基于用户需求响应评价机制的分布式电采暖日前优化调度

金 荣，杨玉龙，王 淞，吴欣阁，张佳林

（东北电力大学，吉林 吉林 132012）

0 引言

当前全球气候变化是人类亟待解决的重大问题，全球气候剧变已经对人类社会造成巨大的威胁。在此背景下，世界各国达成共识，签订节能减排协议，我国则提出“双碳”目标下多种举措［1-4］。我国北方地区供暖方式普遍相同，通常采用集中供热方式，在冬季会造成严重污染。近年来国家出台的“煤改电”政策成为解决北方地区冬季供暖污染严重问题的有效方法［5］，而电采暖作为该政策的主力军被进一步推广，电采暖作为优质的柔性灵活资源，可以作为优质能源参与需求响应。

当前，诸多学者针对电采暖进行了相关研究，文献［6］提出一种适用于负荷聚合商的可削减柔性负荷实时需求响应调度策略。文献［7］运用深度强化学习算法可以有效解决电采暖用户不愿参与电网调控的问题。文献［8］提出一种考虑用户响应行为不确定性的阶梯式需求响应激励机制，并建立随机优化模型。文献［9］提出一种考虑用户耐受度的自动需求响应调度策略。文献［10］提出一种针对用电负荷“峰谷倒挂”现象的混合型电力需求响应策略，该策略可以有效解决用电负荷“峰谷倒挂”现象，能够使区域内日负荷曲线明显平稳，总用电量波动情况相较从前明显下降，并可显著提升电网运行稳定性。文献［11］提出一种新型用户响应效果评价指标，可以有效提高激励补贴计算的公平性。文献［12］提出综合考虑电网激励成本与用户响应成本的响应能力梯度评估指标，为电网激励机制设计和用户响应方案决策提供指导依据。文献［13］提出结合价格型和激励型需求响应的负荷聚集商调度策略，通过激励协议充分挖掘电动汽车的需求响应潜力，而不愿参与激励协议的电动汽车车主可以通过价格型需求响应完成充电。文献［14］构建了基于光热电站和价格型需求响应参与风电消纳的调度模型。

上述文献针对用户响应行为多样化的特点，根据用能偏好对不同用户施加不同激励方式可以达到规范用户响应行为的目的，但对于用户响应行为评判缺少统一的指标。针对以上研究不足，本文提出了一种用户需求响应评价机制，并构建需求响应双层优化调度模型，上层模型以用户参与需求响应收益最大化为目标，下层以电网侧综合成本最小为目标，最后，通过算例仿真验证了所提方法的优越性。

1 用户需求响应评价机制

1.1 用户需求响应评价机制

为了解决用户参与需求响应缺乏统一评判标准问题，引入一种用户需求响应评价机制，选择虚拟电厂协调控制中心作为用户侧的控制主体，其本身不盈利，主要职能是在用户参与响应前整合用户侧资源，再上报电网公司，根据电网公司需求，为用户合理分配任务，响应结束后为用户结算收益，发放补贴。对于未响应量，从电网公司购买电量，保证电网公司与用户双方收益。用户参与需求响应实现风电消纳的步骤如下。

1）用户响应量上报。在用户上报响应量阶段，根据历史响应补贴激励价格，用户多次取均值之后，算出预测补贴价格，结合自身情况以及用电习惯，以个人利益最大化为目标，决策出最佳响应量，并将响应量上传至虚拟电厂协调控制中心。

2）协调控制中心统计申报。协调控制中心接收到用户上传数据后，向用户下达确认指令与用户达成一致，统计所有参与需求响应用户。

3）电网公司公布出清结果。电网公司根据协调控制中心上报情况进行出清，并向各参与响应主体公布出清结果。

4）发布响应量及价格。协调控制中心根据电网公司发布的出清结果，对参与响应的用户下达响应目标量及对应的补贴价格。

5）用户决策。用户根据收到的响应价格，并满足室内温度约束，以自身利益最大化为目标参与需求响应。

6）发放补贴。响应结束后，协调控制中心根据用户实际响应量对用户发放补贴。

7）信用更新。协调控制中心根据用户实际响应量及历史信用情况，更新用户信用分数并储存数据，以便下次使用。

1.2 用户响应信用值计算

在上述步骤7中，为了准确评估用户m参与第k次需求响应的实际表现情况，引入用户响应信用计算公式。协调控制中心会综合考虑用户m的历史信用值并合理分配任务，根据用户m在第k次需求响应事件的实际表现，计算出本次需求响应评估系数βk，m，并根据k－1次需求响应，计算用户m的响应信用值，根据信用等级划分（见表1）换算其信用等级S（ck－1，m）所对应的基础分数，然后计算出用户m在第k次需求响应事件中的信用分数：

表1 信用等级划分

式中：Sk，m为第k次需求响应事件中用户m的信用分数；Sk－1，m为第k－1次需求响应事件中用户m的信用分数；K为第k次需求响应事件总时间步长；T1为用户实际响应量与目标响应量具有5%偏差时所对应的时间，其对应权重系数为1；T2为用户实际响应量与目标响应量具有10%的偏差时所对应的时间，其对应权重系数为0.9；T3为用户实际响应量与目标响应量具有15%～20%的偏差时所对应的时间，其对应权重系数为0.8。

实际情况中用户都会存在未响应情况，其对应的信用分数计为0，为了保障用户信用的合理评估，引入均值公式，所有用户初始信用分数均为90。

2 分布式电采暖运行特性建模

2.1 电采暖二阶等效模型

分布式电采暖设备通常包含直热式及蓄热式，本文仅针对电直热设备进行分析。由于电直热设备采暖情况主要受到房屋结构、室内外温度和墙体温度影响，因此根据能量守恒原理，常采用二阶热参数模型［15］。图1为分布式电采暖二阶等效热力学参数模型，其中Tin、Tout分别为室内、室外温度，R1为内墙与室内空气热阻，R2为外墙与室外空气热阻，C1、C2分别为空气、墙体热容，P为分布式电采暖设备功率。

图1 分布式电采暖二阶等效热力学参数模型

简化后得到电采暖设备二阶模型见公式（3）和公式（4）：

式中：Twall为墙体温度；t为时间；Δt为仿真时间步长。

由于室内温度须达到人体舒适标准，因此引入室内温度约束：

式中：和分别为用户室内温度上、下限。

2.2 电采暖灵活调节功率

ΔP（t，m）为电采暖灵活调节功率，可以参与电网调节实现风电消纳。其值等于电采暖实际功率与日前计划功率的差值：

式中：P（t，m）为t时刻第m个用户的实际出力；P0（t，m）为t时刻第m个用户的日前计划出力。

电采暖在风电消纳过程中，其灵活调节特性将受到风电功率制约，因此文中引入风电功率约束：

式中：N为电采暖用户数量；Pt，wind为t时刻风电功率。

3 需求响应双层优化调度模型

在参与需求响应前，协调控制中心都会根据用户意愿收集响应电量，整合用户侧柔性灵活资源参与需求响应，在国家电网公司发布出清结果之后，协调控制中心都会综合考虑用户信用及用户实际响应水平，为用户合理分配响应补贴。用户响应补贴为：

式中：Pb（k，m）为第k次需求响应事件中第m个用户参与响应的补贴价格；P0为对用户最低补贴价格；Cm为用户m的补贴系数。

虚拟电厂协调控制中心与负荷聚合商相同，都是作为用户侧控制主体参与需求响应。负荷聚合商参与需求响应是以自身利益最大化为目标，同样协调控制中心作为控制主体模式下，也是以用户参与需求响应整体利益最大化为目标。因此，提出的需求响应双层优化调度模型中上层模型以用户参与需求响应收益最大化为目标，目标函数为：

式中：c1为全体用户参与需求响应获得的收益；T为参与需求响应事件总时间；ΔP（k，m）为第k次需求响应事件中第m个用户参与需求响应的灵活调节功率。

以电采暖用户为主，协调控制中心可以实现用户侧的有效聚合，从而参与需求响应。用户参与需求响应的补贴由用户灵活调节功率和信用决定。下层模型则以电网综合成本最小为目标，同时保证用户舒适性：

minc＝c2－c1－c3（10）

式中：c为电网综合成本；c2为电网公司售电成本；c3为购电成本。

4 算例分析

选取吉林省某电采暖住宅小区，测量采集多场景、全时段的运行数据，该小区可运行分布式电采暖设备共计1 000 台，其中峰时段电价为0.672元／k Wh；谷时段电价为0.448元／k Wh；平时段电价为0.56元／k Wh，购电价格为0.6元／k Wh，用户最低补贴价格为0.448元／k Wh。

本文设计三类典型电采暖用户，改变初始信用，不同类型用户在多次参与需求响应中信用以及激励价格的变化见图2，图中M1、M2、M3分别为高、中、低信用用户。综合成本见表2。

图2 初始信用分数为90时信用和激励价格变化情况

表2 综合成本单位：元

由图2可知，M1为高信用用户，随着初始信用分数提高，M1不断提升自己的信用分数，而激励价格也随之提升，使得收益稳中有升。而M2和M3分别为中、低信用用户，随着初始信用分数的提升，也逐渐实现了信用的稳步提升，但在初始信用较高时呈下降趋势。总体来看，高信用用户始终将信用维持在较高水平，中、低信用用户的信用也呈现了上升的趋势，说明在需求响应事件中，用户响应情况较好，自身信用水平均得到提升。

而高信用用户在大部分需求响应事件中虽然表现较好，但信用提升幅度也逐步减小，最后稳定在90分左右，而中、低信用用户在大部分需求响应事件中提升幅度缓慢，有时甚至呈现下降趋势，最后将信用维持在了75～83分。

在初始信用70需求响应事件10中，高信用用户M1获得的激励价格为0.90元，低信用用户M3获得的激励价格为0.82元，这说明本文所提方法将用户信用分数和用户激励价格紧密联系在一起，从而引导用户主动参与需求响应，实现用户整体收益最大化的目标。但随着需求响应事件的推进，用户信用普遍提高，用户信用差距也逐渐减少，激励价格差距也随之减少，初始信用为90分的需求响应事件10中，高信用用户M1的激励价格仅比低信用用户M3激励价格高0.1%，说明文中所提用户信用等级机制可以有效根据用户信用分数合理分配激励价格，最后获得整体用户收益最优结果。

由表2可知，随着初始信用的提升，用户整体收益普遍提升，电网综合成本逐渐减少，但此过程中存在售电成本减少、购电成本增加的问题，说明为了维护用户和公司整体利益，双方均做出了让步，但随着用户初始信用进一步提升，用户和公司整体利益均得到了保障。

为了进一步验证本文所提方法的优越性，对未使用该机制前用户实际响应量与使用后用户实际响应量进行比对，未使用该机制前用户实际响应量为8 050 k Wh；初始信用为70分时用户整体响应量为8 361 k Wh；初始信用为80分时用户整体响应量为8 621 k Wh；初始信用为90分时用户整体响应量为8 981 k Wh；可以发现在使用该机制后用户整体响应量提升了3.8%～11.2%，用户实际响应量稳步提升，实现了用户侧负荷的有效聚集。

综上所述，在实际响应中，协调控制中心给用户下达需求响应任务，高信用用户逐步提升自身响应量，从而提升信用分数，激励价格也会随之增加，但随着需求响应事件的推进，其信用分数会趋于平稳，对于中低信用用户，协调控制中心会根据其当前响应量及信用分数合理下达需求响应任务，随着实际响应量增加，其信用分数也逐步提升，最后实现用户整体收益最大化和电网公司综合成本最小的目标。

5 结论

基于用户参与需求响应中存在的问题，提出了一种用户需求响应评价机制，以虚拟电厂协调控制中心为用户侧控制主体，参与电网公司需求响应，对用户响应行为合理发放补贴，同时规范用户行为。

算例仿真结果表明，随着初始信用的提高，高、中、低信用用户信用逐步提升，但其表现却略有差异，高信用用户将信用一直保持在较高水平，而中、低信用用户虽然信用逐步提升，但在初始信用为90分时却呈现下降趋势。用户补贴价格也随着初始信用的提升而增加，高、中、低信用用户补贴差价也逐渐减少，实现了用户补贴价格的合理分配。高、中、低信用用户在大部分需求响应事件中都提升了信用，虽然有时也呈现下降趋势，但最后将信用维持在了较高水平。

用户整体收益也随初始信用的提升而增加，综合成本逐渐减少，但此过程存在用户和电网相互让步的过程，但在初始信用为90分时此问题已被解决，因此在工程实践中，应该合理设定初始信用分数。为进一步验证所提方法的优越性，将使用需求响应评价机制前后用户整体响应量进行比对，发现使用该机制后用户整体响应量提升了3.8%～11.2%。