通过需求侧响应提高光伏消纳率的微网二层优化方法研究

狄开丽，李鹏，李鑫明，徐绍军

（1.新能源电力系统国家重点实验室（华北电力大学），河北保定 071003；2.国网北京市电力公司，北京 100000）

通过需求侧响应提高光伏消纳率的微网二层优化方法研究

狄开丽1，李鹏1，李鑫明1，徐绍军2

（1.新能源电力系统国家重点实验室（华北电力大学），河北保定 071003；2.国网北京市电力公司，北京 100000）

为提升微网消纳光伏发电的能力，引入需求侧响应模型，提出了一种兼顾光伏消纳率与微网经济性的二层优化方法。以用户满意度为约束条件，以光伏消纳率最大为目标，对分时电价的峰、平、谷时段划分进行优化，引导用户改变用电方式，使得负荷发生一定的转移。同时以微网经济性为目标，通过禁忌搜索算法对微网优化运行模型进行迭代求解。算例结果表明，该方法能有效提高光伏的消纳率，降低用户的用电费用，减少微网的综合运行成本，达到发电侧与需求侧双赢的效果。

光伏消纳；微网；需求侧响应；分时电价；二层优化；优化运行

随着全球能源、环境问题的凸显，可再生能源发电得到蓬勃发展。光伏发电[1-3]作为一种最具有经济发展前景的发电方式的可再生能源，具有很强的市场竞争力，得到了世界各国的重视[4-5]。国家能源局数据显示，截止2015年底，光伏发电累计装机容量达到4 300万kW。随着大量的高渗透率分布式光伏电源的接入，弃光问题也日益严重，光伏消纳问题也愈发凸显[6-7]，针对提高光伏消纳能力的有效方法亟待研究。

目前，针对有关可再生能源的消纳问题，众多学者从电网规划、需求侧管理、本地控制等方面进行了大量研究[8-11]。文献[12-15]从电网规划角度出发，提出了提高新能源消纳的电网规划方法。文献[16-17]通过负荷转移的方法来提高可再生能源的消纳率，但研究对象是针对风力发电。而光伏发电具有间歇性，与风力发电有着本质的区别。文献[18]指出制约配电网对光伏消纳能力的关键是光伏接入后产生的电压偏差，论述了不需要借助通信手段的自由消纳方式和本地控制消纳方式。文献[19]从大规模光伏电力的消纳与送出、电网调峰等方面的因素进行了综合分析，提出了建立新能源技术支持系统平台和提高光伏集中接入地区电力外送及消纳能力等应对措施。文献[20]通过优化储能的管理策略，提高配电网光伏的消纳能力，解决光伏输出功率过大引起的过电压问题。

这些文献对可再生能源消纳问题的研究已取得一定成果，但从电力市场的角度考虑光伏消纳问题的相关研究相对较为欠缺。本文在含有高占比光伏的微网[21-22]优化运行问题中，引入需求侧响应模型，提出了一种兼顾光伏消纳率与微网经济性的二层优化方法。在以光伏消纳率高为目标、以用户满意度为约束的上层优化中，对分时电价的时段进行划分，通过电价激励引导用户的用电行为，以此达到负荷转移的目的；在以微网经济性最优为目标的下层优化中，采用禁忌搜索算法对多变量、多目标、非线性的微网优化运行问题进行求解，在提高光伏消纳率的基础上实现微网综合运行成本最低。

1 分时电价下需求侧响应模型

在电价机制下，电网侧可通过定制不同的电价机制使用户的用电行为发生改变，从而使得负荷发生一定的转移，达到提高光伏消纳的目的。

1.1 用户响应度曲线

假设实施分时电价前后，负荷只会发生转移，总量不会减少。定义负荷转移率为实施分时电价后，用户负荷从高电价时段向低电价时段转移量与高时段电价负荷之比[23]。电价变化率和负荷转移率的关系可用线性分段函数近似表示[23]，其函数图像如图1所示。图1中，Δp表示不同时段之间的电价差；λ表示用户的负荷转移率。当电价差超过下限阈值Δpmin时，负荷开始发生转移；当电价差达到上限阈值Δpmax时，用户的响应能力趋近饱和，此时电价差的增加不会引起进一步的响应。

图1 电价变化率和负荷转移的关系Fig.1 The relationship between the electricity price change and load transfer

1.2 负荷转移模型

根据消费者心理学可知，一般来说，商品的消费数量与它的价格呈负相关，因此负荷转移的方向为从电价高的时段向电价低的时段转移。实施分时电价后，负荷转移分为3种情况。

1）负荷从峰时段向平时段转移。

2）负荷从峰时段向谷时段转移。

3）负荷从平时段向谷时段转移。

基于上述响应度曲线，各时段的拟合负荷可表示为

1.3 用户满意度

用户是电力营销的对象，是电力市场的重要组成部分，在实施分时电价后，用户的用电方式和用电费用都将会发生一定的变化，若不考虑用户的满意度，有可能引发用户的抵制情绪，此种分时电价将很难实施。

本文主要考虑2种用户满意度：舒适度和用电费用满意度[24]。其中，舒适度反映了用户用电习惯的改变，在未实施分时电价时，用户按照一般习惯用电，此时的舒适度最大；在实施分时电价后，由于电价的激励，用户在各个时段的用电量将发生改变，舒适度降低。其数学表达式如式（2）所示。

式中：α为舒适度，0＜α≤1，其值越大表示舒适度越高，其中，α=1表示分时电价实施前后负荷曲线没有发生变化；分别为分时电价实施前、后时段的负荷。

用电费用满意度反映了用户一天之内用电总费用的改变。在实施分时电价后，一般来说，由于电价发生变化，负荷会从高电价时段向低电价时段转移，这将使得用户的总用电费用发生改变。对于原用电费用，用户的满意度为1，实施分时电价后，若用电费用增加，满意度将降低；若用电费用减少，满意度将增大。其表达式如式（3）所示。

式中：β为用电费用满意度，其值越大满意度越高，与总用电费用呈反相关，其中，β＜1表示实施分时电价后的总用电费用增加，β＞1时表示实施分时电价后的总用电费用降低；PtTOU（pp，pf，pv）为分时电价实施后t时段的电价；P0为分时电价实施前的固定电价，为定值。

综上所述，本文的用户满意度由用舒适度和电费用满意度构成，表达式如式（4）所示。

式中：θ为用户满意度；γ1、γ2分别为舒适度和用电费用满意度的权值，可根据不同用户对不同满意度的重视程度取值，γ1+γ2=1。

本文的用户满意度为分时电价时段划分的一个约束条件。取θ≥ξ，ξ是一个大于0的常数。在分时电价时段划分后，新的负荷曲线产生，若用户的用电情况和费用不满足此约束条件，则需要重新进行分时电价的时段划分。

2 微网优化运行模型

进行分时电价时段划分后，负荷曲线将发生改变，需要以新的负荷曲线及分时电价为基础数据，进行微网的优化运行。

2.1 目标函数

本文采用日前调度模型，目标函数是微网一天内的发电成本和环境成本综合最低，如式（5）所示。发电成本包燃料费用和发电设备的运行维护费用如式（6）所示。微源的燃料费用和运行维护费用计算公式如式（7）、式（8）所示。环境成本的计算公式如式（9）所示，各微源污染物排放数据、污染物价值标准、罚款等级见文献[25]。

式中：Cgas为天然气价格，本文取2.5元/m3；L为天然气低热值，取9.7 kW·h/m3；n为微源的总数；为第i个微源在第t时段的输出功率和效率；Δt为单位调度时段长度，本文取1 h；Ki为第i个微源的单位电量运行维护成本系数；m为污染物的总类；Vej为第j类污染物的环境价值；Vj为第j类污染物所受罚款；Gij为第i个微源单位电量的第j类污染物排放量。

2.2 约束条件

1）系统能量平衡约束

2）微源输出功率约束

3）蓄电池电池容量和功率容量约束

4）蓄电池容量连续性约束

3 禁忌搜索算法及优化流程

3.1 禁忌搜索算法

本文的下层机组调度优化是多变量非线性的优化问题，采用禁忌搜索算法进行下层优化的计算。

禁忌搜索[26-29]是一种全局逐步寻优算法，是对人类智力过程的一种模拟。该算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，进而保证多样化的有效搜索以最终实现全局优化。在禁忌搜索算法中，领域、禁忌表、禁忌长度、特赦规则、终止规则等基本概念是算法涉及的关键，具体内容可参考文献[30]。

TS算法的步骤可描述如下：

1）给定算法参数和初始解x0，置当前解xnow=x0、当前最优解xbest=x0，以及禁忌表TL=ψ。

2）当满足算法终止准则时，停止运算，输出计算结果；否则，进入步骤3）。

3）产生当前解的领域N（xnow），从中选取若干解确定候选解集Nfeas（xnow）。

4）判断是否有候选解满足藐视准则。若存在，则用满足藐视准则的最佳候选解x′替代成为新的当前解xnow，即xnow=x′，并替换当前最优解，即xbest=x′，同时更新禁忌表TL，转入步骤2）；否则，进入步骤5）。

本文中，算法的规则设置如下：

①随机选取一组可行解作为初始解。

②选取优化变量本身作为禁忌对象，本文的优化变量为各机组在各个时段的出力。

③对于满足约束的候选解，本文的适配值函数为微网综合运行成本。

④藐视准则为，如果当前解的适配值优于目前最优解的适配值，则无视当前解的禁忌属性。

⑤终止准则为，限定最优解连续保持不变的最大持续迭代步数Hmax，以此作为收敛判据，当持续迭代步数达到限定值Hmax，算法终止。

3.2 二层优化的步骤及流程

本文的二层优化中，上、下两层优化相互关联：上层生成满足满意度约束的分时电价，并将分时电价和转移后的负荷输入下层中，下层接收到上层输出的数据后，优化计算出使得综合成本最低的调度计划，同时得出光伏消纳率，并反映到上层，记录光伏消纳率较优一组变量。不断循环此过程，直至计算次数满足约束为止。优化流程如图2所示，具体的优化步骤如下：

图2 二层优化流程图Fig.2 The flow chart of the two-level optimization method

1）记当前运行次数i=1，初始化分时电价P0=0、转移后的负荷Q0=0、各机组出力f0=0、光伏实际出力PV0=0、光伏消纳率m0=0、总运行成本F0=0，设定用户满意度约束的上限，设定最大运行次数Imax。

2）进行上层优化：生成分时电价Pi，并根据分时电价和负荷转移模型计算转移后的负荷Qi。

3）计算用户满意度，若满足约束，则进入步骤4），否则转入步骤7）。

4）输出分时电价Pi、转移后的负荷Qi，进入下层优化。

5）进行下层优化：通过禁忌搜索算法优化出各机组的出力fi、光伏实际出力PVi、光伏消纳率mi、总运行成本Fi。

6）若mi＞m0，记录下此时的分时电价P0=Pi、转移后的负荷Q0=Qi、各机组出力f0=fi、光伏实际出力PV0=PVi、光伏消纳率m0=mi、总运行成本F0=Fi，进入步骤7）；若mi≤m0，直接转入步骤7）。

7）令i=i+1。若i＜Imax，转入步骤2）；若i≥Imax，进入步骤8）。

8）输出分时电价P0、转移后的新负荷Q0、各机组出力f0、光伏实际出力PV0、光伏消纳率m0，结束运算。

4 算例分析

4.1 基础数据

本算例中，微网配有微燃机（micro turbine，MT）1台，功率上限为65 kW，下限为5 kW；燃料电池（fuel cell，FC）1台，功率上限为40 kW，下限为5 kW；储能装置（energy storage，ES）1台，储能装置的最大、最小电量、初始电量分别为150 kW·h、20 kW·h、75 kW·h，最大充放电功率为40 kW，充放电效率为92%。光伏装机容量为200 kW，占比为总装机容量的43.96%，光伏和负荷数据均采用日前预测数据。微燃机和燃料电池的发电功率与燃料成本的关系曲线如图3所示。

图3 微燃机和燃料电池的发电功率与燃料成本关系Fig.3 The relationship curve of the controllable microsource power and fuel cost

本算例采用等权重满意度约束，即γ0=γ2=0.5，取用户满意度约束值为θ≥0.9。优化前，该微网的电价为固定电价，价格为0.49元/（kW·h）；优化时采用的分时电价的各时段电价为：平时电价保持0.49元/（kW·h）不变，峰时电价为0.83元/（kW·h），谷时电价为0.17元/（kW·h）。禁忌搜索算法的参数设置为：候选集长度取6，禁忌长度取5，收敛判据取6。

4.2 优化结果及分析

优化后，所得最优分时电价的时段划分情况如表1所示；优化后的用户舒适度为0.835 3，用电费用满意度为1.074 7，综合满意度为0.955；优化前、后光伏消纳率分别为88.91%、97.75%；优化前、后微网一天的总运行成本分别为536.45元、465.99元，优化后的微网运行成本相比优化前降低了13.13%。

表1 分时价时段划分情况Tab.1 Time periods of TOU

图4为优化前后的负荷情况，可以看出，采用分时电价后，10∶00—15∶00的负荷增加，其他时段负荷减少，即负荷向峰时段转移。图5为优化前后的光伏实际出力及弃光情况，从图中可以看出，优化后的弃光量较优化前明显降低。光伏在10∶00—15∶00时的功率较大，分时电价在此时段为谷电价，由于需求侧对电价的响应行为，其他时段的负荷向此时段转移，增大了光伏消纳率。

图4 优化前后的负荷情况Fig.4 Load curves of before and after optimization

图6为下层优化中的各机组出力情况，从图6可以看出，在6∶00—13∶00和16∶00，光伏预测功率大于负荷预测值，蓄电池充电；在其他时段，负荷预测值大于光伏预测值，蓄电池放电，减少微网的运行成本。在6∶00—16∶00，负荷需求仅由光伏和蓄电池协调运行即可满足，可控微源的出力为0。微网的综合运行成本降低是因为，光伏消纳率增加，可控机组的出力减少，光伏发电的维护成本小于可控机组的燃料成本及运行维护成本，因此微网的发电成本降低，且光伏发电为零污染，同时也减少了环境成本。

图5 优化前后的光伏情况Fig.5 PV curves of before and after optimization

图6 各机组出力情况Fig.6 The output of each unit

5 结论

本文提出了一种兼顾光伏消纳率与微网经济性的二层优化方法。首先，将需求侧的响应模型引入上层优化，通过划分分时电价的时段和用户的响应行为，在满足用户满意度的基础上来提高光伏的消纳；其次，将上层优化所得数据输入下层优化中，以经济性最优为目标，采用禁忌搜索算法求解微网优化运行问题，实现在光伏消纳率最大的基础上达到微网综合成本最低。通过算例仿真分析，结果如下。

1）分时电价最优的时段划分与光伏预测功率有关。光伏较大时段为谷时电价时段，光伏较小时段为平时电价时段，光伏为零时段为峰时电价时段。

2）该方法能够很好地提高光伏消纳率，降低高占比光伏微网系统的弃光量，增加电力系统对清洁能源的利用率。

3）该方法能够减少用户侧的用电费用，同时也能降低微网的综合成本、减少污染气体的排放，达到发电侧与需求侧共赢的效果。

[1]陈炜，艾欣，吴涛，等.光伏并网发电系统对电网的影响研究综述[J].电力自动化设备，2013，33（2）：26-33.CHEN Wei，AI Xin，WU Tao，et al.Influence of gridconnected photovoltaic system on power network[J].Electric Power Automation Equipment，2013，33（2）：26-33（in Chinese）.

[2]王要强，张美玲，齐歌.光伏发电系统改进型扰动观察最大功率跟踪研究[J].电力电容器与无功补偿，2016，37（4）：111-116.WANG Yaoqiang，ZHANG Meiling，QI Ge.Study on improved type perturbation observation for maximum power tracking of PV generation systems[J].Power Capacitor and Reactive Power Compensation，2016，37（4）：111-116（in Chinese）.

[3]施泉生，于文姝，谢品杰.能源互联网背景下分布式光伏发电的经济效益研究[J].电网与清洁能源，2016，32（1）：100-106.SHI Quansheng，YU Wenshu，XIE Pinjie.Economic benefit analysis of distributed photovoltaic under the energy internet background[J].Power System and Clean Energy，2016，32（1）：100-106（in Chinese）.

[4]周楠，樊玮，刘念，等.光伏微电网的多主体合作运营模式及效益分配[J].电网与清洁能源，2016，32（5）：134-141.ZHOU Nan，FAN Wei，LIU Nian，et al.Multi-subject cooperative operation model and profit allocation of PV-based microgrid[J].Power System and Clean Energy，2016，32（5）：134-141（in Chinese）.

[5]宋卓然，陈国龙，赫鑫，等.光伏发电的发展及其对电网规划的影响研究[J].电网与清洁能源，2013，29（7）：92-96.SONG Zhuoran，CHEN Guolong，HE Xin，et al.Study on developmentofPV generation and its impactson distribution network planning[J].Power System and Clean Energy，2013，29（7）：92-96（in Chinese）.

[6]赵波，韦立坤，徐志成，等.计及储能系统的馈线光伏消纳能力随机场景分析[J].电力系统自动化，2015（9）：34-40.ZHAO Bo，WEI Likun，XU Zhicheng，et al.Photovoltaic accommodation capacity determination of actual feeder based on stochastic scenarios analysis with storage system considered[J].Automation of Electric Power System，2015（9）：34-40（in Chinese）.

[7]马剑，狄开丽，李锐.提高微网光伏消纳率的价格激励需求响应分层优化方法[J].中国电力，2016，49（8）：99-105.MA Jian，DI Kaili，LI Rui.Research on energy manage－ment strategy for the island mode of micro-grid[J].Electric Power，2016，49（8）：99-105（in Chinese）.

[8]张程飞，黄俊辉，谢珍建，等.电网风电接纳能力评估方法综述[J].电网与清洁能源，2015，31（3）：99-105.ZHANG Chengfei，HUANG Junhui，XIE Zhenjian，et al.A review on evaluation methods of power grid’s wind power accommodation capacity[J].Power System and Clean Energy，2015，31（3）：99-105（in Chinese）.

[9]赵文会，钟孔露，王辉，等.影响风力发电决策的政府激励机制研究[J].电网与清洁能源，2016，32（7）：118-124.ZHAO Wenhui，ZHONG Konglu，WANG Hui，et al.Impacts of government incentive mechanism on decisions of wind power generation[J].Power System and Clean Energy，2016，32（7）：118-124（in Chinese）.

[10]于永生，冯延晖，江红鑫，等.一种风电场经柔性直流输电并网控制方法改进探讨[J].电网与清洁能源，2015，31（7）：81-91.YU Yongsheng，FENG Yanhui，JIANG Hongxin，et al.An improvement on large-scale wind power grid integration through VSC-HVDC[J].Power System and Clean Energy，2015，31（7）：81-91（in Chinese）.

[11]赵飞，许剑，徐玉杰，等.基于复合储能系统平抑风电场波动功率研究[J].电网与清洁能源，2015，31（7）：99-105.ZHAO Fei，XU Jian，XU Yujie，et al.Research on smoothing wind power fluctuations based on hybrid energy storage system[J].Power System and Clean Energy，2015，31（7）：99-105（in Chinese）.

[12]彭波，陈旭，徐乾耀，等.面向新能源消纳的电网规划方法初探[J].电网技术，2013，37（12）：3386-3391.PENG Bo，CHEN Xu，XU Qianyao，et al.Preliminary research on powergrid planning method aiming at accommodating new energy[J].Power System Technology，2013，37（12）：3386-3391（in Chinese）.

[13]高赐威，吴天婴，何叶，等.考虑风电接入的电源电网协调规划[J].电力系统自动化，2012，36（22）：30-35.GAO Ciwei，WU Tianying，HE Ye，et al.Generation and transmissioncoordinated planning considering wind power integration[J].Automation of Electric Power Systems，2012，36（22）：30-35（inChinese）.

[14]胡林献，顾雅云，姚友素.并网型风光互补系统容量优化配置方法[J].电网与清洁能源，2016，32（3）：120-126.HU Linxian，GU Yayun，YAO Yousu.Optimal capacity configuration method forgrid-connected wind-solar complementary power system[J].Power System and Clean Energy，2016，32（3）：120-126（in Chinese）.

[15]LUND H，OSTERGAARD P A.Electric grid and heat planning scenarioswith centralised and distributed sources of conventional，CHP andwind generation[J].Energy，2000，25（4）：299-312.

[16]宋艺航，谭忠富，李欢欢，等.促进风电消纳的发电侧、储能及需求侧联合优化模型[J].电网技术，2014，38（3）：610-615.SONG Yihang，TAN Zhongfu，LI Huanhuan，et al.An optimization model combining generation side and energy storage system with demand side to promote accommodation of wind power[J].Power System Technology，2014，38（3）：610-615（in Chinese）.

[17]曾丹，姚建国，杨胜春，等.应对风电消纳中基于安全约束的价格型需求响应优化调度建模[J].中国电机工程学报，2014，34（31）：5571-5578.ZENG Dan，YAO Jianguo，YANG Shengchun，et al.Optimization dispatch modeling for price-based demand response considering security constraints to accommodate the wind power[J].Proceedings of the CSEE，2014，34（31）：5571-5578（in Chinese）.

[18]刘健，魏昊焜.分布式电源应用若干问题探讨[J].供用电，2015（9）：9-12，28.LIU Jian，WEI Haokun.Investigation of several issues on the distribution generation utilization[J].Distribution&U－tilization，2015（9）：9-12，28.

[19]秦睿，董开松，汪红燕，等.大规模光伏电站集中并网对电网的影响分析及对策[J].电气自动化，2014，36（3）：57-59.QIN Rui，DONG Kaisong，WANG Hongyan，et al.Analysis and countermeasures on the influence of centralized grid connection of large-scale photovoltaic power stations upon power grid[J].Electrical Automation，2014，36（3）：57-59.

[20]NASEESHANI J，PETER W，MOHAMMAD A S M.An optimal management strategy for distributed storages in distribution networks with high penetrations of PV[J].Electric Power Systems Research，2014（116）：147-157.

[21]LASSETER R H.Microgrids[C]//Power Engineering Society Winter Meeting 2002，New York，USA.IEEE，2002，1（1）：305-308.

[22]杜尔顺，张宁，康重庆，等.太阳能光热发电并网运行及优化规划研究综述与展望[J].中国电机工程学报，2016，36（21）：5765-5775.DUErshun，ZHANGNing，KANGChongqing，etal.Reviews and prospects of the operation and planning optimization for grid integrated concentrating solar power[J].Proceedings of the CSEE，2016，36（21）：5765-5775（in Chinese）.

[23]阮文骏，王蓓蓓，李扬，等.峰谷分时电价下的用户响应行为研究[J].电网技术，2012，36（7）：86-93.RUAN Wenjun，WANG Beibei，LI Yang，et al.Customer response behavior in time-of-use price[J].Power System Technology，2012，36（7）：86-93（in Chinese）.

[24]丁伟，袁家海，胡兆光.基于用户价格响应和满意度的峰谷分时电价决策模型[J].电力系统自动化，2005，29（20）：10-14.DING Wei，YUAN Jiahai，HU Zhaoguang.Time of use price decision modelconsidering usersreaction and satisfaction index [J].Automation ofElectric Power Systems，2005，29（20）：10-14.

[25]钱科军，袁越，石晓丹，等.分布式发电的环境效益分析[J].中国电机工程学报，2008，28（29）：11-15.QIANKejun，YUANYue，SHIXiaodan，etal.Environmental benefits analysis of distributed generation[J].Proceedings of the CSEE，2008，28（29）：11-15（in Chinese）.

[26]GLOVER F，KOCHENBERGER G.Adaptive memory tabu search for binary quadratic programs[J].Management Science，1998，44（3）：336-345.

[27]JOZEFOWSKA J，WALIGORA G，WEGLARZ J.Tabu list management methods for a discrete-continuous scheduling problem[J].European Journal of Operational Research，2002，137：288-302.

[28]HANAFI S.On the convergence of tabu search[J].Journal of Heuristic，2000，7（1）：47-58.

[29]向小蓉，刘涤尘，向农，等.基于并行禁忌搜索算法的配电网重构[J].电网技术，2012，36（8）：100-105.XIANGXiaorong，LIUDichen，XIANGNong，etal.Distribution network reconfiguration based on parallel tabu search algorithm[J].Power System Technology，2012，36（8）：100-105（in Chinese）.

[30]董百强.基于禁忌搜索算法的配电网重构研究[D].重庆：重庆大学，2006.

A Two-Level Optimization Method for Improving Rate of Photovolatic Accommodation in Microgrid under the Demand-Side Response

DI Kaili1，LI Peng1，LI Xinming1，XU Shaojun2
（1.State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources（North China Electric Power University），Baoding 071003，Hebei，China；2.State Grid Beijing Electric Power Company，Beijing 100000，China）

In order to improve the photovolatic（PV）accommodation of the microgrid,this paper introduces the demand-side response model and proposes a two-level optimization method is proposed which takes both the rate of PV accommodation and economical efficiency of the microgrid into consideration.Firstly,the peak,flat and valley time division of time-of-use（TOU）price is optimized with the user satisfaction index as constraints and the maximum PV accommodation rate as objective,the optimized TOU price can guide users to change the electricity consumption manner and then make the load transfer.Secondly,with the goal of economicalefficiency ofthe microgrid,the optimization operation model of the microgrid is solved by tabu search（TS）algorithm.The simulation results show that this method can improve the rate of PV power accommodation,reduce the cost of electricity users and decrease the comprehensive operating cost of microgrid significantly,thus achieve a win-win of the power generation side and the demand side.

PV accommodation;microgrid；demand-side response；TOU price；two-level optimization；optimal operation

2016-05-11。

狄开丽（1991—），女，硕士研究生，主要研究方向为新能源并网电与微网技术；

（编辑 冯露）

国家电网公司总部科技项目(520201150012)。

Project Supported by the Science and Technology Program of State Grid Corporation of China（520201150012）.

1674-3814（2017）03-0111-08

TM734

A

李 鹏（1965—），男，博士，教授，IEEE高级会员，主要研究方向为新能源并网发电微网技术、电能质量分析与控制、电力电子技术在智能电网中的应用等。