需求响应调度寻优策略：是否存在使得电网侧调度策略实施最优的日最佳参与率？-第2页-北极星输配电网

投稿

我要投稿

2)然后,电网侧根据策略优化算法,对不同参与率下的小区用户整体负荷调度情况进行分布式求解模拟,对于响应DR策略的用户整体,在本文目标函数下采用HPSO算法求解;

3)对于不参与响应的用户整体,依旧按其原始的无序用电法[21]进行负荷安排。最后将两部分负

荷曲线统合为最终的调度负荷曲线,同时可以得到各组调度结果中与理想调度情况最贴近的一组解,作为本文不确定模型下的最优解,其对应参与率RoptRopt为最佳参与率。

2.2 最佳参与率算法实现过程

算法流程步骤(3)中最佳参与率实现算法具体如下。

根据2.1节中算法流程,完成遍历后可得到一组整体负荷曲线的集合{Ck},k=1,...,n-1。然后建立求解最佳参与率的目标函数为

min { (∑k=1n−1(Ck−Cn)2}(11)

式中：Ck为1×24维向量,表示智能用电小区1 d的总负荷安排;k为参与策略响应的用户数;n为小区用户总数;Cn为小区n个用户全部参与策略响应情况下得到的调度后负荷曲线,即为理想调度情况下的调度后负荷曲线。

故满足公式(11)的对应值k即为最佳参与人数,进而可得到最佳参与率RoptRopt：

Ropt=kn (12)

3 算例实验

3.1 实验数据源

本文实验场景下只考虑用户存在基本负荷与可调度负荷,无其他新型用电负荷类型。实验所采用的负荷数据如下：1)基本负荷。居民用户的基本负荷数据来自文献[22],由美国可再生能源办公室提供的商业和居民日常用电数据集。2)可中断负荷。用户的负荷转移能力,该部分转移能力的高低与各种分布式电源(如太阳能热水器)的接入密切相关,分布式电源所能提供的电能越多,则用户在同等用电需求条件下的负荷转移能力越强。因此其与用户基本负荷的比例一定程度上反映了小区的智能化用电水平。

本文实验场景下,分别设定4个实验组,其智能用电小区可中断负荷与基本负荷的比例为1:4、2:4、3:4、4:4,结合前文分析可知,上述4组可代表不同类型场景的智能用电小区,现分别以智能用电小区A、B、C和D对其进行表示。

3.2 实验场景设置

实验仿真参数按照居民智能用电小区[23-24] (即智能社区或智能园区,smart community)多用户场景加以设置,如图3所示。

图3 实验场景设置图

设小区用户总数为100户,用户的用电负荷只包含基本负荷和可调度负荷(基本负荷不可变动,可调度负荷可以被调度)。小区内所有用户可以选择是否参与电网侧给出的互动化需求响应策略。选择参与响应电网侧策略部分的用户以本文目标函数进行求解;不参与响应策略部分的用户按照无序用电法[21]进行负荷安排。由于本文计及了参与响应的不确定性,所以在进行组内分析时,可以将理想情况下,全部用户均参与DR策略的调度后负荷曲线作为对照。

3.3 仿真结果对比分析

3.3.1 仿真组内分析

本文考虑以1 d作为描述参与率的时间尺度,即1 d内均保持采用同一个DR参与率。设计实验遍历智能用电小区所有种可能参与调度人数的情况,以差的平方和为评判标准,计算最贴近全员参与调度情况(理想情况)负荷曲线的参与度人数。本小节以智能用电小区A实验组为例,仿真结果如图4所示。

图4 负荷调度结果对比图

通过实验仿真计算得到参与人数为67人时,其经调度后的负荷曲线与完全参与的理想情况(100人)最为贴近。即在小区用户总数为100户条件下,1 d内DR策略的总体最佳参与率RoptRopt为67%。即参与响应用户占全体用电用户比例为67%时,调度策略实施效果可达相对最优(相对理想条件下)。结合公式(4)可以进一步得出相应的电网侧最优激励参考值xoptxopt。

本文是以贴近理想情况下DR策略实施效果的程度作为评价本文方法优劣的标准。因此由图4可以看出,最佳参与率下DR策略调度实现的整体效果与理想情况下的调度效果十分贴近,从而初步验证了本文方法的有效性,即最佳参与率下的调度曲线与理想情况下的调度曲线越贴近,本文策略效果越好。

针对最佳参与率下的调度后负荷曲线以及理想情况下调度后曲线的波动性分析,分别计算其负荷曲线的负荷率和均方差。各性能指标对比如图5所示。

由图5可以看出,最佳参与率下的调度后整体曲线的负荷率及均方差与理想调度情况下的数值十分接近。负荷率表征负荷变动情况,最佳参与率下的负荷率为0.639 9,理想调度情况下的负荷率为0.642 0,前者相较于理想情况下降了0.33%。均方

图5 波动性能指标对比图

差表征负荷波动程度,最佳参与率下的均方差为80.48 kW,理想调度情况下的均方差为82.01 kW,前者相较于理想情况下降了1.87%。由此分析可知,在最佳参与率下实施的DR策略,其调度效果十分逼近理想情况下的DR策略效果,综合以上两类指标分析甚至还要略优于理想情况。

3.3.2 仿真组间对比分析

在实验设置的4组不同智能用电小区场景下,分别进行仿真,并将本文DR策略与理想DR策略(小区全员参与)进行比较分析,如表1、2所示。

表1 最佳参与率对比表

表2 需求响应性能指标对比表

由表1分析可知,在不同用电场景下,DR策略存在不同的最佳参与率,即最佳参与率与智能用电小区用户负荷转移能力的大小也是密切相关的。小区A的用户负荷转移能力较小,所需的最佳参与率也相应较低;这与电网DR策略的保障用户用电满意度目标相吻合。同时对比4种场景下的参与率可以看出,参与率随着小区用户可中断负荷比重的增加而上升,但并不是简单的线性关系,从参与率的增幅可以看出,可中断负荷比重越高,最佳参与率增幅越小,增加越缓慢。

由表2分析可知,在不同类型智能用电小区场景下,本文所提DR策略的可达到理想DR策略下的实施效果。本文DR策略下的负荷率虽略低于理想情况,但相差很小,各组场景下的均方差指标还要优于理想情况。

综合上述实验分析可知,计及用户参与率不确定性的DR优化策略确实是具有有效性和实际优越性的,在最佳参与率下实施的DR策略能极大程度地贴近理想实施情况;此外,由于电网侧调度成本与参与响应的用户数呈正相关,故本文DR优化策略在保障策略实施效果的同时还降低了电网侧调度成本,提高了用户响应的不确定性对策略削峰填谷效果的容错率。

4 结论

本文针对DR策略实施过程存在用户参与不确定性的问题,建立了计及参与率不确定性的需求响应调度模型,提出最佳参与率的概念,采用分布式方法对模型整体进行求解。通过仿真分析可知,本文所提计及用户参与率不确定性的DR优化策略在多种智能用电小区场景下,能较好地实现削峰填谷目的,同时在一定程度上降低电网侧调度成本;对智能电网的DR调峰实施策略有着实际参考意义。

本文作者：彭文昊陆俊冯勇军王星星祁兵崔高颖

投稿与新闻线索：陈女士微信/手机：13693626116 邮箱：chenchen#bjxmail.com（请将#改成@）

订阅北极星周刊，精彩内容不再错过！

特别声明：北极星转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明北极星*网的内容为北极星原创，转载需获授权。

阅读下一篇

江苏省2018年预计实施电力直接交易1800亿千瓦时

智能电网查看更多>能源互联网查看更多>电力用户查看更多>

姓名：
性别：
出生日期：
邮箱：
所在地区：
行业类别：
工作经验：
学历：
公司名称：
任职岗位：

需求响应调度寻优策略：是否存在使得电网侧调度策略实施最优的日最佳参与率？

江苏省2018年预计实施电力直接交易1800亿千瓦时

登录注册

绑定账号

想要获取更精准资讯推荐？建议您完善以下信息~

订阅成功

想要获取更精准资讯推荐？建议您
完善以下信息~