考慮負荷差異化需求響應的配電網(wǎng)多目標擴展規(guī)劃

劉雪飛，劉 洋，馬國真，孫增杰，杜明坤，黃 媛

考慮負荷差異化需求響應的配電網(wǎng)多目標擴展規(guī)劃

劉雪飛1，劉 洋1，馬國真1，孫增杰2，杜明坤3，黃 媛3

(1.國網(wǎng)河北省電力有限公司經(jīng)濟技術(shù)研究院，河北 石家莊 050023；2.國網(wǎng)河北省電力有限公司，河北 石家莊 050022；3.四川大學電氣工程學院，四川 成都 610065)

為應對不斷增長的能源需求和環(huán)境污染，發(fā)展分布式電源(distributed generation, DG)、需求側(cè)響應(demand response, DR)成為促進全球能源體系發(fā)展的重要舉措?；诖耍岢龌诟倪Mk-means聚類和最優(yōu)特征集提取的用電行為畫像方法，以實現(xiàn)針對用戶差異化用電特征的需求響應方案界定。然后，構(gòu)建考慮差異化需求響應方案的配電網(wǎng)擴展規(guī)劃模型，在決策目標中添加年綜合成本、DG利用率等優(yōu)化目標，采用規(guī)格化法平面約束法(normalized normal constraint, NNC)求解帕累托最優(yōu)解集。最后，在IEEE33節(jié)點系統(tǒng)上驗證了該需求響應方案界定方法和擴展規(guī)劃模型的有效性。

需求側(cè)響應；用電行為畫像；需求響應方案界定；配電網(wǎng)擴展規(guī)劃；規(guī)格化法平面約束法

0 引言

近年來，為應對不斷增長的能源需求和環(huán)境污染，發(fā)展分布式電源(distributed generator, DG)成為促進全球能源體系發(fā)展的重要舉措。此外，需求側(cè)響應(demand response, DR)的加入給配電網(wǎng)的擴展規(guī)劃也帶來了新的因素[1]，但在其落地實施過程中，面臨著難以根據(jù)不同用戶用電特征制訂適合的需求響應方案的難題。因此，如何在配電網(wǎng)擴展規(guī)劃中綜合考慮DG和DR因素以及需求響應方案的界定，從而應對高滲透分布式能源接入配電網(wǎng)帶來的問題，具有重要意義和價值。

目前，已有許多學者對DR在配電網(wǎng)擴展規(guī)劃中的應用展開研究。文獻[2]在配電網(wǎng)擴展規(guī)劃中考慮了基于激勵的可調(diào)度DR，對配電網(wǎng)拓撲結(jié)構(gòu)、DG和參與DR負荷容量進行擴展規(guī)劃。文獻[3]考慮了基于激勵機制的DR，建立了針對多區(qū)域綜合能源系統(tǒng)內(nèi)設備(候選輸電線路、天然氣管道、熱電聯(lián)產(chǎn)機、電儲能等)的協(xié)同規(guī)劃模型。文獻[4-5]采用實時電價的需求響應機制，構(gòu)建了同時考慮DG和DR的配電網(wǎng)擴展模型，結(jié)果表明研究考慮DR的配電網(wǎng)擴展規(guī)劃，對優(yōu)化能源結(jié)構(gòu)、減緩配電網(wǎng)投資具有重要意義。上述文獻僅考慮了單一類型的DR，如激勵型需求響應[2-3](incentive-based demand response, IDR)和價格型需求響應[4-5](price-based demand response, PDR)，實際上兩者往往同時存在于主動配電網(wǎng)中。此外，傾向PDR用戶和傾向IDR用戶在用電形態(tài)上具有明顯區(qū)分[6]。當同時考慮PDR和IDR的協(xié)同作用進行配電網(wǎng)擴展規(guī)劃時，如何圍繞用戶本身的用電特征對用戶需求響應方案實現(xiàn)界定，也是本文需要研究的重點。

智能量測終端的大量投用，使得用戶數(shù)據(jù)得以實時采集，這些數(shù)據(jù)的相似性與關(guān)聯(lián)性反映了用戶用電習慣與行為特性[7]，借助這些數(shù)據(jù)并通過基于數(shù)據(jù)驅(qū)動的用電行為畫像方法有助于完成需求響應方案的界定，相關(guān)研究主要集中于用電行為畫像分類模型方面。文獻[8-10]分別采用模糊C均值聚類(fuzz C-means, FCM)、模糊隨機聚類、綜合降維技術(shù)和二次聚類等聚類方法對負荷曲線進行分析，構(gòu)建了用戶用電行為分類模型。文獻[11]提出了基于用戶負荷峰谷曲線的用戶分類研究，但其負荷數(shù)據(jù)曲線計算數(shù)據(jù)量較大，不適合大規(guī)模用戶用電行為分析。上述對用電行為畫像的研究中，并未提及針對用戶差異化用電特征的需求響應方案界定方法；同時，面對迅速增長的用電數(shù)據(jù)量，通過優(yōu)選特征能夠降低計算量，有效提高計算效率。

針對以上不足，本文的規(guī)劃側(cè)重于綜合考慮負荷的差異化需求響應和配電網(wǎng)分布式發(fā)電資源的精確投資。首先，提出基于用電行為畫像的用戶用電特征提取方法，并基于提取的不同用電特征實現(xiàn)負荷差異化需求響應方案界定。然后，綜合考慮配電網(wǎng)DG、線路投資和負荷差異化需求響應，構(gòu)建對配電網(wǎng)經(jīng)濟和環(huán)境效益同時優(yōu)化的多目標規(guī)劃模型，并在模型約束中添加針對差異化需求響應方案的IDR和PDR約束。根據(jù)所建模型的特點，采用規(guī)格化法平面約束法(normalized normal constraint, NNC)求取帕累托前沿解集。最后通過IEEE33節(jié)點算例驗證了本文所提規(guī)劃模型的合理性和有效性。

1 基于用電行為畫像的需求響應方案界定

目前DR主要分為PDR和IDR兩類。PDR一般通過峰谷分時電價的調(diào)整措施，鼓勵用戶自發(fā)調(diào)整用電量，進而實現(xiàn)對系統(tǒng)中的用戶負荷進行削峰填谷；IDR則通過與用戶簽訂補償合同的形式，在系統(tǒng)供電不足時適當削減合適比例的部分負荷。為了鼓勵用戶參與DR并提高配電網(wǎng)整體的運行效益，本文將具有需求響應潛力的用戶均視為可參與PDR的潛在用戶，進一步通過最優(yōu)特征提取和打分制，區(qū)分具有IDR潛力的用戶。基于上述設定，圖1給出了需求響應方案界定的流程。

圖1 需求響應方案界定流程

1.1 行業(yè)負荷特性分析

在進行用電行為畫像之前，需依據(jù)用戶行業(yè)負荷特性衡量該類用戶參與DR的意愿。在實際生產(chǎn)中，不同行業(yè)用戶具有不同用電特性，電力成本占其生產(chǎn)成本的比例也不盡相同，對DR的敏感度也不完全相同。表1基于課題組調(diào)研給出我國東北某省幾類行業(yè)負荷特性的相關(guān)信息。

表1 我國東北某省幾類行業(yè)負荷特性相關(guān)信息

由表1中數(shù)據(jù)分析，對于以峰谷分時電價為引導的PDR項目，電力成本占生產(chǎn)成本比重越大的行業(yè)(如商業(yè)負荷和電氣電子、紡織等工業(yè)負荷)對PDR的參與意愿越強烈，這是因為該類行業(yè)對電價的敏感度相對更高，更期望降低自身用電成本；對于以可削減負荷為主的IDR項目，商業(yè)負荷和電氣電子、水泥、機械制造等工業(yè)負荷的負荷削減比例更大，這表明工、商業(yè)負荷對IDR的參與意愿相對更強烈。

基于上述分析，本文在進行用電行為畫像之前，先基于行業(yè)屬性對用戶進行分類，一般分可為工業(yè)負荷、商業(yè)負荷和居民負荷三類用戶。同時，由于工業(yè)、商業(yè)負荷參與DR的意愿相對居民負荷要強烈得多，本文將需求響應方案界定研究的對象設定為工、商業(yè)負荷。

1.2 改進k-means聚類分析

用電行為畫像的第一步是對用電數(shù)據(jù)樣本進行聚類分析，以實現(xiàn)用電場景縮減和獲取各用戶類別標簽。k-means算法可對實際系統(tǒng)歷史數(shù)據(jù)完成聚類分析，避免隨機變量擬合概率分布時的模型誤差。然而聚類數(shù)值的選擇對聚類效果有較大影響，因此，本文采用基于聚類有效性指標控制值的改進k-means聚類算法[12]對用電數(shù)據(jù)樣本進行聚類分析，以獲得各用戶的類別標簽，并定義特征向量到聚類中心的歐氏距離，作為用戶負荷的聚類有效性指標。通過k-means聚類分析后，具有明顯晚間用電單峰特征的用戶被認為是不具有需求響應潛力的用戶，而剩下的具有需求響應潛力的用戶均被認為是可參與PDR的潛在用戶。

1.3 最優(yōu)特征集提取

本文采用用戶用電曲線的用電特征來表征用戶用電行為，選擇合適的用電特征實現(xiàn)用戶需求響應方案的界定，常用的用電特征見表2。

表2 常用用電特征

本文采用皮爾遜相關(guān)系數(shù)作為用電行為特征提取的指標，期望得到冗余度最小的特征集。皮爾遜相關(guān)系數(shù)可表示為

最小冗余度指標定義為

1.4 用戶需求響應方案界定

1.2節(jié)采用改進k-means聚類獲得了用戶用電行為的類別標簽，1.3節(jié)求得最優(yōu)特征集表征用戶用電的行為標簽。本文采用打分制[7]的方法來實現(xiàn)用戶的需求響應方案界定，滿分設為100分，則第類用戶對應第個標簽的計分公式為

獲得第類用戶對應第個標簽的得分后，進一步通過熵權(quán)法[13]計算第類用戶的加權(quán)得分，以區(qū)分IDR類型的潛在用戶，本文取加權(quán)得分最高的第類用戶作為IDR的潛在用戶，認為該類用戶具有參與IDR和PDR的潛力，而其余用戶僅被認為是PDR潛在用戶。

2 考慮差異化需求響應方案的配電網(wǎng)擴展規(guī)劃模型

基于第1節(jié)的差異化需求響應方案界定，在明確本文規(guī)劃目標為系統(tǒng)經(jīng)濟性最優(yōu)和DG利用率最大后，同時計及系統(tǒng)的IDR和PDR約束，建立考慮差異化需求響應方案的配電網(wǎng)擴展規(guī)劃模型。

2.1 規(guī)劃目標

如前文所述，規(guī)劃目標為系統(tǒng)經(jīng)濟性最優(yōu)和DG利用率最大，本文圍繞這一優(yōu)化目標建立配電網(wǎng)擴展規(guī)劃模型。

目標函數(shù)1：系統(tǒng)年綜合成本最小?？紤]系統(tǒng)的綜合經(jīng)濟性，以系統(tǒng)年投資運行綜合成本最小為目標函數(shù)，即

目標函數(shù)2：DG利用率最大。以規(guī)劃年內(nèi)所有場景下系統(tǒng)的DG利用率最大作為配電網(wǎng)擴展規(guī)劃的另一目標函數(shù)。

2.2 約束條件

1) 設備投資約束

假設規(guī)劃后的配電網(wǎng)光伏、風機的最大數(shù)目以及預計新建線路的數(shù)目已預先規(guī)定，則配電網(wǎng)擴展規(guī)劃的設備投資約束可以表示為

2) 網(wǎng)絡輻射狀約束以及連通性約束

配電線路在擴展規(guī)劃過程中應避免環(huán)狀結(jié)構(gòu)的出現(xiàn)，需滿足“閉環(huán)設計，開環(huán)運行”的原則，在保證連通性約束的前提下，最簡單的約束則是最終規(guī)劃的線路數(shù)比節(jié)點數(shù)少1[14]。因此本文網(wǎng)絡輻射狀約束可以表示為

式中，和分別為規(guī)劃后配電網(wǎng)絡的節(jié)點總數(shù)和線路總數(shù)。

同時為保證所規(guī)劃電網(wǎng)各個節(jié)點的連通性，需要將所規(guī)劃配網(wǎng)的拓撲結(jié)構(gòu)進行連通性檢驗[15]。

3) 電力平衡約束

規(guī)劃后的配電網(wǎng)絡應滿足電力平衡約束，式(15)—式(17)表示節(jié)點功率平衡約束，式(18)和式(19)為采用大法的線路潮流約束，通過引入一個足夠大的正實數(shù)使得在線路未投運時，不等式約束式(18)和式(19)無效，式(20)和式(21)為線路功率的上下限約束。

再將式(17)進行凸松弛[16]，進而轉(zhuǎn)化為如式(22)所示的標準二階錐形式。

4) 元件運行特性約束

光伏發(fā)電運行約束為

風電機組運行約束為

5) PDR約束

PDR通過制定合理的日前電價，鼓勵用戶自發(fā)調(diào)整用電量，因此其響應量與電價密切相關(guān)。式(25)表示電價變化率和負荷變化率之間的關(guān)系。

實施PDR前后負荷功率之間的等式約束可以表示為

此外，為防止PDR過程負荷響應量過多而影響用戶正常用電，PDR實施前后總負荷量應保持不變，即

同時，用戶參與PDR的自身權(quán)益也需要考慮，因此本文引入用電方式滿意度、用電費用滿意度約束保障用戶權(quán)益。

6) IDR約束

本文考慮的IDR主要采取負荷削減的形式，需要針對可削減負荷響應特點，考慮參與用戶的響應約束條件。為避免IDR實施過程中產(chǎn)生額外的調(diào)整成本，用戶所提交的參與負荷削減響應量應滿足一定的條件約束，即

同時，整個調(diào)度周期內(nèi)負荷削減量之和應不超過預先規(guī)定的最大負荷削減容量，即

2.3 基于NNC法的多目標優(yōu)化模型求解方法

為了對上述模型高效求解，本文采用NNC法[18]求解多目標優(yōu)化問題，其基本流程如圖2所示。相比其他多目標優(yōu)化方法，NNC法可以將多目標優(yōu)化問題轉(zhuǎn)化為求解與每個等距離分割點對應的帕累托前沿最優(yōu)點問題，從而可以通過求較少的帕累托前沿點來描述完整的帕累托前沿，可大幅減少計算量。

圖2 求解流程

本文構(gòu)建的多目標混合整數(shù)線性規(guī)劃模型可在CPU為i5-10300H，內(nèi)存為16 GB的個人電腦上實現(xiàn)，基于Matlab 2016a平臺配置的Yalmip工具包，調(diào)用GUROBI商業(yè)求解器完成求解。

3 算例分析

采用修改后的IEEE33節(jié)點配電網(wǎng)[14]構(gòu)成如圖3所示的算例測試系統(tǒng)進行配電網(wǎng)擴展規(guī)劃。圖3中，虛線表示待建配電線路，對應待建線路集為{32-33, 33-34, 34-35, 35-36, 36-37, 37-38, 38-39, 39-40, 40-41, 41-42, 9-35, 11-37, 16-42, 22-36}，待建線路的具體參數(shù)見表3。設定每個電網(wǎng)節(jié)點允許接入的光伏和風機數(shù)量至多1臺，配電網(wǎng)中的光伏和風機最多安裝數(shù)量均為5臺，最小安裝數(shù)量均為1臺，光伏安裝的候選節(jié)點集為{4, 18, 24, 26, 30, 32}，風機安裝的候選節(jié)點集為{3, 9, 11, 12, 15, 17, 20, 27, 31}，待安裝的DG機組參數(shù)見表4，各場景DG出力變化規(guī)律參考文獻[19]。本文典型場景下的負荷數(shù)據(jù)集參考文獻[7]中的負荷數(shù)據(jù)按比例縮小得到。各節(jié)點負荷的行業(yè)屬性參見表5。

圖3 IEEE33節(jié)點系統(tǒng)算例網(wǎng)絡拓撲結(jié)構(gòu)圖

表3 待建線路數(shù)據(jù)

表4 待安裝DG機組參數(shù)

表5 各節(jié)點負荷的行業(yè)屬性

配電公司向主網(wǎng)的購電電價參考文獻[20]，設備維護成本取為初始投資的3%，貼現(xiàn)率為10%，規(guī)劃年限為10年。PDR的響應前電價為0.52元/kWh，需求彈性矩陣的自彈性系數(shù)和互彈性系數(shù)取值對于不同行業(yè)類別會有所區(qū)別，一般工業(yè)用戶互彈性系數(shù)為負，商業(yè)用戶互彈性系數(shù)為正，其具體取值參考文獻[21]。分時電價政策：高峰時段為14：30—18：30，低谷時段為23：00—次日07：00，其余時段為平時段。IDR類型主要考慮可削減負荷，可削減負荷的補償成本為0.8元/kWh。能夠進行DR的負荷節(jié)點集為工、商業(yè)用戶節(jié)點集合的并集，即{8, 9, 16, 17, 23, 24, 25, 26, 30, 31, 32, 33}，并進一步通過用電行為畫像的方法對能進行DR的負荷用戶進行需求響應方案界定，對具有DR潛力的用戶進行篩選，進一步細分用戶類型為PDR潛在用戶和IDR潛在用戶。

3.1 帕累托最優(yōu)解

通過優(yōu)化求解本文所建的配電網(wǎng)擴展規(guī)劃模型，得到帕累托前沿解集如圖4所示。

圖4 帕累托前沿集

從圖4中可見，若決策者優(yōu)先考慮配電網(wǎng)經(jīng)濟性最優(yōu)，則配電網(wǎng)擴展規(guī)劃模型優(yōu)化求解得到的年綜合成本最小為135.07萬元，但DG利用率最小，其發(fā)電量僅有64 770 kWh；若決策者優(yōu)先考慮系統(tǒng)DG利用率最優(yōu)，則配電網(wǎng)擴展規(guī)劃模型求解結(jié)果表明DG發(fā)電量最大為66 046 kWh，但年綜合成本最大為158.40萬元。這表明提高配電網(wǎng)DG利用率，不可避免地需要增加配電網(wǎng)對線路、DG的投資成本以及設備的運行維護成本，從而造成配電網(wǎng)年綜合成本的上升。當決策者進行配電網(wǎng)擴展規(guī)劃時，需要綜合權(quán)衡配電網(wǎng)經(jīng)濟性和DG利用率因素的影響，合理制定預期內(nèi)配電網(wǎng)的擴展規(guī)劃方案。

規(guī)劃過程中用電行為的畫像分析：對DR候選負荷節(jié)點集進行改進k-means聚類分析，工業(yè)負荷的值取3時聚合回報最大，因此工業(yè)負荷數(shù)據(jù)聚類時最佳值為3；商業(yè)負荷的值取4時聚合回報最大，因此商業(yè)負荷數(shù)據(jù)聚類時最佳值為4。然后進行聚類分析，得到工業(yè)、商業(yè)負荷聚類結(jié)果，工業(yè)、商業(yè)負荷的聚類中心如圖5所示。

圖5 聚類中心

從圖5中可見，對于工業(yè)負荷：A類用戶日最大負荷時段在09：00—11：00，峰谷差不大，且整體負荷量較低。B類用戶與C類用戶日最大負荷時段分別在22：00—24：00和14：00—17：00，峰谷差較大，且具有明顯的單峰特性。上述3類用戶的類別標簽可歸納為早間單峰型用戶、午間單峰型用戶和晚間單峰型用戶。其中C類用戶為晚間單峰型用戶，不具有需求響應潛力。對于商業(yè)負荷：A'、B'和D'類用戶日最大負荷時段分別在08：00—11：00、22：00—24：00和14：00—17：00，峰谷差較大且具有明顯單峰特性，C'類用戶日最大負荷時段在16：00—18：00，次峰時段在10：00—12：00，具有明顯雙峰特性。上述4類用戶的類別標簽可歸納為早間單峰型用戶、晚間單峰型用戶、早午間雙峰型用戶和午間單峰型用戶。其中B'類用戶為晚間單峰型用戶，不具有需求響應潛力。A類、B類、A'類、C'類和D'類用戶具有需求響應潛力，可作為參與PDR的潛在用戶，并進一步對上述用戶進行用電行為畫像。

由表6、表7可見，工業(yè)負荷B類用戶和商業(yè)負荷D'類用戶加權(quán)得分最高，認為上述兩類用戶可作為IDR的潛在用戶，具有參與IDR和PDR的潛力，而其余用戶僅被認為是PDR潛在用戶。最終需求響應方案界定結(jié)果如表8所示。

表6 不同類型用戶的標簽得分和加權(quán)得分

表7 熵權(quán)法計算得到的各標簽權(quán)重

表8 需求響應方案界定結(jié)果

3.2 DR的影響

為分析考慮DR對配電網(wǎng)擴展規(guī)劃的影響，本節(jié)設置兩類場景，場景1為計及DR，同時考慮基于用電行為畫像的需求響應方案界定，并采用本文提出的多目標優(yōu)化規(guī)劃模型。場景2為不計及DR，并采用多目標優(yōu)化規(guī)劃模型。在上述兩種場景下，優(yōu)化求解得到相應帕累托解集，并針對各場景下的帕累托解集采用逼近理想解排序法[22]確定唯一的折中方案。表9和表10分別為兩類場景的擴展規(guī)劃方案和規(guī)劃成本。

表9 有無DR情況下配電網(wǎng)擴展規(guī)劃方案

注：光伏和風機規(guī)劃結(jié)果中括號外數(shù)字代表該設備規(guī)劃投建節(jié)點編號，括號內(nèi)數(shù)字代表該設備具體投建型號。

表10 有無DR情況下配電網(wǎng)擴展規(guī)劃成本

從表9和表10中可見，與不計及DR的規(guī)劃方案相比，本文所提考慮DR規(guī)劃方案對光伏機組、風機的投資數(shù)量和容量都有所減少，這說明在配電網(wǎng)擴展規(guī)劃中考慮DR因素能有效延緩配電網(wǎng)投資升級。此外，計及DR的規(guī)劃方案雖然增加了IDR成本和PDR成本，但由于在IDR和PDR策略下，用戶能夠調(diào)整自身負荷量和用電時間，從而大幅減小配電網(wǎng)在高峰時段向主網(wǎng)的購電成本，導致計及DR規(guī)劃方案的配電網(wǎng)年綜合成本相較于不計及DR的規(guī)劃方案降低了20.24%。這證明了本文所提考慮DR的規(guī)劃方法的優(yōu)勢。

圖6進一步給出了有無DR下的配電網(wǎng)運行情況對比。其中，為了方便對比3類場景下負荷的時移特性和削減效果，優(yōu)化后負荷曲線選用了表8中IDR用戶節(jié)點8、25、30的負荷數(shù)據(jù)。從圖6中可見，不計及DR時，配電網(wǎng)負荷節(jié)點功率波動和用電峰谷差較大；計及DR后，由于PDR對負荷的時移特性和IDR對負荷在尖峰時刻的削減效果，配電網(wǎng)負荷節(jié)點功率波動明顯減小。

圖6 有無DR下的配電網(wǎng)運行情況

3.3 考慮差異化需求響應方案界定的影響

為揭示考慮差異化需求響應方案界定對配電網(wǎng)擴展規(guī)劃的影響，本節(jié)設置3類場景對比分析。場景1為不考慮需求響應方案界定，假設可進行DR的用戶僅選擇PDR作為其需求響應方案；場景2為不考慮需求響應方案界定，假設可進行DR的用戶僅選擇IDR作為其需求響應方案；場景3為考慮需求響應方案界定，并采用本文提出的考慮差異化需求響應的配電網(wǎng)擴展模型。在上述3類場景下，同樣通過優(yōu)化求解得到帕累托解集，并采用理想解排序法得到唯一折中方案。表11和表12分別給出上述3類場景下的擴展規(guī)劃方案和規(guī)劃成本。

從表11和表12中可見，用戶選擇的需求響應方案類型對配電網(wǎng)投資規(guī)劃方案影響不大。此外，場景1僅考慮DR用戶為PDR類型時，配電網(wǎng)年綜合成本最小；場景2僅考慮DR用戶為IDR類型時，配電網(wǎng)年綜合成本最大。這是因為PDR的響應機制為通過分時電價調(diào)控的可轉(zhuǎn)移負荷，實施PDR前后總負荷功率保持不變，不影響配電網(wǎng)效益；而IDR的響應機制為可削減負荷的形式，實施IDR后總負荷功率有所減少，配電網(wǎng)效益降低，此外場景2下配電網(wǎng)投資成本也有所增加。

表11 考慮/不考慮差異化需求響應方案界定下的配電網(wǎng)擴展規(guī)劃方案

表12 考慮/不考慮差異化需求響應方案界定下的配電網(wǎng)擴展規(guī)劃成本

圖7進一步給出了3類場景下的配電網(wǎng)運行情況對比。同樣為了方便對比3類場景下負荷的時移特性和削減效果，優(yōu)化后負荷曲線選用了表8中IDR用戶節(jié)點8、25、30的負荷數(shù)據(jù)。從圖7中可見，不考慮差異化需求響應方案界定時，由于配電網(wǎng)中負荷節(jié)點選擇的需求響應方案與其出力特征之間匹配性較低，負荷的削峰填谷效果不明顯，從負荷曲線可以觀察到峰谷差仍較大，負荷尖峰仍較明顯?？紤]差異化需求響應方案界定后，由圖7(c)可以觀察到負荷峰谷差顯著降低，起到明顯的負荷時移和削峰填谷效果。這證明了本文所提考慮差異化需求響應方案的配電網(wǎng)擴展規(guī)劃模型的優(yōu)越性。

圖7 考慮/不考慮差異化需求響應方案界定下的配電網(wǎng)運行情況

4 結(jié)論

針對大規(guī)模DG接入配電網(wǎng)帶來的經(jīng)濟投資成本增加和清潔能源消納等問題，本文提出了一種基于用電行為畫像的需求側(cè)響應方案界定方法，并針對差異化需求響應方案建立了對應的配電網(wǎng)擴展規(guī)劃模型，以實現(xiàn)配電網(wǎng)經(jīng)濟性和DG利用率綜合最優(yōu)，并利用NNC法求解得到擴展規(guī)劃模型的帕累托前沿。最后通過算例分析表明：

1) 配電網(wǎng)綜合投資運行成本降低與DG利用率提升之間存在矛盾，決策者需要綜合權(quán)衡配電網(wǎng)經(jīng)濟性和DG利用率因素的影響情況，制定滿足預期的配電網(wǎng)擴展規(guī)劃方案；

2) 計及DR的規(guī)劃方案的配電網(wǎng)年綜合成本相較于不計及DR的規(guī)劃方案大幅降低，合理的DR策略不僅能提高DG利用率，還可以提高配電網(wǎng)投資經(jīng)濟性，因而在配電網(wǎng)擴展規(guī)劃中考慮DR具有重要意義；

3) 通過對考慮差異化需求響應方案的配電網(wǎng)擴展規(guī)劃模型進行優(yōu)化求解，運行階段仿真結(jié)果表明，基于用電行為畫像的需求響應方案界定起到了很好的負荷時移和削峰填谷效果，同時相較于用戶僅選擇IDR作為其需求響應方案的情況，本文所提考慮差異化需求響應方案界定的配電網(wǎng)擴展規(guī)劃方案減少了配電網(wǎng)的年綜合成本。

[1] HUANG W, ZHANG N, KANG C, et al. From demand response to integrated demand response: review and prospect of research and application[J]. Protection and Control of Modern Power Systems, 2019, 4(12): 1-13.

[2] 高紅均, 劉俊勇. 考慮不同類型 DG 和負荷建模的主動配電網(wǎng)協(xié)同規(guī)劃[J]. 中國電機工程學報, 2016, 36(18): 4911-4922.

GAO Hongjun, LIU Junyong. Coordinated planning considering different types of DG and load in active distribution network[J]. Proceedings of the CSEE, 2016, 36(18): 4911-4922.

[3] 范宏, 魯家陽, 陸驍霄. 考慮激勵型需求響應的多區(qū)域綜合能源系統(tǒng)協(xié)同規(guī)劃[J]. 電測與儀表, 2021, 59(3): 93-101.

FAN Hong, LU Jiayang, LU Xiaoxiao. Coordinated planning of multi-region integrated energy system considering incentive demand response[J]. Electrical Measurement & Instrumentation, 2021, 59(3): 93-101.

[4] ZENG B, ZHANG J, YANG X, et al. Integrated planning for transition to low-carbon distribution system with renewable energy generation and demand response[J]. IEEE Transactions on Power Systems, 2014, 29(3): 1153-1165.

[5] 朱文廣, 廖志軍, 劉洪, 等. 考慮需求響應與高比例可再生能源接入的主動配電網(wǎng)擴展規(guī)劃[J]. 電力系統(tǒng)及其自動化學報, 2019, 31(5): 84-91.

ZHU Wenguang, LIAO Zhijun, LIU Hong, et al. Expansion planning for active distribution network considering demand response and high ratio of renewable energy access[J]. Proceedings of the CSU-EPSA, 2019, 31(5): 84-91.

[6] 蘇適, 李康平, 嚴玉廷, 等. 基于密度空間聚類和引力搜索算法的居民負荷用電模式分類模型[J]. 電力自動化設備, 2018, 38(1): 129-136.

SU Shi, LI Kangping, YAN Yuting, et al. Classification model of residential power consumption mode based on DBSCAN and gravitational search algorithm[J]. Electric Power Automation Equipment, 2018, 38(1): 129-136.

[7] 趙晉泉, 夏雪, 劉子文, 等. 電力用戶用電特征選擇與行為畫像[J]. 電網(wǎng)技術(shù), 2020, 44(9): 3488-3496.

ZHAO Jinquan, XIA Xue, LIU Ziwen, et al. User electricity consumption feature selection and behavioral portrait[J]. Power System Technology, 2020, 44(9): 3488-3496.

[8] 王成亮, 鄭海雁. 基于模糊聚類的電力客戶用電行為模式畫像[J]. 電測與儀表, 2018, 55(18): 77-81.

WANG Chengliang, ZHENG Haiyan. A portrait of electricity consumption behavior mode of power users based on fuzzy clustering[J]. Electrical Measurement & Instrumentation, 2018, 55(18): 77-81.

[9] 林濟鏗, 劉露, 張聞博, 等. 基于隨機模糊聚類的負荷建模與參數(shù)辨識[J]. 電力系統(tǒng)自動化, 2013, 37(14): 50-58.

LIN Jikeng, LIU Lu, ZHANG Wenbo, et al. Load modeling and parameter identification based on random fuzziness clustering[J]. Automation of Electric Power Systems, 2013, 37(14): 50-58.

[10] 張斌, 莊池杰, 胡軍, 等. 結(jié)合降維技術(shù)的電力負荷曲線集成聚類算法[J]. 中國電機工程學報, 2015, 35(15): 3741-3749.

ZHANG Bin, ZHUANG Chijie, HU Jun, et al. Ensemble clustering algorithm combined with dimension reduction techniques for power load profiles[J]. Proceedings of the CSEE, 2015, 35(15): 3741-3749.

[11] 馮曉蒲, 張鐵峰. 基于實際負荷曲線的電力用戶分類技術(shù)研究[J]. 電力科學與工程, 2010, 26(9): 18-22.

FENG Xiaopu, ZHANG Tiefeng. Research on electricity users classification technology based on actual load curve[J]. Electric Power Science and Engineering, 2010, 26(9): 18-22.

[12] 唐俊熙, 曹華珍, 高崇, 等. 一種基于時間序列數(shù)據(jù)挖掘的用戶負荷曲線分析方法[J]. 電力系統(tǒng)保護與控制, 2021, 49(5): 140-148.

TANG Junxi, CAO Huazhen, GAO Chong, et al. A new user load curve analysis method based on time series data mining[J]. Power System Protection and Control, 2021, 49(5): 140-148.

[13] 戴國華, 戴睿, 張琪瑞, 等. 基于主客觀賦權(quán)相結(jié)合的省級電網(wǎng)發(fā)展診斷分析方法與實證研究[J]. 電力系統(tǒng)保護與控制, 2022, 50(2): 110-118.

DAI Guohua, DAI Rui, ZHANG Qirui, et al. Empirical study and analysis of provincial power grid development diagnosis based on the combination of a subjective and objective weighting method[J]. Power System Protection and Control, 2022, 50(2): 110-118.

[14] 趙海洲, 陳建凱, 楊海躍, 等. 考慮傳輸能力的含分布式電源配電網(wǎng)擴展規(guī)劃方法[J]. 電力自動化設備, 2021, 41(12): 70-77.

ZHAO Haizhou, CHEN Jiankai, YANG Haiyue, et al. Expansion planning method of distribution network with distributed generation considering transmission capacity[J]. Electric Power Automation Equipment, 2021, 41(12): 70-77.

[15] 徐小琴, 鄭旭, 王思聰, 等. 基于改進遺傳退火算法的輸配電網(wǎng)協(xié)調(diào)規(guī)劃方法[J]. 電力系統(tǒng)保護與控制, 2021, 49(15): 124-131.

XU Xiaoqin, ZHENG Xu, WANG Sicong, et al. Coordinated planning method of transmission and distribution network based on an improved genetic annealing algorithm[J]. Power System Protection and Control, 2021, 49(15): 124-131.

[16] 尚龍龍, 魏碧檜, 王偉, 等. 主動配電網(wǎng)儲能動態(tài)配置規(guī)劃方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(17): 84-92.

SHANG Longlong, WEI Bihui, WANG Wei, et al. A planning method of dynamic energy storage configuration in an active distribution network[J]. Power System Protection and Control, 2020, 48(17): 84-92.

[17] 王蓓蓓. 面向智能電網(wǎng)的用戶需求響應特性和能力研究綜述[J]. 中國電機工程學報, 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.

[18]劉澧慶, 吳寧, 張煥亨, 等. 微電網(wǎng)經(jīng)濟型二次頻率和電壓控制的多目標優(yōu)化模型及仿真驗證[J]. 電網(wǎng)技術(shù), 2019, 43(2): 521-529.

LIU Liqing, WU Ning, ZHANG Huanting, et al. Multi objective optimization model and its simulation verification for economical secondary frequency and voltage controls of microgrids[J]. Power System Technology, 2019, 43(2): 521-529.

[19] 葛少云, 張有為, 劉洪, 等. 考慮網(wǎng)架動態(tài)重構(gòu)的主動配電網(wǎng)雙層擴展規(guī)劃[J]. 電網(wǎng)技術(shù), 2018, 42(5): 1526-1536.

GE Shaoyun, ZHANG Youwei, LIU Hong, et al. Bi-layer expansion programming method for active distribution network considering dynamic grid reconfiguration[J]. Power System Technology, 2018, 42(5): 1526-1536.

[20] 林順富, 劉持濤, 李東東, 等. 考慮電能交互的冷熱電區(qū)域多微網(wǎng)系統(tǒng)雙層多場景協(xié)同優(yōu)化配置[J]. 中國電機工程學報, 2020, 40(5): 1409-1420.

LIN Shunfu, LIU Chitao, LI Dongdong, et al. Bi-level multiple scenarios collaborative optimization configuration of CCHP regional multi-microgrid system considering power interaction among microgrids[J]. Proceedings of the CSEE, 2020, 40(5): 1409-1420.

[21] 孔祥玉, 楊群, 穆云飛, 等. 分時電價環(huán)境下用戶負荷需求響應分析方法[J]. 電力系統(tǒng)及其自動化學報, 2015, 27(10): 75-80.

KONG Xiangyu, YANG Qun, MU Yunfei, et al. Analysis method for customers demand response in time of using price[J]. Proceedings of the CSU-EPSA, 2015, 27(10): 75-80.

[22] 陳琪華, 何育恒, 曾永忠, 等. TOPSIS 法在垃圾焚燒發(fā)電鍋爐蒸汽空氣預熱器綜合評價中的應用[J]. 中國電機工程學報, 2020, 40(4): 1274-1280.

CHEN Qihua, HE Yuheng, ZENG Yongzhong, et al. Application of TOPSIS method in the comprehensive evaluation of steam-air preheater on waste incineration boiler[J]. Proceedings of the CSEE, 2020, 40(4): 1274-1280.

Multi-objective extended planning for a distribution network considering demarcation of demand response schemes

LIU Xuefei1, LIU Yang1, MA Guozhen1, SUN Zengjie2, DU Mingkun3, HUANG Yuan3

(1. State Grid Hebei Electric Power Company Economic and Technological Research Institute, Shijiazhuang 050023, China;2. State Grid Hebei Electric Power Co., Ltd., Shijiazhuang 050022, China; 3. College of Electrical Engineering,Sichuan University, Chengdu 610065, China)

In order to cope with increasing energy demand and environmental pollution, the development of distributed generation (DG) and demand response (DR) has become important in promoting the development of the global energy system. This paper proposes an electricity consumption behavior portrait method based on improved k-means clustering analysis and optimal feature collection to achieve the demarcation of demand response schemes for differentiated user electricity consumption characteristics. Then a distribution network expansion planning model with a differentiated demand response scheme is constructed. Annual comprehensive cost and DG utilization are added as optimization objectives in the decision-making objectives. Normalized normal constraint (NNC) is used to obtain the Pareto optimal solution set. Finally, the validity of the demand response scheme definition method and the extended planning model is verified on the IEEE33-bus system.

demand response; electricity consumption behavior portrait; demarcation of demand response schemes; distribution network expansion planning; normalized normal constraint

10.19783/j.cnki.pspc.220219

四川省科技廳計劃項目資助(2021YFSY0053)

This work is supported by the Project of Sichuan Science and Technology Department (No. 2021YFSY0053).

2022-02-23；

2022-06-03

劉雪飛(1984—)，男，碩士，高級工程師，研究方向為能源發(fā)展、配電網(wǎng)規(guī)劃；E-mail: huster2004@qq.com

杜明坤(1995—)，男，碩士研究生，研究方向為配電網(wǎng)規(guī)劃與投資決策；E-mail: mingkundu96@gmail.com

黃 媛(1974—)，女，通信作者，博士，副教授，碩士研究生導師，研究方向為電力系統(tǒng)的穩(wěn)定與運行分析、能源互聯(lián)網(wǎng)、配電網(wǎng)規(guī)劃。E-mail: 15883505170@163.com

(編輯 許 威)