考虑响应特性的需求侧多元可控负荷协同调控策略

卢兆军， 袁 飞*， 郝 泉， 安树怀， 李 沐， 王庆华

(1.国网山东省电力公司， 济南 264000； 2.华北电力大学能源动力与机械工程学院， 北京 102206)

随着需求侧可控负荷资源的不断引入，传统以“供随需动”的电能供给模式逐渐向源荷双向互动模式转变。通过对需求侧可控负荷资源实施有序管理与控制，实现与电网预期调度曲线的优化匹配，是目前分布式新能源渗透下电网波动性平抑的有效措施。

目前，对于需求侧可控负荷调控已有较多方面研究，主要面向削峰[1-4]、调频[5-7]、新能源消纳[8-9]经济调度[10]等场景。外国研究以电力市场为主导，将负荷曲线零售给具备响应能力的电厂或者聚合商[11]，使得负荷的实际使用曲线与购买曲线相匹配，文献[12]将大量异构的需求侧负荷资源聚类成同类组，每类负荷由聚合商进行集中式控制，实现聚合商所购曲线的匹配；文献[13]综合考虑电动汽车、空调、热水器等可控负荷，基于需求响应方式进行负荷整形，解决电动汽车与其他负荷同时使用下的变压器过载问题；文献[14]通过独立系统运营商(Independent System Operators，ISO)与聚合商之间的双层优化建模，提出了风电不确定性下电动汽车协调充电及风电波动平抑策略。

目前，多数研究中负荷调节目标直接取自区域电网调度，由聚合商整合零散的、分布式可控负荷资源，实现电网削峰、调频等场景调控。文献[15]基于模糊控制理论，综合考虑配电网负荷特点和用户使用行为，提出了电动汽车入网充放电的有序调度策略，降低了区域电网负荷尖峰；文献[16]针对温控负荷(thermostatically controlled load，TCL)调控过程中造成的舒适度影响，以平均舒适度与最佳舒适度偏差量最小为目标，并将控制频次约束纳入策略设计，对温控负荷实施集群控制；文献[17]对电热水器的用水行为进行了预测建模，基于模型预测方法，考虑温度和锁定约束，提出了电热水器群参与电网紧急减载与调频策略；文献[18]基于蒙特卡洛方法对温控负荷群的状态进行建模，获取了聚合状态下的温控负荷潜力，并利用温控负荷实现了电网紧急状态下的甩负荷；文献[19]通过对电热水器负荷聚合群的状态感知和实时分析，提出了大量电热水器有序协调的调控策略，用于消纳电网多余新能源电量；文献[20]考虑中央空调的调节特性、用户舒适度和用电的经济性，对中央空调进行集群建模和聚合策略设计，用于消纳风电出力曲线的波动部分。以上研究说明可控负荷参与电网调节的潜力巨大，但考虑到现阶段实际实施情况，大部分区域以削峰和有序用电业务为主，主要面向削减式负荷调控场景。

上述研究主要考虑单类负荷调控，而针对多类负荷联合调控的研究相对较少，且中国电网调节场景相对单一。随着需求侧可参与调控的负荷逐渐多元，电网调节需求也不在单一，提出一种能整合多元可控负荷且面向多种调节场景的负荷控制策略具有较大意义。为此，提出了多元可控负荷的协同调控策略，基于负荷聚合商对多类型、多元化负荷群实现调控，可面向电网日内负荷削减与消纳双向调整需求，在用户负荷协同有效用电的基础上，提供用电经济效益。

1 可控负荷响应特性分析

综合考虑温控负荷、电动汽车、储能(锂电池)等典型可控负荷，分析其运行特点。

1.1 温控负荷响应特性分析

1.1.1 温控负荷模型

以电热泵为代表的温控负荷，其工作特性具备周期性启停特点，开启时温度上升，关闭时温度下降，维持温度在一定区间内波动，常规的热力学模型为[11]

(1)

Tmin≤Tin≤Tmax

(2)

Tmin=Tset-δ

(3)

Tmax=Tset+δ

(4)

热泵运行特点如图1所示，当温度处于上下限范围内，开启的热泵具备削减能力，关闭的热泵具备消纳能力，因此电热泵能够在时域范围内调节其用电时段和功率，达到灵活调增或调减需求。

图1 电热泵运行特性

1.1.2 温控负荷响应局限性

基于1.1.1节分析，温控负荷在温度上下限区间内具备调增与调减能力。文献[21]对温控负荷长时间响应的结果进行了模拟，指出热泵响应调减需求时，房间温度会逐步趋近于温度下限。基于制冷、制热型负荷运行特征，可进一步推出其响应特性，如表1所示。

表1 温控负荷响应特性

当含分布式新能源系统中的调增、调需求持续时间较长，温控负荷的温度(或其所处室内温度)趋于上下限，导致距离自身启停约束的时间越来越短，这将造成调控指令下达后负荷功率的反弹，直至下一次调控指令到达前。因此，温控负荷进行长时间的响应会产生功率的波动性。

1.2 蓄电型负荷响应特性分析

1.2.1 蓄电型负荷模型

与温控负荷不同，电动汽车的可调特性体现在充电时段的平移，以文献[4]所述荷电状态模型为例，其模型可描述为

(5)

t≤tset, ∀L∈LEV

(6)

0≤SOCL≤1, ∀L∈LEV

(7)

电动汽车的运行特点如图2所示。在满足用户出行的时间约束下，可将充电时段平移，以满足电网高峰消纳需求。

图2 电动汽车充电特性

就电储能而言，其充电特性与电动汽车相似，采用文献[22]所述一阶模型，具体表达式为

(8)

(9)

0≤SOCL≤1, ∀L∈LES

(10)

储能拥有利灵活的充放电能力，能够在用电高峰直接向负荷供电，在用电低谷时充电，其运行特性如图3所示。

图3 储能运行特性

1.2.2 蓄电型负荷响应局限性

理论上，电动汽车可以进行灵活的充放电，但频繁充放电对电池有较大损耗，也不符合大多用户的充电需求。因此在非紧急调控场景下，本文中暂认为电动汽车不放电。

基于这种考虑，电动汽车更适合进行调增场景的响应，而不具备调减能力。而含分布式新能源系统中，由于新能源出力的随机性和不确定性，“供大于需”和“需大于供”在常规日前、日内调度时间尺度均是存在的。

2 多元可控负荷协同调控策略

2.1 基于聚合商的负荷调控架构

随着电网调控业务逐步向用户侧拓展，聚合商作为典型业务主体参与到电网调控中来。负荷聚合商利用其专业的资源整合手段，将用户侧分布广泛、容量小的可控负荷聚合成一个具备较大可调节潜力的虚拟机组，使之主动响应电网需求，改变传统供随需动的单一供电模式，促进用户侧负荷的高效、经济运行。

考虑负荷聚合商的参与，电网调控涉及的主体包含电网调度中心、聚合商、用户负荷，其整体的调控架构如图4所示。具体实施环节如下：首先电网侧对当前传统机组和新能源机组的出力情况进行预测，通过调度中心或市场手段将调控需求广播给负荷聚合商；然后负荷聚合商根据各区域可控负荷调节潜力，将调控需求进行按比例分解，使子需求与区域调节潜力相匹配；最后，通过对不同类别的可控负荷调节成本和约束的考量，确定大量可控负荷的集群调控方案，并将调控信号下达。

图4 智能电网调控架构

图4为调控架构，聚合商以边缘计算手段，充分采集温控负荷、电动汽车、储能等典型可控负荷的温度、荷电状态等状态值，进行规模化可调潜力评估；同时，聚合商可面向多物理供电区域，以互联网方式实现区域间调控信息共享。该方式，以聚合商为主导的分层架构能够缓解调度中心与负荷直接通信的压力，且边缘化信息采集分析与聚合商集中式大规模潜力评估相互协同，有效地促进聚合商对负荷调控精准化实现。

2.2 负荷集群调控容量区间模型

基于典型可控负荷运行模型，本节在考虑热泵、电动汽车、储能运行约束的基础上，构建可控负荷集群调控模型，以估计负荷群的调增和调减能力。在某一时刻，聚合商所辖负荷群的用电功率可表示为

(11)

(12)

(13)

(14)

(15)

由于调控动作会对后续时域范围内的负荷运行状态产生影响，进而影响后续可调容量估计的准确性，针对式(11)～式(15)采用滚动迭代式校正，形成动态调控区间，其原理如图5所示。

图5 滚动式调节潜力估计原理

2.3 负荷调控目标及约束

聚合商从电网调度(或电力市场)侧获取预期调度曲线，根据自身所辖可控负荷的调控区间，对预期调度曲线进行等比压缩，得到自身的调控目标曲线，其表达式为

∀t∈T,Ptgt(t)=f[Ptol(t)]

(16)

(17)

式中：T为优化周期；Ptol、Ptgt分别为电网预期调度曲线和聚合商自身调控目标曲线；f(·)为等比例压缩函数通用形式。

聚合商得到自身调控目标曲线后，对所辖可控负荷进行日内全局用电调控及优化。当t时刻的可控负荷用电功率大于聚合商调控目标时，进行削减型调控，反之进行消纳型调控。在调控周期内，以分布式新能源本地消纳最大化为目标，其优化目标可表示为

(18)

式(18)中：Pact为聚合商实际调控的功率。

同样，为了保证调控过程中可控负荷不会造成用户用电不便，在求解式(18)所示的组合优化问题时，需要满足式(2)～式(4)、式(6)、式(7)和式(10)的基本运行约束。

2.4 协同调控实现流程

基于前文所述优化目标及约束，聚合商需要根据调控偏差最小化目标，确定各时刻的功率调整量，并根据可控负荷状态及约束，对满足条件的可控负荷进行优化调控。从第k个时段起，聚合商在连续时域上的调控实现流程如图6所示。

针对图6最优调控顺序方案，采用典型的分组调控方式，设计了消纳和削减两种场景下的负荷调控顺序，实现有序调控。多场景下可控负荷分组调控的顺序如图7所示。

图7 聚合商最优调控顺序方案

3 仿真分析

3.1 仿真场景设置

如图8所示，选取0:00为时间断面，初始时刻设定了温控负荷的随机开关状态和初始时刻温度状态，在7:30左右设定了电动汽车到达(入网)时间的高斯分布。图8中调控目标取自某地典型日光伏出力等比例压缩曲线，在7:30—11:00的用户负荷高于调控目标，以削减场景为主；在11：00—16:00的实际用电负荷低于调控目标，调控的消纳需求比较大，以消纳场景为主。

参与调控的3类可控负荷具体参数配置如表2所示。

表2 负荷参数设置

3.2 电力供需灵活调控结果分析

根据图8所示的蓝色曲线进行弹性负荷优化配置，利用温控负荷、电动汽车、储能的灵活可调能力，对调节目标进行了精准匹配，匹配效果如图9黑色曲线所示。

图9 多类负荷协同调控效果

可以看出，多类可控负荷分组协同的方式能较为精准的跟踪聚合商的调节目标，实现精准匹配。相比之下，若只用电动汽车或温控负荷，在调节能力欠缺的情况下，波动性较强，且调控偏差较大。因此，利用多元负荷的协同调控具备较大优势。

图10～图12为参与调控的某热泵、电动汽车、储能负荷的运行状态前后对比情况。由于调节过程中考虑了负荷运行约束，调控后的负荷状态均满足约束，充分保证了用户的用电权益。可以看出，调控后的热泵使室温在维持在22～30 ℃，符合设置的调节阈值需求；电动汽车的充电时段变得更离散化，改变了原来即插即充的情况，且充电时间向后转移，与消纳时段贴合；储能具备良好的功率转移特性，通过灵活的充电与放电，达到平滑负荷曲线的目的。

图10 某热泵调控前后的运行状态对比

图11 某电动汽车调节前后的荷电状态对比

图12 某储能设备调节过程中充放电情况

3.3 策略潜在经济效益分析

基于聚合商对可控负荷资源整合与协同调控，实现了考虑分布式新能源出力的削峰、消纳双场景调控。为了充分说明本文策略的有效性，统计了聚合商调节前后的消纳量与削峰量，如图13、图14所示。图13统计了全天调控周期内的消纳功率与削减功率，图中最明显的削减功率集中在电动汽车接入高峰期，调节后的最大削减功率达到约20 MW，主要由于电动汽车群体将充电时段向后转移；最明显的消纳功率集中在12:00后的光伏出力期，最大消纳功率达到约15 MW，主要由于储能和电动汽车在该时间段进行了较大量的充电。

图13 日内调节功率分布

日内的消纳量和削减量统计如表3所示，其中消纳量达到约6 324.5 kW·h，削减量达到5 383.3 kW·h，预期月消纳量和削减量将达到189.735 MW·h和161.499 MW·h。

进一步选取中国分时电价机制和美国PJM有限责任公司(Pennsylvania-New Jersey-Maryland Limited Liability Company)某日边际电价机制，采用式(19)所示的单位用电成本对本文策略效益进行分析，两种电价机制如图14所示。

图14 中国分时电价与美国PJM某日边际电价

(19)

式(19)中：U为单位用电成本；P(t)为t时刻电功率；p(t)为当前时刻电价。

调节前后的单天负荷用电成本对比如表3所示，其中在中国场景下，不调节时负荷单位用电成本约0.483 3元/kW·h，调节后的负荷单位用电成本约0.482 9元/kW·h；在PJM边际电价场景下，不调节时负荷单位用电成本约37.71美元/MW·h(折约0.262元/kW·h)，调节后的单日负荷单位用电成本约36.15美元/MW·h(折约0.251元/kW·h)。

表3 中外场景调前前后策略经济效益对比

综上，本文策略在中国现行分时电价和国外电力市场实时电价机制下，均存在用电效益优势，尤其在国内推行电力市场化改革的背景下，以需求侧可控负荷资源促进分布式新能源接入下的供需平衡，可作为一种新业务模式，其具备较大发展空间。

4 结论

提出了一种考虑响应特性的需求侧多元可控负荷协同调控策略，通过分组轮控的方式对温控负荷、电动汽车、储能进行协同调控，实现了考虑分布式新能源出力特征的需求侧用电优化。得出如下主要结论。

(1)以温控负荷、电动汽车、储能为典型可控负荷，分析了单类负荷调控的局限性，构建了基于聚合商的负荷联合调控框架。

(2)建立了多元可控负荷集群调控模型，并设计了面向分布式新能源供需平衡的多元可控负荷协同调控策略。

(3)选取典型日光伏曲线设计了仿真算例，验证了本文策略的有效性以及在国内外两种电价机制下的经济性。

后续研究将进一步根据需求侧多类异构负荷状态、模型的差异，研究其融合评估指标及统一调控策略，提高策略执行过程中各类负荷参与调控的机会均等性。