通過需求側(cè)響應提高光伏消納率的微網(wǎng)二層優(yōu)化方法研究

狄開麗，李鵬，李鑫明，徐紹軍

（1.新能源電力系統(tǒng)國家重點實驗室（華北電力大學），河北保定 071003；2.國網(wǎng)北京市電力公司，北京 100000）

通過需求側(cè)響應提高光伏消納率的微網(wǎng)二層優(yōu)化方法研究

狄開麗1，李鵬1，李鑫明1，徐紹軍2

（1.新能源電力系統(tǒng)國家重點實驗室（華北電力大學），河北保定 071003；2.國網(wǎng)北京市電力公司，北京 100000）

為提升微網(wǎng)消納光伏發(fā)電的能力，引入需求側(cè)響應模型，提出了一種兼顧光伏消納率與微網(wǎng)經(jīng)濟性的二層優(yōu)化方法。以用戶滿意度為約束條件，以光伏消納率最大為目標，對分時電價的峰、平、谷時段劃分進行優(yōu)化，引導用戶改變用電方式，使得負荷發(fā)生一定的轉(zhuǎn)移。同時以微網(wǎng)經(jīng)濟性為目標，通過禁忌搜索算法對微網(wǎng)優(yōu)化運行模型進行迭代求解。算例結(jié)果表明，該方法能有效提高光伏的消納率，降低用戶的用電費用，減少微網(wǎng)的綜合運行成本，達到發(fā)電側(cè)與需求側(cè)雙贏的效果。

光伏消納；微網(wǎng)；需求側(cè)響應；分時電價；二層優(yōu)化；優(yōu)化運行

隨著全球能源、環(huán)境問題的凸顯，可再生能源發(fā)電得到蓬勃發(fā)展。光伏發(fā)電[1-3]作為一種最具有經(jīng)濟發(fā)展前景的發(fā)電方式的可再生能源，具有很強的市場競爭力，得到了世界各國的重視[4-5]。國家能源局數(shù)據(jù)顯示，截止2015年底，光伏發(fā)電累計裝機容量達到4 300萬kW。隨著大量的高滲透率分布式光伏電源的接入，棄光問題也日益嚴重，光伏消納問題也愈發(fā)凸顯[6-7]，針對提高光伏消納能力的有效方法亟待研究。

目前，針對有關(guān)可再生能源的消納問題，眾多學者從電網(wǎng)規(guī)劃、需求側(cè)管理、本地控制等方面進行了大量研究[8-11]。文獻[12-15]從電網(wǎng)規(guī)劃角度出發(fā)，提出了提高新能源消納的電網(wǎng)規(guī)劃方法。文獻[16-17]通過負荷轉(zhuǎn)移的方法來提高可再生能源的消納率，但研究對象是針對風力發(fā)電。而光伏發(fā)電具有間歇性，與風力發(fā)電有著本質(zhì)的區(qū)別。文獻[18]指出制約配電網(wǎng)對光伏消納能力的關(guān)鍵是光伏接入后產(chǎn)生的電壓偏差，論述了不需要借助通信手段的自由消納方式和本地控制消納方式。文獻[19]從大規(guī)模光伏電力的消納與送出、電網(wǎng)調(diào)峰等方面的因素進行了綜合分析，提出了建立新能源技術(shù)支持系統(tǒng)平臺和提高光伏集中接入地區(qū)電力外送及消納能力等應對措施。文獻[20]通過優(yōu)化儲能的管理策略，提高配電網(wǎng)光伏的消納能力，解決光伏輸出功率過大引起的過電壓問題。

這些文獻對可再生能源消納問題的研究已取得一定成果，但從電力市場的角度考慮光伏消納問題的相關(guān)研究相對較為欠缺。本文在含有高占比光伏的微網(wǎng)[21-22]優(yōu)化運行問題中，引入需求側(cè)響應模型，提出了一種兼顧光伏消納率與微網(wǎng)經(jīng)濟性的二層優(yōu)化方法。在以光伏消納率高為目標、以用戶滿意度為約束的上層優(yōu)化中，對分時電價的時段進行劃分，通過電價激勵引導用戶的用電行為，以此達到負荷轉(zhuǎn)移的目的；在以微網(wǎng)經(jīng)濟性最優(yōu)為目標的下層優(yōu)化中，采用禁忌搜索算法對多變量、多目標、非線性的微網(wǎng)優(yōu)化運行問題進行求解，在提高光伏消納率的基礎(chǔ)上實現(xiàn)微網(wǎng)綜合運行成本最低。

1 分時電價下需求側(cè)響應模型

在電價機制下，電網(wǎng)側(cè)可通過定制不同的電價機制使用戶的用電行為發(fā)生改變，從而使得負荷發(fā)生一定的轉(zhuǎn)移，達到提高光伏消納的目的。

1.1 用戶響應度曲線

假設(shè)實施分時電價前后，負荷只會發(fā)生轉(zhuǎn)移，總量不會減少。定義負荷轉(zhuǎn)移率為實施分時電價后，用戶負荷從高電價時段向低電價時段轉(zhuǎn)移量與高時段電價負荷之比[23]。電價變化率和負荷轉(zhuǎn)移率的關(guān)系可用線性分段函數(shù)近似表示[23]，其函數(shù)圖像如圖1所示。圖1中，Δp表示不同時段之間的電價差；λ表示用戶的負荷轉(zhuǎn)移率。當電價差超過下限閾值Δpmin時，負荷開始發(fā)生轉(zhuǎn)移；當電價差達到上限閾值Δpmax時，用戶的響應能力趨近飽和，此時電價差的增加不會引起進一步的響應。

圖1 電價變化率和負荷轉(zhuǎn)移的關(guān)系Fig.1 The relationship between the electricity price change and load transfer

1.2 負荷轉(zhuǎn)移模型

根據(jù)消費者心理學可知，一般來說，商品的消費數(shù)量與它的價格呈負相關(guān)，因此負荷轉(zhuǎn)移的方向為從電價高的時段向電價低的時段轉(zhuǎn)移。實施分時電價后，負荷轉(zhuǎn)移分為3種情況。

1）負荷從峰時段向平時段轉(zhuǎn)移。

2）負荷從峰時段向谷時段轉(zhuǎn)移。

3）負荷從平時段向谷時段轉(zhuǎn)移。

基于上述響應度曲線，各時段的擬合負荷可表示為

1.3 用戶滿意度

用戶是電力營銷的對象，是電力市場的重要組成部分，在實施分時電價后，用戶的用電方式和用電費用都將會發(fā)生一定的變化，若不考慮用戶的滿意度，有可能引發(fā)用戶的抵制情緒，此種分時電價將很難實施。

本文主要考慮2種用戶滿意度：舒適度和用電費用滿意度[24]。其中，舒適度反映了用戶用電習慣的改變，在未實施分時電價時，用戶按照一般習慣用電，此時的舒適度最大；在實施分時電價后，由于電價的激勵，用戶在各個時段的用電量將發(fā)生改變，舒適度降低。其數(shù)學表達式如式（2）所示。

式中：α為舒適度，0＜α≤1，其值越大表示舒適度越高，其中，α=1表示分時電價實施前后負荷曲線沒有發(fā)生變化；分別為分時電價實施前、后時段的負荷。

用電費用滿意度反映了用戶一天之內(nèi)用電總費用的改變。在實施分時電價后，一般來說，由于電價發(fā)生變化，負荷會從高電價時段向低電價時段轉(zhuǎn)移，這將使得用戶的總用電費用發(fā)生改變。對于原用電費用，用戶的滿意度為1，實施分時電價后，若用電費用增加，滿意度將降低；若用電費用減少，滿意度將增大。其表達式如式（3）所示。

式中：β為用電費用滿意度，其值越大滿意度越高，與總用電費用呈反相關(guān)，其中，β＜1表示實施分時電價后的總用電費用增加，β＞1時表示實施分時電價后的總用電費用降低；PtTOU（pp，pf，pv）為分時電價實施后t時段的電價；P0為分時電價實施前的固定電價，為定值。

綜上所述，本文的用戶滿意度由用舒適度和電費用滿意度構(gòu)成，表達式如式（4）所示。

式中：θ為用戶滿意度；γ1、γ2分別為舒適度和用電費用滿意度的權(quán)值，可根據(jù)不同用戶對不同滿意度的重視程度取值，γ1+γ2=1。

本文的用戶滿意度為分時電價時段劃分的一個約束條件。取θ≥ξ，ξ是一個大于0的常數(shù)。在分時電價時段劃分后，新的負荷曲線產(chǎn)生，若用戶的用電情況和費用不滿足此約束條件，則需要重新進行分時電價的時段劃分。

2 微網(wǎng)優(yōu)化運行模型

進行分時電價時段劃分后，負荷曲線將發(fā)生改變，需要以新的負荷曲線及分時電價為基礎(chǔ)數(shù)據(jù)，進行微網(wǎng)的優(yōu)化運行。

2.1 目標函數(shù)

本文采用日前調(diào)度模型，目標函數(shù)是微網(wǎng)一天內(nèi)的發(fā)電成本和環(huán)境成本綜合最低，如式（5）所示。發(fā)電成本包燃料費用和發(fā)電設(shè)備的運行維護費用如式（6）所示。微源的燃料費用和運行維護費用計算公式如式（7）、式（8）所示。環(huán)境成本的計算公式如式（9）所示，各微源污染物排放數(shù)據(jù)、污染物價值標準、罰款等級見文獻[25]。

式中：Cgas為天然氣價格，本文取2.5元/m3；L為天然氣低熱值，取9.7 kW·h/m3；n為微源的總數(shù)；為第i個微源在第t時段的輸出功率和效率；Δt為單位調(diào)度時段長度，本文取1 h；Ki為第i個微源的單位電量運行維護成本系數(shù)；m為污染物的總類；Vej為第j類污染物的環(huán)境價值；Vj為第j類污染物所受罰款；Gij為第i個微源單位電量的第j類污染物排放量。

2.2 約束條件

1）系統(tǒng)能量平衡約束

2）微源輸出功率約束

3）蓄電池電池容量和功率容量約束

4）蓄電池容量連續(xù)性約束

3 禁忌搜索算法及優(yōu)化流程

3.1 禁忌搜索算法

本文的下層機組調(diào)度優(yōu)化是多變量非線性的優(yōu)化問題，采用禁忌搜索算法進行下層優(yōu)化的計算。

禁忌搜索[26-29]是一種全局逐步尋優(yōu)算法，是對人類智力過程的一種模擬。該算法通過引入一個靈活的存儲結(jié)構(gòu)和相應的禁忌準則來避免迂回搜索，并通過藐視準則來赦免一些被禁忌的優(yōu)良狀態(tài)，進而保證多樣化的有效搜索以最終實現(xiàn)全局優(yōu)化。在禁忌搜索算法中，領(lǐng)域、禁忌表、禁忌長度、特赦規(guī)則、終止規(guī)則等基本概念是算法涉及的關(guān)鍵，具體內(nèi)容可參考文獻[30]。

TS算法的步驟可描述如下：

1）給定算法參數(shù)和初始解x0，置當前解xnow=x0、當前最優(yōu)解xbest=x0，以及禁忌表TL=ψ。

2）當滿足算法終止準則時，停止運算，輸出計算結(jié)果；否則，進入步驟3）。

3）產(chǎn)生當前解的領(lǐng)域N（xnow），從中選取若干解確定候選解集Nfeas（xnow）。

4）判斷是否有候選解滿足藐視準則。若存在，則用滿足藐視準則的最佳候選解x′替代成為新的當前解xnow，即xnow=x′，并替換當前最優(yōu)解，即xbest=x′，同時更新禁忌表TL，轉(zhuǎn)入步驟2）；否則，進入步驟5）。

本文中，算法的規(guī)則設(shè)置如下：

①隨機選取一組可行解作為初始解。

②選取優(yōu)化變量本身作為禁忌對象，本文的優(yōu)化變量為各機組在各個時段的出力。

③對于滿足約束的候選解，本文的適配值函數(shù)為微網(wǎng)綜合運行成本。

④藐視準則為，如果當前解的適配值優(yōu)于目前最優(yōu)解的適配值，則無視當前解的禁忌屬性。

⑤終止準則為，限定最優(yōu)解連續(xù)保持不變的最大持續(xù)迭代步數(shù)Hmax，以此作為收斂判據(jù)，當持續(xù)迭代步數(shù)達到限定值Hmax，算法終止。

3.2 二層優(yōu)化的步驟及流程

本文的二層優(yōu)化中，上、下兩層優(yōu)化相互關(guān)聯(lián)：上層生成滿足滿意度約束的分時電價，并將分時電價和轉(zhuǎn)移后的負荷輸入下層中，下層接收到上層輸出的數(shù)據(jù)后，優(yōu)化計算出使得綜合成本最低的調(diào)度計劃，同時得出光伏消納率，并反映到上層，記錄光伏消納率較優(yōu)一組變量。不斷循環(huán)此過程，直至計算次數(shù)滿足約束為止。優(yōu)化流程如圖2所示，具體的優(yōu)化步驟如下：

圖2 二層優(yōu)化流程圖Fig.2 The flow chart of the two-level optimization method

1）記當前運行次數(shù)i=1，初始化分時電價P0=0、轉(zhuǎn)移后的負荷Q0=0、各機組出力f0=0、光伏實際出力PV0=0、光伏消納率m0=0、總運行成本F0=0，設(shè)定用戶滿意度約束的上限，設(shè)定最大運行次數(shù)Imax。

2）進行上層優(yōu)化：生成分時電價Pi，并根據(jù)分時電價和負荷轉(zhuǎn)移模型計算轉(zhuǎn)移后的負荷Qi。

3）計算用戶滿意度，若滿足約束，則進入步驟4），否則轉(zhuǎn)入步驟7）。

4）輸出分時電價Pi、轉(zhuǎn)移后的負荷Qi，進入下層優(yōu)化。

5）進行下層優(yōu)化：通過禁忌搜索算法優(yōu)化出各機組的出力fi、光伏實際出力PVi、光伏消納率mi、總運行成本Fi。

6）若mi＞m0，記錄下此時的分時電價P0=Pi、轉(zhuǎn)移后的負荷Q0=Qi、各機組出力f0=fi、光伏實際出力PV0=PVi、光伏消納率m0=mi、總運行成本F0=Fi，進入步驟7）；若mi≤m0，直接轉(zhuǎn)入步驟7）。

7）令i=i+1。若i＜Imax，轉(zhuǎn)入步驟2）；若i≥Imax，進入步驟8）。

8）輸出分時電價P0、轉(zhuǎn)移后的新負荷Q0、各機組出力f0、光伏實際出力PV0、光伏消納率m0，結(jié)束運算。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

本算例中，微網(wǎng)配有微燃機（micro turbine，MT）1臺，功率上限為65 kW，下限為5 kW；燃料電池（fuel cell，F(xiàn)C）1臺，功率上限為40 kW，下限為5 kW；儲能裝置（energy storage，ES）1臺，儲能裝置的最大、最小電量、初始電量分別為150 kW·h、20 kW·h、75 kW·h，最大充放電功率為40 kW，充放電效率為92%。光伏裝機容量為200 kW，占比為總裝機容量的43.96%，光伏和負荷數(shù)據(jù)均采用日前預測數(shù)據(jù)。微燃機和燃料電池的發(fā)電功率與燃料成本的關(guān)系曲線如圖3所示。

圖3 微燃機和燃料電池的發(fā)電功率與燃料成本關(guān)系Fig.3 The relationship curve of the controllable microsource power and fuel cost

本算例采用等權(quán)重滿意度約束，即γ0=γ2=0.5，取用戶滿意度約束值為θ≥0.9。優(yōu)化前，該微網(wǎng)的電價為固定電價，價格為0.49元/（kW·h）；優(yōu)化時采用的分時電價的各時段電價為：平時電價保持0.49元/（kW·h）不變，峰時電價為0.83元/（kW·h），谷時電價為0.17元/（kW·h）。禁忌搜索算法的參數(shù)設(shè)置為：候選集長度取6，禁忌長度取5，收斂判據(jù)取6。

4.2 優(yōu)化結(jié)果及分析

優(yōu)化后，所得最優(yōu)分時電價的時段劃分情況如表1所示；優(yōu)化后的用戶舒適度為0.835 3，用電費用滿意度為1.074 7，綜合滿意度為0.955；優(yōu)化前、后光伏消納率分別為88.91%、97.75%；優(yōu)化前、后微網(wǎng)一天的總運行成本分別為536.45元、465.99元，優(yōu)化后的微網(wǎng)運行成本相比優(yōu)化前降低了13.13%。

表1 分時價時段劃分情況Tab.1 Time periods of TOU

圖4為優(yōu)化前后的負荷情況，可以看出，采用分時電價后，10∶00—15∶00的負荷增加，其他時段負荷減少，即負荷向峰時段轉(zhuǎn)移。圖5為優(yōu)化前后的光伏實際出力及棄光情況，從圖中可以看出，優(yōu)化后的棄光量較優(yōu)化前明顯降低。光伏在10∶00—15∶00時的功率較大，分時電價在此時段為谷電價，由于需求側(cè)對電價的響應行為，其他時段的負荷向此時段轉(zhuǎn)移，增大了光伏消納率。

圖4 優(yōu)化前后的負荷情況Fig.4 Load curves of before and after optimization

圖6為下層優(yōu)化中的各機組出力情況，從圖6可以看出，在6∶00—13∶00和16∶00，光伏預測功率大于負荷預測值，蓄電池充電；在其他時段，負荷預測值大于光伏預測值，蓄電池放電，減少微網(wǎng)的運行成本。在6∶00—16∶00，負荷需求僅由光伏和蓄電池協(xié)調(diào)運行即可滿足，可控微源的出力為0。微網(wǎng)的綜合運行成本降低是因為，光伏消納率增加，可控機組的出力減少，光伏發(fā)電的維護成本小于可控機組的燃料成本及運行維護成本，因此微網(wǎng)的發(fā)電成本降低，且光伏發(fā)電為零污染，同時也減少了環(huán)境成本。

圖5 優(yōu)化前后的光伏情況Fig.5 PV curves of before and after optimization

圖6 各機組出力情況Fig.6 The output of each unit

5 結(jié)論

本文提出了一種兼顧光伏消納率與微網(wǎng)經(jīng)濟性的二層優(yōu)化方法。首先，將需求側(cè)的響應模型引入上層優(yōu)化，通過劃分分時電價的時段和用戶的響應行為，在滿足用戶滿意度的基礎(chǔ)上來提高光伏的消納；其次，將上層優(yōu)化所得數(shù)據(jù)輸入下層優(yōu)化中，以經(jīng)濟性最優(yōu)為目標，采用禁忌搜索算法求解微網(wǎng)優(yōu)化運行問題，實現(xiàn)在光伏消納率最大的基礎(chǔ)上達到微網(wǎng)綜合成本最低。通過算例仿真分析，結(jié)果如下。

1）分時電價最優(yōu)的時段劃分與光伏預測功率有關(guān)。光伏較大時段為谷時電價時段，光伏較小時段為平時電價時段，光伏為零時段為峰時電價時段。

2）該方法能夠很好地提高光伏消納率，降低高占比光伏微網(wǎng)系統(tǒng)的棄光量，增加電力系統(tǒng)對清潔能源的利用率。

3）該方法能夠減少用戶側(cè)的用電費用，同時也能降低微網(wǎng)的綜合成本、減少污染氣體的排放，達到發(fā)電側(cè)與需求側(cè)共贏的效果。

[1]陳煒，艾欣，吳濤，等.光伏并網(wǎng)發(fā)電系統(tǒng)對電網(wǎng)的影響研究綜述[J].電力自動化設(shè)備，2013，33（2）：26-33.CHEN Wei，AI Xin，WU Tao，et al.Influence of gridconnected photovoltaic system on power network[J].Electric Power Automation Equipment，2013，33（2）：26-33（in Chinese）.

[2]王要強，張美玲，齊歌.光伏發(fā)電系統(tǒng)改進型擾動觀察最大功率跟蹤研究[J].電力電容器與無功補償，2016，37（4）：111-116.WANG Yaoqiang，ZHANG Meiling，QI Ge.Study on improved type perturbation observation for maximum power tracking of PV generation systems[J].Power Capacitor and Reactive Power Compensation，2016，37（4）：111-116（in Chinese）.

[3]施泉生，于文姝，謝品杰.能源互聯(lián)網(wǎng)背景下分布式光伏發(fā)電的經(jīng)濟效益研究[J].電網(wǎng)與清潔能源，2016，32（1）：100-106.SHI Quansheng，YU Wenshu，XIE Pinjie.Economic benefit analysis of distributed photovoltaic under the energy internet background[J].Power System and Clean Energy，2016，32（1）：100-106（in Chinese）.

[4]周楠，樊瑋，劉念，等.光伏微電網(wǎng)的多主體合作運營模式及效益分配[J].電網(wǎng)與清潔能源，2016，32（5）：134-141.ZHOU Nan，F(xiàn)AN Wei，LIU Nian，et al.Multi-subject cooperative operation model and profit allocation of PV-based microgrid[J].Power System and Clean Energy，2016，32（5）：134-141（in Chinese）.

[5]宋卓然，陳國龍，赫鑫，等.光伏發(fā)電的發(fā)展及其對電網(wǎng)規(guī)劃的影響研究[J].電網(wǎng)與清潔能源，2013，29（7）：92-96.SONG Zhuoran，CHEN Guolong，HE Xin，et al.Study on developmentofPV generation and its impactson distribution network planning[J].Power System and Clean Energy，2013，29（7）：92-96（in Chinese）.

[6]趙波，韋立坤，徐志成，等.計及儲能系統(tǒng)的饋線光伏消納能力隨機場景分析[J].電力系統(tǒng)自動化，2015（9）：34-40.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 System，2015（9）：34-40（in Chinese）.

[7]馬劍，狄開麗，李銳.提高微網(wǎng)光伏消納率的價格激勵需求響應分層優(yōu)化方法[J].中國電力，2016，49（8）：99-105.MA Jian，DI Kaili，LI Rui.Research on energy manage－ment strategy for the island mode of micro-grid[J].Electric Power，2016，49（8）：99-105（in Chinese）.

[8]張程飛，黃俊輝，謝珍建，等.電網(wǎng)風電接納能力評估方法綜述[J].電網(wǎng)與清潔能源，2015，31（3）：99-105.ZHANG Chengfei，HUANG Junhui，XIE Zhenjian，et al.A review on evaluation methods of power grid’s wind power accommodation capacity[J].Power System and Clean Energy，2015，31（3）：99-105（in Chinese）.

[9]趙文會，鐘孔露，王輝，等.影響風力發(fā)電決策的政府激勵機制研究[J].電網(wǎng)與清潔能源，2016，32（7）：118-124.ZHAO Wenhui，ZHONG Konglu，WANG Hui，et al.Impacts of government incentive mechanism on decisions of wind power generation[J].Power System and Clean Energy，2016，32（7）：118-124（in Chinese）.

[10]于永生，馮延暉，江紅鑫，等.一種風電場經(jīng)柔性直流輸電并網(wǎng)控制方法改進探討[J].電網(wǎng)與清潔能源，2015，31（7）：81-91.YU Yongsheng，F(xiàn)ENG Yanhui，JIANG Hongxin，et al.An improvement on large-scale wind power grid integration through VSC-HVDC[J].Power System and Clean Energy，2015，31（7）：81-91（in Chinese）.

[11]趙飛，許劍，徐玉杰，等.基于復合儲能系統(tǒng)平抑風電場波動功率研究[J].電網(wǎng)與清潔能源，2015，31（7）：99-105.ZHAO Fei，XU Jian，XU Yujie，et al.Research on smoothing wind power fluctuations based on hybrid energy storage system[J].Power System and Clean Energy，2015，31（7）：99-105（in Chinese）.

[12]彭波，陳旭，徐乾耀，等.面向新能源消納的電網(wǎng)規(guī)劃方法初探[J].電網(wǎng)技術(shù)，2013，37（12）：3386-3391.PENG Bo，CHEN Xu，XU Qianyao，et al.Preliminary research on powergrid planning method aiming at accommodating new energy[J].Power System Technology，2013，37（12）：3386-3391（in Chinese）.

[13]高賜威，吳天嬰，何葉，等.考慮風電接入的電源電網(wǎng)協(xié)調(diào)規(guī)劃[J].電力系統(tǒng)自動化，2012，36（22）：30-35.GAO Ciwei，WU Tianying，HE Ye，et al.Generation and transmissioncoordinated planning considering wind power integration[J].Automation of Electric Power Systems，2012，36（22）：30-35（inChinese）.

[14]胡林獻，顧雅云，姚友素.并網(wǎng)型風光互補系統(tǒng)容量優(yōu)化配置方法[J].電網(wǎng)與清潔能源，2016，32（3）：120-126.HU Linxian，GU Yayun，YAO Yousu.Optimal capacity configuration method forgrid-connected wind-solar complementary power system[J].Power System and Clean Energy，2016，32（3）：120-126（in Chinese）.

[15]LUND H，OSTERGAARD P A.Electric grid and heat planning scenarioswith centralised and distributed sources of conventional，CHP andwind generation[J].Energy，2000，25（4）：299-312.

[16]宋藝航，譚忠富，李歡歡，等.促進風電消納的發(fā)電側(cè)、儲能及需求側(cè)聯(lián)合優(yōu)化模型[J].電網(wǎng)技術(shù)，2014，38（3）：610-615.SONG Yihang，TAN Zhongfu，LI Huanhuan，et al.An optimization model combining generation side and energy storage system with demand side to promote accommodation of wind power[J].Power System Technology，2014，38（3）：610-615（in Chinese）.

[17]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(diào)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（in Chinese）.

[18]劉健，魏昊焜.分布式電源應用若干問題探討[J].供用電，2015（9）：9-12，28.LIU Jian，WEI Haokun.Investigation of several issues on the distribution generation utilization[J].Distribution&U－tilization，2015（9）：9-12，28.

[19]秦睿，董開松，汪紅燕，等.大規(guī)模光伏電站集中并網(wǎng)對電網(wǎng)的影響分析及對策[J].電氣自動化，2014，36（3）：57-59.QIN Rui，DONG Kaisong，WANG Hongyan，et al.Analysis and countermeasures on the influence of centralized grid connection of large-scale photovoltaic power stations upon power grid[J].Electrical Automation，2014，36（3）：57-59.

[20]NASEESHANI J，PETER W，MOHAMMAD A S M.An optimal management strategy for distributed storages in distribution networks with high penetrations of PV[J].Electric Power Systems Research，2014（116）：147-157.

[21]LASSETER R H.Microgrids[C]//Power Engineering Society Winter Meeting 2002，New York，USA.IEEE，2002，1（1）：305-308.

[22]杜爾順，張寧，康重慶，等.太陽能光熱發(fā)電并網(wǎng)運行及優(yōu)化規(guī)劃研究綜述與展望[J].中國電機工程學報，2016，36（21）：5765-5775.DUErshun，ZHANGNing，KANGChongqing，etal.Reviews and prospects of the operation and planning optimization for grid integrated concentrating solar power[J].Proceedings of the CSEE，2016，36（21）：5765-5775（in Chinese）.

[23]阮文駿，王蓓蓓，李揚，等.峰谷分時電價下的用戶響應行為研究[J].電網(wǎng)技術(shù)，2012，36（7）：86-93.RUAN Wenjun，WANG Beibei，LI Yang，et al.Customer response behavior in time-of-use price[J].Power System Technology，2012，36（7）：86-93（in Chinese）.

[24]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 modelconsidering usersreaction and satisfaction index [J].Automation ofElectric Power Systems，2005，29（20）：10-14.

[25]錢科軍，袁越，石曉丹，等.分布式發(fā)電的環(huán)境效益分析[J].中國電機工程學報，2008，28（29）：11-15.QIANKejun，YUANYue，SHIXiaodan，etal.Environmental benefits analysis of distributed generation[J].Proceedings of the CSEE，2008，28（29）：11-15（in Chinese）.

[26]GLOVER F，KOCHENBERGER G.Adaptive memory tabu search for binary quadratic programs[J].Management Science，1998，44（3）：336-345.

[27]JOZEFOWSKA J，WALIGORA G，WEGLARZ J.Tabu list management methods for a discrete-continuous scheduling problem[J].European Journal of Operational Research，2002，137：288-302.

[28]HANAFI S.On the convergence of tabu search[J].Journal of Heuristic，2000，7（1）：47-58.

[29]向小蓉，劉滌塵，向農(nóng)，等.基于并行禁忌搜索算法的配電網(wǎng)重構(gòu)[J].電網(wǎng)技術(shù)，2012，36（8）：100-105.XIANGXiaorong，LIUDichen，XIANGNong，etal.Distribution network reconfiguration based on parallel tabu search algorithm[J].Power System Technology，2012，36（8）：100-105（in Chinese）.

[30]董百強.基于禁忌搜索算法的配電網(wǎng)重構(gòu)研究[D].重慶：重慶大學，2006.

A Two-Level Optimization Method for Improving Rate of Photovolatic Accommodation in Microgrid under the Demand-Side Response

DI Kaili1，LI Peng1，LI Xinming1，XU Shaojun2
（1.State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources（North China Electric Power University），Baoding 071003，Hebei，China；2.State Grid Beijing Electric Power Company，Beijing 100000，China）

In order to improve the photovolatic（PV）accommodation of the microgrid,this paper introduces the demand-side response model and proposes a two-level optimization method is proposed which takes both the rate of PV accommodation and economical efficiency of the microgrid into consideration.Firstly,the peak,flat and valley time division of time-of-use（TOU）price is optimized with the user satisfaction index as constraints and the maximum PV accommodation rate as objective,the optimized TOU price can guide users to change the electricity consumption manner and then make the load transfer.Secondly,with the goal of economicalefficiency ofthe microgrid,the optimization operation model of the microgrid is solved by tabu search（TS）algorithm.The simulation results show that this method can improve the rate of PV power accommodation,reduce the cost of electricity users and decrease the comprehensive operating cost of microgrid significantly,thus achieve a win-win of the power generation side and the demand side.

PV accommodation;microgrid；demand-side response；TOU price；two-level optimization；optimal operation

2016-05-11。

狄開麗（1991—），女，碩士研究生，主要研究方向為新能源并網(wǎng)電與微網(wǎng)技術(shù)；

（編輯 馮露）

國家電網(wǎng)公司總部科技項目(520201150012)。

Project Supported by the Science and Technology Program of State Grid Corporation of China（520201150012）.

1674-3814（2017）03-0111-08

TM734

A

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(shù)、電能質(zhì)量分析與控制、電力電子技術(shù)在智能電網(wǎng)中的應用等。