空調(diào)聚合商參與下的負(fù)荷控制與配電網(wǎng)重構(gòu)

唐 早, 劉俊勇, 劉友波, 李 婷, 胥威汀, 茍 競(jìng)

(1. 四川大學(xué)電氣信息學(xué)院, 四川省成都市 610065; 2. 國(guó)網(wǎng)四川省電力公司經(jīng)濟(jì)技術(shù)研究院, 四川省成都市 610041)

0 引言

隨著第三產(chǎn)業(yè)及居民用電持續(xù)增長(zhǎng)[1],高峰負(fù)荷增加尤為明顯。為保證電網(wǎng)峰荷時(shí)期運(yùn)行安全、可靠供電,電網(wǎng)需要從增加裝機(jī)容量、加強(qiáng)配電網(wǎng)網(wǎng)架結(jié)構(gòu)建設(shè)、增加無(wú)功裝置等進(jìn)行大量投資。但高峰負(fù)荷持續(xù)時(shí)間短,可能導(dǎo)致發(fā)電機(jī)與網(wǎng)架利用率低,為滿足高峰需求的投資效益低[2];增加無(wú)功裝置,導(dǎo)致配電網(wǎng)監(jiān)管難度加大,在低谷時(shí)期甚至形成無(wú)功倒送,給電力系統(tǒng)的一、二次設(shè)備帶來(lái)不利影響[3]。

在夏季電網(wǎng)高峰時(shí)期,空調(diào)負(fù)荷占比大,同時(shí)自身的熱存儲(chǔ)特性與需求彈性,使得其成為較好的需求響應(yīng)資源[4]。在智能電網(wǎng)硬件技術(shù)[5]與負(fù)荷聚合技術(shù)[6]的支持下,可利用空調(diào)負(fù)荷參與削峰。目前,大量關(guān)于空調(diào)負(fù)荷建模、控制、響應(yīng)的研究[4,7-15]為本文提供了一定的研究基礎(chǔ)。現(xiàn)有文獻(xiàn)基于等效熱參數(shù)模型進(jìn)行空調(diào)負(fù)荷建模[4],利用狀態(tài)隊(duì)列響應(yīng)模型[9],進(jìn)行聚合控制實(shí)現(xiàn)負(fù)荷的平滑[7]。本文進(jìn)一步考慮到空調(diào)用戶的個(gè)體差異,提出了針對(duì)不同用戶的不同溫度削減方案。

文獻(xiàn)[12-14]進(jìn)行了空調(diào)負(fù)荷參與調(diào)峰的研究。其中,文獻(xiàn)[13]對(duì)空調(diào)負(fù)荷參與電網(wǎng)調(diào)峰的總體思路與運(yùn)行框架展開(kāi)思考,文獻(xiàn)[14]針對(duì)樓宇空調(diào)負(fù)荷參與電網(wǎng)調(diào)峰進(jìn)行控制技術(shù)的研究,證明了削峰效果。文獻(xiàn)[12]在固定的網(wǎng)架結(jié)構(gòu)下,以最小調(diào)峰補(bǔ)償為目標(biāo)進(jìn)行日前調(diào)峰調(diào)度優(yōu)化策略的計(jì)算。而配電網(wǎng)重構(gòu)有利于平衡有功分布,改善電網(wǎng)供電水平。配電網(wǎng)重構(gòu)能夠極大地改善配電網(wǎng)的供電能力與運(yùn)行性能[16],文獻(xiàn)[17]表明利用重構(gòu)將重載末端節(jié)點(diǎn)向根節(jié)點(diǎn)靠近,能夠改善電網(wǎng)的電壓水平,提高供電性能。因此,本文考慮從空調(diào)削峰與配電網(wǎng)重構(gòu)兩方面出發(fā),進(jìn)行空調(diào)聚合商參與下的日前調(diào)度削峰策略研究。目前,針對(duì)電網(wǎng)重構(gòu)的求解方法主要分為兩種:①智能算法[18-19],容易求解但不穩(wěn)定,容易陷入局部收斂或無(wú)效解;②數(shù)值方法[20-22],求解可靠性高,但由于潮流約束的非凸非線性,求解難度大,考慮采用二階錐技術(shù)對(duì)潮流進(jìn)行凸松弛,利用Mosek等優(yōu)化軟件進(jìn)行求解。

本文考慮從電網(wǎng)重構(gòu)、空調(diào)負(fù)荷響應(yīng)兩方面出發(fā),以空調(diào)聚合商為市場(chǎng)手段,結(jié)合配電網(wǎng)重構(gòu)技術(shù)手段,制定空調(diào)負(fù)荷日前削峰方案,從而實(shí)現(xiàn)“集中決策、分散響應(yīng)、協(xié)同削峰”?？照{(diào)負(fù)荷聚合商側(cè)提供空調(diào)削減資源,減緩負(fù)荷壓力;配電網(wǎng)側(cè)提供重構(gòu)技術(shù)支撐,優(yōu)化潮流分配。配電網(wǎng)重構(gòu)與空調(diào)聚合商響應(yīng)相結(jié)合,利用二階錐技術(shù)松弛對(duì)所建立的潮流模型進(jìn)行凸松弛,并用優(yōu)化軟件求解。最后,采用IEEE 33節(jié)點(diǎn)系統(tǒng)算例驗(yàn)證了所提模型與方法的有效性。

1 面向空調(diào)負(fù)荷聚合商的運(yùn)行模式

在配電網(wǎng)供電高峰時(shí)期,電力公司能夠通過(guò)重構(gòu)、溫控負(fù)荷控制等方式,確保合理電壓水平,降低運(yùn)行損耗等。夏季負(fù)荷中,空調(diào)負(fù)荷占比高且具有良好的熱存儲(chǔ)特性,屬于較好的需求響應(yīng)資源。但空調(diào)負(fù)荷又是分散性強(qiáng)的需求響應(yīng)資源[4],用戶數(shù)量龐大,電力公司難以直接與其協(xié)調(diào)、控制。文獻(xiàn)[15]提出了空調(diào)負(fù)荷聚合商控制的商業(yè)模式,基于該商業(yè)模式,本文提出一種“集中決策、分散響應(yīng)、協(xié)同削峰”的運(yùn)行模式,如圖1所示。

圖1 面向空調(diào)負(fù)荷聚合商的運(yùn)行模式Fig.1 Operation mode with the participation of air-conditioning load aggregators

1)集中決策:配電公司對(duì)電網(wǎng)信息與空調(diào)負(fù)荷聚合商信息進(jìn)行整合,以最小化結(jié)算成本為目標(biāo),優(yōu)化求解出次日配電網(wǎng)運(yùn)行計(jì)劃。其中,配電公司需要統(tǒng)計(jì)出配電網(wǎng)的網(wǎng)架結(jié)構(gòu)、預(yù)測(cè)的負(fù)荷、網(wǎng)絡(luò)約束等信息;空調(diào)負(fù)荷聚合商則需要提供各類空調(diào)負(fù)荷的響應(yīng)價(jià)格、響應(yīng)容量、響應(yīng)時(shí)間的約束。優(yōu)化計(jì)算后,配電網(wǎng)整理得到次日網(wǎng)絡(luò)重構(gòu)安排,并向空調(diào)負(fù)荷聚合商發(fā)布具體響應(yīng)容量與結(jié)算價(jià)格,其優(yōu)化模型可利用優(yōu)化通用模型表示,具體如下:

minF(x,y)

(1)

(2)

式中:x表示自變量,包含支路的開(kāi)斷情況、空調(diào)負(fù)荷聚合商容量響應(yīng)情況;y表示因變量,包含節(jié)點(diǎn)電壓、節(jié)點(diǎn)功率等;f(x,y)表示等式約束,包含潮流約束等;h(x,y)表示模型中的不等式約束,包含電壓約束、空調(diào)負(fù)荷響應(yīng)容量約束等。

2)分散響應(yīng):不同空調(diào)用戶與空調(diào)負(fù)荷聚合商簽訂不同的代理模式,空調(diào)負(fù)荷聚合商獲得部分用電決策權(quán),從而對(duì)空調(diào)負(fù)荷進(jìn)行控制。聚合商可通過(guò)歷史數(shù)據(jù)與氣象數(shù)據(jù)分析預(yù)測(cè)空調(diào)負(fù)荷的可控容量,在確保用戶舒適度的情況下向配電公司上報(bào)可響應(yīng)容量。容量確定后,制定合理的控制策略,在保證空調(diào)負(fù)荷充分削減的同時(shí),實(shí)現(xiàn)聚合商自身利潤(rùn)的最大化。

代理模式不同,聚合商的不同容量響應(yīng)成本不同,因此同一聚合商采用分段式報(bào)價(jià)。不同聚合商之間則采用統(tǒng)一價(jià)格競(jìng)價(jià)機(jī)制對(duì)空調(diào)負(fù)荷聚合商的響應(yīng)容量進(jìn)行結(jié)算,具體結(jié)算機(jī)制見(jiàn)附錄A。

2 空調(diào)負(fù)荷聚合商模型

2.1 可控空調(diào)負(fù)荷建模

為了能夠參與需求響應(yīng)之中,空調(diào)負(fù)荷聚合商需要對(duì)所管轄的可削減空調(diào)負(fù)荷容量進(jìn)行確定。針對(duì)空調(diào)的能量轉(zhuǎn)換與存儲(chǔ)特性,文獻(xiàn)[4,15]建立的關(guān)于空調(diào)機(jī)組性能參數(shù)與室溫關(guān)系的空調(diào)等效熱模型的描述如下:

(3)

式中:s為空調(diào)啟停狀態(tài),1表示關(guān)閉,0表示開(kāi)啟;t為時(shí)刻;Tin表示室內(nèi)溫度;Tout表示室外溫度;ε為散熱函數(shù),取0.96;η為空調(diào)的能效比;A為導(dǎo)熱系數(shù),本文取0.18 ℃/kW;P為空調(diào)的額定制冷消耗功率。

以夏季為例,空調(diào)處于“?！睜顟B(tài)時(shí),制冷停止,室內(nèi)溫度上升;處于“開(kāi)”狀態(tài)時(shí),制冷啟動(dòng),室內(nèi)溫度下降?？照{(diào)啟停時(shí)間模型與室內(nèi)外溫度的關(guān)系可用式(6)和式(7)表示。

(4)

T=ton+toff

(5)

式中:ton和toff分別為空調(diào)的一個(gè)運(yùn)行周期T內(nèi)的啟、停時(shí)間;Tmax和Tmin分別為空調(diào)溫度設(shè)置的上限與下限。

針對(duì)參數(shù)相近的空調(diào)負(fù)荷群,聚合商能夠通過(guò)對(duì)空調(diào)自身啟停狀態(tài)的控制,保障各個(gè)時(shí)刻處于“開(kāi)”狀態(tài)的空調(diào)數(shù)目相同,從而實(shí)現(xiàn)空調(diào)負(fù)荷的平滑、均勻[7],假設(shè)該溫度的空調(diào)用戶數(shù)為n,該空調(diào)負(fù)荷群的平均功率可表示為:

(6)

在智能電網(wǎng)硬件技術(shù)[5]支持下,負(fù)荷聚合商通過(guò)對(duì)空調(diào)溫度設(shè)定的最大、最小啟停溫度進(jìn)行調(diào)整,改變空調(diào)負(fù)荷的啟停時(shí)間,從而實(shí)現(xiàn)空調(diào)負(fù)荷平滑后的進(jìn)一步削減?？照{(diào)聚合商對(duì)溫度進(jìn)行調(diào)整前后的空調(diào)負(fù)荷群功率變化分別為:

(7)

式中:上標(biāo)Pre表示聚合商控制前的參數(shù)；上標(biāo)Aft表示控制后的參數(shù)。

通過(guò)簽訂空調(diào)用戶代理模式,空調(diào)負(fù)荷聚合商獲得的該類空調(diào)負(fù)荷群的最大縮減容量為:

Pcur=PPre-PAft

(8)

2.2 空調(diào)用戶代理模式

空調(diào)負(fù)荷聚合商通過(guò)對(duì)用戶的空調(diào)使用習(xí)慣進(jìn)行調(diào)研,明確在無(wú)補(bǔ)償激勵(lì)下的用戶空調(diào)使用習(xí)慣?？紤]到不同用戶對(duì)舒適度的追求不同,對(duì)補(bǔ)償價(jià)格的響應(yīng)程度不同,允許空調(diào)負(fù)荷聚合商進(jìn)行調(diào)控的時(shí)間長(zhǎng)度不同,本文提出了3種空調(diào)用戶代理模式,以應(yīng)對(duì)不同用戶的空調(diào)用電需求。

模式A:空調(diào)用戶對(duì)溫度的需求相對(duì)較高,但仍愿意在電力高峰時(shí)期將空調(diào)設(shè)定溫度提高0～2 ℃,以減少電網(wǎng)用電壓力,對(duì)該類用戶響應(yīng),空調(diào)負(fù)荷聚合商補(bǔ)貼相對(duì)較少,但其負(fù)荷削減不存在控制時(shí)間限制。

模式B:空調(diào)用戶對(duì)溫度的需求相對(duì)不高,愿意對(duì)削峰進(jìn)行積極響應(yīng),愿意將溫度提高2～4 ℃。對(duì)于該類用戶,空調(diào)負(fù)荷聚合商的補(bǔ)貼略高于模式A,且該類用戶在溫度調(diào)節(jié)上存在一定時(shí)間限制,如削減時(shí)間應(yīng)小于90 min。

模式C:受到價(jià)格補(bǔ)償?shù)募?lì),該類空調(diào)用戶允許空調(diào)負(fù)荷聚合商關(guān)停正在運(yùn)行的空調(diào)裝置。該類用戶轉(zhuǎn)讓出了大量的空調(diào)負(fù)荷控制權(quán),但其補(bǔ)償金額高,且響應(yīng)持續(xù)時(shí)間短,小于60 min。

3 面向聚合商的優(yōu)化運(yùn)行模型

3.1 目標(biāo)函數(shù)

本文所建立的面向聚合商的配電網(wǎng)重構(gòu)優(yōu)化運(yùn)行模型以最小化結(jié)算成本為目標(biāo),其目標(biāo)函數(shù)為:

(9)

3.2 模型約束

從本質(zhì)上看,面向聚合商的優(yōu)化運(yùn)行模型是在滿足電網(wǎng)安全、聚合商響應(yīng)兩個(gè)層面的約束下進(jìn)行空調(diào)負(fù)荷響應(yīng)方案的確定,因此,需要從配電公司、聚合商兩個(gè)方面考慮運(yùn)行約束。

3.2.1配電公司層面

配電公司通過(guò)對(duì)該地區(qū)配電網(wǎng)日前預(yù)測(cè)負(fù)荷的預(yù)處理,確定該區(qū)域的負(fù)荷高峰時(shí)期,基于獲取的負(fù)荷數(shù)據(jù)進(jìn)行潮流計(jì)算。

1)配電網(wǎng)潮流模型

潮流方程如下:

(10)

(11)

2)配電網(wǎng)安全約束

為保證配電網(wǎng)的安全運(yùn)行,同時(shí)需要保證電流與電壓在約束范圍內(nèi),因此存在:

(12)

3)配電網(wǎng)輻射狀運(yùn)行約束

配電網(wǎng)進(jìn)行重構(gòu)時(shí),需要保證配電網(wǎng)滿足輻射狀約束[22],其必要條件為式(13),充分條件為式(14)。

(13)

(14)

式中:n為節(jié)點(diǎn)個(gè)數(shù);m為線路條數(shù);k為配電系統(tǒng)個(gè)數(shù);e為一個(gè)大于零的小量。

動(dòng)態(tài)來(lái)看,還需滿足聯(lián)絡(luò)開(kāi)關(guān)動(dòng)作次數(shù)限制:

(15)

式中:αij,t表示t時(shí)刻的開(kāi)關(guān)狀態(tài)；αij,t-1表示t-1時(shí)刻的開(kāi)關(guān)狀態(tài);nmax為開(kāi)關(guān)的最大允許操作次數(shù)。

3.2.2空調(diào)負(fù)荷聚合商層面

空調(diào)負(fù)荷聚合商通過(guò)與空調(diào)用戶簽訂不同的溫控負(fù)荷代理模式,需要保證滿足相應(yīng)的響應(yīng)約束,如式(16)—式(18)所示。其中,式(16)表示各類空調(diào)負(fù)荷削減總量需要滿足簽約容量約束;式(17)表示各類空調(diào)負(fù)荷削減量需要滿足簽約容量時(shí)間約束;式(18)表示節(jié)點(diǎn)削減的負(fù)荷總量為各類削減負(fù)荷之和。

(16)

(17)

(18)

4 求解方法

本文模型基于統(tǒng)一出清價(jià)格結(jié)算機(jī)制建立,考慮了不同節(jié)點(diǎn)、不同用戶代理模式、不同時(shí)刻等多方面因素,是一個(gè)混合整數(shù)連續(xù)變量下的動(dòng)態(tài)優(yōu)化模型。該模型同時(shí)考慮了電網(wǎng)潮流約束,使得該問(wèn)題從數(shù)學(xué)本質(zhì)上來(lái)看是一個(gè)大規(guī)模的非凸非線性規(guī)劃問(wèn)題,難以用數(shù)值方法優(yōu)化求解。

1)配電網(wǎng)的二階錐松弛模型

配電網(wǎng)潮流方程式具有強(qiáng)非凸性,屬于NP難題,求解難度大且求解效率不高。因此,本文考慮采用二階錐技術(shù)進(jìn)行松弛[20],令

(19)

用上述變量替換潮流約束條件中的相關(guān)項(xiàng)。根據(jù)文獻(xiàn)[22],在滿足目標(biāo)函數(shù)為電流或功率的正相關(guān)函數(shù)條件下,可針對(duì)式(19)進(jìn)行如下松弛變換:

(20)

整理后,潮流約束如下:

(21)

經(jīng)過(guò)式(20)和式(21)的變換,原問(wèn)題從一個(gè)非凸非線性問(wèn)題轉(zhuǎn)變?yōu)橐粋€(gè)凸非線性問(wèn)題。

2)0-1整數(shù)變量約束處理

通過(guò)引入0-1變量來(lái)表征配電網(wǎng)支路開(kāi)斷情況,基于U和θ的配電網(wǎng)潮流方程,從兩端電壓差值出發(fā),只需要考慮到兩個(gè)節(jié)點(diǎn)的連接情況,無(wú)需考慮從節(jié)點(diǎn)i流入j或從節(jié)點(diǎn)j流入i的潮流流向差別,因此存在N個(gè)關(guān)于支路連接情況的0-1變量。重構(gòu)支路混合整數(shù)變量的引入難以直接求解,因此,可對(duì)配電網(wǎng)重構(gòu)潮流進(jìn)行如下變化:

(22)

式中：Umax和Umin分別為節(jié)點(diǎn)電壓的最大值和最小值的平方。

3)統(tǒng)一價(jià)格競(jìng)價(jià)模式

建立價(jià)格的分段函數(shù)模型如下:

(23)

綜上,本文所提出的空調(diào)負(fù)荷聚合商參與下的配電網(wǎng)負(fù)荷控制與運(yùn)行重構(gòu)策略模型可寫為:

(24)

通過(guò)上述等效推導(dǎo),模型可利用現(xiàn)有的Mosek算法軟件包通過(guò)割平面法或分支定界法獲得原問(wèn)題的全局最優(yōu)解,確定各個(gè)時(shí)段、各個(gè)節(jié)點(diǎn)、各類用戶空調(diào)負(fù)荷的削減容量。

5 算例分析

為了驗(yàn)證本文提出的模型的效果,利用MATLAB Yalmip平臺(tái)開(kāi)發(fā)上述面向聚合商的配電網(wǎng)重構(gòu)優(yōu)化程序,并利用Mosek二次規(guī)劃算法包測(cè)試凸優(yōu)化技術(shù)的求解能力。測(cè)試系統(tǒng)的硬件環(huán)境為英特爾雙核i3-4160 CPU 3.6 GHz,4 GB內(nèi)存,操作系統(tǒng)為Win7 32 bit,開(kāi)發(fā)環(huán)境為MATLAB R2013a,Yalmip版本為20130322。

5.1 初始數(shù)據(jù)

選取IEEE 33節(jié)點(diǎn)系統(tǒng)[18]網(wǎng)架為例,假設(shè)每個(gè)節(jié)點(diǎn)均存在空調(diào)負(fù)荷聚合商,負(fù)荷高峰時(shí)間為12:00—14:00,假設(shè)室外溫度為36 ℃,可利用預(yù)測(cè)值代替實(shí)際的負(fù)荷值進(jìn)行計(jì)算,配電網(wǎng)峰值為100×(5.796+j2.904)MVA,保證配電網(wǎng)各節(jié)點(diǎn)電壓不低于0.9(標(biāo)幺值),以20 min為一個(gè)斷面進(jìn)行運(yùn)行策略的計(jì)算?？照{(diào)負(fù)荷聚合商與空調(diào)用戶簽訂的代理模式可分為3種,其具體參數(shù)見(jiàn)表1。利用式(6)—式(12)可求出聚合商協(xié)議下各個(gè)節(jié)點(diǎn)各類用戶的可響應(yīng)容量?？紤]該地區(qū)為居民用戶群,在夏季負(fù)荷高峰時(shí)期空調(diào)負(fù)荷占比達(dá)45%,整理空調(diào)負(fù)荷聚合商側(cè)用戶的簽約信息、不同類型的簽約容量,得到次日聚合商在各個(gè)節(jié)點(diǎn)可削減的容量?？照{(diào)負(fù)荷可削減容量計(jì)算方法見(jiàn)附錄B。

表1 空調(diào)負(fù)荷聚合商簽約信息Table 1 Contract information of air-conditioning load aggregator

5.2 經(jīng)濟(jì)運(yùn)行安排

基于所建立的模型,利用Mosek求解本文的混合整數(shù)二階錐優(yōu)化問(wèn)題,求解出的重構(gòu)方案為閉合支路17-18,18-33,12-21,21-22,斷開(kāi)支路11-12和32-33。

1)配電公司費(fèi)用與安全分析

經(jīng)過(guò)優(yōu)化計(jì)算,配電公司計(jì)算得到各個(gè)節(jié)點(diǎn)聚合商響應(yīng)容量與補(bǔ)償價(jià)格,計(jì)算得到配電公司需要向聚合商支付的費(fèi)用為1 668元。

在進(jìn)行重構(gòu)與削減計(jì)算后,聚合商參與前后總負(fù)荷的變化情況如圖2所示。其中,時(shí)段1至6空調(diào)負(fù)荷削減總量分別為0.042 8,3.99,8.03,1.93,0.042 7,0.042 8 MW。時(shí)段1,5,6的負(fù)荷響應(yīng)容量均較小,是由于僅僅通過(guò)重構(gòu),就能夠明顯改善甚至消除電網(wǎng)過(guò)載導(dǎo)致的安全問(wèn)題;而時(shí)段2,3,4響應(yīng)容量較大,是由于電網(wǎng)運(yùn)行壓力過(guò)大,僅通過(guò)重構(gòu)不能滿足配電網(wǎng)的運(yùn)行安全要求,還需要溫控負(fù)荷響應(yīng)。通過(guò)對(duì)比時(shí)段2,3,4響應(yīng)后的負(fù)荷總量,可以看出,為保證電網(wǎng)安全運(yùn)行,同一網(wǎng)架能夠負(fù)擔(dān)的負(fù)荷總量近似相等。

圖2 各時(shí)段空調(diào)負(fù)荷的響應(yīng)情況Fig.2 Air-conditioning load response in each period

通過(guò)對(duì)比附錄C中圖C1和圖C2,能夠發(fā)現(xiàn)空調(diào)負(fù)荷重構(gòu)響應(yīng)方案執(zhí)行后,各時(shí)間斷面的節(jié)點(diǎn)電壓均有明顯改善。以時(shí)段1為例,在面向空調(diào)負(fù)荷聚合商的運(yùn)行重構(gòu)策略執(zhí)行前,配電網(wǎng)電壓低于0.9(標(biāo)幺值)的節(jié)點(diǎn)數(shù)為15個(gè),占總節(jié)點(diǎn)數(shù)的45%,配電網(wǎng)的供電質(zhì)量差,電壓越限情況嚴(yán)重。本文提出的運(yùn)行策略執(zhí)行后,配電網(wǎng)側(cè)實(shí)現(xiàn)了零節(jié)點(diǎn)電壓越限,供電質(zhì)量顯著提高。

2)空調(diào)負(fù)荷聚合商的收益分析

經(jīng)過(guò)結(jié)算,可以得到空調(diào)負(fù)荷聚合商從配電公司處的結(jié)算收入為1 668元,需要向用戶補(bǔ)貼的支出為928元,自身的利潤(rùn)為760元。聚合商的結(jié)算收入與補(bǔ)貼支出不相等,這是由于采用統(tǒng)一價(jià)格結(jié)算機(jī)制。該部分的差價(jià)存在,會(huì)激勵(lì)空調(diào)負(fù)荷聚合商優(yōu)化其代理模式、補(bǔ)貼方案以及競(jìng)價(jià)策略,以獲取更多的收益。

通過(guò)對(duì)比附錄D表D1中各類負(fù)荷的削減方案,可以看出,在確定響應(yīng)負(fù)荷時(shí),費(fèi)用較低的空調(diào)負(fù)荷會(huì)被優(yōu)先選中響應(yīng),直到滿足配電網(wǎng)的運(yùn)行需求。同時(shí),從表2中也可以看出在高峰時(shí)期,均考慮優(yōu)先采用代理模式A的響應(yīng)容量,該類代理模式在6個(gè)時(shí)間斷面均參與負(fù)荷響應(yīng)中;而代理模式B和C由于同時(shí)受到響應(yīng)時(shí)間與削減需求的約束,各個(gè)時(shí)間段響應(yīng)量有所不同。其中,模式C為直接“切負(fù)荷”,響應(yīng)量較大,削減效果明顯,但響應(yīng)成本較高,成功參與負(fù)荷響應(yīng)的容量較小。

3)電網(wǎng)重構(gòu)效果分析

本文建立了面向聚合商參與的配電網(wǎng)溫控負(fù)荷控制與運(yùn)行重構(gòu)策略模型。本部分通過(guò)對(duì)重構(gòu)與不重構(gòu)的響應(yīng)方案與配電網(wǎng)運(yùn)行情況進(jìn)行模擬,對(duì)比分析重構(gòu)與不重構(gòu)兩種方案的性能。

表2 各時(shí)段空調(diào)負(fù)荷聚合商的響應(yīng)情況Table 2 Response of air-conditioning load aggregator in each period

從圖3可以看出,重構(gòu)前空調(diào)負(fù)荷響應(yīng)量大,各個(gè)時(shí)段的空調(diào)負(fù)荷削減情況嚴(yán)重,在考慮重構(gòu)后,通過(guò)優(yōu)化網(wǎng)架結(jié)構(gòu),空調(diào)負(fù)荷的響應(yīng)量大大減少。重構(gòu)前,大量負(fù)荷集中于單一饋線上,通過(guò)重構(gòu),將饋線1-18上的負(fù)荷部分轉(zhuǎn)移到饋線19-22上,從而緩解了配電網(wǎng)運(yùn)行壓力,使得在時(shí)段1,5,6的削減量小。從時(shí)段2,3,4的運(yùn)行方案可以看出,僅僅通過(guò)網(wǎng)絡(luò)重構(gòu)在部分情況下無(wú)法滿足電網(wǎng)的安全約束,需要進(jìn)行空調(diào)負(fù)荷削減,但空調(diào)負(fù)荷削減量較不考慮重構(gòu)時(shí)明顯較少。

圖3 各時(shí)段重構(gòu)與不重構(gòu)的空調(diào)負(fù)荷響應(yīng)情況Fig.3 Air-conditioning load response with and without distribution network reconfiguration in each period

在不考慮重構(gòu)的情況下,僅利用空調(diào)負(fù)荷削減無(wú)法保證電網(wǎng)各節(jié)點(diǎn)電壓不低于0.9(標(biāo)幺值)的約束,使所有空調(diào)負(fù)荷均參與削峰響應(yīng)中,各時(shí)段電壓如附錄C圖C3所示。通過(guò)重構(gòu)前后電壓的對(duì)比,可以得到重構(gòu)與不重構(gòu)配電網(wǎng)的電壓質(zhì)量均有明顯改善。在僅進(jìn)行空調(diào)負(fù)荷削減響應(yīng)時(shí),饋線1-18末梢部分節(jié)點(diǎn)位于0.9(標(biāo)幺值)附近,安全裕度相較于重構(gòu)后的運(yùn)行方案較低。此外,在時(shí)段2和3,即使充分削減空調(diào)負(fù)荷,配電網(wǎng)的最低節(jié)點(diǎn)處電壓略低于0.9(標(biāo)幺值)。而考慮重構(gòu)情況下,雖然饋線19-21上各節(jié)點(diǎn)電壓有所降低,但提高了全網(wǎng)電壓的合格率,實(shí)現(xiàn)了各節(jié)點(diǎn)電壓零越限。

4)計(jì)算性能

不同算法的計(jì)算性能對(duì)比分析如附錄D表D2所示。不難發(fā)現(xiàn),傳統(tǒng)協(xié)調(diào)優(yōu)化的混合整數(shù)非線性模型直接求解困難且耗時(shí)長(zhǎng),而轉(zhuǎn)化為本文所建立的混合整數(shù)二階錐模型后,求解速度大大提高。

6 結(jié)語(yǔ)

本文提出了兼容空調(diào)負(fù)荷聚合商參與的配電網(wǎng)負(fù)荷控制與運(yùn)行決策模型,同時(shí)利用市場(chǎng)和技術(shù)手段實(shí)現(xiàn)溫控負(fù)荷優(yōu)化控制,以降低重載條件下配用電系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)。為增強(qiáng)求解能力,基于混合整數(shù)的二階錐凸規(guī)劃方法對(duì)模型進(jìn)行等效,利用優(yōu)化軟件可進(jìn)行決策的快速計(jì)算。本文所提方法通過(guò)引入聚合商的商業(yè)模式進(jìn)行主動(dòng)削峰響應(yīng),在通信技術(shù)的支撐下,需求響應(yīng)削峰與配電網(wǎng)重構(gòu)并用,從而保障電網(wǎng)運(yùn)行安全。該方法能有效規(guī)避冗余的電網(wǎng)容量建設(shè)與無(wú)功補(bǔ)償配置,并且能夠通過(guò)價(jià)格補(bǔ)償機(jī)制,引導(dǎo)用戶理性用電。未來(lái)筆者將針對(duì)負(fù)荷不確定性和更多分布式可控資源(如分布式電源、儲(chǔ)能等)進(jìn)行更多的考慮與研究。

附錄見(jiàn)本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 2016年度全國(guó)電力供需形勢(shì)分析預(yù)測(cè)報(bào)告[EB/OL].(2016-02-15)[2017-08-15].http://www.chinapower.com.cn/information&yjbg/20160215/14210.html.

[2] 鄭子龍,董永軍.關(guān)于電力需求側(cè)管理的對(duì)策研究[J].科技信息,2009(18):646.

[3] 趙玉勇,何平,張蕾瓊,等.城市配電網(wǎng)無(wú)功倒送電力系統(tǒng)現(xiàn)狀分析及對(duì)策[J].現(xiàn)代建筑電氣,2014(12):54-57.

ZHAO Yuyong, HE Ping, ZHANG Leiqiong, et al. Present situation analysis and countermeasures about reactive power sending to power system in city distribution network[J]. Modern Architecture Electric, 2014(12): 54-57.

[4] 周磊,李揚(yáng),高賜威.聚合空調(diào)負(fù)荷的溫度調(diào)節(jié)方法改進(jìn)及控制策略[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(31):5579-5589.

ZHOU Lei, LI Yang, GAO Ciwei. Improvement of temperature adjusting method for aggregated air-conditioning loads and its control strategy[J]. Proceedings of the CSEE, 2014, 34(31): 5579-5589.

[5] 陳樹勇,宋書芳,李蘭欣,等.智能電網(wǎng)技術(shù)綜述[J].電網(wǎng)技術(shù),2009,33(8):1-7.

CHEN Shuyong, SONG Shufang, LI Lanxin, et al. Survey on smart grid technology[J]. Power System Technology, 2009, 33(8): 1-7.

[6] 孫玲玲,高賜威,談健,等.負(fù)荷聚合技術(shù)及其應(yīng)用[J].電力系統(tǒng)自動(dòng)化,2017,41(6):159-167.DOI:10.7500/AEPS20161023001.

SUN Lingling, GAO Ciwei, TAN Jian, et al. Load aggregation technology and its applications[J]. Automation of Electric Power Systems, 2017, 41(6): 159-167. DOI: 10.7500/AEPS20161023001.

[7] WEI D C, CHEN N M. Air-conditioner direct load control by multipass dynamic-programming[J]. IEEE Transactions on Power Systems, 1995, 10(1): 307-313.

[8] CALLAWAY D S, HISKENS I A. Achieving controllability of electric loads[J]. Proceedings of the IEEE, 2011, 99(1): 184-199.

[9] 王丹,范孟華,賈宏杰.考慮用戶舒適約束的家居溫控負(fù)荷需求響應(yīng)和能效電廠建模[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(13):2071-2077.

WANG Dan, FAN Menghua, JIA Hongjie. User comfort constraint demand response for residential thermostatically-controlled loads and efficient power plant modeling[J]. Proceedings of the CSEE, 2014, 34(13): 2071-2077.

[10] 戚野白,王丹,賈宏杰,等.基于需求響應(yīng)的集群溫控負(fù)荷建模及參與低頻減載策略研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2017,37(3):751-760.

QI Yebai, WANG Dan, JIA Hongjie, et al. Research on under frequency load shedding strategy using aggregated thermostatically controlled loads based on demand response[J]. Proceedings of the CSEE, 2017, 37(3): 751-760.

[11] OH H S, THOMAS R J. Demand-side bidding agents: modeling and simulation[J]. IEEE Transactions on Power Systems, 2008, 23(3): 1050-1056.

[12] 李作鋒,楊斌,楊永標(biāo),等.基于日前調(diào)度的大規(guī)模中央空調(diào)調(diào)峰方法[J].電力需求側(cè)管理,2017,19(3):26-31.

LI Zuofeng, YANG Bin, YANG Yongbiao, et al. The peak load shifting method based on day-ahead dispatch with large scale central air-conditioning[J]. Power Demand Side Management, 2017, 19(3): 26-31.

[13] 楊永標(biāo),顏慶國(guó),徐石明,等.公共樓宇空調(diào)負(fù)荷參與電網(wǎng)虛擬調(diào)峰的思考[J].電力系統(tǒng)自動(dòng)化,2015,39(17):103-107.DOI:10.7500/AEPS20150331023.

YANG Yongbiao, YAN Qingguo, XU Shiming, et al. Thinking of public building air-conditioning load participating in grid with virtual peak clipping[J]. Automation of Electric Power Systems, 2015, 39(17): 103-107. DOI: 10.7500/AEPS20150331023.

[14] 李天陽(yáng),趙興旺,肖文舉.面向峰谷平衡的商業(yè)樓宇空調(diào)負(fù)荷調(diào)控技術(shù)[J].電力系統(tǒng)自動(dòng)化,2015,39(17):96-102.DOI:10.7500/AEPS20150311009.

LI Tianyang, ZHAO Xingwang, XIAO Wenju. Regulation technology of air-conditioning load in commercial buildings for balance of power grid peak and valley[J]. Automation of Electric Power Systems, 2015, 39(17): 96-102. DOI: 10.7500/AEPS20150311009.

[15] 高賜威,李倩玉,李揚(yáng).基于DLC的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制策略[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(10):1546-1555.

GAO Ciwei, LI Qianyu, LI Yang. Bi-level optimal dispatch and control strategy for air-conditioning load based on direct load control[J]. Proceedings of the CSEE, 2014, 34(10): 1546-1555.

[16] 靳小龍,穆云飛,賈宏杰,等.面向最大供電能力提升的配電網(wǎng)主動(dòng)重構(gòu)策略[J].電工技術(shù)學(xué)報(bào),2014,29(12):137-147.

JIN Xiaolong, MU Yunfei, JIA Hongjie, et al. An active reconfiguration strategy for distribution network based on maximum power supply capability[J]. Transactions of China Electrotechnical Society, 2014, 29(12): 137-147.

[17] GUAN Wanlin, TAN Yanghong, ZHANG Haixia, et al. Distribution system feeder reconfiguration considering different model of DG sources[J]. International Journal of Electrical Power & Energy Systems, 2015, 68: 210-221.

[18] 張世達(dá),孫永輝,趙景濤,等.基于隨機(jī)響應(yīng)面法的主動(dòng)配電網(wǎng)無(wú)功優(yōu)化[J].電力系統(tǒng)自動(dòng)化,2017,41(13):30-38.DOI:10.7500/AEPS20161026003.

ZHANG Shida, SUN Yonghui, ZHAO Jingtao, et al. Optimal reactive power flow in active distribution network based on stochastic response surface method[J]. Automation of Electric Power Systems, 2017, 41(13): 30-38. DOI: 10.7500/AEPS20161026003.

[19] 許立雄,呂林,劉俊勇.基于改進(jìn)粒子群優(yōu)化算法的配電網(wǎng)絡(luò)重構(gòu)[J].電力系統(tǒng)自動(dòng)化,2006,30(7):27-30.

XU Lixiong, Lü Lin, LIU Junyong. Modified particle swarm optimization for reconfiguration of distribution network[J]. Automation of Electric Power Systems, 2006, 30(7): 27-30.

[20] 李洪美,崔翰韜,萬(wàn)秋蘭.考慮電動(dòng)汽車充電策略的配網(wǎng)重構(gòu)二階錐規(guī)劃模型[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(18):4674-4681.

LI Hongmei, CUI Hantao, WAN Qiulan. Distribution network reconfiguration based on second-order conic programming considering EV charging strategy[J]. Proceedings of the CSEE, 2015, 35(18): 4674-4681.

[21] JABR R A, SINGH R, PAL B C. Minimum loss network reconfiguration using mixed-integer convex programming[J]. IEEE Transactions on Power Systems, 2012, 27(2): 1106-1115.

[22] 高紅均,劉俊勇,沈曉東,等.主動(dòng)配電網(wǎng)最優(yōu)潮流研究及其應(yīng)用實(shí)例[J].中國(guó)電機(jī)工程學(xué)報(bào),2017,37(6):1634-1645.

GAO Hongjun, LIU Junyong, SHEN Xiaodong, et al. Optimal power flow research in active distribution network and its application examples[J]. Proceedings of the CSEE, 2017, 37(6): 1634-1645.