何仲瀟 ，徐成司 ，劉育權(quán) ，華煌圣 ，董樹鋒

（1.浙江大學(xué) 電氣工程學(xué)院，浙江 杭州 310027；2.廣州供電局有限公司，廣東 廣州 510620）

0 引言

近年來，隨著環(huán)境污染問題的日益嚴(yán)重，傳統(tǒng)的攫取和依賴不可再生資源的增長方式已經(jīng)不能維持我國經(jīng)濟(jì)社會的發(fā)展，以石油和煤炭為核心的化石能源時代即將結(jié)束，我們將要面臨的是新能源和化石能源互補(bǔ)的“混合能源時代”［1］。在能源互聯(lián)網(wǎng)背景下，分散化的能源市場和能源網(wǎng)絡(luò)結(jié)構(gòu)使得傳統(tǒng)的電力需求側(cè)響應(yīng)DR（Demand Response）逐步向綜合需求側(cè)響應(yīng)IDR（Integrated Demand Response）的方向發(fā)展［2］。IDR是能源互聯(lián)網(wǎng)中能量流、信息流與價值流匯聚融合在用戶側(cè)的重要體現(xiàn)，是能源互聯(lián)網(wǎng)中實(shí)現(xiàn)用戶深度參與系統(tǒng)調(diào)控、傳遞能源市場價格信號、參與能源市場的重要切入點(diǎn)。IDR的實(shí)施能夠?qū)崿F(xiàn)系統(tǒng)供需雙側(cè)資源的協(xié)同效益。而工業(yè)園區(qū)以其能源需求不斷增大、能源種類多、能源結(jié)構(gòu)不合理、常規(guī)能源儲備量減小、能源利用率普遍偏低、峰谷電力負(fù)荷差額大等特點(diǎn)［3］，成為IDR實(shí)施的良好平臺。因此，在多能協(xié)同的框架下，研究工業(yè)用戶的IDR模型以及對用電信息的潛在行為響應(yīng)，對未來綜合能源系統(tǒng)在工業(yè)用戶領(lǐng)域的推廣以及電網(wǎng)系統(tǒng)實(shí)現(xiàn)智能配電的最優(yōu)設(shè)計具有重要的指導(dǎo)意義。

在IDR理論研究方面，文獻(xiàn)［4］對多能系統(tǒng)下需方響應(yīng)的熱點(diǎn)問題進(jìn)行了探討；文獻(xiàn)［5］引入了碳交易市場，進(jìn)一步分析碳排放約束對用戶綜合用能行為以及用戶用能效益的影響；文獻(xiàn)［6］基于能源集線器的基本架構(gòu)，對綜合能源系統(tǒng)中的電-氣-熱混合潮流建模進(jìn)行了研究；文獻(xiàn)［7-8］對多能源網(wǎng)絡(luò)和多能源市場下的IDR資源協(xié)調(diào)運(yùn)行機(jī)制和相應(yīng)的效益評估方法進(jìn)行了討論。

綜上所述，目前對IDR的研究尚未充分考慮不同網(wǎng)絡(luò)的具體特性約束以及具體的響應(yīng)模型。因此，針對工業(yè)園區(qū)，本文提出了一種考慮多能協(xié)同的工廠IDR模型，同時將光伏、電儲能、冰蓄冷和水蓄冷等分布式資源考慮在內(nèi)，建立園區(qū)內(nèi)能源系統(tǒng)IDR的物理和數(shù)學(xué)模型，并將模型轉(zhuǎn)換為混合整數(shù)線性規(guī)劃問題用分支定界法進(jìn)行求解。研究了工業(yè)用戶參與IDR的幾種主要方式及其所能取得的效果。

1 工廠IDR模型

1.1 IDR概述

IDR的概念由傳統(tǒng)DR衍生而來，與能源互聯(lián)網(wǎng)中多能源互聯(lián)網(wǎng)絡(luò)以及多能源市場具有強(qiáng)伴生關(guān)系，是DR理論在能源互聯(lián)網(wǎng)中的擴(kuò)展?？梢哉fIDR是依托于用戶側(cè)的多能源智能管理系統(tǒng)，其通過電力市場、天然氣市場、碳交易市場等多個能源市場的價格信號引導(dǎo)改變用戶的綜合用能行為。IDR實(shí)施的目標(biāo)應(yīng)該是實(shí)現(xiàn)能源互聯(lián)網(wǎng)中供需雙側(cè)資源協(xié)調(diào)優(yōu)化，提高用戶用能的可替代性，提高能源互聯(lián)網(wǎng)中多能源系統(tǒng)以及多能源市場的運(yùn)行穩(wěn)定性和運(yùn)行效率［9-10］。

1.2 IDR物理模型

同時考慮光伏、電儲能、冰蓄冷和水蓄冷的工業(yè)園區(qū)微電網(wǎng)示意圖如圖1所示［11-12］。將m組光伏發(fā)電系統(tǒng)、蓄電池和直流負(fù)荷分別連接到m條直流母線上，通過雙向變流器與公共的交流母線相連，再由交流母線通過變壓器接入配電網(wǎng)，并在交流母線上接入冰蓄冷裝置。該系統(tǒng)既可滿足直流負(fù)荷需求，也可滿足交流負(fù)荷需求。整個系統(tǒng)可以被分為直流電源、直流負(fù)荷以及交流電源、交流負(fù)荷。當(dāng)?shù)氐闹绷髂妇€用來和直流能源設(shè)備相連，并通過一個雙向轉(zhuǎn)換器與交流系統(tǒng)連接。這種結(jié)構(gòu)使得電池和直流負(fù)荷能夠在交直流轉(zhuǎn)換之前使用光伏輸出的能量，從而消除交直流轉(zhuǎn)換時不必要的能量損耗，提高了光伏的就地消納能力。同時，冰蓄冷和水蓄冷裝置的接入可以實(shí)現(xiàn)供冷負(fù)荷的轉(zhuǎn)移，并充分利用夜間氣溫變化，提高機(jī)組產(chǎn)冷量，更好地實(shí)現(xiàn)工業(yè)園區(qū)的削峰填谷。通過IDR實(shí)現(xiàn)多能協(xié)同和耦合互補(bǔ)，從而使得各類能源得到高效利用，并節(jié)約電費(fèi)。

圖1 工業(yè)微電網(wǎng)示意圖Fig.1 Schematic diagram of industrial park microgrid

為了實(shí)現(xiàn)工業(yè)園區(qū)微電網(wǎng)的多能協(xié)同優(yōu)化、提高能源利用效率，本文設(shè)計了如圖2所示的IDR策略。其中，輸入數(shù)據(jù)是通過預(yù)測獲得的用戶交／直流負(fù)荷［13］、冷負(fù)荷［14］、光伏輸出［15］和分時電價數(shù)據(jù)。 在實(shí)現(xiàn)目標(biāo)和約束的基礎(chǔ)上，形成電池充放電和轉(zhuǎn)換器的操作策略以及冰蓄冷、水蓄冷裝置制冷機(jī)和蓄冰槽的冷負(fù)荷分配策略。為了簡便分析，假設(shè)在研究模型中光伏輸出和負(fù)荷的預(yù)測數(shù)據(jù)至少可以提前一天使用，即會在某一天開始之前形成電池、轉(zhuǎn)換器和冰蓄冷、水蓄冷裝置的工作計劃。

圖2 IDR策略Fig.2 IDR strategy

1.3 IDR數(shù)學(xué)模型

本節(jié)列出了工業(yè)園區(qū)IDR的數(shù)學(xué)模型。目標(biāo)函數(shù)為系統(tǒng)運(yùn)行成本最小。假設(shè)可以從預(yù)測中得知交／直流負(fù)荷、冷負(fù)荷和光伏輸出的數(shù)據(jù)?；诜謺r電價的價格激勵可以設(shè)計電池、交直流轉(zhuǎn)換器和冰蓄冷裝置和水蓄冷裝置的調(diào)度策略。

1.3.1 目標(biāo)函數(shù)

以初始安裝成本CIN、運(yùn)行維護(hù)成本COM以及電網(wǎng)購電成本CES所構(gòu)成的運(yùn)行費(fèi)用CATC最小為優(yōu)化的目標(biāo)函數(shù)：

其中，初始安裝成本CIN可以視為定值；運(yùn)行維護(hù)成本COM如式（2）所示；電網(wǎng)購電成本 CES如式（3）所示。

其中為設(shè)備s單位輸出功率的運(yùn)行維護(hù)費(fèi)用；為能量轉(zhuǎn)換設(shè)備s在時段t的輸出功率；t為時段數(shù)；T為單位時段長度；96為全天時段總數(shù)，全天時段總數(shù)也可以為其他適合的值；C（t）為時段t的分時電價；P（t）為時段t從主網(wǎng)得到的供電功率。

1.3.2 約束條件

（1）直流電源和交流電源約束。

a.總功率平衡約束。

其中，PAC-load（t）為時段 t的交流負(fù)荷；PAC-DC（t）為時段t交直流轉(zhuǎn)換器的功率；Pi（t）為時段t蓄冰槽的耗電量，P′i（t）=Pi（t）η 為時段 t蓄冰槽承擔(dān)的冷負(fù)荷量，η為供冷效率（由于存在冷損失），當(dāng)蓄冰槽制冰蓄冷時有 Pi（t）>0、P′i（t）=0，當(dāng)蓄冰槽融冰供冷時有P′i（t）>0、Pi（t）=0；PCT（t）為時段 t冷卻塔的耗電量，由于冷卻塔的能耗在系統(tǒng)中所占的比例不大，在實(shí)際應(yīng)用中往往采用經(jīng)驗公式（5）表示。

其中，Pk（t）為時段 t制冷機(jī)耗電量；Qk（t）=Pk（t）γEER為制冷機(jī)供冷量，γEER為制冷機(jī)能效比，可以通過制冷機(jī)組運(yùn)行參數(shù)擬合得到。

b.交直流轉(zhuǎn)換器效率約束。

其中，ηA／D為交流轉(zhuǎn)換為直流的轉(zhuǎn)換效率；ηD／A為直流轉(zhuǎn)化為交流的轉(zhuǎn)換效率；PDC（t）為時段t的直流母線總負(fù)荷。

c.直流母線總負(fù)荷約束。

其中，PPV（t）為光伏發(fā)電功率；PDC-load（t）為直流負(fù)荷；PB（t）為儲能電池在時段 t的功率，充電時 PB（t）>0，放電時 PB（t）<0。

另外，為了限制IDR后系統(tǒng)負(fù)荷的波動、不增加電力系統(tǒng)側(cè)調(diào)度的難度，引入負(fù)荷波動約束：

其中，λ為負(fù)荷有功功率的幾何均值；比例系數(shù)根據(jù)具體實(shí)際情況和經(jīng)驗給出，這里取0.1和0.15。以負(fù)荷波動率l作為評判負(fù)荷波動的標(biāo)準(zhǔn)，l定義為負(fù)荷有功功率的標(biāo)準(zhǔn)差σ與負(fù)荷有功功率的幾何均值λ之比［16］，即：

（2）設(shè)備和能源平衡約束。

a.儲能電池放電功率約束。

其中，PCmax為儲能電池最大充電功率；PDmax為儲能電池最大放電功率。

b.儲能電池電量狀態(tài)約束。

其中，Emax為儲能電池最大電量；Emin為儲能電池最小電量；EB（t）為時段 t的電池儲能容量；SOCmin和SOCmax分別為最小和最大荷電狀態(tài)；R為電池容量。

在任何時段，儲能的總能量為儲能初始能量和累積能量的總和：

其中，E（0）為電池初始電量。

c.儲能電池日電量累積約束。

式（13）表示儲能電池日累積電量為0。

d.冰蓄冷裝置約束。

其中，Qkmax為冰蓄冷制冷機(jī)組最大供冷量；Qi（t）為時段t蓄冰槽供冷量；Qimax為蓄冰槽最大供冷量；QI為蓄冰槽容量。

e.水蓄冷裝置約束。

其中，Wk（t）為時段 t水蓄冷制冷機(jī)供冷量；Wkmax為水蓄冷制冷機(jī)組最大供冷量；Wi（t）為時段t蓄水罐供冷量；Wimax為蓄水罐最大供冷量；WI為蓄水罐容量；Q（t）=Qi（t）+Qk（t）；W（t）=Wi（t）+Wk（t）；Qsys（t）為系統(tǒng)需要的供冷量。

1.3.3 IDR過程

首先讀取交／直流負(fù)荷、冷負(fù)荷以及分時電價的信息，然后基于此建立上述優(yōu)化模型。在上述模型中，除式（6）外都是線性函數(shù)，式（6）是分段線性函數(shù)。因此，可以采用文獻(xiàn)［17］中的分支定界法將含分段線性函數(shù)的線性優(yōu)化問題轉(zhuǎn)化成混合整數(shù)線性規(guī)劃來求解。最終，可以得到儲能電池的充放電策略，冰蓄冷、水蓄冷裝置的響應(yīng)行為以及全天的總電費(fèi)值。

2 算例分析

在電力市場環(huán)境下，選取含分布式光伏、電儲能、冰蓄冷和水蓄冷的工業(yè)園區(qū)負(fù)荷作為響應(yīng)參與方。

正常情況下，由于工藝過程要求，大工業(yè)企業(yè)設(shè)備在一天內(nèi)的負(fù)荷曲線變化十分平穩(wěn)，無較大波動，負(fù)荷率較高，日峰谷差小，屬于最理想的用戶負(fù)荷狀態(tài)。本文算例所用工業(yè)園區(qū)的交流負(fù)荷及冷負(fù)荷曲線分別如圖3、圖4所示。

圖3 工業(yè)園區(qū)負(fù)荷曲線Fig.3 Load curve of industrial park

圖4 冷負(fù)荷曲線Fig.4 Cooling load curve

由于和其他電池相比，鋰電池具有高性能、安全和長壽命等特點(diǎn)，因此選擇鋰電池作為儲能元件。電池參數(shù)如表1所示。分時電價的數(shù)據(jù)取自廣州市2016年1月開始執(zhí)行的分時電價，如表2所示。電儲能和冰蓄冷裝置的運(yùn)行維護(hù)費(fèi)用分別為0.005元／（kW·h）、0.0097 元／（kW·h）。 直流負(fù)荷曲線如圖5所示，光伏輸出如圖6所示。交直流轉(zhuǎn)換效率設(shè)為0.95［11］。

每臺冰蓄冷空調(diào)蓄水工況下的制冷量為1758 kW／臺，蓄冰工況下的制冷量為1213kW／臺，功率為341kW ／臺，蓄冷容量為 29112 kW·h［18］。

表1 電池參數(shù)Table 1 Battery parameters

表2 分時電價Table 2 TOU tariffs

圖5 直流負(fù)荷Fig.5 DC load

圖6 光伏出力Fig.6 PV output

求解工業(yè)園區(qū)IDR模型，各時段工業(yè)負(fù)荷響應(yīng)策略（儲能電池荷電狀態(tài)、冰蓄冷負(fù)荷分配）如圖7、8所示。

圖7 電池荷電狀態(tài)Fig.7 SOC of battery

圖8 冰蓄冷裝置負(fù)荷分配Fig.8 Load distribution between cooling device of ice storage

由圖7、8知，電池在凌晨低谷電價時段（00∶00—08∶00，荷電狀態(tài)接近90%）以及下午平段電價時段（17∶00—19∶00，荷電狀態(tài)接近 75%）充電，而在高電價時段（14∶00—17∶00，19∶00—22∶00）放電；且為了滿足負(fù)荷波動約束的要求，電池在平段電價時段（08∶00—14∶00）未動作?？傮w而言，由于電池的充放電，在低谷電價和平段電價時段的負(fù)荷急劇增加，即由于峰價的激勵，通過電池的充放電響應(yīng)行為，將峰值電價時段的負(fù)荷成功轉(zhuǎn)移到低電價時段和平段電價時段?？梢钥闯鯥DR的實(shí)施提高了用戶在系統(tǒng)運(yùn)行和能源市場中的參與程度，充分挖掘了用戶需求側(cè)的調(diào)節(jié)潛力。

蓄冰槽在夜間低谷電價時段以最大的蓄冷能力蓄冷，在白天用電高峰時段用儲存的冷量來供應(yīng)全部或部分冷負(fù)荷，充分利用了夜間氣溫變化，提高了機(jī)組的產(chǎn)冷量；利用低谷段電力平衡峰谷用電負(fù)荷，緩解了電力供應(yīng)緊張，并且使制冷設(shè)備長期在設(shè)計工作點(diǎn)上平衡運(yùn)行，提高了整體用能效率。水蓄冷和冰蓄冷的響應(yīng)行為類似，這里不多做討論。

通過IDR模型優(yōu)化后，用戶側(cè)的多種能源互補(bǔ)協(xié)同利用，能夠給系統(tǒng)調(diào)節(jié)供需平衡提供“軟托盤”，使得用戶用能需求產(chǎn)生更大的彈性，充分發(fā)揮了能源互聯(lián)網(wǎng)中的多能源置換效益。同時，IDR的實(shí)施提高了用戶在系統(tǒng)運(yùn)行和能源市場中的參與程度，實(shí)現(xiàn)多能源系統(tǒng)的供需協(xié)調(diào)優(yōu)化以及區(qū)域能源系統(tǒng)的自平衡，增加了工廠系統(tǒng)調(diào)節(jié)的靈活性。工業(yè)園區(qū)中的負(fù)荷變化情況如圖9所示。

圖9 工業(yè)園區(qū)的負(fù)荷變化Fig.9 Load curves of industrial park

通過多種能源的IDR，使交直流轉(zhuǎn)化和儲能充放電時的能量損耗減小，優(yōu)化了當(dāng)?shù)氐目稍偕茉蠢寐?。同時，在分時電價的激勵下，成功地將峰值電價時段的負(fù)荷轉(zhuǎn)移到低電價時段和平段電價時段，實(shí)現(xiàn)了電網(wǎng)的削峰填谷，并優(yōu)化了當(dāng)前的能源消費(fèi)結(jié)構(gòu)。同時，由于負(fù)荷波動的約束成功限制了負(fù)荷的波動率。經(jīng)計算，經(jīng)IDR后的系統(tǒng)負(fù)荷波動率l＝0.18。經(jīng)IDR優(yōu)化后的電費(fèi)節(jié)約情況如下：IDR優(yōu)化前總電費(fèi)成本為93458.8元；IDR優(yōu)化后總電費(fèi)成本為84941.8元，其中能耗成本為84837.1元，運(yùn)維成本為104.7元，總成本比優(yōu)化前節(jié)約了8517元。

可見，IDR的實(shí)施使用戶能夠?qū)r格信號做出反應(yīng)，依據(jù)價格信號調(diào)整自身不同類型能源使用需求和用能習(xí)慣，從而降低自身的用能成本，獲得額外的經(jīng)濟(jì)效益。經(jīng)過IDR優(yōu)化后，節(jié)約了9.1%的電費(fèi)。具體測算過程中約束個數(shù)為1056，變量個數(shù)為1725，迭代次數(shù)為3976，分支節(jié)點(diǎn)數(shù)為72，總耗時9.55 s。可以看出，此優(yōu)化算法具有較高的計算效率，可以實(shí)現(xiàn)普遍推廣。

上述光伏發(fā)電比較平穩(wěn)。在實(shí)際情況中，光伏發(fā)電具有隨機(jī)性、波動性和間歇性等特點(diǎn)。討論光伏發(fā)電存在較大波動時工業(yè)園區(qū)的IDR情況。光伏輸出如圖10所示。

圖10 光伏出力Fig.10 PV output

同樣求解工業(yè)園區(qū)IDR模型，在光伏發(fā)電存在較大波動時各時段各類設(shè)備的響應(yīng)策略（儲能電池荷電狀態(tài)、冰蓄冷負(fù)荷分配）及工業(yè)園區(qū)中負(fù)荷變化情況如圖11—13所示。

圖11 電池荷電狀態(tài)Fig.11 SOC of battery

圖12 冰蓄冷裝置負(fù)荷分配Fig.12 Load distribution between cooling device of ice storage

圖13 工業(yè)園區(qū)的負(fù)荷變化Fig.13 Load curves of industrial park

經(jīng)IDR優(yōu)化后的電費(fèi)節(jié)約情況如下：優(yōu)化前總電費(fèi)成本為93956.8元；優(yōu)化后總電費(fèi)成本為85482.2元，其中能耗成本為85376.3元，運(yùn)維成本為105.9元，總成本比優(yōu)化前節(jié)約了8474.6元。

經(jīng)計算求得當(dāng)前情況下經(jīng)過IDR后的系統(tǒng)負(fù)荷波動率l=0.19，即由于儲能的合理配置，平抑了光伏輸出的波動，極大地提高了光伏的就地消納能力。同時可以看出，在光伏發(fā)電存在較大波動時，各類設(shè)備的IDR行為不會發(fā)生明顯變化，并且提出的IDR模型同樣可以達(dá)到較好的效果。因此，所提模型同樣適用于光伏發(fā)電波動較大的情況?？梢姡岢龅腎DR優(yōu)化模型在工業(yè)園區(qū)中具有很好的推廣價值。

3 結(jié)論

本文針對同時含光伏、電儲能、冰蓄冷和水蓄冷等分布式資源的工業(yè)園區(qū)提出了一種考慮多能協(xié)同的工廠IDR模型。建立園區(qū)內(nèi)能源系統(tǒng)IDR的物理和數(shù)學(xué)模型，并將其轉(zhuǎn)換為混合整數(shù)線性規(guī)劃用分支定界法進(jìn)行求解。

結(jié)果表明，IDR的實(shí)施能夠給工廠的多個環(huán)節(jié)帶來一定的效益，在工業(yè)園區(qū)中具有很好的推廣價值。

a.從系統(tǒng)運(yùn)行層面來看，IDR能夠促使能量在不同層級能源系統(tǒng)中切換和梯級利用，提升工廠整體的用能效率。同時，用戶側(cè)的多能源互補(bǔ)協(xié)同利用，能夠給系統(tǒng)調(diào)節(jié)供需平衡提供“軟托盤”，使得用戶用能需求產(chǎn)生更大的彈性，更好地實(shí)現(xiàn)了電網(wǎng)的削峰填谷，緩解電網(wǎng)壓力。

b.從用戶用能層面來看，IDR的實(shí)施使用戶能夠依據(jù)價格信號調(diào)整自身不同類型能源使用需求和用能習(xí)慣，從而降低自身的用能成本。同時，光伏、儲能、冰蓄冷以及水蓄冷等分布式資源的接入，使得在需求側(cè)能夠以較低的成本實(shí)現(xiàn)能量存儲，增加了用戶用能的靈活性，使用戶擁有更大容量的“虛擬能量單元”，能夠直接參與輔助服務(wù)或者能量市場的交易，提高自身收益。

c.此外，IDR的實(shí)施能夠增加工廠系統(tǒng)調(diào)節(jié)的靈活性，提高用戶在系統(tǒng)運(yùn)行和能源市場中的參與程度，充分挖掘用戶需求側(cè)的調(diào)節(jié)潛力，實(shí)現(xiàn)多能源系統(tǒng)的供需協(xié)調(diào)優(yōu)化以及區(qū)域能源系統(tǒng)的自平衡；且所提IDR模型在光伏發(fā)電波動較大時同樣適用，提高了系統(tǒng)中可再生能源的接入比例以及系統(tǒng)運(yùn)行調(diào)控的靈活性。

參考文獻(xiàn)：

［1］曾鳴，楊雍琦，劉敦楠，等.能源互聯(lián)網(wǎng)“源－網(wǎng)－荷－儲”協(xié)調(diào)優(yōu)化運(yùn)營模式及關(guān)鍵技術(shù)［J］. 電網(wǎng)技術(shù)，2016，40（1）：114-124.ZENG Ming，YANG Yongqi，LIU Dunnan，et al. “Generation-gridload-storage” coordinative optimaloperation mode ofenergy internet and key technologies［J］.Power System Technology，2016，40（1）：114-124.

［2］SHEIKHI A，BAHRAMI S，RANJBAR A M.An autonomous demand response program for electricity and natural gas networks in smart energy hubs［J］.Energy，2015，89：490-499.

［3］沈穎忱.工業(yè)園區(qū)能源供給系統(tǒng)優(yōu)化配置方法研究［D］.重慶：重慶大學(xué)，2016.SHEN Yingchen.Research on optimalallocation ofenergy supply system in industrial park［D］.Chongqing：Chongqing University，2016.

［4］張欽.智能電網(wǎng)下需求響應(yīng)熱點(diǎn)問題探討［J］.中國電力，2013，46（6）：85-90.ZHANG Qin.Exploration of hot issues on demand response in smart grids［J］.Electric Power，2013，46（6）：85-90.

［5］SONG M，ALVEHAG K，WIDéN J，et al.Estimating the impacts of demand response by simulating household behaviours under price and CO2signals［J］.Electric Power Systems Research，2014，111（111）：103-114.

［6］李揚(yáng)，王治華，盧毅，等.峰谷分時電價的實(shí)施及大工業(yè)用戶的響應(yīng)［J］. 電力系統(tǒng)自動化，2001，25（8）：45-48.LI Yang，WANG Zhihua，LU Yi，et al.The implementation of peak and valley time price for electricity and the response of large industries［J］.Automation of Electric Power Systems，2001，25（8）：45-48.

［7］PAZOUKI S，HAGHIFAM M R.Optimal planning and scheduling of energy hub in presence of wind，storage and demand response under uncertainty［J］.International Journal of Electrical Power&Energy Systems，2016，80：219-239.

［8］REZAEI N，KALANTAR M.Smart microgrid hierarchical frequency controlancillary service provision based on virtualinertia concept：an integrated demand responseand droop controlled distributed generation framework［J］.Energy Conversion&Management，2015，92（92）：287-301.

［9］NOLAN S，O’MALLEY M.Challenges and barriers to demand response deployment and evaluation［J］.Applied Energy，2015，152：1-10.

［10］GILS H C.Economic potential for future demand response in Germany-modeling approach and case study［J］.Applied Energy，2016，162（4）：401-415.

［11］王成山，洪博文，郭力.不同場景下的光蓄微電網(wǎng)調(diào)度策略［J］.電網(wǎng)技術(shù)，2013，37（7）：1775-1782.WANG Chengshan，HONG Bowen，GUO Li.Dispatch strategies of PV-battery microgrid in different scenarios［J］.Power System Technology，2013，37（7）：1775-1782.

［12］趙耀.基于分布式電源的微網(wǎng)控制及運(yùn)行優(yōu)化研究［D］.天津：南開大學(xué)，2013.ZHAO Yao.Research on microgrid controland operation optimization based on distributed power supply［D］.Tianjin：Nankai University，2013.

［13］WU Z，ZHOU S，LI J，et al.Real-time scheduling of residential appliances via conditional risk-at-value［J］.IEEE Transactions on Smart Grid，2014，5（3）：1282-1291.

［14］吳杰.冰蓄冷空調(diào)系統(tǒng)負(fù)荷預(yù)測模型和系統(tǒng)優(yōu)化控制研究［D］.杭州：浙江大學(xué)，2002.WU Jie.Load forecasting modeland system optimization control of ice storage air conditioning system［D］.Hangzhou：Zhejiang University，2002.

［15］LOCMENT F，SECHILARIU M，HOUSSAMO I.DC load and batteries control limitations for photovoltaic systemsexperimental validation［J］.IEEE Transactions on Power Electronics，2012，27（9）：4030-4038.

［16］龔薇，劉俊勇，賀星棋，等.計及負(fù)荷波動率和互補(bǔ)系數(shù)的負(fù)荷恢復(fù)［J］. 電網(wǎng)技術(shù)，2014，38（9）：2490-2496.GONG Wei，LIU Junyong，HE Xingqi，et al.Load restoration considering load fluctuation rate and load complementary coefficient［J］.Power System Technology，2014，38（9）：2490-2496.

［17］錢頌迪，甘應(yīng)愛，陳秉正，等.運(yùn)籌學(xué)［M］.北京：清華大學(xué)出版社，2005：114-132.

［18］王修巖，高沖，李宗帥.冰蓄冷空調(diào)系統(tǒng)的多目標(biāo)優(yōu)化控制策略研究［J］. 計算機(jī)測量與控制，2015，23（12）：4057-4059.WANG Xiuyan，GAO Chong，LI Zongshuai. Multi-objective optimization controlstrategy research for ice storage airconditioning system［J］.Computer Measurement and Control，2015，23（12）：4057-4059.