基于OpenADR2.0的智能小区能量协同调度研究

张 旭， 张铁峰

(华北电力大学 电气与电子工程学院，河北 保定 071003)

0 引言

当前，居民用户用电负荷呈现增长快、变化大、多样化的新趋势，DG、储能、电动汽车(Electric Vehicle, EV)也得到了较大发展[1-2]；与此同时，智能家庭作为能源使用的终端单元引起广泛关注[3-4]。而智能小区支持DG接入，可为用户提供个性化的用电服务。因此，通过引导和优化居民用户用电模式，调整用能结构，实现能量协同调度，促进DG就地消纳是未来能源利用的趋势之一[5]。

图1 智能小区OpenADR2.0部署架构

用户依靠家庭能量管理系统(Home Energy Management System, HEMS)实时监控家居设备，响应DR信息。从用户角度看，能有效减少用电费用；从电网角度看，可平滑负荷曲线，使电网更加经济稳定的运行[6]。文献[7]针对家庭光伏(Photovoltaic, PV)消纳，提出一种包含储能和负荷的能量调度策略；文献[8]建立了家居负荷决策模型，以负荷峰谷差最小为目标，优化用户能量管理；文献[9]研究了设备DR优先级，提出一种分时电价下家电管控策略；上述文献只在用户层面考虑优化调度。文献[10]提出了一种基于直接负荷控制的空调负荷双层优化调度模型，但只考虑供给侧利益。

通过挖掘居民用户侧调荷能力，实施DR，利用市场化手段优化电力资源配置，促进系统供需实时平衡，具有广阔的市场空间和应用前景[11]。为了提高实施效率，更好地调动用户参与DR的积极性，有必要在用户侧实现自动需求响应(Automated Demand Response，ADR)，既节省人力，带给用户便利，又能实现与电网自动交互、控制、反馈等功能[12]。

OpenADR2.0是一个开放的、互操作性的通信标准，采用面向服务的架构，构建了一种基于电价信号和DR事件的标准化通信架构及业务交互逻辑。在现有通信基础设施上(互联网)，采用传输层安全协议建立虚拟顶端节点(Virtual Top Node, VTN)和虚拟终端节点(Virtual End Node, VEN)之间的通信安全通道[13]，可支持不同传输机制，包括HTTP和XMPP，满足不同部署场景。OpenADR2.0提供更加全面的功能，应用于智能终端、DG、EV等运行管理，满足了多样化的市场需求。利用HEMS作为VEN端，控制家居设备运行状态，智能电表提供电力遥测数据进行反馈，实现多样化家居负荷参与ADR。

本文为实现居民用户参与ADR，智能小区源荷协同调度，提出OpenADR2.0应用于智能小区的部署架构，建立了DG及家居设备模型。在此基础上，构建了智能小区能量优化管理的双层模型，挖掘用户侧DR潜力，最大化DG就地消纳，实现供需侧双赢。

1 智能小区OpenADR2.0部署架构

依照OpenADR2.0标准通信架构[14]，本文所设计的部署架构如图1所示，分为：电网层、智能控制层和用户层。其中，电力公司或独立系统运营商为电网层VTN端，小区智能控制系统为电网层VEN端，同时也是用户层VTN端，HEMS为用户层VEN端。

1.1 电网层

独立系统运营商(Independent System Operator, ISO)负责协调，控制和监控电力系统运行，运营管理区域的电力批发市场，为各市场参与者提供可靠的规划，保证电网安全高效运行。

需求响应服务提供商为ISO和电力公司管理和优化DR计划，包括响应客户优选、执行结算、评估客户响应效果、分析客户满意度，为调度计划制定提供决策支持。

作为电力公司/ISO和小区智能控制系统之间的中介，需求响应自动化服务器(Demand Response Automation Server, DRAS)是智能小区OpenADR2.0部署架构的核心部分，能自动生成、发布、跟踪和管理电网层、智能控制层和用户层之间的DR信号。将电网层调度需求信息和指令转换成EiEvent服务消息通过互联网安全、高效地发送到智能控制层。同时，智能电表实时采集数据发回DRAS，经转换发送给电力公司/ISO，从而实现了用户层、智能控制层和电网层三者DR业务交互的自动化和智能化。

1.2 智能控制层

本文智能小区由同一电力公司负责供电，小区智能控制系统作为电网层VEN端，监听DR事件并进行如下响应：一是直接控制所管控的资源达到调控负荷目的；二是作为VTN端与任意数量的VEN端配对，进一步向下游传播DR信号，同时接收从VEN端发送的反馈数据。根据电网调度需求、DG预测数据、用户侧DR特性等数据，小区智能控制系统针对某一目标进行优化计算，对其所管控的需求侧资源和用户层自有资源协同调度，实现区域范围内供需平衡。

1.3 用户层

每个用户安装符合OpenADR2.0的HEMS作为VEN端，HEMS通过无线网络(如WiFi、Zigbee)进行节点通信，根据用户设置的用电需求信息、DR信息、分时电价及家居设备、DG等用电和发电信息，以用电成本最小或舒适度最高等为目标，制定次日家居设备运行方案。家庭能量管理如图2所示。

图2 家庭能量管理图

利用OpenADR2.0的EiRegistration、EiReport服务将用户资源详细信息和报告能力注册到VTN端，为双向互动提供基础。根据用户签订的DR业务协议，VTN端发布相关DR事件至用户VEN端，VEN端转换为设备控制信号实现自动控制。另一方面，VEN端周期性地反馈遥测数据。

2 智能小区资源模型

本节描述智能小区资源模型，分为电源和居民负荷。电源模型包括储能系统(Energy Storage System, ESS)、PV、燃料电池(Fuel Cell, FC)。

2.1 储能系统模型

ESS能平抑DG出力波动性，智能小区采用蓄电池作为ESS。荷电状态指当前剩余容量占总容量的比例，是充放电控制决策变量之一。模型表达式如下：

(1)

2.2 光伏发电模型

PV是智能小区的重要能量来源之一，其出力与太阳辐照度和温度有关[15]。模型表达式如下：

(2)

2.3 燃料电池模型

FC具有能量转化率高、洁净、应用前景好、噪声低等特点[16]，也会是智能小区的能量来源。其燃料成本与净输出功率的关系为：

(3)

2.4 居民负荷模型

居民负荷中按照设备工作特性和时间弹性大小可分为如下两类[17]：

(1)刚性负荷。用于保障用户基本需要，时间弹性不足，不参与调度，包括电视机、电脑等。

(2)柔性负荷。具有一定的工作时间弹性和可控性，典型的柔性负荷包括EV、温控负荷(空调、热水器)和不可中断负荷。

2.4.1 电动汽车模型

EV具有负荷和储能双重特性，作为一种交通工具，必须满足用户次日行驶需求，而后考虑激励其参与辅助服务，建立模型如下式：

(4)

2.4.2 温控负荷模型

本文中居民用户温控负荷主要包括空调和热水器，模型表达式为(5)(6)。

(5)

(6)

2.4.3 不可中断负荷模型

在工作周期内，洗碗机、洗衣机等设备一旦开始直到完成才可停止，但实际工作时间可灵活、合理地改变。模型表达为式如下：

(7)

3 智能小区双层优化调度模型

3.1 智能控制层调度目标函数及约束条件

3.1.1 目标函数

上层优化决策目标是购电成本、FC燃料成本、FC、PV和ESS运行维护成本、EV充电成本之和最小，其数学表达式为：

(8)

3.1.2 约束条件

上层约束是式(1)～(4)及下列约束。

(1)区域功率平衡约束。

(9)

(2)联络线功率约束。

(10)

(3)FC功率约束。

(11)

3.2 用户层调度目标函数及约束条件

3.2.1 目标函数

下层优化决策目标是在保证用户舒适度需求的前提下，使用电成本最小，其数学表达式为：

(12)

3.2.2 约束条件

下层约束是式(5)～(7)和下列约束。

(1)用户舒适度需求约束。

该约束用温控负荷温度表示，保证调度不影响用户正常需求。

(13)

(2)需求响应功率约束。

(14)

3.3 协同调度策略

模型求解分为两步，首先求解下层问题得到最优解，代入上层模型进行求解。求解过程：

(1)根据电网调度计划、负荷历史数据和预测值，电网层利用EiEvent服务向智能控制层发布DR计划，并进一步传播至各用户HEMS。

(2)HEMS根据用户设置信息，优化设备运行，使调度结果满足DR计划，通过EiReport服务将各时段负荷值反馈给智能控制层。

(3)依据报告信息、分时电价、PV出力，智能控制层制定EV调度计划、FC及ESS出力，生成最优调度计划，实现对电网层响应。

4 算例分析

4.1 算例参数

ηFC=-0.002 3PFC+0.673 5 (15)

表2 调度负荷数据

图3 洗衣机与洗碗机工作特性

图4 热水器工作特性

4.2 调度结果分析

4.2.1 用户层负荷调度结果分析

为便于对比分析，将用户侧无优化设为模式Ⅰ；用户侧基于电价的需求响应设为模式Ⅱ；用户侧基于电价和功率限制响应设为模式Ⅲ。图5(a)为模式I中用户负荷预测数据，峰值出现在20:00左右，为7.3 kW；图5(b)为模式Ⅱ负荷优化结果，高峰时段负荷明显降低，降为5.28 kW。在满足用户舒适度需求约束和设备运行约束的前提下，洗衣机、洗碗机工作时间转移到低电价时段，因为设备工作不能中断，部分工作时间在峰值时段，20:00之后用户使用热水，水箱内水温降低，热水器再次加热维持水温在设定区间内，由于处于高电价时段，热水器加热时间缩短。

图5 用户层负荷调度结果

由图5(c)可知，模式Ⅲ峰值负荷降为4.5 kW，比模式Ⅱ低0.78 kW，用户层峰谷差减小，负荷曲线更加平滑，而为满足DR约束，热水器再次加热时间提前，导致用电费用略有增加。因此，电网层或智能控制层应采取适当的激励手段补偿用户。

4.2.2 智能控制层调度结果分析

将用户层3种模式负荷调度结果作为输入进行优化，结果如图6所示。

图6 智能控制层调度结果

由图可知，由于用户层负荷优化，电网峰值分别为237 kW、202 kW、178 kW，明显下降；夜间峰电价时段，ESS、EV放电，FC出力共同维持负荷运行。优化后，ESS放电深度减小，延长其使用寿命；由于EV首先要满足用户出行需求，同时为避免过度放电，在不同的放电电价下，限制了放电功率；FC出力减小，成本降低；夜间谷电价时段，FC单位发电成本高于谷电价，不发电，从电网买电。为不产生负荷高峰，首先对EV充电，充电完成之后，对ESS充电。PV出力较大时，由PV和ESS提供电能，几乎不从电网买电，达到PV本地消纳最大化，模式Ⅱ、Ⅲ中，ESS出力减小。调度周期内，在谷电价时段，EV、ESS依次充电，在峰电价时段放电，利用电价差减少系统费用，为降低放电损耗，在平电价时段ESS不出力。模式Ⅱ、Ⅲ相比，后者电网峰值进一步降低，整个周期内负荷波动更加平缓，有益于电网安全经济运行。

表3、4、5为不同模式下ESS、FC以及用户和系统优化结果。从表3可以看出，模式I中，ESS费用最高，为99.25元，并且优化结束时为0.22，接近容量下限，与初始值相差0.28，不能实现连续性优化；模式Ⅱ、Ⅲ中，费用均为91.07元，减少了8.18元，同时，优化结束时为0.48，与初始值相差0.02，能够进行次日优化调度。

根据表4分析，FC的单位发电成本分别为0.465 元/(kW·h)、0.449元/(kW·h)、0.451元/(kW·h)，低于平时段电价0.6元/(kW·h)，因此，FC尽量出力满足用电需求，符合调度结果。相比于Ⅰ中，模式Ⅱ、Ⅲ中，平均效率均有提升。

表5为费用对比情况，相对于模式Ⅰ，模式Ⅱ、Ⅲ费用减少了308.06元、299.34元；模式Ⅲ比模式Ⅱ费用增加了8.72元。从经济性角度分析，模式Ⅱ优于模式Ⅰ、Ⅲ。然而，模式Ⅲ既能有效降低用电费用，又可控制负荷峰谷差，得到更加平滑的负荷曲线，兼顾经济与安全两方面。电网层应给予一定补偿激励用户以实现DR计划，实现电网与用户双赢。

表3 不同模式下ESS运行结果

表4 不同模式下FC运行结果

表5 不同模式下用户和系统费用对比

5 结论

本文研究了智能小区能量双层优化模型，提出一种能够用于DG、ESS、居民负荷协同调度的优化策略。在满足用户舒适度约束及上层DR计划的前提下，用户层以用电费用最小为目标优化设备运行；智能控制层以调度运行总成本最小为目标并实现PV本地消纳最大化，提高能源利用率。可得如下结论：

(1)智能小区OpenADR2.0的部署架构，可促进ADR发展和实现，具有一定参考价值；提出的双层优化模型与OpenADR2.0的部署架构层次对应，能实现电网和用户共赢。

(2)用户层根据分时电价和DR计划优化设备运行，有效地降低了峰荷，减少了用电费用；智能控制层根据用户层调度结果，调度DG出力，合理安排EV充放电，可提高能源利用率和经济效益。

(3)电网在实施DR时应采取合理措施保证参与者的利益，确保其参与的积极性，以更好地促进DR发展。

参考文献：

[1]中国电力新闻网. 电网投资再创新高[EB/OL]. [2017-02-16].http://www.cpnn.com.cn/zdzgtt/201702/t20170216_949714.html.

[2]黄宇, 杨健维, 何正友. 基于双层离散粒子群优化的智能小区车辆与家庭互动调度策略[J]. 电网技术, 2015, 39(10): 2690-2696.

[3]叶中行, 孙明远. 家庭需求侧资源与电力供应商双向交互策略[J]. 电力科学与工程, 2017,33(3):1-6.

[4]王澄, 徐延才, 魏庆来,等. 智能小区商业模式及运营策略分析[J].电力系统保护与控制, 2015, 43(6):147-154.

[5]沈敏轩, 孙毅, 李彬. 基于物联网技术的自动需求响应系统架构与应用方案研究[J]. 电测与仪表, 2014, 51(24): 96-100.

[6]冯庆东, 何战勇. 需求响应中的直接负荷控制策略[J]. 电测与仪表, 2012, 49(3): 59-63.

[7]王守相, 孙智卿, 刘喆. 面向智能用电的家庭能量协同调度策略[J]. 电力系统自动化, 2015, 39(17): 108-113.

[8]付蔚, 敬章浩, 罗志勇,等. 基于分时电价的智能家电控制方案[J]. 电网技术, 2015, 39(3): 717-723.

[9]周磊, 李扬. 分时电价环境下基于家居能量管理系统的家居负荷建模与优化运行[J]. 电网技术, 2015, 39(2): 367-374.

[10]高赐威, 李倩玉, 李扬. 基于DLC的空调负荷双层优化调度和控制策略[J]. 中国电机工程学报, 2014, 34(10): 1546-1555.

[11]祁兵, 柏慧, 陈宋宋, 等. 基于互联网家电的需求响应聚合系统信息接口研究与设计[J]. 电网技术, 2016, 40(12): 3918-3922.

[12]张铁峰, 张旭, 赵云, 等. OpenADR2.0标准架构及应用[J]. 电力科学与工程, 2017,33(3):55-60.

[13]高赐威, 梁甜甜, 李慧星, 等. 开放式自动需求响应通信规范的发展和应用综述[J]. 电网技术, 2013, 37(3): 692-698.

[14]ARTHUR H R.DRRC Annual Report2013 [EB/OL].[2014-05-19]http://drrc.lbl.gov/news/drrc-annual-report-2013.

[15]CHEDID R, AKIKI H, RAHMAN S. A decision support technique for the design of hybrid solar-wind power systems[J]. IEEE Transactions on Energy Conversion, 1998, 13(1): 76-83.

[16]钱军, 李欣然, 王玲, 等. 面向负荷的光伏电池和燃料电池建模及其等效描述[J]. 电网技术, 2011, 35(4): 135-142.

[17]王珂, 姚建国, 姚良忠, 等. 电力柔性负荷调度研究综述[J]. 电力系统自动化, 2014, 38(20): 127-135.

[18]吴雄, 王秀丽, 王建学, 等. 微网经济调度问题的混合整数规划方法[J]. 中国电机工程学报, 2013, 33(28): 2-8.