摘要：光伏、储能和需求侧响应的协调运行可有效平抑负荷波动并提升配电网运行的经济性。为实现通过主动运行提升配电网资产利用率的目标。本文探讨了用户负荷需求侧资源参与程度对储能配置的影响以及共享机制对提升配电线路利用率的贡献，为主动配电网广义需求侧资源优化配置提供了参考。
关键词：共享机制；广义需求侧资源；空调需求侧响应；储能优化
1 电网正常与故障状态下广义需求侧资源出力模型
本文以存在互联的馈线组中部分用户配置分散式、小容量光伏并利用分体式变频空调参与负荷需求侧响应，以提高用电经济性；配电网公司在馈线末端投资建设储能，并结合电网中友好负荷作为广义需求侧资源开展主动运行，以提升电网运行效益和设备利用水平为研究场景。提高设备的利用水平，减少配电网的冗余配置，必须充分发掘故障状态下广义需求侧资源的应用价值。
1.1 基于Ａｕｔｏ－ＤＲ的空调负荷需求侧响应模型
1.1.1空调负荷需求侧响应实现模式
为充分挖掘用户侧负荷响应潜力与响应能力，克服频繁响应而产生的“响应疲劳”问题，国际上提出了Ａｕｔｏ－ＤＲ的概念。本文基于Ａｕｔｏ－ＤＲ，提出了用户需求侧响应终端的功能模型，即实时接收配电网需求侧电价、用户温度需求以及温度变化信息，并根据配电网正常与故障状态下不同的决策方式对空调进行实时调控。
1.1.2正常状态下价格型空调响应模型
配电网正常状态下，ＵＳＲＴ在保障用户舒适度的基础上，以提升用电经济性为目标，根据电价以及温度波动情况调节空调出力。本文考虑ＵＳＲＴ计算资源的限制，基于启发式滑动数据窗滚动技术，提出空调负荷价格型响应模型，其主要思想为：在多个响应时段组成的数据窗内，首先以能够满足整个数据窗内时段温度需求为标准确定数据窗内第一个响应时段的空调备选出力，然后选择备选出力中经济性最优的出力作为第一个时段空调出力的响应结果。而后数据窗依次滑动，完成全部时段的空调响应[1]。本文以０．５ｈ作为一个响应时段。由于室内温度具有一定的热储特性，所以当前时段空调出力对本时段与下一时段室内温度均有影响。因此，本文中两个相邻的响应时段组成一个数据窗。具体响应流程如下：①数据初始化：读入数据窗内负荷阵列Ｌ、配电网需求侧电价阵列Ｃ、光伏电源出力Ｐｖ、该用户对于室内温度的需求Ｔｍｉｎ．ｉｎ，Ｔｍａｘ．ｉｎ、室外温度变化阵列Ｔｏｕｔ。②确定满足温度需求的空调备选档位：设当前响应时段为第ｋ个时段，采用表征空调热交换过程的等效热参数模型计算ｋ时段满足用户温度需求的备选空调功率档位，组成阵列Ｑｋ，并针对Ｑｋ中每一个元素Ｑｋ（ｊ），计算当ｋ时段空调功率档位设定为Ｑｋ（ｊ）时，ｋ＋１时段满足用户温度需求的可选功率档位，组成阵列Ｑｊ，ｋ＋１。④备选档位中寻优确定最佳档位：选择备选档位中平均电价最低的档位作为ｋ时段档位优化结果。以上决策方式保证了每一时段响应结果均满足用户对温度舒适度的需求，并最大限度地提升了用户参与负荷响应的经济效益，符合ＵＳＲＴ设计定位[2]。
1.2 正常与故障状态下的储能运行模型
互联的馈线在故障情况下，联合调度各条馈线上的储能设备和需求侧资源，可有效缩减每条馈线备用需求，从而提高配电线路利用率。计及此效用，本文提出储能在电网故障与正常状态下运行策略如下：电网故障状态下，当故障元件位于计划孤岛范围内时，储能可通过释放电能对计划孤岛范围内负荷进行供电，减少停电负荷；当故障元件位于计划孤岛范围外，位于故障馈线的储能与馈线组内其他储能可通过释放电能承担转供负荷，提高线路的安全负载率，降低电网冗余程度。电网正常状态下，合理的储能充放电策略是降低负荷曲线峰谷差、提高配电网运行效益的关键[3]。本文考虑其优化负荷曲线峰谷特性与低储高发获利的综合效果，提出一种以追踪用户负荷波动与负荷上下限关系为主，以追踪输电网电价波动与电价上下限关系为辅的充放电策略，扩大储能的利用深度[4]。具体来说，该充放电策略为给定负荷追踪上限Ｐｍａｘ、下限Ｐｍｉｎ，电价追踪上限Ｃｍａｘ、下限Ｃｍｉｎ。当监测到负荷波动小于Ｐｍｉｎ时，储能存储电能；当监测到负荷波动大于Ｐｍａｘ时，储能释放电能；当负荷波动大于Ｐｍｉｎ且小于Ｐｍａｘ时，储能追踪输电网电价：即输电网电价低于Ｃｍｉｎ时，储能存储电能；输电网电价高于Ｃｍａｘ时，储能释放电能；其余情况储能处于浮充状态。
2 电价、储能运行策略与储能配置的联合优化
2.1 目标函数
电网公司经济效益最大化可表示为由配电网公司配置广义需求侧资源引起的增量收益与增量成本差值最大化。增量成本来源于包含储能配置投资和后期运维的全寿命周期成本以及配电网中断空调供电时补偿用户的成本[5]。目标函数可表示为:
ｍａｘＦ＝Ｂｄｉｒ＋Ｂｄｅｌ＋Ｂｅｎｖ＋Ｂｒｅｌ－Ｃｔｏｌ－Ｃｄｓｍ （1）
2.2 约束条件
①系统有功功率平衡约束：
pBES,k+ptran,k+=+ploss,k （2）
式中：PＢＥＳ，ｋ表示ｋ时刻储能的出力；ｐＤＧ，ｋ、ｐｔｒａｎ，ｋ及ｐｌｏａｄｉ，ｋ分别表示ｋ时刻分布式电源的出力，该级电网向上级电网购电电量及负荷点ｉ处的负荷功率；ｐｌｏｓｓ，ｋ表示系统网络损耗；Ｎ表示配电网中总的负荷节点数；ＮＤＧ表示用户自建光伏的节点数目。②节点电压约束：
式中：Ｕｉ表示节点ｉ处的电压值；Ｕｍｉｎ及Ｕｍａｘ分别表示电压下限与电压上限。③上级电网输入功率约束：０≤ｐｔｒａｎ，ｉ≤ｐｔｒａｎ，ｍａｘ（１３）式中：ｐｔｒａｎ，ｍａｘ表示上级电网向配电网传输功率的上限。④电价上下限约束：Ｃｍｉｎ≤Ｃ（ｉ）≤Ｃｍａｘ（１４）式中：Ｃｍｉｎ与Ｃｍａｘ表示由配电网公司运营成本以及国家相关部门规定所决定的电价上下限。
2.3 基于模拟运行仿真的规划模型求解
本文采用禁忌搜索－粒子群算法（ＴＳ－ＰＳＯ）和基于典型日运行调度仿真的方法进行规划模型的求解。ＴＳ－ＰＳＯ算法将“禁忌”与“特赦”思想引入到粒子群算法的搜索更新中，解决了ＰＳＯ算法所存在的局部搜索能力较弱和早熟收敛问题，既加快了收敛速度又提高了收敛精度[6]。
结 语：
本文的研究内容可为配电网需求侧响应资源的规划利用、储能装置运行策略优化以及实时电价的制定提供参考，具有一定的实际参考价值。
参考文献：
[1]吴霜,季聪,孙国强. 含分布式储能的配电网多目标运行优化策略研究[J]. 电力工程技术,2018,37(02):20-26.
[2]胡博,王昕,郑益慧,李立学,郎永波,郭远峰,徐清山. 储能设备接入配电网的新运行方式及其可靠性计算[J]. 电气自动化,2017,39(04):59-62.
[3]王正宇,金尧,蒋传文,张裕. 考虑光伏储能和可控负荷的配电网检修计划优化[J]. 电网与清洁能源,2015,31(11):74-82+88.
[4]李春燕,许中,马智远. 计及用户需求响应的分时电价优化模型[J]. 电力系统及其自动化学报,2015,27(03):11-16.
[5]齐锦涛. 基于需求侧电价响应的电动汽车充电负荷优化策略研究[D].燕山大学,2017.
[6]宋艺航,谭忠富,李欢欢,刘文彦. 促进风电消纳的发电侧、储能及需求侧联合优化模型[J]. 电网技术,2014,38(03):610-615.
论文作者:钟嘉晟
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/3/27
标签：负荷论文; 需求论文; 电价论文; 储能论文; 时段论文; 电网论文; 配电网论文; 《电力设备》2018年第29期论文;