基于负荷分解的用户侧自动需求响应系统

孙智卿，王守相，周 凯，刘天宇

（天津大学智能电网教育部重点实验室，天津 300072）

基于负荷分解的用户侧自动需求响应系统

孙智卿，王守相，周 凯，刘天宇

（天津大学智能电网教育部重点实验室，天津 300072）

针对用户侧负荷如何自动化、智能化地参与需求响应，设计并实现了一种基于负荷分解的用户侧自动需求响应系统。系统通过负荷分解算法辨识得到各类设备的电气信息，并计算用户实时的需求响应资源，通过感知电网紧急状态实现自动切负荷的激励型需求响应。考虑到高渗透率分布式能源接入用户侧的趋势，提出以促进分布式能源消纳为目标的日前调度模型，实现用户参与价格型需求响应。最后，实际测试结果表明系统部署便捷、易于推广，可有效实现用户不同类型的自动需求响应。

需求响应；能量管理；负荷分解；切负荷；日前调度

随着经济和社会发展对电力需求的增长，电网在面临着电力供应紧张局面的同时，还存在间歇式可再生能源大量接入的问题，以及系统调峰调频的巨大压力。除了从电源侧寻求解决方案之外，更应该进一步发掘用户侧资源，特别是小容量用户资源整合。强劲的需求增长、有限的发电能力、薄弱的电网基础设施和高渗透率的可再生能源并网发电作为主要驱动力构成了在用户侧实施需求响应的有利条件。需求响应通过引导用户对价格或者激励信号做出响应，能够提高用电效率并优化系统运行，然而现有技术条件下，主要依赖于人工操作，因而其响应速度较慢，在可靠性、灵活性、效率等方面存在问题[1]。而自动需求响应[2]在传统需求响应的基础上应用智能化终端和自动化技术，使参与响应的用户通过互动化的标准通信技术，接受响应信号自动实施预设的需求响应策略，从而实现响应的实时化、自动化和智能化。

自动需求响应技术实现和推广的必备条件包括政策和解决方案两方面。一方面，价格型和激励型需求响应政策的制定是用户参与需求侧管理的实现基础；另一方面，基于智能用电和高级量测技术的用户侧自动需求响应系统UADRS（user automated demand response system）是让更多用户参与其中的有效解决方案，能够实现与智能电网其他环节电力信息的实时双向互动，支持智能用电设备和传统用电负荷的集成，智能化地实现适合不同用户特点的价格型和激励型需求响应。目前，国内外研究者对于自动需求响应的研究集中在系统整体架构[3-4]、响应机理建模[5-6]和响应效果评估[7]等方面，较少针对用户侧的实际系统方案和与之结合的各类响应策略执行。

本文针对自动需求响应在用户侧的实现问题，提出基于负荷分解的UADRS方案，通过负荷分解算法，实现对不同用电设备和电网运行状态的监测。在此基础上，计算得到用户实时响应资源量，实现用户通过智能化切负荷参与系统紧急控制的激励型需求响应。同时，针对分布式电源接入问题，系统以促进可再生能源消纳为目的，生成日前用能调度计划，实现价格型需求响应。实际系统的测试表明，该方案能够降低用户参与需求响应的成本，简化参与方式，减小响应不确定性，有效实现不同类型的需求响应。

1 UADRS设计

1.1 UADRS概述

需求响应已经在工商业用户和居民用户中有着多种实际应用，不同需求响应机制特点如表1所示。现阶段需求响应的实现主要依靠大用户，而响应资源一般有专业人员操作，因此UADRS主要针对小容量的居民用户和一般商业用户。在响应机制方面，系统的价格型需求响应主要考虑目前国内广泛实行的分时电价；而激励型需求响应，目前主要采用的直接负荷控制，以及可中断负荷机制需要远程通信接收激励信号，且存在延时，因而系统在此基础上加入对电网运行状态的监控，当电网处于紧急状态情况下实施智能化切负荷策略，实现紧急需求响应。

表1 不同需求响应机制特点Tab.1 Feature of different demand response mechanisms

在系统功能方面，UADRS的实现可以基于现有的用户能量管理系统。针对居民、商业、工业等不同用户类型，通用电气、霍尼韦尔、施耐德等传统企业都推出了家庭/楼宇/工业能量管理系统，实现了用电设备的远程监控、数据可视化、能效初步分析等功能。而自动需求响应需要在此基础上进一步实现的功能包括：①简化系统部署，降低系统成本；②挖掘用电信息，实时反馈；③获取电网运行信息，实现响应互动；④整合分布式能源，自动生成和执行优化策略。

1.2 UADRS的系统架构

系统以智能电表为分界点，系统架构分为发电设备层、监控设备层和用电设备层，如图1所示。其中发电设备层包括接入用户的分布式可再生能源、储能设备、逆变器、通信设备和室外传感器等。用电设备层包括通过智能插座监控或不监控的普通电器，通过红外转发器控制的带遥控功能电器，以及具有通信功能的智能家电和室内传感器。监控设备层包括智能电表、负荷分解模块、局域网网关和负责人机交互的各类远程监控终端。智能电表实现与上级响应平台的互动，区域内参与需求响应的用户组成需求响应集群，服务商将响应信息以需求响应资源聚合体的方式上传至需求侧管理中心，管理中心进行系统内响应资源的整体协调。

图1 UADRS架构Fig.1 System framework of UADRS

现有的用户能量管理系统普遍采用基于Zig-Bee或Wi-Fi的智能插座方式实现对用户负荷的监测和控制。UADRS中加入非侵入式监测模块，在电气入户端口对电压、电流进行采样，根据不同用电设备的电气特征，通过负荷分解算法实现对聚合电气量的分解，在重要设备中加入红外转发或智能插座等控制设备，系统不会因用户设备数量的增多而显著增加成本，且易于部署。此外，通过监测接入点的频率、电压，还能够感知出某些电网运行异常情况，相比于智能电表接收激励信号的过程，不存在通信延时，使得系统具备了实现自适应需求响应的条件。

在发电设备层中，现有能量管理系统一般不考虑分布式能源的监控问题，而UADRS通过串口通信方式接入了分布式发电系统的监控数据，以及风速、照度、温度等环境数据。此外室内环境中部署了4类无线传感器，分别监测室内温度、湿度、照度和人员活动。

UADRS通过部署智能局域网关汇总各类数据，采用一个基于ARM Cortex-A9低功耗嵌入式智能终端作为系统服务器，实现与硬件的数据交互和需求响应功能，用户则通过人机交互界面在平板、手机等远程监控终端中对系统进行操作。而需求响应信息通过智能电表与区域集群服务商和需求侧管理中心交互。

1.3 UADRS的功能结构

基于之前描述的系统架构，系统功能可划分为运行于服务器的数据接口程序和需求响应程序，以及运行于远程监控终端的人机交互界面两部分，如图2所示。

图2 UADRS功能结构Fig.2 Functional structure of UADRS

数据接口程序中实现发电、用电、传感器设备的通信解析、数据库操作和响应策略执行，而负荷分解算法在非侵入式监测模块中实现，负荷分解结果与其他设备采集的数据通过通用接口程序存入数据库。需求响应程序中主要功能包括：①分布式发电与负荷预测为生成日前调度计划提供依据；②用能挖掘与分析是通过分析用户的用能统计数据提出能效优化建议；③激励型响应包括接收激励信号的直接负荷控制响应和自动感知电网紧急运行状态的智能化切负荷响应；④日前用能调度根据预测数据和用户需求制定优化用能计划，以定时任务方式执行。

人机交互界面具体实现功能包括：①用户能效信息概览，展示用户最关心的用电、发电、环境、需求响应信息；②设备实时监控，显示设备实时用电曲线，实现对温控设备温度、调光设备亮度条调节、普通插座设备开关操作等，分为直接操作和定时任务两种方式；③历史数据的查询与统计；④系统用能分析，以月报形式显示用能挖掘与分析结果；⑤系统设定，参数包括房间设备信息、电价结构、响应偏好等。为保证系统在不同终端中操作的兼容性和稳定性，系统开发基于嵌入式Linux，采用C++/Qt开发保证系统可以跨平台移植，并选取SQLite3为嵌入式数据库。

2 适用于UADRS的负荷分解算法

负荷分解是基于非侵入式监测的负荷量测方法，1980年代由Hart最先提出[8]。相比于采用智能插座等独立量测装置的侵入式负荷监测存在硬件成本高、布线复杂、维护困难等缺陷，该方法通过在电力接口处采集功率等负荷特征对电器设备进行辨识，设备简单，易于部署。此外，传统负荷模型可以通过统计综合法确定用户中各类负荷的比例，但自动需求响应具有实时性，需要在线对用户的负荷，主要是具有响应能力的负荷进行识别。因此UADRS采用非侵入式负荷在线监测和分解方法，分解算法流程如图3所示。

图3 负荷分解算法流程Fig.3 Flow of load disaggregation algorithm

分解模块采集到经过信号调理的电压、电流信号，并计算得到功率、频率、谐波等电能参数；再通过信息筛选进行数据降噪、设备启停判断和坏数据检测处理，提高算法识别准确率；特征匹配过程是通过负荷特征库中功率阶跃特征、稳态电流波形特征和暂态电流特征进行匹配，采用文献[9]中提出电力负荷三重可信度匹配辨识算法。当检测到负荷启停时，先依据功率特征匹配大型负荷，若不处于大型负荷列表中，再依据暂态特征匹配各模板中负荷，记录下启停负荷类型、功率与可信度。周期性进行稳态特征匹配，确定正在运行负荷的组成成分，记录当前各负荷类型比例、功率与可信度，并且与暂态特征匹配和功率能效特征匹配记录进行比较修正，比较修正过程依据可信度进行，优先修正可信度较小的记录，完成负荷特征三重匹配，实现负荷分解。负荷辨识结果通过串口通信传递给服务器，服务器将智能插座、红外信号操作或智能电器的采集数据在辨识结果中进行进一步修正，特别是确定空调、热水器等大功率温控负荷的用能数据，用于计算用户实时需求响应资源。

3 UADRS的激励型需求响应方案

现有需求响应机制一般适用于较长时间尺度的电网运行任务，即使采用直接负荷控制强制远程操作用户设备，也存在通信延时等问题，而自动需求响应的实现使得用户侧资源可以参与到更紧急的电力系统运行任务中，如以紧急需求响应EDR（emergency demand response）的方式参与系统低频低压减载。

3.1 UADRS参与EDR的响应机理

传统自适应低频减载策略流程为系统扰动后测量各个发电机端频率变化率，然后计算出系统的频率变化率和功率缺额，则系统的减载量为

式中：N为发电机数量；ΔPi为第i台发电机的功率缺额；Pthr为设定阈值；Hi为第i台发电机的惯性常数；f0为系统的额定频率；fi为第i台发电机出口的母线频率。根据式（1）计算出减载量，分配基本轮和特殊轮各轮切负荷量并依次切除，直至系统恢复正常频率。

在UADRS参与EDR时，通过负荷分解模块在线监测系统频率，当检测到频率跌落至响应预设值时，通过判断系统频率变化率，确定是否启动紧急需求响应。其需求响应资源以温控负荷聚合体为主，具有速断性，响应速率更高，因此可以在低频减载前触发响应，对系统提供频率和电压支撑。EDR机理模型如图4所示。

图4中在系统一次调频、二次调频的基础上，加入EDR策略，通过对温控负荷聚合体进行功率调整，系统功率扰动量Pd(t)由发电机功率Pg(t)减去需求响应负荷功率Pagg(t)和其他负荷功率Pe(t)表示。

图4 EDR机理模型Fig.4 Model of EDR mechanism

3.2 用户实时响应资源计算

实时响应资源计算是用户参与需求响应获得收益的依据，参与响应的设备资源根据人机交互界面中用户的响应偏好确定，一般为空调、热水器等温控负荷，计算得到实时状态下可用于需求响应的响应容量QDR(t)为

式中：Pi(t)为响应负荷的实时有功功率；n为用户参与响应的负荷数量；t为需求响应中心下达的响应持续时间。一般切负荷需要在300 ms内完成动作，因此EDR提前预估区域内整体的实时响应资源，减少计算时间。由于区域内温控负荷的整体功率只与负荷总功率和环境有关[11]，因为聚合体的实时响应资源Pagg(t)为

式中：Pi为单个响应设备额定功率；聚合体运行系数Son(t)为运行设备功率总和与聚合体额定功率总和的比值；聚合体规模系数Sagg为聚合体额定功率总和与系统全部负荷的功率总和的比值。

3.3 智能化切负荷策略

传统需求响应中采用直接负荷控制方式，对温控负荷进行切负荷操作，虽然短时期内温度不会发生较大变换，但会损害设备寿命。而UADRS可通过红外转发装置，以红外信号调整设备的设定温度，当响应结束后再恢复温度，实现智能化切负荷。在系统响应期间，由于设备控制对象的温度变化范围不大，因而对用户的舒适度影响较小。

为验证UADRS参与系统紧急需求响应的性能，选取空调作为响应对象进行仿真。仿真中设定响应的激励信号为频率跌落至49.3 Hz，仿真时间800 s。假设该系统额定功率为300 MW，聚合体为20 000台平均额定功率为2 000 W的空调，则聚合体规模系数为0.13，聚合体运行系数为0.4。该小规模温控负荷聚合体采取直接切除负荷的控制方式，需求响应后空调聚合体功率、温度变化和系统频率变化如图5所示。

图5 空调聚合体EDR仿真Fig.5 Simulation of EDR for air-conditioner aggregation

EDR开始后系统频率得到快速回升，信号消失后，负荷将会按照原设定温度继续工作，而由于设备此刻全部处于关闭状态，聚合体运行系数降为0，稳定状态被打破，故均匀分布的室内温度集体趋向于降温，并产生一定震荡，系统频率恢复稳定。

4 日前用能优化调度策略

在电价机制灵活化、用户能源多样化、用电需求多元化的情境下，电力用户尤其是家庭用户越来越不可能有足够的能力和精力去管理能源的优化使用。因此UADRS中采用日前用能优化调度策略，可以解决用户侧差异化电价、分布式能源接入等问题。

现阶段分布式光伏接入主要采用直接并网模式，但是用户的负荷特性和光伏电池的发电特性在时间上往往无法匹配，因此“余电上网”的低价售电收入往往无法抵消用户负荷在晚间产生的高价公共电网电费。所以在用户负荷用能总量不变的前提下，提高分布式光伏“自发自用”比例，减少公共电网能量的使用才可以提高用户收益，即实现分布式能源最大化地就地消纳。

调度模型如文献[12]所述。首先预测下一日分布式能源出力曲线和负荷曲线，特别是对温控负荷预测；利用系统人机交互界面获取用户对温控负荷的需求，以及洗衣机等主动可控负荷的定时任务需求；最后根据分布式能源出力和排除需调度负荷之后的负荷曲线，在保证用户舒适度最大和满足分布式电源、储能约束的前提下，求解系统的最小用电费用目标函数，得到各个调度周期的储能充放电状态，以及调度负荷工作状态，生成最优用电计划。结合负荷分解算法和激励型响应，UADRS的系统响应程序如图6所示。

图6 UADRS系统响应程序流程Fig.6 Flow of system demand response in UADRS

系统通过非侵入式监测数据分解得到负荷监控信息，检测到响应信号后触发激励性需求响应，并执行响应策略。当前次预测数据误差较大时，进入预测流程更新预测数据；并判断是否需更新调度计划，需要则进入日前调度流程，执行调度策略后继续监控。

5 测试系统验证

为了验证UADRS中各项响应技术的有效性，在实验室中构建测试系统进行验证，系统部署如图7所示。配电端口处部署负荷分解模块，监测负荷包括空调、热水器、冰箱、洗衣机、智能电视、白炽灯等，其中空调和热水器通过红外转发器控制，智能电视作为远程监控终端。发电部分接入了2 kW光伏电池和总容量为200 A·h，额定电压为12 V的铅酸蓄电池。

图7 UADRS测试平台部署Fig.7 Layout of UADRS experimental platform

通过负荷分解模块的非侵入式监测，得到测试系统中空调、热水器、冰箱等主要负荷的功率，参数与智能插座采集到的数据一致。进一步对负荷分解数据进行统计分析，得到用户的用能特性，如各类负荷的用电比例，通过对比历史数据或获取同类用户标准数据，判断用能设备是否用能正常，进一步为用户提供改善建议，用能特性分析月报界面示意如图8所示。

图8 基于负荷分解的用能特性分析Fig.8 Analysis of energy use based on load disaggregation

根据文献[12]的用户需求设定和电价设定进行日前调度测试，UADRS根据日前预测数据对储能的充放电时间、空调、热水器等温控负荷的运行周期，以及洗衣机、电饭锅等主动可控负荷的任务执行时间进行了优化调度。在满足用户对设备舒适度需求约束，以及蓄电池使用寿命的约束的前提下，得到优化用电计划通过智能用电仿真平台的交互界面展示给用户，优化前后的负荷数据如图9所示。

图9 仿真结果数据曲线Fig.9 Data curve of simulation result

从算例中可以看出，洗衣机和电饭锅的使用时间调整到光伏较为充足的时段，空调也通过优化缩短了使用时间，而由于热水器提前加热，为了维持水温，比优化前的运行时间有所增加，但使用的是无法本地消纳的光伏发电，所以虽然系统负荷有所提高，但需求响应带来的用户收益更高。

6 结语

本文针对自动需求响应在用户侧的实现，提出基于负荷分解的UADRS方案。系统通过负荷分解算法，实现对不同用电设备和电网运行状态的监测，计算得到用户实时响应资源量，实现用户通过智能化切负荷参与系统紧急控制的激励型需求响应，并针对分布式电源接入问题，系统以促进可再生能源消纳为目的，生成日前用能调度计划，实现价格型需求响应。实际系统的测试表明，该方案能够降低用户参与需求响应的成本，简化参与方式，减小响应不确定性，有效实现用户不同类型的自动需求响应。

[1]张晶，孙万珺，王婷（Zhang Jing，Sun Wanjun，Wang Ting）.自动需求响应系统的需求及架构研究（Studies on requirements and architecture for automated demand response system）[J].中国电机工程学报（Proceedings of the CSEE），2015，35（16）：4070-4076.

[2]Piette M A，Sezgen O，Watson D S，et al.Development and evaluation of fully automated demand response in large facilities[R].Berkeley：Lawrence Berkeley National Laboratory，2004.

[3]闫华光，陈宋宋，钟鸣，等（Yan Huaguang，Chen Songsong，Zhong Ming，et al）.电力需求侧能效管理与需求响应系统的研究与设计（Research and design of demand side energy efficiency management and demand response system）[J].电网技术（Power System Technology），2015，39（1）：42-47.

[4]Shariatzadeh F，Mandal P，Srivastava A K.Demand response for sustainable energy systems：A review，application and implementation strategy[J].Renewable&Sustainable Energy Reviews，2015，45：343-350.

[5]孔祥玉，杨群，穆云飞，等（Kong Xiangyu，Yang Qun，Mu Yunfei，et al）.分时电价环境下用户负荷需求响应分析方法（Analysis method for customers demand response in time of using price）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2015，27（10）：75-80.

[6]Vanthournout K，Dupont B，Foubert W，et al.An automated residential demand response pilot experiment，based on day-ahead dynamic pricing[J].Applied Energy，2015，155：195-203.

[7]孙建伟，唐升卫，刘菲，等（Sun Jianwei，Tang Shengwei，Liu Fei，et al）.面向需求响应控制的家用电热水器建模和控制策略评估（Modeling method and control strategy evaluation of electric water heater for demand response program）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2016，28（4）：51-55.

[8]Hart G W.Prototype nonintrusive appliance load monitor [R].USA：MIT Energy Laboratory and Electric Power Research Institute，1985.

[9]王守相，孙智卿，周凯，等.电力负荷三重可信度匹配辨识方法[P].中国专利：201510795600.6

[10]Anderson P M，Mirheydar M.A low-order system frequen-cy response model[J].IEEE Trans on Power Systems，1990，5（3）：720-729.

[11]邓宇鑫，王磊，李扬，等（Deng Yuxin，Wang Lei，Li Yang，et al）.温控负荷直接负荷控制策略与优化调度（Direct load control strategies and optimization scheduling of thermostatically controlled loads）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2015，27（6）：18-25.

[12]王守相，孙智卿，刘喆（Wang Shouxiang，Sun Zhiqing，Liu Zhe）.面向智能用电的家庭能量协同调度策略（Coscheduling strategy of home energy for smart power utilization）[J].电力系统自动化（Automation of Electric Power Systems），2015，39（17）：108-113.

Automated Demand Response System in User Side Based on Load Disaggregation

SUN Zhiqing，WANG Shouxiang，ZHOU Kai，LIU Tianyu
（Key Laboratory of Smart Grid of Ministry of Education，Tianjin University，Tianjin 300072，China）

An automated demand response system in user side based on load disaggregation is designed and implemented to encourage users to participate in demand response automatically and intelligently.The system recognizes the electrical information of various types of devices by a load disaggregation algorithm，and calculates the user's real-time demand response resource.In this way，the system accomplishes an incentive-based demand response，which involves an automatic load-shedding process when an emergency of power grid is identified.Considering the trend of high penetration of distributed energy into the user side，a day-ahead scheduling model is proposed to improve the consumption of distributed energy，by which more users are encouraged to take part in the price-based demand response.Finally，the test result shows that the developed system is highly applicable and easy to deploy，and it can be used effectively in implementing different types of automated demand responses.

demand response；energy management；load disaggregation；load shedding；day-ahead scheduling

TM73

A

1003-8930（2016）12-0064-06

10.3969/j.issn.1003-8930.2016.12.011

孙智卿（1986—），男，博士研究生，研究方向为智能用电技术与电力需求侧管理。Email：sunzq@tju.edu.cn

王守相（1973—），男，博士，教授，研究方向为配电系统分析、分布式发电系统分析与仿真。Email：sxwang@tju.edu.cn

周 凯（1991—），男，硕士研究生，研究方向为电力系统数据挖掘。Email：zhoukai13@163.com

2016-05-03；

2016-06-20

天津市应用基础与前沿技术研究计划资助项目（14JCYBJC21100）；国家电网公司科技资助项目（5211JN140001）