摘要：为了优化居民用电侧管理和电力系统总的发电容量，构建基于智能电网调度支持的居民用电侧自动需求响应系统。该方法以先进的智能电网技术为依托，依靠智能电网调度支持平台构建需求响应系统框架，采用价格需求响应方式和激励需求响应方式，实现尖峰电价、尖峰折扣、分时电价、实时电价的控制和市场激励、计划激励。其应用分布式在线学习算法能在用户满意度较低的条件下，降低用电成本，提高用电效益。通过综合分析可知，基于智能电网调度支持的居民用电侧自动需求响应系统可较好地优化发电容量并满足居民用电侧用电需求。
关键词：智能电网；调度支持系统；用电侧管理；自动需求响应
前言
进入二十一世纪后，随着国民经济的高速增长，电力需求持续增加，电力资源的有限性与经济社会快速发展的矛盾及环境制约因素逐渐显现，电力供需矛盾日益显著。如何做好电力需求侧管理成为电力企业必须面对和解决的问题。需求侧管理（DSM）是指电力供需双方共同对用电市场进行管理，以达到提高供电可靠性，减少能源消耗及供需双方费用支出的目的。
电力需求侧管理包括负荷控制和管理与远方抄表和计费自动化两方面：负荷控制和管理（LCM）是根据用户的用电量、分时电价、天气预报以及建筑物里的供暖特性等进行综合分析，确定最优运行和负荷控制计划，对集中负荷及部分工厂用电负荷进行监视、管理和控制，并通过合理的电价结构引导用户转移负荷，平坦负荷曲线；远方抄表（AMR）和计费自动化是指通过各种通信手段读取远方用户电表数据，并将其传至控制中心，自动生成电费报表和曲线等。目前，某电力公司正在大规模集中建设的电能信息采集系统正是基于这一理论而产生，并为电力需求侧管理提供可靠数据支撑。
1 居民用电侧需求响应
需求响应（Demand Response）即电力需求响应，是需求侧管理的具体解决方法之一，其指的是在电力供应市场价格升高或电力系统可靠性受到威胁时，电力消费端在收到供电系统发出的指导性减少用电负荷的相关通知或电力费用价格上升的通知信号之后，与之相对应转变其固有的习惯用电模式，对某一时间段中电力负荷进行降低或向后推移，进而使电网保持稳定，实现对电价上升抑制目的的短期行为。
需求响应根据来源可分为价格类需求响应和激励类需求响应两种类型。价格类需求响应指的是电力消费用户针对各种价格信号来安排和分配用电负荷、用电时间及电力消费方式。价格类需求响应主要以用电价格作为表现形式，电价种类有分时电价、实时电价和尖峰电价等类型，电力系统使用端的电价波动与供电方的成本情况的变化保持一致，是与时间变化相关的，价格类需求响应注重电力用户的主动参与，电力用户内部经济调整和负荷的变化决定了电力响应行为[4]。
2 智能电力网络
智能电力网络集领先的电力设备技术、领先的控制方法、领先的传感与测量技术以及领先的决策技术于一体，以建立可靠、经济、高效、安全的电力网络为目标，能够自愈、激励、抵御攻击、容许新能源电力引入、可启动电力市场化和资产优化高效可靠的运行。智能电力网络能适应大规模新型能源的接入，有效巩固提升了电力网络的坚强性。电力网络基础设施与先进的信息技术、传感器技术和自动控制技术相互融合，能够及时有效地获取信息、发现故障。
3 用电情况统计分析
用电情况统计分析在电力需求侧管理中的应用正变的越来越广泛，电能信息采集系统除了能够为电力用户的综合用电分析以及异常用电分析提供可靠的数据支撑之外，还能通过 WEB 发布、报表生成等方式进行直观的呈现。
期刊文章分类查询,尽在期刊图书馆
电力用户的综合用电分析具体包括负荷分析、负荷率分析、电能量分析、三相平衡度分析和负荷预测支持等：
3.1 负荷分析：按区域、行业、线路、电压等级、自定义群组、用户、变压器容量等类别对象，以组合的方式对一定时段内的负荷进行分析，统计负荷的最大值及发生时间、最小值及发生时间，负荷曲线趋势，并可进行同期比较，以便及时了解系统负荷的变化情况。
3.2 负荷率分析：按区域、行业、线路、电压等级、自定义群组等统计分析各时间段内的负荷率，并可进行趋势分析。
3.3 电能量分析：按区域、行业、线路、电压等级、自定义群组、用户等类别，以日、月、季、年或时间段等时间维度对系统所采集的电能量进行组合分析，包括统计电能量查询、电能量同比环比分析、电能量峰谷分析、电能量突变分析、用户用电趋势分析和用电高峰时段分析、排名等。
3.4 三相平衡度分析：通过分析配电变压器三相负荷或者台区下所属用户按相线电能量统计数据，确定三相平衡度，进而适当调整用户相线分布，为优化配电管理奠定基础。
3.5 负荷预测支持：分析地区、行业、用户等历史负荷、电能量数据，找出负荷变化规律，为负荷预测提供支持。
4 分布式在线学习自动需求响应系统
在智能电网调度支持平台硬件基础之上，建立的智能电网调度支持系统能通过应用调度计划、调度管理、安全校核实时监控预警的方式实现用电侧电能应用管理。为了完成用电设备调度控制的优化管理，需要选择一种搜索式最优化策略，分布式在线学习算法具有运算鲁棒性稳定、冗余性较低、无需分析响应系统模型中的转移概率等优点，被广泛应用于最优控制系统中。
在最优策略问题分析之中，最优参数[Θ*]需要满足的必要条件如下：
只有在用户用电请求的概率分布信息和用电价格已知的情况下，才可解决式（1）的相关问题，但用户用电请求和用电价格受到多种因素的影响，较难估计。针对这一问题，采用分布式在线学习的方法进行处理。设置[Mk]为用电设备的本地状态，[Nk]表示为用电设备的执行策略。[ft=kfk（Mk，Nk）]表示在时刻[t]的立即回报。则在线学习算法的表示形式如下：
首先进行算法的初始化，设定每一台用电设备的本地初始化参数为[θk]，当某个时间[t]的起始时刻到来时，用电设备根据其观测到的状态[sk]，依照其参数所决定的随机控制策略[ΩΘk]，完成相应动作[Mk]。然后在每个时间段[t]的终止时刻，用电设备上传其执行策略和成本[f（Mk，Nk）]以及参考状态指示因子[τk]。针对某区域电力用户设备使用状态、用户用电请求和电力价格等因素，在智能电网调度支持平台的基础之上，应用分布式在线学习算法，进行分析处理，得到电力用户购电成本、用户不满意度及总体成本的情况，并与最小用电成本贪婪算法、用电成本粒子群追踪算法进行比较。
与其他两种算法相比较，分布式在线学习算法可在用户不满意度最低的状态下，通过降低用电成本，而减少用户的用电总成本，从而提高了电力用户的效益。
5 结语
面对日益严重的能源消耗与环境污染问题，电力系统根据用电负荷预测结果制定发电容量大小的方式逐渐暴露不足。基于智能电网调度支持系统的居民用电侧自动需求响应系统应用先进的智能电网技术，依托智能电网调度支持平台，采用价格需求响应方式和激励需求响应方式，并应用分布式在线学习算法可优化发电容量且满足居民用电侧用电需求，减少用电总成本，进而降低一次能源损耗和环境污染程度。
参考文献：
[1] 王冬容.电力需求侧响应理论与实证研究[D].北京：华北电力大学，2011.
[2] 曾鸣.电力需求侧管理的激励机制及其应用[M].北京：中国电力出版社，2002.
[3] 曾鸣.综合资源规划及其激励理论与应用[M].北京：中国经济出版社，2000.
论文作者:蔺静1,武银昭2
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：电力论文; 需求论文; 负荷论文; 用户论文; 电能论文; 电价论文; 电网论文; 《电力设备》2018年第29期论文;