面向智能家電與智能電網(wǎng)價值網(wǎng)融合的電力需求響應策略

王少艷，侯瑞春，陶 冶，朱 愷

（1.中國海洋大學 信息科學與工程學院，青島 266000；2.青島科技大學 信息科學技術學院，青島 266000；3.青島工程職業(yè)學院，青島 266000）

0 引言

近幾年來，隨著經(jīng)濟的快速發(fā)展，空調(diào)的使用數(shù)量急劇增加。據(jù)研究顯示，截止2018年，全國空調(diào)負荷達到2.8億千瓦，同比增加了6000萬千瓦左右[1]?？照{(diào)的大量使用使得電網(wǎng)的峰谷差距進一步拉大，給電網(wǎng)的正常運行造成了很大的壓力。努力縮小峰谷差距，保證電力負荷的平穩(wěn)運行，不僅可以減少不必要的資源浪費，還可以提高電力資源的利用率，有助于電網(wǎng)的安全穩(wěn)定運行。

為保障電力供需平衡，除在供給側(cè)接入新型能源外，可以考慮在需求側(cè)增加可調(diào)控資源[2]，空調(diào)負荷就是一種典型的可調(diào)控資源。隨著互聯(lián)網(wǎng)技術的快速發(fā)展，多數(shù)空調(diào)已經(jīng)具備聯(lián)網(wǎng)條件，具有在線調(diào)控的能力，可以使用在美國等發(fā)達國家早已普及的周期性暫停措施[3,4]來遠程操控空調(diào)，抑制電力負荷的增長。通過需求響應降低電網(wǎng)對尖峰負荷的供電壓力，增強對空調(diào)負荷的多樣化控制，對于緩解電力供給側(cè)和需求側(cè)之間的矛盾具有重大意義。

本文的創(chuàng)新主要在于：1）考慮了多主體聯(lián)動，在家電與電網(wǎng)的價值融合模式下，充分發(fā)揮互聯(lián)網(wǎng)空調(diào)在線實時控制的優(yōu)勢，實現(xiàn)電力負荷實時需求響應，精準調(diào)控；2）建立了前后端聯(lián)動的負載最優(yōu)化控制模型，既滿足了家電與電網(wǎng)的利益，又讓用戶從中受益，體現(xiàn)了不同主體間的跨域價值網(wǎng)融合。

1 相關背景

1.1 價值網(wǎng)融合模式

隨著互聯(lián)網(wǎng)的發(fā)展和企業(yè)競爭的加劇，傳統(tǒng)家電產(chǎn)業(yè)的價值鏈[9]模式已經(jīng)逐漸被價值網(wǎng)[10]取代，家電企業(yè)無法依靠低成本在競爭中取得優(yōu)勢，因此價值鏈經(jīng)過解構(gòu)，把價值鏈上各主體（如顧客、供應商、合作企業(yè)等）重新聯(lián)結(jié)在一起，讓顧客融入到價值創(chuàng)造中來，形成以顧客需求為中心的價值網(wǎng)。而在供給側(cè)改革、新舊動能轉(zhuǎn)換的大背景下，產(chǎn)業(yè)邊界變得越來越模糊，傳統(tǒng)的價值網(wǎng)相互交叉、滲透，形成價值網(wǎng)融合新模式。

這種新模式依據(jù)“鏈接”，“融合”，“跨界”，“開放”的思想，打破了原有傳統(tǒng)的家電產(chǎn)業(yè)鏈模式，甚至突破了原有不相關多元化的概念，使看似不相關的業(yè)務和領域出現(xiàn)交叉、甚至融合的態(tài)勢。目前，大量空調(diào)具備互聯(lián)網(wǎng)接入功能，為智能家電與智能電網(wǎng)的價值網(wǎng)融合提供了技術基礎。家電產(chǎn)業(yè)與電網(wǎng)產(chǎn)業(yè)跨界合作，使家電產(chǎn)業(yè)生產(chǎn)出的空調(diào)不僅僅具有調(diào)溫、除濕的基本功能，還增加了智慧節(jié)電的新功能，增加了產(chǎn)品附加值，實現(xiàn)產(chǎn)品價值增值。對電網(wǎng)企業(yè)來說，空調(diào)溫度的實時調(diào)節(jié)，降低了電網(wǎng)在電力尖峰時刻的供電壓力，減少了資源的不必要的浪費。綜上所述，價值網(wǎng)融合新模式可以為價值網(wǎng)融合模式下的各主體創(chuàng)造出新價值。

1.2 電力需求響應核心業(yè)務流程介紹

本文以家電制造業(yè)的龍頭企業(yè)——海爾為例，來介紹電力需求響應的流程。近年來，海爾智能空調(diào)與國網(wǎng)江蘇電力公司就開展了智能家電與智能電網(wǎng)的跨價值網(wǎng)融合方面的探索實踐。合作的目的是要實現(xiàn)江蘇電網(wǎng)居民能效系統(tǒng)與海爾U+大數(shù)據(jù)平臺對接，完成對海爾空調(diào)負荷的需求響應管理。U+大數(shù)據(jù)平臺具有實時監(jiān)測功能，實時顯示在線用戶、在線設備數(shù)量，時段數(shù)量趨勢，掌握空調(diào)在線狀態(tài)、分布、運營活動等。利用海爾U+平臺，對與海爾簽約的用戶家中的海爾空調(diào)進行實時顯示和控制，當電網(wǎng)備用容量不足、局部過載或是峰谷差過大時，通過引導用戶開展需求響應實現(xiàn)削峰填谷，減小峰谷差，可以提高電網(wǎng)負荷率和運行效率，參與需求響應的用戶可以獲得電網(wǎng)提供的電費補貼還可以節(jié)省一部分空調(diào)費用，實現(xiàn)多方共贏。積極進行空調(diào)能耗預測研究，幫助電網(wǎng)供給側(cè)實現(xiàn)重點時段、重點區(qū)域的削峰平穩(wěn)運行，這些措施對于提高電力資源利用率，減少資源浪費具有重要意義。該項目核心業(yè)務流程如圖1所示。

圖1 海爾電力需求響應項目核心業(yè)務流程

1）在U+App上，海爾向購買海爾空調(diào)的用戶推送活動信息與參與信息，通過一定激勵補償措施邀請用戶積極參與電網(wǎng)的調(diào)峰任務。

2）如果用戶同意參與，海爾最終會根據(jù)調(diào)峰目標和用戶需求合理安排用戶的調(diào)峰計劃。

（17）作為一個建筑師[Ag]，讓[Pro][[廣大老百姓[Posr]擁有[Pro]適合自己生活的居住空間[Posd]]，比建一百座宮殿大廈更有意義。

3）空調(diào)負荷分布范圍廣，特性各異，數(shù)量龐大，無法對其負荷進行單獨優(yōu)化參與系統(tǒng)的運行。因此可以利用U+平臺的海量數(shù)據(jù)（如空調(diào)的啟停功率），對所有參與活動的空調(diào)實行預分組。

4）當運行到電力負荷的尖峰時刻時，海爾通過電網(wǎng)給出的實時節(jié)能目標值，利用本文提出的數(shù)學模型，確定分類調(diào)控策略。

5）上報空調(diào)狀態(tài)與實時能耗記錄。

2 電力需求響應模型

2.1 空調(diào)通用特性

假設空調(diào)在運行時功率恒定，空調(diào)壓縮機不工作時，室內(nèi)機風扇仍然工作，仍有部分電能消耗。為節(jié)省電能，對空調(diào)實行周期性啟/?？刂?，考慮用戶對舒適度要求不一樣，對用戶空調(diào)實行分類控制。假設空調(diào)f實施第i類啟/?？刂?，空調(diào)f在第n個控制周期τ內(nèi)，開為空調(diào)f正常運行時的功率，以下簡稱為空調(diào)運行功率，則空調(diào)f在正常運行情況下第n個控制周期內(nèi)消耗的電能為：

空調(diào)k在實施第i類啟/?？刂魄闆r下第n個控制周期內(nèi)消耗的電能為：為空調(diào)f在關閉空調(diào)壓縮機后的運行功率，以下簡稱為空調(diào)停機功率。

為激勵用戶積極參與削峰活動，對各類用戶實行不同的補償補貼，各類補貼費用以同一類用戶在該控制時段節(jié)省的總電能對該時段所有用戶節(jié)省的總電能的貢獻率計算，則第i類用戶的單位補貼金額為：

2.2 目標函數(shù)和約束條件

經(jīng)研究，空調(diào)冷氣每小時停機10min～20min，大部分人員并無冷氣中斷的感覺，對其舒適度也基本沒有影響[11]，以40分鐘為一個控制周期。據(jù)此，我們將用戶空調(diào)分成三類進行控制，如表1所示，第一類控制方式為空調(diào)開30分鐘，停10分鐘，此種方式用戶體驗最好；第二類控制方式為空調(diào)開20分鐘，停20分鐘，此種方式用戶體驗一般；第三類控制方式為空調(diào)開10分鐘，關30分鐘，此種方式用戶體驗較差。

表1 電力需求響應項目方案介紹

下面建立空調(diào)需求響應最優(yōu)化模型和約束，為方便集中統(tǒng)一調(diào)控，本文提出基于運行功率和關機功率的空調(diào)分組方案，流程如圖2所示，將K臺空調(diào)以空調(diào)的運行功率和停機功率為特征屬性，采用聚類技術將其分成F組，每組空調(diào)的功率是該組所有空調(diào)的功率之和，從而將具有相似制冷能力的空調(diào)作為一臺虛擬的受控空調(diào)參與后期的分檔調(diào)控優(yōu)化。則K臺空調(diào)聚合成的F臺虛擬空調(diào)在N個控制周期內(nèi)節(jié)約的總電能為：

其中xi,f為虛擬空調(diào)f受控標識量，值為0或1（1表示受i類控制，0表示不受i類控制），F(xiàn)為虛擬空調(diào)總數(shù)，為控制周期總數(shù)。

由于電廠是24小時持續(xù)發(fā)電的，用電量過多過少都會造成一定的經(jīng)濟損失。用電量高于發(fā)電水平會給工業(yè)生產(chǎn)以及電廠本身造成很大的壓力，低于發(fā)電水平不僅會造成資源的極大浪費，還會影響用戶的舒適度體驗，因此我們要做到有計劃的進行電力負荷的調(diào)控。假設第n個控制周期，電網(wǎng)提供的節(jié)約電量目標值為?Etarget，我們以最小化調(diào)節(jié)誤差為目標函數(shù)：

對于家電產(chǎn)業(yè)來說，售賣的產(chǎn)品的功能改進都是要在保證用戶舒適度體驗的情況下進行的，最終目的是要提高空調(diào)的銷售量，故該模型的約束條件為：

yi,k,f是空調(diào)k受控標識量，它的值由xi,f決定，當空調(diào)k通過聚類技術被分配到f組時，yi,k,f=xi,f。式(6)我們要盡可能的保證絕大多數(shù)的用戶體驗，式(8)是要保證用戶只能受一類控制。上述情況屬于0～1整數(shù)規(guī)劃問題，當k的數(shù)值較大時，可選用MATLAB軟件編程得到結(jié)果，最終選取?E-?Etarget中最接近0的解為最優(yōu)解。

圖2 空調(diào)分類調(diào)控方案流程圖

3 算例信息

3.1 算例信息

為證明所提出的方案的可實施性，本文選取某省某小區(qū)來進行算例分析，控制周期為電力運行高峰期12:00～14:00，單位正常電價ω為0.5469元。首先進行聚類分析，將空調(diào)分成8組，分組后的參數(shù)如表2所示。

表2 空調(diào)聚類分組結(jié)果

表2 （續(xù)）

3.2 結(jié)果分析

根據(jù)電網(wǎng)需求，該時段需要節(jié)約的電能為380kW.h，利用目標函數(shù)和約束條件求得P1=0.2349，P2=0.1773，P3=0.1347。如表3所示結(jié)果。

表3 電力需求響應實驗結(jié)果

如表3所示，第2，3，4，7，8組實施第一類控制方式，第5，6組實施第二類控制方式，第1組實施第三類控制方式。全部空調(diào)節(jié)省總電量約為379.98kW·h，與電網(wǎng)提出的目標削減量380kW·h相差0.02kW·h，在組內(nèi)人數(shù)相差不大的情況下，實施第三類調(diào)控策略相比于第一、二類控制策略獲得的補貼金額相對較高，這是一項有效的激勵措施。實施上述方案前后，各組用電量對比如圖3所示，從圖中可以看出各組在實行上述方案后可以獲得顯著的節(jié)電效益。

圖3 實施方案前后各組用電量對比

如圖4給出了四種方案的節(jié)電量隨時間的變化趨勢，從圖中可以看出無論實行哪種周期性暫停策略都可以達到明顯的節(jié)電效果，但是實施分類控制策略可以使各時段用電更加趨于平緩，更好的達到削峰的效果，減少空調(diào)在集中開啟瞬間電廠的供電壓力。在進行分類周期啟停的調(diào)控下，除了節(jié)省電能外，也一定程度上為用戶節(jié)省了部分生活支出，用戶還獲得了補貼金額，用戶對這種空調(diào)的體驗感也會提高，家電企業(yè)的空調(diào)銷售量會增加，所以這種跨行業(yè)合作的價值網(wǎng)融合模式將會給各相關主體帶來利益。

圖4 各類調(diào)控方案節(jié)電量隨時間變化趨勢

4 結(jié)語

本文主要依據(jù)海爾與南方電網(wǎng)跨價值網(wǎng)融合項目，通過建立數(shù)學模型，為家電制造業(yè)提供較優(yōu)的調(diào)控策略，建議海爾如何調(diào)控用戶的空調(diào)，可以使電網(wǎng)、用戶實現(xiàn)共贏。文中提出的模型的特點如下：

1）由于空調(diào)數(shù)量較多，分布范圍廣，空調(diào)參數(shù)各異，單個空調(diào)負荷小，先采用聚類技術將空調(diào)進行預分組。

2）為更大程度省電，將周期性輪停應用到實際操作中。

3）為了使調(diào)控后的電力負荷在各時段更加趨于平緩，以空調(diào)周期性暫停時間的不同為劃分依據(jù)，將用戶空調(diào)分類控制。

4）提出目標節(jié)電量這一概念，做到有計劃節(jié)電。

從仿真實驗中可以看出，在運用本文提出的模型后會在一定程度上節(jié)省電能，較好地達到了削峰填谷的效果。此種方案不管是對使用空調(diào)的用戶還是對電網(wǎng)或是對家電企業(yè)都是有利的，可以創(chuàng)造一定的經(jīng)濟效益。但是本實驗不足之處在于：沒有考慮在空調(diào)啟停的瞬間也會損失一部分的電能，對工業(yè)企業(yè)設備都是有一定影響的?？照{(diào)在受啟停控制之前該戶室溫不確定，此種情況下用戶的體驗會不會有很差的影響?？照{(diào)的啟停還會受地域、時間等其他因素的影響，在今后的研究中我們應該盡可能的考慮到能影響節(jié)能效果的其他因素，不斷完善文中提出的數(shù)學模型。