考虑负荷聚合商参与下的微网双层两阶段优化调度

王凌云 安 晓 杨 波 张赟宁

(1.三峡大学 电气与新能源学院,湖北 宜昌 443002;2.国家电网 武汉供电公司,武汉 430015)

随着电力需求和消费的快速增长,传统电网的运行方式很难解决潜在的供需失衡问题.而需求响应(demand response,DR)通过减少或转移高峰时段的用电量,显著缓解了这一问题,提高了微网运行的可靠性[1-2].中小型负荷也可以通过负荷削减、负荷转移等方式参与到市场交易中.然而,中小型负荷资源存在响应不确定,分布不集中,负荷弹性水平较低的问题,制约了系统对中小型负荷资源的调用[3].另一方面,随着能源结构的不断调整,分布式能源和储能装置也逐渐成为负荷资源进入市场的新手段[4-5].因此,如何将需求侧资源进行整合以及如何对分布式能源、储能装置、负荷资源三者进行协调,形成资源优势互补,提高系统运行的经济性,对未来电力市场的发展具有重要意义.

目前,很多学者都对需求响应进行了分析和研究.文献[6]对分类负荷模型进行构建,通过源荷互动实现了微网的经济运行;文献[7]提出考虑需求响应的市场化经济调度策略,实时滚动优化以保证微网稳定经济运行;文献[8]对柔性负荷进行调度,提升微网运行的经济效益;文献[9]在保证系统稳定性的前提下,通过对电源侧和负荷侧分层建模,提高电力系统运行的经济性;文献[10]采用多目标粒子群算法对动态经济与需求侧管理相结合的模型进行求解,使得微网在满足客户端的需求下,达到微网运行经济最优;文献[11]对需求响应的关键技术、效益评估、运作机制等进行总结,为需求响应的发展提供了进一步支撑.

以上研究大多是针对需求响应的应用来进行分析,较少考虑到中小型负荷资源的整合问题,以及微网调度负荷资源的协调问题.针对此问题,发达国家出现了一种新的专业化的需求响应提供商——负荷聚合商[12](load aggregator,LA).LA 不仅可以对负荷资源进行整合,为大量闲置的中小型负荷资源进入市场提供渠道,还可以作为系统和用户之间进行双向互动的桥梁,更好地促进源荷侧协调优化[13].文献[14]针对工业负荷管理问题,引入负荷聚合商对工业负荷进行整合,有效协调了系统的经济性和用户满意度问题.文献[15]通过LA 对空调负荷进行合理调控,充分挖掘了空调负荷的可调潜力.文献[16]通过引入LA 制定负荷削减合同,建立了源荷互动的双层优化模型,但未对中小型负荷进行详细分类.

鉴于此,本文针对居民负荷资源闲置问题,建立考虑LA 参与的微网双层两阶段优化调度模型.该模型对居民可控负荷进行分类,并采用LA 与用户签订负荷削减合同的方式进行负荷调用.微网层和LA 层之间通过参数传递进行运行状态的更新,加强源荷之间的联系,进一步实现整体利益最优.然后对模型求解并进行算例分析,对比LA 参与调度前后的微网运行成本以及LA 层两阶段优化的结果,验证本文所提方法的有效性.

1 考虑LA参与下的运营模式构建

1.1 LA的运营机制

LA 的运营机制是通过调用负荷削减合同,对中小型需求响应资源进行整合,并将它们引入市场中.终端负荷在执行削减合同时,会在一定程度上影响生活舒适度.另外,LA 在用户侧安装控制和通信设备,可以加强LA 和用户之间的交流.结合当前电力市场的发展情况,中小型负荷资源中的居民负荷虽然分散且较小,但仍具有参与到电力市场的潜力.因此本文主要针对中小负荷中的居民负荷进行研究.为了更直观地理解LA 的运营机制,将LA 和微网系统的联系层定义为宏观层,LA 和用户之间的联系层定义为微观层.在宏观层面,微网层会通知负荷聚合商各时段需要削减的负荷功率和补偿水平等.然后,根据LA的反馈制定第二天各个时段的调度计划.在微观层面,每个LA 都拥有一定数量的可控负荷资源,LA 在综合考虑自身削减成本以及用户满意度的条件下,调用合适的削减合同,使得在完成微网层分配指标的同时达到自身利益最大化.LA 的运营机制如图1 所示.

图1 LA 的运营机制

1.2 LA对居民负荷分类

居民负荷中的可控负荷具备参与需求响应的能力,其通过与负荷聚合商签订合同的形式进行需求响应,并通过LA 进行协调管理,使分散的居民负荷转化成规模化负荷.将居民用户可控负荷(dispatchable loads,DL)进行细化管理,按照其工作时段、时长等划分为以下两类.

1)居民用户可平移负荷(shiftable load,SL):负荷的工作时长固定,但工作时段可调,如洗衣机,洗碗机等.本文取最大负荷量的15%作为高峰时的削减量.

2)居民用户可中断负荷(interruptible load,IL):负荷的工作时长、工作时段都可调节,如空调、电扇、热水器等.本文取最大负荷量的30%作为每小时的削减量.

2 微网双层优化模型

为整合负荷侧资源参与系统协调优化,本文构建微网双层优化模型,上层考虑微网侧运行成本及污染物排放问题,下层考虑LA 的削减成本及用户满意度问题.协调各微源出力得出最优调配,具体模型如下.

2.1 上层微网层优化模型

2.1.1 目标函数1(微网运行成本最低)

式中:t为调度时间段;T为调度周期内的总时间段数(本文T选取为24);FDG、FESS、FEX、FLA分别为柴油发电机成本、储能单元成本、与大电网的交互成本和负荷聚合商补偿成本;αn、βn和γn为第n台DG 的燃料成本系数;PDG,n(t)为第n台DG 在t时刻的输出功率;PESS(t)为在t时刻储能单元的充放电功率;MDG,n和MESS分别为第n台DG 和ESS的运行维护成本系数;ρEX,t为购/售电电价;PEX,t为微电网联络线上的交互功率,PEX,t＞0 时,ρEX,t取购电电价,PEX,t＜0时,则取售电电价;a是价格系数;c是常数;PLoad,t是t时刻的原始负荷;PLA,t是t时刻LA 被调度的负荷削减功率.

2.1.2 目标函数2(污染物排放最低)

式中:V为污染气体种类数;Dn,v为柴油发电机n的污染气体v的排放量.

2.1.3 约束条件

1)有功功率平衡约束

2)柴油机发电容量约束

3)蓄电池充放电约束

2.2 下层LA层优化模型

通过上层优化,微网层通知负荷聚合商各时段所需削减的负荷功率和补偿水平.LA 层通过两阶段优化的方法,根据对用户用电特性、用电趋势的分析,调用合理的负荷削减合同.第一阶段:以微网层和LA层制定削减计划偏差最小为目标函数,得到各时段负荷削减的调度计划.第二阶段:以负荷聚合商的削减成本最小,用户满意度最高为目标,调动储能单元合理出力,重新调整LA 的负荷削减的调度计划.

2.2.1 第一阶段优化

LA 在接收到微网层调度信息后,调用削减合同.合同的内容包括负荷削减量、削减补偿水平等方面,由于各个合同存在差异,LA 调用合同可能存在不能完全满足微网层所安排削减量的情况,所以第一阶段的优化是使两层之间的削减计划偏差最小,尽量满足微网层的调度计划,即

其中:

约束条件如下:

1)可控负荷运行约束

式中:λt为SL和IL的调用状态量;Kmax为SL和IL在一天内的调用次数上限;Tmax为SL 和IL 最大连续调用次数;Φ为不被调用时段集合.

2)合同削减上限约束

负荷聚合商与用户签订合同时,应当考虑到用户的用电基础需求,同时还要兼顾用户满意度,因此需设置一定比例的功率削减上限,即

式中:δ为比例系数;为LA 的调用功率;为合同中的最大日负荷.

2.2.2 第二阶段优化

1)目标函数1(LA 的削减成本最低)

2)目标函数2(用户满意度指标最大)

其中:

式中:μ1和μ2分别表示用户用电方式和用电支出满意度的权重系数;ε为执行削减合同前后t时刻负荷曲线的改变量;θ为执行削减合同前后用电成本改变程度;Pt,load和Pt,after,load分别为执行削减合同前后t时刻的负荷量;C(Pt,load)和C(Pt,after,load)分别为执行削减合同前后的用电成本.

3)约束条件

①第二阶段优化的LA 削减功率和第一阶段优化的LA 的削减功率相等,即

②其他约束条件和第一阶段相同.

经过两阶段优化后,LA 将两层之间的最小偏差和LA 的最低削减成本返回给微网层,微网层根据LA 层返回的数据进行分析,制定合理的调度计划,使LA 更加合理地调用削减合同,实现两层间的信息互动.

3 微网双层模型求解

3.1 求解算法

在上述构建的模型中,微网层需要求解的问题是一个多目标、非线性、多约束的问题.NSGA-Ⅱ算法具有求解速度快、全局寻优能力强以及能够有效降低非劣排序遗传算法的复杂性等优点,所以在本文中微网层优化模型将采用NSGA-Ⅱ算法进行寻优,然后得到pareto最优前沿解后,采用熵权双基点法对pareto解进行排序[17],选出最优折衷方案(即微网层得出需要削减负荷功率和补偿水平).LA 层优化模型中的两个阶段优化可以采用Matlab中的YALMIP建模语言和CPLEX 工具包联合求解.

3.2 算法流程

首先,微网层向LA 层发送调度计划,将所需削减的负荷功率和补偿水平下达给LA.LA 在接收到微网层调度信息后,进行第一阶段优化,根据自身约束条件对微网层调度做出响应,及时与微网层反馈,尽量满足微网层需求.在此基础上,LA 层进行第二阶段优化,综合考虑LA 的削减成本以及用户满意度,重新计算LA 的削减成本.优化过程中,两层间信息交互,实现微网的合理调度.本文构建的微网双层模型求解优化流程如图2所示.当达到最大迭代次数kM,程序将输出最终的调度方案.

图2 微网双层模型求解优化流程

4 算例分析

4.1 算例数据

选取含有2台160kW 柴油机(diesel generator,DG)、2台400kW 的风机(wind turbine,WT)、1 组200kW 光伏(photovoltaic,PV)以及100kW·h 蓄电池(storage battery,BA)的微网系统对本文模型进行仿真求解.该微网系统的基本结构如图3所示,具体微源参数见表1～3[18].

图3 算例系统基本结构

表1 微源相关参数

表2 微源运行成本的相关系数

表3 各类污染物排放参数

对光伏、风机以及需求侧负荷进行预测,结果如图4所示.假定负荷削减合同见表4,补偿价格与削减总量无关,调用各类合同的频率均为定值[19].表5为分时电价参数[20].

图4 全天各时段光伏、风机出力以及需求侧负荷预测曲线

表4 负荷削减合同

表5 分时电价

4.2 优化结果

4.2.1 微网层优化结果

通过微网层优化得到各微源的出力以及LA 每小时的削减量,如图5 所示.可以看到,在峰时段11:00、20:00,LA 的削减量最大,从而起到削峰作用.这样可保证在电价较高时,LA 对负荷进行削减,从而减少微网因微源出力低于需求侧负荷所需功率而从大电网购电的成本.在谷时段0:00～6:00,LA的削减量几乎为0,不需要LA 对负荷进行削减.

图5 各微源出力以及LA 削减情况

4.2.2 LA 层优化结果

1)两阶段优化结果对比分析

图6和图7分别是LA 层经过第1 阶段和第2阶段优化后,DG、BA 的出力情况以及SL、IL 的削减情况.

图6 第1阶段优化后DG、BA 的出力和SL、IL的削减情况

图7 第2阶段优化后DG、BA 的出力和SL、IL的削减情况

由图5可以看出,在峰时段11:00～14:00,SL、IL的削减量为正值,表明此时,SL 和IL 履行合同参与到需求响应中,起到了削峰的作用.同时,在谷时段1:00～5:00,SL的削减量为负值(因为SL 只有工作时段可调,所以将峰时段的SL 转移到谷时段),同时起到了一定的填谷作用.在整个优化调度中,DG 需输出一定的功率,满足基本负荷需求.

对比图6 和图7,经过第1 阶段的优化,SL 和BA 存在互相矛盾的情况.如图6 在6:00、7:00 和22:00时,BA 处于放电状态,而在相应时间段里,SL的削减量为负值(相当于BA 的充电状态),不仅导致了充电功率和放电功率相互抵消,还降低了用户的满意度.在图7中,经过第2阶段优化,考虑到LA 的削减成本以及用户满意度,LA 会优先对削减补偿价格较低的负荷削减合同调用,同时向微网层及时反馈,BA 和DG 进行合理规避,大大降低了SL和BA 互相矛盾的情况,减少了LA 的削减成本,同时用户满意度有所提升.

表6是LA 层经过第1阶段和第2阶段优化后的LA 削减成本和用户满意度的比较.从表6可以看出,经过两阶段优化后,LA 的削减成本降低,用电满意度也有一定的提升.

表6 两阶段优化结果对比

2)负荷削减合同调用情况分析

在图8中,各时段柱状累积图表示LA 对负荷削减合同的调用情况.从图中可以看出,LA 在满足系统削减要求的情况下,尽可能地先调用削减补偿价格较低的合同.例如,合同2、合同3的削减补偿价格较低,因此调用次数较多.此外,可以发现LA 在满足自身削减成本最低的同时,适当降低了居民日负荷曲线的峰谷差.对比图7中的居民日负荷曲线,可以明显看出,在峰时段11:00～14:00以及20:00的负荷显著减少,负荷削减合同使用比例显著增加;而在谷时段,虽然存在少量负荷削减合同被调用的情况,但从总体上说,LA 调用负荷削减合同优化了居民日负荷曲线.

图8 负荷削减合同安排和优化前后负荷曲线变化

3)LA 是否参与调度的结果分析

本文设置了2个场景:场景1是LA 不参与微网协调优化调度,仅DG 和BA 参与;场景2是LA 参与微网协调优化调度.两个场景下微网的运行成本以及污染物排放见表7.

表7 2种场景下优化结果

由表7 可知,LA 与用户签订负荷削减合同参与到调度中,协调微源出力,可适当减小DG 的出力,从而使污染物排放降低,同时也减小了微网的运行成本.

5 结语

本文将负荷聚合商作为联系居民负荷和微网系统的中介,对用户负荷进行了细化分类,建立了微网双层优化模型,并对LA 层进行了两阶段优化,通过对模型求解和分析,得到以下结论:

1)负荷聚合商采用调用削减合同的方式,对居民分类负荷进行整合,使其参与到微网系统协调优化中,算例表明LA 在保证自身削减成本较低的同时,协调了各微源出力,降低了污染物的排放,使得微网运行的经济性提高.

2)负荷聚合商作为促进源荷侧协调的主体参与到协调互动中,有效改善了负荷曲线的峰谷差.同时,对签订负荷削减合同的用户提供了补偿,提高了居民的用电满意度.负荷聚合商的参与有利于微网侧和需求侧协调优化,有利于整体利益最优的实现.