考虑多负荷聚集商参与的系统日前-日内分层优化调度策略

doi:10.3969/j.issn.1000-7229.2019.12.009

摘要/Abstract

摘要： 需求响应（demand response，DR）技术是系统削峰填谷，提高运行经济性和风电消纳的重要手段。针对风电和需求侧资源的时间特性，考虑到电网调度层和负荷聚集商（load aggregator，LA)之间主从博弈的关系，建立了多负荷聚集商参与的日前-日内分层优化调度模型。针对日前风电和价格型需求响应(price-based demand response， PDR)资源的不确定性，采用基于场景和模糊机会约束相结合的方法建立日前调度模型；针对日内多聚集商参与系统运行，采用目标级联分析(analytical target cascading，ATC)法对日内模型解耦，实现了各部分的并行求解。文章算例中通过对PDR和负荷聚集商的调度分别使系统综合运行成本降低了4.5%和6%，且各负荷聚集商收益均高于最低收益率8%，说明所提出的分层优化调度策略能在减小系统综合经济成本的同时保证各负荷聚集商的收益，且在一定程度上增强了系统的调峰能力。

关键词: 需求响应（DR）, 负荷聚集商（LA）, 主从博弈, 目标级联分析（ATC）

Abstract: Demand response (DR) has been an important mean for peaking adjustment， operation economy raising and wind curtailment reduction. Considering the time characteristics of wind power and demand-side resources， as well as the stackelberg game between power grid dispatch and load aggregators (LAs)， this paper establishes a two-stage hierarchical dispatch model. In this paper， a fuzzy chance constraint programming is used to deal with the uncertainties of wind power， loads and demand-side resources. Aiming at hierarchical distributed intra-day model with multiple load aggregators， this paper adopts analytical target cascading (ATC) in model decoupling， and the parallel solution of each part is realized. The test results show that the costs of power system has been decreased to 95.5% and 94% by dispatching DR and LAs， respectively， while each LA earnings have been increased more than 8%， which means the proposed strategy can enhance economy of power system and take all load aggregators earnings into account， and promote wind power accommodation as well.

Key words: demand response (DR), load aggregator (LA), stackelberg game, analytical target cascading (ATC)

中图分类号:

TM 73

李凌昊，邱晓燕，张楷，刘梦依，赵长枢. 考虑多负荷聚集商参与的系统日前-日内分层优化调度策略[J]. 电力建设, 2019, 40(12): 70-79.

LI Linghao， QIU Xiaoyan， ZHANG Kai， LIU Mengyi， ZHAO Changshu. Day-Ahead and Intra-day Time Scale Hierarchical Dispatch Strategy for Power System Considering Load Aggregators[J]. Electric Power Construction, 2019, 40(12): 70-79.

参考文献

［1］彭波，陈旭，徐乾耀，等. 面向新能源消纳的电网规划方法初探［J］. 电网技术， 2013， 37(12): 3386-3391.
PENG Bo， CHEN Xu， XU Qianyao， et al. Preliminary research on power grid planning method aiming at accommodating new energy［J］. Power System Technology， 2013， 37(12): 3386-3391.
［2］徐筝，孙宏斌，郭庆来. 综合需求响应研究综述及展望［J］. 中国电机工程学报， 2018， 38(24): 7194-7205.
XU Zheng， SUN Hongbin， GUO Qinglai. Review and prospect of integrated demand response［J］. Proceedings of the CSEE， 2018， 38(24): 7194-7205.
［3］罗纯坚，李姚旺，许汉平，等. 需求响应不确定性对日前优化调度的影响分析［J］. 电力系统自动化， 2017， 41(5): 22-29.
LUO Chunjian， LI Yaowang， XU Hanping， et al. Influence of demand response uncertainty on day-ahead optimization dispatching［J］. Automation of Electric Power Systems， 2017， 41(5): 22-29.
［4］孙宇军，王岩，王蓓蓓，等. 考虑需求响应不确定性的多时间尺度源荷互动决策方法［J］. 电力系统自动化， 2018， 42(2): 106-113， 159.
SUN Yujun， WANG Yan， WANG Beibei， et al. Multi-time scale decision method for source-load interaction considering demand response uncertainty［J］. Automation of Electric Power Systems， 2018， 42(2): 106-113， 159.
［5］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): 4589-4600.
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): 4589-4600.
［6］张晓辉，赵翠妹，梁军雪，等. 考虑发用电双侧不确定性的电力系统鲁棒模糊经济调度［J］. 电力系统自动化， 2018， 42(17): 67-78.
ZHANG Xiaohui， ZHAO Cuimei， LIANG Junxue， et al. Robust fuzzy scheduling of power systems considering bilateral uncertainties of generation and demand side［J］. Automation of Electric Power Systems， 2018， 42(17): 67-78.
［7］张晨. 售电放开政策下电力交易多方主体利益分析模型研究［D］. 北京: 华北电力大学， 2016.
ZHANG Chen. Benefit equilibrium model of multi-stakeholders in an open retail market［D］. Beijing: North China Electric Power University， 2016.
［8］高赐威，李倩玉，李慧星，等. 基于负荷聚合商业务的需求响应资源整合方法与运营机制［J］. 电力系统自动化， 2013， 37(17): 78-86.
GAO Ciwei， LI Qianyu， LI Huixing， et al. Methodology and operation mechanism of demand response resources integration based on load aggregator［J］. Automation of Electric Power Systems， 2013， 37(17): 78-86.
［9］YANG X P， GUO G. Source-load joint multi-objective optimal scheduling for promoting wind power， photovoltaic accommodation［J］. Journal of Renewable and Sustainable Energy， 2017， 9(6): 5507.
［10］李博嵩，王旭，蒋传文，等. 广泛负荷聚集商市场策略建模及风险效益分析［J］. 电力系统自动化， 2018， 42(16): 119-126.
LI Bosong， WANG Xu， JIANG Chuanwen， et al. Market strategy modeling and risk profit analysis of demand-side resource aggregator［J］. Automation of Electric Power Systems， 2018， 42(16): 119-126.
［11］马燕峰，陈磊，李鑫，等. 基于机会约束混合整数规划的风火协调滚动调度［J］. 电力系统自动化， 2018， 42(5): 127-132， 175.
MA Yanfeng， CHEN Lei， LI Xin， et al. Rolling dispatch of wind-coal coordinated system based on chance-constrained mixed integer programming［J］. Automation of Electric Power Systems， 2018， 42(5): 127-132， 175.
［12］娄素华，胡斌，吴耀武，等. 碳交易环境下含大规模光伏电源的电力系统优化调度［J］. 电力系统自动化， 2014， 38(17): 91-97.
LOU Suhua， HU Bin， WU Yaowu， et al. Optimal dispatch of power system integrated with large scale photovoltaic generation under carbon trading environment［J］. Automation of Electric Power Systems， 2014， 38(17): 91-97.
［13］孙建军，张世泽，曾梦迪，等. 考虑分时电价的主动配电网柔性负荷多目标优化控制［J］. 电工技术学报， 2018， 33(2): 401-412.
SUN Jianjun， ZHANG Shize， ZENG Mengdi， et al. Multi-objective optimal control for flexible load in active distribution network considering time-of-use tariff［J］. Transactions of China Electrotechnical Society， 2018， 33(2): 401-412.
［14］文刚，翁维华，赵岩，等. 考虑负荷聚集商参与的源荷互动双层优化模型［J］. 电网技术， 2017， 41(12): 3956-3963.
WEN Gang， WENG Weihua， ZHAO Yan， et al. A bi-level optimal dispatching model considering source-load interaction integrated with load aggregator［J］. Power System Technology， 2017， 41(12): 3956-3963.
［15］刘宝碇，赵瑞清，王纲. 不确定规划及应用［M］. 北京: 清华大学出版社， 2003.
［16］MICHELENA N， PARK H， PAPALAMBROS P Y. Convergence properties of analytical target cascading［J］. AIAA Journal， 2003， 41(5): 897-905.
［17］谢敏，吉祥，柯少佳，等. 基于目标级联分析法的多微网主动配电系统自治优化经济调度［J］. 中国电机工程学报， 2017， 37(17): 4911-4921.
XIE Min， JI Xiang， KE Shaojia， et al. Autonomous optimized economic dispatch of active distribution power system with multi-microgrids based on analytical target cascading theory［J］. Proceedings of the CSEE， 2017， 37(17): 4911-4921.
［18］朱涛，朱建全，刘明波，等. 含风电场电力系统的动态经济调度分散随机优化方法［J］. 电力系统自动化， 2017， 41(11): 48-54.
ZHU Tao， ZHU Jianquan， LIU Mingbo， et al. Decentralized stochastic optimization method for dynamic economic dispatch of power system with wind farms［J］. Automation of Electric Power Systems， 2017， 41(11): 48-54.
［19］任建文，许英强. 考虑风电不确定性的互联电力系统分散协调调度模型［J］. 电力系统自动化， 2018， 42(16): 41-47， 160.
REN Jianwen， XU Yingqiang. Decentralized coordinated scheduling model of interconnected power systems considering wind power uncertainty［J］. Automation of Electric Power Systems， 2018， 42(16): 41-47， 160.
［20］王宜举，修乃华. 非线性最优化理论与方法［M］. 北京: 科学出版社， 2012.

[1]	袁桂丽，董金凤，魏更，贾新潮. 基于需求响应和多能互补的冷热电联产微网优化调度[J]. 电力建设, 2019, 40(9): 64-72.
[2]	宋杰，陈振宇，杨阳，张凯恒，张卫国，朱庆，徐青山. 考虑资源相关性和不确定性的负荷需求响应决策研究[J]. 电力建设, 2019, 40(6): 132-138.
[3]	邓强，詹红霞，杨孝华，梅哲，张豪，朱金龙. 直购电背景下利用储能配合旋转备用的风电并网容量优化[J]. 电力建设, 2019, 40(4): 98-109.
[4]	董军，聂麟鹏，聂仕麟，杨培文，付安媛，黄辉. 考虑需求响应与风电不确定性的两阶段鲁棒旋转备用容量优化模型[J]. 电力建设, 2019, 40(11): 55-64.
[5]	林鸿基，闫园，文福拴，胡嘉骅，曲昊源，赵铮. 高比例可再生能源电力系统中计及灵活调节产品的实时调度[J]. 电力建设, 2019, 40(10): 18-27.
[6]	魏震波，刘梁豪，关翔友. 计及社交网络关系的社区型能源互联网运营模拟分析[J]. 电力建设, 2019, 40(10): 36-44.
[7]	黄海涛，王岱锋，朱丰泽，王俊伟. 考虑热舒适度的变频空调响应调控策略[J]. 电力建设, 2018, 39(9): 9-17.
[8]	张晴晴，吴倩，李盛伟，白星振. 计及不同需求响应群体的新能源并网系统优化调度[J]. 电力建设, 2018, 39(7): 107-114.
[9]	帅航，艾小猛，仉梦林，杨立滨，李湃，乐零陵，方家琨，文劲宇. 需求响应下基于近似动态规划的气电联合系统经济调度[J]. 电力建设, 2018, 39(11): 1-9.
[10]	黄海涛，朱丰泽，李小玉，王燕，赵文会. 负荷聚合商的多家庭用电能量控制与管理策略 [J]. 电力建设, 2018, 39(1): 54-.
[11]	王哲，杨鹏，刘思源，储真荣，艾芊. 考虑需求响应和多能互补的虚拟电厂协调优化策略[J]. 电力建设, 2017, 38(9): 60-.
[12]	谢畅，王蓓蓓，李然，嵇文路. 基于信用等级的虚拟电厂需求响应效果后评估[J]. 电力建设, 2017, 38(9): 67-.
[13]	李彬, 周秋雁，陈宋宋，崔高颖，祁兵，孙毅. 需求响应业务系统数据分析模型及应用[J]. 电力建设, 2017, 38(9): 88-.
[14]	易琛，任建文，戚建文. 考虑需求响应的风电消纳模糊优化调度研究[J]. 电力建设, 2017, 38(4): 127-.
[15]	刘继春，唐虎，向月，刘俊勇，张铃珠. 考虑多个虚拟发电厂参与的多阶段市场交易方法[J]. 电力建设, 2017, 38(3): 137-.