計(jì)及多時(shí)間尺度需求響應(yīng)資源的微電網(wǎng)能量?jī)?yōu)化調(diào)度策略

劉寶林, 周少雄，陳燿圣，楊蘋

(1.云南電網(wǎng)有限責(zé)任公司,昆明市650011；2.深圳合縱能源技術(shù)有限公司，廣東省深圳市518000； 3.廣東省綠色能源技術(shù)重點(diǎn)實(shí)驗(yàn)室，華南理工大學(xué)電力學(xué)院，廣東省廣州市 510640)

0 引 言

在能源危機(jī)和環(huán)境污染雙重壓力下，我國(guó)大力推廣可再生能源，加速能源結(jié)構(gòu)轉(zhuǎn)型升級(jí)[1]。在國(guó)家政策鼓勵(lì)下，以光伏(photovoltaic, PV)和風(fēng)電(wind generation, WG)為代表的分布式電源(distributed energy resource, DER)快速發(fā)展，與此同時(shí)，微電網(wǎng)(microgrid, MG)作為DER的有效利用形式受到廣泛關(guān)注[2]。能量管理系統(tǒng)是保證MG經(jīng)濟(jì)穩(wěn)定運(yùn)行的關(guān)鍵，它通過獲取氣象數(shù)據(jù)、價(jià)格信號(hào)及負(fù)荷需求等信息對(duì)MG內(nèi)部可控單元進(jìn)行調(diào)度決策[3]。

已有很多學(xué)者對(duì)MG能量管理策略做了研究并取得了一定的成果。文獻(xiàn)[4]考慮儲(chǔ)能(energy storage system,ESS)設(shè)備的運(yùn)行成本，以微網(wǎng)運(yùn)行成本最小為目標(biāo)，從日前和日內(nèi)2個(gè)時(shí)間尺度優(yōu)化可控發(fā)電單元出力。文獻(xiàn)[5]同時(shí)兼顧用戶側(cè)成本和聯(lián)絡(luò)線功率波動(dòng)最小化，建立多目標(biāo)優(yōu)化模型。文獻(xiàn)[6]建立了含風(fēng)光儲(chǔ)微電網(wǎng)的經(jīng)濟(jì)調(diào)度模型，并采用改進(jìn)遺傳算法對(duì)各微源出力進(jìn)行優(yōu)化。文獻(xiàn)[7]根據(jù)分時(shí)電價(jià)機(jī)制對(duì)儲(chǔ)能制定充放電規(guī)則，采用量子粒子群算法優(yōu)化微源出力和聯(lián)絡(luò)線功率，實(shí)現(xiàn)微網(wǎng)對(duì)大電網(wǎng)的削峰填谷。上述文獻(xiàn)主要針對(duì)微網(wǎng)中的可控微源進(jìn)行調(diào)度，并未考慮將需求側(cè)響應(yīng)資源作為調(diào)度對(duì)象。

關(guān)于需求側(cè)響應(yīng)資源參與微電網(wǎng)經(jīng)濟(jì)運(yùn)行方面，文獻(xiàn)[8]將微網(wǎng)中負(fù)荷按重要程度分為3類，建立以總運(yùn)行費(fèi)用和停電損失之和最小為目標(biāo)的孤島型微網(wǎng)能量?jī)?yōu)化調(diào)度模型。文獻(xiàn)[9]將可中斷負(fù)荷作為可調(diào)度資源，建立計(jì)及聯(lián)絡(luò)線削峰填谷和波動(dòng)最小的多目標(biāo)模型，利用非線性規(guī)劃工具進(jìn)行求解。文獻(xiàn)[10]以儲(chǔ)能運(yùn)維成本、可中斷負(fù)荷補(bǔ)償價(jià)格、大電網(wǎng)購(gòu)售電等為目標(biāo)函數(shù)，建立多時(shí)間尺度優(yōu)化調(diào)度模型。上述文獻(xiàn)對(duì)可控負(fù)荷建模較為簡(jiǎn)單，與實(shí)際情況相差較大。

本文針對(duì)含微網(wǎng)運(yùn)營(yíng)商、DER發(fā)電商及負(fù)荷聚集商3個(gè)主體的社區(qū)級(jí)微電網(wǎng)，采用集群空調(diào)和集群電動(dòng)汽車作為需求響應(yīng)(demand response, DR)資源，儲(chǔ)能作為可控設(shè)備，以微網(wǎng)運(yùn)營(yíng)商利益最大為目標(biāo)，提出了多時(shí)間尺度能量?jī)?yōu)化調(diào)度策略。該策略考慮了日前-日內(nèi)-實(shí)時(shí)3種時(shí)間尺度的激勵(lì)型需求響應(yīng)，并采用集群空調(diào)和集群電動(dòng)汽車的負(fù)荷削減策略得到對(duì)應(yīng)的DR資源。在日前計(jì)劃階段，以運(yùn)營(yíng)商利益最大為目標(biāo)決策儲(chǔ)能出力、集群空調(diào)和集群電動(dòng)汽車的DR供應(yīng)量，通過日內(nèi)調(diào)度對(duì)日前計(jì)劃進(jìn)行滾動(dòng)修正，利用實(shí)時(shí)調(diào)度消納可再生能源和負(fù)荷的功率波動(dòng)，實(shí)現(xiàn)全局經(jīng)濟(jì)性最優(yōu)。

1 社區(qū)級(jí)微電網(wǎng)架構(gòu)

本文研究的社區(qū)級(jí)微電網(wǎng)系統(tǒng)如圖1所示，系統(tǒng)通過風(fēng)電、光伏、儲(chǔ)能等微電源以及聯(lián)絡(luò)線向社區(qū)負(fù)荷供電。其中，社區(qū)負(fù)荷包括以溫控設(shè)備及電動(dòng)汽車為主的可控負(fù)荷和其他不可控負(fù)荷。溫控設(shè)備和電動(dòng)汽車均具有良好的儲(chǔ)能特性，短時(shí)間的中斷不會(huì)對(duì)用戶舒適度造成太大影響，負(fù)荷聚集商通過將這些分散的需求側(cè)資源進(jìn)行整合，作為虛擬“發(fā)電”單元，參與微網(wǎng)能量管理系統(tǒng)的統(tǒng)一調(diào)度。

圖1 社區(qū)級(jí)微電網(wǎng)架構(gòu)Fig.1 Architecture of a community-based microgrid

隨著新一輪電改的深入，MG參與主體呈現(xiàn)多元化，表1所示為各參與主體及需求劃分。在此背景下，MG主要采取多方投資+集中管理的運(yùn)營(yíng)模式，運(yùn)營(yíng)商將MG作為一個(gè)整體參與外部電力市場(chǎng)，對(duì)MG內(nèi)部則組織微平衡市場(chǎng)，引導(dǎo)DER發(fā)電商和負(fù)荷聚集商的能源生產(chǎn)消費(fèi)，DER發(fā)電商和負(fù)荷聚集商通過各自的競(jìng)價(jià)策略與運(yùn)營(yíng)商簽訂電價(jià)合同獲取收益，并提前一天上報(bào)次日各時(shí)段DER發(fā)電量和DR供應(yīng)量，運(yùn)營(yíng)商為保證自身收益將優(yōu)先調(diào)用性價(jià)比最優(yōu)的資源，提高資源利用效率。

表1社區(qū)級(jí)微電網(wǎng)參與主體及需求劃分
Table1Participantsanddemanddivisionofacommunity-basedmicrogrid

由于新能源與負(fù)荷功率預(yù)測(cè)精度與時(shí)間尺度相關(guān)，運(yùn)營(yíng)商需要制定不同時(shí)間尺度的調(diào)度計(jì)劃以提高運(yùn)行經(jīng)濟(jì)性。MG中可調(diào)度資源包括儲(chǔ)能以及可控負(fù)荷，其中可控負(fù)荷受DR激勵(lì)影響，呈現(xiàn)出多時(shí)間尺度特性，負(fù)荷聚集商可以通過預(yù)測(cè)分析DR資源并分配其在日前計(jì)劃與日內(nèi)調(diào)度的供應(yīng)量，運(yùn)營(yíng)商通過調(diào)用DR資源能夠彌補(bǔ)儲(chǔ)能配置容量的不足，且成本較之儲(chǔ)能更有優(yōu)勢(shì)。因此，運(yùn)營(yíng)商在制定能量?jī)?yōu)化調(diào)度策略時(shí)，應(yīng)計(jì)及多時(shí)間尺度的DR資源。

2 微電網(wǎng)可控單元建模

本文考慮智慧社區(qū)MG中常見的可控單元，包括儲(chǔ)能、集群空調(diào)負(fù)荷和集群電動(dòng)汽車負(fù)荷。

2.1 儲(chǔ)能設(shè)備建模

為了保證儲(chǔ)能電池的使用壽命，儲(chǔ)能系統(tǒng)對(duì)其荷電狀態(tài)(state of charge，SOC)和輸出功率2方面進(jìn)行限制。約束如下：

Smin≤St≤Smax

(1)

(2)

此外，儲(chǔ)能系統(tǒng)在每日調(diào)度中應(yīng)保持狀態(tài)平衡：

ST=S1

(4)

式中：ST為每日調(diào)度最終時(shí)刻的電量；S1為每日調(diào)度起始時(shí)刻的電量。

2.2 集群空調(diào)負(fù)荷建模

本文選取智慧社區(qū)中家庭用戶以及小型工商業(yè)用戶使用的定頻空調(diào)作為空調(diào)集群對(duì)象。采取文獻(xiàn)[11]提出的集群空調(diào)循環(huán)控制策略，即輪流控制各個(gè)空調(diào)設(shè)備的啟停以達(dá)到集群空調(diào)負(fù)荷的需求響應(yīng)容量，同時(shí)在控制過程中滿足用戶舒適度要求。用戶可與負(fù)荷聚集商約定室溫控制區(qū)間[Tmin,Tmax]。

假設(shè)負(fù)荷聚集商將n個(gè)空調(diào)負(fù)荷均分為τc組進(jìn)行循環(huán)控制，控制周期為τc，如圖2所示。圖中表示空調(diào)輪控策略，將每1 min視為1種狀態(tài)，灰色方框表示空調(diào)處于關(guān)閉狀態(tài)，白色方框表示空調(diào)處于啟動(dòng)狀態(tài)，框中數(shù)字表示空調(diào)負(fù)荷按策略運(yùn)行時(shí)的狀態(tài)變化順序。例如，某時(shí)刻空調(diào)負(fù)荷位于狀態(tài)2，則按圖中策略可知，空調(diào)將按狀態(tài)3到下周期狀態(tài)1的順序變化。

圖2 集群空調(diào)負(fù)荷輪控策略Fig.2 Cycle control strategy of aggregated air-conditioning load

根據(jù)空調(diào)熱動(dòng)力學(xué)模型[12]，可以確定每組空調(diào)在控制周期內(nèi)的啟停時(shí)間：

(6)

由于實(shí)際控制過程中無(wú)法實(shí)時(shí)測(cè)量空調(diào)室內(nèi)溫度，因此基于空調(diào)熱動(dòng)力學(xué)模型采用空調(diào)持續(xù)工作時(shí)間以代替實(shí)時(shí)室溫，啟?？刂菩枰獫M足以下約束：

(8)

2.3 集群電動(dòng)汽車建模

本文采取文獻(xiàn)[13]提出的單臺(tái)電動(dòng)汽車遲滯控制模型，對(duì)入網(wǎng)電動(dòng)汽車進(jìn)行充放電控制。假設(shè)電動(dòng)汽車入網(wǎng)時(shí)刻為ton，以額定功率PN和-PN進(jìn)行充放電，用戶根據(jù)自身需求，設(shè)定離開電網(wǎng)時(shí)間為toff，相應(yīng)的SOC需求為Eend，且允許偏差為±δ，因此電動(dòng)汽車實(shí)際充放電過程可以表示為：

(9)

(11)

入網(wǎng)電動(dòng)汽車的充電時(shí)間必須大于最短充電時(shí)間需求Tmin才具備調(diào)控能力，其計(jì)算公式如式(12)所示。定義可控系數(shù)C衡量電動(dòng)汽車調(diào)控的靈活性，如式(13)所示。當(dāng)C>1時(shí)，電動(dòng)汽車不具備調(diào)控能力；當(dāng)C≤1時(shí)，則可對(duì)其充放電進(jìn)行控制，且值越大，調(diào)控靈活性越高。

Tmin=(Eend-Eon)B/PN

(12)

(13)

3 計(jì)及多時(shí)間尺度需求響應(yīng)的微電網(wǎng)能量?jī)?yōu)化調(diào)度

3.1 多時(shí)間尺度需求響應(yīng)資源

DR根據(jù)不同的實(shí)施機(jī)制可以分為電價(jià)型(price-based demand response, PDR)和激勵(lì)型(incentive-based demand response, IDR)2類。在智慧社區(qū)微網(wǎng)中，運(yùn)營(yíng)商制定調(diào)度計(jì)劃分為日前-日內(nèi)-實(shí)時(shí)3個(gè)時(shí)間尺度，為充分調(diào)動(dòng)DR資源參與微電網(wǎng)的優(yōu)化運(yùn)行，運(yùn)營(yíng)商與負(fù)荷聚集商簽訂的DR合同分為以下3種。

3.1.1Ⅰ類IDR

負(fù)荷聚集商需要預(yù)測(cè)次日各時(shí)段集群空調(diào)負(fù)荷以及電動(dòng)汽車負(fù)荷的可控容量并上報(bào)運(yùn)營(yíng)商，運(yùn)營(yíng)商根據(jù)微網(wǎng)日前調(diào)度模型決策DR資源供應(yīng)量，并與負(fù)荷聚集商簽訂DR補(bǔ)償價(jià)格。

3.1.2Ⅱ類IDR

運(yùn)營(yíng)商根據(jù)微網(wǎng)日內(nèi)調(diào)度模型滾動(dòng)優(yōu)化可控單元調(diào)度值，并提前30～60 min通知負(fù)荷聚集商下一時(shí)段DR供應(yīng)量。

3.1.3Ⅲ類IDR

實(shí)時(shí)調(diào)度過程中若儲(chǔ)能系統(tǒng)不足以平抑新能源出力非規(guī)律性波動(dòng)，將提前5～15 min通知負(fù)荷聚集商調(diào)整DR供應(yīng)量。

3.2 能量?jī)?yōu)化調(diào)度模型

微網(wǎng)優(yōu)化調(diào)度可以劃分為日前調(diào)度、日內(nèi)調(diào)度和實(shí)時(shí)調(diào)度3個(gè)階段，圖3所示為多時(shí)間尺度的微網(wǎng)優(yōu)化調(diào)度策略框架圖。

圖3 多時(shí)間尺度微網(wǎng)能量?jī)?yōu)化調(diào)度策略框架Fig.3 Framework of optimal energy dispatching strategy model based on multi-time scale

微電網(wǎng)能量?jī)?yōu)化調(diào)度首先基于新能源和負(fù)荷日前預(yù)測(cè)數(shù)據(jù)、日前電價(jià)以及負(fù)荷聚集商提供的DR資源日前預(yù)測(cè)與報(bào)價(jià)，在滿足安全約束條件下，以運(yùn)營(yíng)商利益最大為目標(biāo)，制定各微源日前出力及DR日前供應(yīng)量；由于日前計(jì)劃與實(shí)時(shí)調(diào)度時(shí)間跨度較大，因而偏差也較大，利用最新預(yù)測(cè)數(shù)據(jù)和系統(tǒng)狀態(tài)通過日內(nèi)調(diào)度模型對(duì)日前計(jì)劃不斷修正。微網(wǎng)實(shí)際運(yùn)行中，實(shí)時(shí)調(diào)度采用精度較高的超短期預(yù)測(cè)，遵循日前計(jì)劃的運(yùn)行狀態(tài)，實(shí)時(shí)調(diào)整各微源出力以及DR削減量。日前-日內(nèi)-實(shí)時(shí)3階段優(yōu)化調(diào)度策略保證了微網(wǎng)實(shí)際運(yùn)行的可靠性和經(jīng)濟(jì)性。最后，通過微電網(wǎng)中央控制器給底層微源和負(fù)荷聚集商下發(fā)調(diào)度指令。

3.2.1日前調(diào)度模型

3.2.1.1目標(biāo)函數(shù)

日前調(diào)度以運(yùn)營(yíng)商利益最大為優(yōu)化目標(biāo)，運(yùn)營(yíng)商利益包括購(gòu)售電收益和Ⅰ類IDR費(fèi)用，即：

(15)

3.2.1.2約束條件

(1)儲(chǔ)能備用容量約束。新能源出力的日前預(yù)測(cè)值與實(shí)際情況存在偏差，儲(chǔ)能作為可控單元需要考慮備用容量約束，為日內(nèi)修正偏差保留一定裕量。

(16)

(2)儲(chǔ)能充電功率約束。DER發(fā)電商的責(zé)任是為MG負(fù)荷供電，因此儲(chǔ)能充電過程應(yīng)避免從上級(jí)電網(wǎng)獲取電能。

(3)Ⅰ類IDR上下限約束。IDR資源作為可控單元應(yīng)在日前計(jì)劃留有一定裕量，以彌補(bǔ)日內(nèi)運(yùn)行時(shí)儲(chǔ)能出力的不足。

儲(chǔ)能SOC約束同式(1)。

3.2.2日內(nèi)調(diào)度模型

3.2.2.1目標(biāo)函數(shù)

為減小日前調(diào)度與實(shí)時(shí)調(diào)度的偏差，加入日內(nèi)調(diào)度環(huán)節(jié)。通過最新系統(tǒng)運(yùn)行數(shù)據(jù)和新能源預(yù)測(cè)數(shù)據(jù)，修正后續(xù)新能源出力以及DR資源供應(yīng)量。預(yù)測(cè)提前時(shí)段為4 h，時(shí)間分辨率為1 h，即提前預(yù)測(cè)后續(xù)4 h中每h的新能源出力平均值。日內(nèi)調(diào)度是對(duì)日前計(jì)劃的不斷修正和刷新的過程，以運(yùn)營(yíng)商購(gòu)電費(fèi)用及Ⅱ類IDR費(fèi)用最小為目標(biāo)，目標(biāo)函數(shù)如下：

(19)

在電力市場(chǎng)下，若MG日內(nèi)聯(lián)絡(luò)線功率大于日前計(jì)劃，則需要在實(shí)時(shí)市場(chǎng)購(gòu)買偏差電量，而實(shí)時(shí)市場(chǎng)通常提前5～15 min告知電價(jià)信息，使得日內(nèi)調(diào)度無(wú)法根據(jù)最新電價(jià)信息進(jìn)行調(diào)整，因此日內(nèi)調(diào)度使聯(lián)絡(luò)線跟隨日前計(jì)劃調(diào)度值以保證經(jīng)濟(jì)性最優(yōu)。

3.2.2.2約束條件

(1)儲(chǔ)能充放電功率約束。儲(chǔ)能在日前計(jì)劃中留有備用容量，在日內(nèi)調(diào)度時(shí)啟用備用容量以彌補(bǔ)新能源的預(yù)測(cè)偏差，約束式同式(3)。

(2)Ⅱ類IDR上下限約束。IDR在日前計(jì)劃中留有一定裕量作為日內(nèi)調(diào)度的備用，日內(nèi)調(diào)度修正IDR供應(yīng)量時(shí)應(yīng)避免超過IDR可供容量的最大值。

儲(chǔ)能SOC和充電功率約束同式(1)和式(17)。

3.2.3實(shí)時(shí)調(diào)度模型

3.2.3.1目標(biāo)函數(shù)

(21)

3.2.3.2約束條件

(1)Ⅲ類IDR上下限約束。實(shí)時(shí)調(diào)度調(diào)用的IDR供應(yīng)量應(yīng)避免超過IDR可供容量的最大值。

(2)IDR偏差約束。集群空調(diào)和集群電動(dòng)汽車實(shí)際削減量允許大于調(diào)度指令，但必須保證在一定偏差范圍內(nèi)。

(23)

集群空調(diào)和集群電動(dòng)汽車狀態(tài)決策變量約束同式(8)和式(9)。

4 算例分析

4.1 算例描述

本文采用圖1所示社區(qū)級(jí)微電網(wǎng)系統(tǒng)對(duì)所提策略進(jìn)行仿真分析。該微網(wǎng)系統(tǒng)包括1.5 MW光伏、 1 MW風(fēng)電、2.5 MW·h鋰電池儲(chǔ)能及2 MW非集群負(fù)荷，新能源及負(fù)荷功率預(yù)測(cè)值如圖4所示。

4.2 算例仿真

負(fù)荷聚集商提供集群空調(diào)和集群電動(dòng)汽車可控容量預(yù)測(cè)值給運(yùn)營(yíng)商參與日前調(diào)度計(jì)劃。次日環(huán)境溫度預(yù)測(cè)值如表2所示，由式(4)—(6)計(jì)算出集群空調(diào)各時(shí)段可控容量，按2.2節(jié)所提策略將1 000臺(tái)空調(diào)分15組進(jìn)行輪控，各組信息如表3所示。假設(shè)入網(wǎng)電動(dòng)汽車SOC在[0.2,0.5]之間均勻分布，離網(wǎng)時(shí)SOC設(shè)為0.95，允許偏差δ=0.025，在00:00—16:00電動(dòng)汽車可控系數(shù)服從[2,2.5]的均勻分布，在16:00—24:00服從[1.5，2]的均勻分布。根據(jù)圖5所示的電動(dòng)汽車行程時(shí)間分布，由式(13)計(jì)算出各時(shí)段集群電動(dòng)汽車可控容量，如表4所示。

圖4 風(fēng)電、光伏和負(fù)荷各時(shí)間尺度預(yù)測(cè)值Fig.4 Forecast of wind power, photovoltaic power and load on each time scale

圖5 電動(dòng)汽車最后一次行程結(jié)束時(shí)間分布Fig.5 Access time of electric vehicles

圖6 價(jià)格曲線Fig.6 Price curve

表3 集群電動(dòng)汽車參數(shù)Table 3 Aggregate electric vehicle parameters

表4 集群電動(dòng)汽車各時(shí)段可控容量Table 4 Controlled capacity of aggregate electric vehicle on each time interval

圖7 各時(shí)間尺度優(yōu)化調(diào)度結(jié)果Fig.7 Optimal scheduling results on each time scale

本文各時(shí)間尺度模型均采用商業(yè)軟件CPLEX求解器進(jìn)行求解，各時(shí)間尺度優(yōu)化調(diào)度結(jié)果如圖7所示。

由圖7(a)可見，3種時(shí)間尺度的聯(lián)絡(luò)線功率曲線基本重合，其原因是在日內(nèi)調(diào)度和實(shí)時(shí)調(diào)度模型中引入了聯(lián)絡(luò)線懲罰因子β，使得日內(nèi)調(diào)度和實(shí)時(shí)調(diào)度中的聯(lián)絡(luò)線功率跟隨日前計(jì)劃的調(diào)度值，保證了運(yùn)營(yíng)商不受電力市場(chǎng)的偏差電量考核影響，符合運(yùn)營(yíng)商利益需求。

由圖7(b)和(c)可見，在14:00—16:00與19:00—20:00時(shí)段儲(chǔ)能日前計(jì)劃與日內(nèi)調(diào)度出現(xiàn)了較大差異，觀察同時(shí)段的圖7(d)與圖7(e)的調(diào)度曲線發(fā)現(xiàn)，集群空調(diào)削減功率在14:00—16:00突然增大，而集群電動(dòng)汽車則降至為0，由圖6可知這是由于該時(shí)間段集群空調(diào)DR價(jià)格比集群電動(dòng)汽車DR價(jià)格和DER購(gòu)電價(jià)格更低，同時(shí)DR資源在日前計(jì)劃留有1/3的備用容量，因此在日內(nèi)調(diào)度時(shí)優(yōu)先調(diào)用這部分資源；同理，在19:00—20:00時(shí)段，集群電動(dòng)汽車DR價(jià)格比其他兩者更低，因此優(yōu)先調(diào)用。在其余時(shí)段，儲(chǔ)能出力與日前計(jì)劃出現(xiàn)偏差的原因同樣是在日內(nèi)調(diào)度階段啟用了儲(chǔ)能日前計(jì)劃的備用容量。對(duì)比儲(chǔ)能實(shí)時(shí)調(diào)度和日內(nèi)調(diào)度曲線可以看出，實(shí)時(shí)調(diào)度曲線圍繞日內(nèi)調(diào)度曲線上下波動(dòng)，該環(huán)節(jié)時(shí)間尺度為15 min，主要目的是平抑超短期階段新能源與負(fù)荷的波動(dòng)。

圖8 可控負(fù)荷實(shí)際響應(yīng)值與指令值對(duì)比圖Fig.8 Comparison of actual response value and instruction value of controllable load

集群空調(diào)和集群電動(dòng)汽車實(shí)際控制時(shí)間尺度為分鐘級(jí)，對(duì)比2種DR資源實(shí)際響應(yīng)情況與實(shí)時(shí)調(diào)度指令的偏差值，如圖8所示。由圖8(a)可見，集群空調(diào)在840～ 1 020 min(14:00—17:00)時(shí)段實(shí)際響應(yīng)值高于調(diào)度指令，這是因?yàn)槊拷M空調(diào)可控容量均在200 kW以上，單位可控容量較大，無(wú)法實(shí)時(shí)滿足調(diào)度指令的零偏差響應(yīng)，且為了盡可能避免出現(xiàn)響應(yīng)不足的情況，允許響應(yīng)值在一定范圍內(nèi)大于指令值。在780～ 840 min(13:00—14:00)時(shí)段，調(diào)度指令為1.5 MW，接近可控容量，可調(diào)裕量較小，導(dǎo)致實(shí)際響應(yīng)曲線波動(dòng)幅度較大。由圖8(b)可見，相比于集群空調(diào)負(fù)荷，集群電動(dòng)汽車由于單位可控容量?jī)H為單臺(tái)電動(dòng)汽車的充電功率，使得實(shí)際響應(yīng)曲線很好地跟隨實(shí)時(shí)調(diào)度曲線。

日內(nèi)調(diào)度根據(jù)最新的預(yù)測(cè)信息和系統(tǒng)運(yùn)行狀態(tài)對(duì)日前計(jì)劃不斷修正，減少了日前計(jì)劃與實(shí)際情況的偏差。計(jì)算有日內(nèi)調(diào)度環(huán)節(jié)和無(wú)日內(nèi)調(diào)度環(huán)節(jié)的運(yùn)營(yíng)商最終收益分別為61.4美元和52.36美元，由此可知，增加日內(nèi)調(diào)度環(huán)節(jié)不僅使調(diào)度結(jié)果逐步逼近實(shí)際情況，同時(shí)提高運(yùn)營(yíng)商收益。

5 結(jié) 論

本文提出一種計(jì)及多時(shí)間尺度需求響應(yīng)資源的微電網(wǎng)能量?jī)?yōu)化調(diào)度策略，通過市場(chǎng)環(huán)境下微電網(wǎng)內(nèi)部發(fā)電側(cè)和用戶側(cè)資源的互動(dòng)，使需求響應(yīng)資源參與各級(jí)調(diào)度中，實(shí)現(xiàn)了日前-日內(nèi)-實(shí)時(shí)調(diào)度的協(xié)調(diào)優(yōu)化。算例結(jié)果表明：

(1)通過采用不同時(shí)間尺度的激勵(lì)型DR，能夠使DR資源參與到微電網(wǎng)的多時(shí)間尺度能量管理，彌補(bǔ)儲(chǔ)能備用容量的不足；

(2)通過日內(nèi)滾動(dòng)修正和實(shí)時(shí)調(diào)度環(huán)節(jié)能夠減少微電網(wǎng)實(shí)際出力與日前計(jì)劃出力的偏差，避免運(yùn)營(yíng)商受外部電力市場(chǎng)電力電量平衡考核影響，滿足微電網(wǎng)運(yùn)營(yíng)商需求；

(3)通過對(duì)集群電動(dòng)汽車和空調(diào)負(fù)荷的精確建模能夠提高調(diào)度決策的精細(xì)化程度，使調(diào)度結(jié)果更加符合實(shí)際情況。