張曉東，艾 欣，潘璽安

(新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，北京 102206)

0 引 言

隨著分布式能源在配電網(wǎng)中的滲透率不斷提高以及傳統(tǒng)電網(wǎng)向智能電網(wǎng)的轉(zhuǎn)換，其存在的間歇性、不確定性等問題將導(dǎo)致配電系統(tǒng)的規(guī)劃、控制和平衡更加復(fù)雜[1]。需求響應(yīng)(demand response，DR)作為電力系統(tǒng)源-網(wǎng)-荷互動靈活調(diào)節(jié)的方法，因?yàn)槟軌驅(qū)崿F(xiàn)功率的快速調(diào)節(jié)，成功解決了從電源側(cè)著手電網(wǎng)調(diào)峰所造成的高成本及發(fā)電容量利用效率降低的難題[2]。然而，由于單個需求側(cè)資源容量小，彈性水平較低，往往很難滿足參與DR的最低要求。這種情況下，專業(yè)的負(fù)荷聚合商(Load Aggregator，LA)可以對需求側(cè)資源進(jìn)行整合與量化，幫助用戶靈活管理自己的負(fù)荷，平抑間歇性負(fù)荷波動，降低系統(tǒng)峰谷差，而且與增加裝機(jī)容量相比，投資成本低，具有良好的社會效益和經(jīng)濟(jì)效益[3]。

LA是一個獨(dú)立的組織，其作用是整合需求方的靈活性資源，以集群的方式參加電網(wǎng)調(diào)控，為電網(wǎng)提供輔助服務(wù)。在LA的幫助下，公共電網(wǎng)可以實(shí)現(xiàn)高峰時段能源需求的降低[4]。目前關(guān)于LA的研究主要集中在通過聚合負(fù)荷，控制負(fù)荷的啟停達(dá)到削峰填谷和優(yōu)化負(fù)荷曲線的研究[5]。比如，文獻(xiàn)[6-7]利用LA在電動汽車(Electric Vehicle，EV)和電網(wǎng)之間架起了橋梁，提出了一個結(jié)合日前調(diào)度和實(shí)時調(diào)度計(jì)劃的EVA(Electric Vehicle Aggregator)優(yōu)化調(diào)度模型，旨在聚合轄區(qū)內(nèi)可調(diào)度的EV為電網(wǎng)提供輔助服務(wù)。文獻(xiàn)[8]利用LA聚合用戶柔性負(fù)荷資源參與電網(wǎng)調(diào)控，建立了日前實(shí)時兩階段的投標(biāo)策略模型，并利用非合作博弈模型解決了LA之間的投標(biāo)策略問題。文獻(xiàn)[9-10]中以轉(zhuǎn)移高峰負(fù)荷為目標(biāo)，LA對用戶的多種柔性負(fù)荷進(jìn)行聚類整合，提高了各類柔性負(fù)荷參與電網(wǎng)調(diào)度的效率，給LA和用戶帶來了額外的效益。以上文獻(xiàn)所提出的LA調(diào)度策略均沒有考慮柔性負(fù)荷的可調(diào)度潛力，都是假定在可調(diào)度潛力允許條件下的建模，其結(jié)果可能會嚴(yán)重影響日前投標(biāo)策略的可行性和精確性。

柔性負(fù)荷可調(diào)度潛力的研究與用戶消費(fèi)觀、外部環(huán)境因素和電網(wǎng)運(yùn)行工況密切相關(guān)[11]。文獻(xiàn)[12]提出了一種估計(jì)電動汽車容量的概率分布的有效方法，但是其假定的概率分布難以表征電動汽車的異步性特點(diǎn)。文獻(xiàn)[13]提出一種將電池集群(Electric Bus Battery Groups，EBBG)作為儲能元件參與海島微網(wǎng)運(yùn)行的方案，根據(jù)島上EBBG的管理模式和關(guān)鍵參數(shù)，實(shí)現(xiàn)參與V2G(Vehicle to Grid)服務(wù)的可用容量實(shí)時評估，但缺乏對戶用型電動汽車的建模分析。文獻(xiàn)[14]建立了一種具有排隊(duì)網(wǎng)絡(luò)的電動汽車聚合模型，通過排隊(duì)網(wǎng)絡(luò)的結(jié)構(gòu)，可以分別估計(jì)上調(diào)和下調(diào)調(diào)控的能力，但是這個模型并沒有考慮用戶的各種需求。文獻(xiàn)[15]對中央空調(diào)進(jìn)行分時段的直接負(fù)荷控制，提出了一種可調(diào)度潛力評估方法。文獻(xiàn)[16]從服務(wù)控制的角度入手，將暖通空調(diào)(Heating，Ventilation and Air Conditioning，HVAC)負(fù)荷分為I選檔和II選檔，深度挖掘分檔模式下空調(diào)負(fù)荷的可調(diào)度潛力。但是單一負(fù)荷的可調(diào)度潛力不能全面表征用戶的用電行為特征，必須綜合考慮用戶的用電行為特征。

綜上，本文針對以上研究的不足，首先考慮EV行程要求和舒適度建立了每日兩次出行的電動汽車充放電模型，求解出EV充放電可調(diào)度潛力。其次利用室溫時變方程提出暖通空調(diào)在最舒適溫度下的最優(yōu)運(yùn)行策略，求出HVAC的可調(diào)度潛力。最后考慮兩種柔性負(fù)荷的可調(diào)度潛力，在負(fù)荷高峰時段，以LA的利益最大化為目標(biāo)，建立LA之間的非合作博弈模型確定各時段向電力市場的投標(biāo)量，實(shí)現(xiàn)LA和電力用戶的共同利益，達(dá)到削峰填谷和抑制負(fù)荷反彈的目的。

1 考慮用戶可調(diào)度潛力的負(fù)荷聚合商調(diào)度架構(gòu)

按柔性負(fù)荷響應(yīng)電網(wǎng)調(diào)度的方式可以分為價格型響應(yīng)和激勵型響應(yīng)兩種模式。前者通過制定最優(yōu)電價間接地引導(dǎo)用戶用電行為，其響應(yīng)效果取決于用戶的意愿，具有不確定性和調(diào)度潛力有限等局限性。后者屬于直接性的柔性負(fù)荷調(diào)度方法，常見于負(fù)荷聚合商或配電中心和終端用戶簽訂用電協(xié)議，獲取調(diào)度權(quán)利。本文采用后者，LA與社區(qū)內(nèi)愿意參與DR的用戶簽訂合同，簽完合同后LA將會獲得用戶柔性負(fù)荷的直接控制權(quán)，LA與電力用戶通過智能電表、信息通信設(shè)施實(shí)現(xiàn)柔性負(fù)荷信息的實(shí)時共享。最重要的一點(diǎn)是，LA會根據(jù)每種柔性負(fù)荷的可調(diào)度潛力安排柔性負(fù)荷的運(yùn)行，所以可以滿足用戶的用電舒適度。因?yàn)長A主要負(fù)責(zé)參與電網(wǎng)調(diào)度中心發(fā)起的DR項(xiàng)目的用戶減負(fù)荷工作，所以為了減少對用戶的影響，本文假定LA只對在用戶負(fù)荷中占比較重的EV和HVAC進(jìn)行直接控制。本文提出的調(diào)度架構(gòu)如圖1所示，LA參與用戶柔性負(fù)荷調(diào)度的流程如下所示：

圖1 考慮用戶可調(diào)度潛力的負(fù)荷聚合商調(diào)度架構(gòu)Fig.1 Load aggregator scheduling architecture considering user’s scheduling potential

(1)電網(wǎng)調(diào)度部門進(jìn)行負(fù)荷預(yù)測并下發(fā)次日的削峰時段。

(2)用戶將海量的柔性負(fù)荷信息提供給LA。

(3)LA接收到用戶的柔性負(fù)荷信息后計(jì)算出各類柔性負(fù)荷的可調(diào)度潛力。

(4)在完全信息的環(huán)境中，LA根據(jù)可調(diào)度潛力，以各自的利益最大化為目標(biāo)，利用非合作博弈解決LA之間的最優(yōu)投標(biāo)決策問題，對柔性負(fù)荷進(jìn)行最優(yōu)調(diào)度。

(5)實(shí)時調(diào)度階段LA根據(jù)日前電力市場的投標(biāo)量，在滿足各用戶的用能需求的前提下，對EV和HVAC等柔性負(fù)荷資源進(jìn)行功率分配。

2 柔性負(fù)荷可調(diào)度潛力模型

2.1 EV負(fù)荷可調(diào)度潛力模型

現(xiàn)階段，國內(nèi)外學(xué)者在EV負(fù)荷充放電優(yōu)化調(diào)度控制方面已有較多研究，但針對EV充放電可調(diào)度潛力方面的研究文獻(xiàn)較少。因此，下面將從EV用戶的舒適度和用電習(xí)慣作為切入點(diǎn)以數(shù)據(jù)挖掘的方式對EV負(fù)荷的充放電可調(diào)度潛力展開研究。

2.1.1 EV負(fù)荷荷電狀態(tài)

本文將分析EV在日內(nèi)四個時段不同充放電狀態(tài)下的可調(diào)度潛力，包括早間時段上班行程中的離網(wǎng)狀態(tài)、日間時段在網(wǎng)充電狀態(tài)、晚間時段行程中的離網(wǎng)狀態(tài)和夜間時段在網(wǎng)充電狀態(tài)下的可調(diào)度潛力[17]。而EV用戶出行是否會收到LA調(diào)度影響與其荷電狀態(tài)密切相關(guān)，因此定義EV每次出行的荷電狀態(tài)閾值：

(1)

式中：SOCth表示EV出行的荷電狀態(tài)閾值；l表示此次行程的距離；L表示EV的最大設(shè)計(jì)里程數(shù)。并要求每次出行荷電狀態(tài)需不低于出行狀態(tài)閾值。

因此，各時段不同充放電狀態(tài)下EV的荷電量為

(2)

式中：SOC(t)表示t時刻的荷電狀態(tài)；tfa、tfl、tsa、tsl分別表示早間時段入網(wǎng)時刻、晚間時段離網(wǎng)時刻、晚間時段入網(wǎng)時刻和早間時段離網(wǎng)時刻；Pev為EV負(fù)荷的充電功率；E為電池容量；α為充放電效率，本文中取α=0.9；T為此次行程的行駛時間。

2.1.2 EV負(fù)荷可調(diào)度潛力

針對不同時段、不同充放電狀態(tài)下的EV可調(diào)度潛力做如下討論：

(1)若EV入網(wǎng)后即刻開始響應(yīng)放電調(diào)度，在調(diào)度結(jié)束的時刻開始充電直至離網(wǎng)。本文設(shè)定EV在網(wǎng)狀態(tài)下，若參與響應(yīng)LA的放電調(diào)度后不影響下一次的出行計(jì)劃，即EV出行時刻的荷電狀態(tài)不低于上述狀態(tài)閾值的話，則認(rèn)為該時刻EV有放電可調(diào)度潛力。定義EV離網(wǎng)時刻的荷電狀態(tài)為SOCl，需滿足SOCl≥SOCth。

(3)

式中：[ta，tend]為充放電調(diào)度時間，可依據(jù)LA的需求進(jìn)行調(diào)整；tl為離網(wǎng)時刻。

(2)若EV入網(wǎng)后仍能完成LA分配的充電調(diào)度任務(wù)，即認(rèn)為該時刻EV具有充電可調(diào)度潛力。定義經(jīng)過充電調(diào)度以后的EV的荷電狀態(tài)為SOCend，需滿足SOCend≤1。

(4)

(3)離網(wǎng)狀態(tài)的充放電可調(diào)度潛力

(5)

(4)在網(wǎng)狀態(tài)的充放電可調(diào)度潛力

(6)

(7)

在網(wǎng)狀態(tài)的充放電可調(diào)度潛力包括日間時段在網(wǎng)的可調(diào)度潛力以及晚間時段在網(wǎng)的可調(diào)度潛力，當(dāng)EV的荷電狀態(tài)滿足最低狀態(tài)閾值要求，即認(rèn)為具有充放電可調(diào)度潛力，反之則不具備可調(diào)度潛力。其中，放電可調(diào)度潛力的值設(shè)為負(fù)值，充電可調(diào)度潛力的值設(shè)為正值。

利用統(tǒng)計(jì)學(xué)的方法可以預(yù)測出LA聚合區(qū)域內(nèi)全部EV的可調(diào)度潛力。

(8)

式中：PEV_CH(t)是全區(qū)t時刻EV負(fù)荷的總的充電可調(diào)度潛力；PEV_DISCH(t)是全區(qū)t時刻EV負(fù)荷總的放電可調(diào)度潛力；M為聚合區(qū)域內(nèi)EV總數(shù)。以荷電狀態(tài)閾值作為EV是否響應(yīng)LA調(diào)度的判據(jù)，可以在最大限度上挖掘EV充放電可調(diào)度潛力的同時，降低對響應(yīng)用戶在出行需求上的影響，并以此保證用戶在參與響應(yīng)過程中的用戶滿意度。

2.2 HVAC負(fù)荷可調(diào)度潛力模型

2.2.1 HVAC負(fù)荷溫控負(fù)荷模型

為了精確的刻畫室溫與消耗功率的關(guān)系，本文參考文獻(xiàn)[18]所用的室溫時變方程描述空調(diào)制冷過程?？照{(diào)制冷期與停機(jī)期的室溫時變方程如下所示：

(9)

式中：Ton(t)、Toff(t)分別表示開啟/關(guān)閉空調(diào)后t時刻的溫度(℃)；Ton(t0)、Toff(t0)分別表示開啟和關(guān)閉空調(diào)初始溫度(℃)；PHVAC代表空調(diào)的額定功率；β是轉(zhuǎn)換效率；a、b、c、d代表室內(nèi)的建筑參數(shù)，見附錄A。

2.2.2 HVAC負(fù)荷可調(diào)度潛力

因?yàn)長A主要負(fù)責(zé)負(fù)荷高峰時段的降負(fù)荷工作，所以HVAC的可調(diào)度潛力在本文中定義為：在保證用戶用電舒適度的條件下，即舒適溫度區(qū)間內(nèi)經(jīng)過優(yōu)化后的負(fù)荷相比于優(yōu)化之前的原負(fù)荷所降功率，即降負(fù)荷可調(diào)度潛力，其他方案下的調(diào)度潛力暫不考慮。HVAC參與LA調(diào)度聚合模型如下所示：

(10)

式中：HVAC負(fù)荷采用以組為單位的統(tǒng)一聚合控制。Pbefore表示m組HVAC在初始運(yùn)行狀態(tài)下T時間段內(nèi)的總功率；Pafter表示該舒適溫度區(qū)間內(nèi)，經(jīng)過優(yōu)化后最經(jīng)濟(jì)的運(yùn)行方案；Pdispath表示經(jīng)過LA調(diào)控以后HVAC的可調(diào)度潛力；S(u,t)是0-1變量，其中，S(u,t)=1表示第u組HVAC在t時刻處于制冷狀態(tài)，S(u,t)=0表示第u組HVAC在t時刻處于停機(jī)狀態(tài)。

(11)

式中：Tin(u,t)表示第u組用戶t時刻的溫度；Tmax(t)和Tmin(t)分別表示用戶設(shè)定的舒適溫度的上下限。LA對HVAC進(jìn)行調(diào)度過程中，用戶滿意度主要體現(xiàn)在對用戶舒適溫度區(qū)間的限制上，且該限制范圍將對HVAC的可調(diào)度潛力產(chǎn)生影響。通過設(shè)置不同的最舒適溫度上下限可以求得HVAC不同的可調(diào)度潛力。

3 負(fù)荷聚合商之間的非合作博弈模型

3.1 負(fù)荷聚合商日前投標(biāo)策略模型

在得到柔性負(fù)荷可調(diào)度潛力的基礎(chǔ)上，各LA根據(jù)電網(wǎng)下發(fā)的負(fù)荷高峰削減時段和市場電價決定t時刻向電力市場的投標(biāo)量，t時刻LA向用戶的售電電價根據(jù)實(shí)時負(fù)荷和歷史電價信息擬合而成[19，20]，即售電電價由所有參與電力市場投標(biāo)的LA共同決定。電網(wǎng)給予LA的補(bǔ)償費(fèi)用跟各LA的負(fù)荷削減量成正比，其補(bǔ)償電價以分時電價的形式給出，而LA向用戶的補(bǔ)償電價以各類負(fù)荷的調(diào)度潛力為依據(jù)，以階梯電價的形式給出。所以，各LA參與市場投標(biāo)會以自身收益最大化為目標(biāo)進(jìn)行投標(biāo)決策，即目標(biāo)函數(shù)是最大化自身的收益，決策變量為t時刻k類柔性負(fù)荷的削減量。

(1)LA投標(biāo)策略的目標(biāo)函數(shù)

(12)

(13)

(2)LA調(diào)度模型的約束條件

(14)

(15)

3.2 LA之間的非合作博弈模型

由目標(biāo)函數(shù)可知，n個LA之間的投標(biāo)問題構(gòu)成了多目標(biāo)優(yōu)化問題，由于各LA負(fù)責(zé)的用戶的柔性負(fù)荷資源參數(shù)不同，不能簡單地將n個LA的收益加和認(rèn)為是最終的利潤。實(shí)際上LA在參與市場投標(biāo)時需要考慮其他聚合商的投標(biāo)量，因?yàn)槊總€LA參與電力市場都會對電力市場價格和補(bǔ)償價格產(chǎn)生影響。各LA會為了追求自己的利益最大化跟其余LA進(jìn)行投標(biāo)的博弈，所以LA之間形成了非合作博弈的關(guān)系。

本文從博弈論的角度研究各LA的投標(biāo)策略問題，下面給出非合作博弈的模型。

(1)參與者集合

各LA為參與者，N={LA1…LAi…LAn}。

(2)策略集合

策略集合即決策變量，Ω={Ω1…Ωi…Ωn}。

(16)

式中：Ωi為第i個LA向電力市場的投標(biāo)策略。

(3)收益

profiti(Ω1…Ωi…Ωn)為收益也叫支付函數(shù)，是LA各自追求的最大利益。

若上述非合作博弈模型存在納什均衡點(diǎn)(Ω1*…Ωi*…Ωn*)，根據(jù)納什均衡點(diǎn)的定義，其最優(yōu)解應(yīng)滿足：

(17)

LA之間的非合作博弈的納什均衡解存在性證明和多主體博弈迭代過程見附錄B。

3.3 非合作博弈模型求解流程

本文采用迭代法求解[21]：

(1)輸入系統(tǒng)物理參數(shù)和經(jīng)濟(jì)參數(shù)。

(2)建立各LA之間的非合作博弈模型。

(3)設(shè)定初始點(diǎn)。

(4)各博弈參與者依次進(jìn)行優(yōu)化決策(此處選用粒子群算法)，計(jì)算式(12)，記第J輪的優(yōu)化結(jié)果為

(18)

(5)參加博弈的LA之間進(jìn)行信息共享。

(6)判斷是否找到納什均衡解，即是否滿足：(Ω1j…Ωij…Ωnj)=(Ω1j-1…Ωij-1…Ωnj-1)，判斷相鄰兩次的解是否相等，若滿足進(jìn)行下一步環(huán)節(jié)，若不滿足進(jìn)入第(4)步繼續(xù)迭代求解。

(7)輸出系統(tǒng)最終的非合作博弈納什均衡點(diǎn)(Ω1*…Ωi*…Ωn*)。

3.4 負(fù)荷聚合商實(shí)時調(diào)度策略

在日前投標(biāo)完成以后，負(fù)荷聚合商將根據(jù)日前投標(biāo)量對其管轄范圍內(nèi)的柔性負(fù)荷進(jìn)行功率分配。實(shí)時調(diào)度策略的目標(biāo)函數(shù)如式(19)所示，目標(biāo)函數(shù)第一部分表示負(fù)荷削減時段以負(fù)荷曲線與日前電力市場的投標(biāo)曲線的偏差最小為目標(biāo)函數(shù)，第二部分表示負(fù)荷恢復(fù)時段以負(fù)荷曲線均方差最小為目標(biāo)函數(shù)，第三部分表示EV負(fù)荷放電功率調(diào)度安排與削峰時段EV負(fù)荷放電功率的投標(biāo)量偏差最小為目標(biāo)函數(shù)，ω為足夠大的懲罰系數(shù)。

Pev,chUch(u,t)-Pev,dischUdisch(u,t))+

(19)

(20)

Tin_new_min≤Tin(u,Tend)≤Tin_new_max

(21)

SOC(u,t)=SOC(u,t-1)+E-(αPev,chUch(u,t)-

Pev,dischUdisch(u,t)/α)

(22)

Uch(u,t)+Udisch(u,t)=Uev(u,t)

(23)

SOCev,min≤SOC(u,t)≤SOCev,max

(24)

SOCth≤SOCev(u,Tend)≤1

(25)

式中：Tend表示調(diào)度結(jié)束時刻；Tin_new_max和Tin_new_min分別表示調(diào)度結(jié)束時刻室內(nèi)溫度的上下限；溫控負(fù)荷約束條件除了(11)，還設(shè)有式(21)，目的是為了將溫度調(diào)整到調(diào)度初始時刻，保證用戶的用電舒適度。公式(22)～(25)為EV負(fù)荷的約束條件，SOC(u,t)是第u組EV負(fù)荷的荷電量；SOCev,max和SOCev,min分別表示EV負(fù)荷荷電量的上下限；式(23)確保了EV不能同時處于充放電狀態(tài)，式(25)保證了EV負(fù)荷荷電量可以滿足出行需求。

4 算例分析

4.1 算例數(shù)據(jù)

為了驗(yàn)證本文提出的LA調(diào)度策略的有效性，我們假設(shè)一個大型社區(qū)擁有15 000個用戶，每個用戶都配備一個EV和HVAC，整個社區(qū)被三個LA控制并分成三個社區(qū)，即每個LA控制5 000個用戶的柔性負(fù)荷，并將其平均分成10組，每組擁有500個用戶，進(jìn)行統(tǒng)一負(fù)荷調(diào)度。1、2和3號社區(qū)內(nèi)用戶的DR參與率分別為0.90、0.80和0.70。LA根據(jù)電網(wǎng)調(diào)控中心下發(fā)和居民上報的柔性負(fù)荷信息確定負(fù)荷削減時段是18∶00～24∶00，負(fù)荷恢復(fù)階段是00∶00～06∶00，調(diào)度顆粒度為15分鐘，共48個時段。

(1)LA參數(shù)的確定：根據(jù)歷史售電量和電價信息擬合出電力市場售電電價參數(shù)u=0.007 25元/(kW·h2)，v=0.32元/(kW·h)，負(fù)荷削減時段電網(wǎng)給LA的補(bǔ)償電價以分時電價的形式給出，見表1，社區(qū)在18∶00～06∶00時段的原負(fù)荷曲線如圖2所示。

圖2 負(fù)荷預(yù)測曲線Fig.2 Load forecast curve

表1 分時電價Tab.1 TOU electricity price

(2)利用蒙特卡洛模擬方法模擬出社區(qū)內(nèi)EV用戶的出行參數(shù)，我們假定EV用戶早間時段出行時刻、日間時段入網(wǎng)時刻、晚間時段出行時刻和晚間時段入網(wǎng)時刻均滿足正態(tài)分布。各參數(shù)在表2中給出。并設(shè)定EV參與LA的可調(diào)度時間是2個小時。

表2 EV參數(shù)Tab.2 EV parameters

(3)每臺空調(diào)的額定功率為1.5 kW，該社區(qū)的舒適溫度區(qū)間[24～26]℃，用戶可以忍受的室內(nèi)溫度范圍[24～30]℃。HVAC的可調(diào)度潛力求解問題為混合整數(shù)線性規(guī)劃問題，可以在MATLAB平臺上使用Yalmip工具箱調(diào)用數(shù)學(xué)求解器Gurobi求解。

4.2 仿真結(jié)果及分析

以1號LA為例，給出管轄區(qū)域內(nèi)EV負(fù)荷的充放電可調(diào)度潛力，如圖3所示?？烧{(diào)度潛力計(jì)算結(jié)果表明由于居民用戶的出行需要，在8∶00時刻和19∶00時刻左右充放電可調(diào)度潛力達(dá)到最小值。并且在日間上網(wǎng)階段和晚間上網(wǎng)階段具有很高的充放電可調(diào)度潛力。晚間時段充電時長比日間時段充電時長要長，所以晚間時段放電可調(diào)度潛力比日間時段的放電可調(diào)度潛力大。與放電可調(diào)度潛力相比，凌晨到日間出行的這一時段，充電可調(diào)度潛力將呈下降趨勢，因?yàn)镋V的荷電量在凌晨之后陸續(xù)達(dá)到了閾值狀態(tài)。

圖3 EV充放電可調(diào)度潛力Fig.3 EV charging and discharging schedulable potential

社區(qū)內(nèi)1號LA管轄的HVAC的降負(fù)荷可調(diào)度潛力如圖4所示。在20∶00～21∶00時刻左右出現(xiàn)了可調(diào)度潛力的最大值。這與我們在負(fù)荷高峰時刻多削減柔性負(fù)荷的初衷是相符的。證明了以上HVAC的可調(diào)度潛力模型完全適用于本文提出的負(fù)荷削減方案。雖然大部分時間段的可調(diào)度潛力功率都為正數(shù)，但是24∶00時刻的可調(diào)度潛力為負(fù)數(shù)，表明在最優(yōu)運(yùn)行策略中此時刻無降負(fù)荷可調(diào)度潛力，相反需要LA將其余時段的負(fù)荷轉(zhuǎn)移到此時段。

圖4 HVAC可調(diào)度潛力Fig.4 HVAC schedulable potential

在分別求得兩個柔性負(fù)荷在時間段18∶00～24∶00的可調(diào)度潛力之后，利用非合作博弈理論求解各LA的最優(yōu)投標(biāo)策略，負(fù)荷削減時段的投標(biāo)策略如圖5所示。因?yàn)镋V和HVAC的可調(diào)度潛力呈凸形狀，所以相應(yīng)的三個LA隨時間軸的投標(biāo)量也呈凸形狀，且投標(biāo)量與電網(wǎng)預(yù)測峰時段負(fù)荷一致，可以很好地完成負(fù)荷峰時段多削減負(fù)荷的任務(wù)。從圖中可以看出，大部分時間段1、2和3號LA的投標(biāo)量依次遞減，因?yàn)?個LA管轄社區(qū)內(nèi)負(fù)荷的可調(diào)度潛力和用戶的DR參與率依次遞減，擁有較高可調(diào)度潛力的LA可以削減更多峰時負(fù)荷賺取更多的收益。每個LA不同柔性負(fù)荷詳細(xì)的投標(biāo)量見附錄C圖C1，可以發(fā)現(xiàn)相同規(guī)模條件下，EV負(fù)荷的充放電可調(diào)度潛力要大于HVAC負(fù)荷的降負(fù)荷可調(diào)度潛力。因?yàn)閮煞N靈活性負(fù)荷的物理性質(zhì)不同，前者屬于可中斷可轉(zhuǎn)移類負(fù)荷，擁有對電價不敏感等特點(diǎn)，而后者屬于可中斷不可大量轉(zhuǎn)移類負(fù)荷，其能耗量直接與用戶用電舒適度相關(guān)，需要長時間處于工作狀態(tài)。

圖5 負(fù)荷削減時段各LA投標(biāo)策略Fig.5 Bidding strategies for each LA during load reduction periods

在實(shí)時調(diào)度階段LA將以與日前投標(biāo)策略的偏差最小為目標(biāo)進(jìn)行優(yōu)化調(diào)度。3個LA對柔性負(fù)荷的控制策略，我們以1號LA為例進(jìn)行說明，其EV負(fù)荷和HVAC負(fù)荷的控制策略見附錄C表C1和C2。因?yàn)閷?shí)時調(diào)度階段我們采取以組為單位的負(fù)荷統(tǒng)一控制策略，即每組用戶的負(fù)荷開通狀態(tài)一致，所以會因?yàn)槊拷M用戶的負(fù)荷容量過大導(dǎo)致實(shí)際負(fù)荷削減量與日前電力市場的投標(biāo)量產(chǎn)生偏差。附錄C圖C2給出了日前投標(biāo)量和實(shí)際負(fù)荷削減量之間的對比，實(shí)際負(fù)荷削減量要小于日前投標(biāo)量。產(chǎn)生偏差的原因是每組用戶的負(fù)荷功率過大，可通過減小每組用戶數(shù)量，增加LA所控制的組數(shù)，達(dá)到減小實(shí)時調(diào)度和日前投標(biāo)之間偏差的目的。

經(jīng)過LA實(shí)時調(diào)度以后的優(yōu)化曲線如圖6所示，由圖可知，電網(wǎng)負(fù)荷在18∶00～24∶00時段實(shí)現(xiàn)了降負(fù)荷，尤其在20∶00～22∶00時段負(fù)荷削減明顯，并且在00∶00～06∶00時段負(fù)荷功率有所增加，說明LA聚合負(fù)荷統(tǒng)一參加日前電力市場投標(biāo)博弈可以有效減小負(fù)荷峰谷差，達(dá)到平滑曲線的目的。優(yōu)化調(diào)度前后詳細(xì)的負(fù)荷功率變化見附錄C圖C3。在做優(yōu)化調(diào)度之前的無序用電模式中，電力用戶會選擇在下班以后對EV負(fù)荷充電，開啟HVAC負(fù)荷調(diào)節(jié)室內(nèi)溫度，導(dǎo)致在18∶00～24∶00時段集中用電形成負(fù)荷高峰，且隨著大量EV用戶的充電任務(wù)順利完成，在接下來的00∶00～06∶00時段出現(xiàn)負(fù)荷低谷。反觀開展電力市場投標(biāo)和實(shí)時優(yōu)化調(diào)度以后，從附錄圖C3(b)中可看出，LA根據(jù)日前電力市場的出清量安排EV負(fù)荷的充放電功率和HVAC負(fù)荷的用電功率，成功將負(fù)荷高峰時段的EV負(fù)荷和HVAC負(fù)荷轉(zhuǎn)移到凌晨負(fù)荷低谷時期，具有較好的削峰填谷效果。

圖6 負(fù)荷削減前后曲線Fig.6 Curve before and after load reduction

各LA在負(fù)荷削減時段的利潤如表3所示，可以看出1號LA的利潤最大，收益最多(包括向用戶的售電收益、從電網(wǎng)獲取的補(bǔ)償收益和EV反向放電LA賺取的中間商差價收益)，且相應(yīng)的1號LA給用戶的補(bǔ)償費(fèi)用也最多，因?yàn)?號LA管轄區(qū)域內(nèi)柔性負(fù)荷的可調(diào)度潛力比其他兩個LA管轄區(qū)域的可調(diào)度潛力大。所以1號LA通過在負(fù)荷高峰時段削減可調(diào)度的靈活性資源獲得了收益最大化。3號LA的柔性負(fù)荷的可調(diào)度潛力最小，所以3號LA的利潤、電網(wǎng)向LA的補(bǔ)償費(fèi)用和LA向用戶的補(bǔ)償費(fèi)用均為最小。

表3 各LA的收益Tab.3 Revenue of each LA

為了驗(yàn)證本文提出的考慮用戶可調(diào)度潛力的負(fù)荷聚合商調(diào)度策略的有效性，將本文提出的方法跟普通調(diào)度策略進(jìn)行對比驗(yàn)證。設(shè)普通調(diào)度策略中柔性負(fù)荷調(diào)度潛力為額定功率的10%，描述EV負(fù)荷和HVAC負(fù)荷的滿意度函數(shù)[22]見附錄D，對比結(jié)果如表4所示。

表4 不同調(diào)度模式結(jié)果對比Tab.4 Comparison of results of different scheduling modes

從表4可看出，在沒有考慮用戶可調(diào)度潛力的場景下，LA不用考慮用戶的用電舒適度，并且會以自身的利潤最大化為目標(biāo)進(jìn)行投標(biāo)。所以，在此場景下，LA的總利潤會高于本文提出的調(diào)度策略場景下LA的總利潤，但相差不大。然而在用電滿意度方面，沒有考慮用戶可調(diào)度潛力的場景下的用戶用電滿意度僅達(dá)到0.83，遠(yuǎn)不及考慮用戶可調(diào)度潛力場景下的滿意度。所以，在綜合考慮需求側(cè)用戶的用電舒適度和LA的利潤后，可以認(rèn)為本文提出的考慮用戶可調(diào)度潛力的負(fù)荷聚合商調(diào)度策略具有一定的優(yōu)越性。

5 結(jié) 論

本文針對以電動汽車充放電負(fù)荷及空調(diào)負(fù)荷為代表的柔性負(fù)荷的可調(diào)度潛力及聚合調(diào)度策略進(jìn)行了研究，有以下主要結(jié)論：

(1)考慮EV的出行規(guī)律和物理特性建立了每日兩次出行的EV模型，然后根據(jù)荷電狀態(tài)以數(shù)據(jù)挖掘的方式求出了EV模型的可調(diào)度潛力。利用室溫時變方程，在考慮用戶舒適度的情況下取得了HVAC的可調(diào)度潛力。為進(jìn)一步LA聚合需求側(cè)資源參與電力市場投標(biāo)以及制定相應(yīng)的控制策略提供了理論依據(jù)。

(2)在市場價格的引導(dǎo)下，負(fù)荷聚合商通過聚合需求側(cè)柔性負(fù)荷資源，以非合作博弈的方式參加日前電力市場投標(biāo)，不僅可以激勵柔性負(fù)荷資源積極參與電力市場調(diào)控獲取收益，也可以完成削峰填谷任務(wù)，緩解電力系統(tǒng)供需平衡壓力。

(3)按物理特性和出行規(guī)律對需求側(cè)柔性負(fù)荷資源進(jìn)行量化建模，并分類進(jìn)行補(bǔ)償和控制，不僅可以發(fā)揮各自的可調(diào)度潛力，還可以有效提高用戶的需求響應(yīng)參與度，為電網(wǎng)功率平衡提供更多支持。

(附錄請見網(wǎng)絡(luò)版，印刷版略)