計(jì)及用戶行為的需求響應(yīng)對分布式發(fā)電系統(tǒng)充裕度的影響

武 賡, 隆竹寒, 曾 博, 曾 鳴, 王昊婧, 顧姍姍

(1. 新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué)), 北京市102206; 2. 北京電力經(jīng)濟(jì)技術(shù)研究院, 北京市 100055; 3. 國網(wǎng)(北京)節(jié)能設(shè)計(jì)研究院有限公司, 北京市 100052)

0 引言

隨著可再生能源滲透率的不斷提高,需求響應(yīng)(demand response,DR)逐漸成為電力系統(tǒng)中重要的可控資源,對DR資源進(jìn)行調(diào)控能夠有效提高未來新能源電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和可靠性[1]。研究DR對系統(tǒng)發(fā)電充裕度以及可靠性的影響對于定量分析DR實(shí)施效益,以及未來DR參與現(xiàn)貨以及容量電力市場交易都具有十分重要的意義[2]。

當(dāng)前,國內(nèi)外針對DR對于系統(tǒng)發(fā)電充裕度的影響已經(jīng)進(jìn)行了一些研究。文獻(xiàn)[3]分析了在實(shí)施需求側(cè)管理后,負(fù)荷變化對于系統(tǒng)發(fā)電充裕度的影響;文獻(xiàn)[4]提出了一種DR資源對發(fā)電充裕度影響分析的評估流程,說明了DR資源能夠有效提高系統(tǒng)的可靠性,同時(shí)響應(yīng)節(jié)點(diǎn)用戶的負(fù)荷反彈特性能夠影響DR對于系統(tǒng)發(fā)電充裕度的貢獻(xiàn)程度;文獻(xiàn)[5]通過馬爾可夫模型將DR資源等效為傳統(tǒng)機(jī)組,分析了DR資源的不確定性對系統(tǒng)可靠性的影響以及DR自身的可靠性效益;文獻(xiàn)[6]則重點(diǎn)分析了DR資源對配電網(wǎng)可靠性的影響。

上述研究多數(shù)只是基于負(fù)荷本身的物理特性或者DR技術(shù)潛力進(jìn)行建模分析。而在電力市場環(huán)境下,用戶是否愿意參加DR項(xiàng)目往往取決于其參與DR項(xiàng)目的收益和對其用電行為的影響。因此,用戶對于參與行為的選擇是影響系統(tǒng)中DR可用程度的重要因素[7]。當(dāng)前,已有文獻(xiàn)對于DR資源不確定性的研究基本都是在系統(tǒng)運(yùn)行問題中,文獻(xiàn)[8-9]都是通過在用戶負(fù)荷彈性上添加純隨機(jī)擾動(dòng)參數(shù)來描述可用DR資源以及用戶行為的不確定性;文獻(xiàn)[10]是通過構(gòu)建涵蓋具有均勻分布不確定性參數(shù)的用戶效用折損函數(shù)來對用戶DR行為選擇波動(dòng)進(jìn)行描述。綜上所述,當(dāng)前對于DR資源可用量以及用戶行為的建模都比較簡單,尤其是在系統(tǒng)充裕度分析中很少考慮用戶選擇行為的影響。

鑒于此,本文基于后悔度匹配機(jī)制構(gòu)建了計(jì)及用戶行為選擇的DR資源時(shí)序動(dòng)態(tài)分析模型,提出了基于序貫蒙特卡洛方法的DR資源對分布式發(fā)電系統(tǒng)(distributed generation system,DGS)發(fā)電充裕度的影響評估流程。通過算例仿真,分析了DR對分布式發(fā)電系統(tǒng)發(fā)電充裕度的影響,以及節(jié)點(diǎn)負(fù)荷特性尤其是用戶行為選擇對DR可靠性貢獻(xiàn)程度的影響。

1 分布式發(fā)電系統(tǒng)中電源的可靠性模型

在分布式發(fā)電系統(tǒng)中,可用電源主要包括傳統(tǒng)能源分布式電源(如燃?xì)鈾C(jī)組),可再生能源分布式電源以及主網(wǎng)變壓器[11]。在本文中為簡化模型,傳統(tǒng)能源分布式電源只考慮分布式燃?xì)鈾C(jī)組,可再生能源分布式電源只考慮分布式風(fēng)機(jī),本文所提的分布式電源評估流程對于其他形式的分布式電源均具有適用性。

1.1 分布式電源可靠性模型

對于傳統(tǒng)的燃?xì)鈾C(jī)組,在不考慮其燃料供應(yīng)問題的條件下,其在某一時(shí)刻的可用容量由其是否處在正常工作狀態(tài)決定[12]。因此,可以基于其故障率和維修率參數(shù),構(gòu)建兩階段的馬爾可夫模型,從而確定燃?xì)鈾C(jī)組的時(shí)序狀態(tài)序列和可用容量序列[12]。

對于分布式風(fēng)機(jī),其出力受風(fēng)速大小影響。因此,需要先構(gòu)建風(fēng)速不確定性模型,再根據(jù)風(fēng)速—出力關(guān)系函數(shù)確定其時(shí)序可用容量序列[13]。本文基于中國西北某地區(qū)的風(fēng)速數(shù)據(jù),通過ARMA(p,q)模型描述其風(fēng)速的時(shí)序特性[12],如式(1)—式(3)所示。

(1)

vt=φt+σtyt

(2)

(3)

1.2 主網(wǎng)變壓器可靠性模型

由于主網(wǎng)電源向分布式發(fā)電系統(tǒng)供電能力受主網(wǎng)電源可用容量的影響,因此,在分布式發(fā)電系統(tǒng)發(fā)電充裕度分析中需要對主網(wǎng)變壓器的出力不確定性進(jìn)行等效的定量描述。在本文中,假設(shè)主網(wǎng)變壓器的可用容量波動(dòng)概率服從均勻分布[11],其出力可表示為:

(4)

2 DR模型

在系統(tǒng)層面,用戶的DR潛力不僅由其用電器自身的負(fù)荷物理特性決定,其參與行為的選擇同樣是影響不同時(shí)段系統(tǒng)中DR可用程度的重要因素。鑒于此,本文將從用戶負(fù)荷特性和行為選擇兩個(gè)方面,構(gòu)建適用于分布式發(fā)電系統(tǒng)發(fā)電充裕度評估的DR分析模型。本文假設(shè)用戶所參與的DR項(xiàng)目為激勵(lì)型DR項(xiàng)目[2]。

2.1 用戶負(fù)荷建模

根據(jù)用戶用電器的用電物理特性以及用電優(yōu)先級,一般用戶的用電負(fù)荷可分為剛性負(fù)荷、可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷[14]。

1)剛性負(fù)荷

剛性負(fù)荷一般是指用戶不具備DR能力的負(fù)荷,用戶對這類負(fù)荷的需求是近似剛性的,例如居民用戶的電冰箱以及商業(yè)和工業(yè)用戶基本的照明和生產(chǎn)負(fù)荷,因此該類負(fù)荷可表示為:

(5)

2)可中斷負(fù)荷

可中斷負(fù)荷是指用戶可部分或全部中斷的用電負(fù)荷,例如洗衣機(jī)和洗碗機(jī),其負(fù)荷特性可表示為:

(6)

3)可轉(zhuǎn)移負(fù)荷

可轉(zhuǎn)移負(fù)荷是指在優(yōu)化周期內(nèi)其各個(gè)時(shí)段用電模式可以靈活調(diào)整的負(fù)荷,例如電動(dòng)汽車。本文中假設(shè)該類型負(fù)荷在其工作周期內(nèi)總的電量消耗是固定的,系統(tǒng)可以根據(jù)需要對其各個(gè)時(shí)段的用電負(fù)荷進(jìn)行優(yōu)化,其負(fù)荷特性可表示為:

(7)

(8)

(9)

2.2 用戶行為意愿模型

對于用戶來說,是否參與DR以及參與程度取決于用戶對于參與DR項(xiàng)目后的期望收益,以及參與DR后對自身用電行為影響所造成的效益折損。實(shí)際上,當(dāng)用戶在參與激勵(lì)型的DR項(xiàng)目時(shí),電網(wǎng)公司或者系統(tǒng)運(yùn)營商需要相關(guān)用戶事先上報(bào)在此次合同周期或者當(dāng)前DR事件中的參與程度或者參與量,從而為系統(tǒng)調(diào)控提供相應(yīng)的參考依據(jù)。但是用戶在上報(bào)相關(guān)信息時(shí),并不能確定在當(dāng)前事件中DR實(shí)際參與效益(因?yàn)闊o法確定此次DR的實(shí)際調(diào)用量),也無法知道其余用戶的參與策略以及其參與DR項(xiàng)目所獲得的實(shí)際收益。在這樣的信息條件下,用戶只能夠通過自身以往參與DR所獲收益以及對應(yīng)的策略來選擇此次DR的參與策略或者參與程度。

基于用戶的上述行為選擇特點(diǎn),本文將基于改進(jìn)“后悔度匹配機(jī)制”構(gòu)建用戶行為選擇的概率模型[15]。改進(jìn)“后悔度匹配機(jī)制”仍是基于傳統(tǒng)后悔度匹配的學(xué)習(xí)機(jī)制,即事件參與者會根據(jù)過去所有相關(guān)事件發(fā)生結(jié)果的“后悔度測度”來選擇下一階段相關(guān)事件的參與策略[16]。其中,“后悔度測度”是事件參與者基于歷史的策略選擇和對應(yīng)的實(shí)際效益,在其他因素不變的條件下,將過去所有已發(fā)生事件的實(shí)際參與策略j替換為新的參與策略i,計(jì)算如果歷史上所有的相關(guān)事件均采用新的參與策略i后所得效益可能的增量[15]?；谏鲜鲈瓌t,“后悔度測度”越大,事件參與者在下一階段選擇舍棄原有參與策略j,而使用新策略i的可能性就越大,并且選擇新策略的可能性與所計(jì)算出的“后悔度測度”呈正相關(guān)關(guān)系[15]。本文中假設(shè)每次用戶需要向系統(tǒng)運(yùn)營商上報(bào)自身的DR的參與程度μk,數(shù)學(xué)表述形式將在下文具體闡述。

1)用戶效益函數(shù)

對于激勵(lì)型DR項(xiàng)目,用戶參與DR效益一般由參與DR后的補(bǔ)償以及參與后的效用折損的差值確定,可表示為:

(10)

用戶參與DR的補(bǔ)償和效益折損函數(shù)一般可表示為以下形式[17-18]:

(11)

(12)

(13)

(14)

式中:bl與bs分別為DR項(xiàng)目對于用戶可中斷負(fù)荷以及可轉(zhuǎn)移負(fù)荷的補(bǔ)償價(jià)格;Δt為用戶k某次DR參與的時(shí)長;N為用戶可轉(zhuǎn)移負(fù)荷的調(diào)用次數(shù);ak,t,ak,t′,mk,mk′為用戶效用參數(shù),對于不同用戶取值不同,均為正數(shù);T′為系統(tǒng)中出現(xiàn)負(fù)荷缺口的時(shí)間區(qū)間。在實(shí)際應(yīng)用中,相關(guān)參數(shù)可根據(jù)用戶實(shí)際的用電數(shù)據(jù)得出[19]。對于用戶的效用函數(shù),文獻(xiàn)[17-18]有更進(jìn)一步的討論。

式(11)和式(13)分別表示可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷的補(bǔ)償效益。本文中假設(shè)用戶的DR收益與實(shí)際調(diào)用程度呈線性關(guān)系,即用戶中斷負(fù)荷補(bǔ)償與中斷負(fù)荷大小以及中斷時(shí)長呈線性正相關(guān)關(guān)系;可轉(zhuǎn)移負(fù)荷補(bǔ)償只和其最大額定功率相關(guān),式(13)是將可轉(zhuǎn)移負(fù)荷補(bǔ)償費(fèi)用均攤到每次調(diào)用中。式(12)和式(14)分別表示可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷相應(yīng)的效益折損?？芍袛嘭?fù)荷和可轉(zhuǎn)移負(fù)荷的效益折損分別服從二次和指數(shù)函數(shù),上述函數(shù)已經(jīng)普遍應(yīng)用于對用戶用電效益或者用電舒適度折損的建模,具有一定的一般性。

2)改進(jìn)后悔度匹配機(jī)制

本部分將基于改進(jìn)后悔度匹配機(jī)制對用戶DR參與意愿進(jìn)行建模。本文中將用戶參與DR的策略集離散化,即Πμ={μk|μk=0,0.1,0.2,…,1;?k},假設(shè)μk的取值步長為0.1,取值范圍為[0,1]。用戶能夠在接到系統(tǒng)發(fā)出的DR信號后,選擇在此次DR事件中的實(shí)際參與程度。

(15)

(16)

(17)

(18)

基于上述模型,用戶在選擇下一階段的DR參與策略時(shí),會基于自身歷史參與DR項(xiàng)目實(shí)際的效用值和相應(yīng)的策略做出判斷。由此,通過式(5)—式(9)以及式(17)和式(18)可以得出用戶在某個(gè)時(shí)間段內(nèi)可調(diào)用的DR資源大小。

3 發(fā)電充裕度評估流程

分布式發(fā)電系統(tǒng)的發(fā)電充裕度的基本定義是分布式發(fā)電系統(tǒng)中實(shí)際可以滿足負(fù)荷需求的發(fā)電資源[11]。在本文中,序貫蒙特卡洛算法將用于分析DR對于分布式發(fā)電系統(tǒng)發(fā)電充裕度的影響。因?yàn)橛脩舻目身憫?yīng)負(fù)荷以及行為選擇具有時(shí)序性,序貫蒙特卡洛方法能夠更好地保留上述信息,從而更準(zhǔn)確地分析DR對于系統(tǒng)發(fā)電充裕度的實(shí)際貢獻(xiàn)[20]。具有評估流程如下。

步驟1:基于分布式發(fā)電系統(tǒng)中各元件的故障率和修復(fù)率參數(shù),通過逆變換函數(shù)抽樣確定分布式發(fā)電系統(tǒng)中分布式風(fēng)機(jī)、分布式燃?xì)鈾C(jī)組、主網(wǎng)變壓器的8 760 h的年?duì)顟B(tài)序列[11],進(jìn)而根據(jù)式(1)—式(4)確定上述元件的年出力時(shí)序序列。

(19)

(20)

步驟4:基于當(dāng)前各用戶的DR參與意愿值,系統(tǒng)運(yùn)營商對當(dāng)前系統(tǒng)中的DR資源進(jìn)行調(diào)控。系統(tǒng)運(yùn)營商以系統(tǒng)停電成本最低為目標(biāo),在T=24的自然天內(nèi)對系統(tǒng)中可用的DR資源進(jìn)行調(diào)用,其調(diào)控模型如下:

(21)

約束條件如下:

(22)

(23)

?t∈T,(i,j)∈O

(24)

(25)

Vo,min

(26)

0

(27)

步驟5:基于步驟4的結(jié)果,計(jì)算此次DR調(diào)用后的系統(tǒng)失負(fù)荷時(shí)長Yd以及未供應(yīng)電量Zd[24]。具體表達(dá)式如下:

(28)

(29)

重復(fù)步驟3至步驟5,直到t=8 760,即遍歷當(dāng)前自然年中各小時(shí)的系統(tǒng)運(yùn)行情況。

步驟6:重復(fù)步驟1至步驟5,當(dāng)滿足蒙特卡洛法的收斂要求時(shí),計(jì)算分布式發(fā)電系統(tǒng)的可靠性指標(biāo),即電力不足時(shí)間期望和電量不足期望[24],本文分別用YLOLE和ZEENS表示，即

(30)

(31)

式中:M為滿足方差系數(shù)收斂要求時(shí),采用蒙特卡洛法進(jìn)行的仿真年數(shù)。

4 算例分析

本文將基于國內(nèi)西北地區(qū)某一分布式發(fā)電系統(tǒng)對上述模型進(jìn)行仿真計(jì)算,該系統(tǒng)示意圖如附錄A圖A1所示。該分布式發(fā)電系統(tǒng)通過一個(gè)220 kV變電站與主網(wǎng)相連,變電站額定變電容量為240 MVA;系統(tǒng)中2臺25 MW的燃?xì)鈾C(jī)組在節(jié)點(diǎn)6處接入系統(tǒng);節(jié)點(diǎn)8和節(jié)點(diǎn)15處共接入86 MW分布式風(fēng)機(jī)。系統(tǒng)的最大負(fù)荷為290 MW,其中節(jié)點(diǎn)4,5,9,11,14為可響應(yīng)負(fù)荷節(jié)點(diǎn)。系統(tǒng)中不同元件的可靠性參數(shù)以及風(fēng)機(jī)和變壓器出力參數(shù)見附錄A表A1和表A2。

在本文中假設(shè)各可響應(yīng)負(fù)荷節(jié)點(diǎn)處均為節(jié)點(diǎn)型用戶,其各類型負(fù)荷的年負(fù)荷曲線是節(jié)點(diǎn)處單一用戶負(fù)荷年負(fù)荷數(shù)據(jù)之和。節(jié)點(diǎn)4,5,9,11,14的各類型負(fù)荷的年負(fù)荷曲線以及相關(guān)負(fù)荷參數(shù)見附錄A圖A2和表A3。DR節(jié)點(diǎn)的激勵(lì)價(jià)格參數(shù)為bl=1元/(kW·h),bs=5元/kW[25]。在本文中,在用電高峰(07:00—21:00)系統(tǒng)的平均停電成本設(shè)為12元/(kW·h),用電非高峰時(shí)為7元/(kW·h)。該分布式發(fā)電系統(tǒng)的初始可靠性指標(biāo)為YLOLE=13.72 h/a,ZEENS=961.29(MW·h)/a。

4.1 DR對分布式發(fā)電系統(tǒng)發(fā)電充裕度的影響分析

為了分析DR對分布式發(fā)電系統(tǒng)發(fā)電充裕度的影響,本文中選取了電力不足時(shí)間期望YLOLE以及電量不足期望ZEENS作為系統(tǒng)發(fā)電充裕度的判斷指標(biāo)[24]。DR資源引入后可靠性指標(biāo)變化如表1所示。

表1 DR資源引入后系統(tǒng)的可靠性指標(biāo)Table 1 Reliability indices of system with DR resource

從表1中可以看出,當(dāng)引入DR資源后,系統(tǒng)的可靠性指標(biāo)均有所提高。為了更好地說明DR在提高系統(tǒng)發(fā)電充裕度上的作用,本文中選取蒙特卡洛仿真中系統(tǒng)某天的實(shí)際運(yùn)行情況,對比DR調(diào)控前后系統(tǒng)中的負(fù)荷缺口,具體見附錄A圖A3。當(dāng)天16:00系統(tǒng)中有一臺分布式燃?xì)廨啓C(jī)故障(由燃?xì)鈾C(jī)組狀態(tài)抽樣得到),且當(dāng)天風(fēng)速狀況較差,使得系統(tǒng)中出現(xiàn)了負(fù)荷缺口。當(dāng)天16:00—24:00系統(tǒng)持續(xù)缺電8 h,總?cè)彪娏繛?20.45 MW·h。當(dāng)開始調(diào)用DR資源時(shí),系統(tǒng)中的負(fù)荷缺口明顯減少,缺電時(shí)長減少到5 h,總的缺電量減少到14.27 MW·h。由于可轉(zhuǎn)移負(fù)荷的自身特性,在16:00調(diào)用DR資源后,系統(tǒng)之前的負(fù)荷需求有所增加;同時(shí)，當(dāng)負(fù)荷缺口持續(xù)一段時(shí)間后,用戶可轉(zhuǎn)移負(fù)荷的可調(diào)用量減少,加之在20:00以后系統(tǒng)中可中斷負(fù)荷可調(diào)用量也相應(yīng)減少,所以在19:00后系統(tǒng)中仍然存在部分負(fù)荷缺口,具體見附錄A圖A3。

從表1中還可以看出,當(dāng)DR容量增加,即按10%,20%,30%比例增加各節(jié)點(diǎn)可響應(yīng)負(fù)荷大小時(shí),系統(tǒng)可靠性也進(jìn)一步提高,但是增長速度隨DR容量增加逐漸減緩，說明DR對分布式發(fā)電系統(tǒng)發(fā)電充裕度的邊際效益逐漸減小。

4.2 負(fù)荷成分影響分析

負(fù)荷自身的物理特性是影響DR資源可調(diào)控程度的重要因素。為了說明負(fù)荷特性對系統(tǒng)發(fā)電充裕度的影響,本部分設(shè)置了3個(gè)不同場景對上述問題進(jìn)行分析。

情景1:所有可響應(yīng)節(jié)點(diǎn)各個(gè)時(shí)段負(fù)荷值不變,用節(jié)點(diǎn)9的各類型負(fù)荷特性替代其他可響應(yīng)節(jié)點(diǎn)原負(fù)荷特性。

情景2:所有可響應(yīng)節(jié)點(diǎn)各個(gè)時(shí)段負(fù)荷值不變,用節(jié)點(diǎn)11的各類型負(fù)荷特性替代其他可響應(yīng)節(jié)點(diǎn)原負(fù)荷特性。

情景3:所有可響應(yīng)節(jié)點(diǎn)各個(gè)時(shí)段負(fù)荷值不變,用節(jié)點(diǎn)14的各類型負(fù)荷特性替代其他可響應(yīng)節(jié)點(diǎn)原負(fù)荷特性。

參考情景為該分布式發(fā)電系統(tǒng)原始的發(fā)電充裕度,具體結(jié)果如表2所示。

表2 考慮不同負(fù)荷特性的分布式發(fā)電系統(tǒng)發(fā)電充裕度指標(biāo)Table 2 Supply adequacy indices of distributed generation system considering different load characteristics

從表2的結(jié)果可以看出,雖然3個(gè)情景下,系統(tǒng)的發(fā)電充裕度都有所提高,但是在情景1條件下,系統(tǒng)的發(fā)電充裕度最高,情景3次之,情景2最差。上述結(jié)果說明節(jié)點(diǎn)本身的負(fù)荷特性能夠影響DR對分布式發(fā)電系統(tǒng)發(fā)電充裕度的貢獻(xiàn)程度。在各類型負(fù)荷中節(jié)點(diǎn)9的可中斷負(fù)荷比例較高,節(jié)點(diǎn)11的可轉(zhuǎn)移負(fù)荷比例較高,而節(jié)點(diǎn)14的可中斷負(fù)荷和可轉(zhuǎn)移負(fù)荷比例基本相同(詳見附錄A表A3和圖A2),且3個(gè)節(jié)點(diǎn)的可響應(yīng)DR潛力(可轉(zhuǎn)移負(fù)荷和可中斷負(fù)荷最大值之和)基本相同,對照表2中的結(jié)果可以得出,可中斷負(fù)荷對于系統(tǒng)發(fā)電充裕度的貢獻(xiàn)更大,而可轉(zhuǎn)移負(fù)荷由于彈回效應(yīng),對系統(tǒng)充裕度的貢獻(xiàn)不如可中斷負(fù)荷。

4.3 用戶行為影響分析

本小節(jié)通過對比2個(gè)場景,分析用戶行為選擇對系統(tǒng)中DR的可用程度產(chǎn)生的影響。

情景A:不考慮用戶的行為選擇?；诒疚闹袑τ贒R資源的建模,即在蒙特卡洛仿真中所有用戶的參與度都為1。

情景B:考慮用戶的行為選擇,基于本文所提出的用戶行為動(dòng)態(tài)模型,在蒙特卡洛仿真中確定不同DR事件中的用戶行為選擇。

具體結(jié)果如表3所示。

表3 用戶行為對分布式發(fā)電系統(tǒng)發(fā)電充裕度的影響Table 3 Influence of user’s behavior on supply adequacy of distributed generation system

從表3的結(jié)果中可以看出,情景A中YLOLE和ZEENS分別比情景B中減少了30.38%和4.52%,說明若不考慮用戶行為選擇的動(dòng)態(tài)過程和波動(dòng)性,會過高地估計(jì)DR資源對系統(tǒng)可靠性的貢獻(xiàn)程度。

圖1為蒙特卡洛仿真過程中的各個(gè)響應(yīng)節(jié)點(diǎn)的年平均響應(yīng)電量,可以發(fā)現(xiàn)當(dāng)考慮了用戶行為選擇特性后,所有節(jié)點(diǎn)的響應(yīng)電量均有所減少,但是節(jié)點(diǎn)4和節(jié)點(diǎn)9的響應(yīng)電量變化不大,節(jié)點(diǎn)5的變化最明顯。結(jié)合圖2中各響應(yīng)節(jié)點(diǎn)參與程度箱線圖,可以看出當(dāng)考慮用戶行為的動(dòng)態(tài)波動(dòng)過程后,不同節(jié)點(diǎn)的DR參與程度波動(dòng)范圍不同。節(jié)點(diǎn)4的DR參與度一直較低,基本在[0.2,0.4]的范圍內(nèi),節(jié)點(diǎn)9的DR參與度一直較高,基本在[0.7,0.8]范圍內(nèi)。節(jié)點(diǎn)4和節(jié)點(diǎn)9參與度的波動(dòng)程度都較小,而節(jié)點(diǎn)5的參與度波動(dòng)程度較大,說明節(jié)點(diǎn)5用戶的行為隨機(jī)波動(dòng)性更強(qiáng),而這種行為的波動(dòng)性能夠較大程度上影響響應(yīng)節(jié)點(diǎn)實(shí)際的響應(yīng)潛力。

圖1 蒙特卡洛仿真中不同節(jié)點(diǎn)的年平均響應(yīng)電量Fig.1 Average annual DR quantity at different nodes in Monte Carlo simulation

圖2 蒙特卡洛仿真中各可響應(yīng)節(jié)點(diǎn)參與度的箱線圖Fig.2 Boxplot of participation rate at DR node in Monte Carlo simulation

如2.2節(jié)中所述,基于改進(jìn)后悔度匹配機(jī)制的用戶行為模型,能夠反映出用戶隨機(jī)的行為波動(dòng)以及波動(dòng)程度,慣性系數(shù)λ的取值不同,用戶行為維持原有參與策略的慣性程度也不同,λ較小,用戶在不同策略之間切換的概率較小;λ較大,用戶的行為則具有更強(qiáng)的波動(dòng)性。在實(shí)際應(yīng)用中,工業(yè)用戶和部分商業(yè)用戶具有較大容量的可中斷負(fù)荷以及比較平穩(wěn)的可響應(yīng)負(fù)荷(如節(jié)點(diǎn)9),或者關(guān)鍵負(fù)荷用戶,可響應(yīng)負(fù)荷容量有限(如節(jié)點(diǎn)4),其DR參與程度往往比較穩(wěn)定,而居民用戶的可響應(yīng)負(fù)荷往往波動(dòng)較大(如節(jié)點(diǎn)5),用電行為選擇也具有更多的主觀性,使得其DR參與程度具有更強(qiáng)的波動(dòng)性,因此,可以根據(jù)實(shí)際的數(shù)據(jù)調(diào)研,更為準(zhǔn)確地確定和調(diào)整其λ值。式(17)中σ/S為隨機(jī)波動(dòng)項(xiàng),能夠保證每個(gè)策略均有最小的被選擇概率,從而反映用戶在行為選擇中所表現(xiàn)出的主觀純隨機(jī)性?；谏鲜鰧τ脩粜袨檫x擇的定量分析,能夠更準(zhǔn)確地評估DR對系統(tǒng)發(fā)電充裕度的貢獻(xiàn)程度。

5 結(jié)論

本文基于后悔度匹配機(jī)制,構(gòu)建了考慮用戶原始負(fù)荷特性以及行為選擇動(dòng)態(tài)過程的DR模型,提出了基于序貫蒙特卡洛算法的DR資源的分布式發(fā)電系統(tǒng)發(fā)電充裕度影響評估流程,通過算例仿真得出以下結(jié)論。

1)DR資源能夠有效提高分布式發(fā)電系統(tǒng)的發(fā)電充裕度。在未來高比例可再生能源滲透率的主動(dòng)配電網(wǎng)或區(qū)域能源互聯(lián)網(wǎng)中,DR將具有一定的可靠性效益。

2)不同用戶的原始負(fù)荷特性能夠影響DR的可靠性效益?？芍袛嘭?fù)荷對系統(tǒng)發(fā)電充裕度的貢獻(xiàn)較可轉(zhuǎn)移負(fù)荷大,DR所造成的負(fù)荷反彈對系統(tǒng)在特定時(shí)段的發(fā)電充裕度具有一定的影響。

3)用戶行為選擇是影響DR可靠性效益的重要因素。基于后悔度匹配機(jī)制的用戶行為模型能夠刻畫用戶基于效益和主觀隨機(jī)性的行為選擇策略變化,使得DR對于分布式發(fā)電系統(tǒng)發(fā)電充裕度的定量分析更為可信。

如何在系統(tǒng)調(diào)控過程中,考慮用戶選擇策略“后悔”的風(fēng)險(xiǎn),使得系統(tǒng)中DR資源始終保持較為穩(wěn)定的可用量,需要從定價(jià)機(jī)制以及DR調(diào)度策略兩個(gè)層面協(xié)調(diào)考慮,是本文下一步的研究方向。

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

參考文獻(xiàn)

[1] 劉吉臻.新能源電力系統(tǒng)建模與控制[M].北京:科學(xué)出版社,2014:12-18.

[2] 曾博,楊雍琦,段金輝,等.新能源電力系統(tǒng)中需求側(cè)響應(yīng)關(guān)鍵問題及未來研究展望[J].電力系統(tǒng)自動(dòng)化,2015,39(17):10-18.DOI:10.7500/AEPS20150408010.

ZENG Bo, YANG Yongqi, DUAN Jinhui, et al. Key issues and research prospects for demand-side response in alternate electrical power systems with renewable energy sources[J]. Automation of Electric Power Systems, 2015, 39(17): 10-18. DOI: 10.7500/AEPS20150408010.

[3] HUANG D, BILLINTON R. Effects of load sector demand side management applications in generating capacity adequacy assessment[J]. IEEE Transactions on Power Systems, 2012, 27(1): 335-343.

[4] ZHOU Y, MANCARELLA P, MUTALE J. Modelling and assessment of the contribution of demand response and electrical energy storage to adequacy of supply[J]. Sustainable Energy Grids & Networks, 2015, 3(3): 12-23.

[5] KWAG H G, KIM J O. Reliability modeling of demand response considering uncertainty of customer behavior[J]. Applied Energy, 2014, 122(6): 24-33.

[6] MOHAGHEGHI S, YANG F, FALAHATI B. Impact of demand response on distribution system reliability[C]// IEEE Power & Energy Society General Meeting, July 24-29, 2011, Detroit, USA: 7p.

[7] LI Gengfeng, BIE Zhaohong, XIE Haipeng, et al. Customer satisfaction based reliability evaluation of active distribution networks[J]. Applied Energy, 2016, 162(1): 1571-1578.

[8] ZHAO Chaoyue, WANG Jianhui, WATSON J P, et al. Multi-stage robust unit commitment considering wind and demand response uncertainties[J]. IEEE Transactions on Power Systems, 2013, 28(3): 2708-2717.

[9] MOSHARI A, EBRAHIMI A, FOTUHI-FIRUZABAD M. Short-term impacts of DR programs on reliability of wind integrated power systems considering demand-side uncertainties[J]. IEEE Transactions on Power Systems, 2016, 31(3): 2481-2490.

[10] YU Rongshan, YANG Wenxian, RAHARDJA S. A statistical demand-price model with its application in optimal real-time price[J]. IEEE Transactions on Smart Grid, 2012, 3(4): 1734-1742.

[11] HEGAZY Y G, SALAMA M M A, CHIKHANI A Y. Adequacy assessment of distributed generation systems using Monte Carlo simulation[J]. IEEE Transactions on Power Systems, 2003, 18(1): 48-52.

[12] LI Yanfu, ZIO E. Uncertainty analysis of the adequacy assessment model of a distributed generation system[J]. Renewable Energy, 2012, 41(2): 235-244.

[14] 曾鳴,武賡,王昊婧,等.智能用電背景下考慮用戶滿意度的居民需求側(cè)響應(yīng)調(diào)控策略[J].電網(wǎng)技術(shù),2016,40(10):2917-2923.

ZENG Ming, WU Geng, WANG Haojing, et al. Regulation strategies of demand response considering user satisfaction under smart power background[J]. Power System Technology, 2016, 40(10): 2917-2923.

[15] HART S, MAS-COLELL A. A reinforcement procedure leading to correlated equilibrium[M]// DEBREU G, NEUEFEIND W, TROCKEL W. Economics essays. Berlin, Germany: Springer-Verlag Berlin Heidelberg, 2001: 181-200.

[16] HART S, MAS-COLELL A. A simple adaptive procedure leading to correlated equilibrium[J]. Econometrica, 2000, 68(5): 1127-1150.

[17] NGUYEN D T, NEGNEVITSKY M, DE GROOT M. Market-based demand response scheduling in a deregulated environment[J]. IEEE Transactions on Smart Grid, 2013, 4(4): 1948-1956.

[18] ZHU Quanyan, SAUER P, BASAR T. Value of demand response in the smart grid[C]// IEEE Power and Energy Conference at Illinois (PECI), February 22-23, 2013, Champaign, USA: 76-82.

[19] FAHRIOGLU M, ALVARADO F L. Using utility information to calibrate customer demand management behavior models[J]. IEEE Transactions on Power Systems, 2001, 16(2): 317-322.

[20] 暴英凱,王越,唐俊熙,等.序貫蒙特卡洛方法在電力系統(tǒng)可靠性評估中的應(yīng)用差異分析[J].電網(wǎng)技術(shù),2014,38(5):1189-1195.

BAO Yingkai, WANG Yue, TANG Junxi, et al. Analysis on differences of applying sequential Monte Carlo methods in power gird reliability assessment[J]. Power System Technology, 2014, 38(5): 1189-1195.

[21] YAAGOUBI N, MOUFTAH H T. User-aware game theoretic approach for demand management[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 716-725.

[22] RIDER M J, LOPEZ-LEZAMA J M, CONTRERAS J A. Bilevel approach for optimal location and contract pricing of distributed generation in radial distribution systems using mixed-integer linear programming[J]. IET Generation Transmission & Distribution, 2013, 7(7): 724-734.

[23] SNPOT. User’s guide for SNOPT software[EB/OL]. [2017-03-29]. http://www.sbsi-sol-optimize.com/manuals-/SNOPT%20Manual.pdf.

[24] BILLINTON R, ALLAN R. Reliability evaluation of power systems[M]. New York, USA: Plenum Press, 1996.

[25] 李德智,童瑞明,王昊,等.中國需求響應(yīng)實(shí)踐及關(guān)鍵支撐技術(shù)[J].供用電,2014(3):36-39.