促进新能源消纳的用户侧调峰机制研究

任 景，薛 晨，马晓伟，张小东，肖晓明，刘 颖

（1. 国家电网公司 西北分部，西安 710048；2. 长沙理工大学 电气与信息工程学院，长沙 410114）

0 引言

随着多地区电网的新能源并网规模扩大，新能源在发电侧的占比日益增加［1］。但部分地区用户侧负荷曲线的变化趋势与新能源出力曲线的变化趋势相悖，导致传统“鸭子曲线”超出传统机组调度限值，出现弃风、弃光等新能源弃电现象。同时，大部分地区面对新能源大规模并网，出现了调峰手段缺乏、应急响应能力不足等问题。因此迫切需要研究能够促进新能源消纳的用户侧调峰机制。

用户侧调峰机制是将作为需求侧的用户当成与供给侧对等的资源，通过激励的手段使其参与到电网调峰中。大部分研究以电价作为激励，刺激用户对不同电价策略做出响应，如实时电价策略［2］、峰谷分时电价策略［3］、电价补偿策略［4］。电价机制与补偿机制从经济性的角度，引导用户的用电行为向经济效益更高的方向进行改变，而同时这种改变也是从供给侧角度进行调控，以达到运行管理方所希望的负荷形式。

在用户参与调峰机制研究方面，主要包括:基于电力需求弹性矩阵、基于消费者心理学以及基于统计学原理3 类。文献［5］通过分析不同类型负荷的总体价格弹性、时间—价格弹性来建立用户的反映度模型，并用充盈度和舒适度等指标反映用户的满意度，从而建立基于用户响应并考虑用户满意度的分时电价决策模型，但未从经济的角度考虑用户的满意度。文献［6］基于离散吸引力模型，依据价格需求弹性的定义，推导出自弹性系数和互弹性系数的计算公式，运用该需求价格弹性矩阵结合历史电力需求量数据，可以预测未来时段不同力度分时电价下的用电需求量。文献［7］采用统计学原理，通过分析峰谷电价历史数据建立用户的电价响应矩阵，从用电方式和电费支出2 方面衡量用户的满意度，建立电价决策模型，但这一方法需要大量的数据来进行统计说明，用户行为特征的波动性与随机性会带来误差，对于实际工程意义不大。

就传统峰谷分时电价而言，如何划分其峰谷平时段是关键:部分论文通过聚类分析用户负荷特性，如模糊聚类法［8］、阈值优化函数法［9］、密度聚类［10］，对负荷峰谷隶属度聚类并划分峰谷平时段，但忽略了新能源出力及消纳问题。

综上所述，本文立足于西北电网光伏等新能源出力大但消纳困难的实际工程背景，深入调研了西北多类型工业用户负荷率对电价的响应程度，建立了基于消费者心理学的用户响应模型；考虑了西北电网实际运行中“鸭子曲线”特性变化规律，对峰谷平时段和电价进行优化调整，以促进新能源消纳。

1 基于消费者心理学的用户响应模型

考虑以价格作为激励时，用户作为消费者对于电价进行响应。本文引入基于消费者心理学的用户响应模型，即用户负荷将对于不同时段间的电价差进行响应，这一关系可以用负荷转移率与电价差的关系进行表示，如图1所示。

图1 负荷转移率Fig.1 Load transfer rate

电价差对于用户的刺激分为死区、饱和区以及一个线性区。当电价差处于死区时，用户响应与否所造成的经济效益相差并不明显，即用户并无意愿改变原有的用电行为；当电价差处于线性区时，由于参与响应带来的经济效益，用户开始进行响应，且负荷转移率增大与电价差值增大呈正比关系；当电价差达到饱和区时，用户完全响应，之后用户用电行为并不会由于电价差的增加而做出改变。负荷转移率与电价差的关系表示如下

式中:g、d 分别为高电价、低电价时段；ΔPgd为两时段电价差；lgd、hgd分别为死区、线性区上限值；Kgd为线性区斜率；λgd为时段g 到d 时段的负荷转移率。

对于用户负荷而言，基于公式（1），可得到峰—谷时段间负荷转移率λfg、峰—平时段间负荷转移率λfp、平—谷时段间负荷转移率λpg。进而得到响应后的每时刻用户负荷如下

式中:Lt0、Lt分别为响应前、后t时刻负荷；Tg、Tp、Tf分别为谷、平、峰时段分别为响应前平时段、峰时段平均负荷。

通过调研得到某省数类大工业用户对于电价改变的负荷响应情况，进而对其拟合分析，得到大工业用户基于消费者心理学的用户响应模型公式（1）中参数如表1所示。

表1 用户响应模型参数Table 1 User response model parameters

2 促进新能源消纳的用户侧调峰模型

促进新能源消纳的用户侧调峰模型主要思路为:首先通过峰谷平时段划分策略对时段进行划分；然后结合响应模型，通过促进新能源消纳的机组调度策略，判断用户响应与新能源消纳的关系；再构建以新能源消纳为最大化的目标函数，并加入相关约束条件，对于电价进行优化求解。

2.1 峰谷平时段划分策略

传统峰谷平时段的划分往往仅考虑负荷的峰谷平隶属度［11］，但是考虑到新能源的大规模消纳，需要综合考虑不同时间段用户负荷需求与新能源消纳对“鸭子曲线”峰谷差的贡献度，因此采用一种改进的峰谷隶属度函数计算各时刻的峰谷平隶属度，如下所示

式中:uft为“鸭子曲线”峰隶属度；ugt为“鸭子曲线”谷隶属度；L(t)为t时刻用户负荷；maxL、minL分别为负荷峰值、谷值；Lc( )t为t时刻新能源出力；maxLc、minLc分别为新能源出力最大值、最小值；μ1、μ2分别为峰、谷隶属度计算中用户负荷部分的权值。

在式（3）中，某时刻峰隶属度越大，则说明其属于峰时段的可能性越大；谷隶属度越大，则说明属于谷期的可能性越大。因此通过确定峰谷隶属度阈值来划分时刻所属时段

式中:Tf、Tp、Tg分别为峰、平、谷时段；m1为峰隶属度阈值；m2为谷隶属度阈值。

2.2 促进新能源消纳的机组调度策略

考虑实际火力机组的调度特性与调度需求，促进新能源消纳的机组调度策略如图2所示。当用户响应后负荷增加时，优先增加新能源的消纳，当新能源消纳量增加至出力值时再增加其它机组出力；当用户响应后负荷降低时，优先降低其它机组出力，当其它机组出力降低至调度限值时再降低新能源消纳。

图2 机组调度策略Fig.2 Unit scheduling strategy

2.3 目标函数及约束条件

结合前文所提的促进新能源消纳的调度策略，以新能源消纳最大化为目标函数，如下所示

式中:Lx0(t)、Lx(t)分别为系统响应前后t时刻新能源的消纳；Lc(t)为t时刻新能源出力。

考虑到西北电网潮流分布实际情况，本文主要从电网调度的角度，侧重考虑峰谷平电价等宏观政策的变化对于新能源消纳的影响。设置费用约束条件为响应前后总电费变化范围在0～1%。

3 案例分析

3.1 初始数据

本文以某区域电网实际负荷数据作为案例，验证该调峰机制对于促进新能源消纳的有效性，其新能源出力数据、消纳数据、负荷数据、“鸭子曲线”以及初始峰谷平时段与电价如表2所示。初始峰谷平时段及电价如表3所示。

表2 新能源出力与消纳、用户负荷及“鸭子曲线”功率Table 2 New energy output and consumption,user load,“duck curve”power MW

表3 初始峰谷平时段及电价Table 3 Initial peak-valley-flat time and electricity price

3.2 案例分析

根据3.1节的仿真流程，首先根据初始数据求得峰谷平时段，其中峰谷隶属度用户负荷权值μ1=0.610 6，μ2=0.087 1，峰谷隶属度阈值m1=0.622 4，m2=0.674 7，所得峰谷平时段划分结果如表4。

表4 峰谷平时段划分Table 4 Peak-valley-flat time division

用户响应前后“鸭子曲线”、新能源消纳曲线对比分别如图3、图4所示。

图3 “鸭子曲线”对比Fig.3 Comparison of“duck curves”

图4 新能源消纳曲线对比Fig.4 Comparison of new energy consumption curves

用户对于调峰策略进行响应前后的新能源消纳度、等效负荷峰谷差、总用电费用对比如表5 所示，为验证本调峰机制可行性与可靠性，另采用基于价格弹性矩阵的用户响应模型［12］，与本文所得结果进行对比。

表5 响应前后数据对比Table 5 Data comparison before and after response

由图3、图4 可以看出，由于9:00—17:00 新能源出力最大，为最大化促进新能源的消纳，谷时段均设在9:00—17:00，因此，用户会将部分负荷转移至该时刻，以响应调控，达到促进新能源消纳的目的。由表5可知，用户对新的峰谷平时段进行响应后，新能源消纳占比从86.13%上升至94.17%，提升了8.24%，即该调峰机制达到了促进新能源消纳的目的。通过对比2种用户响应模型所得结果，本文所用基于消费者心理学用户响应模型对于新能源消纳的促进效果及峰谷差的降低效果更佳。

4 结束语

为了研究宏观政策变化对于电力系统的影响，本文基于消费者心理学理论，提出了一种促进新能源消纳的用户侧调峰机制。首先综合考虑峰谷平时段中负荷和新能源出力对“鸭子曲线”峰谷差的贡献度，通过改进隶属度函数得到峰谷平时段，并采用粒子群算法对于峰谷平电价进行优化求解，通过调节用户侧负荷达到促进新能源消纳目的。

以某省电网实际算例可知，用户对调峰机制进行响应后，在费用保持不变的情况下，使得新能源的消纳提升了8.24%。本文所得结论已经在西北电网地区部分铝合金行业进行了示范验证。

下一步将研究以电价作为激励，引导用户进行响应的调峰机制的基础上，进一步考虑补偿机制对于用户响应的影响。