雷 敏, 魏務(wù)卿, 曾進(jìn)輝, 莫霜葉

(湖南工業(yè)大學(xué)電氣與信息工程學(xué)院, 湖南省株洲市 412007)

0 引言

需求響應(yīng)作為一種調(diào)節(jié)用戶負(fù)荷的手段,其利用電價(jià)或激勵(lì)機(jī)制,通過(guò)削峰填谷達(dá)到降低峰負(fù)荷時(shí)段電網(wǎng)潛在風(fēng)險(xiǎn)的目的,提高了系統(tǒng)可靠性。利用需求響應(yīng)平滑負(fù)荷曲線來(lái)提高電力系統(tǒng)運(yùn)行的安全性與可靠性是未來(lái)智能電網(wǎng)發(fā)展的重要手段之一,其中分時(shí)電價(jià)作為最為常見(jiàn)的電價(jià)模式與激勵(lì)模式已被廣泛采用[1-3]。然而,對(duì)于評(píng)估需求響應(yīng)對(duì)電網(wǎng)供電可靠性的影響,目前主要局限于單一措施下的需求響應(yīng),因此本文給出包含負(fù)荷控制激勵(lì)的分時(shí)電價(jià)下電網(wǎng)供電可靠性分析與計(jì)算方法。

歐洲各國(guó)政府將需求響應(yīng)作為改善用戶用電習(xí)慣的一種重要工具已推廣應(yīng)用多年,讓消費(fèi)者充分地參與到調(diào)節(jié)負(fù)荷過(guò)程,并以減少或轉(zhuǎn)移消費(fèi)作為條件機(jī)制,起到降低風(fēng)險(xiǎn)、提高可靠性的作用[4-6]。中國(guó)同樣對(duì)可中斷負(fù)荷的負(fù)荷控制與以分時(shí)電價(jià)為代表的多種需求響應(yīng)模式大力推廣實(shí)施,并取得了一定的成效[7-10]。目前需求響應(yīng)的相關(guān)理論正在不斷完善,需求響應(yīng)下配電網(wǎng)可靠性研究已有相關(guān)資料,但是多種需求響應(yīng)措施下負(fù)荷變化對(duì)配電網(wǎng)可靠性影響的研究較少。文獻(xiàn)[11-12]研究激勵(lì)型需求響應(yīng)在微網(wǎng)包含可再生能源條件下對(duì)配電網(wǎng)的影響,考慮負(fù)荷削減策略,研究需求響應(yīng)下的可靠性指標(biāo)變化。文獻(xiàn)[13]構(gòu)建分時(shí)電價(jià)在電力市場(chǎng)中的變分不等式模型,研究了分時(shí)電價(jià)在不同市場(chǎng)結(jié)構(gòu)收益變化引起負(fù)荷改變對(duì)配電網(wǎng)的影響。文獻(xiàn)[14]將需求響應(yīng)與配電網(wǎng)拓?fù)浣Y(jié)構(gòu)相結(jié)合,研究需求響應(yīng)在不同的配電網(wǎng)分布網(wǎng)絡(luò)中的影響程度。文獻(xiàn)[15]從負(fù)荷與可靠性指標(biāo)角度對(duì)分時(shí)電價(jià)與配電網(wǎng)可靠性做了定性分析,將修正優(yōu)化后的負(fù)荷用二分法計(jì)算加權(quán)后的可靠性指標(biāo)；文獻(xiàn)[16]則從負(fù)荷轉(zhuǎn)移與節(jié)約用電角度說(shuō)明需求響應(yīng)策略對(duì)配電網(wǎng)可靠性的影響。上述文獻(xiàn)是在需求響應(yīng)單一模式下對(duì)配電網(wǎng)可靠性進(jìn)行研究,并且大都是從定性角度進(jìn)行分析。在某些情況下,實(shí)施需求響應(yīng)過(guò)程中往往會(huì)在基于電價(jià)措施的基礎(chǔ)上對(duì)部分負(fù)荷采取控制措施,對(duì)參與負(fù)荷控制的用戶給予補(bǔ)償,綜合兩者優(yōu)點(diǎn)。當(dāng)實(shí)施需求響應(yīng)分時(shí)電價(jià)模式中引入負(fù)荷控制時(shí)會(huì)對(duì)負(fù)荷產(chǎn)生額外的影響,對(duì)比分時(shí)電價(jià)單一模式下負(fù)荷曲線并不相同。因此,研究在分時(shí)電價(jià)下負(fù)荷控制對(duì)供電可靠性的影響很有必要。

本文提出一種新的適用于需求響應(yīng)條件下的配電網(wǎng)可靠性計(jì)算方法,考慮同時(shí)采用兩種需求響應(yīng)措施對(duì)負(fù)荷的作用,利用年負(fù)荷曲線計(jì)算電網(wǎng)動(dòng)態(tài)下的可靠性指標(biāo)。首先,推導(dǎo)出在用戶最大利益下分時(shí)電價(jià)包含負(fù)荷控制激勵(lì)的負(fù)荷模型,引入遺傳算法對(duì)需求響應(yīng)負(fù)荷進(jìn)行優(yōu)化,得出優(yōu)化后的分時(shí)電價(jià)與激勵(lì)值,并將其代入需求響應(yīng)負(fù)荷模型,得到優(yōu)化后的需求響應(yīng)負(fù)荷。根據(jù)改進(jìn)的k均值聚類算法對(duì)負(fù)荷曲線聚類得到負(fù)荷概率模型,然后將聚類后的多個(gè)負(fù)荷值代入配電網(wǎng),根據(jù)蒙特卡洛法進(jìn)行模擬,得到可靠性指標(biāo),最后利用概率分布加權(quán)得出最終的配電網(wǎng)可靠性指標(biāo)結(jié)果。

1 兩種需求響應(yīng)措施對(duì)負(fù)荷的影響

需求響應(yīng)主要通過(guò)激勵(lì)補(bǔ)償措施與分時(shí)電價(jià)對(duì)用戶形成合理的用電導(dǎo)向,而用戶的響應(yīng)過(guò)程能夠從負(fù)荷曲線變化中直接反映。建立考慮負(fù)荷控制的分時(shí)電價(jià)負(fù)荷模型,是為得到兩種不同機(jī)制下的需求響應(yīng)負(fù)荷,更有利于分析實(shí)際應(yīng)用多種需求響應(yīng)措施環(huán)境中的系統(tǒng)可靠性。

1.1 分時(shí)電價(jià)的峰、谷時(shí)段劃分

對(duì)負(fù)荷進(jìn)行時(shí)段劃分事關(guān)用戶響應(yīng)程度,影響分時(shí)電價(jià)削峰填谷效果。有效的劃分結(jié)果能準(zhǔn)確地描述出峰谷特性,反映負(fù)荷峰谷之間的內(nèi)在聯(lián)系。

模糊聚類具有優(yōu)秀的處理模糊信息能力,該方法能夠有效、合理地對(duì)一天24 h內(nèi)負(fù)荷峰、谷、平時(shí)段進(jìn)行劃分。

首先引入峰隸屬度Uup，t與谷隸屬度Udown，t來(lái)衡量原負(fù)荷每小時(shí)負(fù)荷量的峰谷程度:

(1)

式中:b為原負(fù)荷一天中的負(fù)荷最大值；a為原負(fù)荷一天中的負(fù)荷最小值；qt為一天中每一小時(shí)的負(fù)荷值。

將一天中所得到的24組峰谷隸屬度放入特征指標(biāo)矩陣X中,即

X=[Uup，tUdown，t]24×2

(2)

隨后,利用距離法中絕對(duì)值減數(shù)法構(gòu)造模糊相似矩陣:

(3)

式中:Xik和Xjk分別為特征指標(biāo)矩陣X中第i行、第k列和第j行、第k列的元素；c為0～1,使得所有Rij值的范圍同樣為0～1之間,當(dāng)i=j時(shí)Rij=1。

然后,再通過(guò)平方法求得傳遞閉包,對(duì)上式求得的相似矩陣內(nèi)數(shù)值不斷取平方,即

R→R2→R4→…→R2n

(4)

當(dāng)?shù)谝淮纬霈F(xiàn)Rk×Rk=Rk時(shí),此時(shí)的Rk即為所求得的傳遞閉包。將傳遞閉包中出現(xiàn)過(guò)的值賦給λ,求取關(guān)于傳遞閉包的λ-截矩陣,不同取值會(huì)產(chǎn)生不同的分類結(jié)果。而最后所得出的劃分結(jié)果為峰、谷、平三種情況,因此根據(jù)不同值聚類情況僅保留分類數(shù)為3的分組,然后依分組數(shù)得出分子自由度與分母自由度。以α=95%置信度計(jì)算F檢驗(yàn)臨界值作為標(biāo)準(zhǔn)值,同時(shí)計(jì)算保留下來(lái)λ-截矩陣的F統(tǒng)計(jì)量,計(jì)算公式為:

(5)

(6)

將保留的每一組計(jì)算后的F值與F臨界表中標(biāo)準(zhǔn)值進(jìn)行比對(duì),去掉低于標(biāo)準(zhǔn)值數(shù)組分類情況。對(duì)于剩下的分組,F值越大，意味著類與類區(qū)別越顯著,分類越合理,保留F值最高的一組分類情況作為最終峰、谷、平時(shí)段劃分的結(jié)果。

1.2 負(fù)荷控制下的分時(shí)電價(jià)負(fù)荷模型

負(fù)荷控制下的分時(shí)電價(jià)負(fù)荷模型是用來(lái)描述在施行需求響應(yīng)后,用戶基于不同時(shí)間段電價(jià)變化與激勵(lì)補(bǔ)償后的負(fù)荷。用彈性系數(shù)表示對(duì)價(jià)格的需求敏感度。由前面得到的時(shí)段分組數(shù)據(jù)與不同時(shí)段定價(jià),通過(guò)構(gòu)建一天中24 h價(jià)格彈性矩陣與激勵(lì)值,得出用戶最大收益下的用電需求量值,以此作為響應(yīng)后的負(fù)荷。彈性系數(shù)可表示為:

(7)

式中:q為用戶用電需求值；ρ為目前電價(jià)；ρ0和q0分別為初始電價(jià)和未采用需求響應(yīng)前的負(fù)荷量。

而對(duì)于某一時(shí)刻的彈性系數(shù)而言,一般又分為兩類,假設(shè):

(8)

式中:Δd(ti)為ti時(shí)刻的負(fù)荷改變量；Δρ(ti)和Δρ(tj)分別為ti和tj時(shí)刻的電價(jià)變化量；ξi,i為自彈性系數(shù),表示i時(shí)刻電量改變與i時(shí)刻電價(jià)變化的關(guān)系；ξi,j為交叉彈性系數(shù)，一般大于等于零,表示i時(shí)刻電量改變與j時(shí)刻電價(jià)變化的關(guān)系。

在已知時(shí)段劃分結(jié)果與各時(shí)段電價(jià)的情況下可以求得一天24×24 h價(jià)格彈性矩陣E,其表達(dá)式如式(9)所示。

(9)

對(duì)于需求響應(yīng)負(fù)荷模型而言,一般分為單時(shí)段模型與多時(shí)段模型[17]。

1)單時(shí)段負(fù)荷模型表示負(fù)荷不能轉(zhuǎn)移到一天中其他的時(shí)間段,通常此類負(fù)荷敏感度用自彈性系數(shù)表示,一般小于等于零。此時(shí)主要通過(guò)簽訂補(bǔ)償激勵(lì)合約對(duì)負(fù)荷進(jìn)行控制,在切除負(fù)荷后給予一定的補(bǔ)償。

對(duì)于單時(shí)段負(fù)荷控制下而言,用戶用電收益S可表示為:

S(d(i))=Id(d(i))-d(i)p(i)+

(d0(i)-d(i))A(i)

(10)

式中:i=1,2,…,24；d0(i)為原負(fù)荷需求量；d(i)為需求響應(yīng)優(yōu)化后的負(fù)荷；Id(d(i))為用戶在需求響應(yīng)模式下時(shí)段i的收入；p(i)和A(i)分別為該時(shí)段電價(jià)和補(bǔ)償激勵(lì)值,負(fù)荷控制一般對(duì)峰負(fù)荷進(jìn)行控制削減,故激勵(lì)值A(chǔ)(i)只針對(duì)峰時(shí)段進(jìn)行補(bǔ)償,其余時(shí)段為零。

當(dāng)?S/?d(i)=0時(shí),用戶獲得利益最大化,此時(shí)收益達(dá)到最高點(diǎn)。文獻(xiàn)[18]介紹了一種計(jì)算某一時(shí)段用戶收入的普遍方法,通過(guò)電價(jià)與彈性系數(shù)關(guān)系計(jì)算用戶在該時(shí)段的收入:

Id(d(i))=It(d(i))+

(11)

式中:下標(biāo)0表示對(duì)應(yīng)變量的初始值；It(d(i))為傳統(tǒng)模式下時(shí)段i的收入；E(i,i)為E第i行、第j列元素。

結(jié)合式(11)可以得到單時(shí)段用戶按最大收益下的負(fù)荷模型:

(12)

當(dāng)激勵(lì)值A(chǔ)(i)為零時(shí),d(i)=d0(i),此時(shí)負(fù)荷并沒(méi)有改變,E(i,i)所代表的自彈性系數(shù)為零,這表明對(duì)于不可轉(zhuǎn)移的單時(shí)段負(fù)荷只能通過(guò)激勵(lì)措施并采取負(fù)荷控制來(lái)減少峰時(shí)段用電負(fù)荷。

2)多時(shí)段負(fù)荷模型則表示負(fù)荷可以轉(zhuǎn)移到其他的時(shí)間段,負(fù)荷敏感度一般不小于零,通過(guò)設(shè)置分時(shí)電價(jià)可引導(dǎo)用戶將部分峰負(fù)荷轉(zhuǎn)移到其他時(shí)段[19]。

首先假設(shè)dq/dρ為定值,并考慮額外的需求響應(yīng)激勵(lì)作用,對(duì)峰時(shí)段削減的負(fù)荷給予A(j)補(bǔ)償,則用電需求與不同價(jià)格之間的對(duì)應(yīng)關(guān)系可用下列線性表達(dá)式表示:

d(i)=d0(i)+

(13)

綜合單時(shí)段負(fù)荷模型與多時(shí)段負(fù)荷模型得出分時(shí)電價(jià)及激勵(lì)值與用電需求之間的關(guān)系,最終包含負(fù)荷控制激勵(lì)的分時(shí)電價(jià)負(fù)荷模型如下:

d(i)=d0(i)+

i=1,2,…,24

(14)

在已知激勵(lì)值與各時(shí)段電價(jià)后,按照式(14)可以得到在分時(shí)電價(jià)負(fù)荷控制基礎(chǔ)上，用戶按最大收益條件下一天中的負(fù)荷趨勢(shì),以此作為實(shí)施兩種需求響應(yīng)措施后的用戶負(fù)荷模型。

2 需求響應(yīng)下的可靠性計(jì)算

2.1 需求響應(yīng)負(fù)荷優(yōu)化模型

負(fù)荷是需求響應(yīng)影響供電可靠性的關(guān)鍵因素,需求響應(yīng)負(fù)荷對(duì)不同時(shí)段電價(jià)與激勵(lì)值十分敏感。為較好地體現(xiàn)需求響應(yīng)削峰填谷效果,對(duì)分時(shí)電價(jià)的制定與激勵(lì)值進(jìn)行優(yōu)化,得到兩種措施下的需求響應(yīng)負(fù)荷優(yōu)化模型。

為此,將優(yōu)化目標(biāo)設(shè)為峰負(fù)荷最小與峰谷差最小,決策變量由峰時(shí)電價(jià)ppeak、平時(shí)電價(jià)poff-peak、谷時(shí)電價(jià)plow與激勵(lì)值A(chǔ)組成。約束條件包含發(fā)電成本邊界約束、價(jià)格關(guān)系約束與發(fā)電總量不變約束。

通過(guò)式(14)可以得到目標(biāo)函數(shù),優(yōu)化函數(shù)如下:

(15)

式中:d為由式(14)求得的一天中兩種措施下需求響應(yīng)負(fù)荷；d0為一天內(nèi)的原負(fù)荷。

對(duì)于處理帶約束的多目標(biāo)問(wèn)題可以采用遺傳算法,結(jié)合每一日的原負(fù)荷值與兩種措施下的負(fù)荷模型,將目標(biāo)函數(shù)與約束條件代入即可得到分時(shí)電價(jià)與激勵(lì)值的近似最優(yōu)解。在得到優(yōu)化后的分時(shí)電價(jià)與激勵(lì)值之后,將其代入式(14)算出最終優(yōu)化后的需求響應(yīng)負(fù)荷值。

2.2 負(fù)荷聚類下的需求響應(yīng)配電網(wǎng)可靠性計(jì)算方法

一般情況下的配電網(wǎng)可靠性評(píng)估是以系統(tǒng)中負(fù)荷的最大值為依據(jù)計(jì)算配電網(wǎng)在峰負(fù)荷下的可靠性指標(biāo)大小,無(wú)法反映在動(dòng)態(tài)負(fù)荷下可靠性的改變。采用傳統(tǒng)方法分析需求響應(yīng)下的系統(tǒng)可靠性指標(biāo),很難體現(xiàn)需求響應(yīng)對(duì)負(fù)荷整體作用帶給系統(tǒng)可靠性的變化。若直接將負(fù)荷曲線代入可靠性評(píng)估中,由于其負(fù)荷值眾多,計(jì)算十分困難。因此,需要聚類方法將負(fù)荷曲線分為較少的類,并以此刻畫(huà)不同模式下整體負(fù)荷曲線[20]。本文采用改進(jìn)型k-means聚類算法,以年負(fù)荷曲線為對(duì)象對(duì)需求響應(yīng)負(fù)荷曲線進(jìn)行聚類,計(jì)算需求響應(yīng)動(dòng)態(tài)負(fù)荷下的可靠性指標(biāo),建立多級(jí)年負(fù)荷模型[21]。

先求得需求響應(yīng)下的年負(fù)荷曲線,把原負(fù)荷中每一日的負(fù)荷值與時(shí)段劃分結(jié)果代入需求響應(yīng)負(fù)荷優(yōu)化函數(shù),得出每一日分時(shí)電價(jià)與激勵(lì)值的優(yōu)化結(jié)果,并將其代入兩種措施下的需求響應(yīng)負(fù)荷模型,得到不同措施下的需求響應(yīng)年負(fù)荷曲線。

隨后,利用改進(jìn)的k-means聚類算法對(duì)需求響應(yīng)負(fù)荷中每一天的最大負(fù)荷值進(jìn)行聚類,得到聚類分組結(jié)果與分布概率。將每一組負(fù)荷代入配電網(wǎng)蒙特卡洛模擬過(guò)程[22],算出不同組可靠性指標(biāo),通過(guò)與分布概率的加權(quán)得出系統(tǒng)最終的可靠性指標(biāo)值,具體流程如下。

步驟1:先通過(guò)1.1節(jié)所提的時(shí)段劃分方法確定原負(fù)荷中每一天的峰、谷、平時(shí)間段。

步驟2:在峰、谷、平時(shí)段確定的情況下,利用式(15)對(duì)式(14)中需求響應(yīng)負(fù)荷模型進(jìn)行優(yōu)化,得到優(yōu)化后的峰、谷、平電價(jià)與激勵(lì)值。

步驟3:根據(jù)每一天對(duì)應(yīng)的時(shí)段、優(yōu)化后的分時(shí)電價(jià)與激勵(lì)值,將其代入式(14)即可得到兩種措施下需求響應(yīng)年負(fù)荷曲線。

步驟4:將需求響應(yīng)年負(fù)荷曲線里每一日峰負(fù)荷代入改進(jìn)型的k-means聚類算法,取一年中每日峰負(fù)荷的不同值個(gè)數(shù)為n,則聚類數(shù)k=1+lgn/lg 2。先利用層次聚類確定聚類中心,隨后按照傳統(tǒng)k-means聚類算法對(duì)其聚類,直至聚類結(jié)果不發(fā)生變化,從而得到聚類后負(fù)荷的分組與分布概率。

步驟5:把聚類后的每一組負(fù)荷代入配電網(wǎng)蒙特卡洛模擬法中,考慮聯(lián)絡(luò)線的負(fù)荷轉(zhuǎn)移作用,得出系統(tǒng)在需求響應(yīng)年負(fù)荷曲線下的可靠性指標(biāo),并將每一組計(jì)算得到的可靠性指標(biāo)與分布概率加權(quán),得出最終動(dòng)態(tài)負(fù)荷下的需求響應(yīng)可靠性指標(biāo)。

3 仿真分析

3.1 算例說(shuō)明

本文以修改的RBTS-BUS6為對(duì)象,在饋線F1與F2之間增加一條1 MW容量饋線,饋線F1與F2的容量為2 MW,其余不變。利用MATLAB平臺(tái)編寫(xiě)包含改進(jìn)型k-means負(fù)荷聚類算法的RBTS-BUS6配電網(wǎng)可靠性評(píng)估程序,并通過(guò)其中的遺傳算法工具箱對(duì)兩種模式下的需求響應(yīng)負(fù)荷優(yōu)化。先求出需求響應(yīng)調(diào)整后的年負(fù)荷曲線,分析不同需求響應(yīng)模式對(duì)負(fù)荷的影響。然后將負(fù)荷曲線進(jìn)行聚類,并對(duì)聚類結(jié)果進(jìn)行顯著性分析以驗(yàn)證其準(zhǔn)確性。最后,將聚類結(jié)果代入蒙特卡洛模擬過(guò)程計(jì)算配電網(wǎng)可靠性指標(biāo),對(duì)比不同需求響應(yīng)措施下的系統(tǒng)可靠性指標(biāo)變化。

3.2 需求響應(yīng)下的負(fù)荷調(diào)整

先按照本文第1節(jié)內(nèi)容方法對(duì)一年中配電網(wǎng)8 760個(gè)總原始負(fù)荷進(jìn)行時(shí)段劃分,在得到每一日的負(fù)荷時(shí)段劃分后,通過(guò)需求響應(yīng)負(fù)荷優(yōu)化模型得到分時(shí)電價(jià)負(fù)荷控制下的年負(fù)荷曲線。抽取其中某一日數(shù)據(jù)為典型日,其時(shí)段劃分為:峰時(shí)段10:00—12:00,19:00—21:00；平時(shí)段08:00—10:00,12:00—19:00,21:00—23:00；谷時(shí)段00:00—08:00,23:00—24:00。在此時(shí)間分段結(jié)果下,初始電價(jià)為0.7元/(kW·h),價(jià)格彈性系數(shù)、優(yōu)化后的電價(jià)與激勵(lì)值如表1所示,無(wú)負(fù)荷控制分時(shí)電價(jià)負(fù)荷、負(fù)荷控制下的分時(shí)電價(jià)負(fù)荷和原負(fù)荷三者關(guān)系如圖1所示。

表1 分時(shí)電價(jià)彈性系數(shù)與激勵(lì)值Table 1 Elasticity coefficient of time-of-use electricity price and incentive value

可以看到,在分時(shí)電價(jià)作用下,峰負(fù)荷下降、谷負(fù)荷上升,峰谷負(fù)荷差值減小。而加入負(fù)荷控制后可以將峰時(shí)段不可轉(zhuǎn)移的負(fù)荷進(jìn)一步降低,對(duì)于峰時(shí)段不可轉(zhuǎn)移的負(fù)荷通過(guò)基于電價(jià)的需求響應(yīng)措施無(wú)法改變,而通過(guò)負(fù)荷控制能夠直接切除部分該負(fù)荷,在給予補(bǔ)償?shù)臈l件下對(duì)此類負(fù)荷進(jìn)行控制,能夠取得很好的效果。且就整體負(fù)荷而言,加入負(fù)荷控制后的負(fù)荷曲線更為平滑。

在不同的需求響應(yīng)模式下,30 d最大負(fù)荷如圖2所示?？梢钥吹?包含負(fù)荷控制的需求響應(yīng)措施日最大負(fù)荷最小,僅在分時(shí)電價(jià)作用下的負(fù)荷相比原負(fù)荷在峰時(shí)段得到了有效的降低。其中,當(dāng)負(fù)荷水平較高時(shí),兩種需求響應(yīng)模式降低峰負(fù)荷較為明顯,而在低水平下時(shí)僅略有降低。這說(shuō)明本文需求響應(yīng)負(fù)荷的優(yōu)化模型能夠根據(jù)實(shí)際負(fù)荷水平,降低峰負(fù)荷,平緩負(fù)荷曲線。

圖1 不同需求響應(yīng)模式下的日負(fù)荷曲線Fig.1 Daily load curves under different demand response modes

圖2 需求響應(yīng)30 d日負(fù)荷峰值變化Fig.2 Peak value changes of daily load for demand response in thirty days

3.3 負(fù)荷聚類結(jié)果顯著性分析

將原負(fù)荷與不同模式下需求響應(yīng)年負(fù)荷曲線中每日峰負(fù)荷提取出來(lái),依照改進(jìn)的k-means聚類算法對(duì)其進(jìn)行聚類,得到3組不同的分組情況。為確保聚類結(jié)果的準(zhǔn)確性,對(duì)3組聚類數(shù)據(jù)進(jìn)行顯著性檢驗(yàn),其結(jié)果如表2所示。

表2 不同需求響應(yīng)下的負(fù)荷聚類顯著性結(jié)果Table 2 Significant results of load clustering under different demand responses

可以看到,聚類后的3組分類結(jié)果F值遠(yuǎn)遠(yuǎn)大于其查表值,且P值小于1%,這表明顯著性差異存在,驗(yàn)證了分組結(jié)果的有效性。同時(shí)可以看到,聚類級(jí)數(shù)遠(yuǎn)低于365組,因此在利用負(fù)荷曲線對(duì)系統(tǒng)可靠性評(píng)估的過(guò)程中,能夠有效地降低計(jì)算時(shí)間。

3.4 基于負(fù)荷聚類的可靠性評(píng)估

本文設(shè)計(jì)了3種方案評(píng)估配電網(wǎng)在動(dòng)態(tài)負(fù)荷條件下的可靠性,并將不同需求響應(yīng)模式下的負(fù)荷與原負(fù)荷可靠性指標(biāo)進(jìn)行對(duì)比,驗(yàn)證不同措施下的需求響應(yīng)對(duì)配電網(wǎng)可靠性的影響。

方案1是在不采取任何一種需求響應(yīng)措施的情況下,將原負(fù)荷代入2.2節(jié)中負(fù)荷聚類下的配電網(wǎng)可靠性計(jì)算方法,對(duì)系統(tǒng)可靠性指標(biāo)進(jìn)行計(jì)算；方案2對(duì)只采取分時(shí)電價(jià)單一需求響應(yīng)模式下的系統(tǒng)可靠性指標(biāo)進(jìn)行計(jì)算；方案3則是在考慮負(fù)荷控制激勵(lì)與分時(shí)電價(jià)兩種需求響應(yīng)機(jī)制下對(duì)系統(tǒng)的可靠性指標(biāo)進(jìn)行計(jì)算。

由文獻(xiàn)[23]可知配電網(wǎng)各項(xiàng)指標(biāo)的計(jì)算方法,3種方案計(jì)算得到的可靠性指標(biāo)如表3所示。

表3 可靠性指標(biāo)計(jì)算結(jié)果Table 3 Calculation results of reliability indices

通過(guò)將方案1與另外兩種方案對(duì)比可知,兩種不同需求響應(yīng)模式均能有效降低系統(tǒng)平均停電頻率與平均停電時(shí)間,其中包含負(fù)荷控制的方案3的系統(tǒng)指標(biāo)最優(yōu)。從系統(tǒng)供電不足角度看,采用單一措施后的分時(shí)電價(jià)負(fù)荷能大幅度降低系統(tǒng)電量不足期望值(ENS)與平均電量不足期望值(AENS),而包含負(fù)荷控制的分時(shí)電價(jià)相比略有降低。

總體而言,系統(tǒng)在包含負(fù)荷控制的分時(shí)電價(jià)環(huán)境下可靠性最高,單一分時(shí)電價(jià)次之,且采取需求響應(yīng)后的系統(tǒng)可靠性遠(yuǎn)高于不采取需求響應(yīng)的系統(tǒng)。由于分時(shí)電價(jià)能夠轉(zhuǎn)移部分峰時(shí)段負(fù)荷到其他時(shí)段,從而降低系統(tǒng)峰負(fù)荷,而在加入負(fù)荷控制后,能夠直接削減部分峰負(fù)荷,若峰時(shí)段發(fā)生故障則較低的負(fù)荷通過(guò)聯(lián)絡(luò)線與其他饋線相連能夠保障更多的負(fù)荷點(diǎn)供電,因此減少了部分負(fù)荷點(diǎn)的停電總次數(shù)與總時(shí)間,系統(tǒng)平均停電次數(shù)(SAIFI)、系統(tǒng)平均斷電持續(xù)時(shí)間(SAIDI)及ENS指標(biāo)得到了降低,系統(tǒng)平均停電頻率(ASAI)指標(biāo)最高。

4 結(jié)論

本文引入分時(shí)電價(jià)與負(fù)荷控制激勵(lì)兩種需求響應(yīng)機(jī)制,得出不同的需求響應(yīng)模式負(fù)荷,通過(guò)對(duì)配電網(wǎng)負(fù)荷曲線聚類,得到評(píng)估配電網(wǎng)在需求響應(yīng)動(dòng)態(tài)負(fù)荷下的可靠性。利用改進(jìn)型k-means聚類算法對(duì)年負(fù)荷曲線進(jìn)行快速聚類,結(jié)合配電網(wǎng)蒙特卡洛模擬法,在考慮聯(lián)絡(luò)線負(fù)荷轉(zhuǎn)移的條件下建立配電網(wǎng)負(fù)荷曲線聚類可靠性評(píng)估算法,計(jì)算其可靠性指標(biāo),對(duì)比仿真結(jié)果可以得出如下結(jié)論。

1)需求響應(yīng)能夠提高系統(tǒng)的可靠性,相比單一的需求響應(yīng)措施,在分時(shí)電價(jià)的基礎(chǔ)上考慮負(fù)荷激勵(lì)措施能夠獲得更高的系統(tǒng)可靠性。

2)負(fù)荷控制能夠削減部分峰時(shí)段的不可轉(zhuǎn)移負(fù)荷,在結(jié)合分時(shí)電價(jià)后,能在單一的分時(shí)電價(jià)轉(zhuǎn)移部分峰時(shí)段負(fù)荷到其他時(shí)段的基礎(chǔ)上,進(jìn)一步降低峰負(fù)荷,在聯(lián)絡(luò)線容量一定的情況下保證更多的負(fù)荷點(diǎn)不受故障影響。因此,在某些要求高可靠性的供電環(huán)境中,可以采用負(fù)荷控制激勵(lì)與分時(shí)電價(jià)兩種措施下的需求響應(yīng)保障系統(tǒng)的可靠供電。

本文建立了兩種需求響應(yīng)機(jī)制下的負(fù)荷模型,分析不同需求響應(yīng)措施在聯(lián)絡(luò)線負(fù)荷轉(zhuǎn)移條件下對(duì)配電網(wǎng)可靠性的影響。但對(duì)于配電網(wǎng)應(yīng)用場(chǎng)景而言,未考慮負(fù)荷控制對(duì)分布式能源作用從而引起的系統(tǒng)可靠性變化,在后續(xù)的研究中將對(duì)智能配電網(wǎng)場(chǎng)景進(jìn)行豐富,結(jié)合微網(wǎng)能量管理系統(tǒng),分析不同需求響應(yīng)模式對(duì)配電網(wǎng)供電可靠性的影響。

參 考 文 獻(xiàn)

[1] 張欽,王錫凡,王建學(xué),等.電力市場(chǎng)下需求響應(yīng)研究綜述[J].電力系統(tǒng)自動(dòng)化,2008,32(3):97-106.

ZHANG Qin, WANG Xifan, WANG Jianxue, et al. Survey of demand response research in deregulated electricity markets[J]. Automation of Electric Power Systems, 2008, 32(3): 97-107.

[2] EVANGELOPOULOS V A, GEORGILAKIS P S, HATZIARGYRIOU N D. Optimal operation of smart distribution networks: a review of models, methods and future research[J]. Electric Power Systems Research, 2016, 140: 95-106.

[3] PATERAKIS N G, ERDIN? O, CATALO J P S. An overview of demand response: key-elements and international experience[J]. Renewable & Sustainable Energy Reviews, 2017, 69: 871-891.

[4] LAMPRINOS I, HATZIARGYRIOU N D, KOKOS I, et al. Making demand response a reality in Europe: policy, regulations, and deployment status[J]. IEEE Communications Magazine, 2016, 54(12): 108-113.

[5] AALAMI H, YOUSEFI G R, MOGHADAM M P. Demand response model considering EDRP and TOU programs[C]// Transmission and Distribution Conference and Exposition, April 21-24, 2008, Chicago, USA: 1-6.

[6] 謝珍建,于樂(lè),歸三榮,等.國(guó)外需求響應(yīng)技術(shù)在主動(dòng)配電網(wǎng)中的應(yīng)用[J].電力需求側(cè)管理,2015,17(2):59-60.

XIE Zhenjian, YU Le, GUI Sanrong, et al. Application of foreign demand response technology in active distribution network[J]. Power Demand Side Management, 2015, 17(2): 59-60.

[7] 田世明,王蓓蓓,張晶.智能電網(wǎng)條件下的需求響應(yīng)關(guān)鍵技術(shù)[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(22):3576-3589.

TIAN Shiming, WANG Beibei, ZHANG Jing. Key technologies for demand response in smart grid[J]. Proceedings of the CSEE, 2014, 34(22): 3576-3589.

[8] 高賜威,陳曦寒,陳江華,等.我國(guó)電力需求響應(yīng)的措施與應(yīng)用方法[J].電力需求側(cè)管理,2013,15(1):1-4.

GAO Ciwei, CHEN Xihan, CHEN Jianghua, et al. Measures and application of China’s demand response[J]. Power Demand Side Management, 2013, 15(1): 1-4.

[9] 王蓓蓓.面向智能電網(wǎng)的用戶需求響應(yīng)特性和能力研究綜述[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(22):3654-3663.

WANG Beibei. Research on consumers’ response characterics and ability under smart grid: a literatures survey[J]. Proceedings of the CSEE, 2014, 34(22): 3654-3663.

[10] 許子智,曾鳴.美國(guó)電力市場(chǎng)發(fā)展分析及對(duì)我國(guó)電力市場(chǎng)建設(shè)的啟示[J].電網(wǎng)技術(shù),2011,35(6):161-166.

XU Zizhi, ZENG Ming. Analysis on electricity market development in US and its inspiration to electricity market construction in China[J]. Power System Technology, 2011, 35(6): 161-166.

[11] AGHAJANI G R, SHAYANFAR H A, SHAYEGHI H. Demand side management in a smart micro-grid in the presence of renewable generation and demand response[J]. Energy, 2017, 126: 622-637.

[12] 周保榮,黃廷城,張勇軍.計(jì)及激勵(lì)型需求響應(yīng)的微電網(wǎng)可靠性分析[J].電力系統(tǒng)自動(dòng)化,2017,41(13):70-78.DOI:10.7500/AEPS20160926016.

ZHOU Baorong, HUANG Tingcheng, ZHANG Yongjun. Reliability analysis on microgrid considering incentive demand response[J]. Automation of Electric Power Systems, 2017, 41(13): 70-78. DOI: 10.7500/AEPS20160926016.

[13] CELEBI E, FULLER J D. Time-of-use pricing in electricity markets under different market structures[J]. IEEE Transactions on Power Systems, 2012, 27(3): 1170-1181.

[14] MEDINA J, MULLER N, ROYTELMAN I. Demand response and distribution grid operations: opportunities and challenges[J]. IEEE Transactions on Smart Grid, 2010, 1(2): 193-198.

[15] 趙洪山,王瑩瑩,陳松.需求響應(yīng)對(duì)配電網(wǎng)供電可靠性的影響[J].電力系統(tǒng)自動(dòng)化,2015,39(17):49-55.DOI:10.7500/AEPS20150205007.

ZHAO Hongshan, WANG Yingying, CHEN Song. Impact of demand response on distribution system reliability[J]. Automation of Electric Power Systems, 2015, 39(17): 49-55. DOI: 10.7500/AEPS20150205007.

[16] KAHROBAEE S, ASGARPOOR S. The effect of demand side management on reliability of automated distribution systems[C]// IEEE Technologies for Sustainability, August 1-2, 2013, Portland, USA: 179-183.

[17] AALAMI H A, MOGHADDAM M P, YOUSEFI G R. Demand response modeling considering interruptible/curtailable loads and capacity market programs[J]. Applied Energy, 2010, 87(1): 243-250.

[18] SCHWEPPE F C, CARAMANIS M C, TABORS R D, et al. Spot pricing of electricity[M]. USA: Springer, 1988.

[19] AZAMI R, FARD A F. Impact of demand response programs on system and nodal reliability of a deregulated power system[C]// IEEE International Conference on Sustainable Energy Technologies, November 24-27, 2008, Singapore: 1262-1266.

[20] 邵黎.計(jì)及負(fù)荷變化的配電網(wǎng)可靠性評(píng)估模型與算法研究[D].重慶:重慶大學(xué),2007.

[21] 陳凡,劉海濤,黃正,等.基于改進(jìn)k-均值聚類的負(fù)荷概率模型[J].電力系統(tǒng)保護(hù)與控制,2013,41(22):128-133.

CHEN Fan, LIU Haitao, HUANG Zheng, et al. Probabilistic load model based on improvedk-means clustering algorithm[J]. Power System Protection and Control, 2013, 41(22): 128-133.

[22] ZHAO H S, LIU H Y, CHEN S, et al. Reliability assessment of distribution network considering preventive maintenance[C]// IEEE Power and Energy Society General Meeting, July 17-21, 2016, Boston, USA: 1-5.

[23] IEEE guide for electric power distribution reliability indices-redline[S]. 2012.