面向多用戶的多時(shí)間尺度電力套餐與家庭能量?jī)?yōu)化策略

傅質(zhì)馨，李紫嫣，朱俊澎，袁 越

面向多用戶的多時(shí)間尺度電力套餐與家庭能量?jī)?yōu)化策略

傅質(zhì)馨1，2，李紫嫣1，2，朱俊澎1，2，袁 越1，2

(1.河海大學(xué)能源與電氣學(xué)院，江蘇 南京 211100；2.河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心，江蘇 南京 211100)

在智能互聯(lián)網(wǎng)環(huán)境下，居民用戶參與需求響應(yīng)時(shí)的不確定因素對(duì)家庭能量管理調(diào)度策略的實(shí)施效果存在較大影響。為此，提出了一種計(jì)及用戶響應(yīng)不確定性的多時(shí)間尺度可變電價(jià)套餐和用電策略。首先，明確多時(shí)段可變電力套餐的定義，基于價(jià)格型和激勵(lì)型響應(yīng)不確定性機(jī)理構(gòu)建電力套餐的模型，并建立完成聚類后的多用戶與電網(wǎng)的模型。其次，通過求解基于多用戶和電網(wǎng)的非合作和合作博弈模型，獲得最優(yōu)的電價(jià)方案和日前優(yōu)化計(jì)劃。然后，根據(jù)需求響應(yīng)信息和用戶用電安排建立日內(nèi)滾動(dòng)優(yōu)化模型，獲得局部動(dòng)態(tài)分時(shí)電價(jià)和日內(nèi)調(diào)度計(jì)劃。最后，根據(jù)用戶實(shí)際響應(yīng)偏差建立實(shí)時(shí)調(diào)整模型，獲得動(dòng)態(tài)激勵(lì)和實(shí)時(shí)用電計(jì)劃。以多家庭用戶調(diào)度組為例進(jìn)行仿真分析，通過比較不同模型優(yōu)化結(jié)果，驗(yàn)證了考慮用戶響應(yīng)不確定性的電力套餐及多時(shí)間尺度協(xié)調(diào)優(yōu)化的有效性。

需求響應(yīng)；家庭能量管理；多時(shí)間尺度；電力套餐；不確定性；博弈模型

0 引言

需求響應(yīng)(Demand Response, DR)是電網(wǎng)框架下實(shí)現(xiàn)需求側(cè)與供應(yīng)側(cè)的一種互動(dòng)形式[1]。在需求側(cè)響應(yīng)相關(guān)技術(shù)研究上，我國(guó)起步較晚，已開始在試點(diǎn)城市(如上海、北京、佛山等地)建設(shè)各自的DR資源庫(kù)，因地制宜采用不同的實(shí)施方式[2]。在需求響應(yīng)的研究及實(shí)踐中，重點(diǎn)在于分析總結(jié)用戶的用電習(xí)慣特性，并指導(dǎo)制定科學(xué)合理的需求響應(yīng)策略[3]。

居民負(fù)荷作為需求側(cè)的重要組成部分，具有資源分散、用電效率低下的特點(diǎn)，但其用電時(shí)段集中、基數(shù)大[4]，有著巨大的需求響應(yīng)潛力[5-6]。在家庭能量管理系統(tǒng)(Home Energy Management System, HEMS)中，居民自主參與需求響應(yīng)項(xiàng)目的同時(shí)合理安排用電計(jì)劃[7]。

目前，針對(duì)工商業(yè)領(lǐng)域的需求響應(yīng)策略已有深入的研究和廣泛的應(yīng)用，并在相關(guān)研究中提出了電價(jià)激勵(lì)響應(yīng)[8]、用戶能耗[9]等模型。而關(guān)于居民側(cè)需求響應(yīng)管理的研究分析較少，主要針對(duì)需求響應(yīng)電價(jià)和激勵(lì)機(jī)制的制定進(jìn)行研究。文獻(xiàn)[10]指出在居民側(cè)尖峰電價(jià)的指引信號(hào)比電價(jià)折扣更強(qiáng)烈。文獻(xiàn)[11-12]考慮用戶用電特征，制定了能夠反映電力需求的可變電價(jià)。文獻(xiàn)[13-14]提出了引導(dǎo)居民完成響應(yīng)目標(biāo)，實(shí)現(xiàn)削峰填谷的激勵(lì)機(jī)制。然而上述文獻(xiàn)均未考慮到居民用戶響應(yīng)的不確定性。文獻(xiàn)[15-16]分別考慮了用戶參與電網(wǎng)的不確定性和響應(yīng)程度的不確定性，文獻(xiàn)[15]建立多種柔性負(fù)荷響應(yīng)模型，文獻(xiàn)[16]考慮到可再生能源和居民行為的不確定性，引入疲勞指數(shù)來保證居民的滿意度。但對(duì)不確定性的研究分析并不全面，落腳點(diǎn)主要集中在分布式能源接入、用戶參與響應(yīng)、響應(yīng)程度不足的不確定性，現(xiàn)有文獻(xiàn)未考慮到居民用戶響應(yīng)過度的情況。

在面向需求響應(yīng)的家庭能量?jī)?yōu)化調(diào)度策略方面，文獻(xiàn)[17]指出當(dāng)收到需求響應(yīng)事件(Demand Response Event, DRE)請(qǐng)求時(shí)，用戶需要主動(dòng)地轉(zhuǎn)移高峰負(fù)荷，建立了包含分布式光伏的多時(shí)間尺度家庭能量管理模型。文獻(xiàn)[18-19]對(duì)含柔性負(fù)荷的智能小區(qū)建模，以減少居民用電費(fèi)用和降低負(fù)荷峰值為目標(biāo)，合理調(diào)度柔性負(fù)荷的使用。文獻(xiàn)[20]的主要貢獻(xiàn)是在實(shí)時(shí)能源價(jià)格方案下應(yīng)用北極熊優(yōu)化方法解決家庭能源管理系統(tǒng)中需求響應(yīng)型電器的調(diào)度問題。以上文獻(xiàn)主要研究居民用戶參與電網(wǎng)需求響應(yīng)的優(yōu)化策略，本文考慮在給出負(fù)荷調(diào)度策略的同時(shí)深入研究和分析電價(jià)或激勵(lì)與用戶用電行為的關(guān)系。

因此，本文建立電價(jià)差和負(fù)荷轉(zhuǎn)移率的不確定性模型、可中斷負(fù)荷補(bǔ)償和響應(yīng)度的不確定性模型，先后從價(jià)格型和激勵(lì)型DR兩個(gè)角度分析居民負(fù)荷在實(shí)際響應(yīng)中的不確定性，將可轉(zhuǎn)移負(fù)荷、溫控負(fù)荷和DRE信息在三個(gè)時(shí)間尺度上協(xié)調(diào)優(yōu)化，給出計(jì)及不確定性的多時(shí)間尺度可變電力套餐和家庭優(yōu)化調(diào)度策略。

1 問題提出及模型建立

1.1 多時(shí)間尺度可變電力套餐定義及問題提出

傳統(tǒng)的電力套餐[21]包含分時(shí)電價(jià)和靜態(tài)激勵(lì)機(jī)制，多時(shí)間尺度[22]可變電力套餐采用的是局部動(dòng)態(tài)分時(shí)電價(jià)和動(dòng)態(tài)激勵(lì)。只采用日前調(diào)度無法處理臨時(shí)發(fā)布的DRE信息，進(jìn)行日內(nèi)調(diào)度時(shí)，可計(jì)劃響應(yīng)DRE的程度及具體的響應(yīng)安排[23]?？紤]到用戶實(shí)際響應(yīng)時(shí)存在響應(yīng)不足或過度的情況，再進(jìn)行實(shí)時(shí)調(diào)度以校正用戶的響應(yīng)程度。制定規(guī)則如下所述。

2) 進(jìn)行日內(nèi)調(diào)度計(jì)劃。考慮DRE信息和用戶用電安排，在第一步基準(zhǔn)值的基礎(chǔ)上，采用價(jià)格型需求響應(yīng)不確定性模型，在響應(yīng)電網(wǎng)DRE信息時(shí)段，設(shè)置局部動(dòng)態(tài)電價(jià)。以峰谷時(shí)段負(fù)荷轉(zhuǎn)移情況為例進(jìn)行分析，如圖1所示。

圖1 價(jià)格型需求響應(yīng)不確定機(jī)理

在需求響應(yīng)時(shí)段，采用固定峰谷比和平時(shí)段電價(jià)擴(kuò)大峰谷電價(jià)差的電價(jià)制定方法，為避免出現(xiàn)峰谷倒置的現(xiàn)象，應(yīng)滿足式(4)。

3) 進(jìn)行實(shí)時(shí)調(diào)度計(jì)劃。考慮用戶參與電網(wǎng)需求響應(yīng)的不確定性，在2)動(dòng)態(tài)分時(shí)電價(jià)的基礎(chǔ)上增加動(dòng)態(tài)的可中斷負(fù)荷補(bǔ)償。根據(jù)用戶實(shí)際削減的用電功率與DRE要求產(chǎn)生功率偏差，調(diào)整激勵(lì)水平。

目前普遍采用只考慮響應(yīng)不足的激勵(lì)型需求響應(yīng)不確定模型，本文在此基礎(chǔ)上進(jìn)一步補(bǔ)充完善了該模型關(guān)于響應(yīng)過度的部分。響應(yīng)不足時(shí)會(huì)影響電網(wǎng)運(yùn)行的穩(wěn)定性，但也要考慮到響應(yīng)過度的情況，響應(yīng)過度會(huì)直接大幅降低用戶的舒適度，甚至有可能打擊響應(yīng)的積極性。如圖2所示，圖中右半部分描繪的是針對(duì)用戶響應(yīng)不足，增加激勵(lì)后的可調(diào)度負(fù)荷響應(yīng)特性曲線。左半部分描繪的是針對(duì)用戶響應(yīng)過度時(shí)減少激勵(lì)后的可調(diào)度負(fù)荷響應(yīng)特性曲線。負(fù)的電價(jià)激勵(lì)可視作用戶響應(yīng)過度時(shí)的懲罰機(jī)制，為了便于后續(xù)的討論和研究，假設(shè)懲罰機(jī)制的參數(shù)絕對(duì)值和正電價(jià)激勵(lì)的參數(shù)相同，即將圖2的右半部分圖逆時(shí)針旋轉(zhuǎn)180o，得到左半部分圖。

圖2 閃電激勵(lì)型需求響應(yīng)不確定機(jī)理

在激勵(lì)水平下，用戶的積極響應(yīng)斜率和消極響應(yīng)斜率可分別表示為

1.2 基于可調(diào)度設(shè)備的多用戶滿意度及收益模型

家庭用戶中的設(shè)備可分為不可調(diào)整負(fù)荷(如電視、電腦等)、可轉(zhuǎn)移或中斷負(fù)荷、溫控負(fù)荷?？赊D(zhuǎn)移或中斷負(fù)荷與溫控負(fù)荷合稱為家庭用戶的可調(diào)整負(fù)荷，能夠參與優(yōu)化調(diào)度[24]。本文對(duì)這兩類設(shè)備進(jìn)行滿意度建模，用戶的實(shí)際收益為效用減去支付。

1) 效用函數(shù)

效用函數(shù)的值用于衡量用戶使用從電力公司獲得的電能的滿意度。

(1) 可轉(zhuǎn)移、可中斷設(shè)備

(2) 溫控設(shè)備

本節(jié)溫控負(fù)荷以熱水器和空調(diào)為例，并對(duì)其滿意度進(jìn)行建模。

① 熱水器

熱水器的滿意度模型為

② 空調(diào)

空調(diào)的滿意度模型為

2) 用戶支付

3) 用戶收益

1.3 電力公司模型

1) 電力公司收入

電力公司收入是由所有用戶支付的電費(fèi)組成的，其表達(dá)式為

2) 運(yùn)營(yíng)成本

電力公司出售電能時(shí)存在一個(gè)運(yùn)營(yíng)成本，比如購(gòu)買資源、設(shè)備投入及公司管理等。運(yùn)營(yíng)成本的表達(dá)式為

3) 電力公司收益

2 多時(shí)間尺度電力套餐及家庭能量管理

為減小DRE信息、用戶用電安排和用戶參與電網(wǎng)需求響應(yīng)的不確定性對(duì)家庭能量?jī)?yōu)化的影響，本文采用日前-日內(nèi)-實(shí)時(shí)三階段優(yōu)化調(diào)度模型對(duì)家庭能量管理進(jìn)行優(yōu)化。面向多用戶參與需求響應(yīng)的電力套餐設(shè)計(jì)和家庭能量?jī)?yōu)化調(diào)度整體流程圖如圖3所示。

2.1 基于多用戶和電網(wǎng)博弈的日前優(yōu)化模型

非合作博弈模型獲得的個(gè)體最優(yōu)決策作為合作博弈談判的威脅點(diǎn)，也稱作威脅談判破裂的臨界點(diǎn)。日前優(yōu)化模型采用非合作與合作博弈相結(jié)合的方式，得到最優(yōu)的電價(jià)方案和日前優(yōu)化計(jì)劃作為多時(shí)間尺度優(yōu)化模型的基準(zhǔn)值。日前用電優(yōu)化對(duì)用電計(jì)劃進(jìn)行預(yù)測(cè)，包括是否調(diào)整可轉(zhuǎn)移或中斷設(shè)備的運(yùn)行時(shí)間。

圖3 面向多用戶參與需求響應(yīng)的電力套餐設(shè)計(jì)和家庭能量?jī)?yōu)化調(diào)度流程圖

2.1.1多用戶和電網(wǎng)非合作博弈

2.1.2多用戶和電網(wǎng)合作博弈

2.2 基于模型預(yù)測(cè)控制的多時(shí)間尺度優(yōu)化模型

基于多用戶和電網(wǎng)博弈的家庭能量?jī)?yōu)化管理模型無法有效處理由于DRE信息、用戶用電安排和用戶參與電網(wǎng)需求響應(yīng)等不確定性因素帶來的影響，因此引入模型預(yù)測(cè)控制(Model Predictive Control, MPC)辦法進(jìn)行家庭能量?jī)?yōu)化管理，相比傳統(tǒng)電力套餐制定和能量管理策略具有更強(qiáng)的魯棒性與適應(yīng)性。

2.2.1考慮DRE信息和用戶用電安排的日內(nèi)滾動(dòng)優(yōu)化模型

根據(jù)最新預(yù)測(cè)信息，以整個(gè)優(yōu)化區(qū)間用戶的用電成本最小為優(yōu)化目標(biāo)，調(diào)整電價(jià)和設(shè)備用電情況，用戶的總用電成本包括用戶電費(fèi)支出和響應(yīng)DRE獲得的效益，引入舒適度折算系數(shù)將用戶舒適度折算成等效收益，得出最優(yōu)的局部動(dòng)態(tài)電價(jià)。日內(nèi)用電優(yōu)化的目標(biāo)函數(shù)為

用戶溫度舒適度體現(xiàn)在用戶設(shè)定的適宜溫度與實(shí)際溫度的偏差，表達(dá)式為

2.2.2考慮用戶參與需求響應(yīng)不確定性的實(shí)時(shí)調(diào)整模型

盡管日內(nèi)滾動(dòng)優(yōu)化時(shí)已經(jīng)對(duì)響應(yīng)計(jì)劃進(jìn)行安排，但是尚未考慮用戶實(shí)際響應(yīng)的程度。針對(duì)響應(yīng)不足或過度的情況，構(gòu)建閃電型激勵(lì)型需求響應(yīng)不確定模型。由此，用戶參與電網(wǎng)需求響應(yīng)的計(jì)劃值與實(shí)際值引起的用電功率偏差可表示為

實(shí)時(shí)用電調(diào)整主要在日內(nèi)用電優(yōu)化值的基礎(chǔ)上對(duì)用戶參與需求響應(yīng)的程度進(jìn)行調(diào)節(jié)。輸入量包括日內(nèi)負(fù)荷預(yù)測(cè)、DRE信息、用戶實(shí)際用電情況和室外溫度預(yù)測(cè)，輸出量為局部電價(jià)激勵(lì)、設(shè)備運(yùn)行時(shí)刻和用戶響應(yīng)電網(wǎng)的用電計(jì)劃。以多用戶綜合效應(yīng)收益最大為優(yōu)化目標(biāo)，綜合效應(yīng)收益包括用戶支付和響應(yīng)功率偏差帶來的懲罰，得出滿足需求響應(yīng)機(jī)制的最優(yōu)動(dòng)態(tài)激勵(lì)。

實(shí)時(shí)用電調(diào)整優(yōu)化函數(shù)如下所述。

1) 懲罰效應(yīng)建模

在超出最優(yōu)動(dòng)態(tài)激勵(lì)對(duì)應(yīng)的響應(yīng)度范圍，則給予懲罰。

2) 總目標(biāo)函數(shù)建模

式中，為功率偏差系數(shù)。

3 算例分析

算例結(jié)合華東地區(qū)某地夏季的24 h原始居民日負(fù)荷數(shù)據(jù)，求解多時(shí)間尺度的可變電力套餐方案，制定家庭能量?jī)?yōu)化調(diào)度策略。本文模型允許用戶實(shí)時(shí)參與到DR項(xiàng)目中，在接收到DRE請(qǐng)求時(shí)，居民用戶降低用電需求緩解負(fù)荷高峰期的壓力。分時(shí)電價(jià)如附表1所示。

對(duì)日負(fù)荷曲線進(jìn)行聚類分析得到圖4的結(jié)果。

其中4類用戶數(shù)量分別占總用戶數(shù)量的24.3%、29.5%、14.8%和33.3%，根據(jù)設(shè)定用戶期望的工作時(shí)間，不改變?cè)O(shè)備的可運(yùn)行時(shí)間，通過描述期望用電時(shí)間的改變來反映這4類用戶用電習(xí)慣的不同。

圖4 基于模糊c聚類算法的日負(fù)荷曲線聚類結(jié)果

3.1 基于多用戶和電網(wǎng)博弈的日前優(yōu)化調(diào)度

3.1.1多用戶和電網(wǎng)非合作博弈

設(shè)定用戶的期望用電時(shí)間，合理的仿真分析會(huì)根據(jù)用戶期望，盡可能將用電時(shí)間安排在期望用電的時(shí)段內(nèi)。仿真分析僅考慮家庭中的可調(diào)度設(shè)備的運(yùn)行情況，各類用戶的可調(diào)度設(shè)備的用電信息及用戶期望的用電時(shí)間如附表2所示。參數(shù)=2，選取共1 000個(gè)用戶進(jìn)行仿真分析。

1) 以多用戶作為非合作博弈的主導(dǎo)者，根據(jù)用戶實(shí)際期望的用電時(shí)間，得到用戶的日前優(yōu)化調(diào)度后最優(yōu)的用電時(shí)間。4類典型用戶優(yōu)化前后電費(fèi)及滿意度如表1所示，按各類用戶占總用戶的比例，計(jì)算出多用戶群體平均節(jié)約電費(fèi)支出百分比及滿意度。

由表1可知，經(jīng)多用戶為主導(dǎo)者的非合作博弈優(yōu)化后，多用戶調(diào)度組的平均日電費(fèi)支出降低3.7441%，平均滿意度提高12.7545%。

表1 各類典型用戶優(yōu)化前后電費(fèi)及滿意度

表2 最優(yōu)分時(shí)電價(jià)和電價(jià)折扣系數(shù)

優(yōu)化后，電網(wǎng)公司收入增加0.113%，因生產(chǎn)成本與電價(jià)無關(guān)，因此電網(wǎng)公司利益增加0.113%。

3.1.2多用戶和電網(wǎng)合作博弈

表3為非合作博弈和合作博弈情況下，用戶與電力公司利益?？梢姾献鞑┺哪Ｐ拖碌挠脩艉碗娏纠嬗兴鲩L(zhǎng)。

表3 非合作博弈和合作博弈情況下用戶和電力公司的利益

此時(shí)4類典型用戶的日負(fù)荷曲線如圖5所示，非合作博弈和合作博弈的多用戶調(diào)度組平均日負(fù)荷曲線對(duì)比如圖6所示，分時(shí)電價(jià)的峰時(shí)電價(jià)為0.804 8元/ kWh，谷時(shí)電價(jià)為0.205 9元/kWh，平時(shí)電價(jià)為0.500 2元/kWh，電價(jià)折扣系數(shù)為0.997 3。

圖5 合作博弈模型下典型用戶的日負(fù)荷曲線

圖6 非合作博弈和合作博弈模型下多用戶調(diào)度組平均日負(fù)荷曲線

3.2 基于MPC的多時(shí)間尺度優(yōu)化

3.2.1考慮DRE信息和用戶用電安排的日內(nèi)滾動(dòng)優(yōu)化

以合作博弈優(yōu)化后的居民多用戶調(diào)度組當(dāng)日當(dāng)前時(shí)刻的日負(fù)荷曲線作為負(fù)荷基線，峰谷電量系數(shù)為1.983 8。接收到DRE信息后，可在接下來的24 h進(jìn)行響應(yīng)，持續(xù)時(shí)間為0.5～1.5 h，補(bǔ)償價(jià)格為0.45元/kWh，非避峰型用戶在某單位時(shí)段內(nèi)最少響應(yīng)0.2 kW，各時(shí)段平均最大功率為10 kW。

由多用戶調(diào)度組平均日負(fù)荷曲線可知，18：00—21：00為該多用戶組可調(diào)度設(shè)備的用電高峰期，負(fù)荷峰值為6.363 9 kW。利用峰谷價(jià)格型需求響應(yīng)機(jī)理對(duì)算例進(jìn)行仿真求解，得到最優(yōu)的峰谷電價(jià)差和負(fù)荷轉(zhuǎn)移率為0.765 462元和4.778%，峰時(shí)電價(jià)為1.028 6元/kWh，谷時(shí)電價(jià)為0.263 154元/kWh，此時(shí)的峰谷電價(jià)成為局部動(dòng)態(tài)電價(jià)，僅對(duì)高峰時(shí)期轉(zhuǎn)移的負(fù)荷有效。由仿真結(jié)果可知，局部動(dòng)態(tài)電價(jià)相較于考慮價(jià)格型需求響應(yīng)機(jī)理前的電價(jià)升高，峰時(shí)電價(jià)的提高有利于用戶轉(zhuǎn)移高峰負(fù)荷，谷時(shí)電價(jià)的提高可以避免用戶向低谷轉(zhuǎn)移大量負(fù)荷形成新的用電高峰。優(yōu)化前后的電價(jià)變化如圖7所示，優(yōu)化后的4類典型用戶的日負(fù)荷曲線、多用戶調(diào)度組平均日負(fù)荷曲線如圖8、圖9所示。

此時(shí)多用戶調(diào)度組日負(fù)荷峰谷電量系數(shù)為1.622 9，降低18.192 4%，負(fù)荷峰值為5.704 6 kW，降低10.360 0%。在響應(yīng)DRE信息后，用戶轉(zhuǎn)移峰時(shí)負(fù)荷，用戶電費(fèi)減少3.234 3%，舒適度降低1.806 0%，用戶實(shí)際響應(yīng)時(shí)轉(zhuǎn)移負(fù)荷率為11.832 0%。

圖8 考慮價(jià)格型需求響應(yīng)機(jī)理后的典型用戶的日負(fù)荷曲線

圖9 考慮價(jià)格型需求響應(yīng)機(jī)理后的多用戶調(diào)度組平均日負(fù)荷曲線

3.2.2考慮用戶參與需求響應(yīng)不確定性的實(shí)時(shí)調(diào)整

最優(yōu)負(fù)荷轉(zhuǎn)移率為4.778%，而用戶實(shí)際響應(yīng)時(shí)轉(zhuǎn)移負(fù)荷率為11.832 0%，因此考慮激勵(lì)型需求響應(yīng)不確定機(jī)理進(jìn)行實(shí)時(shí)調(diào)整，降低電價(jià)激勵(lì)，減少電量轉(zhuǎn)移。

由表5可知，當(dāng)電價(jià)激勵(lì)為-0.711 68元/kWh時(shí)，削負(fù)荷量下降1.990 9 kWh，達(dá)到最優(yōu)狀態(tài)，基本滿足DRE要求。若仍堅(jiān)持超出削減負(fù)荷的調(diào)度計(jì)劃，超出部分以0.711 68元/kWh對(duì)用戶進(jìn)行懲罰。

3.3 多時(shí)間尺度可變電力套餐的效果分析

本節(jié)設(shè)計(jì)了3種優(yōu)化模型進(jìn)行對(duì)比。

優(yōu)化模型1：日前優(yōu)化模型。僅基于多用戶和電網(wǎng)的博弈模型，獲得最優(yōu)的電價(jià)方案和日前調(diào)度計(jì)劃。

表4 考慮用戶參與需求響應(yīng)不確定性前、后居民日平均電量曲線指標(biāo)

表5 不同模型下的優(yōu)化結(jié)果

優(yōu)化模型2：日前-日內(nèi)優(yōu)化模型。根據(jù)DRE信息和用戶用電安排建立日內(nèi)滾動(dòng)優(yōu)化模型，獲得局部動(dòng)態(tài)分時(shí)電價(jià)的電力套餐方案和日內(nèi)調(diào)度計(jì)劃。

優(yōu)化模型3：日前-日內(nèi)-實(shí)時(shí)優(yōu)化模型。根據(jù)用戶參與電網(wǎng)需求響應(yīng)不確定性的信息建立實(shí)時(shí)調(diào)整模型，獲得局部動(dòng)態(tài)分時(shí)電價(jià)和動(dòng)態(tài)激勵(lì)的電力套餐和實(shí)時(shí)用電計(jì)劃。

表5為不同模型下優(yōu)化結(jié)果的比較，電費(fèi)、DR收益、舒適度等效收益和等效凈支出均為多用戶調(diào)度組的平均值。模型1僅進(jìn)行日前優(yōu)化，不考慮DR。模型2進(jìn)一步考慮了DR，獲得DR收益且等效支出明顯減少。模型3用于調(diào)整用戶參與需求響應(yīng)存在的不足或過度的情況，本算例中存在需求響應(yīng)過度的情況，相較于模型2，改善了用戶響應(yīng)過度的情況，校正了響應(yīng)偏差，DR收益雖然略微有所減少，但舒適度和等效收益有所增加，等效凈支出增加。

4 結(jié)論

本文在居民負(fù)荷響應(yīng)不確定性分析的基礎(chǔ)上，將可轉(zhuǎn)移負(fù)荷、溫控負(fù)荷和DRE信息在多時(shí)間尺度上協(xié)調(diào)優(yōu)化，提出一種計(jì)及用戶參與不確定性的多時(shí)間尺度可變電力套餐和面向DR的家庭能量管理調(diào)度策略。本文主要的貢獻(xiàn)在于：

1) 建立需求響應(yīng)不確定性模型，針對(duì)需求響應(yīng)不足或過度的情況，給出正激勵(lì)鼓勵(lì)居民轉(zhuǎn)移高峰負(fù)荷，或者給出負(fù)激勵(lì)減少居民轉(zhuǎn)移高峰負(fù)荷的情況；

2) 通過采用日前-日內(nèi)-實(shí)時(shí)多時(shí)間尺度優(yōu)化調(diào)度模型，滿足DRE要求和居民用電要求的變化，開發(fā)用戶自主參與需求響應(yīng)的潛力。

附錄

附表1 分時(shí)電價(jià)

Attached Table 1 Time of use

峰谷平時(shí)段劃分電價(jià)/(元/kWh) 峰時(shí)10：00—13：00、17：00—22：000.832 谷時(shí)00：00—06：00、22：00—24：000.208 平時(shí)06：00—10：00、13：00—17：000.520

附表2 可調(diào)度設(shè)備的用電信息及用戶期望用電時(shí)間

Attached Table 2 Power consumption information of dispatchable equipment and expected power consumption time of users

[1] 黃劍平, 陳皓勇, 林鎮(zhèn)佳, 等. 需求側(cè)響應(yīng)背景下分時(shí)電價(jià)研究與實(shí)踐綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(9): 178-187.

HUANG Jianping, CHEN Haoyong, LIN Zhenjia, et al. A summary of time-of-use research and practice in a demand response environment[J]. Power System Protection and Control, 2021, 49(9): 178-187.

[2] 張杰, 高廣玲, 張智晟. 需求響應(yīng)參與電力系統(tǒng)調(diào)頻的模糊控制策略[J]. 廣東電力, 2020, 33(3): 64-71.

ZHANG Jie, GAO Guangling, ZHANG Zhisheng. Fuzzy control strategy of demand response participating in power system frequency modulation[J]. Guangdong Electric Power, 2020, 33(3): 64-71.

[3] CHAI Yanxin, XIANG Yue, LIU Junyong, et al. Incentive-based demand response model for maximizing benefits of electricity retailers[J]. Journal of Modern Power Systems and Clean Energy, 2019, 7(6): 1644-1650.

[4] 王建軍, 李莉, 年田甜, 等. 面向居民智慧用電的智能電器控制策略優(yōu)化研究[J]. 智慧電力, 2020, 48(3): 83-88.

WANG Jianjun, LI Li, NIAN Tiantian, et al. Optimization of intelligent electrical apparatus control strategy oriented smart electricity consumption of resident[J]. Smart Power, 2020, 48(3): 83-88.

[5] 黃悅?cè)A, 王藝潔, 楊楠, 等. 基于演化博弈的用戶綜合用能行為決策方法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(23): 21-29.

HUANG Yuehua, WANG Yijie, YANG Nan, et al. Research on a decision method of a user comprehensive energy use behavior based on an evolutionary game[J]. Power System Protection and Control, 2020, 48(23): 21-29.

[6] YANG Qiang, FANG Xinli. Demand response under real-time pricing for domestic households with renewable DGs and storage[J]. IET Generation, Transmission & Distribution, 2017, 11(8): 1910-1918.

[7] 楊冰. 基于需求響應(yīng)的家用設(shè)備調(diào)度策略研究[D]. 成都: 電子科技大學(xué), 2016.

YANG Bing. Research on household appliances scheduling strategies based on demand response[D]. Chengdu: University of Electronic Science and Technology of China, 2016.

[8] 侯佳萱, 林振智, 楊莉, 等. 面向需求側(cè)主動(dòng)響應(yīng)的工商業(yè)用戶電力套餐優(yōu)化設(shè)計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(24): 11-19.

HOU Jiaxuan, LIN Zhenzhi, YANG Li, et al. Design of electricity plans for industrial and commercial customers oriented to active demand response on power demand side[J]. Automation of Electric Power Systems, 2018, 42(24): 11-19.

[9] 史俊祎, 文福拴, 崔鵬程, 等. 參與需求響應(yīng)的工業(yè)用戶智能用電管理[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(14): 45-53.

SHI Junyi, WEN Fushuan, CUI Pengcheng, et al. Intelligent energy management of industrial loads considering participation in demand response program[J]. Automation of Electric Power Systems, 2017, 41(14): 45-53.

[10] 王蓓蓓. 面向智能電網(wǎng)的用戶需求響應(yīng)特性和能力研究綜述[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(22): 3654-3663.

WANG Beibei. Research on consumers’ response characteristics and ability under smart grid: a literatures survey[J]. Proceedings of the CSEE, 2014, 34(22): 3654-3663.

[11] 劉浩田, 陳錦, 朱熹, 等. 一種基于價(jià)格彈性矩陣的居民峰谷分時(shí)電價(jià)激勵(lì)策略[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(5): 116-123.

LIU Haotian, CHEN Jin, ZHU Xi, et al. An incentive strategy of residential peak-valley price based on price elasticity matrix of demand[J]. Power System Protection and Control, 2021, 49(5): 116-123.

[12] MHANNA S, CHAPMAN A C, VERBI? G. A faithful and tractable distributed mechanism for residential electricity pricing[J]. IEEE Transactions on Power Systems, 2018, 33(4): 4238-4252.

[13] 孫毅, 劉迪, 崔曉昱, 等. 面向居民用戶精細(xì)化需求響應(yīng)的等梯度迭代學(xué)習(xí)激勵(lì)策略[J]. 電網(wǎng)技術(shù), 2019, 43(10): 3597-3605.

SUN Yi, LIU Di, CUI Xiaoyu, et al. Equal gradient iterative learning incentive strategy for accurate demand response of resident users[J]. Power System Technology, 2019, 43(10): 3597-3605.

[14] 涂京. 智能電網(wǎng)環(huán)境下居民需求響應(yīng)建模及優(yōu)化運(yùn)行研究[D]. 北京: 華北電力大學(xué), 2020.

TU Jing. Research on modeling and optimal operation of residential demand response in smart grid[D]. Beijing: North China Electric Power University, 2020.

[15] 艾欣, 徐立敏, 劉匯川, 等. 面向主動(dòng)需求響應(yīng)的需求側(cè)荷源二重性建模方法[J]. 中國(guó)電力, 2021, 54(6): 183-190.

AI Xin, XU Limin, LIU Huichuan, et al. Demand side load source duality modeling method for active demand response[J]. Electric Power, 2021, 54(6): 183-190.

[16] SHAFIE-KHAH M, SIANO P. A stochastic home energy management system considering satisfaction cost and response fatigue[J]. IEEE Transactions on Industrial Informatics, 2018, 14(2): 629-638.

[17] 張禹森, 孔祥玉, 孫博偉, 等. 基于電力需求響應(yīng)的多時(shí)間尺度家庭能量管理優(yōu)化策略[J]. 電網(wǎng)技術(shù), 2018, 42(6): 1811-1819.

ZHANG Yusen, KONG Xiangyu, SUN Bowei, et al. Multi-time scale home energy management strategy based on electricity demand response[J]. Power System Technology, 2018, 42(6): 1811-1819.

[18] 南思博, 李庚銀, 周明, 等. 智能小區(qū)可削減柔性負(fù)荷實(shí)時(shí)需求響應(yīng)策略[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(10): 42-50.

NAN Sibo, LI Gengyin, ZHOU Ming, et al. Real-time demand response of curtailable load in smart residential community[J]. Power System Protection and Control, 2019, 47(10): 42-50.

[19] WU Z, ZHOU S, LI J, et al. Real-time scheduling of residential appliances via conditional risk-at-value[J]. IEEE Transactions on Smart Grid, 2014, 5(3): 1282-1291.

[20] IQBAL M M, ZIA M F, BEDDIAR K, et al. Optimal scheduling of grid transactive home demand responsive appliances using polar bear optimization algorithm[J]. IEEE Access, 2020, 8: 22285-22296.

[21] SIOSHANSI R. Retail electricity tariff and mechanism design to incentivize distributed renewable generation[J]. Energy Policy, 2016, 95: 498-508.

[22]SHI H, MA Q, SMITH N, et al. Data-driven uncertainty quantification and characterization for household energy demand across multiple time-scales[J]. IEEE Transactions on Smart Grid, 2019, 10(3): 3092-3102.

[23]ELLMAN D, XIAO Y. Incentives to manipulate demand response baselines with uncertain event schedules[J]. IEEE Transactions on Smart Grid, 2021, 12(2): 1358-1369.

[24]陳長(zhǎng)青, 陽同光. 計(jì)及柔性負(fù)荷的電網(wǎng)儲(chǔ)能和光伏協(xié)調(diào)規(guī)劃研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(4): 169-177.

CHEN Changqing, YANG Tongguang. Research on grid energy storage and photovoltaic coordination planning with flexible load[J]. Power System Protection and Control, 2021, 49(4): 169-177.

[25]于道林. 智能電網(wǎng)下需求響應(yīng)機(jī)理及其短期負(fù)荷預(yù)測(cè)模型研究[D]. 青島: 青島大學(xué), 2017.

YU Daolin. Research on demand response mechanism and short-term load forecasting model under smart grid[D]. Qingdao: Qingdao University, 2017.

Multi-user multi-timescale power packages and home energy optimization strategies

FU Zhixin1, 2, LI Ziyan1, 2, ZHU Junpeng1, 2, YUAN Yue1, 2

(1. College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China; 2. Research Center for Renewable Energy Generation Engineering of Ministry of Education, Hohai University, Nanjing 211100, China)

In the smart internet, the response uncertainty of residential users has a great influence on the implementation of a home energy management strategy. A multi-time variable electric price package and electricity consumption strategy are proposed considering the response uncertainty. First, the multi-time power package is defined, and the power package model is built by a price-based and an incentive-based uncertainty mechanism. The model of multi-user after clustering and grid are established. Secondly, by analyzing cooperative and non-cooperative game models based on multi-user and the grid, an optimal electric price and day-ahead plan are obtained. Then, according to the response demand and users’ electricity consumption management, a rolling intraday optimization model is established, and the local dynamic TOU and intraday scheduling plan are obtained. Finally, a real-time model is established according to the actual response deviation to obtain dynamic excitation and a real-time electricity use plan. Taking a multi-home user dispatching group as an example, simulation and analysis are carried out. By comparing the optimization results of different models, the effectiveness of the power package and multi-time scale optimization strategy considering the response uncertainty is verified.

demand response; home energy management; multi-time scales; price package; uncertainty; game model

10.19783/j.cnki.pspc.210975

國(guó)家自然科學(xué)基金青年項(xiàng)目資助(51807051);江蘇省自然科學(xué)基金青年項(xiàng)目資助(BK20180507)

This work is supported by the Youth Fund of National Natural Science Foundation of China (No. 51807051).

2021-07-27；

2021-08-19

傅質(zhì)馨(1983—)，女，博士，副教授，主要研究方向?yàn)榭稍偕茉窗l(fā)電技術(shù)、物聯(lián)網(wǎng)技術(shù)；E-mail: zhixinfu@hhu.edu.cn

李紫嫣(1997—)，女，通信作者，碩士研究生，主要研究方向?yàn)槊嫦蛐枨髠?cè)響應(yīng)的能量管理策略；E-mail: 704315319@qq.com

朱俊澎(1990—)，男，博士，講師，主要研究方向?yàn)橹鲃?dòng)配電網(wǎng)規(guī)劃、運(yùn)行與控制。

(編輯 姜新麗)