考虑负荷聚合商资源灵活度的荷源协调优化调度方法

朱丹丹，贾勇勇，周前

（国网江苏省电力有限公司电力科学研究院，南京 210000）

0 引言

我国风电发展迅速，但由于电网调峰能力不足，大规模风电消纳形势不容乐观，江苏等省份面临调峰资源紧张的问题。研究表明，将负荷侧可调节资源［1］纳入电力系统调度范围以提高风电消纳水平［2-6］是拓展调峰资源、缓解弃风问题的有效途径。

然而负荷侧可调节资源包括海量的分布式可控负荷［7］。针对全部负荷个体进行直接调度对电网而言成本太高，控制过于复杂［8］，负荷聚合商［8-9］作为大量中小规模可调节负荷资源与电网调度中心的中间协调机构，在负荷侧可调节资源参与电网调节实践中可发挥重要作用［10］。

对于负荷聚合商参与下的荷源协调调度，前人已做了不少研究工作。在调度方法方面，文献［11］在综述发达国家负荷聚合商实际应用的基础上，提出了结合国内实际情况的实施方法及途径，为我国的负荷侧资源通过负荷聚合商参与电网调节提供了参考。文献［12］建立了空调聚合商参与的配电网温控负荷控制与运行重构策略模型。文献［13］提出了考虑公平性的多负荷聚合商参与的动态需求响应方法。但以上文献侧重于以削减负荷为出发点的调度模型建立，无法直接应用于受阻风电消纳过程。在负荷参与调节相应的价格机制方面，目前主要分为两种类型［14］，直接电价引导和补偿机制。由于直接电价引导对于部分负荷作用有限［14］，因此本文采取补偿机制。文献［15］根据负荷调节意愿和负荷的性质将负荷划分为3个等级后，不同等级给予不同的补偿价格，但未给出具体的等级划分方法以及从等级到奖励价格的计算方法。文献［16］根据用户合同违约百分比，对负荷聚合商实行等级化补偿。文献［17］在计算负荷聚合商违约率的基础上，利用分段线性函数建立了各负荷聚合商的补偿价格与其违约率之间的关系。但将负荷聚合商的补偿价格与其违约率相关联，反而会使得违约率高的负荷聚合商因其补偿价格低而在最小化调度成本目标下具有调节容量优先分配权，可能导致系统中出现大量的违约电量。

此外，目前的荷源协调调度［16-17］仅考虑了用户侧由于意愿等产生的概率性违约行为，而忽略了仅以调节能力上下限表征负荷聚合商调节特性［8-9，13，17］的情形下，受其所聚合终端的调节特性限制将导致的必然违约。

针对以上问题，本文提出了考虑负荷聚合商资源灵活度的荷源协调调度方法，并通过算例分析验证了所提方法的有效性。

1 负荷聚合商资源灵活度

1.1 负荷聚合商的必然违约电量

负荷侧可参与受阻风电消纳的调节资源众多，本文主要考虑离散可调节负荷终端［18］。离散可调节负荷除了调节上下限外，还受到功率稳定运行时长的限制，调节曲线表现为矩形波。具体调节特性曲线可参见文献［18］。

调度在进行电网调节需求分配时，通常将负荷聚合商向上报的意愿调节功率作为其调节上限［17］，继而制定各负荷聚合商的调节任务。但由于离散可调节负荷终端的存在，负荷聚合商的总体调节特性无法以调节上下限表征，即调度下达的某些调节任务虽然处于负荷聚合商的调节上下限内，负荷聚合商却无法完成。由此产生的违约电量，本文称之为必然违约电量。必然违约电量与负荷终端的调节意愿无关，需要与负荷终端调节意愿导致的概率性违约相区别，以下称概率性违约产生的违约电量为可能违约电量。

以某一仅聚合了一个离散可调节负荷终端的负荷聚合商为例，对调节过程的必然违约电量进行说明，如图1所示。需要说明的是，负荷聚合商上报调节功率时，必然会考虑其负荷终端的调节能力，因此负荷聚合商调节功率上限曲线（图1 中的橙色曲线）是一条可执行的调节功率曲线。

图1 负荷聚合商参与调节过程中的必然违约电量Fig.1 Inevitable default energy of load aggregators participating in the regulation

由图1可以看出，调节任务曲线虽然在负荷聚合商的调节上下限（本文的下限为0）范围内，负荷聚合商却受限于负荷终端的离散特性，无法完成调节任务，产生必然违约电量。

1.2 负荷聚合商资源灵活度

为了降低在荷源协调过程中产生的违约电量，需要在荷源调度过程中考虑负荷聚合商的必然违约行为。此外，根据违约率确定补偿价格［16-17］会使违约率高的负荷聚合商因其补偿价格低而在最小化调度成本目标下具有调节容量优先分配权，从而使得可能违约电量较高，因此，需要寻找新的补偿价格确定依据。为此，本文定义负荷聚合商资源灵活度为：负荷聚合商完成调节上下限内调节任务的能力。定义负荷聚合商i资源灵活度βi为：

当负荷聚合商i能完全完成调节任务时，其资源灵活度为βi=1。

1.3 基于资源灵活度的负荷聚合商补偿价格

本文将负荷聚合商的补偿价格与其资源灵活度相关联。负荷聚合商资源灵活度越高，可以更好地响应电网的调节需求，补偿价格越高；相反，负荷聚合商的灵活度较低，则适应电网调节需求能力越低，补偿价格越低。设对电网而言，负荷聚合商的理想灵活度为β0，对应补偿价格为R0，灵活度βi相对应补偿价格Ri为：

通常，电网理想中的负荷聚合商能完全执行调度下达的分配任务，即理想灵活度β0=1。理想灵活度对应补偿价格可结合本地标杆价格及调节成本等综合确定。

2 考虑负荷聚合商资源灵活度的荷源协调调度模式

本文主要设计负荷聚合商与调度中心之间的协调调度模式，具体如图2所示。在该模式下：

图2 考虑负荷聚合商资源灵活度的荷源协调调度模式Fig.2 The load-source coordinated scheduling model considering resource flexibility of load aggregators

1）风电场将风电预测数据上报调度中心。

2）调度中心进行常规调度（不考虑负荷调节能力）后，将受阻风电功率下发给各负荷聚合商。常规调度及受阻风电功率下发过程中，调度中心可将当地风电功率的预测水平考虑在内。

3）负荷聚合商根据意愿调节功率上报模型，上报意愿调节功率曲线。

4）调度中心根据各负荷聚合商的资源灵活度，确定各聚合商补偿价格。结合受阻风电功率及意愿调节功率，建立调度中心容量分配模型，计算各负荷聚合商的初分配调节功率，并下发至各负荷聚合商。

5）负荷聚合商根据调节功率确认模型，对调度初分配的调节功率进行调整确认，将确认调节曲线上报至调度中心。将确认调节曲线作为负荷聚合商可完成调节功率，将调度中心初分配调节功率作为调节任务，根据式（1）、式（2）进行负荷聚合商的资源灵活度计算。

6）调度中心将最终调节曲线、受阻风电消纳曲线分别下发给各负荷聚合商及风电场。需要说明的是，调度中心将负荷聚合商调整确认后的调节曲线作为最终调节曲线。

相较于文献［17］中的调度模式，增加了负荷聚合商对调度中心分配调节曲线进行调整确认的环节，可避免调度优化分配后的调节曲线与各负荷聚合商调节特性不匹配而产生违约电量。此外，通过负荷聚合商的补偿价格与其资源灵活度相关联，使得资源灵活度低的负荷聚合商具有低价优势，一方面可在调度分配调节容量时，最大程度保持灵活度低的负荷聚合商上报调节曲线的波形，最终降低负荷聚合商必然违约电量；另一方面可避免根据违约率分配调节容量［16-17］，将调节容量优先分配给违约率高的负荷聚合商，从而产生大量可能违约电量（概率性违约）。本文采用文献［16-17］中违约率的概念，即本文所提到的违约率仅表征概率性违约行为而不包括必然违约行为。

3 负荷聚合商决策模型

在本文提出的荷源协调调度模式下，负荷聚合商需进行两次决策，分别为意愿调节功率上报及调节功率确认。

3.1 负荷聚合商意愿调节功率上报模型

负荷聚合商根据调度中心下发的受阻风电功率信息，结合自身调节特性，进行意愿调节功率上报［17］。

意愿调节功率上报过程中，负荷聚合商以上报的调节电量最大为目标：

式中：E0为负荷聚合商上报的意愿调节电量；为负荷聚合商上报的意愿调节功率；T为控制期内时段数，Δt为每一时段的持续时间，本文取T=24，Δt=1 h。

式中：j为负荷聚合商i下的第j个负荷终端；为负荷终端j的调节功率；NT为负荷聚合商下负荷终端个数。

负荷聚合商上报意愿调节功率时，一方面需要考虑调度下发的调节需求约束，见式（6）；另一方面需要考虑其代理的各负荷终端的调节特性约束，主要包括调节上下限约束，调节次数约束，功率稳定运行时长约束等，具体参见文献［18］。需要指出的是，功率稳定运行时长约束针对有功率稳定运行时长约束的负荷终端，如部分工业负荷等，对于其他负荷则略去该约束。

3.2 负荷聚合商调节功率确认模型

负荷聚合商根据调度中心初分配的调节功率，结合自身调节特性，进行调节功率确认。

调节功率确认模型与3.1节中所述的意愿调节功率上报模型基本相同。不同之处仅在于，决策变量由意愿调节功率变为确认调节功率，调度调节需求约束变为：

由确认调节功率与调度中心初分配调节功率可计算负荷聚合商i的调整电量Ei，J。

4 调度中心容量分配模型

调度分配调节容量过程中，希望在尽量多消纳受阻风电的同时，调度成本最小。因此以消纳受阻风电最大及调度成本最小为目标，建立多目标容量分配模型如下：

1）目标函数

式中：EWc，stuck为控制期内消纳的受阻风电电量；C为控制期内的调度成本；为消纳的受阻风电功率；NA为参与容量分配的负荷聚合商个数；Ri为电网对负荷聚合商i的补偿价格。

由于本文的研究目的在于促进受阻风电消纳，因此，将受阻风电电量最大化作为主要目标，求解时采用加权系数法［19］将上述多目标化为单目标，如式（11）所示。

式中：α1和α2为权重系数，α1+α2=1，α1≫α2；为了统一单位，设置EWc，stuck和C对应的标幺化基准EB和CB。

2）约束条件

（1）调度中心为负荷聚合商分配的调节功率不大于负荷聚合商上报的意愿调节功率。

（2）负荷聚合商调节功率之和等于消纳受阻风电功率。

（3）负荷聚合商调节功率之和不大于受阻风电功率。

5 考虑负荷聚合商资源灵活度的荷源协调调度方法

本文提出考虑负荷聚合商资源灵活度的荷源协调调度方法，如图3所示。

图3 考虑负荷聚合商资源灵活度的荷源协调调度方法Fig.3 The load-source coordinated scheduling method considering resource flexibility of load aggregators

1）调度中心将风电受阻情况下发至各负荷聚合商。

2）负荷聚合商根据受阻风电功率及其下各负荷终端调节能力，建立负荷聚合商意愿调节功率上报模型，上报负荷聚合商意愿调节功率。

3）调度中心根据各负荷聚合商上报的意愿调节功率和资源灵活度，建立调度中心容量分配模型，形成初分配负荷聚合商调节功率并下发。

4）负荷聚合商根据初分配调节功率及自身调节能力，建立负荷聚合商调节功率确认模型，形成最终调节功率曲线，并上报。该过程中由于负荷调节特性限制无法完成调度下发调节曲线的负荷聚合商，可对调度下发曲线进行调整，调整前后曲线差别将被系统用于对各负荷聚合商进行资源灵活度评估。

5）电网调度中心根据各负荷聚合商返回的确认调节功率，确定受阻风电消纳功率，见式（13），形成最终荷源协调调度方案。

6 算例分析

6.1 算例介绍

某地电网由于电网调节能力不足产生受阻风电，设该电网中的负荷聚合商A、B、C共同参与受阻风电消纳调节，各聚合商下的负荷终端调节特性如表1所示，仿真日当天负荷聚合商最大调节能力及受阻风电预测功率曲线如图4所示。采用文献［16］中的概率模型对违约率进行估计，取聚合商A、B、C 的特性系数分别为0.1、0.16、0.15，得违约率估计值分别为8%、13%、12%。

表1 各负荷聚合商下负荷终端特性Table 1 Load terminal characteristics of the load aggregators

图4 计算日受阻风电及负荷聚合商数据Fig.4 The calculated daily curtailed wind power and load aggregator data

6.2 负荷商资源灵活度及补偿价格计算

将各负荷聚合商的资源灵活度初始值均设为1，以连续120 d 的受阻风电为基础，根据本文提出的资源灵活度计算方法，逐天计算聚合商资源灵活度。计算结果如图5所示。

图5 连续120 d负荷聚合商资源灵活度Fig.5 The resource flexibility of load aggregators over 120 days

由图5 可以看出，聚合商C 的资源灵活度最高，一直维持在1，说明所计算的120 d 期间，聚合商C对调度中心初分配的调节功率未进行调整，即负荷聚合商C 无法完成的调节功率为0，见式（1）、式（2）；聚合商B 的总体灵活度高于聚合商A，与负荷终端特性呈现的直观感受一致。此外，从图5的波动可以看出，聚合商A的灵活度经历一定程度的上升之后，会出现一次相对较大幅度的下降。这是由于灵活度计算值上升到与实际灵活度不匹配的时候，相应补偿价格上升，调度中心不再优先为其分配调节容量，初分配的调节功率波形将偏离其上报的意愿调节功率波形，使得在负荷终端调节特性约束下负荷聚合商A 无法完成的调节功率较大。根据式（1）和式（2）对负荷聚合商资源灵活度的定义，在下一轮资源灵活度评估时，聚合商A 的灵活度计算值出现大幅下降。可见，在本文提出的荷源协调调度方法下，计算出的资源灵活度可自然被约束在合理范围内。

在以上资源灵活度计算结果的基础上，由式（3）计算负荷聚合商补偿价格。负荷聚合商的资源灵活度及补偿价格如表2所示，理想资源灵活度对应补偿价格取60美元/MWh。

表2 负荷聚合商参数Table 2 Parameters of load aggregators

6.3 计算结果

考虑表3所示的4种不同调度方法，分析荷源协调调度的计算结果。

表3 调度方法说明Table 3 Description of scheduling methods

6.3.1 违约电量分析

各负荷聚合商上报的意愿调节电量、调度中心初分配的调节电量及各负荷聚合商确认调节电量如表4所示。从表4中可以看出，由于调度中心无法获知负荷聚合商所有负荷终端的具体调节特性，负荷聚合商可能无法完成调度中心初分配的调节任务。方法2及方法4下的聚合商调节确认环节，聚合商对于终端特性限制无法完成的调节任务进行了调整，调整电量分别为1 049.7 MWh 和110 MWh。不同调度方法下的违约电量分析如表5所示，其中可能违约电量的估算方式为：（最终分配调节电量-必然违约电量）×违约率。

表4 负荷聚合商参与下的荷源协调调度结果Table 4 Results of the load-source coordinated scheduling with load aggregators involved MWh

表5 不同调度方法下的违约电量分析Table 5 Default energy analysis under different scheduling methods MWh

从表5可以看出：

1）在方法2及方法4下，产生的必然违约电量均为0 MWh，设置负荷聚合商调节量确认环节可避免由于负荷终端特性与调度中心下发的调节任务不匹配而产生必然违约电量。

2）本文提出的根据资源灵活度确定补偿价格的方式，一方面可降低必然违约电量，方法3的必然违约电量远低于方法1，是由于调度中心在容量分配过程中最大程度地保持了灵活度低负荷聚合商上报的调节功率波形，因而相应产生的必然违约电量较小；另一方面，根据资源灵活度确定补偿价格的方式还可降低可能违约电量，方法3及4比方法1 及2 的可能违约电量减少了87.9 MWh，这是由于方法1及2根据违约率确定补偿价格，调度中心将调节电量优先分配给了违约率高的聚合商B，而方法3及4则将调节电量优先分配给了灵活度低的聚合商A。

由上可知，必然违约电量：方法4=方法2<方法3<方法1；可能违约电量：方法4=方法3<方法2=方法1；合计违约电量：方法4<方法2<方法3<方法1。

因此，本文提出的方法4在降低违约电量方面的表现优于其他方法，相比方法1，方法4下的合计违约电量降幅达1 137.6 MWh。

需要指出的是，如果将负荷聚合商按照资源灵活度从低向高排序的结果与按照违约率从高向低排序的结果完全相同，则采用资源灵活度确定补偿价格与采用违约率确定补偿价格的调节容量分配结果将完全相同。即只要违约率排序与资源灵活度排序不完全一致，本文所提出的方法将优于目前已有文献中的按照违约率确定补偿价格的方法。

6.3.2 受阻风电消纳分析

将调度中心最终分配的调节量减去必然违约量作为受阻风电消纳的估计值，则不同方法下的风电消纳情况如图6所示。

图6 受阻风电消纳情况Fig.6 Consumption of the curtailed wind power

计算日受阻风电19 477.5 MWh，方法1、2下预计消纳受阻风电16 472.8 MWh，受阻风电电量降低84.6%；方法3、4 下预计消纳受阻风电17 412.5 MWh，受阻风电电量降低了89.4%。方法3和4比方法1和2多消纳受阻风电939.7 MWh。

由上可知，受阻风电消纳量：方法4=方法3>方法2=方法1。因此本文提出的方法4 可有效消纳受阻风电。

综上可知，本文提出的考虑负荷聚合商资源灵活度的荷源协调调度方法可有效消纳受阻风电。同时，通过增加聚合商调节功率确认环节及根据负荷资源灵活度确定补偿价格，可有效降低荷源协调控制中产生的违约电量，为调度方案的可靠实施提供一定保障。

7 结语

本文提出了考虑负荷聚合商资源灵活度的荷源协调调度模式及该模式下的负荷聚合商侧及电网侧决策模型。提出了考虑负荷聚合商资源灵活度的荷源协调调度方法，通过负荷聚合商整合负荷侧可调节资源进行受阻风电消纳。

1）提出了考虑负荷聚合商资源灵活度的荷源协调调度方法，可有效利用负荷侧可调节资源进行受阻风电消纳，提高风电消纳水平。

2）提出了资源灵活度指标，在调度中心进行调节容量优化分配时，将负荷聚合商的补偿价格与负荷聚合商的资源灵活度相关联，可避免补偿价格与违约率关联时出现的违约率高的聚合商优先获得调节容量，从而增大违约电量的情况出现；同时，可在调节容量分配过程中最大程度保持灵活度低的负荷聚合商上报的调节功率波形，从而降低负荷聚合商的调整电量。

3）提出荷源协调调度模式，考虑不同负荷聚合商的资源灵活度对完成调度中心初分配调节容量的影响，设置了负荷聚合商调节功率确认环节，并在负荷聚合商调节容量上报及确认模型中考虑了不同负荷终端的调节特性，从调度方法层面降低了负荷侧的违约电量，可为调度方案的可靠实施提供一定的保障。

本文提出新的负荷聚合商特征指标并将其引入荷源协调调度方法中，配合调度模式的设计，在有效消纳受阻风电的同时，降低荷源调度方案实施过程中的违约电量。但本文侧重于技术实现，负荷聚合商在参与荷源协调控制过程中的合约机制、经济收益问题，以及在调节容量上报过程中可能存在的耦合关系及虚报行为在本文中未有涉及，将作为下一阶段的研究内容。