肖安南， 张蔚翔， 张 超， 边海峰， 马 昕， 裴 玮

(1. 国网安徽省电力公司， 合肥 230061； 2. 北京南瑞电研华源电力技术有限公司， 北京 102200；3. 中国科学院电工研究所, 北京 100190)

需求侧响应下的微网源-网-荷互动优化运行

肖安南1， 张蔚翔1， 张 超2， 边海峰2， 马 昕3， 裴 玮3

(1. 国网安徽省电力公司， 合肥 230061； 2. 北京南瑞电研华源电力技术有限公司， 北京 102200；3. 中国科学院电工研究所, 北京 100190)

微电网是利用可再生能源的主要方式之一，是典型的“源-网-荷”一体化系统，与智能电网、需求侧管理、分布式电源等技术联系紧密，目前已经成为能源研究的重要领域。本文通过考虑微网内源侧的不同类型分布式能源运行特点、负荷侧的不同类型需求侧响应方式以及网侧的电压约束等，建立了微网源-网-荷互动优化运行数学模型，通过滚动优化算法进行仿真分析。算例分析表明，利用本文提出需求侧响应下的管理系统模型，不仅提高了电网用电的经济性和环境友好性，而且降低了微网的负荷峰值和负荷冲击，提高了用电效率。

分布式能源； 微电网； 需求侧响应； 滚动优化

1 引言

能源与环境的和谐，是整个社会共同关心的课题，也是关系到国家健康发展的重要环节。随着能源问题日益突出，以光伏、风电为代表的可再生能源逐渐得到国家及全世界的重视，已成为能源未来发展的重要方向，开发和利用可再生能源有助于调整能源结构、完善电力系统并实现电力经济可持续发展。由于风力发电、光伏发电等分布式电源的局限性，由可再生能源和储能装置等组成的微电网模式应运而生，国内外学者对微电网的运行优化做了大量深入的研究[1-6]。国内电力改革不断深入，电力市场逐渐完善，电网配电侧垄断的局面将会被打破，电力的销售将不再是由单一的供应商所垄断，在需求侧的电力用户将可以选择和调整提供电力及相关服务的供应商，因此微电网的运行与需求侧响应紧密关联。本文从微网的优化运行出发，并加入多样化的需求侧响应模型，从而使优化结果更为真实准确。

2 微电网的模型

微电网结构如图1所示，微电网是指由分布式能源、储能装置、负荷、监控和保护装置等构成的小型配电系统，可以实现自我管理和控制，燃料的多样化可以提高微电网发电单元的稳定性和供电质量，并且降低对环境的污染。

图1 微电网结构Fig.1 Structure of microgrid

在电源侧，机组主要分为两类：①间歇性可再生资源发电的机组，受环境天气影响较大，不易调度，因此采用全额调用的原则，如风机、光伏等；②便于通过燃料等媒介控制启停的可控机组，如微燃机等。

在负荷侧，主要分为电负荷和热负荷。其中电负荷又分为固定负荷、可中断负荷和可转移负荷。其中，固定负荷是指不可调度的一二级负荷，一旦中断会造成经济损失，如照明等；可中断负荷是指可以根据电价、室外温度等在一定程度上进行负荷曲线削减的负荷，为用户提供一定的经济效益，如空调等；可转移负荷是指用户可以根据实施电价等推迟启动时刻并维持该负荷曲线形状不变的负荷，如洗衣机等。

3 需求侧响应下的微网模型

3.1数学模型

当考虑需求侧响应措施的微网优化运行的数学模型时，不仅要从微电网的DG的运行费用，大电网的购电费用等方面来确定目标函数，还要考虑由于错峰和调峰调用的用户侧的可中断负荷和可转移负荷的补偿费用，并且要考虑节点电压和功率约束、DG出力约束、蓄电池充放电约束等约束条件。

因此本文建立的目标函数如下：

(1)

式中，CMT表示微燃机的运行费用；CCL表示可中断负荷的补偿费用；CTL表示转移负荷的补偿费用；Cgrid表示大电网的购电费用；Cboiler表示锅炉的运行费用；T表示优化周期时长，即24h。各部分费用的计算公式如下：

(1)微燃机的运行费用

(2)

式中，NMT表示微燃机的数量；Cgas表示天然气的单位费用；ηMT表示微燃机的发电效率；Pm,t表示第m台微燃机在t时刻的出力功率；CSU表示微燃机的启动费用系数；um,t表示第m台微燃机在t时刻的运行状态的0,1变量，运行时取1，停运时取0。

(2)向大电网的购电费用

(3)

(3)锅炉的运行费用

(4)

式中，Pb,t表示锅炉b在t时刻的出力功率；ηb表示锅炉b的效率；Nboiler表示锅炉的总数。

(4)可中断负荷的补偿费用

(5)

式中，Pc,t表示第c个可中断负荷在t时刻的功率大小；CCL,set表示可中断负荷的单位启动费用；suc,t表示第c个可中断负荷在t时刻的启动变量；CCL,fix表示可中断负荷的固定运行费用；NCL表示可中断负荷的数量。

(5)可转移负荷的补偿费用

(6)

式中，CTL，set表示可转移负荷的单位补偿费用；Pl,t表示第l个可转移负荷的功率大小；ul,t表示第l个可转移负荷在t时刻运行的状态变量；NTL表示可转移负荷的数量。

3.2约束条件

(1)与大电网的交互功率限制

(7)

(2)微燃机约束

1)微燃机的功率大小约束

(8)

2)微燃机的爬坡功率约束

(9)

(3)锅炉的出力约束

(10)

(4)蓄电池约束

1)充放电功率大小约束

(11)

2)SOC容量约束

(12)

3)爬坡速率约束

(13)

(5)可中断负荷约束

1)启停状态约束

(14)

式(14)定义了启停变量和运行变量的联系，式中，uc,t、suc,t、sdc,t分别表示第c个可中断负荷在t时刻的运行变量、启动变量、停止变量。

2)持续时间上下限约束

(15)

3)功率上下限约束

(16)

(6)可转移负荷约束

1)转移时段出力功率约束

(17)

Pl,t=pl,tul,tdl,t

(18)

2)转出和转入时段运行状态约束

(19)

式中，sul表示第l个可转移负荷在全过程中的启动变量；Tl,on表示第l个可转移负荷的持续时间。

(7)热功率约束

(20)

式中，rMT表示微燃机的热电比；Psc,t表示t时刻太阳能集热器产热功率；PTload,t表示t时刻热负荷的功率。

(8)节点电压功率约束

微网每个节点上的微源和负荷等都需要满足对应节点的功率平衡和电压约束。

(21)

3.3优化算法

本文采用了滚动优化算法对考虑需求侧的微网运行模型进行优化分析。本算例将一天为一个优化数据窗，对未来24h内进行的微网调度进行优化，将一个优化数据窗内根据优化周期分为若干个时段，本文选取T=1h,进行24次滚动优化计算，每次计算后数据窗同时向后推移，在第i次计算时可以得到[i,i+N-1]时段内的微网优化结果，只保留t=1时的结果作为第i小时的运行状态，到i+1次计算时重新预测优化出一组新的机组出力和负荷调整。即每一次优化计算时，运行结果对于该时刻的优化性能指标来说都是最理想的控制动作，并且对于同样时刻的偏差反复进行多次计算，提高了模型的预见性和鲁棒性。并且由于机组出力和负荷调整的控制要同时满足在单个优化周期和整个滚动优化过程中保持连续性，因此每次都将计算后的微源出力和负荷调整状态等作为下一个优化周期计算时相应的初始状态。具体流程如图2所示。

图2 算法流程图Fig.2 Algorithm flow chart

此外，单时段的优化模型中只考虑了可中断负荷和可转移负荷初始状态为未启动过的状态，而滚动优化过程涉及到多个优化周期之间的切换，需要考虑不同的初始运行状态下的优化过程，因此针对优化周期的次序不同，需要根据初始状态、持续时长等对机组出力和负荷调整的控制策略做出一定修正。

(1)可中断负荷

可中断负荷的持续时间约束需要按照启动和停止变量的初始状态大小判断出当前优化周期的运行状态，具体的判断方式见表1。

表1 可中断负荷运行状态Tab.1 Operation modes of curtailable load

对于初始状态为未启动的优化周期无需调整约束条件，而针对处于运行中和运行结束的优化周期，需要对持续时间约束作出以下调整：

1)运行中

对于初始状态为可中断负荷正在运行的优化周期，在本次优化周期内，可中断负荷在满足持续时间上下限的基础上运行完剩余时间后结束运行即可无需再次启动，即需要对持续时间约束即式(15)需要修正为以下约束：

(22)

由于可中断负荷一旦开始中断，必须维持同样的功率直到运行结束，本次优化周期内的可中断负荷功率大小保持和初始运行功率一致即可，因此需要添加可中断负荷功率保持约束：

Pc,t=Pc,0uc,t

(23)

式中，Pc,0表示第c个可中断负荷初始时刻的出力功率大小。

2)运行结束

对于初始状态为可中断负荷合同已经结束运行的优化周期，在本次优化周期内保持停运状态，因此调整如下：

(24)

(2)可转移负荷

可转移负荷需要考虑转出时段和转入时段，而不同的优化周期需要判断当前的滚动优化结果中是否存在负荷的转入或者转出，以及仍需运行的时长，因此需要作出以下调整：

(25)

此外由于可转移负荷只有两种状态，转移或者不转移，一旦发生负荷转移，必须要等到转入过程和转出过程完全运行结束。因此对于转入时段和转出时段的可转移负荷的启动变量需要维持启动变量的初始状态，因此需要添加式(26)作为新的约束：

(26)

其中，sul,0表示可转移负荷的全过程中启动变量的初始状态。

4 算例分析

4.1算例基础数据

本文基于IEEE 33节点网络系统中进行微电网计算，网络拓扑如图3所示。

图3 IEEE 33节点网络拓扑图Fig.3 Network diagram of IEEE 33 nodes

本文选取我国北方某地区微网作为设计案例，其中包括光伏、风机、蓄电池各一台，微燃机两台，研究周期为24h,数据间隔为1h,其中风速数据和光伏数据来源于NASA，并进行风机光伏出力预测，并且每小时进行一定修正，预测出力大小如图4所示。

图4 风机和光伏出力预测Fig.4 Predictive output of turbine and photovaltaic

电价政策采用日前实时电价政策，由于进行24次滚动优化计算，每个优化周期时长为24h，因此应采用48h内的实时电价数据，如图5所示。

图5 实时电价图Fig.5 Real-time prices of electricity

微电源的输入数据见表2，其中微燃机的初始状态设为停运状态。每次停运和启动时都有一定的启动费用，运行过程中有燃料费用产生，锅炉和微燃机的燃料均为天然气，价格是42$/(MW·h)，燃料消耗量主要与微燃机(锅炉)效率和功率有关，单位燃料费见表3。

表2 微源数据表Tab.2 Parameters of DGs

表3 燃料费用表Tab.3 Fuel cost

本文中加入负荷合同如表4和表5所示，每种可转移负荷合同都具有特定的转出时段内进行中断，在特定转入时段内进行负荷恢复以维持负荷总量保持不变，仅仅实现部分负荷曲线的平移，而可转移负荷有运行时长和功率大小的约束。

表4 可转移负荷合同内容Tab.4 Contract of transferable load

表5 可中断负荷合同内容Tab.5 Contract of curtailable load

4.2运行结果分析

原始负荷曲线如图6所示，调度后的负荷曲线如图7所示。

图6 原始负荷曲线Fig.6 Primitive load curve

图7 调度后的负荷曲线Fig.7 Load curve after scheduling

可转移负荷序号转出时段转入时段18∶00～9∶0015∶00～16∶00218∶00～20∶0014∶00～16∶00

表7 可中断负荷运行结果Tab.7 Optimization result of curtailable load

对比表6、表7、图6、图7可以看出:

(1)两种可中断负荷都在电价高峰期8∶00～10∶00内启动,并且均进行完全削减，这是因为每种可中断负荷在本算例中最多启动一次，因此选择在整个周期内的电价峰值区间内启动，在可中断负荷运行的允许范围内最大程度地降低了减少了向大电网的购电费用。

(2)两种可转移负荷均选择在电价高峰期 (8∶00～9∶00、18∶00～20∶00)转移到电价低谷(15∶00～16∶00,14∶00～16∶00)，两类负荷均选择了允许转入时间区间内满足运行时长的电价最低的运行时段，并且第2种可转移负荷由负荷高峰期(18∶00～20∶00)转出，进一步缩小了负荷峰谷差，使得负荷曲线更为平稳，有利于提高供电可靠性和能源利用率。

微网内风机、光伏、微燃机和蓄电池的供电功率大小如图8所示，微网内微燃机和锅炉的供热功率大小如图9所示。

图8 微源发电情况Fig.8 Power output of DGs

图9 微源供热情况Fig.9 Heat supply of DGs

从图8和图9中对比可以看出：

(1)1∶00～3∶00内蓄电池放电即满足主负荷运行需求，之后在电价低谷期内充电储存电能(4∶00～6∶00、13∶00～15∶00、23∶00～24∶00)，在电价高峰期附近时段内进行放电(7∶00～11∶00、16∶00～22∶00)，充分利用峰谷电价差来维持微网运行的经济性，避免了电价的突然升高对微电网系统的冲击，对实时电价对电网的影响起到了一定的缓冲作用。

(2)微燃机在5∶00时开始启动，在电价高峰期8∶00～10∶00内达到了运行功率的峰值，这是因为微燃机的运行成本主要与天然气的价格有关，通过利用天然气的费用与实时电价差额来节约成本，之后为避免再次支付微燃机的启停费用并且维持热负荷的供给，保持最小功率运行直到运行结束。

(3)微燃机和蓄电池相互配合，提高了运行的灵活性，避免了单一可微源由于爬坡功率的限制而不能满足电负荷供需的情况。

(4)锅炉仅在热负荷高峰期周围(5∶00～9∶00、18∶00～23∶00)内运行，其他时段由于微燃机已经能满足热负荷的基本要求因而停运。

4.3对比分析

4.3.1 成本对比分析

根据负荷参与用户需求侧响应的方式，本文中一共设定了4种微网运行方式见表8。

表8 4种微网运行方式Tab.8 Four operation modes of microgrid

分别在单时段优化模型和滚动优化模型中进行分析和计算，得到成本对比结果见表9。

表9 微网运行成本对比Tab.9 Comparison of microgrid operation cost (单位：元)

从表9中对比分析可知：

(1)不论微网采用哪种运行方式，相对于单时段调度模型，滚动优化模型下的微网由于考虑了未来时段的电价、负荷信息、初始状态等并及时做出相应的机组出力调整后，运行成本均有了一定幅度的运行成本降低，特别是对于负荷削减和负荷转移同时进行的模式1的效果最为显著。

(2)可转移负荷相对于可中断负荷对于微网运行的成本降低，作用更为显著，而可中断负荷的参与使得微网运行成本有较小幅度的降低，可中断负荷和可转移负荷相互配合才能使微网的经济性获得较大程度的提升。

4.3.2 负荷曲线对比分析

方式2、方式3和原始负荷曲线对比如图10所示。

图10 负荷曲线对比分析Fig.10 Load curve in two different modes

从图10中可以看出运行方式3下的调度后的负荷曲线削峰填谷的作用更加明显，负荷曲线更加平滑，这是因为对于只有可中断负荷参与互动的模式2，由于可中断负荷的启动次数限制，为满足经济性最优选择在一周期内电价最高的8∶00～10∶00内进行负荷削减，之后不再启动，不能发挥缩减负荷峰谷差的作用，而运行方式2的可转移负荷在不同时段的实时电价差的刺激下，实现了从负荷高峰期和电价高峰期向电价低谷期的转移，有效地减小了负荷峰值。

5 结论

为了探究需求侧响应下的微网优化运行过程，本文建立了以经济性最优为目标的目标函数，并确立了相关约束条件，基于滚动优化算法，并加入实时电价、可中断负荷、可转移负荷等多种类型的需求侧响应方式，并针对微网不同的运行方式进行了成本对比和负荷曲线对比，并得出以下结论：

(1)可转移负荷可以使负荷曲线更为平滑，可中断负荷和可转移负荷的共同参与，可以实现削峰填谷的作用，使微网系统得到最大程度的经济性改善。

(2)负荷转移与否主要与转入时段和转出时段的点价差有关，而负荷削减受实时电价影响较大。

(3)滚动优化算法由于利用了未来时段的电价信息、负荷信息等，并且考虑了微源运行的初始状态，能够有效地降低各种运行方式下的微网运行成本。

[1] 言大伟, 韦钢, 陈昡姿, 等.(Yan Dawei, Wei Gang, Chen Xuanzi, et al.)考虑可中断负荷的微网能量优化(Microgrid energy optimization considering interruptible load)[J]. 电力系统及其自动化学报(Proceedings of the CSU-EPSA), 2012, 24(1): 88-93.

[2] 肖浩, 裴玮, 孔力，等(Xiao Hao，Pei Wei，Kong Li, et al.). 综合能源微网运行优化调度方法研究(Research on optimal operation method of integrated energy microgrid system)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering and Energy)， 2016, 35(12), 1-11.

[3] 王锐, 顾伟, 吴志(Wang Rui, Gu Wei, Wu Zhi)含可再生能源的热电联供型微网经济运行优化(Economic and optimal operation of a combined heat and power microgrid with renewable energy resources)[J]. 电力系统自动化(Automation of Electric Power Systems), 2011, 35(8): 22-27.

[4] 陈洁, 杨秀, 朱兰,等.(Chen Jie, Yang Xiu, Zhu Lan， et al.)基于遗传算法的热电联产型微网经济运行优化(Genetic algorithm based economic operation optimization of a combined heat and power microgrid.)[J]. 电力系统保护与控制(Power System Protection and Control), 2013, 41(8): 7-15.

[5] Schweppe F C, Caramanis M C, Tabors R D, et al. Spot pricing of electricity[M]. New York:Springer Science & Business Media, 2013.

[6] 裴玮，邓卫，沈子奇，等(Pei Wei, Deng Wei, Shen Ziqi， et al.).可再生能源与热电联供混合微网能量协调优化研究(Energy coordination and optimization of hybrid microgrid based on renewable energy and CHP supply)[J]. 电力系统自动化(Automation of Electric Power Systems), 2014, 38(12) 27-33.

[7] International Energy Agency. The power to choose: demand response in liberalised electricity markets[M]. OECD Publishing, 2003.

[8] Pipattanasomporn M, Willingham M, Rahman S. Implications of on-site distributed generation for commercial industrial facilities[J]. IEEE Transactions on Power Systems, 2005, 20 (1):206-212.

[9] 何舜,郑毅,蔡旭，等(He Shun, Zheng Yi, Cai Xu，et al.). 基于荷-储型微网的需求侧管理系统运行优化(Optimal operation for demand side management based on load-storage microgrid)[J]. 电力系统自动化(Automation of Electric Power Systems),2015,39(19):15-20.

[10] 兰国军, 栗文义, 尹凯，等(Lan Guojun, Su Wenyi, Yin Kai，et al.).并网运行风/光/储微电网容量配置双目标优化(Bi-objective optimization of capacity configuration based on grid-connected wind/photovoltaic/storage microgrid)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering and Energy), 2015, 34(3): 18-23.

[11] 李鹏, 徐伟娜, 周泽远，等(Li Peng, Xu Weina, Zhou Zeyuan，et al.).基于改进万有引力搜索算法的微网优化运行(Optimal operation of microgrid based on improved gravitational search algorithm)[J]. 中国电机工程学报(Proceedings of the CSEE), 2014, 34(19): 3073-3079.

[12] 肖浩，裴玮，孔力，等(Xiao Hao, Pei Wei, Kong Li，et al.).考虑光伏余电上网的微网出力决策分析及经济效益评估(Decision analysis and economic benefit evaluation of microgrid power output considering surplus photovoltaic power selling to grid)[J]. 电力系统自动化(Automation of Electric Power Systems), 2014, 38(10) 10-16.

[13] 刘方, 杨秀, 时珊珊, 等(Liu Fang, Yang Xiu, Shi Shanshan, et al.). 不同时间尺度下基于混合储能调度的微网能量优化(Hybrid energy storage scheduling based microgrid energy optimization under different time scales)[J]. 电网技术(Power System Technology), 2014, 38(11): 3079-3087.

[14] 张明锐, 陈洁, 杜志超, 等(Zhang Mingrui, Chen Jie,Du Zhichao, et al.). 考虑交互功率控制的微网经济运行(Economic operation of micro-grid considering regulation of interactive power)[J]. 中国电机工程学报(Proceedings of the CSEE), 2014, 34(7): 1013-1023.

[15] 顾伟, 吴志, 王锐(Gu Wei, Wu Zhi, Wang Rui). 考虑污染气体排放的热电联供型微电网多目标运行优化(Multi-objective optimization of combined heat and power microgrid considering pollutant emission)[J]. 电力系统自动化(Automation of Electric Power Systems), 2012, 36(14):177-185.

[16] 郭力,许东,王成山,等(Guo Li, Xu Dong, Wang Chengshan, et al.). 冷电联供分布式供能系统能量优化管理(Research on some key problems related to integrated energy systems) [J]. 电力系统自动化(Automation of Electric Power Systems), 2009, 33(19):96-100.

[17] 张钦, 王锡凡, 王建学, 等.(Zhang Qin, Wang Xifan, Wang Jianxue, et al.).电力市场下需求响应研究综述(Survey of demand response research in deregulated electricity markets)[J]. 电力系统自动化(Automation of Electric Power Systems), 2008, 32(3): 97-106.

[18] Palensky P, Dietrich D. Demand side management: demand response, intelligent energy systems, and smart loads[J ]. IEEE Transactions on Industrial Informatics, 2011, 7(3): 381-388.

[19] 杨丽君, 李健强, 李学平，等(Yang Lijun，Li Jianqiang, Li Xueping, et al.).考虑需求响应的含风电电力系统日前经济调度(Day-ahead dispatching for wind power integrated system considering demand response)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering and Energy), 2015, 34(11): 29-36.

[20] 张学, 裴玮, 邓卫,等(Zhang Xue, Pei Wei, Deng Wei, et al.). 多源/多负荷直流微电网的能量管理和协调控制方法(Energy management and coordinated control method for multi-source/multi-load DC microgrid)[J]. 中国电机工程学报(Proceedings of the CSEE), 2014, 34(31): 5553-5562.

[21] Lee M, Aslam O, Foster B, et al. Assessment of demand response and advanced metering[R]. Federal Energy Regulatory Commission, Tech. Rep, 2013.

[22] 董开松，丁岩，谢永涛，等(Dong Kaisong, Ding Yan, Xie Yongtao,et al.). 基于需求侧响应的微电网市场优化模型(Market optimization model for microgrid with demand response)[J]高压电器(The High Voltage Apparatus),2015,51(6):122-126.

[23] 李潇雨，黄珂(Li Xiaoyu, Huang Ke). 分布式能源发展政策研究文献综述(The literature review for the study on development policy of distributed energy)[J]. 华北电力大学学报: 社会科学版(Journal of North China Electric Power University (SociaISciences)), 2015, (1): 20-25.

[24] 赵晓丽，张素芳(Zhao Xiaoli, Zhang Sufang)．国内外电力需求侧管理措施对比研究(Contrast and research on DSM measures at home and abroad)[J]．电力需求侧管理(Power Demand Side Management)，2005，7(5)：60-62．

[25] 潘超, 孟涛, 蔡国伟, 等(Pan Chao, Meng Tao, Cai Guowei,et al.). 主动配电网广义电源多目标优化规划(Multi-objective optimal configuration of generalized power sources)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering and Energy), 2016, 35(3): 41-46.

[26] Albadi M H, El-Saadany E F. A summary of demand response in electricity markets[J]. Electric Power Systems Research, 2008, 78(11): 1989-1996.

[27] 杨丽君, 魏玲玲, 卢志刚, 等(Yang Lijun, Wei Lingling. Lu Zhigang, et al.). 考虑可中断负荷的配电网分区动态故障恢复(Fault partition dynamic recovery strategy for distribution network considering interruptible loads)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering and Energy), 2016, 35(8): 73-80.

[28] 王蓓蓓, 李扬, 高赐威(Wang Beibei, Li Yang, Gao Ciwei). 智能电网框架下的需求侧管理展望与思考(Demand side management outlook under smart grid infrastructure)[J]. 电力系统自动化(Automation of Electric Power Systems), 2009,33(20): 17-22.

[29] 李璐, 肖湘宁, 陈鹏伟(Li Lu, Xiao Xiangning, Chen Pengwei). 改进光伏模型及其在微网可靠性评估中的应用(Improved photovoltaic model and its application in reliability evaluation of microgrid)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering and Energy), 2016, 35(11): 65-71.

Optimalinteractiveoperationofmicrogridunderdemandresponse

XIAO An-nan1, ZHANG Wei-xiang1, ZHANG Chao2, BIAN Hai-feng2, MA Xin3, PEI Wei3

(1. State Grid Anhui Electric Power Company, Hefei 230061, China; 2. Beijing Nari Dian Yan Hua Yuan Electric Power Technology Co. Ltd., Beijing 102200, China; 3. Institute of Electrical Engineering, Chinese Academy of Sciences, Beijing 100190, China)

As one of the ways to use renewable energy and a typical system of integration of power sources, power gird and power loads, micro grid technology has close links with smart grid, demand side management, distributed power and other technologies and it has become an important area of energy research. This paper discusses the micro grid research background and some common energy models. Micro grid optimization mathematical model is established considering the operation characteristics of different types of micro sources and the demand for different types of test response mode. Through rolling optimization algorithm simulation analysis, example analysis shows that with the demand side response management system model, it can not only improve the electricity economic and environmental friendly, but also reduce the peak load and shock load of micro grid and improve the power efficiency.

distributed energy resource; micro grid; demand side response; rolling optimization algorithm

2017-4-20

国网安徽省电力公司科技项目《“源-网-荷”互动模式下配电网安全策略研究》(SGTYHT/15-JS-194)

肖安南 (1975-), 男, 高级工程师, 主要研究方向电力设施保护、 配电专业管理； 裴 玮 (1982-)， 男， 江西籍， 研究员， 博士， 研究方向为含分布式能源的电力系统分析、 微电网和交直流配网(通讯作者)。

10.12067/ATEEE1704065

： 1003-3076(2017)09-0071-09

： TM732