考虑EV用户响应特性的激励型DR的削峰效果和各方需求分析

范晋衡，刘琦颖，曲大鹏，刘 轩

(1.广东电网有限责任公司广州供电局，广东 广州 510620；2.广州市奔流电力科技有限公司，广东 广州 510670)

近年来，随着规模不断提升，电动汽车(electric vehicle, EV)充电负荷给电网带来的压力也日益加大，使得电网在负荷高峰面临的风险更加严重，加重电力系统运行和容量建设负担，EV参与的需求响应(demand response, DR)由此得到越来越多的关注[1-2]。引导EV负荷的DR方式中，价格型DR响应方式灵活，用户可自愿选择参与，因而具有较高的不确定性，负荷波动较大[3-4]；激励型DR通常是以削减负荷峰值为目标直接进行负荷控制[5]，更能根据电网需求来改善负荷。因此，本文通过激励型DR来实现配电网削峰。在实施DR过程中，激励机制设计的目的是通过经济手段使得DR项目的整体效益和各参与方的个体效益均衡分配[6-7]。为此，实施DR时需要同时考虑各方的需求。

在已有文献中，对激励型DR中EV用户响应行为的研究主要集中在其响应不确定性方面，如文献[8]刻画EV用户收益度与响应行为之间的不确定映射关系，获得了EV用户对DR策略的接受度，从而确定不同响应情景下的EV负荷及其概率分布信息；文献[9]指出供电侧在兼顾需求侧利益的同时，仍需基于消费心理考虑用户响应的不确定性，否则会使DR失去灵活性，从而偏离实际的响应目标；同时，该文献指出，激励型DR往往对用户的考虑不充分，难以得到用户的支持和实际应用。

除了上述文献指出的用户响应不确定性以外，研究用户充电时间和充电功率等充电行为以及聚合商补偿电价对响应效果的影响，可为聚合商筛选签约用户、差异化设置签约要求和调节补偿电价提供参考。首先，由于用户的充电行为具有一定的不确定性，在电网启动DR时不是所有签约用户的计划充电时段都在响应时段，只有部分签约用户具有参与DR的资格。其次，对于不同的用户，参与DR的能力不同，针对不同充电时间分布和充电功率的签约用户，分析DR效果的差异，可为聚合商筛选签约用户、根据用户充电习惯差异化设置签约要求提供参考。同时，为避免用户无法满足合同签约要求，用户的签约响应次数不能超过其响应能力，因此需要对用户的签约次数限值进行评估。再者，用户是否参与某次DR具有一定的选择性，且与补偿电价密切相关。一般地，基准补偿电价越高，用户参与DR的积极性越高。另外，由于电网的响应需求量和具有资格参与DR的用户数具有一定的不确定性，需要考虑欠响应和过响应问题。为更好地通过DR实现配网削峰，DR需要综合考虑上述因素。

基于此，本文基于削峰效果调整电网公司对聚合商的激励电价，建立聚合商参与DR的激励机制；基于各用户的响应程度调整聚合商对用户的补偿电价，从而建立用户参与DR的激励机制；分析签约用户的响应特性，提出用户签约响应次数限值评估模型；提出响应需求量和可参与响应比来反映响应需求和签约用户的响应能力，建立考虑过响应和欠响应的用户响应模型；综合各方需求对“网—商—车”参与DR的成本和效益进行建模，并建立需求响应综合目标，基于此提出基准补偿电价优化方法。最后给出仿真验证。

1 配网削峰指标和DR激励机制

为考虑电网公司的需求和付出的经济代价，并保证聚合商和用户参与DR的积极性，本文建立考虑聚合商削峰效果和用户响应程度的激励机制。

1.1 配电网削峰指标

1.1.1 配电网削峰量

本文以配电网总负荷大小来划分需要实施DR的时段，定义总负荷大于峰荷控制目标值Pac的时段为响应时段，以此可确定一天中响应时段的数量nf，根据负荷由大到小记为第1～nf响应时段，对应一天24个时段的序号分别为λ(1)～λ(nf)。

以用户参与DR前、后nf个时段用电量差来衡量配电网削峰的效果，记为配电网削峰量：

(1)

式中Pf_1～Pf_nf、P′f_1～P′f_nf为进行DR前、后nf个响应时段的功率；Δt为一个时段长，1 h。

1.1.2 配电网削峰率

峰荷改善效果是DR实施效果的重要指标，可通过峰荷的降低程度来衡量，定义削峰率：

(2)

式中Pwmax、P′wmax为响应前、后配电网总负荷一天的最大值。

1.2 聚合商参与DR的激励机制

在以往的研究中，电网对聚合商的激励多为固定激励，无法综合考虑电网公司改善电网安全性的需求和付出的经济代价，基于此本文提出考虑配电网削峰效果的激励模式。

电网公司根据削峰效果对聚合商工作进行奖励。激励电价为

dfb=kfb·dfb0

(3)

式中dfb0为基准激励电价；kfb为激励电价系数，由削峰效果决定，即

(4)

电网公司根据削峰效果确定对聚合商的补偿费用：

Dfb=ΔWfdfb

(5)

1.3 用户参与DR的激励机制

聚合商对用户进行灵活激励，在基准补偿电价的基础上，根据响应量、提前通知时间、响应时长、响应参与度进一步计算补偿系数。

用户参与DR所得补偿费由补偿电价和签约响应量决定。第i个用户参与DR的补偿费、补偿电价分别为

Db(i)=cbc(i)·Pq(i)

(6)

cbc(i)=kb0(i)·cq

(7)

式(6)、(7)中Pq(i)为用户签约响应量，kW；cbc(i)为补偿电价，元/kW；cq为基准补偿电价，元/kW。

由文献[10]可知响应系数为

kb0(i)=kb1(i)·kb2(i)·kb3(i)·kb4(i)

(8)

式中kb1(i)～kb4(i)分别为响应量、响应速度、响应时长和响应参与度系数。

2 考虑签约用户响应特性的DR机制

签约用户是否参与DR，与其响应特性具有密切联系。用户的响应特性受到用户充电行为、参与DR的收益和成本、补偿电价大小以及合同压力等因素的影响。基于此，本文综合上述因素建立考虑用户响应特性的充电负荷响应模型。

2.1 签约用户的响应特性

本文从用户签约的意愿、参与资格和响应的不确定性、受合同约束的响应压力以及参与DR方式的不确定性等方面来综合考虑用户的响应特性。

1)用户签约的意愿。

用户参与DR获得的收益越大，参与DR的意愿越强。由于充电方式(按充电功率大小划分)不同用户参与DR的响应量不同，获得的收益也不同，因此，需要研究不同充电方式下用户的收益以及签约意愿的差异。

2)用户参与资格的不确定性。

由于用户的充电行为具有一定的不确定性，电网公司实施DR时不是所有签约用户的计划充电时段都在响应时段内，因此，只有部分签约用户具有参与DR的资格，称为资格用户。因此聚合商需要根据以往的数据统计用户的充电时间分布等，优先选择在负荷高峰时段充电且充电习惯比较稳定的用户进行签约。

3)用户响应行为的不确定性。

用户具有响应资格时其是否参与DR具有一定的选择权，并且一般情况下，补偿电价越高，用户参与DR的收益越高，参与响应的概率越大。因此，聚合商通过补偿电价的调节来改变用户的响应程度，从而使得聚合商的响应量满足电网的需求量，并有效避免发生欠响应和过响应。

4)用户响应受合同约束的压力。

用户参与DR的合同是以年为单位的，即用户需要在一年中满足合同规定的响应次数。因此，每次DR都有一定比例的资格用户不考虑电价因素而迫于合同压力参与响应，此时补偿电价不是部分用户考虑的主要因素，因此，可设最低基准补偿电价cq0对应的最小参与率为kx0。

5)用户参与DR的方式及其不确定性。

EV属于可平移负荷，在响应时段内用户的充电计划被迫中止，很多用户会转移到其他时段充电。但同时也存在部分用户因为工作和生活习惯原因，在原充电计划中止后找不到合适的时段作为备选充电时段，当天的充电计划取消，EV充电量减少，此时用户以“削减负荷”方式参与DR。虽然这种情况出现的概率较小，但对用户出行需求影响更大，甚至导致用户被迫以其他出行方式来代替EV出行。另外，用户的充电活动转移具有一定的不确定性，一般地，某时段充电负荷越大，用户前往该时段充电的概率越大。

2.2 响应用户需求量和响应能力评估

1)响应时段的响应用户需求量。

(9)

2)用户可参与响应比。

定义某次实施DR时具有参与资格的签约用户为资格用户。为反映资格用户在签约用户中的占比，定义可参与响应比ρzg为响应时段j资格用户数Nzg(j)与签约用户总数Nq之比，即

(10)

2.3 用户签约响应次数限值评估模型

设一年中电网公司发动Mx次DR，用户签约响应次数为Mu，要使所有用户都不违约，则单次响应用户数的平均值需满足：

(11)

设用户可参与响应比平均值为

(12)

同时可推导出：

(13)

在签约用户足够时，为保证用户具有足够的选择空间，避免合同带来的响应压力太大，应满足：

Mu≤ky·ρzg0·Mx

(14)

式中ky为响应次数裕度系数，可取0.5，并取等号成立时的Mu为签约次数限值Mum。

2008年，程瀚购买了滨湖春天小区的房子后，其商人朋友吴某某见状，便说其可以帮助装修，费用由其来付。程瀚跟吴某某说，按40万元左右的标准装。

由式(14)可知，由于用户充电行为具有一定的不确定性，并非每个签约用户在每次实施DR时都有资格参与，因此，签约响应次数要远小于年需求响应次数，才可能做到不违约。

2.4 考虑过响应和欠响应的响应模型

为了防止过响应或者欠响应，要通过基准补偿电价调节使得实际响应用户数Ns(j)满足约束：

ks1Nx(j)≤Ns(j)≤ks2Nx(j)

(15)

其中，ks1、ks2为实际响应裕度，响应裕度可根据电网侧对于响应精度的要求而定。超出约束范围分别定义为欠响应和过响应。

为研究用户的响应程度，定义用户参与率kx(j)为实际响应用户数与该时段具有参与DR资格的用户数Nzg(j)的比值，即

(16)

由式(15)可得用户参与率kx(j)需满足约束：

(17)

由于每次DR时资格用户数和响应需求量具有一定的不确定性，故有可能出现以下3种情况。

1)当Nzg(j)

2)最低基准补偿电价cq0对应最小参与率kx0，当kx0Nzg(j)>ks2Nx(j)，可定义为过响应。为减轻过响应程度，将基准补偿电价定为最小值。

3)除上述2种情况外，在满足式(17)约束的前提下，用户参与响应的概率与补偿电价密切相关。根据文献[11]所述消费者心理学原理，价格对用户的刺激有一个差别阈值，在这个差别阈值的范围内，用户的响应程度主要不是受价格影响；超过这个差别阈值的范围时，用户的响应程度将与价格的刺激程度有关；用户对刺激也有一个饱和值，超过这个数值，进入响应极限期。因此，本文设定当补偿电价大于最小补偿电价时，用户参与响应电费概率在合同压力的基础上与补偿电价的大小成正相关关系。基于此，本文采用分段函数建立用户参与率与基准补偿电价cq(j)的关系，即

kx(j)=

(18)

(19)

pq=kxm-kx0

(20)

其中，Δcq(j)为该响应时段基准补偿电价与最低值的相对差；pq为线性区的斜率。

2.5 实施DR后的负荷模型

1)响应时段的负荷计算。

在DR过程中，可根据响应时段的签约用户数和用户参与率确定响应用户数，并计算用户放弃在响应时段的充电计划后该时段的充电负荷。

2)响应时段的负荷转移模型。

一般地，用户转移到响应时段以外的某个时段进行充电具有一定的概率性。某时段充电负荷越大，表明用户在该时段充电的概率越大，因此，转移概率pz(λ)与原充电负荷曲线各时段充电负荷大小有关，与时段充电概率pc(λ)相适应，即

(21)

式中λ(j)为第j个响应时段在一天24个时段中的序号；PES(λ)为充电站在时段λ的充电负荷。

根据转移概率可模拟充电负荷从响应时段转移到其他时段的情况，求出响应后的充电负荷。

3 基于各方需求的DR优化模型

为保证各方参与DR的积极性，更好地满足各方的需求，本文对各方参与DR的成本和效益进行建模，并通过调节补偿电价对DR效果进行优化。

3.1 用户参与DR的成本和效益

用户成本主要为响应成本，收益主要包括减少的电量成本以及聚合商给予用户的响应补贴。用户可以采用削减或者转移负荷方式参与DR。设用户通过减少用电来参与DR的概率是βcut。

第i个用户参与DR时减少的电量成本为

ΔDc(i)=Dc(i)-D′c(i)

(22)

式中Dc(i)、D′c(i)分别为参与DR前、后的充电费用。

对于部分没有合适充电时间可转移的用户而言，只能通过减少用电来参与DR。第i个用户的响应成本[12]为

Dq(i)=aq[Wc(i)]2+bqWc(i)

(23)

式中Wc(i)为第i个用户在响应时段的计划充电量；aq、bq均为大于0的常数。设用户转移充电时间的成本是减少用电的βct倍。

第i个用户参与DR的净收益为

Du(i)=Db(i)+ΔDc(i)-Dq(i)

(24)

综合所有参与DR的用户并考察用户总收益Duz、平均净收益Du0和平均净收益比ηu0：

(25)

式中Nsz为当天参与DR的实际用户数。

3.2 聚合商参与DR的成本和效益

聚合商的成本包括服务费收入损失和对用户的补偿费，效益来自电网公司的补偿费。

聚合商的服务费收入损失为

ΔDser=Dser-D′ser

(26)

式中Dser、D′ser分别为响应前、后聚合商一天的服务费收入。

聚合商对用户的总补偿成本、一天的净收益ΔDag和净收益比ηag为

(27)

3.3 电网公司参与DR的成本和效益

电网公司发布DR的收益主要包括可避免输配电容量成本和可避免电量成本；成本主要包括减少的电费收入和DR补偿成本。

电网公司电费收入损失为

FG,a=DG,a-D′G,a

(28)

式中DG,a、D′G,a分别为响应前、后电网公司电费收入。

电网公司对聚合商的补偿成本为

FG,b=Dfb

(29)

可避免输配电建设费用FG,c可通过可避免输配电容量单位成本cG及实际避免输配电容量ΔP来确定[13]，折算为单次DR，则有

(30)

(31)

式(30)、(31)中FG,d为折算到单次DR的可避免输配电建设费用；Mx为年度发布DR的次数；α为电网输配电损失系数；P1max为年度最大峰荷；Pac为实施DR的峰荷阈值。

电网公司可避免购电成本为

FG,e=DG,e-D′G,e

(32)

式中DG,e、D′G,e分别为DR前、后的购电成本。

综合考虑电网公司的各项经济成本和效益，其总经济成本ΔFG,m、总经济成本比ηG,m为

(33)

综合考虑电网公司总经济成本和削峰效果，电网公司综合目标为

ηG,z=ηf-ηG,m

(34)

3.4 需求响应综合目标

为平衡各方利益，保证各方需求都得到满足，本文综合各方需求建立需求响应综合目标，即

χ=ξ1ηu0+ξ2ηag+ξ3ηG,z

(35)

式中ξ1、ξ2、ξ3为权重系数。

3.5 基于粒子群算法的补偿电价优化

聚合商通过调节基准补偿电价来改变用户参与率，使得实际响应用户数和需求量相匹配，从而防止出现过响应或者欠响应。本文采用粒子群算法[14]进行基准补偿电价优化。

每次迭代粒子通过跟踪个体极值和全局极值来更新位置和速度，从而改变粒子的位置即聚合商的基准补偿电价。在迭代过程中，对于每个粒子的基准补偿电价方案，评估充电负荷的转移和削减情况；然后根据削峰情况调整电网公司对聚合商的激励电价和补偿费用；计算各粒子的需求响应综合目标，并更新各粒子的个体极值和全局极值。

4 仿真算例

4.1 仿真参数设置

本文选取某市一条实际馈线作为基础网架，常规负荷如图1所示，其载流量为380 A，为了避免配电网发生重载，Pac可设为5.5 MW；电网电价如表1所示。设计划到充电站充电的EV总数为900辆。EV参数如表2所示，商业区EV用户充电时间分布如表3所示，用户签约情况如表4所示。

图1 商业区常规负荷Figure 1 Conventional load of commercial district

表1 电网电价Table 1 Electricity price of grid company

表2 EV参数Table 2 Parameters of EV

表3 EV用户出行行为概率分布Table 3 Travel probability distribution of EV users

表4 EV用户签约要求Table 4 Signing requirements of EV user

仿真中dfb0为4元/(kW·h)，βcut、βct取0.2，aq为0.005元/(kW·h)2，bq为1.5元/(kW·h)，cG为100元/(kW·a)[12]；cq0为2元/kW，cqm为3元/kW；P1max为7 MW，α取0.06，Nq为200。根据江苏需求响应政策，用户每年度参与响应的次数不能低于合同要求响应次数50%。因此，本文将用户响应受合同约束压力的最小参与率kx0设置为0.5，kxm设为1，Mx为50；慢充1、2、快充下充电功率分别取7、20、60 kW，对应的单次DR响应电量(1 h内)Wc0分别取7、20、30 kW·h(快充下取30 kW·h是因为用户一般充0.5 h就满电)，Δt为1 h；m取800，Imax取200；ξ1、ξ2、ξ3之和为1，比值为1∶1∶2；响应裕度ks1、ks2可取0.9、1.1；ksp取1.1。

4.2 充电行为对用户响应情况的影响

根据配网总负荷，判断响应时段为第10、11时段。当签约用户充电时间分布为N(10,0.882)时，不同功率下的平均充电时长和第11时段可参与响应比如表5所示。其他条件保持不变，在快充模式下，改变充电时间分布，第11时段可参与响应比如表6所示；在此基础上，评估用户一年具有资格参与DR的平均次数以及签约次数限值见表2。

表5 充电功率对用户响应的影响Table 5 Influence of charging power on users’ response

表6 用户的响应资格Table 6 Users’ response qualification

由表5可知，在不同的充电功率下，用户的充电时长差别很大，慢充情况下用户充电时段跨度更大，更容易覆盖响应时段，因此更具备参与DR的资格；充电功率越大，用户可参与响应比越小，因此，聚合商对于充电功率越大的用户，合同中要求的年度响应次数应该越少，这样才能保证用户在能力范围内容不发生违约现象；同时，单用户响应功率越大，参与DR能够发挥功能的越大。

由表6可知，在签约用户充电时间分布与响应时段较重叠的基础上，其分布离散性越小，响应时段资格用户数越多，可参与响应比越大；同时，充电时间分布离散性越小，用户一年具有参与DR资格的平均次数越大，因此，对充电时间分布不同的用户，可设置不同的签约响应次数要求，如此充电时间比较稳定的用户可以较频繁地参与DR，分布较离散的用户可以少参与DR。根据用户充电习惯而差异化设置签约要求，可以提高用户签约的积极性，以进一步挖掘用户参与DR的潜力。

4.3 补偿电价和充电功率对负荷响应的影响

签约用户充电时间服从分布N(10,0.882)，签约用户数为200，研究基准补偿电价和充电功率对负荷响应情况的影响。根据配网总负荷判断响应时段为第10、11时段。

4.3.1 慢充1下补偿电价对负荷响应情况的影响

签约用户的EV采用慢充1(7 kW)方式充电，当补偿电价分别为2.0、2.5、3.0元/kW时(记为情景1～3)，响应负荷情况如图2所示，用户响应情况和各方需求指标如表7、8所示。

图2 情景1～3下负荷响应情况Figure 2 Load response under scenario 1～3

慢充1方式下由于用户充电时间长，用户有资格参与DR的概率更大，因此资格用户数较大。但是由于充电功率小，响应能力低，削峰效果有限。由表7可知，基准补偿电价越高，用户参与率越高。在补偿电价较低时，响应用户数满足不了需求量，欠响应问题严重；补偿电价较大时，由于充电功率较小，还满足不了需求量，但能明显地减轻欠响应。

表7 慢充1方式下用户响应情况Table 7 User response in slow charging mode 1

基准补偿电价越高，用户收益越大。由于用户响应功率小，得到的补偿费较低，3种补偿电价下用户收益分别为其充电成本的26.5%、32.8%、39.1%，其参与DR的积极性较弱。随着补偿电价增大，聚合商对用户的补偿成本越大；而用户参与率增大会使得削峰量增大，聚合商从电网公司获得的激励也增加，聚合商因此获得更多的利润。

表8 慢充1方式下的需求指标Table 8 Demand indicators in slow charging mode 1

在3种补偿电价下，聚合商的收益分别为其服务费收入的4.6%、4.2%、8.7%。削峰效果越明显，电网公司对聚合商的补偿额越高，因此，电网公司是以经济成本来换取电网的安全性。通过DR来实现削峰可以减少容量建设成本，投资成本会降低。由于小功率方式下削峰效果不明显，其对聚合商的激励额也较低，此时其发动DR的成本较小，3种补偿电价下电网公司的总经济成本分别为其电费收入的-0.6%、2.1%、7.6%。

总而言之，在上述签约用户数量下，用户以慢充1方式充电时，单用户参与DR的能力有限，聚合商需要签更多的用户才能满足DR任务。由于目前EV用户参与DR的意愿较弱，寻找更多的签约用户对于聚合商较为困难，因此，小功率充电用户并非聚合商的最优先选择。

4.3.2 慢充2下补偿电价对负荷响应情况的影响

签约用户的EV采用慢充2(20 kW)方式充电，补偿电价分别为2.0、2.5、3.0元/kW时(分别记为情景4～6)，响应负荷情况如图3所示，用户响应情况和各方需求指标如表9、10所示。

图3 情景4～6下负荷响应情况Figure 3 Load response under scenario 4～6

表9 慢充2方式下用户响应情况Table 9 User response in slow charging mode 2

表10 慢充2方式下的需求指标Table 10 Demand indicators in slow charging mode 2

由于用户响应功率比慢充1更大，因此用户得到的补偿费更高，3种补偿电价下用户收益分别为其充电成本的64%、79%、95%，用户参与DR的意愿较高；同时削峰效果更为明显，运营商从电网公司得到的激励更大，3种补偿电价下聚合商收益增加了13.3%、17.7%和17.2%，聚合商参与DR的意愿更强；电网安全性得到保证，同时电网公司对聚合商的激励额较大，经济成本得到提高，3种补偿电价下电网公司的总经济成本分别为其电费收入的4.6%、11.8%、17.6%。

总之，用户以慢充2方式充电时，补偿电价较高时能够实现良好的DR，且不容易出现过响应，此类用户较符合聚合商的选择。

4.3.3 快充下补偿电价对负荷响应情况的影响

签约用户的EV采用快充(60 kW)方式充电，当基准补偿电价分别为2.0、2.5、3.0元/kW时(分别记为情景7～9)，响应负荷情况如图4所示，用户响应情况和各方需求指标如表11、12所示。

图4 情景7～9下负荷响应情况Figure 4 Load response under scenario 7～9

表11 快充方式下用户响应情况Table 11 User response in the fast charging mode

表12 快充方式下的需求指标Table 12 Demand indicators in the fast charging mode

由仿真结果可知，相比于慢充方式，快充方式下用户有资格参与DR的概率较小，资格用户数较少。但是由于充电功率较大、响应能力较强以及削峰效果明显，故补偿电价过大时响应用户数可能会远超需求量，出现过响应；同时，由于第10、11时段负荷压力不同，响应用户需求量和资格用户数也不同，对用户参与率要求不同，补偿电价固定不变难以适应不同时段需求的差异。

由于响应功率比慢充方式大，用户得到的补偿费更高。3种补偿电价下用户收益分别为其充电成本的93%、115%、138%，用户进行DR签约的意愿更高。削峰效果明显，运营商从电网公司得到的激励较大，3种补偿电价下聚合商收益增长了11.8%、22.5%、23.5%，电网公司的总经济成本分别为其电费收入的4.8%、13.4%、19.3%。

总而言之，相比于慢充方式，用户以快充方式充电时其响应能力强，补偿电价较大时容易出现过响应。聚合商选择快充用户时需要的用户数较小，更容易满足需求。由于欠响应可能导致响应后电网仍处于不安全状态，而过响应虽然会导致电网的需求响应成本提高，但是响应后电网处于安全状态，因此，相比于慢充1方式，快充类型用户仍较符合聚合商的选择。

4.4 基准补偿电价的优化结果分析

当采用慢充2(20 kW)方式充电时，基于本文的基准补偿电价优化模型，对文4.3中的基准补偿电价进行优化，优化后负荷响应情况如图5所示，各方需求指标如表13所示。同时，以慢充1、快充方式并结合两类用户(签约用户数各为100)参与响应下的优化效果作为对比，优化后基准补偿电价如表14所示，总负荷如图6所示。

图6 多场景下优化后的总负荷曲线Figure 6 Optimized total load curve in multiple scenarios

表13 慢充2方式下优化后各方需求指标Table 13 Demand indicators of all parties after optimization in slow charge mode 2

表14 多场景下优化后的基准补偿电价Table 14 Optimized benchmark compensation price in multiple scenarios 元/kW

由图5(与图3对比)和表13(与表10对比)可知，慢充2方式下经过基准补偿电价优化，能够很好地避免欠响应和过响应问题。同时，电网公司的经济成本也得到了控制，可以更好地通过DR来削减峰荷；聚合商和用户都从DR中获得相应的利益，聚合商和用户的净收益比分别为15.1%和75.1%。因此，各方需求都得到了很好地满足。

图5 慢充2方式下优化后的负荷响应情况Figure 5 Load response after optimization in slow charge mode 2

另一方面，由表14和图6可知，相比于慢充2方式，慢充1方式下将补偿电价调到上限，用户充分响应，但第10时段还是发生了轻微欠响应；快充方式下补偿电价调到较低水平，第11时段也还是发生了轻微过响应。可见用户响应特性会限制基准补偿电价的调节效果。在此基础上，结合不同类型用户参与响应，响应效果得到了进一步改善，成功避免了欠响应和过响应问题。由此可见，结合不同响应特性的用户参与响应，能够充分利用不同用户响应特性的互补性，如：慢充1方式可以弥补快充方式功率调节幅度大的缺点，快充方式能够弥补慢充1方式响应能力不足的缺点，从而实现更加精准的需求响应。

5 结语

1)EV充电功率越大、充电时段越短、充电时间分布离散性越大，用户就越难具备参与DR的资格，合同中要求的年度响应次数应该越少，这样才能保证用户在能力范围内不发生违约现象。不同用户响应能力差异较大，根据用户充电功率和充电习惯而差异化设置签约要求，可以提高用户签约的积极性，从而进一步挖掘用户参与DR的潜力。

2)不同响应时段响应需求量和资格用户数不同，对用户参与率要求不同，基准补偿电价固定不变将难以适应不同时段需求的差异。因此，可根据不同时段响应需求量和资格用户数来调整基准补偿电价，实现更好的DR。

3)本文的基准补偿电价优化方法通过调节基准补偿电价来改变用户参与率，能够很好地避免欠响应和过响应问题，降低电网公司的经济成本；同时，可结合不同响应特性的用户参与响应，能够充分利用不同用户响应特性的互补性，实现更精准的峰荷削减。