徐小麗，徐亭婷，范程華

（1.合肥師范學(xué)院　電子信息工程學(xué)院，安徽　合肥　230601；2.南京市科技成果轉(zhuǎn)化服務(wù)中心，江蘇　南京　210000）

1　引言

隨著智能電網(wǎng)的發(fā)展，基于智能化自動控制系統(tǒng)和用電雙向交互的負(fù)荷辨識技術(shù)在用戶側(cè)的使用成為可能[1,2].在電力市場需求響應(yīng)的研究中，各種用電優(yōu)化策略在執(zhí)行中受用戶的用電習(xí)慣、外部環(huán)境以及政策等多種因素影響，尤其是用戶側(cè)家庭負(fù)荷對電網(wǎng)的影響具有很大的不確定性.所以研究一種有效的用戶側(cè)需求響應(yīng)策略具有重要應(yīng)用價值，能夠?qū)彝ビ秒娏窟M(jìn)行調(diào)整，保證其合理有序用電，達(dá)到優(yōu)化電網(wǎng)的同時節(jié)能減排的目的[3].

家庭負(fù)荷和工業(yè)負(fù)荷存在很大差異，和居民生活習(xí)慣有很大關(guān)系，原有的適于工業(yè)負(fù)荷的優(yōu)化方法用于家庭負(fù)荷優(yōu)化中[4].當(dāng)前針對家庭的電網(wǎng)多負(fù)荷優(yōu)化方法主要從能量管理方面實(shí)現(xiàn)電網(wǎng)多負(fù)荷優(yōu)化，忽略了大負(fù)荷電器節(jié)能對電網(wǎng)多負(fù)荷優(yōu)化產(chǎn)生的影響，優(yōu)化結(jié)果不佳[5,6].文獻(xiàn)[7]采用了分布式梯度算法，平衡最小化電費(fèi)和用戶使用舒適度的矛盾，從而實(shí)現(xiàn)全局最優(yōu)；文獻(xiàn)[8-9]根據(jù)用戶家電不同的特點(diǎn)，提出了家電舒適度的概念，而后根據(jù)舒適度的影響對家電的調(diào)控優(yōu)先級進(jìn)行排序后建模優(yōu)化；文獻(xiàn)[10]針對不同負(fù)荷特點(diǎn)，結(jié)合其提出的差值最小化算法進(jìn)行建模優(yōu)化.

現(xiàn)有研究大都著眼于不同家電與用戶之間的縱向聯(lián)系，很少考慮用戶側(cè)負(fù)荷參與電網(wǎng)優(yōu)化對電網(wǎng)穩(wěn)定性的影響，為此，本文提出一種新的借助空調(diào)節(jié)能蓄冷技術(shù)實(shí)現(xiàn)用戶側(cè)多負(fù)荷需求響應(yīng)方法.

2　電網(wǎng)配電結(jié)構(gòu)與負(fù)荷模型

2.1　電網(wǎng)配電結(jié)構(gòu)

用戶側(cè)負(fù)荷主要通過配電網(wǎng)實(shí)現(xiàn)與萬網(wǎng)進(jìn)行能源互動，電網(wǎng)中主要包括外電網(wǎng)、電源、蓄電池和負(fù)荷等設(shè)備，它們之間的關(guān)系如圖1所示.

圖1　電網(wǎng)配電關(guān)系圖

2.2　電網(wǎng)負(fù)荷模型

電網(wǎng)用戶側(cè)負(fù)荷中除空調(diào)等大負(fù)荷裝置外還包括電熱水器、微波爐、照明、機(jī)頂盒等微負(fù)荷裝置[7].對于各用電裝置而言，它們對各時段電價激勵的響應(yīng)效果不同.針對某獨(dú)立的調(diào)控任務(wù)k，其約束可描述為：

式中，Tek用于描述用電裝置k最早可以打開時間；Tlk用于描述用電裝置k最晚可以打開時間；Tk用于描述用電裝置k實(shí)際打開時間；wk用于描述用電裝置k的功率；dk用于描述用電裝置k的運(yùn)行時長.

對于用戶而言，其最注重的是消耗電費(fèi).為此，本文需求響應(yīng)模型把電網(wǎng)多負(fù)荷優(yōu)化的目標(biāo)函數(shù)定義成用戶的電費(fèi)最低.其描述如公式（2）所示：

式中，em用于描述時段電價；E用于描述總電費(fèi).

上述目標(biāo)函數(shù)對應(yīng)的約束條件如下：

（1）電負(fù)荷平衡約束，公式描述如下：

式中，wtf用于描述t時刻柔性電負(fù)荷功率；wtr用于描述r時刻剛性電負(fù)荷功率.

（2）空調(diào)制冷機(jī)內(nèi)部熱功率約束條件，公式描述如下：

其中，PtA用于描述電動式制冷機(jī)YA輸出的制冷功率；wtB用于描述吸收式制冷機(jī)YB輸出的制冷功率.

（3）電網(wǎng)峰谷差約束，約束條件主要有以下幾個方面：一是電網(wǎng)各個時刻的有功功率不能越限；二是需求側(cè)資源自身的約束，負(fù)荷調(diào)整容量不能超過其限值；三是用戶總調(diào)控容量不能超過限值[8,9]；即：

負(fù)荷可調(diào)容量約束：

式中ΔPkj,t為各用戶k第j個負(fù)荷t時刻的調(diào)整容量，ΔPkj,max是用戶k第j個負(fù)荷調(diào)整上限.

電網(wǎng)可調(diào)容量約束：

max是用戶k負(fù)荷調(diào)整上限.

上述約束條件是關(guān)于用電裝置功率wk的約束.

3　電網(wǎng)多負(fù)荷優(yōu)化方法

3.1　空調(diào)節(jié)能蓄冷技術(shù)下的優(yōu)化方法

因?yàn)樵诩彝ニ杏秒娫O(shè)備中，空調(diào)的運(yùn)行功率最大，所以本節(jié)通過空調(diào)節(jié)能蓄冷技術(shù)實(shí)現(xiàn)電網(wǎng)多負(fù)荷優(yōu)化.通過空調(diào)節(jié)能蓄冷技術(shù)能夠?qū)⒑哪艽蟮闹评湓O(shè)備調(diào)至夜間工作，以達(dá)到“移峰填谷”的效果[10].不但優(yōu)化了當(dāng)前用電裝置的工作狀態(tài)，還能緩解白天多負(fù)荷現(xiàn)象，保證了電網(wǎng)中多負(fù)荷的平衡穩(wěn)定性.

通過空調(diào)節(jié)能蓄冷技術(shù)的冷量對電價最低問題進(jìn)行求解，本節(jié)通過線性規(guī)劃模型建立目標(biāo)函數(shù)，線性規(guī)劃模型的標(biāo)準(zhǔn)形式如下：

式中，xi用于描述決策變量；M用于描述罰子；xs用于描述人工變量.s.t.代表約束條件，約束條件包括等式約束條件和不等式約束條件，等式約束條件需添加松弛變量，將其轉(zhuǎn)換成標(biāo)準(zhǔn)不等式約束條件，從而實(shí)現(xiàn)對目標(biāo)函數(shù)的求解[11].

公式（10）（11）依次是針對蓄冷空調(diào)的目標(biāo)函數(shù)和約束條件.將目標(biāo)函數(shù)設(shè)置成一天的總電費(fèi)最少，決策變量xi代表蓄冷空調(diào)每小時的開啟功率，這是因?yàn)闉榱诉_(dá)到節(jié)省電費(fèi)的目的，必須控制蓄冷空調(diào)的運(yùn)行時間[12].

其中，si用于描述電量價格；Wmax用于描述冰槽最大容冰能力；Ha用于描述晚間冰槽儲備冷負(fù)荷；Hb用于描述室內(nèi)整天需要的冷負(fù)荷.

約束條件第一項(xiàng)代表空調(diào)晚間蓄冰階段每小時最大最小功率范圍，當(dāng)前功率值如果很小，則無法蓄冰，達(dá)到最大值才可滿負(fù)荷狀態(tài)蓄冰.約束條件第二項(xiàng)代表釋冷階段每小時最大最小功率值，該階段無需主機(jī)制冷，通過冰槽釋冷為室內(nèi)制冷，所需功率值很小.約束條件第三項(xiàng)代表晚間冰槽蓄冰量，4.5為空調(diào)主機(jī)效率，將其和每小時功率相乘，即可獲取每小時形成的冷量，晚間冰槽蓄冰量一定低于其最大容冰能力，0.9代表冰槽僅可達(dá)到最大容冰量的90%.約束條件第四項(xiàng)左邊代表晚間冰槽儲備冷負(fù)荷，右邊代表室內(nèi)整天需要的冷負(fù)荷.

將上述目標(biāo)函數(shù)及約束條件引入第二節(jié)中目標(biāo)函數(shù)及約束條件，即可實(shí)現(xiàn)電網(wǎng)多負(fù)荷優(yōu)化.

3.2　目標(biāo)函數(shù)求解

本節(jié)將粒子群法與混合整數(shù)規(guī)劃模型相結(jié)合，得到一種二進(jìn)制混合整數(shù)的粒子群法，通過其對最終目標(biāo)函數(shù)進(jìn)行求解.先對粒子群中各參數(shù)進(jìn)行初始化設(shè)置，設(shè)第 i個粒子的位置向量為B→i，依據(jù)B→i求出每個時段電網(wǎng)負(fù)荷的配電功率[12,13,14].

依據(jù)目標(biāo)函數(shù)的適應(yīng)度，通過粒子群算法確定最優(yōu)結(jié)果，對整個過程中粒子速度、慣性權(quán)重和狀態(tài)變量進(jìn)行更新，公式描述如下：

其中，Bij,s用于描述t時刻啟動時段位置變量；[?i,j(t+1)用于描述t時刻粒子速度.

在整個粒子更新過程中，對不符合約束條件的狀態(tài)變量施行刪除處理，以得到滿足約束條件的最優(yōu)值.

4　實(shí)驗(yàn)結(jié)果分析

4.1　實(shí)驗(yàn)基礎(chǔ)數(shù)據(jù)

本節(jié)選用IEEE-39標(biāo)準(zhǔn)節(jié)點(diǎn)對實(shí)際電網(wǎng)進(jìn)行模擬，如圖2所示.

圖2　IEEE-39標(biāo)準(zhǔn)節(jié)點(diǎn)模擬電網(wǎng)

上述模擬電網(wǎng)包括10臺發(fā)電機(jī)、46條線路與12變壓器.每個節(jié)點(diǎn)均安裝了SCADA測量模塊，可對節(jié)點(diǎn)電壓幅值、支路功率計(jì)節(jié)點(diǎn)注入功率進(jìn)行測定.測量值相對誤差低于0.1%，精度很高，數(shù)據(jù)刷新頻率是100ms.

電網(wǎng)運(yùn)行優(yōu)化調(diào)控實(shí)驗(yàn)中的負(fù)荷設(shè)備除中央空調(diào)外，還包括電熱水器、電磁爐、照明、機(jī)頂盒等家庭微負(fù)荷設(shè)備.若某一電器在不同時間段中均存在運(yùn)行任務(wù)，則將其看作存在差異的相互獨(dú)立的負(fù)荷.用戶對不同負(fù)荷的用能習(xí)慣基礎(chǔ)數(shù)據(jù)如圖3所示.其中，不同顏色代表用電器的實(shí)時功率（單位kW）.

圖3　不同負(fù)荷基礎(chǔ)數(shù)據(jù)

實(shí)驗(yàn)電網(wǎng)運(yùn)行調(diào)控的電器除中央空調(diào)外，還包括電熱水器、微波爐、照明、機(jī)頂盒等家庭微負(fù)荷設(shè)備.若某一電器在不同時間段中均存在運(yùn)行任務(wù)，則將其看作存在差異的相互獨(dú)立的負(fù)荷.不同負(fù)荷基礎(chǔ)數(shù)據(jù)用表1進(jìn)行描述.

表1　不同負(fù)荷基礎(chǔ)數(shù)據(jù)

將電網(wǎng)負(fù)荷優(yōu)化調(diào)度周期設(shè)置成24小時，將仿真步長設(shè)置成20min，因此可將全天分割成72個時段.分時電價數(shù)據(jù)如表2所示.

表2　分時電價數(shù)據(jù)

4.2　本文方法優(yōu)化結(jié)果

表3　本文方法優(yōu)化結(jié)果

通過本文方法實(shí)現(xiàn)電網(wǎng)多負(fù)荷優(yōu)化，得到的不同負(fù)荷單元調(diào)度結(jié)果用表3進(jìn)行描述.

結(jié)合表1和表2中的數(shù)據(jù)，對優(yōu)化前電網(wǎng)多負(fù)荷運(yùn)行成本進(jìn)行計(jì)算，將得到的結(jié)果和本文方法進(jìn)行比較，如表4所示.

從表4和表5可知，本文方法優(yōu)化前24小時總電費(fèi)為25.385元，本文方法優(yōu)化后24小時總電費(fèi)為16.883，說明本文方法降低能耗.

表4　優(yōu)化前電網(wǎng)多負(fù)荷運(yùn)行成本

表5　優(yōu)化后電網(wǎng)多負(fù)荷運(yùn)行成本

圖4　本文方法仿真結(jié)果

圖5　神經(jīng)網(wǎng)絡(luò)方法仿真結(jié)果

圖6　粗糙集方法仿真結(jié)果

4.3　電網(wǎng)運(yùn)行測試

為了驗(yàn)證本文優(yōu)化模型對電網(wǎng)穩(wěn)定性的影響和方法的有效性，本文將神經(jīng)網(wǎng)絡(luò)方法和粗糙集方法作為對比，對三種方法下電網(wǎng)運(yùn)行情況進(jìn)行MATLAB R12a仿真模擬，得到的結(jié)果分別用圖4、圖5和圖6進(jìn)行描述.

從圖4、圖5和圖6中可以看出，經(jīng)本文方法優(yōu)化后，電網(wǎng)在各時間段的負(fù)荷較為均衡，且用電量整體較小，平均在 6～9kW·h，最高僅為 9kW·h，緩解了用電高峰期調(diào)峰運(yùn)行的緊張局勢.而神經(jīng)網(wǎng)絡(luò)方法和粗糙集方法在運(yùn)行高峰期的用電量較多，其中神經(jīng)網(wǎng)絡(luò)方法的平均用電量在6～15kW·h，且在不同時段波動較大，同樣粗糙集方法的波動最大，穩(wěn)定性較差，優(yōu)化效果不好.

5　結(jié)論

本文提出一種新的空調(diào)節(jié)能蓄冷技術(shù)下電網(wǎng)多負(fù)荷優(yōu)化方法.給出電網(wǎng)配電結(jié)構(gòu)，把電網(wǎng)多負(fù)荷的目標(biāo)函數(shù)定義成電費(fèi)最低，給出目標(biāo)函數(shù)的約束條件.通過空調(diào)節(jié)能蓄冷技術(shù)實(shí)現(xiàn)電網(wǎng)多負(fù)荷優(yōu)化，利用二進(jìn)制混合整數(shù)的粒子群法實(shí)現(xiàn)目標(biāo)函數(shù)的求解.經(jīng)實(shí)驗(yàn)驗(yàn)證，所提方法能夠有效節(jié)省電費(fèi)，可保證電網(wǎng)多負(fù)荷的平衡穩(wěn)定性.

參考文獻(xiàn)：

〔1〕丁慶,段紹輝,王執(zhí)中,等.冰蓄冷空調(diào)在高峰谷負(fù)荷差地區(qū)應(yīng)用的經(jīng)濟(jì)性[J].電力系統(tǒng)及其自動化學(xué)報,2014,28(1):72-75.

〔2〕程若發(fā),劉陽,高建超,等.關(guān)于配電網(wǎng)負(fù)荷均衡重構(gòu)優(yōu)化供電控制 [J].計(jì)算機(jī)仿真,2016,33(10):314-319.

〔3〕Marzband M,Ghadimi M,Sumper A,et al.Experimental validation of a real-time energy management system using multi-period gravitational search algorithm for microgrids in islanded mode[J].Applied Energy,2014,128(3):164-174.

〔4〕高賜威，李倩玉，李揚(yáng)，等.基于 DLC 的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制策略[J].中國電機(jī)工程學(xué)報，2014，34（10）：1546-1555.

〔5〕梁坤峰,王林,張林泉，等.冰蓄冷輻射空調(diào)系統(tǒng)方案設(shè)計(jì)與能耗分析[J].低溫與超導(dǎo),2014,42(2):85-91.

〔6〕郝曉弘,劉彩霞,薛婷婷，等.不平衡、非線性負(fù)載電網(wǎng)的可控串聯(lián)電壓優(yōu)化補(bǔ)償策略研究 [J].電子設(shè)計(jì)工程,2016,24(2):86-89.

〔7〕Gatsis N，Giannakis G．Cooperative multi-residence demand response scheduling[C]//Information Sciences and Systems(CISS)，2011 45th AnnualConferenceonBaltimore，MD：IEEE，2011：1-6．

〔8〕阮文駿，王蓓蓓，李揚(yáng)，等．峰谷分時電價下的用戶響應(yīng)行為研究[J]．電網(wǎng)技術(shù)，2012，36(7)：86-93．

〔9〕陳俊生．面向智能用電的需求響應(yīng)技術(shù)及家庭用戶用電策略研究[D]．重慶：重慶大學(xué)，2014．

〔10〕Mclarty D,Sabate C C,Brouwer J,et al.Micro-grid energy dispatch optimization and predictive control algorithms;AUCIrvine case study[J].International Journal of Electrical Power&Energy Systems,2015,65(65):179-190.

〔11〕覃智君,侯云鶴,李大虎,等.輸電網(wǎng)負(fù)荷恢復(fù)方案的優(yōu)化計(jì)算方法 [J].電工技術(shù)學(xué)報,2016,31(8):116-124.

〔12〕高賜威,羅海明,朱璐璐,等.基于電力系統(tǒng)能效評估的蓄能用電技術(shù)節(jié)能評價及優(yōu)化[J].電工技術(shù)學(xué)報,2016,31(11):140-148.

〔13〕楊寶順,譚洪衛(wèi),莊智,等.大型體育中心冰蓄冷空調(diào)系統(tǒng)性能實(shí)測與優(yōu)化研究 [J].建筑科學(xué),2014,30(8):15-18.

〔14〕孫盛鵬，劉鳳良，薛松，等.需求側(cè)資源促進(jìn)可再生能源消納貢獻(xiàn)度綜合評價體系[J].電力自動化設(shè)備，2015，35（4）：77-83.