何虹歷，楊秀，勞長石，邱搖搖，徐磊，夏惠

（1.上海電力學(xué)院，上海 200090；2.深圳市國創(chuàng)新能源研究院，廣東深圳 518000）

含需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化運行

何虹歷1，楊秀1，勞長石2，邱搖搖1，徐磊1，夏惠1

（1.上海電力學(xué)院，上海 200090；2.深圳市國創(chuàng)新能源研究院，廣東深圳 518000）

為追求更高的經(jīng)濟效益和能源的合理利用，提出一種含需求響應(yīng)的微網(wǎng)經(jīng)濟調(diào)度模型。該模型將直接負荷控制策略納入優(yōu)化調(diào)度模型，同時充分考慮居民負荷中的空調(diào)負荷和熱水器負荷的使用規(guī)律和用電特性，分別進行負荷中斷操作，對2種負荷使用不同的控制策略和賠償機制，最大限度地平緩負荷曲線。以一個典型居民小區(qū)微網(wǎng)為例，通過基于混沌優(yōu)化的改進遺傳算法進行分析計算。結(jié)果表明，所提模型可以削峰填谷，具有較好的經(jīng)濟性和有效性。

微網(wǎng)；控制策略；可中斷負荷；空調(diào)；熱水器

微網(wǎng)是一種集分布式電源、儲能系統(tǒng)、負荷單元等裝置于一身的小型電能運行和管理系統(tǒng)[1-5]，它可以靈活控制源儲荷三方協(xié)調(diào)運行，在需求側(cè)的管理和分布式能源的操控上起著重大作用。而隨著技術(shù)的發(fā)展和電力要求的提高，對微網(wǎng)也提出了更高的要求。

相對于傳統(tǒng)電網(wǎng)而言，能源需求的增長逐漸拉大區(qū)域負荷峰谷差，使得需求響應(yīng)得到了更廣泛的運用[6]。針對微網(wǎng)的發(fā)展趨勢和需求響應(yīng)的廣泛應(yīng)用，將兩者相結(jié)合進行研究成為一個重要的課題。

本文將需求側(cè)響應(yīng)引入微電網(wǎng)，在實時電價體系下，達成發(fā)電側(cè)與需求側(cè)同時優(yōu)化的目的[7-10]。

關(guān)于考慮需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化運行問題的研究工作，主要可歸納為需求響應(yīng)模型的建立和求解算法建立2個方面[11-14]。

就建立需求響應(yīng)模型而言，文獻[15]對需求響應(yīng)的國內(nèi)外發(fā)展史進行了討論，詳細分析了基于價格和基于激勵的需求響應(yīng)兩者間的關(guān)系及其對電網(wǎng)的作用。文獻[16]詳細討論了多種類型需求響應(yīng)模型，并且引入魯棒隨機理論建立發(fā)電系統(tǒng)優(yōu)化模型。文獻[17]引入分時電價，建立了風(fēng)電、儲能和需求響應(yīng)的聯(lián)合優(yōu)化模型。文獻[16-17]討論了計及需求響應(yīng)的優(yōu)化調(diào)度模型，但未對其控制策略進行具體分析。

就求解算法而言，文獻[18-20]分別采用改進帝國競爭算法、混沌二進制粒子群算法和改進微分進化算法求解微網(wǎng)優(yōu)化運行問題。它們相對于傳統(tǒng)的算法進行了較大的改進，提高了算法的搜索速度，同時又能夠避免過早收斂，提高了全局尋優(yōu)能力。

本文將直接負荷控制策略納入優(yōu)化調(diào)度模型，設(shè)計了一種新型需求側(cè)管理方法[21]，通過基于混沌優(yōu)化的改進遺傳算法進行分析計算，對2種負荷使用不同的控制策略和賠償機制，兼顧了用戶體驗和微網(wǎng)經(jīng)濟性，建立了含需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化模型。

1 微源建模

在單位時間Δt內(nèi)需作如下假定：微網(wǎng)和外電網(wǎng)的交互功率及電價均為恒定不變值；購買的備用容量和單位價格恒定；各微源有功、無功出力恒定；熱、電負荷功率恒定。對于任意給定的單位時間Δt在本文所建立的模型中均適用，取Δt=1 h。

本文重點研究含需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化運行模型，因此其他模型不作詳細介紹和討論[22]。微網(wǎng)運行過程中涉及到的微型燃氣輪機、燃料電池和蓄電池等模型，及模型中需要用到的參數(shù)見文獻[23]。

2 需求響應(yīng)模型

需求響應(yīng)在激勵響應(yīng)方面可分為價格型需求響應(yīng)和激勵型需求響應(yīng)，價格型需求響應(yīng)通過制定分時電價引導(dǎo)用戶轉(zhuǎn)移用電負荷分布，是一種可控的負荷調(diào)節(jié)資源[24]。激勵型需求響應(yīng)是由調(diào)度中心直接控制，引導(dǎo)用戶參與系統(tǒng)備用服務(wù)，與用戶簽訂相關(guān)合同，并支付適當(dāng)?shù)膫溆醚a償[12]。本文僅考慮激勵型需求響應(yīng)。激勵響應(yīng)是電力公司利用非價格信號來激勵用戶改變其用電模式的需求側(cè)響應(yīng)項目，包括可中斷負荷和直接負荷控制。

2.1 等效負荷

為方便對負荷運算中涉及到的隨機變量運算，需要對負荷進行變相處理，在負荷中融入光伏和風(fēng)電，則等效負荷功率PEL表達如下：

式中：PL為負荷功率；PWT為風(fēng)機出力；PPV光伏出力功率。

本文微網(wǎng)內(nèi)的光伏和風(fēng)電等隨機變量都融入了等效負荷中，方便模型計算[25]。

直接負荷控制相對于可中斷負荷控制而言，最大的不同在于直接負荷控制是由管理方對可控負荷的狀態(tài)進行控制，所以在進行削減負荷控制中，用戶不能隨意決定負荷的運行狀態(tài)；但當(dāng)控制狀態(tài)結(jié)束時，用戶負荷將會試圖恢復(fù)到其被控制前的用電規(guī)模，之前被削減的負荷將部分或全部反彈回去，這部分負荷通常稱為反彈負荷。反彈負荷在直接負荷控制中必然產(chǎn)生，所以是模型計算時不能忽視的因素，在PL計算時需將其考慮在內(nèi)。目前有很多文獻研究了反彈負荷的相關(guān)數(shù)學(xué)模型，但因為負荷不同的原因很難有統(tǒng)一標(biāo)準，所以本文采用三階段自回歸反彈負荷模型，該模型屬于反彈負荷模型中常用的一種。即反彈負荷模型如下

2.2 可中斷負荷建模

可控負荷在參與系統(tǒng)運行前需用戶與電網(wǎng)公司簽訂相關(guān)IL合同，然后再根據(jù)雙方的合同約定在系統(tǒng)運行中進行控制。為了方便系統(tǒng)進行負荷控制，在IL合同中應(yīng)包含負荷中斷容量、中斷時間段、中斷次數(shù)、補償方案等相關(guān)內(nèi)容。補償方案對用電用戶參與需求響應(yīng)起著直接激勵作用，本文中補償方案采用固定補償費[26]進行運算，即中斷負荷后的補償電價采用固定形式，當(dāng)涉及到空調(diào)之類的與動態(tài)溫度函數(shù)有關(guān)的負荷時，可加入函數(shù)使其成為動態(tài)補償形式。

在居民用電過程中，可中斷負荷大多包括蓄冷蓄熱空調(diào)、熱水器等冷熱負荷。而空調(diào)和熱水器負荷屬于居民可控負荷中占比較大的兩類，本文重點考慮蓄冷蓄熱空調(diào)和熱水器作為可中斷負荷在微網(wǎng)中的調(diào)度[27]。

其中蓄冷空調(diào)產(chǎn)生的補償成本Cc可表示如下：

式中：x（t，i）為t時刻第i個空調(diào)的被控狀態(tài)，如果該空調(diào)可被控制則值為1，表示正常工作，否則為0；ΔT（t，i）為t時刻第i個家庭的室內(nèi)溫度T（t，i）遠離溫度上限T+δ（t，i）（如果是蓄熱空調(diào)，則是溫度下限T-δ（t，i））的程度，其值越大則表明受控時室內(nèi)溫度越高，相應(yīng)可控空調(diào)負荷越大；在本文溫度上限為30℃，溫度下限為10℃。B為可中斷負荷的固定補償費?？照{(diào)負荷采用線性補償，故ΔT（t，i）為線性分段函數(shù)，函數(shù)如圖1所示。

圖1 ΔT（t，i）函數(shù)圖Fig.1 The function diagram of ΔT（t，i）

其中熱水器產(chǎn)生的補償成本Cr可表示如下：

式中：x（t，i）為t時刻第i個熱水器的被控狀態(tài)，如果該熱水器可被控制則值為1，表示正常工作，否則為0；D為可中斷負荷的固定補償費。

2.3 可中斷負荷控制策略

本文模型中需求響應(yīng)的激勵方式采用經(jīng)濟補償?shù)男问?，通過IL合同中規(guī)定的相應(yīng)中斷時間和補償方案，對用戶進行補償[28]。負荷的控制策略如下。

可中斷負荷控制策略以20 min為1個時段，限定可控負荷每天最大中斷時間為4 h，則每天最大可中斷時段為12個時段[29]。本文所有策略按采用全時段控制建模，即受控負荷的中斷時段為負荷允許的最大中斷時段，在此情況下分析以下2種直接負荷控制策略：等占空比開/關(guān)循環(huán)控制和削峰控制。等占空比是指高電平和低電平在一個周期之內(nèi)所占的時間比率相同，即被控負荷的控制狀態(tài)按照0，1，0，1，……的規(guī)律進行控制。在本文一天24 h里從10:00—16:00和18:00—20:00進行等占空比控制，其他時間正常工作。削峰控制是在一天中用電負荷達到峰值時進行負荷控制。在本文中一天24 h里在10:00—12:00和18:00—20:00進行負荷中斷操作，其他時間正常工作。

3 含需求響應(yīng)的微網(wǎng)優(yōu)化運行模型

3.1 目標(biāo)函數(shù)

建安中心成立以來,在部黨組的正確領(lǐng)導(dǎo)和陳雷部長等部領(lǐng)導(dǎo)的關(guān)心指導(dǎo)下，在有關(guān)司局的大力支持下，深入學(xué)習(xí)和貫徹落實黨的十八大及十八屆三中全會精神,認真開展黨的群眾路線教育實踐活動,緊緊圍繞部黨組的中心工作，積極踐行可持續(xù)發(fā)展水利思路，認真落實部黨組大力發(fā)展民生水利的重大決策部署，開拓創(chuàng)新，攻堅克難，突出重點，狠抓落實，全力做好水利工程建設(shè)稽察、質(zhì)量安全監(jiān)督和運行管理督查等重點工作，有力促進了民生水利建設(shè)與管理工作，為保障大規(guī)模水利工程建設(shè)的質(zhì)量、安全、進度和工程安全運行與效益發(fā)揮提供了有力支撐。

微網(wǎng)優(yōu)化運行時，無論是在并網(wǎng)還是孤網(wǎng)條件下，應(yīng)以微源正常運行和滿足各約束條件為前提條件，達到微電網(wǎng)的總運行成本最低的要求?？稍偕茉礄C組中的風(fēng)能和光伏都是依靠自身的能量進行發(fā)電，不需要投入資本在其中，因此它們產(chǎn)生的發(fā)電成本可忽略不計。所以，含需求響應(yīng)的微網(wǎng)優(yōu)化運行的目標(biāo)函數(shù)可以表示如下：

式中：CG為微網(wǎng)的運行成本，即包括燃料成本、折舊成本和運行維護成本，元；CE為微網(wǎng)的環(huán)境成本，元；Cc為微網(wǎng)進行空調(diào)負荷可中斷的補償成本；Cr為微網(wǎng)進行熱水器負荷可中斷的補償成本。

3.2 約束條件

1）功率平衡約束

式中：PG（t）為分布式電源在t時刻的總輸出功率；ΔP（t）為t時刻微網(wǎng)的功率損耗。

2）可控機組出力約束

式中：Pimax、Pimin分別為第i臺可控機組的出力上下限。

3）可控機組爬坡約束

減負荷時：

式中：Piup、Pidown分別為第i臺可控機組增加和降低有功功率的限值。

4）聯(lián)絡(luò)線傳輸功率約束

式中：PLmax、PLmin分別為聯(lián)絡(luò)線傳輸功率的上下限。

5）可控負荷容量約束

式中：m為受控容量；mmax為最大受控容量。

4 基于混沌的改進遺傳算法

4.1 混沌搜索

混沌是自然界中的非線性現(xiàn)象，而混沌優(yōu)化算法則能在一定范圍內(nèi)按照一定規(guī)律不重復(fù)地遍歷所有狀態(tài)，其中主要表現(xiàn)為遍歷性、隨機性和規(guī)律性等特點。混沌優(yōu)化算法能避免陷入局部極值，與隨機搜索相比更為優(yōu)越[14]。

在混沌優(yōu)化運算過程中，一般采用Logistic映射來產(chǎn)生混沌變量，它是一個典型的混沌系統(tǒng)，如下所示：

式中：χk為第k次迭代的混沌變量。

Logistic映射是模擬生物種群隨時間演變的數(shù)學(xué)模型。μ為控制變量，當(dāng)μ=4時，系統(tǒng)進入混沌狀態(tài)，混沌變量能遍歷在[0，1]之間的所有狀態(tài)，可最終迭代出一個確定的時間序列。

4.2 基于混沌的遺傳算法

遺傳算法，又叫基因進化算法[30]，是一種基于自然選擇理論和基因遺傳學(xué)機理的隨機優(yōu)化計算模型，是一種通過模擬自然進化過程來尋求全局最優(yōu)解的方法。

本文將混沌搜索引入遺傳算法中，充分利用混沌搜索的敏感、高效和遺傳算法的基因遺傳學(xué)原理，計算效率更高，主要步驟如下：

1）初始化，用隨機方法產(chǎn)生一組初始個體并構(gòu)成初始種群，然后生成混沌序列的初始值；2）通過步驟1）得到的初始值，利用Logistic映射得到相應(yīng)的混沌序列；3）通過逆映射的方式得到家族成員，并篩選適應(yīng)度高的成員進行復(fù)制；4）按交叉概率Pc執(zhí)行交叉操作；5）按變異概率Pm執(zhí)行變異操作；6）返回操作2）繼續(xù)判斷算法收斂準則是否滿足。

4.3 算法改進

遺傳算法的參數(shù)中，變異概率的選擇是影響遺傳算法性能的關(guān)鍵，選擇過大或過小都會影響解的全局性和收斂性，其最佳取值與具體應(yīng)用和遺傳進程有關(guān)，所以需要引入自適應(yīng)理論來解決該問題。本文對Pc和Pm作如下改進。

5 算例

5.1 基礎(chǔ)數(shù)據(jù)

本文所研究的微網(wǎng)系統(tǒng)包含風(fēng)力發(fā)電機、光伏電池和微型燃氣輪機等[31]。其構(gòu)成的微網(wǎng)結(jié)構(gòu)如圖2所示。

圖2 微網(wǎng)系統(tǒng)結(jié)構(gòu)圖Fig.2 The system structure diagram of microgrid

圖2中微網(wǎng)負荷僅包括居民負荷，最大有功功率為200 kW；其中可控空調(diào)負荷為25 kW，中斷空調(diào)負荷的固定補償電價為0.8元/（kW·h）；可控?zé)崴鞯呢摵蔀?0 kW，中斷熱水器負荷的固定補償電價為0.7元/（kW·h）；風(fēng)電、光伏的發(fā)電補貼為0.5元/（kW·h）；制熱收益為0.35元/（kW·h）；天然氣價格為2.28元/m3；蓄電池逆變器的容量為60 kV·A，最大、最小剩余容量、初始容量分別為100%、30%、70%額定容量。各微源的相關(guān)信息如表1所示。

上海地區(qū)微網(wǎng)過往夏季溫度平均數(shù)據(jù)如圖3所示，在進行空調(diào)負荷中斷賠償時，需要用到的室內(nèi)溫度參考圖3所示的溫度曲線：

表1 各微源的參數(shù)Tab.1 The parameters of micro-sources

圖3 上海地區(qū)夏季典型日溫度曲線Fig.3 The typical daily temperature curve in Shanghai area

5.2 算例分析

本文中調(diào)度周期為1 d，故該上海居民小區(qū)微網(wǎng)在夏季典型的日負荷、熱負荷數(shù)據(jù)以及PV、WT出力數(shù)據(jù)如圖4所示。

圖4 上海某小區(qū)微網(wǎng)夏季典型日負荷以及WT、PV出力Fig.4 The typical daily load and the output of WT and PV in a certain living area in Shanghai

該優(yōu)化模型使用MATLAB軟件進行編程計算。為了方便分析，可以分為下面4種場景：

場景1，基本場景。該場景不考慮實施任何負荷中斷操作，僅靠微網(wǎng)自身進行電力調(diào)度。

場景2，循環(huán)控制場景。該場景對小區(qū)微網(wǎng)中的可控負荷，包括蓄冷蓄熱空調(diào)和熱水器，進行等占空比開/關(guān)循環(huán)控制。

場景3，削峰控制場景。該場景對小區(qū)微網(wǎng)中的可控負荷，包括蓄冷蓄熱空調(diào)和熱水器，進行削峰控制。

場景4，綜合場景。該場景同時考慮2種負荷控制方法，并結(jié)合居民對于蓄冷蓄熱空調(diào)和熱水器的使用規(guī)律，對蓄冷蓄熱空調(diào)進行等占空比開/關(guān)循環(huán)控制，對熱水器進行削峰控制。

4種場景的優(yōu)化結(jié)果對比如表2所示。

表2 不同場景下的優(yōu)化結(jié)果表Tab.2 Optimization results under different scenarios

由表2可知，場景1運行總成本最高。通過場景2、3、4可以看出，引入負荷控制后，降低了微網(wǎng)運行的總成本。場景2、3、4相對場景1分別下降約6%、4.3%、8.6%，這說明引入負荷控制后，負荷曲線更加平緩，使得微型燃氣輪機和燃料電池啟停狀態(tài)變化減少，從而使微網(wǎng)運行成本出現(xiàn)大幅下降。分析場景2、3，兩者的總成本相對于場景1都有下降，說明兩種控制都有效果，而場景2的總成本更低，但兩者差距并不明顯。在所有場景中，場景4總成本最低，這說明分別對蓄冷蓄熱空調(diào)和熱水器進行不同的負荷控制方法，得到的效果相對較好。

當(dāng)進行負荷中斷時，負荷的中斷時間為每天最大中斷時間4 h，故微網(wǎng)調(diào)度結(jié)果如圖5所示。

圖5 各場景的負荷優(yōu)化結(jié)果Fig.5 The load optimization results under different scenarios

圖5為一天中等效負荷的優(yōu)化圖，從中可以看出，相對于場景1的原始等效負荷，場景2、3、4在經(jīng)過負荷中斷操作后，都體現(xiàn)了對負荷削峰填谷的效果。由圖4知負荷曲線最平緩的是場景4，說明在進行需求側(cè)管理時對不同負荷進行分類操作是合理的。

5.3 綜合場景分析

為了深入研究綜合場景的控制原理，需要詳細分析場景4。在5.2節(jié)場景4中，蓄冷蓄熱空調(diào)控制和熱水器控制在補償原理和控制方式上存在不同，下面需要分析兩者。

5.3.1 補償原理上

空調(diào)控制相對于熱水器控制，在補償成本上加入了ΔT（t，i）程度函數(shù)，考慮到用戶體驗和溫度在空調(diào)負荷上的反映，加入溫度程度函數(shù)是完全有必要的。

5.3.2 控制策略上

在其他條件不變的情況下，對蓄冷蓄熱空調(diào)進行削峰控制，對熱水器進行等占空比開/關(guān)循環(huán)控制，簡稱為綜合控制2。優(yōu)化結(jié)果如表3所示。

表3 不同場景下的優(yōu)化結(jié)果表Tab.3 Optimization results under different scenarios

由表3可知，場景5相對于場景4所花總成本更高，相對于場景1、2、3，場景5也僅比場景1總成本少。說明進行需求側(cè)管理時，需要充分考慮不同負荷的運行規(guī)律和用戶使用家電時的實際情況。

6 結(jié)論

本文提出了一種考慮需求側(cè)管理的微網(wǎng)經(jīng)濟調(diào)度模型，因該模型實際用于小區(qū)微網(wǎng)的背景下，故充分考慮了居民負荷中的空調(diào)負荷和熱水器負荷的使用規(guī)律，分別進行負荷中斷操作，對2種負荷使用不同的控制策略和賠償機制，實現(xiàn)微網(wǎng)運行成本的降低和滿足電網(wǎng)“削峰填谷”的需求，最大限度地平緩負荷曲線。通過算例結(jié)果驗證了所提模型的經(jīng)濟性和有效性，得出以下結(jié)論：

1）在居民微網(wǎng)中，對居民負荷使用綜合控制策略得到的效果比其他策略好。

2）在進行需求側(cè)管理時，需要對可中斷負荷分類，按照其使用規(guī)律和用電特性，采取合適的控制策略和賠償機制，得到的效果才能更好。

將負荷控制納入到電網(wǎng)營銷體系中去，這是電力需求側(cè)管理的重要內(nèi)容之一。如何細化賠償機制和負荷控制策略，以及如何兼顧用戶體驗和微網(wǎng)經(jīng)濟性，將是下一步研究方向。

[1]MARKVART T.Microgrids-power systems for the 21st century[J].Refocue，2006，7（4）：44-48.

[2]HATZIARGYRIOU N，ASANO H，IRANVANI R，et al.Microgrids[J].IEEE Power and Energy Magazine，2007，5（4）：78-94.

[3]MARNAY C，VENKATARAMANAN G，STADLER M，et al.Optimal technology selection and operation of commercialbuilding microgrids[J].IEEE Transactions on Power Systems，2008，23（3）：975-982.

[4]HATZIARGYRIOUS N，ASANO H，IRANVANII R，et al.Microgrids[J].IEEE Power and Energy Magazine，2007，5（4）:78-94.

[5]肖宏飛，劉士榮，鄭凌蔚，等.微型電網(wǎng)技術(shù)研究初探[J].電力系統(tǒng)保護與控制，2009，37（8）：114-119.XIAO Hongfei，LIU Shirong，ZHENG Lingwei，et al.A preliminary research on microgrid technology[J].Power System Protection and Control，2009，37（8）:114-119（in Chinese）.

[6]雷金勇，李戰(zhàn)鷹，盧澤漢，等.分布式發(fā)電技術(shù)及其對電力系統(tǒng)影響研究綜述[J].南方電網(wǎng)技術(shù)，2011，5（4）: 46-50.LEI Jinyong，LI Zhanying，LU Zehan，et al.Review on the research of distributed generation technology and its impacts on electric power systems[J].Southern Power System Technology，2011，5（4）:46-50（in Chinese）.

[7]汪少勇.基于分布式電源的微網(wǎng)的設(shè)計與運行[J].電力自動化設(shè)備，2011，31（4）：120-123.WANG Shaoyong.Design and operation of micro-grid based on distributed generation[J].Electric Power Automation Equipment，2011，31（4）:120-123（in Chinese）.

[8]JOHAN DRIESEN，F(xiàn)ARID KATIRAEI.Design for distributed energy resources[J].IEEE Power&Energy Magazine，2008（6）：30-40.

[9]GARCIA F S，F(xiàn)ERREIRA A，POMILIO J A.Control strategy for battery ultra-capacitor hybrid energy storage system[C]//IEEE Applied Power Electronics Conference and Exposition.New York：IEEE，2009：826-832.

[10]丁明，張穎媛，茆美琴.微網(wǎng)研究中的關(guān)鍵技術(shù)[J].電網(wǎng)技術(shù)，2009，33（16）：6-11.DING Ming，ZHANG Yingyuan，MAO Meiqin.Key technologies for microgrids being researched[J].PowerSystem Technology，2009，33（16）:6-11（in Chinese）.

[11]孔淑琴，牛銘，付學(xué)謙，等.微網(wǎng)孤網(wǎng)經(jīng)濟運行研究[J].電網(wǎng)與清潔能源，2012，28（4）：57-62.KONG Shuqin，NIU Ming，F(xiàn)U Xueqian，et al.Research on economical operation of island microgrid[J].Power System and Clean Energy，2012，28（4）：57-62（in Chinese）.

[12]楊仁花，黃偉，關(guān)麗，等.微網(wǎng)結(jié)構(gòu)和運行控制[J].電網(wǎng)與清潔能源，2010，26（1）：48-55.YANG Renhua，HUANG Wei，GUAN Li，et al.Structure and operation control of Micro-grids[J].Power System and Clean Energy，2010，26（1）：48-55（in Chinese）.

[13]張建華，蘇玲，陳勇，等.微網(wǎng)的能量管理及其控制策略[J].電網(wǎng)技術(shù)，2011，35（7）：24-28.ZHANG Jianhua，SU Ling，CHEN Yong，et al.Energy management of microgrid and its control strategy[J].Power System Technology，2011，35（7）：24-28（in Chinese）.

[14]習(xí)朋，李鵬，劉金鑫，等.孤島運行模式下的微網(wǎng)經(jīng)濟負荷分配[J].電網(wǎng)與清潔能源，2011，27（8）：13-18.XI Peng，LI Peng，LIU Jinxin，et al.Economical load dispatch of microgrids in isolated mode[J].Power System and Clean Energy，2011，27（8）：13-18（in Chinese）.

[15]伍偉華，龐建軍，陳廣開，等.電力需求側(cè)響應(yīng)發(fā)展研究綜述[J].電子測試，2014（3）：86-94.WU Weihua，PANG Jianjun，CHEN Guangkai，et al.Research on development of electric power demand side response[J].Electronic Test，2014（3）：86-94（in Chinese）.

[16]鞠立偉，秦超，吳鴻亮，等.計及多類型需求響應(yīng)的風(fēng)電消納隨機優(yōu)化調(diào)度模型[J].電網(wǎng)技術(shù)，2015，39（7）：1839-1846.JU Liwei，QIN Chao，WU Hongliang，et al.Wind power accommodation stochastic optimization model with multitype demand response[J].Power System Technology，2015，39（7）：1839-1846（in Chinese）.

[17]宋藝航，譚忠富，李歡歡，等.促進風(fēng)電消納的發(fā)電側(cè)、儲能及需求側(cè)聯(lián)合優(yōu)化模型[J].電網(wǎng)技術(shù)，2014，38（3）：610-615.SONG Yihang，TAN Zhongfu，LI Huanhuan，et al.An optimization model combining generation side and energy storage system with demand side to promote accommodation of wind power[J].Power System Technology，2014，38（3）：610-615（in Chinese）.

[18]翟云峰，易國偉，王亦，等.基于改進帝國競爭算法的微網(wǎng)動態(tài)經(jīng)濟調(diào)度[J].電力科學(xué)與工程，2015，31（5）：34-41.ZHAI Yunfeng，YI Guowei，WANG Yi，et al.Dynamic economic dispatch of micro grid using improved imperialist competitive algorithm[J].Electric Power Science and Engineering，2015，31（5）：34-41（in Chinese）.

[19]李鵬，李濤，張雙樂，等.基于混沌二進制粒子群算法的獨立微網(wǎng)系統(tǒng)的微電源組合優(yōu)化[J].電力自動化設(shè)備，2013，33（12）：33-38.LI Peng，LI Tao，ZHANG Shuangle，et al.Combinatorial optimization of micro-sources in standalone microgrid based on chaotic binary particle swarm optimization algorithm[J].Electric Power Automation Equipment，2013，33（12）：33-38（in Chinese）.

[20]王毅，于明，李永剛.基于改進微分進化算法的風(fēng)電直流微網(wǎng)能量管理[J].電網(wǎng)技術(shù)，2015，39（59）：2392-2397.WANG Yi，YU Ming，LI Yonggang.Energy management of wind turbine-based DC microgrid using improved differential algorithm[J].Power System Technology，2015，39（59）：2392-2397（in Chinese）.

[21]劉延博，邱曉燕，邱高.考慮電動汽車用戶響應(yīng)的微電網(wǎng)運行優(yōu)化[J].高壓電器，2016，52（4）：163-175.LIU Yanbo，QIU Xiaoyan，QIU Gao.Optimal operation of micro grid account of the response of electric vehicle user[J].High Voltage Apparatus，2016，52（4）：163-175（in Chinese）.

[22]張欽，王錫凡，王建學(xué).電力市場下需求響應(yīng)研究綜述[J].電力系統(tǒng)自動化，2008（3）:97-106.ZHANG Qin，WANG Xifan，WANG Jianxue.Under the electricity market demand response research[J].Automation of Electric Power Systems，2008（3）：97-106（in Chinese）.

[23]鄭漳華，艾芊，徐偉華，等.智能電網(wǎng)經(jīng)濟運行的多目標(biāo)調(diào)度優(yōu)化策略[J].電網(wǎng)技術(shù)，2010，34（2）：7-13.ZHENG Zhanghua，AI Qian，XU Weihua，et al.A multiobjective dispatch optimization strategy for economic operation of smart grids[J].Automation of Electric Power Systems，2010，34（2）：7-13（in Chinese）.

[24]董開松，丁巖，謝永濤，等.基于需求側(cè)響應(yīng)的微電網(wǎng)市場優(yōu)化模型[J].高壓電器，2015，51（6）：122-126.DONG Kaisong，DING Yan，XIE Yongtao，et al.Market optimization model for microgrid with demand response[J].High Voltage Apparatus，2015，51（6）：122-126（in Chinese）.

[25]況達，滕歡，王博堃，等.基于改進遺傳算法的蓄電池容量配置及充放電策略研究[J].高壓電器，2015，51（6）：33-38.KUANG Da，TENG Huan，WANG Bokun，et al.Capacity allocation and charging-discharging strategies study of storage battery based on improved genetic algorithm[J].High Voltage Apparatus，2015，51（6）：33-38（in Chinese）.

[26]CHAOUACHI A，KAMEL R M，ANDOULSI R，et al.Multiobjective intelligent energy management for a microgrid[J].IEEE Transactions on Industrial Electronics，2013，60（4）:1688-1699.

[27]陳潔，楊秀，朱蘭，等.微網(wǎng)多目標(biāo)經(jīng)濟調(diào)度優(yōu)化[J].中國電機工程學(xué)報，2013，33（19）：57-66.CHEN Jie，YANG Xiu，ZHU Lan，et al.Microgrid multiobjective economic dispatch optimization[J].Proceedings of the CSEE，2013，33（19）:57-66（in Chinese）.

[28]MAZIDI M，ZAKARIAZADEH A，JADID S，et al.Integrated scheduling of renewable generation and demand response programs in a microgrid[J].Energy Conversion and Management，2014（86）：1118-1127.

[29]吳集光，劉俊勇，段登偉，等.電力市場下實用可中斷負荷補償機制研究[J].四川大學(xué)學(xué)報（工程科學(xué)版），2005，37（1）：90-95.WU Jiguang，LIU Junyong，DUAN Dengwei，et al.Practical compensation mechanism of interruptible load research under the electricity market[J].Journal of Sichuan University（Engineering Science Edition），2005，37（1）：90-95（in Chinese）.

[30]李鵬，李濤，張雙樂，等.基于混沌二進制粒子群算法的獨立微網(wǎng)系統(tǒng)的微電源組合優(yōu)化[J].電力自動化設(shè)備，2013，32（12）：33-38.LI Peng，LI Tao，ZHANG Shuangle，et al.Combinatorial optimization of micro-sources in standalone microgrid based on chaotic binary particle swarm optimization algorithm[J].Electric Power Automation Equipment，2013，32（12）：33-38（in Chinese）.

[31]魏兵，王志偉，李莉，等.微型燃氣輪機冷熱電聯(lián)產(chǎn)系統(tǒng)經(jīng)濟性分析[J].熱力發(fā)電，2007，36（9）：1-5.WEI Bing，WANG Zhiwei，LI Li，et al.Analysis of economic efficiency for cold，heat and electricity triple cogeneration system with miniature gas turbine[J].Thermal Power Generation，2007，36（9）:1-5（in Chinese）.

（編輯 馮露）

Optimal Dispatching Model for Microgrid Considering Demand Response

HE Hongli1，YANG Xiu1，LAO Changshi2，QIU Yaoyao1，XU Lei1，XIA Hui1
（1.Shanghai University of Electric Power，Shanghai 200090，China；2.Shenzhen Innova Institute of New Energy，Shenzhen 518000，Guangdong，China）

In order to pursue higher economic benefit and rational utilization of energy，this paper proposes a new micro network economic dispatch model with demand response.This model incorporates the direct load control strategy into the optimalscheduling modeland fully considersthe power consumption law and characteristics of the air conditioning load and water-heating load in the residentialarea.Interrupt operation is carried out and different control strategies and compensation mechanism are used for the two loads respectively to flatten the load curve to the utmost.With a typical residential area as an example，analysis and computation are conducted by the improved genetic algorithm based on chaos optimization.The results show that the model and algorithm are both economical and feasible.

micro-grid；control strategy；interruptible load；air conditioning；water heater

2016-06-24。

何虹歷（1991—），男，碩士研究生，研究方向為基于需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化運行；

楊 秀（1971—），男，博士，教授，碩士生導(dǎo)師，研究方向為分布式能源及相關(guān)領(lǐng)域；

勞長石（1968—），男，博士，研究方向為新能源應(yīng)用；

邱搖搖（1990—），男，碩士研究生，研究方向為微網(wǎng)經(jīng)濟優(yōu)化運行；

徐 磊（1991—），女，碩士研究生，研究方向為基于需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化運行；

夏 惠（1990—），女，碩士研究生，研究方向為基于需求響應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化運行。

國家自然科學(xué)基金項目（51407114）。

Project Supported by the National Natural Science Foundation of China（51407114）.

1674-3814（2016）12-0039-08

TM73

A