龐賀元

（華北水利水電大學(xué)電力學(xué)院，鄭州 450046）

0 引言

對(duì)于環(huán)境保護(hù)的需要，分布式可再生能源的采用無(wú)疑是目前最佳的選擇，如光伏、風(fēng)力發(fā)電等接入配電網(wǎng)。風(fēng)光發(fā)電本身具有出力不確定性，風(fēng)光消納成為一個(gè)棘手的問(wèn)題。電網(wǎng)調(diào)度中心對(duì)風(fēng)光發(fā)電的調(diào)度指令在大多數(shù)情況下無(wú)法匹配預(yù)測(cè)的風(fēng)光的出力情況，甚至存在較大差異。與此同時(shí)，負(fù)荷峰谷差日益增大，所以如何在消納風(fēng)光發(fā)電的同時(shí)來(lái)平衡電網(wǎng)的峰谷差，是當(dāng)今一個(gè)亟需解決的問(wèn)題。

需求響應(yīng)（Demand Response，DR）是指通過(guò)改變電力價(jià)格或者其他激勵(lì)來(lái)使居民用戶(hù)改變?nèi)粘５纳钣秒娏?xí)慣的一種技術(shù)手段[1]，居民用戶(hù)提供需求響應(yīng)資源參與到電網(wǎng)的調(diào)度當(dāng)中，與電網(wǎng)互惠互利共贏，自身獲得經(jīng)濟(jì)收益，還可以實(shí)現(xiàn)電網(wǎng)的削峰填谷，增加電網(wǎng)穩(wěn)定性。然而，普通居民用戶(hù)并不能提供電網(wǎng)所需要的的需求響應(yīng)資源，單一的需求側(cè)資源容量較小，所以這個(gè)時(shí)候需要負(fù)荷聚合商參與整合。

隨著電力系統(tǒng)中的市場(chǎng)觀念越來(lái)越多，對(duì)負(fù)荷側(cè)的重視程度和利用程度占比越來(lái)越大。在這種情況下，一種新的專(zhuān)業(yè)化機(jī)構(gòu)逐漸被提出來(lái)，即負(fù)荷聚合商（Load Aggregator，LA），為普通居民用戶(hù)和市場(chǎng)購(gòu)買(mǎi)者提供一個(gè)交互的平臺(tái)，市場(chǎng)購(gòu)買(mǎi)者在其中購(gòu)買(mǎi)需求響應(yīng)資源，同時(shí)為普通居民用戶(hù)提供接入電網(wǎng)的入口。還可以通過(guò)專(zhuān)業(yè)的技術(shù)手段充分發(fā)掘負(fù)荷資源，提供市場(chǎng)需要的輔助服務(wù)產(chǎn)品。文獻(xiàn)[2]將LA 聚合的需求響應(yīng)資源交給電網(wǎng)，并且利用日前實(shí)時(shí)調(diào)度策略和非合作博弈來(lái)解決各LA 之間的投標(biāo)策略問(wèn)題。文獻(xiàn)[3-4]以削峰為主要目標(biāo)，LA 聚合居民用戶(hù)中的需求響應(yīng)資源，挖掘其利用價(jià)值，并使自身和居民用戶(hù)獲得經(jīng)濟(jì)收益。

目前對(duì)于風(fēng)光消納問(wèn)題研究較多。文獻(xiàn)[5]建立基于虛擬電廠的多目標(biāo)調(diào)度模型來(lái)應(yīng)對(duì)風(fēng)力和光伏發(fā)電的波動(dòng)性出力問(wèn)題，實(shí)現(xiàn)多分布式電源并網(wǎng)協(xié)調(diào)優(yōu)化運(yùn)行。文獻(xiàn)[6]聚合用戶(hù)的柔性負(fù)荷，主要為可中斷負(fù)荷，來(lái)解決光伏發(fā)電的消納問(wèn)題；文獻(xiàn)[7]采用隨機(jī)場(chǎng)景的方法分析當(dāng)?shù)氐呢?fù)荷和風(fēng)光規(guī)劃容量，通過(guò)分析系統(tǒng)饋線(xiàn)來(lái)計(jì)算最大風(fēng)光消納能力。文獻(xiàn)[8]采用基于商業(yè)型虛擬電廠的儲(chǔ)能系統(tǒng)運(yùn)行方式來(lái)處理可再生能源出力波動(dòng)性和投資成本過(guò)高的問(wèn)題，采用模擬退火算法，以收益最大化為目標(biāo)函數(shù)，規(guī)劃風(fēng)力發(fā)電廠和電池儲(chǔ)能系統(tǒng)的運(yùn)行時(shí)間。

以上文獻(xiàn)所提出的LA 調(diào)度策略所調(diào)控對(duì)象各式各樣，其中對(duì)各種用戶(hù)負(fù)荷調(diào)控過(guò)程難免忽略用戶(hù)的用電質(zhì)量，而電動(dòng)汽車(chē)（Electric Vehicle，EV）兼具可調(diào)控負(fù)荷和儲(chǔ)能的特性，可迅速切換充、放電狀態(tài)提供瞬時(shí)響應(yīng)，是需求側(cè)重要的潛在備用措施。本文針對(duì)風(fēng)光發(fā)電就地消納的問(wèn)題，首先根據(jù)風(fēng)光發(fā)電出力波動(dòng)性的問(wèn)題以及居民用戶(hù)負(fù)荷水平調(diào)查結(jié)果，以風(fēng)光發(fā)電的消納量來(lái)規(guī)劃各個(gè)時(shí)間段削減的負(fù)荷量。其次，要保證各個(gè)LA 的收益，建立LA 之間的非合作博弈模型確定各時(shí)段向電力市場(chǎng)的投標(biāo)量，最后，通過(guò)具體算例驗(yàn)證了所提風(fēng)光電就地消納方案的有效性。

1 負(fù)荷聚合商的調(diào)度架構(gòu)

LA 對(duì)于DR 的微觀控制方法有兩種。根據(jù)價(jià)格的控制方法是根據(jù)微網(wǎng)的指令，分析用戶(hù)的用電習(xí)慣與電價(jià)的關(guān)系，通過(guò)電價(jià)的升降引導(dǎo)用戶(hù)用電習(xí)慣，這些指令的效果與用戶(hù)的意愿正相關(guān)，但是這種方法并不能保證調(diào)度的穩(wěn)定性，并且調(diào)度潛力不高；第二種是根據(jù)合同來(lái)控制，就是LA直接與用戶(hù)簽訂合同，以此來(lái)直接控制用戶(hù)的用電負(fù)荷，用于參與電網(wǎng)調(diào)度[9]。本文采用后者，LA 與用戶(hù)簽訂合同，聚合用戶(hù)的需求響應(yīng)資源。

本文的研究對(duì)象中包含光伏、風(fēng)力發(fā)電設(shè)備的居民小區(qū)，LA 作為中介在電網(wǎng)和居民用戶(hù)之間，整合DR 資源并提供市場(chǎng)入口[10]，基于上述內(nèi)容，負(fù)荷聚合商參與風(fēng)光消納的市場(chǎng)架構(gòu)由圖1所示。

圖1 負(fù)荷聚合商調(diào)度架構(gòu)

LA 參與用戶(hù)柔性負(fù)荷調(diào)度的流程如下：（1）電網(wǎng)調(diào)度部門(mén)進(jìn)行負(fù)荷預(yù)測(cè)并下發(fā)次日的削峰時(shí)段；（2）LA 采集所聚集的風(fēng)光分布式電源以及EV 的數(shù)據(jù)；（3）LA 計(jì)算聚集資源的可調(diào)度潛力；（4）LA 根據(jù)可調(diào)度潛力，以各自的利益最大化為目標(biāo)，對(duì)需求響應(yīng)資源進(jìn)行最優(yōu)調(diào)度；（5）實(shí)時(shí)調(diào)度階段LA 根據(jù)日前電力市場(chǎng)的投標(biāo)量，在滿(mǎn)足各用戶(hù)的用能需求的前提下，對(duì)資源進(jìn)行功率分配。

2 微網(wǎng)風(fēng)光消納調(diào)度模型

將聚合后的用戶(hù)負(fù)荷出售給調(diào)度部門(mén)后，由電網(wǎng)調(diào)度部門(mén)決定該部分資源在參與電網(wǎng)調(diào)度時(shí)如何出力。在對(duì)負(fù)荷削峰填谷量投標(biāo)時(shí)，為保證LA的參與聚合的積極性，要保證LA的利益。本文中參與調(diào)度主體較多，應(yīng)該制定多個(gè)主體參與的優(yōu)化決策，由此建立多目標(biāo)優(yōu)化調(diào)度模型和約束條件。

2.1 微網(wǎng)調(diào)度部門(mén)調(diào)度優(yōu)化模型

根據(jù)所模擬的風(fēng)力和光伏的出力能力以及用戶(hù)側(cè)負(fù)荷需求，電網(wǎng)調(diào)度中心在制定調(diào)度策略時(shí)應(yīng)盡可能地減小負(fù)荷峰谷差，同時(shí)平滑局部時(shí)間段內(nèi)的負(fù)荷曲線(xiàn)。為此本文定義t時(shí)段的消納目標(biāo)函數(shù)，表達(dá)式如下：

本文將風(fēng)光上網(wǎng)功率預(yù)測(cè)值作為出力的理論最大值，故實(shí)際上網(wǎng)功率應(yīng)小于該值。

2.2 負(fù)荷聚合商實(shí)時(shí)調(diào)度模型

根據(jù)所聚合的負(fù)荷資源的可調(diào)度潛力基礎(chǔ)上，各LA決定當(dāng)下時(shí)間段向電力市場(chǎng)的投標(biāo)量時(shí)，主要以電網(wǎng)調(diào)度中心所發(fā)布的指令和市場(chǎng)電價(jià)為參考。提取居民用戶(hù)的用電情況和歷史電價(jià)信息，LA 用來(lái)制定實(shí)時(shí)的售電電價(jià)，LA 的補(bǔ)償費(fèi)用由其負(fù)荷削減量的多少有關(guān)，經(jīng)過(guò)分時(shí)電價(jià)的形式由電網(wǎng)給出，用戶(hù)參與調(diào)度的補(bǔ)償費(fèi)用由LA 給出，其依據(jù)是用戶(hù)參與調(diào)度的負(fù)荷的可調(diào)度潛力[11]。所以，各LA 參與市場(chǎng)投標(biāo)會(huì)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。t時(shí)刻LA 向用戶(hù)的售電電價(jià)根據(jù)實(shí)時(shí)負(fù)荷和歷史電價(jià)信息擬合而成，電網(wǎng)根據(jù)LA 的負(fù)荷削減量來(lái)給出補(bǔ)償費(fèi)用。LA 的調(diào)度目標(biāo)函數(shù)如下：

式中：S為負(fù)荷聚合商收益；SP和SDR( )

t為第t個(gè)時(shí)段內(nèi)供能和參與需求響應(yīng)所獲收入；CDR(t)為供電和用戶(hù)參與需求響應(yīng)得到的報(bào)酬；CPV(t)和CWT(t)分別為光伏和風(fēng)力發(fā)電成本。

2.3 風(fēng)光經(jīng)典場(chǎng)景集生成

對(duì)風(fēng)光發(fā)電的不確定性采取的辦法是采用拉丁超立方抽樣和K-means聚類(lèi)形成經(jīng)典場(chǎng)景集進(jìn)行分析。

拉丁超立方抽樣是M D McKay、R J Beckman 和W J Conover 在1979 年提出的一種可以有效利用樣本反應(yīng)隨機(jī)變量分布的方法，拉丁超立方抽樣屬于典型的分層抽樣，對(duì)于所有的抽樣區(qū)域，該抽樣方法都可以采用較少且不重復(fù)的樣本覆蓋[12]。該抽樣首先在累計(jì)概率尺度0～1 上把樣本分為相等區(qū)間，然后在每個(gè)區(qū)間生成隨機(jī)數(shù)，接著逆變換生成采樣值通過(guò)反函數(shù)計(jì)算采樣值。

采用K-means 聚類(lèi)形成經(jīng)典場(chǎng)景集分析風(fēng)光的出力情況，該抽樣由以下幾步進(jìn)行抽樣，首先隨機(jī)或手動(dòng)選擇初始聚類(lèi)中心，然后將數(shù)據(jù)集劃分為幾個(gè)聚類(lèi)，并計(jì)算聚類(lèi)的平均值作為聚類(lèi)中心。并計(jì)算聚類(lèi)的平均值作為聚類(lèi)中心。K-means反復(fù)更新聚類(lèi)中心和聚類(lèi)，直到收斂為止。

3 仿真分析

3.1 仿真數(shù)據(jù)

假設(shè)某微網(wǎng)配有風(fēng)電和光伏分布式電源，負(fù)荷聚合商所聚合的用戶(hù)有15 000 個(gè)，被3 個(gè)LA 控制并分成3 個(gè)社區(qū)，各個(gè)聚合商管轄區(qū)域分別有6 000、5 000 和4 000用戶(hù)，將用戶(hù)按照500 戶(hù)為一組進(jìn)行統(tǒng)一調(diào)度。LA 根據(jù)電網(wǎng)調(diào)控中心下發(fā)的指令和居民上報(bào)的柔性負(fù)荷信息，確定負(fù)荷靈活出力的時(shí)間段是18:00—24:00，負(fù)荷充電的時(shí)間是00:00—06:00。

（1）LA 參數(shù)的確定：根據(jù)微網(wǎng)的指令確定負(fù)荷削峰填谷時(shí)段，根據(jù)歷史售電量和電價(jià)信息擬合出電力市場(chǎng)售電電價(jià)參數(shù)[13-14]，削峰填谷時(shí)段電網(wǎng)給LA 的補(bǔ)償電價(jià)以分時(shí)電價(jià)的形式給出。

（2）以歷史數(shù)據(jù)為基礎(chǔ)，采用上述拉丁超立方抽樣生成場(chǎng)景并用K-means 聚類(lèi)進(jìn)行場(chǎng)景縮減，本文預(yù)先設(shè)定風(fēng)力出力和光伏出力經(jīng)典場(chǎng)景數(shù)各4 個(gè)，因此經(jīng)典場(chǎng)景集共有4×4個(gè)場(chǎng)景。

（3）根據(jù)LA所聚合的用戶(hù)進(jìn)行問(wèn)券調(diào)查日常出行習(xí)慣，來(lái)模擬出社區(qū)內(nèi)EV 用戶(hù)的出行參數(shù)，根據(jù)調(diào)查的結(jié)果，由于用戶(hù)日常出行的需要，在早上上班高峰期時(shí)刻和下班高峰期時(shí)刻左右基本不可參與調(diào)度。除此之外的可調(diào)度潛力較高。同時(shí)因?yàn)榘滋旄鞣N的出行情況，充電基本集中在晚上，所以在晚上的放電潛力比白天更大。凌晨到日間出行的這一時(shí)段，充電可調(diào)度潛力將呈下降趨勢(shì)，因?yàn)镋V 的電池在凌晨之后陸續(xù)充滿(mǎn)。

3.2 仿真結(jié)果分析

分配3 個(gè)負(fù)荷聚合商各個(gè)時(shí)段的負(fù)荷削峰填谷投標(biāo)量，通過(guò)將晚高峰時(shí)段內(nèi)的可轉(zhuǎn)移負(fù)荷轉(zhuǎn)移至谷時(shí)段，可以有效實(shí)現(xiàn)風(fēng)光發(fā)電的消納。1、2 和3 號(hào)LA 的投標(biāo)量依次遞減，因?yàn)? 個(gè)LA 管轄社區(qū)內(nèi)負(fù)荷的可調(diào)度潛力和聚合的用戶(hù)數(shù)量依次遞減。

聚合商對(duì)聚合區(qū)域各組用戶(hù)負(fù)荷調(diào)度優(yōu)化后的微網(wǎng)負(fù)荷曲線(xiàn)如圖2 所示，可以明顯地看出有較好的削峰填谷效果。并且優(yōu)化后的負(fù)荷較好地跟隨了風(fēng)光發(fā)電的出力。由圖可知，經(jīng)過(guò)LA 實(shí)時(shí)調(diào)度以后，電網(wǎng)調(diào)度部門(mén)在24 時(shí)之前成功實(shí)施了降負(fù)荷，在20:00—22:00 時(shí)段減負(fù)荷的效果最為顯著，增加了在24 時(shí)之后的凌晨時(shí)間段的負(fù)荷功率，所以圖中可以看出，在電力市場(chǎng)中引入LA聚合用戶(hù)需求響應(yīng)資源參與電網(wǎng)調(diào)度，可有效平衡電網(wǎng)峰谷差。達(dá)到平滑負(fù)荷曲線(xiàn)的目的。

圖2 負(fù)荷削減前后曲線(xiàn)

各LA 在負(fù)荷削減時(shí)段的利潤(rùn)如表1所示，可以看出1 號(hào)LA 的利潤(rùn)最大，收益最多，因?yàn)? 號(hào)LA 管轄區(qū)域內(nèi)最多。可以預(yù)見(jiàn)，如果居民用戶(hù)規(guī)模增大，則削峰填谷效果將會(huì)進(jìn)一步提高。

表1 各負(fù)荷聚合商的收益

在居民用戶(hù)參與率不同時(shí)，負(fù)荷聚合商的收益與風(fēng)電消納率隨著用戶(hù)參與率而變化。在用戶(hù)參與率分別為60%、80%和100%的情況下，對(duì)風(fēng)電效率和聚合商收益進(jìn)行對(duì)比分析。如表2所示，用戶(hù)參與率與負(fù)荷聚合商的收益呈現(xiàn)正相關(guān)，但是增漲幅度不大。因?yàn)槲⒕W(wǎng)部門(mén)為了降低本身的支出成本，將負(fù)荷削峰填谷價(jià)格與LA收益設(shè)置為負(fù)相關(guān)。從而降低LA的收入。另外，隨著用戶(hù)參與率的提高，微網(wǎng)對(duì)風(fēng)電的消納率從84.3%逐步升高到92.3%。

表2 不同參與率下各負(fù)荷聚合商對(duì)風(fēng)電的消納率

4 結(jié)束語(yǔ)

負(fù)荷聚合商為負(fù)荷側(cè)資源提供了市場(chǎng)入口，構(gòu)造了微網(wǎng)部門(mén)和負(fù)荷側(cè)資源交互的平臺(tái)，使其雙方電能流動(dòng)由單向發(fā)布變?yōu)殡p向的互動(dòng)。負(fù)荷聚合商通過(guò)需求響應(yīng)技術(shù)整合負(fù)荷側(cè)資源，可以有效實(shí)現(xiàn)風(fēng)光等分布式電源的就地消納。微網(wǎng)調(diào)度部門(mén)以風(fēng)光消納率最大為目標(biāo)，在微網(wǎng)部門(mén)的引導(dǎo)下，負(fù)荷聚合商通過(guò)聚合負(fù)荷側(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(chǎng)投標(biāo)，可以積極調(diào)動(dòng)負(fù)荷側(cè)柔性負(fù)荷資源積極參與電力市場(chǎng)調(diào)控，幫助微網(wǎng)平抑峰谷差，提高風(fēng)光消納效率。