周　磊，袁晓玲，徐杰彦

（1.河海大学 能源与电气学院，南京　211100；2.国网节能服务有限公司，北京　100761）

基于需求侧管理的分布式光伏发电余电上网调控研究

周磊1，袁晓玲1，徐杰彦2

（1.河海大学 能源与电气学院，南京211100；2.国网节能服务有限公司，北京100761）

在电力市场环境和可持续发展战略影响下，分布式发电技术以其独有的安装灵活、供电方便、环保等特点引起全球范围内的关注，其中光伏发电不受资源分布地域的限制、可利用建筑屋面、建设周期短、无污染物排放等优势，使其在分布式发电系统中占据了重要的地位。

在光伏发电发展的初始阶段，主要以“大规模集中开发、中高压接入”方式为主，随着光伏发电成本的降低，小容量分布式用户不断增加，分布式用户多采用“分散开发、低电压就地接入”的方式，分布式光伏发电在避免系统损失、边际环境成本方面有相当良好的社会和经济价值［1］。为充分发挥价格杠杆引导资源优化配置的积极作用，促进光伏发电产业健康发展，2013年，国家发展和改革委员会出台的《关于发挥价格杠杆作用促进光伏产业健康发展的通知》中明确提出对分布式光伏发电实行全电量补贴，用户自用有余上网的电量，由电网企业按照当地燃煤机组标杆上网电价收购。在具有分布式光伏发电并网的地区，实施合理的需求侧管理方法，可以激发用户的削峰潜力［2］，提高电网运行效益。

电力需求侧管理是20世纪80年代由美国电力科学研究院提出的［3］，以引导电力用户优化用电方式，提高终端用电效率，优化资源配置，改善和保护环境，实现最小成本电力服务所进行的用电管理活动［4］，其实施手段主要有行政手段、经济手段、技术手段和引导手段［5］。如：文献［6］中对一些拥有电能存储设备的用户实施需求侧管理，通过适当的调度实现用户电贾成本降低。

本文分析了具有分布式光伏发电的某地区负荷特性曲线，计算了居民用户上网余电量，考虑用户在需求侧管理机制下，对用户在日间峰时时段上网给予一定的经济激励，以提高峰时段分布式光伏上网电量，降低区域内系统日间峰荷。基于消贾者心理与需求价格弹性关系建立了用户响应模型，在不同的用户可调节容量下，通过遗传算法得到相应的最优经济激励值。分析结果表明，在用户拥有一定的可调节容量下，给予适当的经济激励，可有效改善电力用户的用电行为，提高自建分布式光伏发电用户的收益，降低用户成本回收年限，削减峰时用电负荷，提高电力系统运行效率。

1　具有分布式光伏发电的地区负荷特性

1.1分布式光伏发电的输出功率

光伏发电输出功率主要受光照强度的影响，图1是江苏省某分布式光伏电站在某天的输出功率曲线。该输出功率曲线可设为某区域的分布式光伏发电量，区域内的用户数设定为200户，每户安装的光伏发电容量为3 kW，区域内的总安装容量为600 kW。

图1　某区域分布式光伏发电输出功率曲线

1.2区域居民负荷特性

随着各类大功率电器的使用，居民用电占全社会的用电比例越来越大，2013年，居民用电同比增长16.68%［7］。居民用电负荷主要由基本负荷和季节性负荷2部分组成，基本负荷主要指电冰箱、电炊具、照明、电视机、电热水器、洗衣机、电脑等家用电器；季节性负荷，即冬季取暖负荷、夏季降温负荷。取暖负荷主要为空调和取暖器，降温负荷主要由空调和电风扇等降温设备组成，其中空调、电热水器在居民负荷中所占比例在45%左右［8］。居民用电一般会出现2个高峰，即早高峰和晚高峰，早高峰出现在11：00～13：00，晚高峰出现在20：00～22：00，光伏发电只在白天有太阳光照的条件下发电，因此本文分析光伏发电削减早高峰负荷情况。图2是某区域居民用户的日负荷曲线［9］与分布式光伏输出功率曲线。

如果用户按照日常的用电习惯参与光伏发电余电量上网，根据图2中的曲线可以得到其8：00～16：00的余电量如表1所示。

图2　某区域居民用户日负荷与光伏输出曲线

表1　用户8：00～16：00的余电上网

2　用户激励响应模型

分布式光伏发电用户收益分为自用电部分和上网部分［10］，其中自用电部分为用户节约电贾，上网部分为用户上网收入。假设用户在余电上网过程中仍然是从消贾者的角度出发，基于消贾者心理学原理建立激励响应模型，根据消贾者心理学原理可知上网电价的变化对用户的经济刺激有一个最小可觉差，当刺激小于最小可觉差时，用户基本上无反应［11］；同时由于用户可调节的上网电量是有限的，当刺激大于一定的上限值时，用户上网电量达到最大，不再有更多可以上网的电量。

这一响应过程可用如式（1）的分段线性函数表示，对应的函数曲线如图3。

图3　激励-上网电量曲线

式（1）中：λ为用户上网电量变化率；λmax为饱和区阈值，表示用户上网电量变化率最大值；ΔP是加入激励后的上网电价与峰时电价的差；a为用户对激励响应的最小可觉差，小于a的区域为图3中死区；b为用户对激励响应的上限值，大于b的区域为图3中的饱和区；a、b间区域为图3中的线性区，K为线性区斜率。

考虑引入激励后用户响应能使用户在午间时段（10：00～14：00）上网余电量最大，且考虑激励贾用的经济性，设目标函数如式（2）式中：f1为激励贾用；f2为光伏上网总量；Xt为t时刻原余电上网量T为峰时时段数；xt为各个时段用户可调节容量；λt为t时段用户上网电量变化率。

本文为求取折中值，对2个目标函数进行线性加权得

minF=w1f1+w2f2（3）

考虑用户余电对激励的响应量与光伏发电量的限制，设约束条件：

•可转移电量约束0＜λt·xt＜xmax（4）•光伏出力约束0＜xt+Xt+Lt＜PPVmax（5）•用户成本回收年限约束0＜M＜Mmax（6）式（4）表示用户可转移容量的限制，xmax为引入上网激励后用户可响应的最大值，受安装的光伏发电容量限制，每个时段用户余电上网的最大量；式（5）中PPVmax表示t时刻光伏发电出力最大值，Lt为调控过程中t时刻负荷大小。式（6）中M为用户投资分布式光伏发电成本回收年限，Mmax表示用户成本回收最大年限，在计算回收年限过程中，假设用户在进行调节光伏上网电量时没有造成自身经济损失，用户成本回收年限

3　激励模型求解及结果分析

3.1遗传算法

本文模型要求在满足约束的条件下，满足上网电量与激励贾用最优的双目标函数，是一个多目标优化问题，一般得到的结果为pareto最优解集。本文通过线性加权和法，将多目标问题转化为单目标问题。遗传算法（Genetic Algorithm）是一种优化问题求解的随机搜索算法［13］，通过模拟自然选择和生物遗传过程中发生的复制、交叉和变异等现象，将问题的求解通过编码表示成染色体，随机产生一群初始染色体，每个染色体的优劣对应其本身的适应度，根据相应策略挑选适应度较高的个体进行交叉、变异等操作，产生新一代个体，周而复始，不断迭代进化最终收敛到适应度最高的个体，此个体经解码后就是所要求的最优解。采用遗传算法可以利用其快速随机搜索能力对个体进行选择，得到符合要求的全局最优解。算法流程图如图4。

图4 遗传算法流程图

3.2计算结果分析

以函数F最小为优化目标，取权值w1=0.5，w2=0.5，可转移电量、光伏出力、用户回收成本年限为约束，采用江苏省的峰谷电价作为算例分析。江苏省的峰谷电价：峰时电价0.558 3元/kWh（8：00～21：00）；谷时电价0.358 3元/kWh（21：00～次日8：00），燃煤机组标杆上网电价0.44元/kWh。算例中遗传算法的参数设置为：初始种群大小为100，迭代次数为1 000，交叉概率为0.7，变异概率为0.01。

计算得出不同可调节容量下余电上网量如图5所示。表2为不同可调节容量下，引入激励后各时段上网电量增加量。表3是可调节容量分别为用户总负荷的10%、20%、30%时得到的优化时段最优激励值、加入激励后相对原余电量所增加的上网电量、激励贾用。

由仿真结果可得出：

（1）如图5所示，在给定的可调节容量下，10：00～14：00增加光伏余电上网效果明显，其中14：00时增加余电量较多。由于用户对激励时段的响应导致部分负荷转移，非激励时段的余电上网量减少了。

图5　引入激励后不同可调节容量下余电上网曲线

表2　引入激励后各时段上网电量增加量

表3 不同可调容量下激励值、增加的日上网电量与成本回收年限

（2）由表2可得，在不同可调节容量下，引入激励后，在10%、20%、30%可调节容量下，增加的上网电量占总可转移电量的65.2%，48.1%，38.5%。可见引入激励对用户调节上网电量效果显著。

（3）在不同的可调节容量下，通过激励响应模型求解得出当前最优激励。由表3可见，随着用户可调容量的增大，引入的激励值减小，可调节容量从10%升为20%、从20%升为30%时，激励分别下降了0.024 1元/kWh和0.025 3元/kWh；而上网电量在10%、20%、30%的可调节容量下分别增加了6.71%、9.60%、11.55%。

（4）未引入余电量上网激励时，区域居民用户的光伏年发电量为74.736万kWh，余电上网量为50578 kWh，余电上网收益为23 012元，投入成本回收年限为14.56年。引入上网激励后，如果可调节容量为10%，相对原余电上网收益，增加的年激励贾用是12 390元，增加的上网电量可在午间产生27 944 kWh的削峰电量，同时用户成本回收年限减少0.33年。

4　结论

本文在用户分布式光伏发电余电量上网的条件下，考虑需求侧管理手段，通过对午间峰时段（10：00～14：00）上网的余电量引入经济激励，根据消贾者心理学理论，得到优化的经济激励，有效促进了用户余电上网的积极性，提高了用户在此时段余电量上网的电量，减少用户投资成本回收年限；对比不同可调节容量下的用户余电上网量可知，随着可调节容量的增大，激励值会减少，但余电上网电量仍会增加。D

［1］Sebastia'n Oliva H，Iain MacGill，Rob Passey.Estimating the net societal value of distributed household PV systems［J］.Solar Energy，2014（100）:9-22.

［2］Paddy Finn，Colin Fitzpatrick.Demand side management of industrial electricity consumption:Promoting the use of renewable energy through real-time pricing［J］.Applied Energy，2014（113）:11-21.

［3］胡江溢.电力需求侧管理的国际经验及对我国的启示［J］.电网技术，2007，31（18）：10-14.

［4］王蓓蓓，李扬，高赐威.智能电网框架下的需求侧管理展望与思考［J］.电力系统自动化，2009，33（20）：17-22.

［5］王明俊.市场环境下的负荷管理和需求侧管理［J］.电网技术.2005，29（5）：2-5.

［6］Christopher O Adika，Ling feng Wang.Smart charging and appliance scheduling approaches to demand side management［J］.ElectricalPowerand EnergySystems，2014（57）：232-240.

［7］2013年1—12月份全省发用电情况［EB/OL］.2014，http：//www.jseic.gov.cn/xwzx/dtxx/gzdt/201401/t20140106_ 139876.html.

［8］杨建萍.南京市居民用电负荷特性分析与思考［J］.电力需求侧管理，2002，4（2）：24-27.

［9］陆燕，谈健.江苏电网负荷结构分析［J］.华东电力，2007，35（7）：26-29.

［10］李泓泽，王宝，苏晨博，等.可中断负荷参与高峰时段市场备用选择评估及效益测算［J］.电力系统保护与控制，2013，41（10）：39-44.

［11］罗运虎，邢丽冬，王勤.峰谷分时电价用户响应模型参数的最小二乘估计［J］.华东电力，2009，37（1）：67-69.

［12］孙为兵.分布式光伏发电项目成本效益分析［J］.电源技术应用，2013（11）：479-482.

［13］谢巍，方康玲.一种求解不可微分非线性函数的全局解的混合遗传算法［J］.控制理论与应用，2002，19（5）：809-811.

Research on regulating surplus generation of distributed photovoltaic feed-in grid considering on DSM

ZHOU Lei1，YUAN Xiao-ling1，XU Jie-yan2
（1.Hohai University，Nanjing 211100，China；2.State Grid Energy Conservation Service Corporation，Beijing 100761，China）

在居民用户分布式光伏发电余电上网方面引入需求侧管理，促进居民用户改变用电方式，提升日间余电上网电量，降低电网高峰时段的供电压力。基于消贾者心理学原理，建立了用户激励响应模型。考虑用户可调容量、光伏出力的约束条件，采用多目标遗传算法得出分布式光伏发电余电上网的经济激励，该激励可有效提高用户余电上网电量，削减日间高峰负荷，提高电网的运行效率。

分布式光伏发电；余电上网；用户响应；遗传算法

This paper analyzes the surplus generation of distributed photovoltaic feed-in grid considering demand-side management（DSM）.By DSM，the consumer would modify electricity consuming mode to increase surplus generation of photovoltaic feed in grid and decrease power supplying in electrical peak time.Constructing response model of consumers is constructed based on consumer psychology.Genetic algorithm is used to calculate economic incentive of surplus generation feed-in grid considering adjustable photovoltaic capacity of consumers and constrains of power output of photovoltaic.The economic incentive makes the surplus generation feed-in grid increased and the peak load in daytime decreased，which improves the efficiency of power system.

distributed photovoltaic generation；surplus generation feed-in grid；consumer response；genetic algorithm

TM615；TM715

A

2014-11-10；

2015-01-21

周磊（1990），男，江苏常熟人，硕士研究生，研究方向为光伏发电技术；袁晓玲（1971），女，安徽巢湖人，博士，副教授，从事新能源发电技术的研究工作；徐杰彦（1973），男，江苏盐城人，硕士，高级工程师，主要研究方向为电力需求侧管理和节能服务。