傅質(zhì)馨，李紫嫣，李寒兵，朱俊澎，袁越

(1.河海大學(xué)能源與電氣學(xué)院，南京市211100；2.河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心，南京市 211100；3. 國(guó)網(wǎng)江蘇省電力有限公司，南京市210000)

0 引 言

2020年1—7月，全國(guó)全社會(huì)總用電量為40 381億kW·h，城鄉(xiāng)居民生活用電量為6 314億kW·h，居民用電占全社會(huì)用電量比重相當(dāng)可觀，達(dá)15.6%[1]。因此通過(guò)調(diào)節(jié)居民負(fù)荷的峰谷差來(lái)增強(qiáng)電網(wǎng)穩(wěn)定性，通過(guò)智能用電來(lái)節(jié)能節(jié)電是非常必要的[2]。隨著泛在物聯(lián)網(wǎng)的大力發(fā)展，現(xiàn)有的電力系統(tǒng)逐步轉(zhuǎn)變?yōu)楦哂袕椥愿屿`活的智能電力能源系統(tǒng)[3]。

分時(shí)電價(jià)鼓勵(lì)用戶合理安排用電時(shí)間[4]，但在多數(shù)現(xiàn)有研究中，分時(shí)電價(jià)機(jī)制無(wú)法體現(xiàn)電網(wǎng)與用戶之間的交互關(guān)系。因此相關(guān)部門及專家學(xué)者提出了具有促進(jìn)居民用戶參與電網(wǎng)調(diào)峰的激勵(lì)機(jī)制，在居民用電需求降低時(shí)給予一定的補(bǔ)貼。將分時(shí)電價(jià)和激勵(lì)補(bǔ)貼機(jī)制相結(jié)合能夠更好地促進(jìn)供電端與用電端的互動(dòng)，實(shí)現(xiàn)用戶自動(dòng)響應(yīng)電網(wǎng)需求的智能用電[5]。

目前，關(guān)于分時(shí)電價(jià)、激勵(lì)補(bǔ)貼機(jī)制以及智能家居的優(yōu)化調(diào)度[6-8]都已經(jīng)有大量的研究。在分時(shí)電價(jià)、激勵(lì)補(bǔ)貼機(jī)制方面，文獻(xiàn)[5]針對(duì)工商業(yè)用戶設(shè)計(jì)關(guān)于分時(shí)電價(jià)和激勵(lì)機(jī)制的電力套餐來(lái)優(yōu)化電力負(fù)荷曲線，對(duì)工商業(yè)負(fù)荷曲線進(jìn)行削峰填谷。文獻(xiàn)[9]建立激勵(lì)機(jī)制作為分時(shí)電價(jià)機(jī)制的補(bǔ)充，引導(dǎo)居民合理避峰用電，使電網(wǎng)和用戶雙方獲益。文獻(xiàn)[10]考慮用戶有限理性行為在實(shí)際決策時(shí)的不確定性影響，設(shè)計(jì)一種峰谷組合電力套餐，主動(dòng)引導(dǎo)用戶用電。文獻(xiàn)[11]利用數(shù)據(jù)挖掘技術(shù)對(duì)電力用戶歷史負(fù)荷進(jìn)行分析，構(gòu)建了分時(shí)電價(jià)優(yōu)化模型，根據(jù)用戶負(fù)荷特征提供不同電力零售價(jià)格。文獻(xiàn)[12]根據(jù)用戶用電行為的差異性和相似性，構(gòu)建售電側(cè)的分時(shí)電價(jià)模型，并用遺傳算法和縱橫交叉法對(duì)模型求解。在智能家居的優(yōu)化調(diào)度方面，文獻(xiàn)[13-14]考慮了用戶用電行為的不確定性，建立家電動(dòng)態(tài)優(yōu)先級(jí)的模型，制定家電實(shí)時(shí)關(guān)斷機(jī)制，對(duì)計(jì)劃外用電合理控制。文獻(xiàn)[15]對(duì)含柔性負(fù)荷的智能小區(qū)建模，以減少居民用電費(fèi)用和降低負(fù)荷峰值為目標(biāo)，合理調(diào)度柔性負(fù)荷的使用。文獻(xiàn)[16]考慮多用戶的負(fù)荷調(diào)度問(wèn)題，將多類別設(shè)備和多住宅聯(lián)合考慮。文獻(xiàn)[17]基于馬爾科夫鏈考慮實(shí)時(shí)電價(jià)信息和用戶的隨機(jī)行為等不確定因素對(duì)家庭用電優(yōu)化調(diào)度的影響。綜合現(xiàn)有文獻(xiàn)成果，現(xiàn)有研究一方面?zhèn)戎赜诨诜謺r(shí)電價(jià)和激勵(lì)補(bǔ)貼機(jī)制提出有效的電力套餐來(lái)實(shí)現(xiàn)用戶負(fù)荷曲線的削峰填谷，另一方面則在考慮用戶用電行為的情況下提出家庭用電設(shè)備的優(yōu)化調(diào)度策略。本文擬將上述兩方面研究相結(jié)合，針對(duì)目前用戶日負(fù)荷峰谷差較大、用戶參與電網(wǎng)需求響應(yīng)積極性不高的問(wèn)題提出相應(yīng)的家庭設(shè)備優(yōu)化方法。

基于上述分析，本文將充分考慮分時(shí)電價(jià)和激勵(lì)機(jī)制在用電側(cè)有效激勵(lì)居民用戶參與需求響應(yīng)的作用，利用雙層模型實(shí)現(xiàn)家庭能量的優(yōu)化調(diào)度。外層模型對(duì)每一類居民用戶設(shè)計(jì)包含峰谷電量系數(shù)和激勵(lì)補(bǔ)貼的電力套餐，利用動(dòng)態(tài)峰谷電量系數(shù)來(lái)引導(dǎo)居民用電；內(nèi)層模型根據(jù)外層模型的電力套餐響應(yīng)削峰填谷的要求，實(shí)時(shí)調(diào)度用電設(shè)備，由此減小了用戶日負(fù)荷峰谷差并提高了用戶參與電網(wǎng)需求響應(yīng)的積極性。與已有研究相比，本文有以下優(yōu)勢(shì)：

1)提出結(jié)合分時(shí)電價(jià)和激勵(lì)機(jī)制的家庭能量?jī)?yōu)化調(diào)度雙層模型，外層模型對(duì)每一類居民用戶設(shè)計(jì)包含峰谷電量系數(shù)和激勵(lì)補(bǔ)貼的電力套餐，內(nèi)層模型中用戶根據(jù)電力套餐響應(yīng)削峰填谷的要求，實(shí)時(shí)調(diào)度用電設(shè)備。

2)外層模型中，定義衡量日負(fù)荷曲線峰谷差的峰谷電量系數(shù)，在t時(shí)刻實(shí)時(shí)更新用戶的峰谷電量系數(shù)，實(shí)時(shí)反映用戶用電的變化情況。

3)內(nèi)層模型中，提出評(píng)估電力套餐實(shí)施效果的模型，采用日前調(diào)度與實(shí)時(shí)調(diào)度結(jié)合的多時(shí)間尺度優(yōu)化調(diào)度策略，建立設(shè)備優(yōu)先級(jí)模型，同時(shí)模擬用戶計(jì)劃外的用電情況，使用戶日負(fù)荷曲線滿足電力套餐的要求。

1 基于分時(shí)電價(jià)和激勵(lì)機(jī)制雙層優(yōu)化模型

雙層模型可用來(lái)解決具有遞階結(jié)構(gòu)的優(yōu)化問(wèn)題。本文中的雙層模型將需求響應(yīng)機(jī)制與家庭能量調(diào)度策略相結(jié)合，制定出適用于該響應(yīng)機(jī)制的優(yōu)化方法，解決日負(fù)荷曲線峰谷差大、用戶對(duì)電網(wǎng)響應(yīng)程度不高的問(wèn)題。

1.1 外層優(yōu)化模型

1.1.1 居民日負(fù)荷曲線的聚類分析

通過(guò)對(duì)居民用戶的日負(fù)荷曲線進(jìn)行聚類分析，可以合理地制定電力套餐，指導(dǎo)居民用電。采用基于特性指標(biāo)降維的模糊C-均值聚類算法(fuzzy C-means algorithm, FCM)，利用日負(fù)荷特征指標(biāo)對(duì)日負(fù)荷曲線進(jìn)行特征降維，以歐氏距離為相似性依據(jù)，有利于把握日負(fù)荷曲線的主要特征，提高運(yùn)算效率。本文的激勵(lì)機(jī)制在分時(shí)電價(jià)的基礎(chǔ)上制定，因此考慮全天、峰時(shí)、谷時(shí)、平時(shí)4個(gè)角度。選取了6個(gè)特征指標(biāo)作為數(shù)據(jù)降維的依據(jù)，如表1所示。

表1 負(fù)荷曲線的特征指標(biāo)Table 1 Characteristic indices of load curve

在完成數(shù)據(jù)的降維后，采用FCM算法進(jìn)行聚類分析，將特征降維矩陣Y作為輸入。這種模糊聚類描述屬于某一類的可能性，打破了硬性劃分“非此即彼”的局限性，依據(jù)可能性的最大值進(jìn)行聚類。

假設(shè)待聚類數(shù)據(jù)集為X={x1,x2,…,xn}，按特征指標(biāo)降維得到數(shù)據(jù)集Y={y1,y2,…,yn}，其中yj=(yj1,yj2,…,yj6)T為特征屬性向量。每個(gè)樣本對(duì)應(yīng)具有6個(gè)特征屬性，ykj為特征向量yk的第j維特征量。FCM算法中樣本的隸屬度結(jié)果如式(1)所示。

(1)

FCM分析的依據(jù)是聚類目標(biāo)函數(shù)的最優(yōu)化，如式(2)所示。

(2)

式中：U為模糊劃分矩陣；P為聚類中心矩陣；pi=(yi1,yi2,…,yim)T；g∈[0,2]為模糊化程度系數(shù)；dij=‖yj-pi‖為樣本yj與聚類中心pi的歐氏距離。

FCM聚類算法需要預(yù)先設(shè)定聚類數(shù)，所以應(yīng)選取合理的切合實(shí)際的聚類數(shù)進(jìn)行聚類結(jié)果的比較，從而選取最優(yōu)聚類數(shù)。Silhouette指標(biāo)可用來(lái)評(píng)價(jià)聚類質(zhì)量，該指標(biāo)能夠反映類內(nèi)緊湊度和類間分散度。其定義如下：

(3)

式中：di(yj)為樣本yj與類內(nèi)其他樣本的平均距離；do(yj)為樣本yj到類間樣本的平均距離。

當(dāng)類內(nèi)平均距離越小，類間平均距離越大時(shí)，JSil(yj)越大，所有樣本的Silhouette指標(biāo)均值JSilhouette也越大，聚類質(zhì)量越高，JSilhouette如式(4)所示。

(4)

1.1.2 基于分時(shí)電價(jià)制定激勵(lì)機(jī)制

根據(jù)響應(yīng)方式的不同，將需求側(cè)響應(yīng)(demand response, DR)分為基于價(jià)格與基于激勵(lì)兩種。結(jié)合這兩種響應(yīng)方式來(lái)提高用戶參與需求側(cè)響應(yīng)的積極性，在分時(shí)電價(jià)的基礎(chǔ)上針對(duì)每一類居民用戶設(shè)計(jì)電力套餐，鼓勵(lì)居民在高峰時(shí)減少用電，減小峰谷差。采用動(dòng)態(tài)峰谷電量系數(shù)定義日負(fù)荷曲線的峰谷差，如式(5)所示。

(5)

式中：QP(0,t)，QV(0,t)為當(dāng)日0～t時(shí)峰、谷時(shí)段用戶實(shí)際用電的累計(jì)電量；QP0(t,24)，QV0(t,24)為實(shí)施電力套餐前t～24時(shí)峰、谷時(shí)段的累計(jì)電量。

將峰谷電量系數(shù)標(biāo)準(zhǔn)值aPVref和電價(jià)折扣系數(shù)bj作為決策變量。綜合評(píng)估在用戶端落實(shí)該電力套餐時(shí)電網(wǎng)和環(huán)境側(cè)的效益，通過(guò)實(shí)現(xiàn)電網(wǎng)和環(huán)境側(cè)效益的最大化來(lái)制訂電力套餐。電網(wǎng)效益包括電網(wǎng)減少的售電收入Cu，電力套餐的營(yíng)銷和管理支出Ct，備用容量降低、電網(wǎng)側(cè)可免電量成本降低、電網(wǎng)側(cè)穩(wěn)定性安全性增強(qiáng)帶來(lái)的收益Bp；環(huán)境側(cè)效益主要在于用電量減少帶來(lái)的實(shí)際減排價(jià)值Be。電網(wǎng)和環(huán)境側(cè)的效益最大即Bp、Be之和與Cu、Ct之和比值最大。因此分別以各類型的典型家庭用戶為例，針對(duì)日負(fù)荷建立套餐模型，采用遺傳算法對(duì)居民用戶電力套餐進(jìn)行最優(yōu)化。

在DR時(shí)段，用戶能夠響應(yīng)電網(wǎng)避峰運(yùn)行，通過(guò)用戶i對(duì)套餐j的滿意度來(lái)定義該用戶選擇該套餐的可能性。其滿意度包括用戶對(duì)減少的電費(fèi)支出的滿意度和對(duì)電網(wǎng)用電需求響應(yīng)的接受度，響應(yīng)程度用DR時(shí)段峰時(shí)的負(fù)荷減少量描述。這里將文獻(xiàn)[5]提出的評(píng)價(jià)工商業(yè)電力套餐設(shè)計(jì)效果的模型作為后續(xù)建模的參考，見(jiàn)式(6)—(13)。

定義用戶的電費(fèi)支出滿意度為：

(6)

式中：B′ui，Buij為用戶i采用套餐前后在的日電費(fèi)支出；bj為電價(jià)折扣系數(shù)；ft為峰谷平時(shí)段的電價(jià)；ηij,t為用戶i采用套餐后在t時(shí)段的用電量的百分比；Qi為用戶i的日用電量。

定義用戶對(duì)電網(wǎng)用電需求響應(yīng)的接受度為：

(7)

因此綜合考慮用戶對(duì)電費(fèi)支出的滿意度和對(duì)電網(wǎng)用電的響應(yīng)程度，αi表示用戶對(duì)以上兩者的敏感程度。用戶i選擇套餐j后的滿意度為：

Uij=αiUij,1+(1-αi)Uij,2，αi∈[0,1]

(8)

定義用戶i選擇某一套餐的可能性為：

(9)

用戶i選擇某一套餐可減少的電費(fèi)支出為：

(10)

電網(wǎng)側(cè)收益的計(jì)算公式為：

(11)

式中：Ap為輸變線路及基站的單位平均造價(jià)；Af為峰時(shí)和谷時(shí)購(gòu)電的單位成本差價(jià)；AVOLL、pLOLP為電力失負(fù)荷價(jià)值和電力系統(tǒng)失負(fù)荷概率；ASMP為電力邊際成本；k1為備用容量占比；k2為輸配電網(wǎng)損耗系數(shù)；ΔP為峰荷可能的削減量；ΔQ為峰時(shí)段用戶對(duì)電網(wǎng)需求側(cè)響應(yīng)可能的響應(yīng)量。

環(huán)境側(cè)效益可表示為：

Be=(σCO2VCO2+σSO2VSO2+σNOxVNOx)ΔQA+
Δξcgφ(σCO2VCO2+σSO2VSO2+σNOxVNOx)QA=
rΣΔQA+ΔξcgφrΣQA

(12)

式中：σCO2、σSO2、σNOx為CO2、SO2、NOx的減排系數(shù)；VCO2，VSO2，VNOx為CO2、SO2、NOx的減排價(jià)值；ΔQA為降低的總發(fā)電量；QA為總發(fā)電量；cg為供電煤耗；φ為單位煤耗下降率；rΣ為降低每單位發(fā)電量的減排價(jià)值。此外，提高負(fù)荷率可以提高燃煤經(jīng)濟(jì)性，減少溫室氣體排放，因此定義Δξ為負(fù)荷率上升的百分點(diǎn)。

綜上，居民用戶電力套餐設(shè)計(jì)的優(yōu)化模型如式(13)所示：

(13)

1.2 內(nèi)層優(yōu)化模型

雙層模型的內(nèi)層主要給出適用于電力套餐的家庭能量調(diào)度策略。選取某一類中的一個(gè)典型用戶分析其用電情況，以電力套餐效用最大化為目標(biāo)，在電網(wǎng)激勵(lì)成本最小的基礎(chǔ)上獲得最大的峰谷電量系數(shù)下降率，滿足外層模型提出的對(duì)負(fù)荷曲線整體的峰谷差控制。由于用戶用電行為的隨機(jī)性，還需要實(shí)時(shí)校驗(yàn)峰谷電量系數(shù)，并且在發(fā)生計(jì)劃外用電且當(dāng)前的峰谷電量系數(shù)超過(guò)標(biāo)準(zhǔn)值時(shí)，重新調(diào)整用電計(jì)劃。根據(jù)設(shè)備的優(yōu)先級(jí)查看是否延遲設(shè)備的使用、或者實(shí)時(shí)關(guān)斷相關(guān)設(shè)備。

1.2.1 模擬實(shí)施電力套餐前后的日負(fù)荷曲線

模擬某家庭用戶的家庭能量管理框架，包括：洗衣機(jī)、洗碗機(jī)、吸塵器、加濕器1、加濕器2、加濕器3、飲水機(jī)1、飲水機(jī)2、熨斗、熱水器、空調(diào)1、空調(diào)2、電烤箱等日常家庭用電設(shè)備。

考慮每個(gè)家庭的用電設(shè)備使用需求以及設(shè)備本身的使用特性，通過(guò)遺傳算法模擬實(shí)施電力套餐前后的日負(fù)荷曲線，每個(gè)設(shè)備的運(yùn)行時(shí)間作為決策變量，得到家庭用電設(shè)備運(yùn)行情況。

首先考慮不減少居民的用電需求，負(fù)荷調(diào)度以可轉(zhuǎn)移負(fù)荷為主。設(shè)定用戶使用套餐前后的峰谷電量系數(shù)下降率作為評(píng)估電力套餐實(shí)施效果的標(biāo)準(zhǔn)，且使用套餐后的峰谷電量系數(shù)小于標(biāo)準(zhǔn)值，如式(14)所示。

(14)

另一方面，積分激勵(lì)過(guò)高也會(huì)給電網(wǎng)帶來(lái)成本壓力，積分激勵(lì)成本盡可能地少也是目標(biāo)之一，如式(15)所示。

minf2=Cu

(15)

電力套餐的效用最大化定義為以最小的電網(wǎng)激勵(lì)獲得最大的峰谷電量系數(shù)下降率，效用函數(shù)如式(16)所示。

maxF=f1/f2

(16)

1.2.2 基于電力套餐實(shí)時(shí)關(guān)斷用電設(shè)備

為了進(jìn)一步調(diào)控峰谷電量系數(shù)值，考慮可中斷負(fù)荷，在滿足用戶基本用電需求的前提下，優(yōu)先關(guān)斷設(shè)備優(yōu)先級(jí)最低的家用電器。

本節(jié)對(duì)峰時(shí)段的用電情況進(jìn)行調(diào)整，將DR時(shí)段設(shè)定為19：00—22：00，DR間隔時(shí)間τ為1 min。實(shí)時(shí)監(jiān)測(cè)智能家電的運(yùn)行狀態(tài)、運(yùn)行參數(shù)，用設(shè)備舒適度來(lái)描述家電的優(yōu)先級(jí)，實(shí)時(shí)更新動(dòng)態(tài)優(yōu)先級(jí)，舒適度指數(shù)越大，用戶的滿意度越低，其用電優(yōu)先級(jí)越高。本節(jié)可調(diào)度的設(shè)備以熱水器和空調(diào)為例，并對(duì)其進(jìn)行建模，表示出其動(dòng)態(tài)優(yōu)先級(jí)：

1)熱水器模型。

熱水器t+1時(shí)刻各個(gè)工作狀態(tài)的水溫TW,t+1如式(17)—(20)所示，假設(shè)熱水器水箱內(nèi)各處的水溫相同，且不考慮熱水器的具體模型。

Suse,t=0,SW,t=0時(shí)，TW,t+1=TW,t-Tdis(0)

(17)

Suse,t=1,SW,t=0時(shí)，TW,t+1=TW,t-Tdis(1)

(18)

Suse,t=0,SW,t=1時(shí)，TW,t+1=TW,t-Tdis(0)+kPW

(19)

Suse,t=1,SW,t=1時(shí)，TW,t+1=TW,t-Tdis(1)+kPW

(20)

式中：在[t,t+1]時(shí)段，Sues,t為用戶的用水狀態(tài)，Sues,t=0表示用戶未使用熱水，Sues,t=1時(shí)表示用戶使用熱水；SW,t為熱水器的工作狀態(tài)，SW,t=0表示熱水器關(guān)閉，SW,t=1表示熱水器開(kāi)啟；未使用熱水和正使用熱水時(shí)，水溫每分鐘分別降低Tdis(0)，Tdis(1)；k為熱水器開(kāi)啟時(shí)單位時(shí)間功率水溫升高的溫度，℃·min-1·kW-1；PW為熱水器額定功率。

舒適度指數(shù)越大，表示水溫越偏離最高水溫，則應(yīng)當(dāng)優(yōu)先開(kāi)啟熱水器使水升溫，熱水器的舒適度指數(shù)KW,t如式(21)所示。

(21)

式中：TWmax，TWmin為用戶設(shè)定的熱水器最高和最低溫度。

2)空調(diào)模型。

當(dāng)空調(diào)在[t,t+1]處于開(kāi)啟和關(guān)閉狀態(tài)時(shí)，t+1時(shí)刻的室溫TAC,t+1如式(22)、(23)所示，運(yùn)行約束條件如式(24)所示。

(22)

(23)

T∈[TACmin,TACmax]

(24)

式中：Ra為空調(diào)熱阻系數(shù)；Ca為空調(diào)熱容；Qa為空調(diào)功率；Tout為室外溫度；TACmin，TACmax為用戶設(shè)定的最低和最高室溫。舒適度指數(shù)越大，表示室溫越偏離最低室溫，則應(yīng)當(dāng)優(yōu)先開(kāi)啟空調(diào)使室內(nèi)降溫，空調(diào)的舒適度指數(shù)KAC,t計(jì)算如式(25)所示。

(25)

1.3 居民優(yōu)化調(diào)度的總體思路和仿真流程

基于分時(shí)電價(jià)和激勵(lì)機(jī)制的雙層用電優(yōu)化調(diào)度策略總體思路和流程如圖1、2所示。

圖1 聯(lián)合供用電端優(yōu)化日負(fù)荷曲線合理調(diào)度用戶用電的總體思路圖Fig.1 General idea chart of optimizing daily load curve and rationally scheduling power consumption for the combined power supply and consumption

流程圖的左半部分用于實(shí)現(xiàn)外層優(yōu)化設(shè)計(jì)電力套餐，向右半部份的內(nèi)層優(yōu)化輸入設(shè)計(jì)的套餐參數(shù)，即峰谷電量系數(shù)和電價(jià)折扣系數(shù)，以選擇的套餐中的峰谷系數(shù)標(biāo)準(zhǔn)值作為約束條件進(jìn)行內(nèi)層優(yōu)化。

優(yōu)化調(diào)度策略步驟如下：

1)讀取用戶的日負(fù)荷曲線，基于特征指標(biāo)將高維的負(fù)荷數(shù)據(jù)降維，采用FCM算法對(duì)日負(fù)荷曲線進(jìn)行聚類分析。

2)針對(duì)每一類居民用戶，設(shè)計(jì)電力套餐，使峰谷電量系數(shù)與激勵(lì)機(jī)制的折扣系數(shù)滿足電網(wǎng)側(cè)和環(huán)境側(cè)的效益最好。

3)根據(jù)峰谷電量系數(shù)模擬實(shí)施電力套餐前后的日負(fù)荷曲線，靈活調(diào)度可轉(zhuǎn)移負(fù)荷。

4)當(dāng)有計(jì)劃外用電行為發(fā)生時(shí)，計(jì)算峰谷電量系數(shù)是否超過(guò)標(biāo)準(zhǔn)值，若超過(guò)標(biāo)準(zhǔn)值，則依據(jù)家電的動(dòng)態(tài)優(yōu)先級(jí)實(shí)時(shí)開(kāi)斷設(shè)備。

2 仿真結(jié)果分析

2.1 居民日負(fù)荷曲線聚類情況

在展開(kāi)雙層優(yōu)化模型的仿真分析時(shí)，選取中國(guó)華東地區(qū)某市2020年8月某工作日實(shí)測(cè)的298個(gè)用戶的有效日負(fù)荷曲線作為研究對(duì)象，每60 min采集一次，共計(jì)24個(gè)量測(cè)點(diǎn)。假設(shè)針對(duì)華東地區(qū)的居民用戶設(shè)計(jì)在夏季適用的電力套餐，且假定用戶會(huì)選取標(biāo)準(zhǔn)值與自身峰谷電量系數(shù)相近的套餐。該市擬采用分時(shí)電價(jià)，分時(shí)電價(jià)的劃分如表2所示。

表2 分時(shí)電價(jià)Table 2 Time-of-use price

結(jié)合日負(fù)荷曲線的可能類數(shù)和Silhouette指標(biāo)確定最佳聚類數(shù)，結(jié)合實(shí)際情況對(duì)聚類數(shù)2～6進(jìn)行仿真，由表3可知，當(dāng)聚類數(shù)為4時(shí)，Silhouette指標(biāo)的值最大，因此4為最佳聚類數(shù)。聚類結(jié)果如圖3所示。

圖3 基于模糊C聚類算法的日負(fù)荷曲線聚類結(jié)果Fig.3 Clustering results of daily load curve from FCM algorithm

表3 聚類質(zhì)量分析Table 3 Cluster quality analysis

2.2 電力套餐的設(shè)計(jì)

最優(yōu)電力套餐如表4所示，優(yōu)化結(jié)果顯示家庭用電的峰谷系數(shù)越小，對(duì)削峰填谷的貢獻(xiàn)度越大，電價(jià)折扣系數(shù)越小。

表4 最優(yōu)電力套餐Table 4 Optimal power plan

居民用戶的用電習(xí)慣不同將導(dǎo)致日間負(fù)荷出現(xiàn)峰谷的時(shí)間不同或是出現(xiàn)峰值的次數(shù)不同，使得峰谷電量系數(shù)相差較大。依據(jù)聚類分析得到4類用戶，因此設(shè)計(jì)4種電力套餐，推薦1、2、3、4類用戶分別選擇套餐1、2、3、4，滿足不同用戶的用電習(xí)慣。

當(dāng)用戶選擇的套餐中的峰谷電量系數(shù)標(biāo)準(zhǔn)值與用戶只按照自身習(xí)慣用電的峰谷電量系數(shù)相近時(shí)，只需要稍稍改變個(gè)別設(shè)備的用電時(shí)間，錯(cuò)峰用電，即可滿足該套餐的要求，獲得相應(yīng)的電價(jià)折扣系數(shù)，節(jié)約了用電費(fèi)用。

表5統(tǒng)計(jì)了各類典型居民用戶分別采用推薦的電力套餐后的情況，從日電費(fèi)下降百分比、電費(fèi)支出滿意度Uij,1、用戶對(duì)電網(wǎng)響應(yīng)程度的接受度Uij,2這3個(gè)方面證明電力套餐的經(jīng)濟(jì)性、可行性。表中用戶對(duì)于電費(fèi)支出滿意度的增長(zhǎng)都超過(guò)對(duì)電網(wǎng)響應(yīng)程度接受度的降低，若用戶對(duì)二者的敏感度相同，則由式(8)可知，用戶對(duì)該電力套餐的滿意度大于1，證明用戶在使用對(duì)應(yīng)電力套餐后可以獲益。

表5 居民使用電力套餐后對(duì)電費(fèi)支出和對(duì)電網(wǎng)響應(yīng)程度的滿意度Table 5 Residents’ satisfaction with electricity bills and response to the grid after using electricity plans

2.3 日負(fù)荷曲線的模擬及實(shí)時(shí)的家電運(yùn)行情況

選取夏季某一天的日負(fù)荷曲線，在居民側(cè)驗(yàn)證電力套餐的使用情況，假設(shè)參與仿真的家庭均已配備能夠準(zhǔn)確監(jiān)測(cè)設(shè)備用電狀態(tài)的智能設(shè)備和實(shí)時(shí)關(guān)斷設(shè)備的智能開(kāi)關(guān)。模擬實(shí)施電力套餐前后的日負(fù)荷曲線，當(dāng)發(fā)生計(jì)劃外用電時(shí)，再重新調(diào)整用電計(jì)劃。

以第1類的某家庭為例，該家庭的可調(diào)度設(shè)備的用電信息如表6所示。

表6 可調(diào)度設(shè)備的用電信息Table 6 Power consumption information of the dispatching equipment

根據(jù)表格中可調(diào)度設(shè)備的可運(yùn)行時(shí)間、最小運(yùn)行時(shí)長(zhǎng)及設(shè)備的可轉(zhuǎn)移特性，采用遺傳優(yōu)化算法，模擬實(shí)施電力套餐前后的日負(fù)荷曲線最優(yōu)負(fù)荷調(diào)度情況，如圖4所示，第1類的典型用戶實(shí)施套餐后的日負(fù)荷曲線趨于平滑，峰谷電量系數(shù)明顯減小，峰谷電量系數(shù)下降率達(dá)20%，優(yōu)化調(diào)度前用戶的電費(fèi)支出為44.09元，優(yōu)化調(diào)度后用戶的電費(fèi)支出為40.22元，用戶的電費(fèi)支出降低了8.78%，此時(shí)用戶的電力套餐效用值最大。

圖4 實(shí)施電力套餐前后的負(fù)荷曲線Fig.4 Load curve before and after implementation of power package

2.4 基于動(dòng)態(tài)優(yōu)先級(jí)的智能家電控制仿真分析

進(jìn)一步考慮部分家用設(shè)備的可中斷特性，選取實(shí)施套餐后的第1類日負(fù)荷曲線進(jìn)行分析。熱水器和空調(diào)的參數(shù)參考文獻(xiàn)[18-19]：TW,1為52 ℃，TW,max為60 ℃，TW,max為42 ℃，Tdis(0)為1/60 ℃，Tdis(1)為0.5 ℃，k為0.2 ℃/(kWmin)，PW為3.5 kW；Ra為0.12 ℃/W，Ca為3 600 J/℃，Qa為3 kW，Tout為36 ℃，TACmax為26 ℃，TACmin為22 ℃。假設(shè)在前面得到的日負(fù)荷曲線的基礎(chǔ)上，用戶想在峰時(shí)段增加熱水器的使用以滿足熱水的需求，并增加空調(diào)的使用以調(diào)節(jié)室內(nèi)溫度達(dá)到舒適的水平，同時(shí)保證滿足此類用戶的峰谷電量系數(shù)。

若在20：00—21：00需要使用熱水，夜間20:00到21:00的部分時(shí)段需要打開(kāi)熱水器保持舒適的溫度。若需要在19:00—22:00使室內(nèi)保持在用戶設(shè)定的溫度范圍，則空調(diào)需要在這個(gè)時(shí)段內(nèi)間斷的多次打開(kāi)空調(diào)。當(dāng)僅考慮滿足用戶的用電需求，而不考慮滿足峰谷電量系數(shù)標(biāo)準(zhǔn)值時(shí)，用戶19：00—22：00這段時(shí)間的計(jì)劃外用電情況如圖5所示，此時(shí)的峰谷電量系數(shù)為3.481，已超過(guò)標(biāo)準(zhǔn)值。

圖5 計(jì)劃外家電運(yùn)行情況Fig.5 Unplanned operation of home appliances

實(shí)施套餐后的第1類日負(fù)荷曲線的峰谷電量系數(shù)為3.2，調(diào)整計(jì)劃外的用電情況，使峰谷電量系數(shù)不超過(guò)標(biāo)準(zhǔn)值3.365，若熱水器和空調(diào)正在運(yùn)行，查看并比較它們的動(dòng)態(tài)優(yōu)先級(jí)，關(guān)斷優(yōu)先級(jí)更低的設(shè)備。圖6所示即為19:00—22:00滿足峰谷電量系數(shù)標(biāo)準(zhǔn)值的計(jì)劃外家電運(yùn)行情況。19:00用戶開(kāi)啟空調(diào)，7 min內(nèi)室溫迅速?gòu)?6 ℃降低到22.8 ℃，之后間斷地啟停，將室溫維持在22 ℃到26 ℃之間。20:00后，用戶開(kāi)始使用熱水，20 min內(nèi)水溫從初始溫度51 ℃降低到用戶設(shè)置的水溫下限42 ℃，此時(shí)熱水器開(kāi)始工作，為了減少峰時(shí)用電量，熱水器也進(jìn)入間斷啟停的狀態(tài)。為了保證峰谷電量系數(shù)滿足標(biāo)準(zhǔn)值的要求，20:53后停止使用熱水器和空調(diào)。圖6的仿真結(jié)果顯示，熱水的使用并未受到影響，而室溫卻在21:00后均不滿足用戶設(shè)定的室溫上限。

圖6 考慮動(dòng)態(tài)優(yōu)先級(jí)和滿足峰谷系數(shù)標(biāo)準(zhǔn)值的家電運(yùn)行Fig.6 Home appliance operation considering the dynamic priority and meeting the peak-valley coefficient of the standard value

3 結(jié) 論

基于分時(shí)電價(jià)和激勵(lì)補(bǔ)貼的電力套餐的制定，將其運(yùn)用到家庭用電設(shè)備優(yōu)化調(diào)度中，構(gòu)建了調(diào)控日負(fù)荷曲線峰谷差的雙層模型。通過(guò)模型求解和算例分析得到如下結(jié)論：

1)結(jié)合分時(shí)電價(jià)和激勵(lì)機(jī)制的定價(jià)策略可有效調(diào)控居民日負(fù)荷曲線的峰谷差，有利于合理地規(guī)劃居民用電滿足峰谷差的要求，降低用戶電費(fèi)支出，同時(shí)保障了電網(wǎng)側(cè)、環(huán)境及居民用戶的利益。

2)考慮實(shí)時(shí)調(diào)度和引導(dǎo)用戶用電的必要性，設(shè)置衡量日負(fù)荷曲線峰谷差的動(dòng)態(tài)峰谷電量系數(shù)，實(shí)時(shí)更新用戶的峰谷電量系數(shù)，采用日前優(yōu)化與實(shí)時(shí)調(diào)度相結(jié)合的策略，實(shí)時(shí)反映了用戶用電的變化情況，更加有效地考慮了用戶用電的隨機(jī)性。

3)居民用戶電力套餐能有效調(diào)動(dòng)需求側(cè)資源，提升電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和可靠性，降低用戶的電費(fèi)支出，具有良好的實(shí)際應(yīng)用價(jià)值。

在未來(lái)的工作中，將考慮更多影響分時(shí)電價(jià)和激勵(lì)補(bǔ)貼機(jī)制的因素，例如光伏發(fā)電、電動(dòng)汽車充放電、能源價(jià)格等不確定因素。