基于分時電價模式的分布式風光發(fā)電就地消納模型

李鵬，華浩瑞，徐紹軍，常乾坤

(1.新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，河北省保定市 071003;2.國網(wǎng)北京市電力公司，北京市 100031)

基于分時電價模式的分布式風光發(fā)電就地消納模型

李鵬1，華浩瑞1，徐紹軍2，常乾坤2

(1.新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，河北省保定市 071003;2.國網(wǎng)北京市電力公司，北京市 100031)

提出分時電價機制下分布式風光接入主動配電網(wǎng)就地消納模型，該模型通過賦予主動配電網(wǎng)制定網(wǎng)內分時電價的權利來提高分布式風光消納率。首先分析了基于負荷分類的分時電價機制下負荷的價格型需求響應模型，其次建立了分時電價機制下分布式風光接入主動配電網(wǎng)就地消納模型，該模型以風光消納率最大為目標函數(shù)，計及多種必要約束。提出采用基于模擬退火算法的求解模型對所建立模型進行求解。最后通過一個算例驗證了該文方法可以有效提高分布式風光接入主動配電網(wǎng)的就地消納率。

主動配電網(wǎng)(ADN)；分布式風光；風光消納；需求響應；模擬退火算法

0 引 言

2015年3月，《國家能源局關于下達2015年風光發(fā)電建設實施方案的通知》出臺，要求全年新增風光電站建設規(guī)模達17.8 GW，并優(yōu)先建設35 kV以下、20 MW以下的接入配電網(wǎng)的分布式風光電站項目[1]。根據(jù)中國風能資源分布特點，未來中國風電發(fā)展將呈現(xiàn)大規(guī)模、高集中的開發(fā)趨勢[2]。而隨著分布式風光發(fā)電接入容量的提高，研究配電網(wǎng)風光消納能力及提高風光消納能力的措施具有重要的現(xiàn)實意義[3]。光伏發(fā)電以其環(huán)境友好、接入不受地域限制、資源豐富等特點得到越來越多的應用[4]。

負荷管理可以從需求側角度出發(fā)，通過降壓減載、對用戶進行負荷中斷、直接負荷控制等實現(xiàn)負荷管理，也可以利用需求側的主動性，通過行政措施、財政措施、節(jié)能措施與引導措施等激勵需求側主動改變用電特性。相比之下后者更能體現(xiàn)主動性和靈活性，具有更大的推廣價值。

文獻[5]分析了我國風電消納現(xiàn)狀及傳輸方式；文獻[3]基于某一實際系統(tǒng)饋線，結合當?shù)貙嶋H負荷及風光規(guī)劃容量，利用隨機場景方法，通過分析系統(tǒng)饋線來計算最大風光消納能力；文獻[6]針對大規(guī)模并網(wǎng)光電消納容量計算問題，構建了一種考慮網(wǎng)絡傳輸約束的消納分析模型；文獻[7]制定了以分布式風光消納最大化為目標的主動負荷需求響應方案。此外，還有一些文獻如文獻[8-10]針對地區(qū)特點建立模型計算了其風光消納容量。

需求響應是負荷管理的一種有效方式，通過價格信號或激勵機制使電力用戶主動改變自身的電力消費模式。其與傳統(tǒng)的以強制與控制為主的電力負荷管理方式相比，更突出了用戶的自主性，具備良好的負荷調節(jié)能力并且更能調動用戶參與的積極性。當前，智能化與信息化的發(fā)展與推廣為基于需求響應的源荷互動提供了優(yōu)良的實施條件。在用電單元智能化的基礎上，需求響應在智能電網(wǎng)中更有著突出的靈活性?；趦r格的需求響應，也稱作“價格型需求響應”，主要通過價格信號引導電力負荷合理調節(jié)和改善用電結構與用電方式。而在價格激勵模型中，分時電價作為價格激勵的主要方式之一，具有簡便易行的重要優(yōu)勢，在我國電力市場相對欠成熟和智能電網(wǎng)快速發(fā)展的當前，具備良好的推廣前景。

分時電價機制下負荷響應模型有線性模型、線性響應與時段轉移模型、負荷轉移模型等。在這些模型中，負荷轉移模型將負荷的轉移死區(qū)與飽和區(qū)納入模型中，并提供了完整的參數(shù)測定方案，擁有較高的準確性與靈活性，可有效體現(xiàn)負荷對電價變動的響應效果。

本文提出分時電價機制下分布式風光接入主動配電網(wǎng)就地消納模型，該模型通過賦予主動配電網(wǎng)制定網(wǎng)內分時電價的權利來提高負荷需求，從而達到提高風光消納率，同時增大主動配電網(wǎng)收益，降低用戶平均購電費用的效果。

1 價格激勵需求響應模型

在基于價格的需求側管理模型研究中，首要任務便是建立負荷對電價的響應模型。文獻[11]建立了價格型需求響應功率對電價的響應模型，認為二者之間是簡單的線性關系。也有文獻構建了電力需求彈性矩陣來表示不同時段間電力需求變化量與價格變化量之間的關系。

主動配電網(wǎng)中在外網(wǎng)分時電價下的負荷PL(t)大致可以分為3類，如式(1)所示：

PL(t)=PL-Ι(t)+PL-ΙΙ(t)+PL-ΙΙΙ(t)

(1)

式中：PL-Ι(t)為Ι類負荷，即易轉移負荷，用戶對電價變化的響應行為通常為自覺將部分該類負荷在不同時段間轉移，其適合負荷轉移率模型；PL-ΙΙ(t)為ΙΙ類負荷，為易節(jié)約和易替代負荷，即用戶對電價的響應行為通常為對該類負荷部分進行節(jié)約、增加用電或者將電能和其他能源之間進行相互替代，其適合電力需求彈性矩陣建模；PL-ΙΙΙ(t)為ΙΙΙ類負荷，為剛性負荷，其需求對電價變化的反映微小。實際中任何一種負荷對電價變化的響應都包含以上3個因素，然而大致進行這樣的劃分還是合理的。

對于Ι類負荷，在需求響應的負荷轉移模型中，定義“負荷轉移率”為實施峰谷電價之后，電力負荷從高電價時段向低電價時段的轉移量與高電價時段的負荷之比[12]。該參數(shù)可擬合為關于時段之間電價差的分段線性函數(shù)。以峰時段負荷向谷時段的轉移率為例，其分段線性函數(shù)的表達式為

(2)

式中：λpv為峰谷時段之間的轉移率；ΔPpv為峰時段與谷時段電價差；apv為價格響應的死區(qū)閾值，意味著時段間電價差較小時用戶不會對其作出明顯響應；λmaxpv為飽和轉移率，意味著達到這個閾值后，電價差進一步加大也不會導致轉移率的持續(xù)提高；Kpv為用戶轉移曲線的線性區(qū)斜率。此外，峰時段向平時段的轉移率表達式、平時段向谷時段轉移率表達式除參數(shù)外與此一致。

各時段在分時電價作用下的電力負荷需求PresL-Ι(t)為

(3)

對于ΙΙ類負荷，采用電價彈性系數(shù)est近似刻畫s時段負荷需求對t時段電價變化的響應。定義需求彈性矩陣E如式(4)所示，矩陣中元素表達式如式(5)所示：

E=(est)T×T

(4)

est=[ΔPL(s)/PL(s)]/[Δp(t)/p(t)]

(5)

式中：PL(s)為s時段ΙΙ類負荷原有負荷功率；ΔPL(s)為s時段ΙΙ類負荷對分時電機的響應變化功率；p(t)為原有分時電價水平；Δp(t)為制定網(wǎng)內分時電價水平與外網(wǎng)分時電價之差；對于ΙΙ類負荷，在制定分時電價之后，1天各時段負荷變化ΔPL-ΙΙ(s)如式(6)所示，ΙΙ類負荷在分時電價下的響應負荷PresL-ΙΙ(t)如式(7)所示：

(6)

(7)

對于ΙΙΙ類負荷，認為負荷需求不受分時電價制定的影響，在分時電價前后的負荷水平不變：

PresL-ΙΙΙ(t)=PL-ΙΙΙ(t)

(8)

(9)

因此根據(jù)提出的基于負荷分類的分時電價機制下需求側綜合響應模型可以得到響應負荷。

假定配電網(wǎng)中有N個負荷節(jié)點，對于任意一個負荷節(jié)點，其價格激勵需求響應負荷為所制定峰谷平電價的函數(shù)，如式(10)所示：

PresL,j(t)=f(pp,pv,pf,PL,j(t))

(10)

式中：PresL,j(t)為第j個負荷節(jié)點第t時段的需求響應負荷；pp、pv和pf分別為所制定的峰谷平時段的分時電價水平；PL,j(t)為第j個負荷節(jié)點第t時段的響應前負荷。

2 發(fā)電單元的數(shù)學模型

分布式風力發(fā)電和光伏發(fā)電都具有隨機性、間歇性和波動性，只有掌握分布式風光發(fā)電的出力分布特性，才能模擬分布式風光出力曲線從而驗證本文的就地消納模型。

2.1 風力發(fā)電特性

風電機(wind turbine，WT)的發(fā)電功率Pwind隨著風速v的變化而變化，二者之間的關系為：

(11)

(12)

式中：vci為切入風速；vr為額定風速；vco為切出風速；Pr為額定輸出功率；a與b為常系數(shù)。

而一個地區(qū)風速的分布一般采用雙參數(shù)(k,c) Weibull分布，概率密度函數(shù)為

(13)

式中k和c均為常數(shù)?？紤]到風速在大部分時間內處于vci和vr之間，則得出Pwind的概率密度函數(shù)[13]為

(14)

2.2 光伏發(fā)電特性

光伏(photovoltaic，PV)發(fā)電系統(tǒng)的輸出功率Ppv與光照強度I、電池陣列面積S和光電轉換效率η相關，可表示為Ppv=ISη。I在一定時間段內可近似服從β分布，則Ppv的概率密度函數(shù)[14]為

(15)

式中：Ppv,max為光伏發(fā)電系統(tǒng)最大輸出功率；α和β為光照強度I分布的形狀參數(shù)。

3 分布式風光集群就地消納模型

分布式風光接入配電網(wǎng)就地消納模型的目標函數(shù)為最大化風光消納率：

(16)

分布式風光接入配電網(wǎng)就地消納模型所需要滿足的約束條件如下詳述。

(1)上級配電網(wǎng)向含分布式風光接入配電網(wǎng)功率傳輸限制約束：

0≤Pgrid(t)≤Pmaxgrid

(17)

式中：Pgrid(t)為第t時段上級配電網(wǎng)向含分布式風光接入配電網(wǎng)的傳輸功率；Pmaxgrid為上級配電網(wǎng)向含分布式風光接入配電網(wǎng)的功率傳輸上限；本文分布式風光主要通過就地消納方式供本地負荷使用，因此不考慮向外網(wǎng)售電的情況。

(2)配電網(wǎng)線路功率傳輸約束：

(18)

(3)基于用戶效益不減的分時電價制定約束。價格激勵需求響應在調整負荷曲線時也要受到一定條件的約束，不能隨意設定電價，否則電力負荷用戶側的利益將無法保證。當制定了分時電價之后，為了保證用戶的利益以及分布式風光接入配電網(wǎng)的效益，用戶的平均購電價格不能上升，該約束如式(19)所示：

(19)

式中：p(t)為所制定的t時段分時電價水平；p0(t)為配電網(wǎng)原始分時電價水平。

用戶購電量是評價配電網(wǎng)經(jīng)濟效益的重要因素，用戶用電量基本上可以反映用戶通過用電獲得的生產(chǎn)生活效益。當制定了分時電價之后，負荷轉移率模型針對的易轉移負荷并不會影響用戶購電量，然而負荷彈性模型針對的彈性負荷可能隨著分時電價的制定增加或者減少。為了保證配電網(wǎng)的綜合效益，本文制定約束保證分時電價機制下用戶總購電量不會減少，如式(20)所示：

(20)

(4)基于配電網(wǎng)收益不減的分時電價制定約束。假定分布式風光的所有權為配電網(wǎng)，為了保持配電網(wǎng)采用需求側管理方案提高風光消納率的激勵，需要制定約束保證在分時電價機制下，配電網(wǎng)的收益不減：

(21)

式中不等式左項表示采用分時電價之前的配電網(wǎng)收益，右項表示分時電價機制下的配電網(wǎng)收益。

(5)各節(jié)點功率平衡約束。假定各節(jié)點向外流出功率為正方向，該約束如式(22)所示：

(22)

式中：I為與節(jié)點i相連接的節(jié)點集合；Pi,j(t)為t時段節(jié)點i向節(jié)點j的傳輸功率。

(6)用戶滿意度約束。盡管分時電價制定約束能夠基本上保證配電網(wǎng)效益和用戶利益，然而該約束并不能絕對保證這點。在分時電價機制下，盡管以上約束保證了用戶總購電量不減，用戶平均購電價格不增，然而轉移前的負荷和分時電價機制下負荷的消費者剩余是不一樣的，即用戶效益不同。對這種效益損耗有必要進行約束從而進一步保證用戶效益，從而使得模型也更適用于國民經(jīng)濟評價。

[15]的模型，用戶用電方式的滿意度定義為，從時間軸上用戶因用電方式改變而對滿意程度造成的影響，用電改變越大，用戶需要作出的調整也越多，因此將導致滿意度越低，其表達式為

(23)

ε≥ε0

(24)

式中ε0為要滿足的最小用戶滿意度。

由上式可以看出滿意度約束是關于電價變量的非線性約束，是一種相對復雜的約束條件，在其基礎上優(yōu)化問題也構成約束非線性優(yōu)化問題。

4 求解算法

本文對模型的上層和下層計算均采用模擬退火算法。模擬退火算法(simulated annealing，SA)是非線性優(yōu)化領域中頗受國內外學者關注的一種算法。該算法的思想最早于1953年由Metropolis提出，在1983年被Kirkpatrick等人引入組合優(yōu)化領域，后不斷在研究與實踐中得到發(fā)展與改進，目前成為具有強實用性的非線性優(yōu)化算法[16]。

模擬退火算法的退火過程由冷卻進度表控制，主要包括控制參數(shù)的初始值T0、每個溫度下的Mapkob鏈長度L，以及算法的終止條件[17]。退火過程有多種方式，主要作用是使溫度下降，本文選擇快速退火公式來完成退火過程。由此可見，模擬退火算法是基于單點搜索的方式，因此相比于群智能算法，其計算量小，非常適合于本文這樣單次計算相對復雜的優(yōu)化求解過程。

基于模擬退火算法的上層電價優(yōu)化方法為：對于待優(yōu)化的電價變量，記其任意搜索中間過程第k步的取值為εPRk，則上層可根據(jù)此值計算得到相應的電價曲線，傳送到下層后，獲得下層反饋來的成本并換算為適應度函數(shù)，該適應度越大越優(yōu)。根據(jù)模擬退火算法的Metropolis準則，設定模擬退火接受概率為

(25)

式中：pacc為接受概率；εPRk為第k次迭代時的搜索點；εPR(k-1)為第(k-1)次迭代時的搜索點；β為比例常數(shù)，用于根據(jù)具體算例調整數(shù)量級；F1(·)為適應度函數(shù)；Tk為第k次迭代時的溫度，通過式(26)快速模擬退火降溫公式實現(xiàn)更新：

(26)

式中：T0為初始溫度；α為控制退火速度的常數(shù)。算法停止條件為退火溫度降到設定值TS以下。

新電價組合搜索點的產(chǎn)生函數(shù)為

εPRk=εPR(k-1)+rηδ

(27)

式中：r為0到1之間的隨機數(shù)；η為限制每次迭代的最大步長的常系數(shù)；δ是長度為1、方向隨機的3維單位方向向量。

5 算例

為驗證本文方法的有效性，參考了文獻[18]中的主動配電網(wǎng)結構。

將1天分為24個調度時段。該配電網(wǎng)線路單位阻抗為(0.642+j0.101)Ω/km，主動配電網(wǎng)中接入儲能容量250 kW·h，儲能充放電上限功率都為30 kW，為了增加供電可靠性，配電網(wǎng)中接入微燃機和燃料電池，其輸出功率上限分別為130 kW和125 kW。其中，光伏并網(wǎng)容量為0.2 MW，風電并網(wǎng)容量為0.2 MW。外網(wǎng)初始分時電價為：第1到第7時段為谷時，電價為0.17元/( kW·h)，第11到第15時段以及第19到第21時段為峰時，電價為0.83元/(kW·h)，其余時段為平時，電價為0.49元/(kW·h)。

假定該配電網(wǎng)主要向居民負荷供電，原先采用與外網(wǎng)一致的分時電價機制。算例中主動配電網(wǎng)在原有外網(wǎng)分時電價下的負荷預測曲線以及風光出力預測曲線如圖1所示。主動配電網(wǎng)負荷構成如圖2所示。此外，為了更好地應對風光出力的波動性和間歇性，該主動配電網(wǎng)同時在主要負荷節(jié)點接入微燃機和燃料電池以平抑風光出力不確定性。微燃機和燃料電池的燃料成本曲線參考文獻[19]。

圖1 風光功率出力預測及主動配電網(wǎng)總負荷預測曲線

圖2 主動配電網(wǎng)負荷構成

求解算例可以得到主動配電網(wǎng)的分布式風光就地消納方案如圖3所示。

圖3 分布式風光就地消納方案

從圖3中可以看出，在第1時段到第17時段，由于風光綜合出力高于負荷水平，完全可以滿足負荷需求，微燃機、燃料電池幾乎不工作，主動配電網(wǎng)也不需要向上級配電網(wǎng)輸入功率，只有儲能基本在充電，以便在后面負荷高峰時段放電。此時為了增大風光消納率并且進一步提高主動配電網(wǎng)收益，主動配電網(wǎng)制定了相對外網(wǎng)分時電價水平更低的分時電價，根據(jù)價格型負荷響應特性，該措施增大了負荷需求，提高了分布式風光消納率。而由于增加的售電量收益足以彌補分時電價的下調的收益損失，主動配電網(wǎng)獲得了更大的效益，用戶獲得了更低的平均購電電價，產(chǎn)生了雙贏的結果。

當?shù)搅?7時段之后，由于風光預測出力大幅降低，而負荷水平卻達到高峰，此時風光出力不足以滿足負荷需求，主動配電網(wǎng)采用了各種措施：開啟微燃機、開啟燃料電池、調度儲能放電以及增大向上級配電網(wǎng)的購電功率。由于燃料電池效率較高，具有更好的經(jīng)濟效益，因此優(yōu)化的結果是燃料電池具有更大的出力。此時，配電網(wǎng)并沒有采用提高分時電價的手段抑制負荷需求，這是因為降低負荷需求導致的收益損失遠遠大于分布式可控微源的出力成本。

在未采用本文分時電價模式時，算例一的風光實際調用功率曲線和預測曲線如圖4所示，此時分布式光伏消納率為90.86%，分布式風電消納率達到了93.79%，分布式風光綜合消納率為93.4%，存在一定的棄風棄光現(xiàn)象，浪費了資源。在采用本文基于分時電價模式的消納模型之后，消納率提高到了100%。

圖4 未采用分時電價前風光實際調用曲線和預測出力曲線

通過分析可知，本文算例中分布式風光消納率的提高完全是制定了配電網(wǎng)內分時電價的作用。配電網(wǎng)中分布式風光消納率受到眾多因素的影響，如風光出力曲線、負荷曲線、儲能容量大小、儲能充放電上下限等，在本文模型中，還受到負荷構成、第Ⅰ類負荷的轉移率、第Ⅱ類負荷電價彈性系數(shù)矩陣的影響。不管是否采用本文分時電價模式，模型中已經(jīng)考慮了消納率提高的各種手段，充分利用了儲能的削峰填谷作用發(fā)掘了分布式風光消納率，因此在采用本文模型后消納率的提高完全是分時電價模式的作用。

事實上，主動配電網(wǎng)制定的分時電價與外網(wǎng)分時電價對比如圖5所示。

圖5 外網(wǎng)分時電價和主動配電網(wǎng)制定網(wǎng)內分時電價對比

可見，本文算例中風光高滲透率較高，而這給予了主動配電網(wǎng)通過分時電價制定機制獲取了更大收益空間的同時，提高了分布式風光消納率。

分時電價機制通過負荷的需求響應特性改變了負荷曲線，主動配電網(wǎng)在分時電價機制下的總負荷響應曲線如圖6所示。

圖6 分時電價機制下總負荷響應曲線

由圖6可見，當主動配電網(wǎng)采用分時電價機制時，在風光出力大于負荷水平時，提高了負荷需求，使其基本達到了不確定風光出力水平，增大了消納率。當負荷高峰而分布式風光出力處于低谷時，對風光出力進行充分的消納。在未采用分時電價機制下，主動配電網(wǎng)1天的負荷需求為42.341 MWh，在分時電價機制下，1天的負荷需求為48.038 MWh，可見，分時電價機制大幅增加了負荷需求，產(chǎn)生更大的社會經(jīng)濟效益。

主動配電網(wǎng)在未采用分時電價機制時和采用分時電價機制下的1天收益對比如圖7所示。

由圖7可見，在分時電價機制下，主動配電網(wǎng)的收益大幅度提高，而且基本上是在風光出力高于負荷

圖7 分時電價機制前后主動配電網(wǎng)1天收益對比

需求時產(chǎn)生的，其余時段中不管有沒有分時電價機制收益差別不大，這一方面是因為本文主動配電網(wǎng)的電源配置容量足夠滿足負荷需要，因此基本上沒有進行負荷中斷，另一方面，由于本文模型對主動配電網(wǎng)制定網(wǎng)內分時電價的行為進行了合理的約束，使其不能通過該機制獲取不合理的壟斷利益。事實上，在采用分時電價機制前主動配電網(wǎng)1天的總收益為 15 151元，用戶1天平均購電電價為0.604 9元/(kWh)，采用分時電價機制后主動配電網(wǎng)1天總收益增加為20 489元，用戶1天平均購電成本下降為為0.451 0/(kW·h)?？梢姺謺r電價增加了負荷需求和主動配電網(wǎng)收益，降低了用戶平均購電成本，最主要的是提高了分布式風光的消納率，達成了雙贏的結果。

6 結論與展望

本文首先分析了負荷水平對分時電價的響應模型，其次提出了分時電價機制下主動配電網(wǎng)接入分布式風光就地消納模型。通過賦予主動配電網(wǎng)制定網(wǎng)內分時電價的權力，可以增大用戶負荷需求，提高主動配電網(wǎng)收益，降低用戶平均購電價格，以及增大了分布式風光就地消納率。

本文的方法需要較高的智能化負荷管理基礎。在實際工程中，如果負荷管理技術發(fā)展不充分，則需要將分時電價先設置為較小的分段差異，隨著工藝改造逐步調整為理想值，調整周期根據(jù)地區(qū)用電特性而定。在發(fā)展到一定階段的狀況下，可以根據(jù)天氣狀況每個月份或季度制定具體的電價安排，而且在需要就地消納的地區(qū)也可以采用專門的本地電價，或者依然沿用統(tǒng)一電價水平，但通過補貼等方式間接實現(xiàn)分時電價的需求響應。在更加成熟的智能電網(wǎng)階段，如在相關的示范工程項目中，可通過智能電網(wǎng)技術采用日前電價的方式，直接實現(xiàn)快速的需求響應，該方式可通過源荷互動實現(xiàn)最大程度的整體優(yōu)化。

7 參考文獻

[1] 劉皓明，陸丹，楊波，等. 可平抑高滲透分布式風光發(fā)電功率波動的儲能電站調度策略[J]. 高電壓技術，2015,41(10): 3214-3223.

LIU Haoming, LU Dan, YANG Bo，et al. Dispatch strategy of energy storage station to smooth power fluctuations of high penetration photovoltaic generation[J]. High Voltage Engineering, 2015,41(10): 3214-3223.

[2] 白建華，辛頌旭，賈德香，等. 中國風電開發(fā)消納及輸送相關重大問題研究[J]. 電網(wǎng)與清潔能源，2010,26(1)：14-17.

BAI Jianhua, XING Songxu, JIA Dexiang，et al. Study of major questions of wind power digestion and transmission in China[J]. Power System and Clean Energy，2010,26(1)：14-17.

[3] 趙波，韋立坤，徐志成, 等. 計及儲能系統(tǒng)的饋線風光消納能力隨機場景分析[J]. 電力系統(tǒng)自動化，2015，39(9)：33-40.

ZHAO Bo，WEI Likun，XU Zhicheng，et al. Photovoltaic accommodation capacity determination of actual feeder based on stochastic scenarios analysis with storage system considered[J]. Automation of Electric Power Systems，2015,39(9)：33-40.

[4] 欒偉杰，蔣獻偉，張節(jié)潭，等.考慮主動管理的分布式光伏發(fā)電消納能力研究[J].電力建設，2016，37(1)：137-143.

LUAN Weijie，JIANG Xianwei，ZHANG Jietan，et al. Consumptive ability analysis for distributed photovoltaic generation considering active management[J]. Electric Power Construction,2016，37 (1)：137-143.

[5] 郭飛，王智冬，王帥，等. 我國風電消納現(xiàn)狀及輸送方式[J]. 電力建設，2014，35( 2) : 18-22.

GUO Fei，WANG Zhidong，WANG Shuai，et al. Consumption situation and transmission modes of wind power in China [J].Electric Power Construction，2014，35(2)：18-22.

[6] 歐陽聰，劉明波. 考慮網(wǎng)絡傳輸約束的并網(wǎng)風光發(fā)電消納容量計算[J]. 電力系統(tǒng)保護與控制，2016，44(5):17-23.

OUYANG Cong, LIU Mingbo. Computing of accommodation capacity of grid-integrated photovoltaic generation considering network’s transmission constraints[J]. Power System Protection and Control,2016, 44(5):17-23.

[7] 湯奕，魯針針，伏祥運. 居民主動負荷促進分布式電源消納的需求響應策略[J]. 電力系統(tǒng)自動化，2015，39(24)：49-55.

TANG Yi, LU Zhenzhen, FU Xiangyun. Demand response strategies for promotion accommodation of distrubuted power generation with residential active loads[J]. Automation of Electric Power Systems, 2015,39(24):49-55.

[8] 姚天亮，鄭海濤，楊德洲. 甘肅河西500萬 kW風光就地消納及調峰分析[J]. 中國電力，2014，47(3)：14-18.

YAO Tianliang, ZHENG Haitao，YANG Dezhou. Analysis on local accommodation and peaking issues of 5000 MW PV in Hexi area of Gansu province[J]. Electric Power,2014,47(3)：14-18.

[9] 寧光濤，謝海鵬，別朝紅. 海南電網(wǎng)分布式風光消納能力評估[J]. 南方電網(wǎng)技術，2015，9(5)：59-65.

NING Guangtao, XIE Haipeng, BIE Zhaohong. Evaluation of distributed photovoltaic integration capacity of Hainan power grid[J]. Southern Power System Technology，2015，9(5)：59-65.

[10] 余瀟瀟，張璞，劉兆燕. 北京電網(wǎng)風電發(fā)展與消納能力[J].電力建設，2015，36(8) : 49-54.

YU Xiaoxiao，ZHANG Pu，LIU Zhaoyan. Development and maximum accommodating capacity of wind power in Beijing power grid[J]. Electric Power Construction, 2015，36(8): 49-54.

[11] 曾丹，姚建國，楊勝春，等.應對風電消納中基于安全約束的價格型需求響應優(yōu)化調度建模[J].中國電機工程學報，2014，34(31)：5571-5578.

ZENG Dan，YAO Jianguo，YANG Shengchun，et al .Optimization dispatch modeling for price-based demand response considering security constraints to accommodate the wind power[J].Proceedings of the CSEE，2014，34(31)：5571-5578.

[12] 阮文駿, 王蓓蓓, 李揚. 峰谷分時電價下的用戶響應行為[J]. 電網(wǎng)技術, 2012, 36(7): 86-93.

RUAN Wenjun, WANG Beibei, LI Yang. Customer response behavior in time-of-use price[J]. Power System Technology, 2012, 36(7): 86-93.

[13] 王成山，鄭海峰，謝瑩華，等.計及分布式發(fā)電的配電系統(tǒng)隨機潮流計算[J].電力系統(tǒng)自動化，2005，29(24)：39-44.

WANG Chengshan，ZHENG Haifeng，XIE Yinghua，et al.Probabilistic power flow containing distributed generation in distribution system[J].Automation of Electric Power Systems，2005，29(24)：39-44.

[14] KARAKI S H，CHEDID R B，RAMADAN R.Probabilistic performance assessment of autonomous solar-wind energy conversion systems [J].IEEE Transactions on Energy Conversion，1999，14(3)：766-772.

[15] 丁偉，袁家海，胡兆光. 基于用戶價格響應和滿意度的峰谷分時電價決策模型[J]. 電力系統(tǒng)自動化，2005，29(20)：10-14.

DING Wei，YUAN Jiahai，HU Zhaoguang. Time-of-use price decision model considering users reaction and satisfaction index[J]. Automation of Electric Power Systems，2005，29(20)：10-14.

[16] 戴雯霞，吳捷.無功功率優(yōu)化的改進退火選擇遺傳算法[J].電網(wǎng)技術，2001，25(11)：33-37.

DAI Wenxia，WU Jie.A modified genetic algorithm with annealing selection for reactive power optimization[J].Power System Technology, 2001，25(11)：33-37.

[17] 劉科研, 盛萬興, 李運華. 基于改進遺傳模擬退化算法的無功優(yōu)化[J]. 電網(wǎng)技術, 2007, 31(3): 13-19.

LIU Keyan, SHENG Wanxing, LI Yunhua. Research on reactive power optimization based on improved genetic simulated annealing algorithm [J]. Power System Technology, 2007, 31(3): 13-19.

[18] 尤毅，劉東，鐘清，等.主動配電網(wǎng)優(yōu)化調度策略研究[J].電力系統(tǒng)自動化，2014，38(9)：177-183.

YOU Yi，LIU Dong，ZHONG Qing, et al.Research on optimal schedule strategy for active distribution network[J].Automation of Electric Power Systems,2014，38(9)：177-183.

[19] 李鵬，徐偉娜，周澤遠，等. 基于改進萬有引力搜索算法的微網(wǎng)優(yōu)化運行[J]. 中國電機工程學報，2014，34(19)：3073-3079.

LI Peng，XU Weina，ZHOU Zeyuan，et al. Optimal operation of microgrid based on improved gravitational search algorithm [J]. Proceedings of the CSEE，2014，34(19)：3073-3079.

(編輯 張媛媛)

Local Accommodation Model of Distributed Wind/Photovoltaic Power Based on TOU Power Price Mechanism

LI Peng1, HUA Haorui1, XU Shaojun2, CHANG Qiankun2

(1.State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, Hebei Province, China; 2.State Grid Beijing Electric Power Company, Beijing 100031, China)

This paper proposes a local accommodation model of distributed wind/photovoltaic power accessed to active distribution network based on time-of-use (TOU) power price mechanism, which is able to increase the accommodation rate of distributed wind/photovoltaic power by giving active distribution network the right to set the TOU power price. Firstly, this paper analyzes the price-based demand response of load under TOU power price mechanism based on load classification. Then, this paper constructs a local accommodation model of distributed wind/photovoltaic power accessed to active distribution network based on TOU power price mechanism, whose objective function is the maximum wind/photovoltaic power accommodation rate while considering several necessary constraints. And this paper adopts simulated annealing algorithm to solve the proposed model. Lastly, the example results show that the proposed method can increase the accommodation rate of wind/photovoltaic power accessed to active distribution network effectively.

active distribution network(ADN); distributed wind/photovoltaic; wind/photovoltaic accommodation; demand response; simulated annealing algorithm

國家電網(wǎng)公司科技項目(520201150012)

TM 61

A

1000-7229(2016)12-0104-08

10.3969/j.issn.1000-7229.2016.12.014

2016-04-27

李鵬(1965)，男，博士，教授，IEEE高級會員，主要研究方向為新能源并網(wǎng)發(fā)電微網(wǎng)技術、電能質量分析與控制、電力電子技術在智能電網(wǎng)中的應用等；

華浩瑞(1992)，男，碩士研究生，主要研究方向為新能源并網(wǎng)發(fā)電與微網(wǎng)技術；

常乾坤(1985)，男，博士，高級工程師，主要研究方向為電力電子技術、傳感器控制技術；

徐紹軍(1975)，男，碩士，高級工程師，主要研究方向為電力系統(tǒng)分析，科技項目管理。