基于需求響應(yīng)的用戶(hù)側(cè)微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行方法

樊瑋，周楠，劉念，林心昊，張建華，雷金勇（.華北電力大學(xué)電氣與電子工程學(xué)院，北京昌平　006；.南方電網(wǎng)科學(xué)研究院，廣東廣州　50080）

?

基于需求響應(yīng)的用戶(hù)側(cè)微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行方法

樊瑋1，周楠1，劉念1，林心昊1，張建華1，雷金勇2
（1.華北電力大學(xué)電氣與電子工程學(xué)院，北京昌平102206；2.南方電網(wǎng)科學(xué)研究院，廣東廣州510080）

摘要：需求響應(yīng)使用戶(hù)積極參與到電網(wǎng)的優(yōu)化運(yùn)行中，是實(shí)現(xiàn)用戶(hù)側(cè)微電網(wǎng)優(yōu)化運(yùn)行的重要手段。針對(duì)用戶(hù)側(cè)微電網(wǎng)，提出了基于價(jià)格激勵(lì)與可控負(fù)荷的優(yōu)化運(yùn)行模型。模型中包括實(shí)時(shí)電價(jià)的分區(qū)策略與可控負(fù)荷的調(diào)控策略。將用戶(hù)用電成本，空調(diào)與熱水器溫度與目標(biāo)溫度的差值最小化作為優(yōu)化目標(biāo)，將可延遲負(fù)荷的延遲時(shí)間，可計(jì)劃負(fù)荷的工作狀態(tài)作為決策變量。通過(guò)仿真計(jì)算與分析，驗(yàn)證了優(yōu)化模型的可行性與有效性，為用戶(hù)側(cè)微電網(wǎng)的低成本運(yùn)行提供了理論支持。

關(guān)鍵詞：需求響應(yīng)；用戶(hù)側(cè)微電網(wǎng)；多目標(biāo)；優(yōu)化運(yùn)行

Project SuPPorted bY Nationa1 High Techno1ogY Research and Deve1oPment of China（863 Program）（2014AA052001）；Science & Techno1ogY Projects of CSG（K-KY2014-009）；Science & Techno1ogY Projects of SEPRI（SEPRI-K154001）.

KEY W0RDS：demand resPonse；micro-grids on the user side；mu1ti-objective；oPtima1 oPeration

在傳統(tǒng)的電力系統(tǒng)中，由于大部分負(fù)荷不可控，其耗電量無(wú)法精細(xì)測(cè)量，因此只能對(duì)發(fā)電資源進(jìn)行調(diào)度［1-3］。另外，非時(shí)變的市場(chǎng)電價(jià)也無(wú)法激勵(lì)用戶(hù)作出負(fù)荷調(diào)整。用戶(hù)側(cè)微電網(wǎng)定義了一個(gè)考慮用戶(hù)參與度的信息化電力系統(tǒng)［4］。作為分布式能源的有效載體，用戶(hù)側(cè)微電網(wǎng)具有整合分布式電源，儲(chǔ)能裝置以及用戶(hù)側(cè)資源的優(yōu)勢(shì)［5-6］。

需求側(cè)管理可以使用戶(hù)積極地參與到電網(wǎng)的優(yōu)化運(yùn)行中，是實(shí)現(xiàn)用戶(hù)側(cè)微電網(wǎng)優(yōu)化運(yùn)行的重要手段［7-8］。需求響應(yīng)可以按照用戶(hù)不同的響應(yīng)方式劃分為基于價(jià)格的需求響應(yīng)與基于激勵(lì)的需求響應(yīng)［9-10］。關(guān)于基于價(jià)格的需求響應(yīng)，文獻(xiàn)［11］針對(duì)家居型負(fù)荷，在實(shí)時(shí)電價(jià)環(huán)境下，將用電成本與用戶(hù)等待時(shí)間作為優(yōu)化目標(biāo)，對(duì)比分析了可中斷、不可中斷負(fù)荷對(duì)優(yōu)化結(jié)果的影響，驗(yàn)證了模型降低用電成本的有效性。文獻(xiàn)［12］在峰谷電價(jià)環(huán)境下，對(duì)儲(chǔ)能、光伏等需求側(cè)資源進(jìn)行協(xié)同優(yōu)化，驗(yàn)證了需求側(cè)資源協(xié)同優(yōu)化相比單獨(dú)優(yōu)化的優(yōu)越性。

關(guān)于基于激勵(lì)的需求響應(yīng)，文獻(xiàn)［13］針對(duì)家居型微電網(wǎng)，設(shè)定了空調(diào)和熱水器兩種可控負(fù)荷，通過(guò)對(duì)可控負(fù)荷的調(diào)控，實(shí)現(xiàn)了優(yōu)化負(fù)荷波形和削峰填谷的目的。文獻(xiàn)［14］針對(duì)居民用戶(hù)，將家用負(fù)荷分為固定負(fù)荷、可轉(zhuǎn)移負(fù)荷以及隨機(jī)負(fù)荷3部分，通過(guò)對(duì)分布式電源與可控負(fù)荷的優(yōu)化管理，有效地降低了用戶(hù)的用電成本。

本文針對(duì)用戶(hù)側(cè)電網(wǎng)，提出了基于價(jià)格激勵(lì)與可控負(fù)荷的多目標(biāo)優(yōu)化運(yùn)行模型?；谀Ｐ椭性O(shè)定的啟發(fā)式運(yùn)行策略，包括實(shí)時(shí)電價(jià)的分區(qū)策略與可控負(fù)荷的調(diào)控策略，將實(shí)時(shí)電價(jià)分為兩部分，可控負(fù)荷進(jìn)一步細(xì)化為可延遲負(fù)荷與可計(jì)劃負(fù)荷。將用戶(hù)用電成本最小化，供熱、通風(fēng)及空調(diào)（heating，venti1ation and air conditioning，HVAC）與熱水器溫度與目標(biāo)溫度的差值最小化作為優(yōu)化目標(biāo)，對(duì)分布式能源為負(fù)荷供電與為儲(chǔ)能充電的比例與可控負(fù)荷的運(yùn)行狀態(tài)進(jìn)行優(yōu)化。模型優(yōu)化結(jié)果表明，用戶(hù)的用電成本得到顯著降低，負(fù)荷的可延遲特性與可計(jì)劃特性分別得到體現(xiàn)和控制，驗(yàn)證了優(yōu)化模型的有效性。

1　系統(tǒng)結(jié)構(gòu)及運(yùn)行策略

1.1系統(tǒng)結(jié)構(gòu)

用戶(hù)側(cè)微電網(wǎng)系統(tǒng)的典型結(jié)構(gòu)如圖1所示。該系統(tǒng)主要包含光伏發(fā)電單元，風(fēng)力發(fā)電單元，儲(chǔ)能單元與本地負(fù)荷。

圖1　系統(tǒng)結(jié)構(gòu)圖Fig. 1 Structure of the micro-grid

光伏發(fā)電單元由光伏陣列及光伏逆變器組成，風(fēng)力發(fā)電單元由風(fēng)力發(fā)電機(jī)與變壓器組成。其中光伏電池的功能是將太陽(yáng)能轉(zhuǎn)換為電能，逆變器主要是把光伏所發(fā)直流電變?yōu)榻涣麟?，供?fù)載使用；風(fēng)力發(fā)電機(jī)的功能是將風(fēng)能轉(zhuǎn)換為電能。儲(chǔ)能電池單元由蓄電池及充放電機(jī)構(gòu)成，其功能是將分布式電源或傳統(tǒng)電網(wǎng)供給負(fù)載后多余的電能以化學(xué)能的形式儲(chǔ)存起來(lái)，在分布式電源能量不足或電網(wǎng)電價(jià)過(guò)高時(shí)將化學(xué)能轉(zhuǎn)換為電能供給負(fù)載；本地用電負(fù)荷包括基線(xiàn)負(fù)荷與可控負(fù)荷。

1.2運(yùn)行策略

供給負(fù)荷的能量來(lái)源有分布式能源的光伏發(fā)電與風(fēng)力發(fā)電，電網(wǎng)供電以及儲(chǔ)能電池供電。為了達(dá)到節(jié)約成本的目的，以分布式能源發(fā)電為第一優(yōu)先的供電能源，其次是儲(chǔ)能電池，最后為電網(wǎng)供電。以微電網(wǎng)的用電成本（電網(wǎng)的供電量）與儲(chǔ)能電池的充放電量為主要考慮因素，這3種能源之間的管理按照如下所述的基本策略執(zhí)行。

根據(jù)整個(gè)微電網(wǎng)系統(tǒng)供電用電的功率平衡關(guān)系，在一天中的初始階段，儲(chǔ)能電池的電量尚不足以供給負(fù)荷使用，當(dāng)分布式能源的發(fā)電量超出本地所需負(fù)荷時(shí)，即

則此時(shí)多余的電量將充入儲(chǔ)能電池：

此時(shí)用戶(hù)不需要從電網(wǎng)購(gòu)電，即

式中：PPv（t）與Pw（t）分別為在t時(shí)段光伏發(fā)電與風(fēng)力發(fā)電的發(fā)電功率，主要根據(jù)t時(shí)段當(dāng)?shù)氐墓庹諒?qiáng)度與風(fēng)速?zèng)Q定。Pb（t）為在t時(shí)段儲(chǔ)能電池的充放電功率。Pgrid（t）為在t時(shí)段電網(wǎng)的購(gòu)電功率。ηad為AC-DC模塊的轉(zhuǎn)換效率；ηda為DC-AC模塊的轉(zhuǎn)換效率。

當(dāng)分布式能源的發(fā)電量不足以供給負(fù)荷用電，而此時(shí)儲(chǔ)能電池中有剩余電量，則有

則儲(chǔ)能電池的放電量為

此時(shí)用戶(hù)不需從大電網(wǎng)購(gòu)電，即

當(dāng)分布式能源的發(fā)電量與儲(chǔ)能電池中的電量都不足以滿(mǎn)足負(fù)荷需求，即

則用戶(hù)應(yīng)從電網(wǎng)購(gòu)電

2　微電網(wǎng)的多目標(biāo)優(yōu)化運(yùn)行模型

為了降低微電網(wǎng)用戶(hù)的用電成本，提高用戶(hù)的用電舒適度，提出了基于實(shí)時(shí)電價(jià)與可控負(fù)荷的微電網(wǎng)優(yōu)化運(yùn)行模型。在保證優(yōu)化時(shí)間域內(nèi)滿(mǎn)足微電網(wǎng)居民用戶(hù)負(fù)荷的前提下，優(yōu)化模型的目標(biāo)函數(shù)與相關(guān)策略如下。

2.1優(yōu)化目標(biāo)

模型以最小化用戶(hù)的用電成本為目標(biāo)，整個(gè)微電網(wǎng)的用電成本可由下式表示

式中：E（t）為用戶(hù)在t時(shí)刻所有家用電器消耗的能量；Eb（t）為儲(chǔ)能系統(tǒng)在t時(shí)刻的放電量；RTP（t）為在模型計(jì)算中t時(shí)刻的實(shí)時(shí)電價(jià)；PVE（t）為光伏能源在t時(shí)刻的總發(fā)電量；WTE（t）為風(fēng)力發(fā)電機(jī)在t時(shí)刻的總發(fā)電量。

2.2居民負(fù)荷的分類(lèi)

在微電網(wǎng)的優(yōu)化運(yùn)行模型中引入了可控負(fù)荷的激勵(lì)作用?？煽刎?fù)荷具有隨機(jī)變化的特性，容易受天氣、外界環(huán)境、用戶(hù)的生活習(xí)慣等因素的影響。居民用戶(hù)的負(fù)荷主要有家用HVAC，冰箱、熱水器、照明、娛樂(lè)、廚用及其他生活電器等。這些負(fù)荷的工作時(shí)長(zhǎng)及運(yùn)行方式主要受生活方式及天氣因素的影響。本文中根據(jù)各種家用電器的運(yùn)行特性將居民負(fù)荷分為4類(lèi)：

1）基線(xiàn)負(fù)荷：在任何時(shí)刻都需要處于運(yùn)行狀態(tài)或備用狀態(tài)的負(fù)荷。這種類(lèi)型的負(fù)荷包括：照明，電腦，電視，娛樂(lè)設(shè)施，冰箱等家用電器。

2）可延遲負(fù)荷：這種類(lèi)型的負(fù)荷在運(yùn)行期間不能被中斷，但并不需要立即啟動(dòng)。當(dāng)用戶(hù)設(shè)定了啟動(dòng)時(shí)間后，該類(lèi)型負(fù)荷可以在一定時(shí)間范圍內(nèi)延遲啟動(dòng)，一旦啟動(dòng)就不可中斷，直到任務(wù)完成為止。這種類(lèi)型的負(fù)荷主要包括洗衣機(jī)，洗碗機(jī)和干衣機(jī)等。

3）可計(jì)劃負(fù)荷：這種類(lèi)型的負(fù)荷不需要立即啟動(dòng)，當(dāng)用戶(hù)設(shè)定了啟動(dòng)時(shí)間后，該類(lèi)型負(fù)荷可以在一定時(shí)間范圍內(nèi)延遲啟動(dòng)，啟動(dòng)后也可以被隨意中斷，直到任務(wù)完成為止，例如對(duì)電動(dòng)汽車(chē)的充電。這類(lèi)負(fù)荷的功率曲線(xiàn)可以根據(jù)優(yōu)化所需隨意調(diào)整，例如熱水器［15］、HVAC［16-17］可以通過(guò)調(diào)節(jié)溫度來(lái)達(dá)到節(jié)能的目的。

居民負(fù)荷的分類(lèi)如圖2所示?？裳舆t負(fù)荷與可計(jì)劃負(fù)荷屬于可控負(fù)荷。各個(gè)可控負(fù)荷的工作狀態(tài)直接決定了整個(gè)微電網(wǎng)的運(yùn)行成本。可控負(fù)荷的可調(diào)控性讓用戶(hù)可以參與到整個(gè)微電網(wǎng)的優(yōu)化運(yùn)行中，使需求側(cè)資源得到充分利用。

圖2　居民負(fù)荷的分類(lèi)Fig. 2 Classification of household load

2.3實(shí)時(shí)電價(jià)的分區(qū)策略

在微電網(wǎng)的優(yōu)化運(yùn)行模型中引入了實(shí)時(shí)電價(jià)的激勵(lì)作用。實(shí)時(shí)電價(jià)信號(hào)是啟發(fā)式技術(shù)中核心的驅(qū)動(dòng)力［18］。圖3中電價(jià)曲線(xiàn)被分為兩個(gè)區(qū)域。這兩個(gè)區(qū)域是通過(guò)用戶(hù)設(shè)定的電價(jià)界限CRmax來(lái)劃分的。CRmax是用戶(hù)能接受的電網(wǎng)為負(fù)荷供電的最高電價(jià)。在模型的運(yùn)行中，設(shè)定當(dāng)電價(jià)高于CRmax時(shí)，負(fù)荷通過(guò)分布式能源發(fā)電或儲(chǔ)能電池供電。

圖3　實(shí)時(shí)電價(jià)分區(qū)示意圖Fig. 3 Partition of real-time price

在區(qū)域1內(nèi)，需要通過(guò)即時(shí)的分布式能源發(fā)電來(lái)滿(mǎn)足微電網(wǎng)的負(fù)荷需求，不足的差量由電網(wǎng)供給。此外，在這個(gè)時(shí)間段內(nèi)分布式電源多余的發(fā)電量為儲(chǔ)能電池充電。在早上10：00與下午18：00，儲(chǔ)能電池應(yīng)處于充滿(mǎn)的狀態(tài)，以供微電網(wǎng)負(fù)荷在電網(wǎng)電價(jià)最高的區(qū)域3時(shí)段使用。

在區(qū)域2內(nèi)，電網(wǎng)電價(jià)很高，供給負(fù)荷用電的第一優(yōu)先能源是當(dāng)下時(shí)刻的分布式能源發(fā)電，第二優(yōu)先能源是儲(chǔ)能電池為負(fù)荷供電。在儲(chǔ)能電池的電量被耗到最小SOC狀態(tài)時(shí)，此時(shí)則需要電網(wǎng)為負(fù)荷供電。

3　算例分析

3.1基礎(chǔ)數(shù)據(jù)

選取家居型微電網(wǎng)為研究對(duì)象，以澳大利亞南澳洲的實(shí)時(shí)電價(jià)、光伏出力等實(shí)際數(shù)據(jù)為基礎(chǔ)，對(duì)用戶(hù)側(cè)微電網(wǎng)的優(yōu)化運(yùn)行模型進(jìn)行驗(yàn)證和計(jì)算。在模型中，將可延遲負(fù)荷的延遲時(shí)間與可計(jì)劃負(fù)荷的運(yùn)行狀態(tài)作為決策變量，在保證用戶(hù)舒適度的情況下實(shí)現(xiàn)用電成本最小化。模型中的基線(xiàn)負(fù)荷，光伏與風(fēng)機(jī)發(fā)電量如圖4所示。實(shí)時(shí)電價(jià)如圖5所示。

圖4　負(fù)荷/光伏/風(fēng)電電量圖Fig. 4 Curves of load，PV generation and wind energy

圖5　實(shí)時(shí)電價(jià)圖Fig. 5 Real-time price

模型采用微分進(jìn)化算法對(duì)用戶(hù)側(cè)微電網(wǎng)優(yōu)化運(yùn)行模型進(jìn)行求解。設(shè)定種群數(shù)量為20，最大迭代次數(shù)為1 000，偏差放大系數(shù)設(shè)定為0.8，交叉概率設(shè)定為0.4。

模型中的可控負(fù)荷包括洗衣機(jī)（CW）、干衣機(jī)（CD）、電動(dòng)汽車(chē)（PEV）、HVAC、洗碗機(jī)（DW）及熱水器（EWH）。通過(guò)控制它們每個(gè)時(shí)間單位的運(yùn)行狀態(tài)來(lái)達(dá)到調(diào)控的目的。在動(dòng)態(tài)的實(shí)時(shí)電價(jià)環(huán)境中，有效地控制家用電器的運(yùn)行狀態(tài)可以有效地降低用戶(hù)的用電成本。最終的優(yōu)化方案將為居民用戶(hù)提供在模型運(yùn)行成本最低時(shí)可控負(fù)荷每5 min的通斷狀態(tài)。在整個(gè)優(yōu)化時(shí)間域內(nèi)，一天24 h被劃分為288個(gè) 5 min的時(shí)間單位。各個(gè)可控負(fù)荷在模型中的參數(shù)如表1所示。

表1　可控負(fù)荷參數(shù)表Tab. 1 Parameters of controllable load

表1中，HVAC與EWH由于涉及用戶(hù)使用時(shí)間的隨機(jī)性與用戶(hù)的舒適度，設(shè)定其每天的任意時(shí)刻均可運(yùn)行。HVAC與EWH具有蓄熱功能，可通過(guò)調(diào)節(jié)溫度需求來(lái)改變能量消耗。用戶(hù)可通過(guò)設(shè)定基準(zhǔn)溫度與變化區(qū)間控制空調(diào)的啟停。模型中將EWH運(yùn)行下熱水的標(biāo)準(zhǔn)溫度設(shè)定為50℃，HVAC運(yùn)行下室內(nèi)的標(biāo)準(zhǔn)溫度設(shè)定為25℃。其中，水溫與室內(nèi)溫度分別由EWH與HVAC的等值熱參數(shù)模型模擬得到。

3.2優(yōu)化運(yùn)行結(jié)果分析

3.2.1用電成本的優(yōu)化結(jié)果

基于實(shí)時(shí)電價(jià)、可控負(fù)荷的延遲，以及可計(jì)劃負(fù)荷運(yùn)行狀態(tài)的選擇與優(yōu)化，通過(guò)微分進(jìn)化算法的選擇機(jī)制尋找最優(yōu)解。優(yōu)化結(jié)果如表2所示。

表2　優(yōu)化結(jié)果Tab. 2 0ptimization result

由表2可以看出，微電網(wǎng)用戶(hù)的用電成本得到顯著降低。

3.2.2可延遲負(fù)荷的優(yōu)化結(jié)果

模型中的可延遲負(fù)荷有洗衣機(jī)，干衣機(jī)和洗碗機(jī)。由于洗衣機(jī)與干衣機(jī)的工作性質(zhì)，兩者初始設(shè)定的運(yùn)行時(shí)間是接連在一起的。洗衣機(jī)與干衣機(jī)的優(yōu)化結(jié)果如圖6所示。經(jīng)過(guò)模型優(yōu)化后，洗衣機(jī)的運(yùn)行時(shí)間被延遲了9個(gè)時(shí)間單位，即45 min。干衣機(jī)的運(yùn)行時(shí)間也延遲了1個(gè)時(shí)間單位，但由于洗衣機(jī)與干衣機(jī)工作的固定順序，干衣機(jī)的啟動(dòng)時(shí)間最終被延遲了10個(gè)時(shí)間單位，即50 min。

洗碗機(jī)的優(yōu)化結(jié)果如圖7所示。洗碗機(jī)被設(shè)定為一天中運(yùn)行兩次，并被分為3個(gè)步驟：洗、沖、消毒。3個(gè)步驟之間不需要連續(xù)，可以有一定時(shí)間的延時(shí)，且3個(gè)步驟的順序是固定的，不可隨意排序。由圖7可知，上午洗碗機(jī)的3個(gè)步驟分別被延時(shí)了23，2，5個(gè)時(shí)間單位，總共30個(gè)時(shí)間單位，即延遲了150 min。下午洗碗機(jī)的3個(gè)步驟分別被延時(shí)了1，1，4個(gè)時(shí)間單位，總共6個(gè)時(shí)間單位，即延遲了30 min。兩次的延遲時(shí)間均在允許時(shí)間范圍內(nèi)。

圖6　洗衣機(jī)與干衣機(jī)的運(yùn)行時(shí)間對(duì)比圖Fig. 6 Comparison of operation time for washing machine and clothes dryer

圖7　洗碗機(jī)的運(yùn)行時(shí)間對(duì)比圖Fig. 7 Comparison of operation time for dish washers

3.2.3可計(jì)劃負(fù)荷的優(yōu)化結(jié)果

模型中的可計(jì)劃負(fù)荷有電動(dòng)汽車(chē)、HVAC與熱水器。電動(dòng)汽車(chē)一天中的充電時(shí)間可以隨意分布，直到充滿(mǎn)為止，優(yōu)化結(jié)果如圖8所示。

由圖8可知，模型優(yōu)化的運(yùn)行時(shí)間使電動(dòng)汽車(chē)一部分的充電負(fù)荷避開(kāi)電價(jià)的高峰時(shí)段，從而達(dá)到為用戶(hù)降低用電成本的目的。

圖8　電動(dòng)汽車(chē)的運(yùn)行狀態(tài)圖Fig. 8 Comparison of operation time for EVs

HVAC與EWH屬于需要考慮用戶(hù)舒適度的負(fù)荷，運(yùn)行溫度如圖9和圖10所示。為了最小化與目標(biāo)溫度的溫差，優(yōu)化過(guò)程中，運(yùn)行狀態(tài)將依據(jù)目標(biāo)溫度自動(dòng)調(diào)整。HVAC與EWH模型中的相關(guān)參數(shù)如表3所示。

圖9　HVAC溫度對(duì)比圖Fig. 9 Comparison of temperature for HVAC

圖10　EWH溫度對(duì)比圖Fig. 10 Comparison of temperature for EWH

表3　HVAC與EWH模型的相關(guān)參數(shù)Tab. 3 Parameters of HVAC and EWH model

HVAC與EWH的最終溫度與目標(biāo)溫度的差值如表4所示。可以看出，HVAC與熱水器最終的優(yōu)化結(jié)果在降低用電成本的基礎(chǔ)上仍能基本滿(mǎn)足用戶(hù)設(shè)定的目標(biāo)溫度與舒適區(qū)間。

表4　HVAC與EWH的溫度對(duì)比分析Tab. 4 Comparison analysis of temperature for HVAC and EWH　　℃

4　結(jié)論

本文針對(duì)用戶(hù)側(cè)微電網(wǎng)，提出了基于價(jià)格激勵(lì)與可控負(fù)荷的微電網(wǎng)優(yōu)化運(yùn)行模型。模型中包括實(shí)時(shí)電價(jià)的分區(qū)策略與可控負(fù)荷的調(diào)控策略。分區(qū)策略將實(shí)時(shí)電價(jià)分為兩部分，簡(jiǎn)化了儲(chǔ)能單元的運(yùn)行方式；可控負(fù)荷的調(diào)控策略將可控負(fù)荷分為可延遲負(fù)荷與可計(jì)劃負(fù)荷兩部分，針對(duì)各自的運(yùn)行特性和約束進(jìn)行了詳細(xì)建模。將用戶(hù)用電成本，HVAC與熱水器溫度與目標(biāo)溫度的差值最小化作為優(yōu)化目標(biāo)，將分布式電源為負(fù)荷供電與為儲(chǔ)能充電比例，以及可延遲負(fù)荷的延遲時(shí)間，可計(jì)劃負(fù)荷的工作狀態(tài)作為決策變量。模型的仿真與優(yōu)化運(yùn)行結(jié)果分析表明：用戶(hù)的用電成本顯著降低，可延遲負(fù)荷的可延遲性與可計(jì)劃負(fù)荷運(yùn)行狀態(tài)的可調(diào)控性均得到體現(xiàn)和挖掘，驗(yàn)證了優(yōu)化模型的有效性和適用性。

參考文獻(xiàn)

［1］王金全，黃麗，楊毅.基于多目標(biāo)粒子群算法的微電網(wǎng)優(yōu)化調(diào)度［J］.電網(wǎng)與清潔能源，2014，30（1）：49-54. WANG Jinquan，HUANG Li，YANG Yi. OPtima1 disPatch of microgrid based on mu1t-objective Partic1e swarm oPtimization［J］. Power SYstem and C1ean EnergY，2014，30 （1）：49-54（in Chinese）.

［2］陶保震，孫攀，孫鋒，等.微電網(wǎng)運(yùn)行與平滑切換的控制策略［J］.電網(wǎng)與清潔能源，2014，30（12）：41-46. TAO Baozhen，SUN Pan，SUN Feng，et a1. Contro1 strategY of micro-grid oPeration and seam1ess switching［J］. Power SYstem and C1ean EnergY，2014，30（12）：41-46 （in Chinese）.

［3］謝清華.含多個(gè)微源的微電網(wǎng)并網(wǎng)/孤網(wǎng)運(yùn)行仿真研究［J］.陜西電力，2009，37（8）：10-13. XIE Qinghua. Simu1ation studY on micro-grid connection/ iso1ation oPeration containing mu1ti-micro-sources［J］. Shaanxi E1ectric Power，2009，37（8）：10-13.

［4］GUDI N，WANG L，DEVABHAKTUNI V. A demand side management based simu1ation P1atform incorPorating heuristic oPtimization for management of househo1d aPP-1iances［J］. Internationa1 Journa1 of E1ectrica1 Power & EnergY SYstems，2012，43（1）：185-193.

［5］RANA S K，KUMAR S，SAHOO S，et a1. AdaPtive e1ectricitY schedu1ing in micro grids［J］. Automation and Autonomous SYstem，2015，7（6）：151-156.

［6］彭旭東，邱澤晶，肖楚鵬.電力用戶(hù)能效監(jiān)測(cè)與需求響應(yīng)研究綜述［J］.節(jié)能技術(shù)，2013，31（3）：243-246. PENG Xudong，QIU Zejing，XIAO ChuPeng. Review of energY efficiencY monitoring and demand resPonse research［J］. EnergY Conservation Techno1ogY，2013，31（3）：243-246（in Chinese）.

［7］ATZENI I，ORDóN~EZ L G，SCUTARI G，et a1. Demandside management via distributed energY generation and storage oPtimization［J］. Smart Grid，IEEE Transactions on，2013，4（2）：866-876.

［8］閆華光，陳宋宋，鐘鳴，等.電力需求側(cè)能效管理與需求響應(yīng)系統(tǒng)的研究與設(shè)計(jì)［J］.電網(wǎng)技術(shù)，2015，39（1）：42-47. YAN Huaguang，CHEN Songsong，ZHONG Ming，et a1. Research and design of demand side energY efficiencY management and demand resPonse sYstem［J］. Power SYstem Techno1ogY，2015，39（1）：42-47（in Chinese）.

［9］劉壯志，許柏婷，牛東曉.智能電網(wǎng)需求響應(yīng)與均衡分析發(fā)展趨勢(shì)［J］.電網(wǎng)技術(shù)，2013，37（6）：1555-1561. LIU Zhuangzhi，XU Boting，NIU Dongxiao. Deve1oPment tendencY of equi1ibrium ana1Ysis and demand resPonse for smart grid［J］. Power SYstem Techno1ogY，2013，37（6）：1555-1561（in Chinese）.

［10］張欽，王錫凡，王建學(xué)，等.電力市場(chǎng)下需求響應(yīng)研究綜述［J］.電力系統(tǒng)自動(dòng)化，2008，32（3）：97-106. ZHANG Qin，WANG Xifan，WANG Jianxue，et a1. SurveY of demand resPonse research in deregu1ated e1ectricitY markets［J］. Automation of E1ectric Power SYstems，2008，32（3）：97-106（in Chinese）.

［11］MAO Meiqin，JI Meihong. Mu1ti-objective economic disPatch mode1 for microgrid considering re1iabi1itY［C］.2012 2nd IEEE Internationa1 SYmPosium on Power E1ectronics for Distributed Generation SYstem（PEDG），2010：993-998.

［12］PEDRASA M A A，SPOONER T D，MACGILL I F. Coordinated schedu1ing of residentia1 distributed energY resources to oPtimize smart home energY services［J］. Smart Grid，IEEE Transactions on，2010，1（2）：134-143.

［13］江岳春，王志剛，楊春月，等.微網(wǎng)中可控負(fù)荷的多目標(biāo)優(yōu)化策略［J］.電網(wǎng)技術(shù)，2013，37（10）：2875-2880. JIANG Yuechun，WANG Zhigang，YANG ChunYue，et a1. Mu1ti -objective oPtimization strategY of contro11ab1e 1oad in microgrid［J］. Power SYstem Techno1ogY，2013，37 （10）：2875-2880（in Chinese）.

［14］吳雄，王秀麗，崔強(qiáng).考慮需求側(cè)管理的微網(wǎng)經(jīng)濟(jì)優(yōu)化運(yùn)行［J］.西安交通大學(xué)學(xué)報(bào)，2013，47（6）：90-96. WU Xiong，WANG Xiu1i，CUI Qiang. OPtima1 oPeration of microgrid considering demand side management［J］. Journa1 of Xi’an Jiaotong UniversitY，2013，47（6）：90-96 （in Chinese）.

［15］DU Pengwei，LU Ning. APP1iance commitment for househo1d 1oad schedu1ing，transmission and distribution conference and exPosition（T&D）［J］. IEEE PES，2012（3）：7-10.

［16］王成山，劉夢(mèng)璇，陸寧.采用居民溫控負(fù)荷控制的微網(wǎng)聯(lián)絡(luò)線(xiàn)功率波動(dòng)平滑方法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（25）：36-43. WANG Chengshan，LIU Mengxuan，LU Ning. Atie-1ine Power smoothing method for microgrid using residentia1 thermostatica11Y-contro11ed 1oads［J］. Chinese SocietY for E1ectrica1 Engineering，2012，32（25）：36-43（in Chinese）.

［17］LU N. An eva1uation of the HVAC 1oad Potentia1 for Providing 1oad ba1ancing service［J］. Smart Grid，IEEE Transactions on，2012，3（3）：1263-1270.

［18］ARMAS J M，SURYANARAYANAN S. A heuristic technique for schedu1ing a customer-driven residentia1 distributed energY resource insta11ation［C］// Inte11igent SYstem APP1ications to Power SYstems，2009. ISAP＇09. 15th Internationa1 Conference on. IEEE，2009：1-7.

樊瑋（1992—），女，碩士研究生，研究方向?yàn)槲㈦娋W(wǎng)能量管理與在線(xiàn)優(yōu)化；

周楠（1992—），女，碩士研究生，研究方向?yàn)槲㈦娋W(wǎng)儲(chǔ)能配置與規(guī)劃運(yùn)營(yíng)；

劉念（1981—），男，博士，副教授，研究方向?yàn)殡娏π畔踩?、智能配用電與微電網(wǎng)、電動(dòng)汽車(chē)。

（編輯徐花榮）

Multi-0bjective 0ptimal 0peration Method for Micro-Grids on the User Side Based on Demand Response

FAN Wei1，ZHOU Nan1，LIU Nian1，LIN Xinhao1，ZHANG Jianhua1，LEI JinYong2
（1. Schoo1 of E1ectrica1 and E1ectronic Engineering，North China E1ectric Power UniversitY，Beijing 102206，China；2. CSG E1ectric Power Research Institute，Guangzhou 510080，Guangdong，China）

ABSTRACT：Demand resPonse enab1es consumers to active1Y ParticiPate in the oPtimization oPeration of the grid，which is an imPortant means to rea1ize the oPtima1 oPeration of micro-grid on the consumPtion side. In this PaPer，an oPtima1 oPeration mode1 based on Price incentive and contro11ab1e 1oad is Pro-Posed for micro-grids on the user side. The mode1 inc1udes the Partition strategY of Price and the regu1ation strategY of contro11ab1e 1oad. The minimization of e1ectricitY cost and the discomfort of users are set as the oPtimization object. The de1aY time of deferrab1e 1oad and oPeration status are set as decision variab1es. The simu1ation resu1t verifies the feasibi1itY and effectiveness of the oPtimization mode1 and shows that the mode1 Provides the theoretica1 suPPort for the 1ow-cost oPeration of micro-grids on the user side.

文章編號(hào)：1674-3814（2016）04-0017-07中圖分類(lèi)號(hào)：TM732

文獻(xiàn)標(biāo)志碼：A

基金項(xiàng)目：國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）資助項(xiàng)目（2014AA052001）；南方電網(wǎng)公司科技項(xiàng)目（K-KY2014-009）；南方電網(wǎng)科學(xué)研究院科技項(xiàng)目（SEPRI-K154001）。

收稿日期：2015-10-28。

作者簡(jiǎn)介：