崔明勇， 王楚通， 陈钰婷， 王玉翠， 陈 辰

(1. 燕山大学电气工程学院， 河北 秦皇岛 066004; 2. 中石油管道公司大庆(加格达奇)输油气分公司， 黑龙江 大庆 163458)

低碳环境下微电网供需联合优化调度

崔明勇1， 王楚通1， 陈钰婷2， 王玉翠1， 陈 辰1

(1. 燕山大学电气工程学院， 河北 秦皇岛 066004; 2. 中石油管道公司大庆(加格达奇)输油气分公司， 黑龙江 大庆 163458)

全球多国积极发展低碳经济，大力开发清洁能源。电力市场化改革的积极推进和用户用电个性化的提高，使得电源侧机组调度和需求侧用电管理结合的供需互动理念逐渐成为重要的研究课题。本文建立了以总运行成本最小为目标的微电网供需联合调度模型。该模型对电源侧考虑微源发电的经济性与环保性进行互补发电调度，对需求侧负荷调度时考虑阶梯式补偿价格，并在微电网供需联合调度的经济性目标函数中引入环保性参数，最后仿真验证模型的有效性，并分析了不同补偿价格对削减类负荷调度结果的影响。

微电网； 阶梯补偿价格； 柔性负荷调度； 供需联合调度； 碳排放机制

1 引言

在化石能源日趋枯竭与全球气候变暖的大背景下，传统电力工业主要消耗煤炭、石油、天然气等非可再生能源的情况亟待改变，高效利用能源、开发清洁能源、深度发展低碳经济面临迫切需求。

随着对微电网技术与分布式发电技术的深入研究，可再生能源得到更充分的推广与使用。在微电网调度理论研究方面，主要考虑以发电成本、环保效益、旋转备用成本等成本最小为目标函数，并考虑功率平衡、微源出力、污染物排放、机组启停、联络线功率等约束条件。文献[1]建立微电网经济低碳调度数学模型，综合考虑运行成本和碳排放量，采用理想点法处理多目标优化问题。文献[2]针对典型综合能源微网建立了优化调度模型。文献[3]针对发电成本最小的优化目标考虑了污染气体排放约束与机组启停次数约束。

日前交易模式的引用将用户侧分布式发电充分纳入到电力市场交易中，增加对分布式发电出力的消纳，激励分布式发电的市场拓展和优势体现。同时，需求响应措施充分利用了供需互动特性，依靠准确的数据信息引导用户科学、合理用电，优化电能资源配置，为进一步消纳可再生能源，利用需求响应资源和优化调度适应波动性提供技术上和经济上极佳的方案[4,5]。

因此，将需求侧响应引入微电网进行双侧能量管理的经济调度研究日渐增多。文献[6]以含可再生能源的海热微电网为研究对象，提出了以海水淡化负荷作为可控负荷对系统内功率平衡进行辅助调节作用。文献[7]将需求侧响应的直接负荷控制作为主动参与系统运行规划的电源，构建了微电网综合资源规划模型。文献[8]在并网型光-储互补微电网中引入需求响应模型，分析了需求侧响应对系统经济效益和储能配置的影响。文献[9]按照负荷用电特点和用户要求，将需求侧资源细分为三类并分别建立了负荷模型应用于微电网经济调度中。文献[10]通过需求响应将需求侧资源作为供应侧电能的可替代资源加以利用，建立含风电电力系统的供需侧联合调度模型。文献[11]在低碳背景下的电网规划中引入了需求侧管理模型，分析了需求侧管理和低碳化发展对电网规划的影响。

文献[6-10]均不同程度地考虑了需求侧响应或需求侧管理在电网优化运行中的应用，并就其应用效果及影响做出了分析阐述，但并未将供需联合优化与低碳环保的目标结合应用于微电网优化调度中，且对需求响应操作给予的补偿价格的作用及影响并未加以分析。

本文提出一种阶梯补偿的方式，将阶梯价格机制引入柔性负荷调度中，并结合电源侧调度建立了一种微电网供需联合优化调度模型。通过仿真验证了模型的有效性，最后分析了不同补偿价格对削减类负荷调度结果的影响，给出了合理的取值区间。

2 阶梯补偿价格的柔性负荷调度模型

柔性负荷具有对电价信息敏感和用电灵活的特点，可在需求侧中参与电网运行控制。

本文根据其不同调整方式将柔性负荷细分为可平移负荷、可转移负荷、可削减负荷三类。其中可平移负荷、可转移负荷属于转移类负荷，可削减负荷属于削减类负荷，其具体特点如下[12,13]：

(1)可转移负荷。总用电量不变，但各时段用电量可灵活调节，如电动汽车、储能等。

(2)可平移负荷。只可对其进行整体平移，如工业用户、洗衣机等。

(3)可削减负荷。可根据需要对其进行部分或者全部削减，如装饰照明、家庭娱乐设备等。

2.1 阶梯补偿价格模型

阶梯价格机制是一种用于购电的二元非线性价格形式，是指将用户购电量设置为若干个阶梯，分档累计递增定价和结算电费的电价制度，如图1所示。负荷调整量是指调度时平移、转移、削减的负荷量，单位用户总负荷调整量指单位用户的所有负荷调整量之和。

图1 阶梯补偿价格-单位用户总负荷调整量关系曲线Fig.1 Relationship curve between ladder compensation price and total load adjustment per unit user

利用阶梯价格机制的这一特性，本文提出对微电网参与负荷调度的柔性负荷给予阶梯补偿价格，即将用户一个调度周期内总负荷调整量设置为若干个阶梯分段定价计算费用，以期达到细分需求侧资源的差别定价、增加积极参与互动积极性的效果。阶梯补偿公式如式(1)所示，由式(1)可得出补偿成本-调整负荷量关系，如图2所示。

(1)

式中，fLD为补偿成本与某用户一个调度周期负荷总调整量的函数关系；PLD,i为参与负荷调度用户i一个调度周期内的总负荷调整量；P1、P2分别为第一、二阶梯结束功率；p1、p2、p3分别为第一、二、三阶梯补偿价格。

图2 补偿成本-单位用户总负荷调整量关系曲线Fig.2 Relationship curve between compensation cost and total load adjustment per unit user

2.2 可平移负荷调度模型

可平移负荷具有削峰填谷特性，需重点关注其用电连续性和时序性的约束，进行整体平移。

设单位调度时段为1h，对于某可平移负荷shifti，调度前次日用电功率分布行向量为：

(2)

(3)

(4)

(5)

(6)

2.3 可转移负荷调度模型

可转移负荷与可平移负荷削峰填谷特性相似，且调度灵活性更高。应对其转移功率范围、转移时段区间、负荷最小连续运行时间及转移总负荷不变进行限制。

(7)

(8)

transi调度模型约束条件如下：

(1)可转移区间约束

(9)

(2)负荷功率范围约束

(10)

(3)最小持续时间约束

(11)

(4)负荷所需电能不变约束

(12)

2.4 可削减负荷调度模型

可削减负荷主要作用于尖峰负荷时段，削减调度中考虑削减持续时限和削减次数。

(13)

式中，yi,t为t时段cuti的削减系数，0≤yi,t≤1。

(14)

(15)

cuti调度模型约束条件包括最大、最小连续削减时间约束及削减次数约束，公式同文献[14]中式(13)～式(20)。

3 微电网供需联合调度模型

微电网供需联合优化调度的目标是在优先使用风光出力的基础上，合理调度用户侧参与互动的柔性负荷、储能充/放电功率、与配电网(Distribution Network, DN)的购/售电功率，取得最小的微电网总运行成本。同时低碳背景下，二氧化碳释放量问题不可忽视，对发电释放的二氧化碳收取治污费用，有助于鼓励分布式电源(Distributed Generator, DG)，尤其是可再生能源机组发电和增加对其发电量的消纳。

综上所述，目标函数微电网总运行成本包括调度需求侧柔性负荷的补偿成本CLD、分布式电源运行成本CDG、与配电网的交互成本CDN以及治污成本CE之和，公式如下：

minC=min(CLD+CDG+CDN+CE)

(16)

CLD包括给予柔性负荷中标用户的补偿成本，如式(17)所示。本文中负荷除第2节介绍的柔性负荷外还包括重要负荷，该类负荷不可调度。

(17)

式中，Nshift、Ntrans、Ncut分别为三类柔性负荷用户数量。各成本公式分别如式(5)、式(7)、式(14)所示。

(18)

(19)

(20)

(21)

(22)

(26)

(27)

(28)

微电网供需联合调度模型约束条件如下：

(1)功率平衡约束

(29)

(2)售电约束

本文旨在尽量减少负荷调整的前提下增加新能源出力的就地消纳，因此要求售电时段不可出现购电、燃料电池出力、蓄电池放电、削减或转出负荷的情况。

(30)

(31)

式中，PFC,t为t时段燃料电池发出功率；PSB,t为t时段储能系统功率。

(3)机组输出功率上、下限约束

(32)

(4)储能约束

SOCmin≤SOC≤SOCmax

(33)

SOC0=SOCend

(34)

Pb,min≤Pb≤Pb,max

(35)

式中，SOCmax、SOCmin分别为蓄电池荷电状态上、下限，本文取30%～100%；SOC0、SOCend分别为单个调度周期内蓄电池的起始容量与终止容量；Pb,max、Pb,min分别为单位时间内蓄电池充放电功率上、下限。

蓄电池的充放电效率是指充放电时，在某功率下转换为蓄电池容量的能力大小。当储能电池容量足够时，充放电功率不受充放电效率的影响，可以达到调度要求。

4 算例分析

4.1 算例数据

本文微电网调度以次日全天为调度周期，分为24个时段。选取分布式电源为光伏电池(Photovoltaic Cell, PV)、风力发电机(Wind Turbine, WT)、燃料电池(Fuel Cell, FC)和蓄电池储能设备(Storage Battery, SB)。供需联合调度模型以风光资源充沛为场景，图3为微电网负荷预测曲线、WT机组和PV机组出力的预测值。

图3 负荷预测曲线与WT、PV输出功率预测值Fig.3 Load prediction curve and prediction value of WT and PV output power

PV、WT可再生能源机组发电成本较小，只计运行维护成本。表1、表2分别为微电网各分布式电源参数及电力市场实时电价数据。本文富余电量售电价格取该时段电力市场价格的50%；天然气单价取0.2元/(kW·h)，天然气低热值为9.7(kW·h)/m3；蓄电池额定容量为40kW·h，初始和结束剩余电量为20kW·h，充放电效率为1。

表1 微电网各电源参数Tab.1 Parameters of power source in microgrid

表2 各时段电价Tab.2 Hourly prices of power exchange

图4 参与互动各柔性负荷的分布Fig.4 Original distribution of interactive flexible loads

shiftitDi/ht*itsh-i～tsh+i1220∶008∶00～24∶002318∶006∶00～23∶00

表4 用户可转移负荷参数Tab.4 User data of transferable load

表5 用户可削减负荷参数Tab.5 User data of curtailable load

表6 阶梯补偿价格参数Tab.6 Data of ladder compensation price

4.2 结果分析

为更全面体现微电网在并网运行下应用所建模型进行优化调度的有效性，设模式1与模式2两种并网下调度方案：①模式1，考虑分布式电源发电、柔性负荷调度、与配电网电能交换；②模式2，考虑分布式电源发电和与配电网电能交换。

4.2.1 仿真结果分析

由于模式2中无柔性负荷调度，则整体负荷曲线不变，模式1优化调度后负荷情况与可再生能源机组出力曲线如图5所示，模式1柔性负荷调度结果如表7所示。表7与图4、图5对比可知，模式1将晚高峰负荷转移至午间风光资源充沛时段，充分利用风光资源，减少了微电网的购电成本。在负荷调度方面，总调整负荷量占柔性负荷总量的37.4%，其中可平移负荷全部参与调度，可转移负荷调度率为24.6%，可削减负荷调度率达到28.6%。

图5 模式1优化调度后负荷分布与可再生能源机组出力Fig.5 Distribution of flexible loads after scheduling in mode 1 and output of renewable energy unit

负荷分类柔性负荷总量/(kW·h)负荷调整量/(kW·h)负荷分类柔性负荷总量/(kW·h)负荷调整量/(kW·h)cut153.93.2cut629.522.6cut234.50trans114.53cut353.80trans215.94.55cut447.428.2shift115.515.5cut515.913.2shift223.623.6

并网运行下两种模式的SB充放电量与FC出力对比情况如图6所示，其中负值为充电量，正值为放电量。两种模式中与配电网的交换功率对比曲线如图7所示，其中负值为售电量，正值为购电量。由图6和图7可知，模式2中FC出力和SB充放电量明显较模式1中多；模式1中购、售电量少，主要由于在风光机组出力较充足时段将富余电能出售，增加了就地消纳。综上所述，模式1更有利于就地消纳可再生机组出力，这不仅能够降低购电成本，还可减少电力传输过程中的电力损耗。

图6 并网运行下SB充放电量与FC输出功率对比曲线Fig.6 Comparison of SB charging and discharging power and FC output power under grid connection

图7 与DN交换功率对比曲线Fig.7 Comparison of power exchange between DN and microgrid

表8为两种模式下目标函数寻优结果及其中的成本参数，通过该表进行整体的对比分析。由表8可知，在经济效益、环境效益及可再生能源就地消纳方面，模式1均表现出明显优势。

表8 两种模式下成本及参数比较Tab.8 Comparison of costs and parameters in two modes

综上所述，模式1通过柔性负荷调度对负荷曲线进行削峰填谷调整，充分利用白天充足的风光资源，并结合配电网低谷电价购电与峰时电价售电的优势，同时由兼具发电经济性、清洁性的FC机组和SB储能设备互补调度以满足缺额电能，使得微电网经济效益和环保效益同时得以提升。因此，模式1为微电网并网运行下最优运行模式。

4.2.2 不同阶梯补偿价格对优化结果的影响

表9 不同阶梯补偿价格参数Tab.9 Different ladder compensation price parameters (单位：元/(kW·h))

表10 不同阶梯补偿价格对优化结果的影响Tab.10 Influence of different ladder compensation price on optimization results

设补偿成本CLD与总负荷调整量PLD的比值为用户整体满意度指标k，其表达式为：

(36)

由表10中数据与式(36)得到不同阶梯补偿价格对用户整体满意度的影响，结果如表11所示。由表11可知，在一定范围内用户整体满意度随补偿价格的增加而上升，但过高的补偿价格对微电网优化调度的总运行成本及碳排放量影响较大。

表11 不同阶梯补偿价格对用户整体满意度的影响Tab.11 Influence of different ladder compensation price on users satisfaction

综上所述，补偿价格的选择对优化结果的影响尤为重要。当补偿价格整体偏低时，影响整体参与响应用户的积极性，降低用户满意度；当补偿价格整体偏高时，影响负荷调度结果与系统运行的经济性；当补偿价格选择过高时，不仅影响经济性，还极大影响负荷调度结果。因此，考虑到微电网优化运行对经济性与环保性的要求，兼顾用户整体满意度，应选取0.04～0.35元/(kW·h)区间的平均补偿价格数据。显然本文应用的第2组补偿价格数据为6组中最优。

5 结论

(1)本文考虑柔性负荷特点、用户要求和阶梯式补偿价格，构建了微电网需求侧柔性负荷调度模型，包括阶梯补偿价格模型和三类柔性负荷模型。本文所提阶梯补偿价格模型将单位用户参与互动的柔性负荷调整量实行阶梯价格补偿，既能合理反映补偿成本，又能激励用户积极参与需求响应。柔性负荷调度模型考虑了负荷用电特性及用户调整要求，实际操作性好。

(2)本文建立了微电网供需联合优化调度的目标函数模型，在并网运行状态下验证了削减类负荷的削峰作用和转移类负荷的移峰填谷效果，两者相互配合可充分消纳新能源出力。通过整合电源侧互补发电机组调度与需求侧柔性负荷调度，进一步增加了对可再生能源出力的就地消纳，实现经济性与环保性整体提升的预期效果。阶梯补偿价格的使用增加了积极参与需求响应用户的补偿成本，但补偿价格的选择对优化结果的影响尤为重要，影响着负荷调度结果和系统运行的经济性。

(3)本文研究对象是并网状态下的微电网供需联合调度，下一步应该考虑微电网孤网运行状态下的柔性负荷调度，研究二者调度结果的不同，以及对可再生能源消纳的效果。

[1] 毛晓明，刘文胜，陈深，等(Mao Xiaoming, Liu Wensheng, Chen Shen, et al.)．微电网经济低碳调度模型与方法初探(Study on microgrid economic low-carbon scheduling)[J].电工电能新技术(Advanced Technology of Electrical Engineering and Energy)，2014，33(8)：55-60.

[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] 杨佩佩，艾欣，崔明勇，等(Yang Peipei, Ai Xin, Cui Mingyong, et al.)．基于粒子群优化算法的含多种供能系统的微网经济运行分析(Particle swarm optimization based economic operation analysis of microgrid containing multi energy supply system)[J]．电网技术(Power System Technology)，2009，33(20)：38-42．

[4] 严干贵，刘嘉，崔杨，等(Yan Gangui, Liu Jia, Cui Yang, et al.).利用储能提高风电调度入网规模的经济性评价(Economic evaluation of improving the wind power scheduling scale by energy storage system)[J].中国电机工程学报(Proceedings of the CSEE)，2013，33(22)：45-52.

[5] 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.

[6] 陈健，王成山，赵波，等(Chen Jian, Wang Chengshan, Zhao Bo, et al.).考虑不同控制策略的独立型微电网优化配置(Optimal sizing for stand-alone microgrid considering different control strategies)[J].电力系统自动化(Automation of Electric Power Systems)，2013，37(11)：1-6.

[7] 朱兰，严正，杨秀，等(Zhu Lan, Yan Zheng, Yang Xiu, et al.).计及需求侧响应的微网综合资源规划方法(Integrated resources planning in microgrid based on modeling demand response)[J].中国电机工程学报(Proceedings of the CSEE)，2014，34(16)：2621-2628.

[8] 赵波，包侃侃，徐志成，等(Zhao Bo，Bao Kankan，Xu Zhicheng，et al.)．考虑需求侧响应的光储并网型微电网优化配置(Optimal sizing for grid-connected PV-and-storage microgrid considering demand response)[J]．中国电机工程学报(Proceedings of the CSEE)，2015，35(21)：5465-5474．

[9] 孙川，汪隆君，许海林(Sun Chuan，Wang Longjun，Xu Hailin)．用户互动负荷模型及其微电网日前经济调度的应用(An interaction load model and its application in microgrid day-ahead economic scheduling)[J]．电网技术(Power System Technology)，2016，40(7)：2009-2016．

[10] 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．

[11] 程耀华,张宁,康重庆,等(Cheng Yaohua, Zhang Ning, Kang Chongqing,et al.).考虑需求侧管理的低碳电网规划(Low carbon transmission expansion planning considering demand side management)[J].电力系统自动化(Automation of Electric Power Systems)，2016, 40(23): 61-69.

[12] 杨楠，王波，刘涤尘，等(Yang Nan，Wang Bo，Liu Dichen，et al.).考虑柔性负荷调峰的大规模风电随机优化调度方法(Large-scale wind power stochastic optimation scheduling method considering flexible load peaking) [J]．电工技术学报(Transactions of China Electrotechnical Society)，2013，28(11)：231-238．

[13] 王珂，姚建国，姚良忠，等(Wang Ke, Yao Jianguo, Yao Liangzhong, et al.).电力柔性负荷调度研究综述(Survey of research on flexible loads scheduling technologies)[J].电力系统自动化(Automation of Electric Power Systems)，2014，38(20)：127-135.

[14] 孙川，汪隆君，许海林(Sun Chuan, Wang Longjun, Xu Hailin).用户互动负荷模型及其微电网日前经济调度的应用(An interaction load model and its application in microgrid day-ahead economic scheduling)[J].电网技术(Power System Technology)，2016，40(7)：2009-2016.

Studyonintegratedsupply-demandoptimalschedulingofmicrogridunderlow-carbonenvironment

CUI Ming-yong1, WANG Chu-tong1, CHEN Yu-ting2, WANG Yu-cui1, CHEN Chen1

(1. School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China；2. Petro China Pipeline Company Daqing (Jiagedaqi) Oil & Gas Transportation Sub-company, Daqing 163458, China)

Many countries of the world are actively developing low-carbon economy and vigorously developing the clean energy. Meanwhile, the electricity market reform is actively promoted, and number of personalized user is increased. Thus, the concept of supply and demand interaction, which is based on power unit scheduling and DSM, has gradually become an important research topic. In this paper, a joint scheduling model for supply and demand of microgrid is established with the objective of minimizing the total operating cost. For the power supply side, the model considers the economic and environmental performance of micro sources generation for complementary dispatching. For the demand side load scheduling, the ladder compensation price is introduced. In addition, the environmental parameters are introduced into the economic objective function of supply and demand scheduling of microgrid. At last, the validity of the model is verified by the two running states of the grid and the isolated network, and the influence of different compensation price on the reduction of the load scheduling results is analyzed.

microgrid; ladder compensation price; flexible load scheduling; integrated supply and demand optimization; carbon emission mechanism

2017-06-16

河北省高等学校自然科学研究青年基金项目(QN20131041)、 燕山大学青年教师自主研究计划课题研究项目(15LGA005)

崔明勇(1976-)， 男， 江西籍， 副教授， 博士， 研究方向为微电网的分析与控制；王楚通(1994-)， 男， 山西籍， 硕士研究生， 研究方向为微电网优化运行(通讯作者)。

10.12067/ATEEE1706041

1003-3076(2017)12-0030-09

TM732