CN105846426A - 一种基于需求侧响应的微网运行优化方法 - Google Patents

Abstract

一种基于需求侧响应的微网运行优化方法。其包括采集待优化微网系统中包括所有用户功率、连接在微网与外部电网之间的联络线功率及可再生能源出力在内的信息；按照最大化利用新能源的原则，利用上述信息计算用户每台可控设备的负荷控制目标；通过加权系数排队算法控制可控设备负荷：若绿色响应等级、黄色响应等级和红色响应等级用户的可控设备均已用完而仍未达到负荷控制目标，则储能设备介入等步骤。本发明提供的于需求侧响应的微网运行优化方法以加权系数排队算法为基础，适用于控制家庭中常见的空调、热泵等可控负荷，允许用户选择自己的响应等级，并且能够兼顾用户舒适度与公平性。

Description

一种基于需求侧响应的微网运行优化方法

技术领域

本发明属于电力系统微网运行控制技术领域，特别是涉及一种基于需求侧响应的微网运行优化方法。

背景技术

微网是指由一定区域内的分布式电源、储能设备、能量变换装置、相关负荷和监控、保护装置汇集而成的微型电网。微网可以运行在独立和并网两种模式。微网通过将各能源形式均转换为电能，然后加以利用，以保证重要用户供电的不间断性，并可为大电网在崩溃后的快速恢复提供电源支持。微网中的分布式电源包含风、光等可再生能源，它们具有随机性、间歇性和不确定性，因此当分布式电源的渗透率(即新能源额定功率占年负荷峰值的比例)达到一定水平后，这些电源输出功率的波动将导致微网对新能源的最大化利用出现一些困难。这些新能源输出波动较为复杂，时间尺度跨越很大，含有较多新能源的微网如何进行运行控制以在最大程度上利用其所含的新能源，已经成为一个广受关注的问题。

纯粹基于储能设备的解决办法目前较为普遍，这种解决办法是使用电池等储能设备来实现微网的经济运行和控制以及抑制新能源波动等目标。单纯使用储能设备能够有效控制微网运行，但建设成本相对比较高，而且在频繁使用的情况下寿命十分有限，会增加微网建设和使用的成本。因此需求侧响应技术被应用到微网运行控制中来，并且已经开发出了一些可行的方法。需求侧响应是指用户针对电力价格变化等激励机制作出响应，从而改变正常电力消费模式的市场参与行为。直接负荷控制方法是一种重要的激励型需求侧响应方法，该方法目前已经衍生出了一些有效方法，如状态序列(statequeueing，SQ)方法、基于Fokker-Planck方程的辨识控制方法等。其中SQ方法通过控制家庭常见的热泵、冰箱、空调等可控负荷来参与需求侧响应，并用来通过控制家庭中常用的热泵的开关状态来参与微网运行控制，兼顾了用户的舒适度和负荷控制效果。但是该方法没有体现用户的主动选择性，同时由于用户的设备功率和房屋导热性不同，有可能出现某用户设备被控制次数过多的问题，即公平性问题。虽然coloredpower方法考虑了用户的主动选择和被控次数公平性的问题，用户依自己意愿选择不同的响应等级，并通过概率控制保证用户被控的机会均等，保证了公平性，但coloredpower方法是一种通用性方法，如果用于控制家庭中常见的可控负荷，尚需要对其进行改进。

社区级微网主要由光伏发电系统、风力发电系统、储能系统和微网中民用负荷组成。其中负荷分为不可控负荷和可控负荷。当微网中新能源的渗透率达到了一定水平时，新能源输出波动对微网影响较大，因此有可能导致微网内负荷无法与新能源输出匹配。如果单纯使用储能设备调节可抵消新能源输出波动的影响，但建设、使用成本较高。若引入需求侧响应技术，则可控制一部分可控负荷来调节新能源出力的波动。但目前尚缺少有效的方法。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于需求侧响应的微网运行优化方法。

为了达到上述目的，本发明提供的基于需求侧响应的微网运行优化方法包括按顺序进行的下列步骤：

步骤一：采集待优化微网系统中包括所有用户功率、连接在微网与外部电网之间的联络线功率及可再生能源出力在内的信息；

步骤二：按照最大化利用新能源的原则，利用上述信息按下式计算用户每台可控设备的负荷控制目标：

P_L＝(P_AC+P_R)-(P_S+P_W) (3)

$P_L^{t\arg et}=(P_{AC}+P_R)(1-s\%)---\left(4\right)$

$P_{AC}^{t\arg et}=(P_{AC}+P_R)(1-s\%)+(P_S+P_W)-P_R---\left(5\right)$

其中，P_S为光伏出力，P_W为风机出力，P_AC为未控制状态下可控设备自然消耗负荷，P_R为其它不可控负荷，s％为可再生能源渗透率；为可控设备总负荷控制目标；P_L为微网与外部电网之间的联络线功率，为以最大化利用新能源为原则下的联络线功率控制目标；

步骤三：通过加权系数排队算法控制可控设备负荷：

用户利用加权系数排队算法选择自己的响应等级，绿色响应等级代表最优先响应等级，黄色响应等级代表次优先响应等级，红色响应等级代表非优先响应等级，黑色响应等级代表从不响应；同一响应等级中的所有用户组成一用户组；

在步骤1)获得的联络线功率与步骤2)确定的负荷控制目标不一致而产生控制需求时，优先控制绿色响应等级用户，当该响应等级中满足控制条件的可控设备用完但仍未达到负荷控制目标时，控制黄色响应等级用户，依次类推；

步骤四：若绿色响应等级、黄色响应等级和红色响应等级用户的可控设备均已用完而仍未达到负荷控制目标，则储能设备介入。

在步骤三中，所述的通过加权系数排队算法控制可控设备负荷的具体方法如下：

设t时刻微网内某一响应等级用户组内可控设备负荷为该时刻该响应等级用户组内总负荷为可控设备总负荷控制目标为若则控制绿色响应等级用户组中的可控设备全部打开或关断，然后进行下一响应等级的判断；若则首先确定需要控制的可控设备数量，并计算出各可控设备的加权系数K_C，之后按加权系数K_C大小排队打开或关断；

若需要关断可控设备，加权系数K_C可按下式计算：

K_C＝K_T*T_room+K_CT*C_times (6)

且有：

K_T+K_CT＝1 (7)

其中，K_T为温度加权系数，T_room为t时刻室内温度，K_CT为控制次数加权系数，C_times为用户可控设备已被控制次数；为了计算方便，控制次数加权系数K_CT和用户可控设备已被控制次数C_times均归一化到0和1之间；将同一响应等级用户组内可控设备的加权系数K_C按从小到大排列的方式来决定可控设备的关断顺序；

若需要打开可控设备，加权系数K_C可按下式计算：

$K_C=K_T*(1-T_{room}^n)+K_{CT}*C_{times}^n---\left(8\right)$

且有：

K_T+K_CT＝1 (9)

仍将同一响应等级用户组内可控设备的加权系数K_C按从小到大排列的方式来决定可控设备的打开顺序。

本发明提供的于需求侧响应的微网运行优化方法以加权系数排队算法为基础，适用于控制家庭中常见的空调、热泵等可控负荷，允许用户选择自己的响应等级，并且能够兼顾用户舒适度与公平性。

附图说明

图1为本发明提供的基于需求侧响应的微网运行优化方法流程图；

图2为本发明方法采用的加权系数排队算法控制效果；

图3为控制次数加权系数分别为20％和90％时用户被控制次数对比图；

图4为控制次数标准差随控制次数加权系数变化曲线图；

图5为控制次数变异系数随控制次数加权系数变化曲线图；

图6为不同响应等级用户组控制次数对比；

图7为加入空调进行可控负荷需求侧响应前后储能设备的输出功率。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于需求侧响应的微网运行优化方法进行详细说明。

如图1所示，本发明提供的基于需求侧响应的微网运行优化方法包括按顺序进行的下列步骤：

步骤一：采集待优化微网系统中包括所有用户功率、连接在微网与外部电网之间的联络线功率及可再生能源出力在内的信息；

步骤二：按照最大化利用新能源的原则，利用上述信息按下式计算用户每台可控设备的负荷控制目标：

P_L＝(P_AC+P_R)-(P_S+P_W) (3)

$P_L^{t\arg et}=(P_{AC}+P_R)(1-s\%)---\left(4\right)$

$P_{AC}^{t\arg et}=(P_{AC}+P_R)(1-s\%)+(P_S+P_W)-P_R---\left(5\right)$

其中，P_S为光伏出力，P_W为风机出力，P_AC为未控制状态下可控设备自然消耗负荷，P_R为其它不可控负荷(如用户家中的照明、其它家用电器等)，s％为可再生能源渗透率；为可控设备总负荷控制目标；P_L为微网与外部电网之间的联络线功率，为以最大化利用新能源为原则下的联络线功率控制目标；

步骤三：通过加权系数排队算法控制可控设备负荷：

用户利用加权系数排队算法选择自己的响应等级，绿色响应等级代表最优先响应等级，黄色响应等级代表次优先响应等级，红色响应等级代表非优先响应等级，黑色响应等级代表从不响应。同一响应等级中的所有用户组成一用户组。

在步骤1)获得的联络线功率与步骤2)确定的负荷控制目标不一致而产生控制需求时，优先控制绿色响应等级用户，当该响应等级中满足控制条件的可控设备用完但仍未达到负荷控制目标时，控制黄色响应等级用户，依次类推。但即使绿色响应等级、黄色响应等级和红色响应等级用户的可控设备均已用完而仍无法达到负荷控制目标时，黑色响应等级用户也不会响应。

具体方法如下：

设t时刻微网内某一响应等级用户组内可控设备负荷为该时刻该响应等级用户组内总负荷为可控设备总负荷控制目标为若则控制绿色响应等级用户组中的可控设备全部打开或关断，然后进行下一响应等级的判断；若则首先确定需要控制的可控设备数量，并计算出各可控设备的加权系数K_C，之后按加权系数K_C大小排队打开或关断。

若需要关断可控设备，加权系数K_C可按下式计算：

K_C＝K_T*T_room+K_CT*C_times (6)

且有：

K_T+K_CT＝1 (7)

其中，K_T为温度加权系数，T_room为t时刻室内温度，K_CT为控制次数加权系数，C_times为用户可控设备已被控制次数。为了计算方便，控制次数加权系数K_CT和用户可控设备已被控制次数C_times均归一化到0和1之间。将同一响应等级用户组内可控设备的加权系数K_C按从小到大排列的方式来决定可控设备的关断顺序。

若需要打开可控设备，加权系数K_C可按下式计算：

$K_C=K_T*(1-T_{room}^n)+K_{CT}*C_{times}^n---\left(8\right)$

且有：

K_T+K_CT＝1 (9)

仍将同一响应等级用户组内可控设备的加权系数K_C按从小到大排列的方式来决定可控设备的打开顺序。

步骤四：若绿色响应等级、黄色响应等级和红色响应等级用户的可控设备均已用完而仍未达到负荷控制目标，则储能设备介入。

现以某一个社区级微网系统为例对本发明提供的基于需求侧响应的微网运行优化方法进行验证：该社区内共有1000户居民的空调作为可控设备参与响应控制，每台空调的额定功率参考民用空调普遍情况设定为1kW，室内温度设定值为24℃，允许偏差为±1.5℃。用户响应等级选择作如下设置：绿色响应等级用户数量为100，黄色响应等级用户为200，红色响应等级用户为400，黑色响应等级用户为300。加权系数设置如下：温度加权系数K_T为0.6，控制次数加权系数K_CT为0.4。新能源渗透率为10％。上述条件下的控制效果如图2所示。

图2中控制前负荷曲线为未进行控制的自然状态下空调消耗的负荷曲线，控制目标曲线为按照式(4)、(5)计算出的负荷控制目标绘制而成，控制后负荷曲线即为按照加权系数排队算法控制后的负荷曲线，可以看出即使在完全没有储能设备介入的情况下加权系数排队算法也能具有较好的控制效果。

加权系数由温度加权系数K_T和控制次数加权系数K_CT加权而成。当温度加权系数K_T＝1而控制次数加权系数K_CT＝0时即等同于SQ算法。K_CT所占权重越高，同一响应等级用户组内用户的被控制次数就越平均，即用户的公平性就越好，这一点可以在图3中得到体现。

图3对比了控制次数加权系数分别为20％和90％时，绿色响应等级用户组中各用户被控制次数的散点分布。图3中数据是由仿真时间为30天的数据仿真得来。在仿真时间较长的情况下，控制次数加权系数权重较低时不同用户的被控制次数差异较大，而控制次数加权系数权重较高时，不同用户间被控制次数差别很小，从而保证了公平性。控制次数加权系数从0变化到100％时，用户被控制次数分布呈越来越集中的趋势，即控制次数加权系数越大，同一响应等级用户组被控制次数分布的标准差越小，如图4所示。图5给出了用户组被控制次数分布的变异系数随加权控制系数变化的关系，也较好地说明了这个趋势。由此可以看出，加权系数排队算法能够较好地保证用户的公平性。

加权系数排队算法允许用户选择自己的响应程度。一部分用户不愿自己的可控设备被外部控制，有些用户为了保证自己的舒适度不愿可控设备响应优先级太高，而有些用户为了能够得到更多的和电力公司签订的经济补偿协议中规定的经济补偿，愿意可控设备优先响应控制信号。用户不同的响应等级选择会影响用户被控制次数。优先响应等级越高，被控制次数越多。黑色响应等级用户组被控制次数永远为0。图6所示为在仿真时间为30天，其他参数与上文相同的情况下，不同响应等级用户组之间控制次数差别。

由于种种约束的限制，比如用户响应等级、空调自身运行温度上下限的约束、压缩机不能频繁启停的约束等，使用空调的需求侧响应并不总能完全满足达到负荷控制目标的需要，此时仍需要储能设备的介入。但是在应用了空调进行可控负荷需求侧响应后，储能设备的使用强度会大大减小。图7对比了加入空调进行可控负荷需求侧响应前后储能设备的输出功率，可以看出加入需求侧响应后储能设备的输出功率明显减小。

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。

Claims (2)

1.一种基于需求侧响应的微网运行优化方法，其特征在于：所述的基于需求侧响应的微网运行优化方法包括按顺序进行的下列步骤：

步骤一：采集待优化微网系统中包括所有用户功率、连接在微网与外部电网之间的联络线功率及可再生能源出力在内的信息；

步骤二：按照最大化利用新能源的原则，利用上述信息按下式计算用户每台可控设备的负荷控制目标：

P_L＝(P_AC+P_R)-(P_S+P_W) (3)

$P_L^{t\arg et}=(P_{AC}+P_R)(1-s\%)---\left(4\right)$

$P_{AC}^{t\arg et}=(P_{AC}+P_R)(1-s\%)+(P_S+P_W)-P_R---\left(5\right)$

其中，P_S为光伏出力，P_W为风机出力，P_AC为未控制状态下可控设备自然消耗负荷，P_R为其它不可控负荷，s％为可再生能源渗透率；为可控设备总负荷控制目标；P_L为微网与外部电网之间的联络线功率，为以最大化利用新能源为原则下的联络线功率控制目标；

步骤三：通过加权系数排队算法控制可控设备负荷：

用户利用加权系数排队算法选择自己的响应等级，绿色响应等级代表最优先响应等级，黄色响应等级代表次优先响应等级，红色响应等级代表非优先响应等级，黑色响应等级代表从不响应；同一响应等级中的所有用户组成一用户组；

在步骤1)获得的联络线功率与步骤2)确定的负荷控制目标不一致而产生控制需求时，优先控制绿色响应等级用户，当该响应等级中满足控制条件的可控设备用完但仍未达到负荷控制目标时，控制黄色响应等级用户，依次类推；

步骤四：若绿色响应等级、黄色响应等级和红色响应等级用户的可控设备均已用完而仍未达到负荷控制目标，则储能设备介入。

2.根据权利要求1所述的基于需求侧响应的微网运行优化方法，其特征在于：在步骤三中，所述的通过加权系数排队算法控制可控设备负荷的具体方法如下：

设t时刻微网内某一响应等级用户组内可控设备负荷为该时刻该响应等级用户组内总负荷为可控设备总负荷控制目标为若则控制绿色响应等级用户组中的可控设备全部打开或关断，然后进行下一响应等级的判断；若则首先确定需要控制的可控设备数量，并计算出各可控设备的加权系数K_C，之后按加权系数K_C大小排队打开或关断；

若需要关断可控设备，加权系数K_C可按下式计算：

K_C＝K_T*T_room+K_CT*C_times (6)

且有：

K_T+K_CT＝1 (7)

其中，K_T为温度加权系数，T_room为t时刻室内温度，K_CT为控制次数加权系数，C_times为用户可控设备已被控制次数；为了计算方便，控制次数加权系数K_CT和用户可控设备已被控制次数C_times均归一化到0和1之间；将同一响应等级用户组内可控设备的加权系数K_C按从小到大排列的方式来决定可控设备的关断顺序；

若需要打开可控设备，加权系数K_C可按下式计算：

$K_C=K_T*(1-T_{room}^n)+K_{CT}*C_{times}^n---\left(8\right)$

且有：

K_T+K_CT＝1 (9)

仍将同一响应等级用户组内可控设备的加权系数K_C按从小到大排列的方式来决定可控设备的打开顺序。