基于需求響應(yīng)技術(shù)的主動配電網(wǎng)優(yōu)化調(diào)度

金煒，駱晨，徐斌，王劉芳，李偉

(1．國網(wǎng)安徽省電力公司，合肥市230061;2．國網(wǎng)安徽省電力公司電力科學研究院，合肥市230022)

基于需求響應(yīng)技術(shù)的主動配電網(wǎng)優(yōu)化調(diào)度

金煒1，駱晨2，徐斌2，王劉芳2，李偉2

(1．國網(wǎng)安徽省電力公司，合肥市230061;2．國網(wǎng)安徽省電力公司電力科學研究院，合肥市230022)

針對可再生能源大量接入配電網(wǎng)后，由于其自身出力的隨機性和波動性給配網(wǎng)的調(diào)控所帶來的困難，引入需求響應(yīng)技術(shù)，充分利用用戶受電價影響改變用電模式的能力，提出了一種主動配電網(wǎng)(active distribution network，ADN)魯棒優(yōu)化調(diào)度方法，在保證系統(tǒng)運行安全可靠的基礎(chǔ)上優(yōu)化配網(wǎng)運行。該方法分為三個階段:第一階段，通過不確定集的形式表征可再生能源出力的隨機性，并通過極端場景法對集合進行削減，最終將不確定性參數(shù)轉(zhuǎn)化為確定性參數(shù);第二階段，運用需求響應(yīng)技術(shù)，通過電價激勵達到調(diào)控負荷的目的，從而實現(xiàn)對負荷削峰填谷的作用;第三階段，運用兩層規(guī)劃模型將可再生能源的無功調(diào)節(jié)能力與配電網(wǎng)傳統(tǒng)調(diào)控手段相配合，統(tǒng)籌調(diào)控，從而實現(xiàn)降低主動配電網(wǎng)的網(wǎng)損和電壓波動，減少傳統(tǒng)設(shè)備的調(diào)節(jié)次數(shù)，優(yōu)化配網(wǎng)運行。最后基于美國PG＆E 69節(jié)點系統(tǒng)對所提方法的有效性進行了驗證。

主動配電網(wǎng)(ADN);可再生能源;可調(diào)魯棒優(yōu)化;需求響應(yīng);兩層規(guī)劃模型

0 引言

隨著一次化石能源的日益枯竭和人類對環(huán)保需求的不斷提升，越來越多的可再生能源接入配電網(wǎng)，并被就地消納形成主動配電網(wǎng)［1］。然而風電和光伏等分布式電源(distributed generation，DG)出力具有波動性與隨機性等特點，并且就目前的技術(shù)條件，配電網(wǎng)很難準確得出間歇性分布式電源出力概率分布，這使得可再生能源的接入給傳統(tǒng)配電網(wǎng)的運行模式帶來了嚴峻的挑戰(zhàn)［2-3］。

針對主動配電網(wǎng)可再生能源出力波動性帶來的問題，文獻［4－6］對有效地利用DG功率的調(diào)節(jié)能力，減小DG出力波動性帶來的影響，優(yōu)化系統(tǒng)運行進行了相關(guān)研究。文獻［4］考慮當傳統(tǒng)的電壓控制方法都無效時，采用削減DG有功輸出的方法使越限的節(jié)點電壓恢復(fù)正常。文獻［5］通過兩階段規(guī)劃法合理調(diào)度DG與配電網(wǎng)傳統(tǒng)調(diào)節(jié)設(shè)備，以達到降低網(wǎng)損，減少設(shè)備調(diào)節(jié)次數(shù)，優(yōu)化系統(tǒng)運行的目的。文獻［6］同時考慮DG的有功、無功輸出以及儲能設(shè)備的充放電來實現(xiàn)一段時間內(nèi)網(wǎng)絡(luò)的 DG功率利用率最大。

為了解決可再生能源出力不確定性的問題，文獻［7－9］將隨機優(yōu)化模型應(yīng)用到系統(tǒng)的優(yōu)化調(diào)控中。當大規(guī)模光伏接入系統(tǒng)時，文獻［7］運用魯棒性和不確定性預(yù)算優(yōu)化系統(tǒng)的調(diào)度決策。文獻［8］運用了兩階段機會約束模型實現(xiàn)對備用機組和風電出力的配合規(guī)劃。文獻［9］將抽水蓄能與火電機組結(jié)合，運用魯棒優(yōu)化和不確定集實現(xiàn)風能接入系統(tǒng)實時的優(yōu)化調(diào)度。

然而，考慮到實際配電網(wǎng)的運維成本，在主動配電網(wǎng)中加裝大量可控設(shè)備在經(jīng)濟上是不可行的，所以本文在上述研究的基礎(chǔ)上，考慮讓用戶積極參與到系統(tǒng)運行的調(diào)控中去。根據(jù)文獻［10－11］，隨著配電側(cè)電力市場的逐步放開，需求響應(yīng)(demand response，DR)技術(shù)將成為用戶側(cè)管理的重要技術(shù)手段，通過用戶對價格或者激勵信號做出響應(yīng)，自覺改變電力消費模式，使得用戶不僅可以在可再生能源供電充裕的時段享受到低價電能，而且可以有效地解決負荷波動過大所帶來的系統(tǒng)運行安全穩(wěn)定問題，對負荷進行削峰填谷，提高了配電網(wǎng)運行的經(jīng)濟性和可靠性。

綜上所述，本文在考慮DG出力的不確定性和波動性對主動配電網(wǎng)日常調(diào)控產(chǎn)生不利影響的情況下，以最大化利用本地DG的輸出和需求響應(yīng)調(diào)節(jié)能力，降低配電網(wǎng)運行成本為目標，基于魯棒優(yōu)化理論和需求響應(yīng)技術(shù)，提出一種新型的三階段魯棒優(yōu)化調(diào)度方法。

1 需求響應(yīng)技術(shù)

1.1理論介紹

隨著配電側(cè)售電市場的不斷放開，主動配電網(wǎng)將在未來的電能交易中充當重要的角色。通常根據(jù)種類不同將需求分為兩類:第一類是不會受電價的波動而改變的需求，稱為剛性需求;另一類是隨著電價的波動用電需求量隨之發(fā)生改變的需求，稱為彈性需求。文獻［12］以彈性需求函數(shù)表征彈性需求與價格之間的關(guān)系，如式(1)所示:

式中:d表示用電需求;p表示單位售電價格;α、σ為彈性需求系數(shù)。

由式(1)可以看出，隨著電價下調(diào)，用電量顯著提升，然而根據(jù)文獻［13］，當配網(wǎng)運營商參與到交易市場，實際負荷超過協(xié)議購買的電量時，會存在相應(yīng)的價格懲罰系數(shù)μ，即配網(wǎng)的購電成本將顯著上升，并且當負荷過重時還會影響到配網(wǎng)的穩(wěn)定運行。配電網(wǎng)的購電價格與購電量之間的函數(shù)［14］可表述為式中:β為基礎(chǔ)購電價格，yt為t時段內(nèi)配網(wǎng)實際向主網(wǎng)購買電量;為t時段內(nèi)配網(wǎng)協(xié)議購買電量。

圖1展示了用電量與單位用電價格和購電成本之間的關(guān)系。圖中分別表示t時段用戶電能的剛性需求量和最大需求量，顯然?？梢钥吹皆?條曲線的交點()處用戶可以獲得優(yōu)惠的電價并且配電網(wǎng)運營在一個經(jīng)濟環(huán)境下。當超過時，配網(wǎng)的購電價格將大于向用戶側(cè)的售電價格。定義彈性負荷低價電能收益函數(shù)

與式(3)相似，定義購電成本函數(shù)Rt(yt):

圖1 需求響應(yīng)曲線Fig.1 Demandresponsecurve

由公式(3)綜合彈性負荷價格收益和公式(4)配網(wǎng)購電成本，可得到任意時段內(nèi)需求響應(yīng)調(diào)節(jié)的經(jīng)濟成本:

式中:n表示配網(wǎng)節(jié)點編號;T表示運行總時段;N為配電網(wǎng)內(nèi)節(jié)點的個數(shù)。

1.2函數(shù)的分段階梯處理

在實際的電力市場交易中，由于計算復(fù)雜不便操作，價格曲線并非是呈光滑變化，而是簡化成隨著用電量的變化呈階梯狀變化。基于上述思想，本文采用分段階梯化處理來等效需求響應(yīng)函數(shù):

根據(jù)式(6)—(8)可以得到如圖2所示電價分段階梯化圖。

圖2 彈性需求函數(shù)分段階梯化示意圖Fig.2 Step-wisefunctionapproximationof elasticdemandfunction

式中k0為實際彈性需求量所屬階段。

由此，將式(6)代入式(5)，對任意時段，需求響應(yīng)調(diào)節(jié)的經(jīng)濟成本可改寫為

2 確定性數(shù)學模型

2.1目標函數(shù)

當DG的輸出為確定性參數(shù)時，本文通過需求響應(yīng)技術(shù)合理地調(diào)控彈性負荷，并充分利用可再生能源(風電、光伏)逆變器出口功率的調(diào)節(jié)能力，與配電網(wǎng)傳統(tǒng)調(diào)節(jié)設(shè)備:有載調(diào)節(jié)變壓器(under-load tap changer，ULTC)與電容器組(shunt capacitors，SC)相配合，統(tǒng)籌調(diào)控，從而實現(xiàn)降低主動配電網(wǎng)的網(wǎng)損和電壓波動性，減少傳統(tǒng)設(shè)備的調(diào)節(jié)次數(shù)，提高配網(wǎng)引入需求響應(yīng)技術(shù)的經(jīng)濟性，優(yōu)化配網(wǎng)運行。由此可以得到目標函數(shù)為

式中:f為主動配電網(wǎng)運行總指標，指標值越低表示系統(tǒng)各項指標運行狀況越好;Crespond為需求響應(yīng)調(diào)節(jié)的經(jīng)濟成本指標;Closs為主動配電網(wǎng)網(wǎng)損指標;Cdevice為主動配電網(wǎng)傳統(tǒng)設(shè)備動作次數(shù)指標;Cquality為主動配電網(wǎng)運行電壓波動性指標。

各項指標的具體計算公式如下所示:

為了解決各項指標單位不統(tǒng)一的問題，本文基于標幺值思想，以在沒有進行優(yōu)化前配網(wǎng)的各項指標為基準值，對各項指標進行去單位化處理。

2.2約束條件

(1)功率平衡約束:

(2)節(jié)點電壓約束:

(4)變壓器檔位約束:

(5)電容器投入組數(shù)約束:

(6)實際負荷約束:

3 不確定性數(shù)學模型

上一節(jié)數(shù)學模型是建立在分布式電源出力預(yù)測準確無誤的前提下，然而實際情況與預(yù)測偏差較大時，模型的一些約束條件可能不再滿足，使得在確定性模型下最優(yōu)解可能不再最優(yōu)甚至不可行。因此將魯棒優(yōu)化引入本文模型中。

3.1出力不確定性描述

考慮到風電和光伏出力預(yù)測的不確定性，t時段內(nèi)第i個DG的出力可以表述為

考慮到多個DG之間在同一時段下的出力預(yù)測不具有關(guān)聯(lián)性，本文將t時段各DG出力區(qū)間系數(shù)之和定義為模型的不確定性系數(shù)，用以表征整體配網(wǎng)DG出力的不確定性:

顯然0≤t≤G，可根據(jù)現(xiàn)場實際情況制定t，從而調(diào)控模型的魯棒性?？梢钥闯?，當t=0時，該模型為確定性模型。

根據(jù)上述理論可以得到DG的出力預(yù)測場景s，其集合S如下所示:

3.2魯棒優(yōu)化模型的建立

魯棒優(yōu)化的核心思想是:它并非以建立目標函數(shù)最優(yōu)的數(shù)學期望值模型為目標，而是以最惡劣情況下優(yōu)化為基礎(chǔ)，通過優(yōu)化目標函數(shù)的下限值，使得不確定性因素在預(yù)測場景集合內(nèi)發(fā)生變化時，仍能保證優(yōu)化方案在滿足可行域條件內(nèi)，對目標函數(shù)進行優(yōu)化。

根據(jù)配電網(wǎng)的實際情況可以看出，極端場景主要分為2種:(1)負荷較輕時段內(nèi)，DG的輸出量達到預(yù)測值波動范圍的上限;(2)負荷較重時段內(nèi)，DG的輸出量達到預(yù)測值波動的下限?；谏鲜?種場景，可定義配電網(wǎng)用電需求水平D*，當總需求大于D*時認為該時段配電網(wǎng)負荷較重，當總需求小于D*時認為該時段配電網(wǎng)負荷較輕。由此根據(jù)D*將DG的出力預(yù)測場景集S分為2個子集:

式中:T'、T″分別為總需求大于D*、小于D*的時段數(shù)，則根據(jù)T'、T″定義可以得出:

綜上所述，針對場景集S1，目標函數(shù)為

針對場景集S2，目標函數(shù)為

根據(jù)(28)與(29)可以得到，總的目標函數(shù)(11)變?yōu)?/p>

式中:Ω為決策變量yt滿足場景集所有場景的魯棒可行域。

引入電價階梯化后，增加約束條件:

另外，約束條件公式(6)改寫為

約束條件公式(21)改寫為

4 魯棒優(yōu)化模型求解方法

通過第3節(jié)的數(shù)學模型可以看出，DG的輸出功率和系統(tǒng)彈性需求是連續(xù)型變量，變壓器的檔位調(diào)節(jié)和電容器組的投入組數(shù)是離散型變量，而且不同于傳統(tǒng)多時段下系統(tǒng)優(yōu)化調(diào)度所要解決的混合變量多目標優(yōu)化問題。根據(jù)目標函數(shù)可得，變壓器分接頭所在檔位和電容器組的投入組數(shù)各時段之間相互關(guān)聯(lián)影響，屬于多階段決策過程。綜上所述，本文所提模型解決的是一個不確定性的多階段決策過程混合優(yōu)化問題。

圖3 三階段優(yōu)化方案框架Fig.3 Frameworkofthree-stageplanningscheme

如圖3所示，為了解決上述問題，本文提出一個三階段的優(yōu)化調(diào)控方案。在第一階段，通過魯棒優(yōu)化生成DG的出力預(yù)測場景集，并運用極端場景法限定不確定參數(shù)，確定各時段DG極端場景下的出力。第二階段在確定各時段DG出力的基礎(chǔ)上，根據(jù)該時段用戶剛性需求量和彈性需求量，通過運用需求響應(yīng)技術(shù)，制定用戶的用電計劃。第三階段，基于benders分解思想［15］，提出一種二層規(guī)劃法來解決上述問題。首先上層規(guī)劃將參與多階段決策過程的變量(變壓器分接頭檔位和可投切電容器組的投入組數(shù))進行組合并分配給下層規(guī)劃。下層規(guī)劃在變壓器分接頭檔位和電容器投入組數(shù)確定的情況下，運用差分進化算法［16］對DG的無功輸出量進行優(yōu)化(該局部最優(yōu)解成為有效狀態(tài))，并對不良組合進行辨識，例如:在重負荷的時段降低變壓器低壓側(cè)電壓并且不投入電容器組，而此時僅靠DG的調(diào)節(jié)無法維持系統(tǒng)電壓滿足安全運行范圍的要求。下層優(yōu)化后將各時段的局部最優(yōu)解反饋給上層規(guī)劃，上層規(guī)劃根據(jù)反饋回來結(jié)果剔除不良組合，運用動態(tài)規(guī)劃算法［17］對各時段的不同組合進行決策，從而得到全局最優(yōu)的結(jié)果。

5 算例驗證及其結(jié)果分析

為了驗證本文所提方法的有效性及其在電力系統(tǒng)中應(yīng)用的可行性，采用美國PG＆E 69節(jié)點配電系統(tǒng)進行仿真驗證［18］。測試系統(tǒng)結(jié)構(gòu)如圖4所示，系統(tǒng)基準電壓為12.66 kV，配網(wǎng)調(diào)控設(shè)備的相關(guān)參數(shù)如表1所示。

圖4 測試配電網(wǎng)的結(jié)構(gòu)圖Fig.4 Structureoftestdistributionnetwork

表1 調(diào)壓設(shè)備的詳細參數(shù)Table1 Detailedspecificationsof pressureregulatingequipment

測試系統(tǒng)共包含69個負荷節(jié)點，其中1臺額定容量2.5 MW的風力發(fā)電機接在節(jié)點27，2臺容量為2 MW的分布式光伏電站分別接在節(jié)點54與節(jié)點69。結(jié)合可再生電源出力實際情況，測試時段為6:00—17:00共12 h，并考慮可再生能源出力在計算時段內(nèi)最大偏差為期望出力的±20%，可得到預(yù)測出力區(qū)間如圖5、圖6所示。

圖5 風力發(fā)電機各時段出力預(yù)測Fig.5 Windturbineoutputpredictionineachperiod

圖6 光伏各時段出力預(yù)測Fig.6 PVoutputpredictionineachperiod

根據(jù)《配電網(wǎng)運行規(guī)程》中的規(guī)定，10 kV配電網(wǎng)供電電壓允許的偏差范圍為額定電壓的±7%［19］。3臺DG的功率因數(shù)限制Pf均為0.97，變壓器分接頭的初始檔位為9，電容器組的初始投入組數(shù)為1。

在沒有引入本文所提方法時，僅靠傳統(tǒng)的調(diào)節(jié)設(shè)備進行調(diào)控，得到調(diào)度控制預(yù)案的各項指標分別為:變壓器分接頭調(diào)節(jié)次數(shù)為7次，電容器組投切次數(shù)為1次，系統(tǒng)調(diào)控時段內(nèi)的總網(wǎng)損為4.096 3 MW&h，電壓波動指標USSVF=1.008 kV，由于各時段負荷波動波大，配電網(wǎng)購電成本較高為14 975.63元。

5.1需求響應(yīng)控制效果

為了應(yīng)用本文所提模型，結(jié)合測試系統(tǒng)的實際情況定義用電需求水平D*=5.703 MW，并根據(jù)文獻［20］，設(shè)定彈性效益和購電成本相關(guān)參數(shù)，如表2、表3所示。

表2 階梯電價相關(guān)參數(shù)Table2 ADetailedspecificationsofsteptariff

表3 購電成本相關(guān)參數(shù)Table3 BDetailedspecificationsof electricitypurchasingcost

圖7為可再生能源的不確定性系數(shù) 為3，剛性需求負荷占總負荷的70%，即總用電負荷的波動變化范圍在±30%之間時，運用需求響應(yīng)技術(shù)后的用電負荷與傳統(tǒng)負荷的效果對比圖。如圖7可以清楚地看出，相較傳統(tǒng)負荷，運用需求響應(yīng)技術(shù)后，各時段負荷分布更加均勻，達到了削峰填谷的效果，并且用戶可以享受低價電能，提高了經(jīng)濟性。

圖7 需求響應(yīng)控制效果Fig.7 Demandresponsecontroleffect

在確定各時段用戶負荷的用電量后，運用兩層規(guī)劃技術(shù)，得到次日各時段系統(tǒng)優(yōu)化調(diào)度控制方案如表4所示。

表4 調(diào)度控制方案Table4 Schedulingcontrolscheme

由表4可以看出，變壓器分接頭檔位調(diào)節(jié)次數(shù)為2次，可投切電容器組的投切次數(shù)為1次，而DG的無功輸出積極參與到電壓調(diào)節(jié)中:在負荷較輕的時段，DG的無功輸出呈容性，從而保證節(jié)點電壓不會超過安全上限;相反，在負荷較重的時段，DG的無功輸出呈感性，起到抬升節(jié)點電壓的作用，從而保證節(jié)點電壓不會越過安全下限。

為了更全面地反應(yīng)需求響應(yīng)技術(shù)的實際控制效果，保持上述系統(tǒng)參數(shù)不變，僅改變彈性負荷所占比重時，得到的控制效果如表5所示。

表5 彈性需求控制效果Table5 Elasticdemandcontroleffect

由表5可以看出，當彈性負荷所占比重升高時，評價配電網(wǎng)運行的各項指標均有顯著的提升。這是由于彈性需求所占的比重越大，總負荷的調(diào)節(jié)能力越好，負荷有效地調(diào)控，不僅可以有效地減緩配電網(wǎng)設(shè)備的調(diào)控壓力，并且受可再生能源出力波動性的影響越小。

5.2可再生能源出力不確定性的影響

本節(jié)通過改變可再生能源出力的不確定集S(即改變不確定性系數(shù) )，從而反映魯棒性的影響。測試系統(tǒng)在2種模式下進行仿真，一種是傳統(tǒng)負荷模式下，即僅考慮預(yù)測出力的不確定性，而不考慮負荷的需求響應(yīng)。另一種是需求響應(yīng)模式，即在考慮預(yù)測出力的不確定性基礎(chǔ)上，考慮需求響應(yīng)進行配合(需求響應(yīng)所占比重為30%)。測試結(jié)果見表6。

表6 不同魯棒性的控制效果Table6 Performanceofrobustcontrol

由表6可以看出，隨著 的增大，系統(tǒng)的魯棒性增強，然而配網(wǎng)調(diào)節(jié)設(shè)備的調(diào)節(jié)次數(shù)和總成本隨之提升，系統(tǒng)的經(jīng)濟性變差，并且由于DG的波動和設(shè)備的頻繁調(diào)節(jié)，USSVF提高，系統(tǒng)的電壓穩(wěn)定性變差。同時可以看出，相對于傳統(tǒng)負荷，運用需求響應(yīng)技術(shù)顯著地改善了系統(tǒng)的各項性能。表6中結(jié)果再次驗證了提高系統(tǒng)魯棒性雖然能夠有效地改善系統(tǒng)對不確定性出力影響的抗性，但是卻犧牲了系統(tǒng)的經(jīng)濟性，增大了系統(tǒng)的調(diào)控難度。

6 結(jié)論

(1)通過合理的優(yōu)化調(diào)度，可以充分利用DG的功率調(diào)節(jié)能力與變壓器有載調(diào)壓、電容器組投切等配電網(wǎng)傳統(tǒng)調(diào)節(jié)設(shè)備相配合，優(yōu)化系統(tǒng)運行，減小DG波動性給電網(wǎng)帶來的影響。

(2)將可再生能源的不確定性考慮到常規(guī)配電網(wǎng)調(diào)控模型中，使得求解結(jié)果具有魯棒性，增強了系統(tǒng)運行的可靠性。通過控制不確性系數(shù)β的大小來表征DG出力的不確定性，從而便于衡量系統(tǒng)魯棒性，算例結(jié)果表明，當系統(tǒng)的魯棒性越好，運行成本越高，在合理經(jīng)濟成本的下，引入魯棒優(yōu)化技術(shù)，可以有效地解決可再生能源出力不確定性的問題。

(3)將需求響應(yīng)技術(shù)引入優(yōu)化模型中，使得用戶能夠主動參與到配網(wǎng)調(diào)控中，獲得優(yōu)惠的電能，而且可以有效減少可再生能源出力與負荷用電波動性帶來的影響，提高了主動配電網(wǎng)運行的穩(wěn)定性和經(jīng)濟性。

［1］趙波，王財勝，周金輝，等．主動配電網(wǎng)現(xiàn)狀與未來發(fā)展［J］．電力系統(tǒng)自動化，2014，38(18):125-135．ZHAO Bo，WANG Caisheng，ZHOU Jinhui，et al．Present andfuture development trend of active distribution network［J］．Automation of Electric Power Systems，2014，38(18):125-135．

［2］王建，李興源，邱曉燕．含有分布式發(fā)電裝置的電力系統(tǒng)研究綜述［J］．電力系統(tǒng)自動化，2005，29(24):90-97．WANG Jian，LiXingyuan，QIU Xiaoyan，Power system research on distributed generation penetration［J］．Automation of Electric Power Systems，2005，29(24):90-97．

［3］楊新法，蘇劍，呂志鵬，等．微電網(wǎng)技術(shù)綜述［J］．中國電機工程學報，2014，34(1):57-70．YANG Xinfa，SU Jian，L Zhipeng，et al．Overview on micro-grid technology［J］．Proceedings of the CSEE，2014，34(1):57-70．

［4］ZHOU Q，BIALEK J W．Generation curtailment to manage voltage constraints in distribution networks［J］．IET Generation，Transmission＆Distribution，2007，1(3):492-498．

［5］陶順，駱晨，薛佳佳，等．基于兩階段規(guī)劃法的有源配電網(wǎng)綜合電壓優(yōu)化控制［J］．電力系統(tǒng)自動化，2015，39(20):54-59．TAO Shun，LUO Chen，XUE Jiajia，et al．Comprehensive voltage control optimization in active distribution based on two-stage planning［J］．Automation of Electric Power Systems，2015，39(20):54-59．

［6］GABASH A，LI P．Active-reactive optimal power flow in distributionnetworks with embedded generation and battery storage［J］．IEEE Transactions on Power Systems，2012，27(4):2026-2035．

［7］彭春華，謝鵬，陳臣．大規(guī)模光伏電站接入電網(wǎng)可調(diào)節(jié)魯棒優(yōu)化調(diào)度［J］．中國電機工程學報，2014，34(25):4324-4332．PENG Chunhua，XIE Peng，CHEN Chen．Adjustable robust optimal dispatch of power system with large-scale photovoltaic power stations［J］．Proceedings of the CSEE，2014，34(25):4324-4332．

［8］WANG Q，GUAN Y，WANG J．A chance-constrained two-stage stochastic program for unit commitment with uncertain wind power output［J］．IEEE Transactions on Power System，2012，27(1): 206-215．

［9］JIANG R，WANG J，GUAN Y．Robust unit commitment with wind power and pumped storage hydro［J］．IEEE Transactions on Power System，2012，27(2):800-810．

［10］THIMMAPURAMP R，KIM J，BOTTERUD A，et al．Modeling and simulation of price elasticity of demand using an agent-based model［C］//2010 Innovative Smart Grid Technologies．Gaithersburg: IEEE，2010:1-8．

［11］SU C，KIRSCHEN D．Quantifying the effect of demand response on electricity markets［J］．IEEE Transactions on Power System，2009，24(3):1199-1207．

［12］KIRSCHEN D．Demand-side view of electricity markets［J］．IEEE Transactions on Power System，2003，18(2):520-527．

［13］李生虎，丁明．電力市場中基于電價彈性的電力系統(tǒng)運行可靠性的協(xié)調(diào)控制［J］．中國電機工程學報，2005，25(24):34-40．LI Shenghu，DING Ming．Coordination to power system operational reliability in power market based on price elasticity［J］．Proceedings of the CSEE，2005，25(24):34-40．

［14］LI Y P，YU D，XU D D，et al．An electricity charge strategy based on dynamic rewards and punishment［C］//Proceedings of Chinese Control and Decision Conference (CCDC)． Changsha，China，2014．

［15］徐秋實，鄧長虹，趙維興，等．含風電電力系統(tǒng)的多場景魯棒調(diào)度方法［J］．電網(wǎng)技術(shù)，2014，38(3):653-661． XU Qiushi，DENG Changhong，ZHAO Weixing，et al．A multiscenario robust dispatch method for power grid integrated with wind farms［J］．Power System Technology，2014，38(3):653-661．

［16］GUANG Y Y，ZHAO Y D，KIT P W．A modified differential evolution algorithm with fitness sharing for power system planning［J］．IEEE Transactions on Power Systems，2012，27(4): 2026-2035．

［17］劉柏私，謝開貴，周家啟．配電網(wǎng)重構(gòu)的動態(tài)規(guī)劃算法［J］，中國電機工程學報，2005，25(9):29-34．LIU Bosi，XIE Kaigui，ZHOU Jiaqi．Electrical distribution networks reconfiguration using dynamic programming［J］．Proceedings of the CSEE，2005，25(9):29-34．

［18］BARAN M E，WU F F．Optimal capacitor placement on radial distribution system［J］．IEEE Transactions on Power Delivery，1989，4(1):725-734．

［19］國家電網(wǎng)公司．電力系統(tǒng)電壓質(zhì)量和無功電力管理規(guī)定:DL/T 1198－2013［S］．北京:中國標準出版社，2013．

［20］WANG Qianfan，WANG Jianhui，GUAN Yongpei．Stochastic unit commitment with uncertain demand response［J］．IEEE Transactions on Power Delivery，2013，28(1):562-563．

(編輯 張媛媛)

Optimal Scheduling of Active Distribution Network Based on Demand Respond Technology

JIN Wei1，LUO Chen2，XU Bin2，WANG Liufang2，LI Wei2

(1．State Grid Anhui Electric Power Company，Hefei230061，China; 2．State Grid Anhui Electric Power Research Institute，Hefei 230022，China)

With the increasing penetration of renewable power source into the distribution network，distribution network control has been a challenging issue due to the uncertainty and volatility nature of renewable power source．This paper proposes the robust optimization scheduling for active distribution network(ADN)through introducing demand response technology and the full use of elastic load adjustment ability of users affected by electricity prices，which can optimize the operation of distribution network on the basis of ensuring the safe and reliable operation of the system．The proposed method is divided into three stages．In the first stage，in order to transform the uncertain parameters into deterministic parameters，renewable energy output uncertainty is described by uncertain set and the extreme scenario method is adopted to cut down the set．In the second stage，the proposed method uses demand response technology and electricity price incentive to regulate the load，so as to realize the function of power peak load shifting．In the third stage，based on the bi-level planning model，the reactive power adjustment ability of renewable energy can cooperate with the traditional control methods of distribution network as a whole regulation，for the purpose of reducing the network loss and voltage fluctuation of ADN，and the regulation number of traditional equipment，as well as the optimization of distribution network operation．Finally，the effectiveness of the proposed method is validated based on the American PG＆E 69-bus system．

active distribution network(ADN);renewable sources;adjustable robust optimization;demand respond; bi-level planning model

TM 711

A

1000－7229(2017)03－0093－08

10.3969/j．issn.1000－7229.2017.03.013

2016-12-22

金煒(1970)，男，工商管理碩士，高級工程師，主要從事生產(chǎn)調(diào)度、電網(wǎng)規(guī)劃、科技信息管理相關(guān)工作;

駱晨(1990)，男，工學碩士，中級工程師，本文通信作者，主要從事主動配電網(wǎng)的優(yōu)化調(diào)度、電壓控制等研究工作;

徐斌(1980)，男，工學碩士，高級工程師，主要從事生產(chǎn)調(diào)度、電網(wǎng)規(guī)劃、科技信息相關(guān)管理工作;

王劉芳(1970)，男，工學碩士，高級工程師，主要從事技術(shù)監(jiān)督、科技管理工作;

李偉(1974)，男，工學碩士，高級工程師，主要從事科技管理工作。

國家重點研發(fā)計劃項目(2016YFB0900400);安徽省電力公司科技項目(521205160021)

Project supported by the National Key Research and Development Program of China(2016YFB0900400)