基于模糊激励型需求响应的微电网两阶段优化调度模型

doi:10.12204/j.issn.1000-7229.2020.05.005

摘要/Abstract

摘要： 针对微电网中风电和负荷不确定性，提出一种基于价格型需求响应（price-based demand response，PBDR）的日前负荷调度和基于激励型需求响应（incentive-based demand response，IBDR）的实时负荷调度的两阶段优化调度模型。在日前阶段，根据用户需求对电价的响应，引入需求价格弹性建立了用户响应模型；在实时调度阶段，为了挖掘不同用户参与需求响应的积极性，利用模糊工具求出不同用户的动态激励方案，提高需求响应项目的参与度。算例分析结果表明，两阶段调度模型相较于只采用日前价格型需求响应提高了风电消纳能力，增加了电网和用户的经济效益；而较于只采用实时激励型需求响应增强了削峰填谷作用，提高系统运行的平稳性。同时动态激励价格比固定式激励价格使负荷曲线峰谷差更小，进一步减少了弃风量。

关键词: 不确定性, 需求响应, 两阶段, 风电消纳, 经济效益

Abstract: Aiming at the uncertainty of wind power and load in microgrid， a two-stage optimal scheduling model based on price demand response and incentive demand response is proposed. In the day-ahead stage， according to the response of the user's demand to the electricity price， the user's response model is established by introducing the demand price elasticity. In the real-time scheduling stage， in order to mine the corresponding enthusiasm of different users to participate in the demand， the dynamic incentive schemes of different users are calculated by using the fuzzy tools to improve the participation of demand-response projects. The analysis results show that the two-stage scheduling model can not only improve the stability of the system operation， effectively solve the problem of wind power accommodation， but also increase the economic benefits of the grid and users.

Key words: uncertainty, demand response, two-stage, wind power accommodation, economic benefit

中图分类号:

TM 73

都成，魏震波. 基于模糊激励型需求响应的微电网两阶段优化调度模型[J]. 电力建设, 2020, 41(5): 37-44.

DU Cheng，WEI Zhenbo. Two-Stage Optimal Dispatching Model of Microgrid Based on Fuzzy Incentive Demand Response[J]. Electric Power Construction, 2020, 41(5): 37-44.

参考文献

［1］刘一欣，郭力，王成山. 微电网两阶段鲁棒优化经济调度方法［J］. 中国电机工程学报， 2018， 38(14): 4013-4022.
LIU Yixin， GUO Li， WANG Chengshan. Economic dispatch of microgrid based on two stage robust optimization［J］. Proceedings of the CSEE， 2018， 38(14): 4013-4022.
［2］侯慧，薛梦雅，陈国炎，等. 计及电动汽车充放电的微电网多目标分级经济调度［J］. 电力系统自动化， 2019， 43(17): 55-62.
HOU Hui， XUE Mengya， CHEN Guoyan， et al. Multi-objective hierarchical economic dispatch for microgrid considering charging and discharging of electric vehicles［J］. Automation of Electric Power Systems， 2019， 43(17): 55-62.
［3］徐乾耀，康重庆，江长明，等. 多时空尺度风电消纳体系初探［J］. 电力系统保护与控制， 2013， 41(1): 28-32.
XU Qianyao， KANG Chongqing， JIANG Changming， et al. Preliminary analysis on wind power accommodation system from multiple temporal and spatial scale perspective［J］. Power System Protection and Control， 2013， 41(1): 28-32.
［4］牛东晓，李建锋，魏林君，等. 跨区电网中风电消纳影响因素分析及综合评估方法研究［J］. 电网技术， 2016， 40(4): 1087-1093.
NIU Dongxiao， LI Jianfeng， WEI Linjun， et al. Study on technical factors analysis and overall evaluation method regarding wind power integration in trans-provincial power grid［J］. Power System Technology， 2016， 40(4): 1087-1093.
［5］卢鹏铭，温步瀛，江岳文. 基于多时间尺度协调机组组合的含风电系统旋转备用优化研究［J］. 电力系统保护与控制， 2015， 43(5): 94-100.
LU Pengming， WEN Buying， JIANG Yuewen. Study on optimization of spinning reserve in wind power integrated power system based on multiple timescale and unit commitment coordination［J］. Power System Protection and Control， 2015， 43(5): 94-100.
［6］ MAZIDI M， ZAKARIAZADEH A， JADID S， et al. Integrated scheduling of renewable generation and demand response programs in a microgrid［J］. Energy Conversion and Management， 2014， 86: 1118-1127.
［7］ ZAKARIAZADEH A， JADID S， SIANO P. Smart microgrid energy and reserve scheduling with demand response using stochastic optimization［J］. International Journal of Electrical Power & Energy Systems， 2014， 63: 523-533.
［8］江岳春，王志刚，杨春月，等. 微网中可控负荷的多目标优化策略［J］. 电网技术， 2013， 37(10): 2875-2880.
JIANG Yuechun， WANG Zhigang， YANG Chunyue， et al. Multi-objective optimization strategy of controllable load in microgrid［J］. Power System Technology， 2013， 37(10): 2875-2880.
［9］陈冉，杨超，沈冰，等. 基于微电网的需求响应优化策略［J］. 电力系统保护与控制， 2018， 46(11): 124-130.
CHEN Ran， YANG Chao， SHEN Bing， et al. Micro-grid based demand response optimization policy［J］. Power System Protection and Control， 2018， 46(11): 124-130.
［10］张有兵，任帅杰，杨晓东，等. 考虑价格型需求响应的独立型微电网优化配置［J］. 电力自动化设备， 2017， 37(7): 55-62.
ZHANG Youbing， REN Shuaijie， YANG Xiaodong， et al. Optimal configuration considering price-based demand response for stand-alone microgrid［J］. Electric Power Automation Equipment， 2017， 37(7): 55-62.
［11］李姚旺，苗世洪，刘君瑶，等. 考虑需求响应不确定性的光伏微电网储能系统优化配置［J］. 电力系统保护与控制， 2018， 46(20): 69-77.
LI Yaowang， MIAO Shihong， LIU Junyao， et al. Optimal allocation of energy storage system in PV micro grid considering uncertainty of demand response［J］. Power System Protection and Control， 2018， 46(20): 69-77.
［12］ SHAHRYARI E， SHAYEGHI H， MOHAMMADI-IVATLOO B， et al. An improved incentive-based demand response program in day-ahead and intra-day electricity markets［J］. Energy， 2018， 155: 205-214.
［13］马国龙，蔡泽祥，刘平. 考虑电价激励需求响应下多主体微电网电源容量优化［J］. 电力自动化设备， 2019， 39(5): 96-102， 108.
MA Guolong， CAI Zexiang， LIU Ping. Power capacity optimization of microgrid with multiple subjects considering price incentive demand response［J］. Electric Power Automation Equipment， 2019， 39(5): 96-102， 108.
［14］肖斐，艾芊. 基于模型预测控制的微电网多时间尺度需求响应资源优化调度［J］. 电力自动化设备， 2018， 38(5): 184-190.
XIAO Fei， AI Qian. Multiple time-scale optimal dispatch of demand response resource for microgrid based on model predictive control［J］. Electric Power Automation Equipment， 2018， 38(5): 184-190.
［15］刘宝林，周少雄，陈燿圣，等. 计及多时间尺度需求响应资源的微电网能量优化调度策略［J］. 电力建设， 2018， 39(8): 9-17.
LIU Baolin， ZHOU Shaoxiong， CHEN Yaosheng， et al. Optimal energy dispatching strategy for microgrid considering multi-scale demand response resources［J］. Electric Power Construction， 2018， 39(8): 9-17.
［16］李春燕，陈骁，张鹏，等. 计及风电功率预测误差的需求响应多时间尺度优化调度［J］. 电网技术， 2018， 42(2): 487-494.
LI Chunyan， CHEN Xiao， ZHANG Peng， et al. Multi-time-scale demand response dispatch considering wind power forecast error［J］. Power System Technology， 2018， 42(2): 487-494.
［17］王文华，唐永伟，张少华，等. 电力需求响应的激励性补偿方法比较［J］. 电力需求侧管理， 2010， 12(6): 12-15， 23.
WANG Wenhua， TANG Yongwei， ZHANG Shaohua， et al. Comparison of incentive compensation methods in power demand response［J］. Power Demand Side Management， 2010， 12(6): 12-15， 23.
［18］ GADHAM K R， GHOSE T. Design of incentive price for voluntary Demand Response Programs using fuzzy system［C］//2016 International Conference on Electrical Power and Energy Systems (ICEPES). Bhopal， India: IEEE， 2016.
［19］范高锋，王伟胜，刘纯，等. 基于人工神经网络的风电功率预测［J］. 中国电机工程学报， 2008， 28(34): 118-123.
FAN Gaofeng， WANG Weisheng， LIU Chun， et al. Wind power prediction based on artificial neural network［J］. Proceedings of the CSEE， 2008， 28(34): 118-123.
［20］ YOUSEFI S， MOGHADDAM M P， MAJD V J. Optimal real time pricing in an agent-based retail market using a comprehensive demand response model［J］. Energy， 2011， 36(9): 5716-5727.
［21］汪光阳. 基于模糊工具箱和SIMULINK的模糊控制系统计算机仿真［J］. 安徽工业大学学报， 2001， 18(1): 57-61.
WANG Guangyang. Computer simulation of fuzzy control system based on fuzzy toolbox and SIMULINK［J］. Journal of East China University of Metallargy， 2001， 18(1): 57-61.
［22］包宇庆，王蓓蓓，李扬，等. 考虑大规模风电接入并计及多时间尺度需求响应资源协调优化的滚动调度模型［J］. 中国电机工程学报， 2016， 36(17): 4589-4599.
BAO Yuqing， WANG Beibei， LI Yang， et al. Rolling dispatch model considering wind penetration and multi-scale demand response resources［J］. Proceedings of the CSEE， 2016， 36(17): 4589-4599.
［23］陈俊生. 面向智能用电的需求响应技术及家庭用户用电策略研究［D］. 重庆: 重庆大学， 2014.
CHEN Junsheng. Research on demand response and electricity consumption strategy of residential consumers with smart power consumption oriented［D］. Chongqing: Chongqing University， 2014.
［24］周保荣，黄廷城，张勇军. 计及激励型需求响应的微电网可靠性分析［J］. 电力系统自动化， 2017， 41(13): 70-78.
ZHOU Baorong， HUANG Tingcheng， ZHANG Yongjun. Reliability analysis on microgrid considering incentive demand response［J］. Automation of Electric Power Systems， 2017， 41(13): 70-78.

[1]	王瀚琳, 刘洋, 许立雄, 陈贤邦, 谭思维. 考虑风电消纳的区域多微网分层协调优化模型[J]. 电力建设, 2020, 41(8): 87-98.
[2]	尚慧玉, 林鸿基, 李忠憓, 赵宏伟, 陈明辉, 阳曾, 文福拴. 计及不确定性的移动应急电源鲁棒优化调度[J]. 电力建设, 2020, 41(8): 111-119.
[3]	郑惠萍, 曾鹏, 刘新元, 程雪婷, 薄利明, 杨尉薇, 张一帆, 崔杨. 基于误差前馈预测的多时空尺度风电集群有功功率分层控制策略[J]. 电力建设, 2020, 41(8): 120-128.
[4]	李恒强，王骏，蒋星燃，匡仲琴，徐石明，杨永标. 面向电网调峰辅助服务的空调负荷调控策略及其虚拟机组建模[J]. 电力建设, 2020, 41(7): 49-57.
[5]	张浩禹，邱晓燕，周晟锐，赵有林，李凌昊，张楷 . 基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型[J]. 电力建设, 2020, 41(7): 82-91.
[6]	赵晨，何宇俊，罗钢，龚超，赵越，张轩，陈启鑫. 基于泛在互联的虚拟电厂参与实时市场模型[J]. 电力建设, 2020, 41(6): 36-43.
[7]	陈曦，徐青山，杨永标. 考虑风电不确定性的CCHP型微网日前优化经济调度[J]. 电力建设, 2020, 41(6): 107-113.
[8]	苏俊妮，张鑫，赵俊炜，张锐，曲明辉，杨艳红. 计及需求响应和储能的电-气综合能源系统优化调度[J]. 电力建设, 2020, 41(5): 1-8.
[9]	林紫菡，蒋晨威，陈明辉，尚慧玉，赵宏伟，阳曾，王一铮，文福拴. 计及柔性负荷的综合能源系统低碳经济运行[J]. 电力建设, 2020, 41(5): 9-18.
[10]	李鹏，杨莘博，李慧璇，田春筝，李锰，谭忠富. 计及多能源多需求响应手段的园区综合能源系统优化调度模型[J]. 电力建设, 2020, 41(5): 45-57.
[11]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[12]	许志恒，张勇军，余兆荣，王玕. 考虑激励型需求侧响应的电-气互联系统两阶段随机优化调度[J]. 电力建设, 2020, 41(4): 81-89.
[13]	王李龑，许强，黄开艺，吴健，艾芊，张亚新，贾轩. 计及新能源及负荷不确定性的多能微网系统两阶段随机规划方法[J]. 电力建设, 2020, 41(4): 100-108.
[14]	张军六，樊伟，谭忠富，鞠立伟，德格吉日夫，杨莘博，孙婧霞. 计及需求响应的气电互联虚拟电厂多目标调度优化模型[J]. 电力建设, 2020, 41(2): 1-10.
[15]	周洪益，钱苇航，柏晶晶，卫志农，孙国强，臧海祥. 能源区块链的典型应用场景分析及项目实践[J]. 电力建设, 2020, 41(2): 11-20.