基于负荷调节能力模型的实时需求响应理论

谈竹奎，曾鸣

(1.华北电力大学经济与管理学院，北京102206；2.贵州电网有限责任公司电力科学研究院，贵阳550002)

0 引言

为了推动绿色低碳发展，我国提出了“力争2030年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和”的目标。2020年12月12日在气候雄心峰会上，国家主席习近平宣布：到2030年，风电、太阳能发电总装机容量将达到1.2 TW以上。如在2060年前实现碳中和的目标，我国需再增0.6 TW的可再生能源装机。由于风电、太阳能发电的随机性、波动性，单纯依赖电力供应侧调节的模式来满足以新能源为主体的新型电力系统运行可靠、安全、经济、高效的要求是十分困难的[1]。因此须挖掘电力需求侧资源的可调节能力，结合市场化运作，达到与供应侧资源相匹配的效果[2 - 3]。本文从经济学角度，以价格为手段，提出一种基于实时电价的需求响应理论，达到通过需求侧响应实现电网供需平衡的效果。

需求响应(demand response，DR)是指电力市场中的用户针对市场价格信号或者激励机制而做出反应，参与电力系统的调控，改变传统电力消费模式的市场参与行为[4]。需求响应的激励机制和措施划分为两种主要类型：基于价格的需求响应和基于激励的需求响应。

在基于价格的需求响应中，为了实现电网供需实时平衡，实时电价应运而生。理论上实时电价是随着系统的运行状态变化而实时更新的[5]。实时电价能够表现出需求响应在新能源经济调度中的作用，实时电价是最理想的电价模式[6]。

最早的实时电价理论是基于边际成本的实时电价[7 - 8]，后来实时电价理论越来越多，包括基于能耗调度理论的实时电价算法[9]、基于统计需求弹性模型的实时电价算法[10]、基于效益模型的实时电价算法[11 - 16]、基于阻塞管理的实时电价算法[17]等，人工智能的发展也为实时电价提供了新的模型[18]。

长期以来存在技术手段的不足、通信、控制、计量和结算等门槛，以及用户响应疲惫等问题[19]，尤其以风电和光伏为代表的可再生能源出力具有随机性、间歇性、波动性等特点，其预测难度远大于负荷预测[20]，造成电价理论的实时性和时段精细度均难以满足以新能源为主体的新型电力系统需求。

1)实时性不足。这些实时电价理论，虽然借用了实时电价的概念，实际执行的是根据发电预测和历史数据等计算决策出次日(或几小时后)响应的时段以及该时段鼓励或削减需求量对应的电价[21 - 22]。无法达到新型电力系统中平抑新能源发电的分钟级波动的目的。

2)时段精细度不足。传统的准实时电价一般以小时、30 min甚至15 min作为一个时段来计算实时电价，这种精细度无法做到在时段间隙内的负荷波动，以适应新能源的间歇性。

3)电价计算过于复杂，过于依赖外界条件，依赖后台的复杂计算，不利于短时内迅速调整，不利于与用户的实时互动。

长期以来大部分文献中的实时电价实际是一种准实时电价，无法平抑可再生能源出力的随机性、间歇性、波动性。为了满足以新能源为主体的新型电力系统需求，本文从分析准实时电价的缺点开始，指出实时需求响应的含义和特征，并从单设备负荷调节能力出发，提出设备潜力聚合法的负荷调节能力模型，根据模型进行求解，从而提出了一种实时电价计算方案和实时需求响应理论。算例分析验证了理论的可行性。

1 实时需求响应介绍

1.1 实时需求响应的含义

实时需求响应(real-time demand response，RDR)就是利用实时电价作为信号，促进需求方主动进行负荷调节的自动需求响应。这里有三方面含义：一是利用实时电价作为信号；二是自动需求响应；三是需求方的主动响应。

这3个概念在现有的需求响应理论和实际中都有，但不可能同时出现在一起。如现有的自动需求响应[23]都是用户将设备托管给DR聚合商或调度机构的，一般由ADR服务器直接控制[24]以达到响应的目的，是被动响应。再如，基于电价的需求响应目前尚未实现实时响应。同时现有自动需求响应只有基于激励的，没有基于电价的。实时需求响应是目前唯一将3个概念融为一体的需求响应理论。

本文中这3个概念与现有的需求响应理论和实际中概念有所不同。首先实时电价在实时性上与现有实时电价有较大不同。其次自动需求响应不再将用户设备托管给DR聚合商或调度机构来被动响应，而是用户设备根据实时电价实时智能地决定如何参与响应。从这个角度说，实时需求响应是自主响应[25]而不应是直接调度式的需求响应互动模式。

图1描述了需求响应可以嵌入到电力系统管理的各个时段，但传统需求响应(图中虚框所述)中，基于价格的需求响应在小于15 min的辅助服务市场上无法发挥作用[26]。图1表明实时需求响应恰好填补了这个空白。

图1 实时需求市场与项目的时间跨度

1.2 实时需求响应是新型电力系统下的需求响应

电力系统是一个超大规模的非线性时变能量平衡系统。电能以光速传播，发电、输电、用电瞬时完成，因此要实时保持平衡。传统电力系统采取的生产组织模式是实时的“源随荷动”，即用一个精准实时可控的传统发电系统，去匹配一个基本可测的用电系统，并在实际运行过程中滚动调节，可以实现电力系统安全可靠运行。在这个过程中，实时平衡的任务是由精准实时可控的传统发电系统来完成的。需求响应主要作用是用于平抑经预测发现的未来部分时段上的电量(而不是实时负荷)缺口，因此实时要求不高，只要以日负荷预测保持一致即可。在时间颗粒度上，以小时为单位即可满足要求，甚至分峰、谷、平3个时段即可。与此对应，传统需求响应理论的实时电价实际是根据前一天的负荷预测和电价优化后发布的第二天执行的分时电价。

新能源大规模接入从根本上改变了“源随荷动”的运行模式。在新能源高占比电力系统中，因新能源随机性、波动性影响巨大，发电出力无法按需实时控制。在用电侧大量分布式新能源接入以后，用电负荷预测准确性也大幅下降。这意味着，无论是发电侧还是用户侧都不可实时精准控制，传统的技术手段和生产模式已无法适应高占比新能源电网的运行需求。如果通过需求侧资源参与电网的实时平衡，需求响应的实时性应与新能源的变化实时性(一般为分钟级)保持一致，须达到分钟级。由于智能表计的计费最小间隔为1 min或5 min，因此实时电价更新周期应对应为1 min或5 min。

1.3 实时需求响应的特征

在能源互联网的背景下，实时电价以及基于实时电价的实时需求响应具有实时性、最优性、主动参与性及响应端智能性等优点。

1)实时性

用户能够近似实时地掌握系统和市场的实时供求关系信号——实时电价，用户侧设备能够对信号做出实时响应。用户通过能源互联网接入设备[26]，自动接收到实时电价信息，然后根据自己的用能特性设置的应用模式、当前运行状态和外界参数(包括电价、新能源发电负荷等)等自动立即进行响应。

2)最优性

实时需求响应的时间尺度较短，在电力电量平衡方面可以实现精准调节，在一定程度上可以避免偏差，达到最优经济响应的效果。例如预测正午时刻分布式能源出力最大，为鼓励用电而降低电价。突如其来的狂风暴雨可能使得出力迅速短缺，为满足负荷平衡应提高电价，但传统需求响应的实时性不足却使得用户继续执行低电价。实时需求响应根据新型电力系统的供需情况实时优化调整电价，响应为最优的。

3)主动参与性

主动参与性的含义包含两个方面，第一方面用户可以主动的选择参与或者不参与需求响应。第二个方面用户可以主动的选择甚至定制参与需求响应的优化策略。用户可以根据自身当天的实际用能需求，提前在用户侧的能量管理系统中输入响应的边界条件和行为习惯，系统的边缘计算能力会帮助其主动优化运行方式，实施负荷控制。

4)响应端的智能性

用户侧的能量管理系统接收供电侧发送的信号后，能够根据自身的负荷用能情况，智能进行用户侧响应策略优化并自动执行。

除了上述优点外，从技术角度，实时需求响应还具有信息交互标准化、决策智能化和执行自动化等特征。

2 设备潜力聚合法的负荷调节能力模型

为满足不同场景，实时需求响应的响应模式、应用场景、具体算法将有很多种，但无论哪种算法，应力求避免复杂的优化算法，便于快速地、实时地计算。本文仅以负荷零售商和负荷聚商对自己的内部用户实施实时需求响应为例，结合有限的场景来介绍实时需求响应理论。

2.1 负荷调节能力模型

一般来说，用户特别是居民用户的需求响应有着难以量化的特点，因此精细化响应建模非常必要。

在能源互联网的情况下，单用电(用能)设备的调节能力和调节容量可以通过能源互联网接入设备(或者用能设备本身)自动识别出来。单用能设备的调节方式一般是根据电价的高低对单设备进行投切或模式切换，因此单设备潜力聚合法的用户负荷调节能力模型类似于如图2的一个阶梯型曲线。图中，纵轴为负荷调节能力，用R(MW)表示；横轴为电价变化，用Δp(元/MWh)表示。

图2 单用户负荷调节能力曲线

为了得出一个聚合了多个用户组成的综合用户负荷调节能力模型，需要将不同用户的负荷调节能力曲线进行累加。当综合的用户数量足够多，就可以得到一个连续的曲线，如图3所示。

图3 多用户负荷调节能力曲线

负荷调节能力可以用式(1)—(2)表示。

R=f调(Δp)

(1)

Δp=g调(R)

(2)

式中f调(Δp) 和g调(R)互为反函数。在实际使用时，甚至只是对每个单负荷设备的调节能力总加获得的并形成每个电价对应的调节能力的二维表即可，不需要拟合计算。使用时极为迅速，适合用于实时需求响应的实时计算。

2.2 市场占有率模型

在供电或售电市场上，电价是影响负荷聚合商或负荷零售商市场占有率一个及其重要的因素。在平衡点上，一旦电价下降，市场占有率将有所增加。随着电价继续下降，市场占有率一般不会线性增加。一旦电价上升，市场占有率将会下降。该函数比较复杂，但我们一般更关注电价在小区间内变化带来的占有率变化，此时的市场占有率曲线近似一条直线，如图4所示。

设P=Δp×t，则：

ΔM=-a×P，a>0

(3)

式中：ΔM为市场占有率的变化量；Δp为电价变化值；t为电价变化持续时间；a为市场占有率与Δp×t的系数，图4中表现为曲线斜率。

图4 电价×时间-市场占有率简化模型曲线

2.3 电价约束条件

整个模型还存在着两个约束条件。

约束条件1：无论电价如何变化，执行实时需求响应给用户带来的电费支出不大于不执行实时需求响应给用户带来的电费支出。这个条件可以称为实时需求响应的用户条件。

约束条件2：无论电价如何变化，负荷聚合商或负荷零售商应保证市场占有率不下降。这个条件称为实时需求响应的负荷聚合商或负荷零售商市场占有率条件。

3 实时需求响应的求解过程

3.1 实时需求响应场景

实时需求响应的具体应用场景很多，本文按以下场景来求解。

根据超短期负荷预测，负荷零售商或负荷聚合商预测出未来某一时段，合同交易电量和预测消耗电量存在差额。这个差额产生的原因有多种情况，可能来自通过超短期预测发现原来的负荷预测不准，或者来自自家电厂电能或分布式能源出力不足等。为了满足电能的供需平衡，这个差额电量可以在现货市场进行交易，但是现货市场中的实时电价高；另一方面也可以通过实时需求响应进行弥补。负荷零售商或负荷聚合商对用户的负荷调节能力分析发现用户调节能力能够弥补这个差额，因此负荷零售商或负荷聚合商就决定在内部实施实时需求响应，精准地调动用户负荷调节能力，从而避免在现货市场上采购高价电量带来的经济损失风险。

3.2 实时需求响应求解步骤

实时需求响应最关键的问题是实时电价的计算问题，这个实时电价一般包括在负荷有缺额需要调动用户需求响应的响应高电价p1和响应后为了避免市场占有率不下降等约束的平时低电价p2，在该模式下应用流程一般分为以下几个步骤：

1)负荷聚合商或负荷零售商对缺口的差额进行预测，预测结果为功率差额ΔC，缺额时间为t；

2)初步计算这个差额是否能完全由供电区域内所供负荷的实时需求响应来进行调节，前面模式分析已经假设用户拥有的可调节能力完全能够弥补负荷缺额，因此根据式(3)计算出p1=g调(R)；

3)为了保证负荷聚合商或负荷零售商的市场占有率不下降，需要在非缺额时段下调电价以提升占有率，来平衡响应造成的占有率下降。下调电价的幅度p2可以按照电价约束条件进行计算。

假设用户的平均负荷为C平，缺口前合同功率为C0，上调电价p1后，用户设备接收到实时电价后，立即启动实时需求响应，响应结果使得用户的负荷仍然保持在C0。

用户在响应时段t内消耗的电量为：

E响=C0×t/60

(4)

用户因为电价上调所多交的电费为：

S多=p1×C0×t/60=g调(ΔC)×C0×t/60

(5)

对于其他非响应时段，用户使用的电量为：

E平=C平×24-E响=C平×24-C0×t/60

(6)

用户在非响应时段因为电价下降少交电费为：

S少=p2×E平=p2×(C平×24-C0×t/60)

(7)

根据约束条件1，只有当S少≥S多时，用户才有意愿实施需求响应，即：

p2×(C平×24-C0×t/60)≥g调(ΔC)×C0×t/60

(8)

p2≥g调(ΔC)×C0×t/(C平×1 440-C0×t)

(9)

以上为假设某一天只有一个时段发现负荷与预测的负荷有缺口，如果多个时段，缺口功率不一样，计算方式与上述类似，只是上述计算过程的累加。

负荷聚合商或负荷零售商因为需求响应导致的市场竞争力下降为：

|ΔM减|=|-a×p1×t|=a×p1×t

(10)

负荷聚合商或负荷零售商平时电价下降带来的市场占有率提升为：

|ΔM增|=|-a×p2×(1440-t)|=a×p2×(1 440-t)

(11)

根据约束条件2，即|ΔM增|≥|ΔM减|

a×p2×(1 440-t)≥a×p1×t

(12)

p2≥p1×t/(1 440-t)

(13)

如果每天需求响应时段不止一次，则：

p2≥∑(p1i×ti)/(1 440-∑ti)

(14)

式中：∑ti为响应时段总分钟数；p1i×ti为第i次响应时的响应高电价p1与响应时间tit的乘积。

在实际计算时还应进行潮流约束校核、电价最高最低约束等各类约束校核。这些与常规的需求响应并无不同，不再详述。

3.3 实时需求响应成本效益分析

如不实施实时需求响应，出现负荷缺口时，负荷聚合商或负荷零售商需要从现货市场购买高价实时电量，增加的购电的成本为：

Q不实施响应=(p实-p0)×ΔC×t/60

(15)

式中：p实为现货市场上的实时电价；p0为对用户的零售电价。

如果实施实时需求响应，一方面由于零售电价将上浮p1，因此售电收入将增加，收入增量即用户所多交的电费S多。另一方面在平时的非响应时段将下调零售电价p2，因此售电收入相应也将下降，收入减量即零售电价下降而少交的电费S少，实施需求响应的成本为：

Q实施响应=S少-S多=p2×E平-g调(ΔC)×C0×t/60

(16)

从式(16)来看，由于负荷聚合商或负荷零售商在负荷缺额时段实施了相对高的零售电价，带来了售电收入的增加，弥补了一定的损失。当S少=S多时，Q实施响应=0，此时从实时市场上高价购电的风险通过需求响应完全得到规避。

从式(16)还可以看出，要使得Q实施响应最小，p2必须在满足约束情况下，取最小值。

4 实时需求响应的应用算例

假设在电力零售市场中，某拥有分布式发电设备的负荷零售商的市场占有率30%，该负荷零售商对用户的销售电价为0.5元/kWh。该负荷零售商的购电价格为0.48元/kWh，根据负荷预测，原来签订的未来一天的合同购电量为2 640 MWh，平均负荷为110 MW。负荷零售商在9:14时，发现即将有一阵暴雨发生，暴雨持续时间为9:15—10:45，此时拥有的分布式发电设备将减出力。造成负荷缺口如表1所示(为了简化计算，所有算例计算中的时段间隔全部采用以15 min为单位进行)。负荷零售商在90 min平均缺额25 MW，缺额电量37.5 MWh。此时现货市场的电价为0.8元/kWh，由于该负荷缺额过大，在现货市场上购买高价电的损失较大。这个损失可以应用实时需求响应来弥补。

表1 负荷缺口

经过分析得知，用户的负荷调节能力函数：

R=50arctan(0.02Δp)或Δp=50tan(0.02R)

(17)

步骤一，根据式(17)计算出每时段需求响应上调的响应电价p1见表1中最右列。

步骤二，根据约束条件1计算p2。

用户在第一个时段因为电价提升所多交的电费为：

S多1=p1×C01×t/60=685元

(18)

所有的响应时段中，用户因为电价提升所多交的电费为：

S多= ∑S多i=5 585.75元

(19)

对于其余非响应时段，用户使用电量：

E平=110×24-∑C0i×15/60=2 438 MWh

(20)

根据约束条件1，即p2×E平=S少≥S多，计算出：

p2≥0.002 29 元/kWh

(21)

步骤三：根据约束条件2来计算p2。

p2≥∑(p1i×ti)/(1 440-∑ti)≥0.001 84元/kWh

(22)

结合步骤二和三，应取p2≥0.002 29元/kWh。

步骤四：实时需求响应实施效果评估。

不采用实时需求响应时，负荷零售商需要在现货市场以0.8元/kWh元的电价进行购电以弥补缺额电量37.5 MWh，但是对用户的销售电价仍然为0.5元/kWh，多承担的购电成本：

Q不实施响应=(p实-p0)×∑ΔCi×ti/60=11 250元

(23)

负荷零售商实施需求响应的成本：

Q实施响应=平时时段少收的电费-响应时段多收的电费=p2×E平-∑(p1i×C0i×ti/60)

(24)

根据p2的具体取值，成本分析如表2所示。可见通过对用户实施实时需求响应，是能够规避从现货市场上高价购电的风险的，当非响应时段的下调电价幅度为0.002 29元/kWh时，是能够完全规避这种风险。为了提升用户参与需求响应的积极性，平时下调的电价可以适当高于计算的电价，如本例中，只要平时下调的电价不高于0.006元/kWh，都能够部分弥补因负荷缺额造成不得已在市场上购置高价电造成的损失。

表2 实时需求响应实施效果对比

5 实时需求响应技术支持系统概述

5.1 实时电价实用化需求解决的技术问题

前面已经阐明，实时电价是最理想的电价模式[6]。但长期以来受到技术限制而无法走向实用化，其主要问题有以下几点。

1)传统技术对实时电价的实时性支撑不足。实时电价计算的基础是负荷预测和发电预测，而传统的负荷预测和发电预测均难以做到实时。传统计量系统以日、小时为单位进行计量，难以支撑以分钟为单位的实时结算。

2)与用户友好互动的技术手段不足。传统的电价信号的传递是通过电话和网站等手段告知用户，无法满足实时性要求。用户响应的结果往往是根据响应记录第二天进行结算而无法满足实时性。

3)用户响应自动化手段不足。传统的响应是用户手动调整用电设备，生产方式等，而不是自动进行。为了平抑新能源的间歇性和波动性就需要频繁快速响应，因此响应必须是自动的，以避免用户响应疲惫[7]。现有的自动需求响应虽然也能够实现自动，但是通过由调度端直接控制的，无法让用户根据电价主动调节。

4)调节能力与响应特性自动识别手段不足。系统应能够进行可调节能力的识别，在不同电价下系统的可调节能力，从而获知在不同供需情况下保证平衡应实行的电价。系统应能够识别出不同类型负荷的响应特性，从而进行分类管理和调节控制。由于实时需求响应必须是自动的，因此，这些识别也应该是自动的。

实时电价和实时需求响应能否实用化，关键看能否解决上述问题。

5.2 实时需求响应技术支持系统基本结构

实时需求响应技术支持系统基本结构如图5所示，系统应至少包括三大外部支持系统和四大功能模块，这些系统和模块都必须满足实时性的要求。

图5 实时需求响应技术支持系统基本结构

5.2.1 实时需求响应的外部支持系统

1)数据采集与状态监测系统。负责采集需求响应需要有的数据以及设备的状态等信息。该系统成为任何需求响应系统的标配，并且具备实时性。

2)负荷预测与发电预测系统。包括对用户设备的负荷预测和新能源等发电预测。一般情况下，负荷预测实时性不高。但随着接入的间隙性、波动性的新能源的提高，对新能源的实时负荷预测将逐渐成为未来电网不可缺少的一部分。

3)电能计量计费系统。对响应的结果进行计量和结算。当前计量计费系统最多以小时为单位进行计量，这是实时需求响应推广最大的技术阻碍。随着以新能源为主体的新型电力系统的发展，电能计量计费系统计量和结算的颗粒度将会越来越细，并具备分钟级的计量功能，这个问题必然会被解决。

5.2.2 实时需求响应系统模块

1)实时电价计算模块。该模块首先建立实时电价的模型，在模型基础上，根据负荷预测和发电预测系统的数据以及系统负荷(发电设备等)的状态，并根据由用户实时友好互动模块传递过来的当前负荷设备可调节能力与响应特性，快速计算出下一分钟需要实施的实时电价，并将电价通过用户友好互动模块实时发送到用户端智能决策与自动负荷控制模块中。

2)用户实时友好互动模块。该模块用于配网端与用户之间的自动地实时地信息交互。实时交互的信息有配网端计算出的实时电价，用户端识别出来的用户负荷特性和可调节能力等。

3)监测与负荷识别模块。该模块具有对负荷等用户设备进行监测的功能，监测结果将反馈到配网侧。另该模块可以通过人工智能和大数据等技术识别负荷在不同电价下的可调节能力和响应特性。

4)智能决策与自动负荷控制模块。该模块自动接收实时电价信息，根据用户预定的响应策略和负荷特性进行智能决策，自动决定响应方式并自动进行负荷控制。控制的效果可通过电能计量计费系统反馈配网侧。

5.2.3 能源互联网接入设备

第5.2.2节中第2、3、4模块可以集成在一个用户与电网交互的设备中。在能源互联网下，用户为了接入能源互联网，应通过能源互联网接入设备[26]进行接入。能源互联网接入设备也是体现能源互联网的用户端特征、实现能源互联网供能和用能有关的各类服务的终端执行设备。通过能源互联网接入设备，可使用能设备可观可测甚至可控，同时还能体现能源互联网的各种特征，实现能源互联网各类服务的用户端执行设备[28]。这些服务包括节能服务、调频服务、功率平衡服务、新能源接入服务、需求侧响应服务，甚至包括其他增值服务等(如差异化计费、用户设备维护、能源供应服务、电力云平台服务、能源金融服务)。因此，完整意义的能源互联网接入设备本身就具有友好互动、监测与负荷识别、智能决策与自动负荷控制等功能。文献[27]研制了一种能源互联网接入设备——能源USB。

一方面，以新能源为主体的新型电力系统使得实时需求响应越来越必要；另一方面，能源互联网的发展使得实时需求响应的实用化越来越可能；因此实时需求响应将是未来重要的需求响应手段之一。

6 结语

本文分析了当前实时电价和需求响应存在的问题，提出了一种新型电力需求响应：电力实时需求响应。明确指出电作为一种供应侧和需求侧瞬间平衡的特殊商品，实时电价是一种能够反映电力实时供需关系的电价，以这种实时电价为信号的需求响应将有着其他需求响应无法比拟的优势。随着售电侧放开、电力体制改革、综合能源管理和能源互联网的发展，尤其是在构建以新能源为主体的新型电力系统的形势下，电力实时需求响应必然成为未来主要的需求响应方式之一。本文通过设备潜力聚合法，构建了基于负荷调节能力模型电力实时需求响应体系，并阐述了理论中的关键算法和求解过程。

模型的计算过程表明，该模型简单，高效，避免了大量的冗长的优化计算，特别适用于实时电价的实时计算。算例的结果表明，本文提出实时需求响应理论能够规避在负荷出现缺额时从现货市场上购置高价电的风险，部分平抑了分布式能源的波动性和间歇性。

实时需求响应在促进新能源消纳、规避市场风险、参与辅助服务、促进削峰填谷和负荷整形、甚至对电网的二次调频均有着一定的作用。