含需求响应的微网经济优化运行

何虹历，杨秀，劳长石，邱摇摇，徐磊，夏惠

（1.上海电力学院，上海 200090；2.深圳市国创新能源研究院，广东深圳 518000）

含需求响应的微网经济优化运行

何虹历1，杨秀1，劳长石2，邱摇摇1，徐磊1，夏惠1

（1.上海电力学院，上海 200090；2.深圳市国创新能源研究院，广东深圳 518000）

为追求更高的经济效益和能源的合理利用，提出一种含需求响应的微网经济调度模型。该模型将直接负荷控制策略纳入优化调度模型，同时充分考虑居民负荷中的空调负荷和热水器负荷的使用规律和用电特性，分别进行负荷中断操作，对2种负荷使用不同的控制策略和赔偿机制，最大限度地平缓负荷曲线。以一个典型居民小区微网为例，通过基于混沌优化的改进遗传算法进行分析计算。结果表明，所提模型可以削峰填谷，具有较好的经济性和有效性。

微网；控制策略；可中断负荷；空调；热水器

微网是一种集分布式电源、储能系统、负荷单元等装置于一身的小型电能运行和管理系统[1-5]，它可以灵活控制源储荷三方协调运行，在需求侧的管理和分布式能源的操控上起着重大作用。而随着技术的发展和电力要求的提高，对微网也提出了更高的要求。

相对于传统电网而言，能源需求的增长逐渐拉大区域负荷峰谷差，使得需求响应得到了更广泛的运用[6]。针对微网的发展趋势和需求响应的广泛应用，将两者相结合进行研究成为一个重要的课题。

本文将需求侧响应引入微电网，在实时电价体系下，达成发电侧与需求侧同时优化的目的[7-10]。

关于考虑需求响应的微网经济优化运行问题的研究工作，主要可归纳为需求响应模型的建立和求解算法建立2个方面[11-14]。

就建立需求响应模型而言，文献[15]对需求响应的国内外发展史进行了讨论，详细分析了基于价格和基于激励的需求响应两者间的关系及其对电网的作用。文献[16]详细讨论了多种类型需求响应模型，并且引入鲁棒随机理论建立发电系统优化模型。文献[17]引入分时电价，建立了风电、储能和需求响应的联合优化模型。文献[16-17]讨论了计及需求响应的优化调度模型，但未对其控制策略进行具体分析。

就求解算法而言，文献[18-20]分别采用改进帝国竞争算法、混沌二进制粒子群算法和改进微分进化算法求解微网优化运行问题。它们相对于传统的算法进行了较大的改进，提高了算法的搜索速度，同时又能够避免过早收敛，提高了全局寻优能力。

本文将直接负荷控制策略纳入优化调度模型，设计了一种新型需求侧管理方法[21]，通过基于混沌优化的改进遗传算法进行分析计算，对2种负荷使用不同的控制策略和赔偿机制，兼顾了用户体验和微网经济性，建立了含需求响应的微网经济优化模型。

1 微源建模

在单位时间Δt内需作如下假定：微网和外电网的交互功率及电价均为恒定不变值；购买的备用容量和单位价格恒定；各微源有功、无功出力恒定；热、电负荷功率恒定。对于任意给定的单位时间Δt在本文所建立的模型中均适用，取Δt=1 h。

本文重点研究含需求响应的微网经济优化运行模型，因此其他模型不作详细介绍和讨论[22]。微网运行过程中涉及到的微型燃气轮机、燃料电池和蓄电池等模型，及模型中需要用到的参数见文献[23]。

2 需求响应模型

需求响应在激励响应方面可分为价格型需求响应和激励型需求响应，价格型需求响应通过制定分时电价引导用户转移用电负荷分布，是一种可控的负荷调节资源[24]。激励型需求响应是由调度中心直接控制，引导用户参与系统备用服务，与用户签订相关合同，并支付适当的备用补偿[12]。本文仅考虑激励型需求响应。激励响应是电力公司利用非价格信号来激励用户改变其用电模式的需求侧响应项目，包括可中断负荷和直接负荷控制。

2.1 等效负荷

为方便对负荷运算中涉及到的随机变量运算，需要对负荷进行变相处理，在负荷中融入光伏和风电，则等效负荷功率PEL表达如下：

式中：PL为负荷功率；PWT为风机出力；PPV光伏出力功率。

本文微网内的光伏和风电等随机变量都融入了等效负荷中，方便模型计算[25]。

直接负荷控制相对于可中断负荷控制而言，最大的不同在于直接负荷控制是由管理方对可控负荷的状态进行控制，所以在进行削减负荷控制中，用户不能随意决定负荷的运行状态；但当控制状态结束时，用户负荷将会试图恢复到其被控制前的用电规模，之前被削减的负荷将部分或全部反弹回去，这部分负荷通常称为反弹负荷。反弹负荷在直接负荷控制中必然产生，所以是模型计算时不能忽视的因素，在PL计算时需将其考虑在内。目前有很多文献研究了反弹负荷的相关数学模型，但因为负荷不同的原因很难有统一标准，所以本文采用三阶段自回归反弹负荷模型，该模型属于反弹负荷模型中常用的一种。即反弹负荷模型如下

2.2 可中断负荷建模

可控负荷在参与系统运行前需用户与电网公司签订相关IL合同，然后再根据双方的合同约定在系统运行中进行控制。为了方便系统进行负荷控制，在IL合同中应包含负荷中断容量、中断时间段、中断次数、补偿方案等相关内容。补偿方案对用电用户参与需求响应起着直接激励作用，本文中补偿方案采用固定补偿费[26]进行运算，即中断负荷后的补偿电价采用固定形式，当涉及到空调之类的与动态温度函数有关的负荷时，可加入函数使其成为动态补偿形式。

在居民用电过程中，可中断负荷大多包括蓄冷蓄热空调、热水器等冷热负荷。而空调和热水器负荷属于居民可控负荷中占比较大的两类，本文重点考虑蓄冷蓄热空调和热水器作为可中断负荷在微网中的调度[27]。

其中蓄冷空调产生的补偿成本Cc可表示如下：

式中：x（t，i）为t时刻第i个空调的被控状态，如果该空调可被控制则值为1，表示正常工作，否则为0；ΔT（t，i）为t时刻第i个家庭的室内温度T（t，i）远离温度上限T+δ（t，i）（如果是蓄热空调，则是温度下限T-δ（t，i））的程度，其值越大则表明受控时室内温度越高，相应可控空调负荷越大；在本文温度上限为30℃，温度下限为10℃。B为可中断负荷的固定补偿费。空调负荷采用线性补偿，故ΔT（t，i）为线性分段函数，函数如图1所示。

图1 ΔT（t，i）函数图Fig.1 The function diagram of ΔT（t，i）

其中热水器产生的补偿成本Cr可表示如下：

式中：x（t，i）为t时刻第i个热水器的被控状态，如果该热水器可被控制则值为1，表示正常工作，否则为0；D为可中断负荷的固定补偿费。

2.3 可中断负荷控制策略

本文模型中需求响应的激励方式采用经济补偿的形式，通过IL合同中规定的相应中断时间和补偿方案，对用户进行补偿[28]。负荷的控制策略如下。

可中断负荷控制策略以20 min为1个时段，限定可控负荷每天最大中断时间为4 h，则每天最大可中断时段为12个时段[29]。本文所有策略按采用全时段控制建模，即受控负荷的中断时段为负荷允许的最大中断时段，在此情况下分析以下2种直接负荷控制策略：等占空比开/关循环控制和削峰控制。等占空比是指高电平和低电平在一个周期之内所占的时间比率相同，即被控负荷的控制状态按照0，1，0，1，……的规律进行控制。在本文一天24 h里从10:00—16:00和18:00—20:00进行等占空比控制，其他时间正常工作。削峰控制是在一天中用电负荷达到峰值时进行负荷控制。在本文中一天24 h里在10:00—12:00和18:00—20:00进行负荷中断操作，其他时间正常工作。

3 含需求响应的微网优化运行模型

3.1 目标函数

建安中心成立以来,在部党组的正确领导和陈雷部长等部领导的关心指导下，在有关司局的大力支持下，深入学习和贯彻落实党的十八大及十八届三中全会精神,认真开展党的群众路线教育实践活动,紧紧围绕部党组的中心工作，积极践行可持续发展水利思路，认真落实部党组大力发展民生水利的重大决策部署，开拓创新，攻坚克难，突出重点，狠抓落实，全力做好水利工程建设稽察、质量安全监督和运行管理督查等重点工作，有力促进了民生水利建设与管理工作，为保障大规模水利工程建设的质量、安全、进度和工程安全运行与效益发挥提供了有力支撑。

微网优化运行时，无论是在并网还是孤网条件下，应以微源正常运行和满足各约束条件为前提条件，达到微电网的总运行成本最低的要求。可再生能源机组中的风能和光伏都是依靠自身的能量进行发电，不需要投入资本在其中，因此它们产生的发电成本可忽略不计。所以，含需求响应的微网优化运行的目标函数可以表示如下：

式中：CG为微网的运行成本，即包括燃料成本、折旧成本和运行维护成本，元；CE为微网的环境成本，元；Cc为微网进行空调负荷可中断的补偿成本；Cr为微网进行热水器负荷可中断的补偿成本。

3.2 约束条件

1）功率平衡约束

式中：PG（t）为分布式电源在t时刻的总输出功率；ΔP（t）为t时刻微网的功率损耗。

2）可控机组出力约束

式中：Pimax、Pimin分别为第i台可控机组的出力上下限。

3）可控机组爬坡约束

减负荷时：

式中：Piup、Pidown分别为第i台可控机组增加和降低有功功率的限值。

4）联络线传输功率约束

式中：PLmax、PLmin分别为联络线传输功率的上下限。

5）可控负荷容量约束

式中：m为受控容量；mmax为最大受控容量。

4 基于混沌的改进遗传算法

4.1 混沌搜索

混沌是自然界中的非线性现象，而混沌优化算法则能在一定范围内按照一定规律不重复地遍历所有状态，其中主要表现为遍历性、随机性和规律性等特点。混沌优化算法能避免陷入局部极值，与随机搜索相比更为优越[14]。

在混沌优化运算过程中，一般采用Logistic映射来产生混沌变量，它是一个典型的混沌系统，如下所示：

式中：χk为第k次迭代的混沌变量。

Logistic映射是模拟生物种群随时间演变的数学模型。μ为控制变量，当μ=4时，系统进入混沌状态，混沌变量能遍历在[0，1]之间的所有状态，可最终迭代出一个确定的时间序列。

4.2 基于混沌的遗传算法

遗传算法，又叫基因进化算法[30]，是一种基于自然选择理论和基因遗传学机理的随机优化计算模型，是一种通过模拟自然进化过程来寻求全局最优解的方法。

本文将混沌搜索引入遗传算法中，充分利用混沌搜索的敏感、高效和遗传算法的基因遗传学原理，计算效率更高，主要步骤如下：

1）初始化，用随机方法产生一组初始个体并构成初始种群，然后生成混沌序列的初始值；2）通过步骤1）得到的初始值，利用Logistic映射得到相应的混沌序列；3）通过逆映射的方式得到家族成员，并筛选适应度高的成员进行复制；4）按交叉概率Pc执行交叉操作；5）按变异概率Pm执行变异操作；6）返回操作2）继续判断算法收敛准则是否满足。

4.3 算法改进

遗传算法的参数中，变异概率的选择是影响遗传算法性能的关键，选择过大或过小都会影响解的全局性和收敛性，其最佳取值与具体应用和遗传进程有关，所以需要引入自适应理论来解决该问题。本文对Pc和Pm作如下改进。

5 算例

5.1 基础数据

本文所研究的微网系统包含风力发电机、光伏电池和微型燃气轮机等[31]。其构成的微网结构如图2所示。

图2 微网系统结构图Fig.2 The system structure diagram of microgrid

图2中微网负荷仅包括居民负荷，最大有功功率为200 kW；其中可控空调负荷为25 kW，中断空调负荷的固定补偿电价为0.8元/（kW·h）；可控热水器的负荷为10 kW，中断热水器负荷的固定补偿电价为0.7元/（kW·h）；风电、光伏的发电补贴为0.5元/（kW·h）；制热收益为0.35元/（kW·h）；天然气价格为2.28元/m3；蓄电池逆变器的容量为60 kV·A，最大、最小剩余容量、初始容量分别为100%、30%、70%额定容量。各微源的相关信息如表1所示。

上海地区微网过往夏季温度平均数据如图3所示，在进行空调负荷中断赔偿时，需要用到的室内温度参考图3所示的温度曲线：

表1 各微源的参数Tab.1 The parameters of micro-sources

图3 上海地区夏季典型日温度曲线Fig.3 The typical daily temperature curve in Shanghai area

5.2 算例分析

本文中调度周期为1 d，故该上海居民小区微网在夏季典型的日负荷、热负荷数据以及PV、WT出力数据如图4所示。

图4 上海某小区微网夏季典型日负荷以及WT、PV出力Fig.4 The typical daily load and the output of WT and PV in a certain living area in Shanghai

该优化模型使用MATLAB软件进行编程计算。为了方便分析，可以分为下面4种场景：

场景1，基本场景。该场景不考虑实施任何负荷中断操作，仅靠微网自身进行电力调度。

场景2，循环控制场景。该场景对小区微网中的可控负荷，包括蓄冷蓄热空调和热水器，进行等占空比开/关循环控制。

场景3，削峰控制场景。该场景对小区微网中的可控负荷，包括蓄冷蓄热空调和热水器，进行削峰控制。

场景4，综合场景。该场景同时考虑2种负荷控制方法，并结合居民对于蓄冷蓄热空调和热水器的使用规律，对蓄冷蓄热空调进行等占空比开/关循环控制，对热水器进行削峰控制。

4种场景的优化结果对比如表2所示。

表2 不同场景下的优化结果表Tab.2 Optimization results under different scenarios

由表2可知，场景1运行总成本最高。通过场景2、3、4可以看出，引入负荷控制后，降低了微网运行的总成本。场景2、3、4相对场景1分别下降约6%、4.3%、8.6%，这说明引入负荷控制后，负荷曲线更加平缓，使得微型燃气轮机和燃料电池启停状态变化减少，从而使微网运行成本出现大幅下降。分析场景2、3，两者的总成本相对于场景1都有下降，说明两种控制都有效果，而场景2的总成本更低，但两者差距并不明显。在所有场景中，场景4总成本最低，这说明分别对蓄冷蓄热空调和热水器进行不同的负荷控制方法，得到的效果相对较好。

当进行负荷中断时，负荷的中断时间为每天最大中断时间4 h，故微网调度结果如图5所示。

图5 各场景的负荷优化结果Fig.5 The load optimization results under different scenarios

图5为一天中等效负荷的优化图，从中可以看出，相对于场景1的原始等效负荷，场景2、3、4在经过负荷中断操作后，都体现了对负荷削峰填谷的效果。由图4知负荷曲线最平缓的是场景4，说明在进行需求侧管理时对不同负荷进行分类操作是合理的。

5.3 综合场景分析

为了深入研究综合场景的控制原理，需要详细分析场景4。在5.2节场景4中，蓄冷蓄热空调控制和热水器控制在补偿原理和控制方式上存在不同，下面需要分析两者。

5.3.1 补偿原理上

空调控制相对于热水器控制，在补偿成本上加入了ΔT（t，i）程度函数，考虑到用户体验和温度在空调负荷上的反映，加入温度程度函数是完全有必要的。

5.3.2 控制策略上

在其他条件不变的情况下，对蓄冷蓄热空调进行削峰控制，对热水器进行等占空比开/关循环控制，简称为综合控制2。优化结果如表3所示。

表3 不同场景下的优化结果表Tab.3 Optimization results under different scenarios

由表3可知，场景5相对于场景4所花总成本更高，相对于场景1、2、3，场景5也仅比场景1总成本少。说明进行需求侧管理时，需要充分考虑不同负荷的运行规律和用户使用家电时的实际情况。

6 结论

本文提出了一种考虑需求侧管理的微网经济调度模型，因该模型实际用于小区微网的背景下，故充分考虑了居民负荷中的空调负荷和热水器负荷的使用规律，分别进行负荷中断操作，对2种负荷使用不同的控制策略和赔偿机制，实现微网运行成本的降低和满足电网“削峰填谷”的需求，最大限度地平缓负荷曲线。通过算例结果验证了所提模型的经济性和有效性，得出以下结论：

1）在居民微网中，对居民负荷使用综合控制策略得到的效果比其他策略好。

2）在进行需求侧管理时，需要对可中断负荷分类，按照其使用规律和用电特性，采取合适的控制策略和赔偿机制，得到的效果才能更好。

将负荷控制纳入到电网营销体系中去，这是电力需求侧管理的重要内容之一。如何细化赔偿机制和负荷控制策略，以及如何兼顾用户体验和微网经济性，将是下一步研究方向。

[1]MARKVART T.Microgrids-power systems for the 21st century[J].Refocue，2006，7（4）：44-48.

[2]HATZIARGYRIOU N，ASANO H，IRANVANI R，et al.Microgrids[J].IEEE Power and Energy Magazine，2007，5（4）：78-94.

[3]MARNAY C，VENKATARAMANAN G，STADLER M，et al.Optimal technology selection and operation of commercialbuilding microgrids[J].IEEE Transactions on Power Systems，2008，23（3）：975-982.

[4]HATZIARGYRIOUS N，ASANO H，IRANVANII R，et al.Microgrids[J].IEEE Power and Energy Magazine，2007，5（4）:78-94.

[5]肖宏飞，刘士荣，郑凌蔚，等.微型电网技术研究初探[J].电力系统保护与控制，2009，37（8）：114-119.XIAO Hongfei，LIU Shirong，ZHENG Lingwei，et al.A preliminary research on microgrid technology[J].Power System Protection and Control，2009，37（8）:114-119（in Chinese）.

[6]雷金勇，李战鹰，卢泽汉，等.分布式发电技术及其对电力系统影响研究综述[J].南方电网技术，2011，5（4）: 46-50.LEI Jinyong，LI Zhanying，LU Zehan，et al.Review on the research of distributed generation technology and its impacts on electric power systems[J].Southern Power System Technology，2011，5（4）:46-50（in Chinese）.

[7]汪少勇.基于分布式电源的微网的设计与运行[J].电力自动化设备，2011，31（4）：120-123.WANG Shaoyong.Design and operation of micro-grid based on distributed generation[J].Electric Power Automation Equipment，2011，31（4）:120-123（in Chinese）.

[8]JOHAN DRIESEN，FARID KATIRAEI.Design for distributed energy resources[J].IEEE Power&Energy Magazine，2008（6）：30-40.

[9]GARCIA F S，FERREIRA A，POMILIO J A.Control strategy for battery ultra-capacitor hybrid energy storage system[C]//IEEE Applied Power Electronics Conference and Exposition.New York：IEEE，2009：826-832.

[10]丁明，张颖媛，茆美琴.微网研究中的关键技术[J].电网技术，2009，33（16）：6-11.DING Ming，ZHANG Yingyuan，MAO Meiqin.Key technologies for microgrids being researched[J].PowerSystem Technology，2009，33（16）:6-11（in Chinese）.

[11]孔淑琴，牛铭，付学谦，等.微网孤网经济运行研究[J].电网与清洁能源，2012，28（4）：57-62.KONG Shuqin，NIU Ming，FU Xueqian，et al.Research on economical operation of island microgrid[J].Power System and Clean Energy，2012，28（4）：57-62（in Chinese）.

[12]杨仁花，黄伟，关丽，等.微网结构和运行控制[J].电网与清洁能源，2010，26（1）：48-55.YANG Renhua，HUANG Wei，GUAN Li，et al.Structure and operation control of Micro-grids[J].Power System and Clean Energy，2010，26（1）：48-55（in Chinese）.

[13]张建华，苏玲，陈勇，等.微网的能量管理及其控制策略[J].电网技术，2011，35（7）：24-28.ZHANG Jianhua，SU Ling，CHEN Yong，et al.Energy management of microgrid and its control strategy[J].Power System Technology，2011，35（7）：24-28（in Chinese）.

[14]习朋，李鹏，刘金鑫，等.孤岛运行模式下的微网经济负荷分配[J].电网与清洁能源，2011，27（8）：13-18.XI Peng，LI Peng，LIU Jinxin，et al.Economical load dispatch of microgrids in isolated mode[J].Power System and Clean Energy，2011，27（8）：13-18（in Chinese）.

[15]伍伟华，庞建军，陈广开，等.电力需求侧响应发展研究综述[J].电子测试，2014（3）：86-94.WU Weihua，PANG Jianjun，CHEN Guangkai，et al.Research on development of electric power demand side response[J].Electronic Test，2014（3）：86-94（in Chinese）.

[16]鞠立伟，秦超，吴鸿亮，等.计及多类型需求响应的风电消纳随机优化调度模型[J].电网技术，2015，39（7）：1839-1846.JU Liwei，QIN Chao，WU Hongliang，et al.Wind power accommodation stochastic optimization model with multitype demand response[J].Power System Technology，2015，39（7）：1839-1846（in Chinese）.

[17]宋艺航，谭忠富，李欢欢，等.促进风电消纳的发电侧、储能及需求侧联合优化模型[J].电网技术，2014，38（3）：610-615.SONG Yihang，TAN Zhongfu，LI Huanhuan，et al.An optimization model combining generation side and energy storage system with demand side to promote accommodation of wind power[J].Power System Technology，2014，38（3）：610-615（in Chinese）.

[18]翟云峰，易国伟，王亦，等.基于改进帝国竞争算法的微网动态经济调度[J].电力科学与工程，2015，31（5）：34-41.ZHAI Yunfeng，YI Guowei，WANG Yi，et al.Dynamic economic dispatch of micro grid using improved imperialist competitive algorithm[J].Electric Power Science and Engineering，2015，31（5）：34-41（in Chinese）.

[19]李鹏，李涛，张双乐，等.基于混沌二进制粒子群算法的独立微网系统的微电源组合优化[J].电力自动化设备，2013，33（12）：33-38.LI Peng，LI Tao，ZHANG Shuangle，et al.Combinatorial optimization of micro-sources in standalone microgrid based on chaotic binary particle swarm optimization algorithm[J].Electric Power Automation Equipment，2013，33（12）：33-38（in Chinese）.

[20]王毅，于明，李永刚.基于改进微分进化算法的风电直流微网能量管理[J].电网技术，2015，39（59）：2392-2397.WANG Yi，YU Ming，LI Yonggang.Energy management of wind turbine-based DC microgrid using improved differential algorithm[J].Power System Technology，2015，39（59）：2392-2397（in Chinese）.

[21]刘延博，邱晓燕，邱高.考虑电动汽车用户响应的微电网运行优化[J].高压电器，2016，52（4）：163-175.LIU Yanbo，QIU Xiaoyan，QIU Gao.Optimal operation of micro grid account of the response of electric vehicle user[J].High Voltage Apparatus，2016，52（4）：163-175（in Chinese）.

[22]张钦，王锡凡，王建学.电力市场下需求响应研究综述[J].电力系统自动化，2008（3）:97-106.ZHANG Qin，WANG Xifan，WANG Jianxue.Under the electricity market demand response research[J].Automation of Electric Power Systems，2008（3）：97-106（in Chinese）.

[23]郑漳华，艾芊，徐伟华，等.智能电网经济运行的多目标调度优化策略[J].电网技术，2010，34（2）：7-13.ZHENG Zhanghua，AI Qian，XU Weihua，et al.A multiobjective dispatch optimization strategy for economic operation of smart grids[J].Automation of Electric Power Systems，2010，34（2）：7-13（in Chinese）.

[24]董开松，丁岩，谢永涛，等.基于需求侧响应的微电网市场优化模型[J].高压电器，2015，51（6）：122-126.DONG Kaisong，DING Yan，XIE Yongtao，et al.Market optimization model for microgrid with demand response[J].High Voltage Apparatus，2015，51（6）：122-126（in Chinese）.

[25]况达，滕欢，王博堃，等.基于改进遗传算法的蓄电池容量配置及充放电策略研究[J].高压电器，2015，51（6）：33-38.KUANG Da，TENG Huan，WANG Bokun，et al.Capacity allocation and charging-discharging strategies study of storage battery based on improved genetic algorithm[J].High Voltage Apparatus，2015，51（6）：33-38（in Chinese）.

[26]CHAOUACHI A，KAMEL R M，ANDOULSI R，et al.Multiobjective intelligent energy management for a microgrid[J].IEEE Transactions on Industrial Electronics，2013，60（4）:1688-1699.

[27]陈洁，杨秀，朱兰，等.微网多目标经济调度优化[J].中国电机工程学报，2013，33（19）：57-66.CHEN Jie，YANG Xiu，ZHU Lan，et al.Microgrid multiobjective economic dispatch optimization[J].Proceedings of the CSEE，2013，33（19）:57-66（in Chinese）.

[28]MAZIDI M，ZAKARIAZADEH A，JADID S，et al.Integrated scheduling of renewable generation and demand response programs in a microgrid[J].Energy Conversion and Management，2014（86）：1118-1127.

[29]吴集光，刘俊勇，段登伟，等.电力市场下实用可中断负荷补偿机制研究[J].四川大学学报（工程科学版），2005，37（1）：90-95.WU Jiguang，LIU Junyong，DUAN Dengwei，et al.Practical compensation mechanism of interruptible load research under the electricity market[J].Journal of Sichuan University（Engineering Science Edition），2005，37（1）：90-95（in Chinese）.

[30]李鹏，李涛，张双乐，等.基于混沌二进制粒子群算法的独立微网系统的微电源组合优化[J].电力自动化设备，2013，32（12）：33-38.LI Peng，LI Tao，ZHANG Shuangle，et al.Combinatorial optimization of micro-sources in standalone microgrid based on chaotic binary particle swarm optimization algorithm[J].Electric Power Automation Equipment，2013，32（12）：33-38（in Chinese）.

[31]魏兵，王志伟，李莉，等.微型燃气轮机冷热电联产系统经济性分析[J].热力发电，2007，36（9）：1-5.WEI Bing，WANG Zhiwei，LI Li，et al.Analysis of economic efficiency for cold，heat and electricity triple cogeneration system with miniature gas turbine[J].Thermal Power Generation，2007，36（9）:1-5（in Chinese）.

（编辑 冯露）

Optimal Dispatching Model for Microgrid Considering Demand Response

HE Hongli1，YANG Xiu1，LAO Changshi2，QIU Yaoyao1，XU Lei1，XIA Hui1
（1.Shanghai University of Electric Power，Shanghai 200090，China；2.Shenzhen Innova Institute of New Energy，Shenzhen 518000，Guangdong，China）

In order to pursue higher economic benefit and rational utilization of energy，this paper proposes a new micro network economic dispatch model with demand response.This model incorporates the direct load control strategy into the optimalscheduling modeland fully considersthe power consumption law and characteristics of the air conditioning load and water-heating load in the residentialarea.Interrupt operation is carried out and different control strategies and compensation mechanism are used for the two loads respectively to flatten the load curve to the utmost.With a typical residential area as an example，analysis and computation are conducted by the improved genetic algorithm based on chaos optimization.The results show that the model and algorithm are both economical and feasible.

micro-grid；control strategy；interruptible load；air conditioning；water heater

2016-06-24。

何虹历（1991—），男，硕士研究生，研究方向为基于需求响应的微网经济优化运行；

杨 秀（1971—），男，博士，教授，硕士生导师，研究方向为分布式能源及相关领域；

劳长石（1968—），男，博士，研究方向为新能源应用；

邱摇摇（1990—），男，硕士研究生，研究方向为微网经济优化运行；

徐 磊（1991—），女，硕士研究生，研究方向为基于需求响应的微网经济优化运行；

夏 惠（1990—），女，硕士研究生，研究方向为基于需求响应的微网经济优化运行。

国家自然科学基金项目（51407114）。

Project Supported by the National Natural Science Foundation of China（51407114）.

1674-3814（2016）12-0039-08

TM73

A