率pm=0.10，電網起始電價為0.55 元/kWh，微電網電價銷售價格為0.45 元/kWh，滿意度參數均為0.5，可中斷負荷占15%。基于混沌粒子群的峰谷時電價如表1 所示。本文為微電網“源-荷”側的雙目標優化問題，目標為最大化用戶滿意度和供電企業成本的倒數，當雙方達到博弈均衡時達到最優電價。

表1 場景1下的微電網用戶負荷

圖5 微電網內的分布式電源出力

圖6 場景1下的用戶負荷

4.2 場景2：綜合考慮IDR 與PDR 的微電網供需雙側負荷優化調度策略

方案2下的用戶負荷和分時電價參數如圖7和表2 所示。場景 2 下綜合考慮 ⅠDR 與 PDR 的主動配電網下的微電網負荷調度策略后的峰谷差明顯減小，可見綜合性DR 需求側響應對負荷曲線的削峰填谷作用。同時，為了突出本文提出的微電網負荷控制模型的優化方案，再次將電價引入到傳統的ⅠDR中，結果如圖8 所示。在傳統的峰谷電價模式下，用電量水平基本只滿足最低需求，不能滿足用戶用電的舒適性要求，導致用戶滿意度較低。

圖7 場景2下的用戶負荷

表2 場景2下的微電網相關數據

圖8 用戶負荷對比

4.3 場景對比

將不同需求響應策略優化下的微電網負荷優化調度結果進行對比，可以看出：僅考慮價格型需求響應影響下的微電網用戶負荷曲線，負荷峰谷差較小，用戶整體滿意度較低，且高比例新能源不確定型接入以及用戶側不確定負荷接入導致能源利用率低。采用分時電價與激勵政策相結合的影響因素下的微電網優化調度，用戶整體滿意度上升了3.252%，微電網供電方整體運行成本下降了27.648 萬元，峰谷差下降了5.031%，用戶需求響應程度提升了15%。因此，本文提出的策略使得主動配電網消峰填谷能力增強，電力需求曲線更加平滑，負荷優化調度力度得到了進一步的提升。

表3 不同場景綜合對比

5 結束語

本文構建基于價格型與激勵型的綜合型需求響應的微電網“源-荷”雙側互動的負荷優化調度模型，供電側考慮微電網與主動配電網交互，負荷側基于價格需求響應日前負荷調度與實時激勵需求響應優化微電網用戶負荷預測。同時，引進激勵響應影響參數改進傳統用戶滿意度模型與微電網供電企業成本模型。該模型有效地提高了用戶在電力市場中的地位，提升了微電網中的分布式新能源利用率，在保持微電網供用雙方功率平衡下，實現負荷柔性優化調度，實現了微電網供需聯動效益的最大化。