计及资源与时间约束的自动需求响应模型

王鹤，石坤，李德智，段聪，许高杰，林弘宇

(1.中国电力科学研究院，北京市 100192；2. 华北电力大学，北京市 102206；3.国家电网公司，北京市 100031 )

(1. China Electric Power Research Institute, Beijing 100192, China;2. North China Electric Power University, Beijing 102206, China;3. State Grid Corporation of China, Beijing 100031, China)



计及资源与时间约束的自动需求响应模型

王鹤1，石坤1，李德智1，段聪2，许高杰1，林弘宇3

(1.中国电力科学研究院，北京市 100192；2. 华北电力大学，北京市 102206；3.国家电网公司，北京市 100031 )

需求响应(demand response，DR)对能源经济发展、资源与能源节约以及环境保护具有重要的战略意义，而如何实现自动化DR还有待进一步研究。首先从电力用户响应成本、企业生产特性、响应时间这3个方面研究了DR的影响因素；其次在变量分析及以可持续中断供电时间划分用户群的基础上，以停电时间与缺电功率为约束条件、以参与DR的企业用户为变量、以停电总成本最小为目标函数，采取由简入繁的思路逐步建立2种情形下的数学模型；最后根据停电时间的不同选取2种典型算例以验证这2种模型的有效性。

需求响应(DR)；影响因素；可持续中断供电时间；停电时间与功率；用户停电成本

0 引 言

随着国内外能源与经济形势的深刻变革，市场化将成为电力系统改革的大方向，需求侧资源的地位也在逐渐改变[1]。将需求侧资源与供应侧平等或者优先地对待，对提高经济效益和资源利用效率具有重大意义[2]。从广义上来讲，需求响应(demand response DR)是指在价格信号或激励的推动下，电力用户改变其原有用电模式的行为[3-4]。

在国外，DR的发展得到了政策上的大力支持，发展迅速。美国起步最早，DR方面的政策相对比较完备。美国于2005、2007和2009年，相继颁布了《能源政策法案》、《能源独立与安全法案》和《美国复苏与再投资法案》，表明大力支持DR的实施。在美国，Open-ADR技术也得到充分发展，并已取得多个成功案例，其体现出的技术和商业优势进一步促进了DR[5-8]的发展。此外，欧盟于2010年公布了3个欧洲2020年能源和气候目标，DR是实现3个目标的重要途径，这必将促进DR在欧洲的发展。

在我国，DR的发展相对落后于欧美等发达国家，目前只有峰谷电价得到初步推广，然而尖峰电价和可中断负荷仍处于试行和探索阶段[8]。而在Auto-DR技术方面，我国才刚刚起步，发展势头良好，但缺乏专门研发Auto-DR新技术的组织机构。国内电力企业已经初步认识到制定DR技术标准的必要性和迫切性。因此，电网企业牵头制定的DR技术标准已步入起草阶段。但是对于DR的研究，国内研究文献较少。主要针对需求响应的作用[9-10]、响应机制[11-13]、可中断负荷合同模型[1,14]，需求侧资源优化[15]等方面。如文献[1]只给出了需求侧可中断负荷模型；文献[13]研究了住户负荷控制器对于价格响应的算法和控制逻辑；文献[15]介绍了一种分布式能源规划算法，在考虑用户侧温度的条件下使得发电用户收入最大。

本文从电力用户响应成本、企业生产特性、响应时间这3个方面研究DR的影响因素；在变量分析及以可持续中断供电时间划分用户群的基础上，以停电时间与缺电功率为约束条件、以参与DR的企业用户为变量、以停电总成本最小为目标函数，建立数学模型；根据算例验证这模型的有效性，并为DR的实施提供技术依据，为用户与电网企业双向互动的实现提供理论基础。

1 DR影响因素分析

经济效益是推动用户侧响应的重要因素，而企业用户能否做出DR行为还要受到其生产特性和响应时间的限制。因此将影响用户侧响应行为的因素归结为：响应成本、企业生产特性和响应时间。

1.1 用户响应成本

用户响应成本是指在激励信号的作用下，用户做出响应并改变其固有用电模式所产生的成本。用户响应成本主要是由停电带来的成本构成，则用户响应成本为

(1)

式中：θ为用户的生产特性类型；Q为中断供电量；τ为中断发生的时间类型；Tq为停电时间；T为可持续中断供电时间；f为负荷中断次数。

实际上，用户的停电时间相同，若只考虑一次断电，则用户响应成本的决定因素就是用户的生产特性和中断供电量，此外还要考虑用户可持续中断供电时间的约束，即

(2)

1.2 企业生产特性

由于生产特性(主要考虑可持续中断供电时间和用户侧资源)的不同，企业参与DR的能力也不同。根据企业参与DR的能力的不同，将企业用户分为以下几类：可以进行避峰生产的企业、具有避峰生产潜力的企业和不避峰生产的企业。

(1)可以进行避峰生产的企业：这类企业生产时间灵活，可持续停电时间可以调节，有参与DR的空间，并且电力成本占其生产成本的比重较大，有参与DR的动力。主要包括机械制造和纺织、水泥等小型的低耗能企业。

(2)有避峰潜力的企业：这类企业可以参与DR，但由于低谷生产带来的管理成本明显增加，导致参与避峰生产的动力不足。

(3)不避峰生产的企业：这类企业受生产工艺限制一般不参与避峰生产，主要包括电气电子和化工等大中型的连续生产的高耗能企业。

1.3 用户可持续中断供电时间

具有不同负荷特性的电力用户参与Auto-DR的响应措施时，Auto-DR实施机构会按照合同约定的时间与电力用户共同参与。合同约定中与用户可持续中断供电时间相关的是提前通知时间和可持续中断供电时间。

(1)提前通知时间是指响应的及时性，是解决Auto-DR问题的一个关键因素。在某些情况下，通过非常超前的通知可以减轻未来预计产生的损失。

(2)可持续中断供电时间是决定用户能否参与DR的重要因素，也是响应成本的重要因素，对于参加DR的电力用户来说，可持续中断供电时间根据签订的可中断合同来选择和确定。一般地，可持续中断供电时间越长，停电总成本越大，但单位停电成本越小。

2 计及资源与时间约束的Auto-DR模型

2.1 变量设计及用户群划分

假设电网某段时间缺电，停电时间为Tq，且该时段缺电功率无变化，缺电功率为Pq，电网公司可参与需求响应用户库情况如下。

(1)定义可持续中断供电时间大于Tq为a类客户(用户总数为N)，用户群定义为Ya，Ya的信息矩阵为[Cai,Pai,Tai]。其中：i为用户序号，i=1，2 ···N；Cai表示第i个a类用户的停电成本，主要由单位功率下的用户停电成本及固定停电成本构成；Pai表示第i个a类用户的可持续中断供电的有功功率；Tai表示第i个a类用户可持续中断供电的时间，且Tai>Tq。

(2)定义可持续中断供电时间小于Tq为b类客户(用户数为M)，用户群定义为Yb，Yb的信息矩阵为[Cbj,Pbj,Tbj]。其中：j为用户序号，j=1，2···M，这里将b类用户按其可持续中断供电时间由小到大排序，使得Tb1

2.2 模型建立

需求响应场景有若干种，优化模型也各不相同。本文根据停电时间Tq与缺电功率Pq的不同，选择合适的可参与DR的用户，使得停电总成本最小。因此以停电时间Tq与缺电功率Pq为约束条件、以参与DR的企业用户为变量、以停电总成本最小为目标函数，采取由简入繁的思路逐步建立接近事实场景的数学模型。

(1)假设电网中只存在a类客户，即所有用户的可持续中断供电时间均大于Tq：该模型适用于电网缺电时间较短，且恢复供电后即便存在部分负荷反弹，也不会再出现缺口，并忽略电网潮汐约束中断供电。最小停电总成本为

(3)

式中：Caki、Cafi分别为a类用户i的单位功率下的用户停电成本与固定停电成本；实际参与DR的a类客户数为n。考虑到停电时间和缺电功率约束，则约束条件为：

(4)

(2)电网中同时存在a类客户和b类客户，即只有部分用户的可持续中断供电时间大于Tq。该模型适用于电网缺电时间较长，当且恢复供电后即便存在部分负荷反弹，也不会再出现缺口，并忽略电网潮流约束中断供电。根据用户群划分，所有用户中可持续供电时间最小的是Tb1，以Tb1为分界点，这种情况下又分为2个不同的阶段：

①定义[0，Tb1]为所有用户均可参与DR的时段，这一阶段的最小停电成本为

(5)

式中：Cbkj、Cbfj分别为b类用户j的单位功率下的用户停电成本与固定停电成本；实际参与该阶段DR的a、b类客户数为n1、m1。

②定义[Tb1，Tq]为部分b类用户不能继续参与DR的阶段。这一阶段又可以根据Tb划分为L个小阶段，每个小阶段的末端时间为Tbl(l=2，3，…，L)。对于每一小阶段，均可按阶段①的方法求得本阶段停电成本。如阶段l目标函数为

(6)

式中： [Tbl-1，Tbl]表示时间断点；实际参与该阶段DR的a、b类客户数为nl、ml。综合以上各阶段得到第2种假设的目标函数：

(7)

式中：nc、mc表示重复计算的a、b类用户的固定成本。

上述所有阶段所选择的DR的用户，均应满足缺电功率要求，即约束条件为

(8)

3 实验验证

本课题以8个企业数据为例进行模拟分析，企业停电成本分成：(1)固定停电成本Cf，表示企业损失不受停电时间影响，停电即产生的固定损失；(2)单位功率停电成本Ck，表示企业损失受停电功率大小、停电时间长短有关的单位成本，可持续中断供电的功率P、可持续供电时长T。具体见表1。

表1 企业可参与需求响应的资源与时长

Table 1 Resource and time of enterprises participated in DR

算例一 假设电网此时需要停电功率Pq=200 kW，需要停电时长Tq=1 h。则表1中的8个均属于a类企业。首先根据式(3)计算出每个企业的停电成本，然后按平均停电成本由小到大排序，结果如表2所示。

表2 停电时长Tq=1 h 时停电成本计算结果

Table 2 Calculation results of outage cost whenTq=1 h

由表2可知，停到企业5时，完成缺口190 kW，此时，企业6、企业1、企业4相比企业1停电成本最小，所以系统应将企业1停电，完成优化过程。最后选择停电的企业有企业2、企业7、企业8、企业3、企业5、企业1，停电总功率为210 kW，停电总成本为566 万元。

算例二 假设电网此时需要停电功率Pa=200 kW，需要停电时长Ta=2 h。则出现a、b类这2种用户。首先将上述企业划分为a类用户(企业2、企业3、企业4、企业5、企业6、企业8)和b类用户(企业1、企业7)，然后再根据b类用户划分时间段，可以分为2个时段[0 h, 1 h]和[1 h, 2 h]。对于每个时间段按照式(5)～(8)的计算方法，计算得到停电成本，结果如表3所示。

表3 停电时长Tq=2 h 时停电成本计算结果

Table 3 Calculation results of outage cost whenTq=2 h

阶段1：所有用户均可参与，按照算例一的方法，得到需要停电的企业7、企业2、企业1、企业8、企业3、企业5，该阶段停电总功率为210 kW，停电总成本为566 万元。

阶段2：由于企业1、企业7可持续供电时间小于2 h则不参与DR，按照式(5)～(8)的方法，得到需要停电的企业2、企业8、企业3、企业5、企业6，该阶段停电总功率为210 kW，停电总成本为557 万元。

综合以上2个阶段，停电总成本为1 123 万元。若只选择a类用户，即选择停电的企业有企业2、企业8、企业3、企业5、企业6，停电总功率为210 kW，停电总成本为1 196万元；若不采取以停电成本为目标函数的需求响应策略，采用随机关停，不仅可能造成经济损失甚至发生重要用户失电而导致用电安全事故。通过以上实例，验证了所提方法的有效性和实用性。

4 结 论

本文所提DR模型能选择最优实际参与DR的企业组合，使得在满足停电功率要求的前提下停电总成本最小。这对我国实施需求响应项目有较好的借鉴作用。主要提出以下几点创新：

(1)从电力用户响应成本、企业生产特性、响应时间这3个方面研究了DR的影响因素，得到企业参与DR的约束条件；

(2)根据停电时间的不同，划分用户群，为分阶段DR模型做铺垫；

(3)提出以停电时间与缺电功率为约束条件、以参与DR的企业用户为变量、以停电总成本最小为目标函数的分阶段DR模型，并给出实际算例。

随着电价与激励机制的不断完善，未来针对需求响应的响应成本、用户类型、响应时长等研究将更加突出，能够充分调动用户，改变用电行为。结合电网的建设和发展，研究电网潮流约束下的需求响应优化模型是今后需要深入研究的问题。

[1]王建学，王锡凡，王秀丽．电力市场可中断负荷合同模型研究[J]．中国电机工程学报，2005，25(9)：11-16． Wang Jianxue, Wang Xifan, Wang Xiuli. Study on model of interruptible load contract in power market[J]. Proceedings of the CSEE,2005,25(9):11-16.

[2]王致杰，刘珊珊，薛松，等．基于熵权与TOPSIS法的需求侧响应资源价值评价模型研究[J].华东电力，2014，42(1)：143-149． Wang Zhijie，Liu Shanshan，Xue Song，et al. Evaluation model for demand-side response resource value based on entropy and TOPSIS[J]. East China Electric Power，2014，42(1)：143-149．

[3]阮文骏，刘莎，李扬．美国需求响应综述[J]．电力需求侧管理，2013，15(2)：61-64． RUAN Wenjun, LIU Sha, LI Yang. Overview of demand response in the U.S.A[J].Power Demand Side Management,2013(2):61-64.

[4]赵鸿图，朱治中，于尔铿．电力市场中需求响应市场与需求响应项目研究[J]．电网技术，2010，34(5)：146-153． Zhao Hongtu, Zhu Zhizhong, Yu Erkeng. Study on demand response markets and programs in electricity markets[J]. Power System Technology, 2010，34(5)：146-153．

[5]Piette M A，Ghatikar G，Kiliccote S，et al ．Open automated demand response communications specification (Version 1．0) [EB/OL]．California Energy Commission PIER Program，2009，CEC-500-2009 -063．

[6]Piette M A，Kiliccote S，Ghatikar G．Design and implementation of an open interoperable automated demand response infrastructure [EB/OL]．[2012-03-21]．http：//www．smartgrid．gov/document/design_ and_implementation_open_interoperable_automated_demand_response_infrastructure．

[7]高赐威，梁甜甜，李慧星，等．开放式自动需求响应通信规范的发展和应用综述[J]．电网技术，2013，37(3)：692-698． Gao Ciwei, Liang Tiantian, Li Huixing, et al. Development and application of open automated demand response[J].Power System Technology,2013,37(3):692-698.

[8]潘小辉，王蓓蓓，李扬．国外需求响应技术及项目实践[J]．电力需求侧管理，2013，15(1)：58-62． Pan Xiaohui, Wang Beibei, Li Yang. Demand response technology abroad and its practice[J].Power Demand Side Management,2013,15(1):58-62.

[9]李来福，柳焯．需求侧管理在缓解紧急态势中的作用[J]．电网技术，2008，32(7)：56-60. Li Laifu, Liu Zhuo. Role of demand side management played in alleviation of urgent situation[J].Power System Technology,2008,32(7):56-60.

[10]胡江溢，王鹤，周昭茂．电力需求侧管理的国际经验及对我国的启示[J]．电网技术，2007，31(18) ：10-14． Hu Jiangyi, Wang He, Zhou Zhaomao. International experience of power demand side management and enlightenment to China[J].Power System Technology,2007,31(18):10-14.

[11]曾庆禹．需求侧参与的电力批发市场定价机制作用[J]．电网技术，2004，28(17)：6-10 ．

Zeng Qingyu. Electricity wholesale market pricing mechanism with demand side incorporated[J].Power System Technology, 2004，28(17)：6-10.

[12]吴政球，叶世顺，匡文凯．电力市场环境下的可靠性电价与可靠性交易[J]．电网技术，2006，30(4)：74-77． Wu Zhengqiu，Ye Shishun，Kuang Wenkai. Reliability transaction and reliability pricing in electricity market environment[J].Power System Technology, 2006，30(4)：74-77．

[13]Schweppe F C，Daryanian B，Tabors RD．Algorithms for a spot price responding residential load controller[J]. IEEE Transaction on Power System，1989，4(2)：507-516．

[14]李金波，张少华．考虑用户风险偏好的可中断负荷定价[J]．电网技术，2008，32(3)：52-55． Li Jinbo，Zhang Shaohua . Pricing of interruptible load considering risk preference of consumers[J]. Power System Technology, 2008, 32(3): 52-55 .

[15]Pedrasa M，Spooner T， MacGill I．Coordinated scheduling of residential distributed energy resources to optimize smart home energy services[J]. IEEE Transaction on Smart Grid，2010，1(2)：134-143．

(编辑：蒋毅恒)

Auto-DR Model Considering Resources and Time Constraints

WANG He1, SHI Kun1, LI Dezhi1, DUAN Cong2, XU Gaojie1, LIN Hongyu3

Demand response (DR) has important significance to energy and economic development, resource and energy saving, as well as environmental protection; however how to realize Auto-DR still need further study. First, the influence factors of DR were analyzed from three aspects of response cost, enterprise production characteristics, and response time. Second, on the basis of the variable analysis and the user division according to sustainable interruption time of power supply, the models of Auto-DR in 2 cases were proposed with using the idea ‘from simple to complex’, in which the power enterprises that were chosen to participate in DR were set as variables, and the minimum total outage cost was set as the objective function, with the constraint conditions of power outage time and active power. Finally, according to different outage time, two cases were chosen to verify the validities of these two models.

demand response (DR), influence factor, sustainable power supply interruption time, outage time and power, outage cost

C=f(θ,Q,τ,Tq,T,f)

C=f(θ,Q,T)

(1. China Electric Power Research Institute, Beijing 100192, China;2. North China Electric Power University, Beijing 102206, China;3. State Grid Corporation of China, Beijing 100031, China)

TM 72

A

1000-7229(2015)04-0110-05

10.3969/j.issn.1000-7229.2015.04.018

2014-09-29

2014-10-20

王鹤(1974)，女，博士研究生，高工，研究方向为电力需求侧管理；

石坤(1984)，男，本科，工程师，研究方向为电力需求侧管理、用电技术；

李德智(1982)，男，研究生，工程师，研究方向为电力需求侧管理、用电技术；

段聪(1989)，女，研究生，研究方向为电力需求侧管理；

许高杰(1984)，男，研究生，工程师，研究方向为电力需求侧管理、用电技术；

林弘宇(1972)，男，博士研究生，高工，研究方向为电力营销、能效管理、智能电网技术。