面向能源互聯網的新型需求側管理模式研究

劉道新，郭萬祝，王世成，曾鳴,3

(1.華北電力大學經濟與管理學院，北京市 102206；2. 國網冀北電力有限公司秦皇島供電公司，河北省秦皇島市 066000；3.新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，北京市 102206)

面向能源互聯網的新型需求側管理模式研究

劉道新1，郭萬祝2，王世成1，曾鳴1,3

(1.華北電力大學經濟與管理學院，北京市 102206；2. 國網冀北電力有限公司秦皇島供電公司，河北省秦皇島市 066000；3.新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，北京市 102206)

目前，能源互聯網已經成為我國電力系統(tǒng)發(fā)展的主要方向。能源互聯網的建設將在很大程度上改變目前能源利用現狀和管理模式。從需求側管理的角度，闡述能源互聯網條件下的新型控制策略，傳統(tǒng)的需求側管理是基于電網與用戶的相互作用，通過相關協議達到對負荷的部分可控，能源互聯網的發(fā)展，使得用戶側的信息交互更加重要與頻繁，同時由于各種能源發(fā)電形式的接入，使得對用戶的負荷管理也越來越重要。提出一種面向能源互聯網的需求側管理方法，該方法利用用戶側健全的通訊基礎設施，在每個用戶的智能量測設備中增加用電計劃控制模塊，該模塊借助博弈論的思想使每個用戶根據其他用戶的用電計劃制定出使得自己用電支出最小的用電計劃，最終得到所有用戶的能源消費計劃。在整體的能源消費計劃下，達到系統(tǒng)運行的峰均比和發(fā)電成本最小。最后，通過實例仿真證明了該負荷管理模式的有效性。

能源互聯網；用電計劃控制；博弈論；峰均比最小

0 引 言

需求側管理是電力部門通過一定的手段管理用戶負荷的一種方式，以達到系統(tǒng)運行最優(yōu)。需求側管理能夠充分利用現有電源，減少系統(tǒng)裝機容量和輸配電設施，提高設備利用率和用電效率。對于未來能源互聯網，由于電網和通訊設備的互聯為電動汽車的接入提供了大量的接口，電動汽車作為新興柔性負荷在電網運行過程中將扮演重要的角色，另外各種間歇式發(fā)電單元的接入，給電網的穩(wěn)定運行帶來了挑戰(zhàn)[1-3]，有效的控制負荷，減小系統(tǒng)的備用容量，降低運行的峰均比是能源互聯必須解決的問題。

能源互聯網的構建不僅僅是靈活的電力網絡，更重要的是它將實現電力流與信息流的一體化平臺建設。這為新型的需求側管理策略的實現提供了物理基礎。目前關于需求側負荷管理，研究較多的是直接負荷控制[4-7]，通過供電企業(yè)與用戶、工廠企業(yè)等達成供用電協議，供電部門按照協議對用戶的部分用電設備進行遠程控制。比如，在負荷高峰時段，供電部門就會根據事先達成的協議切出用戶的供熱、制冷、照明等設備。雖然可以解決削減峰值負荷的問題，但是對于居民用戶而言，直接負荷管理將影響居民正常生活，他們很難積極主動參與到直接負荷控制的管理中來，并且有可能導致用戶的信息泄露。

另一種需求側負荷管理措施是利用電價機制，即通過調節(jié)電價鼓勵用戶主動管理自身負荷，以在峰值負荷時主動削減負荷[8-10]。電價模式分為峰谷電價、分時電價和實時電價。對于實時電價協議，1天內不同時間段的電價是不同的。通常根據用電需求，夏天午后及冬天晚上的電價較高。但是，這種電價機制同樣會引起一些問題，用戶通常很難對電價的變化及時作出用電的調整，并且需要用戶實時關注電價的波動，實時改變自己的用電計劃，這給用戶帶來了諸多不便。另外，這種電價機制的調節(jié)對用戶而言具有趨同的特性，可能出現將峰值負荷整體轉移到非峰值負荷處的情況，實際并不會有效降低峰均比。

對于電網來說，其實際關注的并不是每一個用戶的用電負荷，而是某一具體時段內所有用戶的總負荷。因此，為了達到一個區(qū)域的負荷可控，本文提出利用未來能源互聯網完善的通訊系統(tǒng)，在用戶之間建立信息交互，通過用戶之間的信息交互，在用戶之間形成一種博弈關系，從而使最終整個區(qū)域內負荷可控。

本文提出一種適應于未來能源互聯網需求側管理的用戶用電計劃自動調整機制。在某一供電區(qū)域的用戶都安裝自動用電計劃控制器。用戶用電控制器作為一種控制設備安裝在家庭的智能量測表內，并且通過通訊設備實現區(qū)域內各用戶的互聯。用電計劃控制器通過執(zhí)行分布尋優(yōu)算法自動為每一個用戶制定出節(jié)能的用電計劃，算法的目標函數是系統(tǒng)整體運行的網損最小。用戶之間借助博弈論[11-14]的思想進行分析，通過適當的電價機制激勵用戶參與博弈，使得最終納什平衡達到系統(tǒng)運行最優(yōu)。

1 系統(tǒng)模型

1.1 系統(tǒng)負荷模型

與大電網連接的供電區(qū)域如圖1所示，假設每個用戶都裝有智能電表，并且智能電表內都裝設有用電計劃控制器。智能電表與電力線和局域網絡相連。電網與用戶及用戶之間的信息都通過局域網的通訊協議進行交互。

圖1 用戶信息流Fig.1 Flow of user’s information

圖中：N代表上述系統(tǒng)的用戶集合；n表示用戶集合中的第n個用戶；h表示1天中第h個時段；H表示1天的用電時段數，通常設H=24，用電時段是等間隔的；對于任一個用戶，用L表示第n個用戶第h小時的負荷；則1天中第h個時段所有用戶的總負荷可表示為

(1)

1天中峰值負荷可表示為

(2)

均值負荷表示為

(3)

負荷率為

(4)

1.2 費用函數

這里定義Ch(Lh)表示第h時段的電源發(fā)電所需要的費用。通常，同樣的負荷在不同的時段發(fā)電所用的費用是不同的。另外，這里假設Ch(Lh)滿足如下條件。

(1)費用函數是遞增的。對于任意h，滿足下面不等式：

Ch(Lh1)≤Ch(Lh2),Lh1≤Lh2

(5)

從式(5)可以看出發(fā)電費用隨著負荷的增加而增加。

(2)費用函數必須是凸函數。即對于任意的Lh，都存在：

(6)

滿足條件(1)、(2)的典型費用函數如下：

(7)

1.3 用戶負荷描述

對于任意n∈N，用An表示用戶n的所有電氣設備，包括電動汽車、冰箱、洗衣機、空調等。對于任意a∈An，定義一個能源的消費計劃，用下面的向量表示：

(8)

(9)

(10)

由此，則系統(tǒng)中所有設備24 h的用電負荷總負荷可表示為

(11)

通常有些用電設備的用電量是不能轉移的，在這種情況下用電計劃控制器并不對這些設備進行優(yōu)化控制，具體如圖2所示。

(12)

圖2 用電計劃控制器Fig.2 Controller of energy plan

2 優(yōu)化模型

2.1 峰均比最小

由之前的描述可將峰均比表示如下：

(13)

通過上文的敘述，通過調整用戶用電計劃從而使得εPA最小，即

(14)

(15)

接著引入變量Γ，將上式變?yōu)?/p>

(16)

式(16)可以用內點法處理。通過分析可知用電方案并不唯一。當εPA相同時，可以存在不同的用電計劃。

2.2 發(fā)電費用最小

所有用戶的用電計劃除了使得εPA最小外，還需要使得系統(tǒng)總的發(fā)電費用最小?？偘l(fā)電費用可以用式(17)來表示：

(17)

這個優(yōu)化的目標函數是凸函數，可以由凸函數的解法得到解決，并且凸函數僅有一個最優(yōu)解。

3 能源消費博弈

最小化問題雖然可以通過上述方法得到解決，但是由于系統(tǒng)的運行狀態(tài)是變化的，因此希望得到一種能隨系統(tǒng)的運行狀態(tài)而自動更新用電計劃的方法。通過利用能源互聯網完善的通訊設備進行用戶之間的信息交互，采用一種分布式的算法實時更新用戶的用電計劃。目標是讓智能量測設備制定出用電計劃安排。分布式計算以系統(tǒng)的發(fā)電費用最小為目標函數。

3.1 價格協議

對于用戶n用bn表示每天用戶需要支付給電網公司的費用。而電價應該和用戶一天所用電量和總的發(fā)電成本有關。假設滿足如下條件：

(18)

式(18)左邊表示用戶一天總的支付費用，右邊表示一天總的發(fā)電成本。為了便于比較定義：

(19)

如果k=1表示收支預算平衡，也就是說電網向用戶收取的費用和成本相同。另一方面，如果k大于1，用戶的總支出和電網總成本的差值就是電網的利潤值。另外假設

(20)

也就是說用戶支出的費用和用電量成正比。比如說用戶n的用電量是用戶m用電量的2倍，則用戶n的費用將是用戶m的2倍。收費的準確數值取決于該時段的發(fā)電的成本C，由式(7)表示。盡管式(20)確立了用戶用電支付與發(fā)電成本之間的聯系，但同時用戶的支付費用和該時段的電價也有很大的聯系。通過將式(20)變形可以得到：

(21)

由式(9)、(10)、(19)、(20)可得：

(22)

式中：

(23)

從式(22)中我們可以看出用戶n的用電費用和m緊密相關，因此就建立用戶之間的博弈關系。

3.2 博弈模型

由于每個用戶的用電費用都和其他用戶的用電計劃相關，自然會導致在用戶間引起博弈關系。

博弈的參與者：一個區(qū)域內所有的用戶。

博弈策略：每個用戶通過制定用電計劃向量Xn，最大化各自的收益。

博弈收益：

(24)

式中x-n=[x1,…,xn-1,xn+1,…xN]表示出了用戶n之外的所有其他戶的向量?；谝陨隙x，用戶將會安排自己的用電計劃使得自己支付給供電公司的費用最少。關于博弈論的定理這里不再贅述。

4 分布式算法

區(qū)域的所有用戶都參與到用電計劃控制單元，通過用戶間信息的交互可以實現用戶用電計劃的自動更新，使得每個用戶的用電費用最小。并且可以證明用戶之間的納什均衡的解與系統(tǒng)全局最優(yōu)解是相同的。在系統(tǒng)運行過程中要通過各控制器的分布式算法來實現。

4.1 程序流程

對于任意一個用戶n，假設其他n-1個用戶的用電計劃是固定的。用戶n的用電計劃的最佳策略將通過求解下面的式子得到解決：

(25)

這里，式(25)得到的解為局部最優(yōu)解，因為優(yōu)化的結果僅僅是得到用戶n的最佳用電計劃。因為Ωn是固定的，其值不依賴于Xn，則式(25)可以由式(26)表示：

(26)

注意到式(26)和式(17)具有同樣的目標函數。然而，式(26)僅僅有用戶n的局部變量。更重要的是式(26)是凸函數，可以由內點法得到解決。只要用戶n知道1天所有時段的成本函數Ch和包含所有其他用戶用電計劃的向量L-n=[l1,…,ln-1,ln+1,…,lN]，就可以解決式(26)的問題，這里采用分布式算法。

其計算流程如下：

(1)初始化Ln和L-n；

(2)用內點法解式(26)；

(3)根據新解更新xn；

(4)將用戶n的Ln通過通訊設備發(fā)送到其他用戶；

(5)判斷是否收斂，若不收斂轉到(2)；

(6)是否收到其他用戶的改變信息，更新L-n；

(7)結束；

(8)跳轉到下一用戶。

計算的第1步進行數據初始化，對于用戶n而言隨機假設lm的狀態(tài)，因為初始狀態(tài)時用戶n并不知道其他用戶的狀態(tài)。第2步到第7步具體執(zhí)行此算法直到結果收斂。每一個用電計劃控制器都用內點法根據自己得到的其他用戶的用電計劃進行計算。每個用戶的結果都是使得各自利益最大化的局部最優(yōu)解，然后將計算出的用電計劃發(fā)送出去，供其他用戶參考。在圖2上看到交互的信息就是由此算法執(zhí)行發(fā)送的，具體的通訊協議是通過局域網來實現。并且交互的信息僅僅是用戶用電的總負荷并不涉及具體的用電設備的用電，因此不會導致用戶私人信息的泄露。

這里所敘述的負荷控制策略與傳統(tǒng)的負荷管理策略有很大不同。首先，不像直接負荷管理，這種策略的用戶完全可以自己控制自己的用電設備。因此，用戶的私人信息不會泄露。更重要的是用戶僅需要根據得到的信息制定出符合自己利益的用電計劃即可。這種管理策略基于圖2所示的結構框架。

4.2 收斂性和最優(yōu)解特性

這一部分將證明這種分布式算法的收斂性和最優(yōu)解特性。評估的基礎是根據下面的博弈定理：

如果用戶之間的個人用電消費計劃更新是不同步的，沒有任何2個用戶的用電計劃更新是同時的，對于用電計劃的博弈來說，無論從任何一個點開始執(zhí)行，算法都最終收斂于一個固定的點。該定理的證明式不再贅述。

該定理充分地證明了算法的收斂性。僅僅要求用戶按照次序更新各自的用電計劃即可。比如，通過檢測用戶更新用電計劃的時間，只有用戶n收到命令輪到其更新用電計劃時，用戶n才執(zhí)行程序(2)到(7)。由于在更新次序上的限制，可以保證算法可以自動收斂到全局最優(yōu)解。另外，如果所有用戶的用電計劃在24 h內均不發(fā)生更改，則此算法就是長時間尺度的優(yōu)化運行算法；如果需要用戶的用電計劃不斷地更改，則此算法就成了實時優(yōu)化運行算法。

5 算例分析

本節(jié)通過仿真算例分析評估算法的性能，假定這里有20個用戶都安裝有用電計劃控制器。每個用戶都有15～25個不可控制的負荷，這些負荷不參與用電計劃安排。同樣還包括15～20個可控負荷，稱之為柔性負荷。這些柔性負荷可以由用電計劃控制器安排用電。通常這些柔性負荷包括：洗衣機(日耗能1.8 kW·h),電動汽車(日耗能12 kW·h)，烘干機(2.7 kW·h)。在仿真模型中假設每個用戶都是隨機的使用柔性負荷和不可控負荷，同樣也要考慮到晚間負荷較夜間負荷大。例如，假設電動汽車在午后和次日早上前充電是合理的。為了簡便發(fā)電費用方程如公式(7)所示，且令bh=ch=0，在白天早上9點到晚上12點ah=0.3，從晚上12點到早上9點ah=0.2。假定系統(tǒng)的預算平衡即令k=1。算法在一種單循環(huán)模式下運行，在這個模式下，當輪到用戶n時，用戶n開始執(zhí)行此程序，從而更新自己的用電計劃，并且隨后通知其他用電計劃的更改。接著隨機地跳轉到另外其他的用戶繼續(xù)執(zhí)行此程序，直到程序收斂。通過這種方法保證了每次僅有1個用戶進行用電計劃更新。

5.1 性能比較

總的用電消費計劃和總的發(fā)電成本仿真結果如表1、表2所示。表1表示沒有用電計劃控制器的仿真結果，表2表示有用電計劃控制器的結果。

表1 未裝設控制器各時段用電量統(tǒng)計表

Table 1 Statistics of power consumption without controller kW·h

表2 裝設控制器各時段用電量統(tǒng)計表Table 2 Statistics of power consumption with controller kW·h

對于沒有用電計劃控制器的案例，假定每個用戶的用電設備a在其用電區(qū)間內按照典型的功率水平運行。對于安裝有用電計劃控制器的案例，其設備的運行時間和功率水平均由算法的運算結果給出。通過比較表1和表2，可以發(fā)現沒有控制器設備的案例，其峰均比為3.6。而裝有控制器的峰均比為2.05，并且后者每個小時的負荷較前者更加均勻?？梢?，雖然每個用戶的總負荷相同，但是由于控制器的安排使得系統(tǒng)運行更為高效。另一方面，算法的迭代過程如圖3所示?？梢娝惴ǖ?0次時收斂，基本上是每個用戶迭代2次即可達到全局最優(yōu)。

圖3 收斂曲線Fig.3 Convergence curves

5.2 用戶支出與峰均比

分布式算法不但可以使得系統(tǒng)的發(fā)電費用和峰均比最小，同樣也對用戶有利。

圖4比較了單個用戶的峰均比和總體用戶的峰均比。其中，如圖4可知最大的εPAR可達到4.0，但總體的εPAR僅有2.05，對于每個用戶的峰均比用下面的公式計算：

(27)

圖4 用戶與系統(tǒng)峰均比Fig.4 Peak-average ratio of users and system

從圖4中可以看到整體調節(jié)后的峰均值小于單個用戶的峰均比。并且有些用戶的峰均比特別的高。這也印證了之前所討論的電網實際上關心的并不是每個用戶的用電狀態(tài)，而是用戶整體的用電情況。

6 結 論

本文提出一種基于能源消費計劃的自動優(yōu)化模型，以實現面對未來能源互聯網條件下對負荷的有效管理。該模型能夠使得系統(tǒng)運行的發(fā)電費用最小，同時降低運行的峰均比。基于博弈論的思想對用戶用電計劃進行建模，使得用戶積極參與到負荷調節(jié)中來，并且實現用戶的用電費用最小。本文提出的需求側管理模型是基于能源互聯網通訊基礎設施完善的條件下，用戶之間完善的信息交互，使得用戶之間進行博弈，各個用戶根據其他用戶的用電計劃情況，計算出自己的用電計劃。所有用戶用電計劃的集成就構成了整體的能源消費計劃，整體的能源消費計劃能夠滿足配網運行的峰均比最小及總發(fā)電費用最小。仿真結果也表明，分布式的優(yōu)化算法不僅可以使得各個用戶受益，同時能有效地達到電網對負荷的有效控制。另外，本文沒有考慮用戶側儲能的情況，比如用戶的電動汽車可以作為儲能元件向系統(tǒng)回饋能量，參與系統(tǒng)的優(yōu)化運行，因此今后可以考慮用戶側系統(tǒng)回饋能量時的負荷管理模式。

[1]劉開俊.能源互聯網發(fā)展路徑探究[J].電力建設，2015，36(10)：5-10. LIU Kaijun.Development path exploration of energy internet[J].Electric Power Construction，2015，36(10)：5-10.

[2]趙海，蔡巍，王進法，等.能源互聯網架構設計與拓撲模型[J].電工技術學報，2015，30(11)：30-36. ZHAO Hai，CAI Wei，WANG Jinfa，et al.An architecture design and topological model of intergrid [J].Transactions of China Electrotechnical Society，2015，30(11)：30-36.

[3]王繼業(yè)，孟坤，曹軍威，等.能源互聯網信息技術研究綜述[J].計算機研究與發(fā)展，2015，52(5)：1109-1126. WANG Jiye，MENG Kun，CAO Junwei, et al.Information technology for energy internet: a survey[J].Journal of Computer Research and Development，2015，52(5)：1109-1126.

[4]NERC. Potential reliability impacts of emerging flexible resources[R].American：The North American Electric Reliability Corporation，2010.

[5]曹軍威，楊明博，張德華，等.能源互聯網——信息與能源的基礎設施一體化[J].南方電網技術，2014，8(4)：1-10. CAO Junwei，YANG Mingbo，ZHANG Dehua，et al.Energy internet：an infrastructure for cyber-energy integration[J].Southern Power System Technology，2014，8(4)：1-10.

[6]HIRST E，CAVANAGH R，MILLER P.The future of DSM in a restructured US electricity industry [J].Energy Policy，1996，24(4)：303-315.

[7]STADLER I.Power grid balancing of energy systems with high renewable energy penetration by demand response[J].Utilities Policy，2008，16(2)：90-98.

[8]王蓓蓓，李揚.面向智能電網的電力需求側管理規(guī)劃及實施機制[J].電力自動化設備，2010，30(12)：19-24. WANG Beibei，LI Yang.Demand side management planning and implementation mechanism for smart grid [J].Electric Power Automation Equipment，2010，30(12)：19-24.

[9]曹培，翁慧穎，俞斌，等.低碳經濟下的智能需求側管理系統(tǒng)[J].電網技術，2012，36(10)：11-16. CAO Pei，WENG Huiying，YU Bin，et al.Research on smart demand side management system in low-carbon economy[J].Power System Technology，2012，36(10)：11-16.

[10]SWISHER J，DE MANINO G，REDLINGER R.Tools and methods for integrated resource planning-improving energy efficiency and protecting the environment[J].Utilities Policy，2013(10)：11-16.

[11]中國赴歐洲電力需求側管理培訓團.歐洲電力需求側管理對中國的啟示(上)——來自中國赴歐洲電力需求側管理的培訓報告[J].電力需求側管理，2007，9(2)：1-6. Chinese Group to European DSM Training.Enlightenment of European DSM to China——Report from Chinese group to European DSM training[J].Power Demand Side Management，2007，9(2)：1-6.

[12]盧強，陳來軍，梅生偉.博弈論在電力系統(tǒng)中典型應用及若干展望[J].中國電機工程學報，2014，34(29)：5009-5017. LU Qiang，CHEN Laijun，MEI Shengwei.Typical applications and prospects of game theory in power system[J].Proceedings of the CSEE，2014，34(29)：5009-5017.

[13]王梅霖.電力需求側管理研究[D].北京：北京交通大學，2011. WANG Meilin.Research on demand side management[D].Beijing：Beijing Jiaotong University，2011.

[14]HUANG Y H，ZHOU X X.Knowledge model for electric power big data based on ontology and semantic web[J].CSEE Journal of Power and Energy Systems，2015，1(1)：19-27.

(編輯 張媛媛)

New Demand-Side Management Pattern for Energy Internet

LIU Daoxin1, GUO Wanzhu2, WANG Shicheng1, ZENG Ming1,3

(1.School of Economics and Management, North China Electric Power University, Beijing 102206, China;2. State Grid Jibei Electric Power Company Qinhuangdao Electric Power Company, Qinhuangdao 066000,Hebei Province, China; 3. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Beijing 102206, China)

At present, the energy Internet has become the main development direction of power system in our country. The construction of the energy Internet will change the energy utilization status and the management pattern. In the perspective of demand side management, this paper studies the new control strategy under energy Internet. Traditional demand side management controls parts of the load by related protocol based on the interaction between the grid and the users. The development of energy Internet makes the information interaction between users more important and frequently. At the same time, the access of various generation forms of energy makes the demand side management more important. This paper proposes a new demand side management method for energy Internet, which uses the user-side sound communications infrastructure to add the power control module in the intelligent measurement equipment for each user. Through the game theory in this module, each user makes his energy plan according to those of other users which make his payment minimum, so as to obtain all the user’s energy consumption plans, and realize the minimum peak-average ratio of system operation and power generation cost under the overall energy consumption plan. At last, the example simulation results prove the validity of the load management mode.

energy Internet; energy plan control; game theory; the minimum peak-average ratio

中央高?；究蒲袠I(yè)務費專項資金資助項目(2015QN01)

TM 727； F 426.61

A

1000-7229(2016)06-0010-07

10.3969/j.issn.1000-7229.2016.06.002

2016-03-21

劉道新(1970)，男，博士研究生，高級工程師，研究方向為電力統(tǒng)計管理、電力技術信息化；

郭萬祝(1970)，男，工程師，研究方向為電力需求側管理及電力營銷；

王世成(1988)，男，博士研究生，研究方向為電力經濟管理；

曾鳴(1957)，男，教授，博士生導師，主要從事電力市場與技術經濟研究工作。

Project support by Fundamental Research Funds for the Central Universities(2015QN01)