基于优先级排序的用户侧电网调峰机制

施泉生，马思源，任洪波，王子轩，张小彪

(1.上海电力大学经济与管理学院，上海 200120；2.上海电力大学能源与机械工程学院，上海 200120)

需求响应(demand response，DR)作为广泛应用于电力系统的一种调控手段，在挖掘居民用户参与系统调峰潜力方面具有经济和技术上的优势[1]。一方面，居民生活用电量占全社会用电量的比例较大并逐年递增，使得居民用户成为参与电网调峰的重要调控资源。另一方面，智能电网和泛在电力物联网的快速发展，智能电表和智慧家居的普及以及家庭能量管理系统(home energy management system，HEMS)[2-3]的应用，为居民用户参与电网调峰提供了技术上的支持。因此，探索行之有效的调峰激励机制，能有效激发用户的调控潜力，维护电力系统安全经济运行。

目前，中外对居民用户参与需求响应和用电策略优化已有大量的研究。文献[4]对典型家庭负荷建模，并建立了以用电成本最低和系统峰谷差最小为目标的优化模型，但是没有考虑用户舒适度的问题。文献[5]引入了用户满意度的概念，用来反映用户参与需求响应时的用电舒适程度。文献[6]采用模型预测控制的方法，能够对模型及时改进和预测，显著减少不确定性因素对结果的影响。文献[7]针对激励型需求响应，以模型预测控制为基础建立HEMS模型，以费用最小和负荷波动最低为目标改进用电策略。但是以上研究在系统层面都是以负荷波动最小为目标进行优化，较少考虑用户参与意愿和用电舒适度的影响。

居民用户参与电网调峰以及优先级概念在电力系统的应用方面也有大量研究。文献[8]提出了评价避峰负荷潜力的标准，以及避峰负荷优化调控和补偿方法，保证了用户的公平性；文献[9]基于综合评价方法，以公平性、合理性和经济性为原则产生避峰方案，定义了避峰预方分级和分组；文献[10]提出了家庭舒适度指数，在此基础上按照负荷动态优先级进行智能家电管理。但是数据采样周期不易确定，易造成负荷运行状态的频繁切换，以及控制实时性不强等问题。文献[11]基于分时电价的DR操作优先级和预调度机制，改善了文献[10]中频繁切换家电工作状态的情形。层次分析法、逼近理想解排序法(technique for order prefe-rence by similarity to ideal solution，TOPSIS)等评价方法应用于构建优先级模型和进行优先级排序[12-15]，从而对项目做出评价。

目前针对居民用户实施的需求响应主要是基于价格的需求响应[16]，固定的分时电价机制会造成大量居民负荷集中转移至低电价时段运行，形成新的负荷高峰，偏离电网的运行期望。基于此，提出一种基于用电优先级排序的方法，设置调峰各时段的最大调峰功率约束，以防止负荷峰值过大；选取能够反映用户调峰潜力和调峰意愿的4个指标，采用改进的TOPSIS法选取满足条件的用户参与调峰并进行补偿激励。以用户用电费用最小为目标函数，以期在保证用户公平性和参与积极性的条件下实现居民用户有序用电和电网削峰填谷。

1 家庭用电设备模型

将家庭智能用电设备调度周期时长设定为1 d(00:00—24:00)，将1 d等分成T个时间段。用户数量用n表示，单个用户i∈n。对某一用户，智能用电设备集合用A表示，任意智能用电设备

1.1 储能系统模型

家用储能设备可以在低电价时段从电网购电进行储能，在高电价时段放电以供家居用电设备用电，从而使用户的用电行为更加灵活。储能设备充、放电状态下的荷电状态(state of charge，SOC)可分别根据式(1)、式(2)计算：

(1)

(2)

1.2 光伏发电模型

光伏发电系统模型可以参考文献[4]，用式(3)计算：

(3)

1.3 负荷模型

1.3.1 刚性负荷

刚性负荷是指照明设备、电视机、电脑、游戏机等用户需要即时使用的用电设备，具有对用户生活影响大、不可中断、不可转移等特征。刚性负荷不参与系统优化调度，其用电特性可以参考历史数据预测得到。

1.3.2 可转移负荷

可转移负荷是指运行时间可以转移，总体运行时间保持不变的家庭负荷设备，又可分为洗衣机、洗碗机等不可中断负荷和以电动汽车为代表的可中断负荷。对于这类负荷，用户所关心的是在某个时间节点前完成任务，因此可以将这类负荷转移至低电价时段用电。

(4)

(5)

(6)

对于不可中断负荷，还应满足如下约束：

(7)

式(7)表示设备a在τ时间段启动，τ为不可中断负荷的启动时间，保证至少持续运行Sa个时间段。

2 居民用户参与电网调峰的调控机制

HEMS能够实现用户与电网的互动，对于电网发布的需求响应调控信号，HEMS能够根据用户预先设定的用能需求对参与调峰的家庭负荷制定最优运行计划，实现智能用电。基于需求响应的HEMS控制流程如图1所示。

2.1 调控机制约束

2.1.1 最大调峰功率约束

(8)

2.1.2 调峰补偿费用约束

为了激励用户积极参与调峰，电网公司可以在当日调峰结束后根据取得的调峰效果对参与调峰的用户给予经济补偿。而没有参与调峰的用户也可以正常用电，不会有惩罚措施，从而实现电网公司与用户的良性互动。补偿费用参考文献[7]，使用户参与调峰的削减量反映用户对本轮次电网调峰的贡献度。则用户的补偿费用可表示为

Ccomp=ccompPreΔt

(9)

式(9)中：ccomp为单位削减电量的补偿费用；Pre为某一时间段削减的平均功率；Δt′为用户参与调峰的时长。

2.2 调峰激励机制流程

日前时段，电网公司得到预测后的负荷曲线，并与其所期望的负荷曲线进行比较，以此为依据设置每个时段的最大调峰功率，制定每轮次的调峰计划。居民用户根据电网公司发布的调峰计划，根据用能需求参与调峰。对于成功参与的用户，在相应的时段用电，并在事后得到调峰补偿。

当某一时段参与调峰的用电设备总功率大于调峰功率约束时，就会存在用电优先级的问题。针对这一问题，提出5个能够反映用户调峰潜力和调峰参与意愿的指标：用户对调峰的自愿响应次数(M1)、用户实际得到调峰参与次数(M′2)、用户实际得到的调峰参与次数与自愿响应次数之比(M2)、用户可参与调峰的负荷总功率(M3)、用户实际参与调峰的负荷功率(M4)。其中，M2由M′2推出，故可将5个指标简化为4个指标。电网公司根据以上4个指标对某一时段参与调峰的用户进行排序，按照由高到低的排名依次确定参与调峰的用户名单。调控流程如图2所示。调控效果如图3所示。

图2 居民用户参与调峰流程图Fig.2 Flowchart of residential users participation in peak shaving

图3 居民用户参与调峰排序结果Fig.3 Sequencing result of residential users participation in peak shaving

采用改进TOPSIS方法对参与调峰的用户进行优先级排序，TOPSIS法是一种解决多属性决策问题的常用方法，其原理就是通过计算各方案与正理想解和负理想解的相对距离来排序选择。对数据的处理方法和具体的调控流程如下。

2.2.1 将原始矩阵正向化

为了增加居民用户参与调峰的积极性和公平性，首先对4个指标进行如下设定和说明。M1表示用户以往参与调峰的积极程度，将M1设置为极大型指标，即在排序中越大越好，可以调动用户参与调峰的积极性；定义M2为M′2与M1之比，将M2设置为极小型指标，即在排序中越小越好，可以使以前参与次数较少且响应次数较多的用户在这一指标中得到更为靠前的排序，体现公平性；M3表示用户家庭中理论上可参与调峰的用电设备功率之和，用电设备更新换代周期较长，假设M3保持不变，设置为极大型指标，即可调度功率越大越利于电网调峰；M4为用户历史参与调峰功率数值的平均值，设置为中间型指标，即越接近某一个值Mavg越好，Mavg为t时间段最大调峰功率与参与调峰用户数之比，即t时间段每个用户的调峰功率平均值，体现公平性。

对n个用户，即有n个评价对象，4个评价指标，构建原始矩阵：

(10)

式(10)中：xij(x′ij)为第i个用户的第j个指标值，i=1,2,…,n;j=1,2,3,4。

将原始矩阵进行正向化处理，得到正向化矩阵，即将所有的指标类型统一转化为极大型指标。将矩阵中的极小型指标x′i2转换为极大型指标xi2，xi2=max{x′12,x′22,…,x′n2}-x′i2，将矩阵中的中间型指标x′i4转换为极大型指标

得到正向化矩阵：

(11)

2.2.2 将矩阵标准化

将正向化矩阵标准化是为了消除不同指标量纲的影响，得到标准化矩阵：

(12)

分析光网络网管系统脆弱性及安全光网络建设对策……………………………………………………… 朱宗国（1-115）

2.2.3 确定各指标权重

采用熵权法[17]确定各指标的权重。首先计算概率矩阵P中各元素的值：

(13)

对于第j个指标，其信息熵的计算公式为

(14)

从而得到第j个指标的熵权为

(15)

2.2.4 进行优先级排序

使用改进TOPSIS法对参与调峰的用户进行优先级排序。分别计算各评价对象与正理想解和负理想解间的欧式距离，得到各评价对象与正理想解的相对接近程度，作为确定每轮次用户用电名单的依据。对于所选取得4个指标，正理想解和负理想解分别为

maxzi3,maxzi4)，i=1,2,…,n

(16)

minzi3,minzi4)，i=1,2,…,n

(17)

(18)

(19)

2.3 居民用户用电优化模型

参与调峰的居民用户日内用电优化模型的目标函数可表示为

(20)

(21)

(22)

模型以式(20)为目标函数，以式(1)～式(9)，式(21)～式(22)为约束条件，建立了基于电网调峰优先级排序的居民用户优化用电模型。

3 算例分析

算例选取某小区40户居民用电数据进行分析，并得到40户居民M1、M2、M3、M44个指标过去一周的历史数据[18-19]。运用MATLAB R2014a和CPLEX求解该问题。设置发出调峰激励的时间段为 00:00—08:00，每间隔30 min发出一次激励信号。即在低电价时段对居民用户负荷进行调整，引导居民进行调峰。用户用电设备在分时电价环境下运行，各时段时长及电价如表1所示。

表1 分时电价数据Table 1 Time-of-use price data

3.1 典型用户用电行为分析

典型用户的可中断负荷和可转移负荷包括洗衣机、洗碗机、烘干机、电动汽车等，其用电设备参数如表2所示。分别用策略1、策略2、策略3分别表示用户不参与调峰，按照即时需求用电、用户参与调峰的自优化和用户参与调峰的整体调控优化。

表2 某典型用户用电参数Table 2 A typical user’s electrical parameters

该典型用户3种优化策略下负荷曲线如图4所示，用电成本和负荷特性如表3所示。从用电成本方面看，在策略1中，用户完全按照需求安排用电，用电成本较高；在以最小成本为目标的优化策略下，策略2和策略3的用电成本有所下降。策略3与策略2相比，由于成功参与电网调峰，获得了相应的激励补偿费用，净用电成本进一步减小。

图4 典型用户不同策略下的负荷曲线Fig.4 Load curves of typical user under different strategies

表3 典型用户不同策略下的用电成本及负荷参数Table 3 Cost and load parameters of typical user under different strategies

从负荷特性方面看，策略2中可转移负荷大都集中于夜间低电价时段运行，但是用电行为较为集中，形成了新的负荷高峰，峰值为8.5 kW。相比之下，经过系统整体调控优化以后，策略3在保证负荷在规定运行时间内完成用电任务的情况下，能够将设备用电时间分散开，使负荷曲线变得更为平缓，负荷率提高了6.95%。

3.2 用户整体用电行为分析

3.2.1 优先级排序结果

在分时电价和激励机制下，每个用户根据自己的需求设置参与调峰调度的负荷种类和起止时间，各用户负荷曲线叠加形成用户整体负荷曲线。

在电网公司发布需求响应信号后，用户根据之前的设置参与调峰，电网公司再对参与调峰的用户进行排序。4个指标经过熵权法计算后各权重的值分别为0.197、0.402、0.258、0.143，指标“参与比例”M2的权重为0.402，能够保证之前参与响应次数多但是实际得到参与调峰次数少的用户在新一轮的调峰排名中可以获得一个较为理想的位置；指标M1、M3权重相加为0.455，表明拥有较大调峰潜力的用户在新一轮的调峰排名中也有较大的希望继续参与电网调峰。

表4为某天第一轮次的排序结果。从表4中可以看出，与未实行优先级排序相比，40户居民中，某些原来实际得到响应次数较少的用户和可调功率大的用户在新一次的排序中排在了靠前的位置上。从排序结果上看，既能满足电网的调峰需要，又能调动用户参与调峰的积极性，并在一定程度上保证公平，避免可调容量大和调峰潜力高的用户过度参与DR，从而使另一部分用户失去参与DR的信心。

表4 优先级排序结果比较Table 4 Result of priority sequence

3.2.2 用户整体用电策略分析

该小区居民用户集体用电负荷曲线如图5所示，用电成本和负荷特性如表5所示。从图5、表5可以看出，相比于策略1，策略2、策略3的用电总成本分别减少了2.5%、6.2%。在策略2中，由于大部分用户负荷可调度时间范围相同，导致负荷高峰出现在低电价时段的前几小时。为了解决这一问题，在策略3中，通过对每个时段的调峰最大功率进行限制，负荷的运行相比之下较为均匀地分布于整个低电价时段。在调控时段的负荷峰值降低为策略2的74%，负荷率提高了5.63%。经过策略3的优化，有效防止低电价时段产生负荷高峰的问题，负荷曲线更为平缓。

图5 用户整体不同策略下的负荷曲线Fig.5 Load curves of user group under different strategies

表5 用户整体不同策略下的用电成本及负荷参数Table 5 Cost and load parameters of user group under different strategies

4 结论

针对现有分时电价环境下出现新的负荷高峰的情况，设计了一种基于优先级排序的调峰激励机制，在此基础上实现用户用电策略进行优化。算例分析表明，所提出的调峰机制在用户侧能够确保用户参与DR的积极性和公平性，减少居民用电成本；在电网侧能够降低负荷曲线峰值，减少负荷波动。后续的研究应该更多考虑评价指标设定的合理性和多样性，以及评价体系和模型的优化等方面。