基于需求側調峰的農村電采暖設備負荷優化控制策略

陸斯悅，及洪泉，徐 蕙，唐皓淞，張 祿，蘇 娟，董彥君，于海波，杜松懷

基于需求側調峰的農村電采暖設備負荷優化控制策略

陸斯悅1，及洪泉1，徐 蕙1，唐皓淞3，張 祿1，蘇 娟2※，董彥君2，于海波2，杜松懷2

（1. 國網北京市電力公司電力科學研究院，北京 100075；2. 中國農業大學信息與電氣工程學院，北京 100083；3.國網北京市電力公司海淀供電公司，北京，100031）

隨著中國北方地區農村清潔能源供暖項目的大力推廣，冬季燃煤取暖污染問題得到了極大的改善。但是大規模煤改電設備的使用，對低壓配電網供電可靠性提出了新的挑戰。挖掘電采暖負荷的需求響應潛力，激勵用戶主動參與電網調峰，是實現資源優化配置和提高配電網供電質量的有效措施之一。該文為了激勵用戶主動參與調峰，實現負荷削峰填谷，提出了基于需求側調峰的農村電采暖設備負荷優化控制策略，設計了第三方公司代理“煤改電”用戶參與調峰市場的市場交易模式，在此交易模式下建立了考慮調峰需求和用戶舒適度的負荷優化控制模型，并在模型中引入用戶分類補償機制，提高用戶參與調峰的主動性。以北京平谷區電采暖用戶負荷數據為例進行仿真分析，結果表明，該文所提方法可以在滿足用戶室溫需求的情況下，實現負荷削峰填谷的作用，分類補償機制對用戶主動參與調峰起到了激勵作用，使用戶和代理公司均獲得收益。

空氣源熱泵；電；采暖；需求響應；削峰填谷；優化控制策略

0 引 言

為了治理環境污染，中國北方地區大力推廣清潔能源供暖工程。2018年7月底，清潔取暖試點城市申報范圍擴展至京津冀及周邊地區大氣污染防治傳輸通道的“2+26”城市[1-2]。2018年底，北京城郊農村地區的電采暖設備安裝已經基本完成[3]。隨著煤改電用戶的快速增長，農村低壓配電網基礎設施改造需求以及電力供需壓力急劇上升。為了緩解電力供需矛盾，鼓勵煤改電用戶積極參與需求響應，實現負荷削峰填谷，提高電網負荷率和運行效率。單個電采暖用戶需求響應容量較小，調峰效果較差，將區域電采暖用戶的需求響應容量聚集起來參與調峰是一種有效解決方案。因此，可對區域電采暖設備進行集中負荷控制，研究其參與電網調峰的需求響應策略。

目前，需求側能量管理的相關研究中，直接負荷控制（Direct Load Control，DLC）方案[4]是研究的熱點。DLC是指在用戶允許的情況下，調度機構依據電網需求，全權控制用戶的設備運行，兼顧用戶的供電質量和生活舒適度，并在實施后由代理公司對參與用戶提供經濟補償[5-6]。

DLC控制策略以系統運行成本最小化或代理公司利潤最大化為目標[7-10]，并兼顧系統運行成本、公司利潤和用戶滿意程度[11-16]，其求解方法從傳統優化算法（例如線性規劃、多目標線性規劃、動態規劃[17-18]、模糊線性規劃[19-23]和模糊動態規劃法等）發展到智能優化算法（例如遺傳算法、多目標進化算法和蟻群算法等）。但是，已有溫控負荷的DLC研究大多針對制冷空調，對于電采暖設備的研究較少。電采暖用戶參與調峰的優化控制策略也鮮有報道。

為了緩解電采暖設備的大規模投入或改造給農村電網帶來的供電能供給的壓力，本文基于考慮農村地區的調峰需求，挖掘需求側可控負荷資源的響應潛力，提出代理公司控制區域電采暖設備參與區域調峰的市場模式，建立代理公司對電采暖負荷的最優控制模型，以最大程度滿足調峰需求和代理公司收益最大化為目標，并考慮電采暖用戶的溫度舒適度需求和用戶可控度差異化補償機制，并以北京平谷區電采暖用戶為例進行仿真分析，驗證所提方法的有效性。

1 區域電采暖設備參與調峰市場模式

電采暖負荷具有快速響應能力，單個用戶的可控容量雖然有限，但隨著電采暖用戶的增加，區域電采暖將形成龐大的可控容量，可以對電采暖用戶進行集中控制，參與調峰市場。

本文調峰市場模式為代理公司集中控制電采暖用戶設備，根據調峰市場投標獲得的調峰量與相應的價格，對合約用戶進行設備集中控制，以滿足調峰需求和公司的收益，并通過經濟補償激勵用戶參與調峰。其中代理公司可以是售電公司、負荷聚合商等第三方機構。由于用戶數量較多，用電需求、舒適度需求、可控時段等均有差異，代理公司可對用戶進行分類管理。為了激勵用戶主動接受代理公司的優化控制策略，參與調峰市場，可采用考慮用戶可控度的差異化補償機制，即根據用戶可控的難易程度采用分類定價的方法給予用戶補償，進一步激勵用戶參與調峰。代理公司控制電采暖設備參與調峰市場的模式如圖1所示。

圖1 區域電采暖設備參與調峰市場模式

在這種市場模式下，有一部分用戶可能不愿意接受調控。因此，為了激勵用戶主動參與調峰，應當開放控制權。本文提出了一種按照用戶可控程度的分類補償機制。以用戶自身用電行為，如室溫、允許受控時段和負荷響應能力等指標對用戶可控度進行劃分。容易控制的用戶，優先調度，且給予較高的補償價格。為了詳細闡述本文所提的負荷優化控制策略，假設已根據可控度指標將用戶劃分為3類，補償價格已知，忽略調峰市場的交易過程。

目前電采暖設備主要有空氣源熱泵、地源熱泵和蓄熱式采暖等[21-22]。北京郊區農村的煤改電項目主要采用空氣源熱泵，因此本文針對空氣源熱泵提出直接負荷控制方法。

2 區域電采暖設備用電負荷優化控制模型

考慮調峰需求和代理公司收益，建立直接負荷控制的多目標優化模型。目標函數包括峰時段電采暖負荷最小，即最大程度滿足調峰需求，根據目前實際運行情況，可集中控制的用戶容量較小，可以滿足部分調峰需求，且忽略了調峰總量約束；代理公司效益最大，即支付的補償費用最小。約束條件包括用戶峰時段功率約束；用戶室溫舒適度約束；用戶可控時段約束。

2.1 目標函數

2.1.1 峰時段用電負荷最小

2.1.2代理公司效益最大

2.2 約束條件

2.2.1 用戶峰時段功率約束

由于模型的設備初始運行負荷是以設備額定功率為限，所以可能比實際運行的負荷峰值還要大，為了避免這一異?，F象，滿足電采暖設備實際運行要求，需要考慮用戶設備的運行約束，即電采暖設備在任意時刻的運行負荷不超過歷史負荷峰值：

2.2.2 溫度約束

空氣源熱泵的溫控模型表征空氣源熱泵的運行狀態，如式（9）所示，需要考慮熱泵自身功率、環境溫度、房屋熱力學參數等[25]。

式中CR為房屋系數（與隔熱等級，體積，墻壁表面積等相關）。

2.2.3 用戶可控時段約束

用戶在與代理公司簽訂合同時提交可控時段條件。代理公司對每個用戶的優化控制時段必須與該用戶簽訂的可控時段一致，即用戶實際受控時段在其允許受控時段范圍內。可控時段約束如式（11）所示。

3 負荷優化控制策略

在代理公司集中控制電采暖負荷參與調峰市場模式下，代理公司對用戶的優化控制主要包括4個步驟：

1）電采暖用戶申報控制條件

電采暖用戶向代理公司提供電采暖設備型號、容量、可控時段、溫度要求、地理位置等信息；

2）簽訂集中控制協議

根據用戶申報的可控條件，對用戶進行分類，并制定分類補償價格；根據各用戶的溫度需求設定統一的舒適溫度。依據分類結果與用戶簽訂集中控制協議；

3）設置集中控制模型初始參數

根據與用戶簽訂的集中控制協議（內容包括室溫需求、設備型號、設備允許受控時段等），以及用戶實際用電環境，設置用戶使用的空氣源熱泵額定功率、室內舒適溫度和用戶房屋熱時間常數等初始參數。

4）生成最優控制方案

本文采用遺傳算法[27-28]對集中控制模型求解，得到最優負荷控制方案，對用戶實施相應的控制手段，并根據最終結果給予用戶補償。

4 算例分析

選取北京平谷區山東莊村20戶電采暖用戶進行仿真分析。根據2019年2月18日的實際負荷及天氣等數據，采用本文提出的區域電采暖設備負荷優化控制策略對空氣源熱泵運行時間進行優化控制仿真分析，并與用戶當天實際運行數據進行對比，對優化控制方案、用戶溫度和代理公司收益進行分析，以驗證本文方法的有效性。

將用戶按照用戶可控度不同分為3組，可控度依次降低，其對應的負荷削減補償價格分別為0.15、0.13和0.10元/kWh。設置初始溫度18 ℃，溫升系數20 ℃，狀態改變閾值2 ℃，熱時間常數120 min，空氣源熱泵額定功率10 kW。將最小負荷控制間隔設定為15 min，一天24 h內共有96個控制時段，設定用戶的舒適溫度為18 ℃。

4.1 最優控制方案

表1 最優控制方案下調控調控時段統計

注：每15 min為1個時段.

Note: Every 15 minutes is a period.

圖2為3組20個用戶在峰時段（10:00-21:00）采用本文控制策略集中控制的負荷仿真結果相對于當日實際負荷的削減量。由圖2可知，各組用戶的負荷平均削減量分別為9.128、7.654和7.347 kWh，依次遞減。峰時段所有電采暖設備的總負荷削減量為159.773 kWh，且每戶的負荷削減量在平均削減量7.989 kWh附近波動，說明模型對于各用戶的控制比較均衡，沒有出現過度控制某個用戶的情況，保證了用戶的正常取暖，同時能很好地實現用戶電采暖設備的有序錯峰用電。

圖3為3組20個用戶執行DLC后的總負荷仿真結果與實際未經過DLC控制的總負荷結果曲線?？梢钥闯觯刂魄昂筘摵汕€的峰谷時段發生了交換，這表明本文所提出的集中控制模型可以很好地實現電采暖設備的錯峰用電，起到對電網削峰填谷的作用。

圖2 峰時段各組用戶的負荷削減量

圖3 集中控制前后的用電負荷曲線

4.2 室內溫度分析

根據最優控制方案計算結果得到最優調度時20個用戶的平均室溫變化曲線，如圖4所示。根據《北京市居民供熱采暖合同（按面積計費版）》，當室外日平均氣溫在-7 ℃以上時，臥室、起居室溫度應不低于18 ℃，故設置用戶舒適溫度為18 ℃，即圖4中虛線區域。

圖4 受控用戶的平均室內溫度變化曲線

Fig4 Average indoor temperature change curve of controlled users

4.3 代理公司收益分析

本文以代理公司收益最大化和調峰需求作為目標函數進行電采暖用戶的集中優化控制。將本文方法與僅考慮調峰需求作為目標函數的集中優化控制模型進行對比，得出代理公司在2種控制策略下應支付的補償費用，結果如表2所示。

由表2可知，不考慮效益目標時，代理公司每日支付的補償費用均高于考慮經濟效益的補償費用。實施DLC控制后，代理公司應支付給20個用戶的總補償費用為63.514元，若不考慮代理公司經濟效益目標并進行DLC模型控制，代理公司的補償支出應為93.241元，考慮經濟效益目標后單日補償費用可節省31.9%。因此，在實施DLC計劃前，考慮代理公司的效益因素對減少補償費用支出是十分必要的。

表2 2種控制策略下的代理公司補償費用對比

5 結 論

本文針對空氣源熱泵采暖設備，提出了區域電采暖設備參與調峰的用電負荷優化控制策略，提出了代理公司集中控制電采暖用戶參與調峰市場模式以及在該模式下代理公司根據用戶可控度的分類補償機制。在此模式下，建立了考慮用戶舒適度的負荷集中優化控制模型。

1）城鄉居民采暖設備進行電代煤改造是京津冀地區藍天保衛戰的措施之一。為了緩解大量電采暖負荷的增加帶來的電力供需壓力，可發揮電采暖負荷的快速響應能力，引導區域電采暖負荷主動調峰需求響應。

2）以北京平谷區電采暖用戶負荷數據為例，進行仿真分析。結果表明，用戶用電曲線的峰谷發生了變化，起到了削峰填谷的作用，可以緩解上級電網的峰荷時段壓力；用戶室內溫度在（18±1）℃范圍波動，滿足冬季取暖的舒適溫度需求；考慮代理公司收益最大化，對20個用戶的單日補償費用可節省31.9%；考慮用戶可控度的分類補償機制，使可控度最高的用戶獲得收益補償最多，可以起到激勵用戶主動參與調峰需求響應的作用。

[1] 蔣建云，章永潔，葉建東，等. 北京農村地區燃煤供暖替代技術方案實效對比[J]. 暖通空調，2016，46(9)：51-55. Jiang Jianyun, Zhang Yongjie, Ye Jiandong, et al. Effectiveness comparision and analysis of alternative solutions to coal-fired heating in rural Beijing[J]. Heating Ventilating & Air Conditioning, 2016, 46(9): 51-55. (in Chinese with English abstract)

[2] 王紅霞. 燃煤鍋爐房清潔能源改造工程的技術探討[J]. 區域供熱，2013(1)：43-47. Wang Hongxia. Technical discussion on clean energy reconstruction project of coal-fired boiler house[J]. District Heating, 2013(1): 43-47. (in Chinese with English abstract)

[3] 王青平. 農村住宅空氣源熱泵供暖系統應用與探討[J]. 制冷與空調，2017(3)：77-80. Wang Qingping. Application and discussion of air source heat pump heating system in rural residential buildings[J], Refrigeration and Air-Conditioning, 2017(3): 77-80. (in Chinese with English abstract)

[4] Strbac G, Kirschen D. Assessing the competitiveness of semand-side bidding[J]. IEEE Transactions on Power Systems, 1999, 14(1): 120-125.

[5] Le K D, Boyle R F, Hunter M D, et al. A procedure for coordinating direct-load-control strategies to minimize system production costs[J]. Power Apparatus & Systems IEEE Transactions on, 1983, 102(6): 1843-1849.

[6] Bhatnagar R, Rahman S. Dispatch of direct load control for fuel cost minimization[J]. IEEE Transactions on Power Systems, 1986, 1(4): 96-102.

[7] Yu Zuwei, Breipohl A M, Lee F N, et al. An analytical method for comparing natural diversity to DSM controlled diversity[J]. IEEE Transactions on Power Systems, 1996, 11(3): 1201-1208.

[8] 曹世光，李衛東，柳焯，等. 計及直接負荷控制的動態優化調度模型[J].中國電機工程學報，1998(3)：160-162. Cao Shiguang, Li Weidong, Liu Zhuo, et al. Model of dynamic optimal dispatch considering direct load control[J], Proceedings of the CSEE, 1998(3)：160-162. (in Chinese with English abstract)

[9] Kah Hoe Ng, Sheble G B. A profit-based load management using linear programming[J]. IEEE Transactions on Power Systems, 1998, 13(2): 688-694.

[10] Yang H T, Huang K Y. Direct load control using fuzzy dynamic programming[J]. IEEE Proceedings-Generation, Transmission and Distribution, 1999, 146(3): 294-300.

[11] Jorge H, Antunes C H, Martins A G. A multiple objective decision support model for the selection of remote load control strategies[J]. IEEE Transactions on Power Systems, 2002, 15(2): 865-872.

[12] Leehter Yao, Chang Wenchi, Yen Rongliang. An iterative deepening genetic algorithm for scheduling of direct load control[J]. IEEE Transactions on Power Systems, 2005, 20(3): 1414-1421.

[13] Karthik Sindhya, Ana Belen Ruiz, Kaisa Miettinen. A preference based interactive evolutionary algorithm for multi-objective optimization: PIE[J]. Springer Berlin Heidelberg, 2011, 6579: 212-225.

[14] Andreea Vescan, Crina Grosan. A hybrid evolutionary multiobjective approach for the component selection problem[J]. Springer Berlin Heidelberg, 2008, 5271: 164-171.

[15] 趙慶杞，黎明，張化光. 基于蟻群算法的靈敏負荷調度[J]，中國電機工程學報，2006，26(Z1)：15-21. Zhao Qingqi, Li Ming, Zhang Huaguang. Dispatching strategy of responsive load using ant colony algotithm[J], Proceedings of the CSEE, 2006, 26(Z1): 15-21. (in Chinese with English abstract)

[16] Molina, Gabaldon A, Fuentes J A, et al. Implementation and assessment of physically based electrical load models: Application to direct load control residential programmes[J]. IEEE Proceedings-Generation, Transmission and Distribution, 2003, 150(1): 61-66.

[17] Leehter Yao, Hau Ren Lu. Optimization of two-way direct load control based on fuzzy linear programming[C]. Hongkong: IEEE International Conference on Fuzzy Systems, 2008: 1894-1901.

[18] Leehter Yao and Hau Ren Lu.A two-way direct control of central air-conditioning load via the internet[J]. IEEE Transactions on Power Delivery, 2009, 24(1): 240-248.

[19] 許道林，謝松. 基于模糊線性規劃的居民直接負荷控制[J]，電力需求側管理，2007，9(1)：15-18. Xu Daolin, Xie Song. Direct residential load control based on fuzzy linear programming[J]. Power Demand Side Management 2007, 9(1):15-18. (in Chinese with English abstract)

[20] 唐為民，王蓓蓓，施偉. 基于模糊動態規劃的直接負荷控制策略研究[J].中國電力，2003，36(8)：24-28. Tang Weimin,Wang Beibei,Shi Wei. The strategy researeh of direct load control based on fuzzy dynamic program[J], Electric Power, 2003，36(8)：24-28. (in Chinese with English abstract)

[21] 王美芝，薛曉柳，劉繼軍等. 不同節能改造方式豬舍的供暖能耗和經濟性比較[J]. 農業工程學報，2018，34(13)：218-224. Wang Meizhi, Xue Xiaoliu, Liu Jijun, et al. Comparison of heating energy consumption and economy of pig house with different energy saving renovation measures[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(13): 218- 224. (in Chinese with English abstract)

[22] 王美芝，劉繼軍，吳中紅，等. 地源熱泵技術對規模化豬場節能減排的影響[J]. 農業工程學報，2011，27(4)：251-254. Wang Meizhi, Liu Jijun, Wu Zhonghong, et al. Effect of ground-source heat pump applied to piggery on energy saving and emission reduction[J]. Transactions of the CSAE, 2011, 27(4): 251-254. (in Chinese with English abstract)

[23] 叢宏斌，趙立欣，王久臣，姚宗路. 中國農村能源生產消費現狀與發展需求分析[J]. 農業工程學報，2017，33(17)：224-231. Cong Hongbin, Zhao Lixin, Wang Jiuchen, et al. Current situation and development demand analysis of rural energy in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(17): 224-231. (in Chinese with English abstract)

[24] 鄧可蘊，王革華，賀亮. 農村能源發展戰略重點與技術的選擇評價[J]. 農業工程學報，1997(3)：185-188. Deng Keyun, Wang Gehua, He Liang. Selection and evaluation of focal points and technologies on rural energy development strategy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 1997(3):185-188. (in Chinese with English abstract)

[25] 叢宏斌，趙立欣，孟海波，等. 生物質熱解多聯產在北方農村清潔供暖中的適用性評價[J]. 農業工程學報，2018，34(1)：8-14. Cong Hongbin, Zhao Lixin, Meng Haibo, et al. Applicability evaluation of biomass pyrolytic poly-generation technology on clean heating in northern rural of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(1): 8-14. (in Chinese with English abstract)

[26] Ucak C, Caglar R. The effects of load parameter dispersion and direct load control actions on aggregated load[J]. International Conference on Power System Technology Proceedings, 1998, 280-284

[27] 林龍成. 基于遺傳算法的改進K-means算法[J/OL]. 電子技術與軟件工程，2020(1)：111-112. Lin Longcheng. Improved K-means algorithm based on genetic algorithm[J/OL]. Electronic Technology & Software Engineering, 2020(1)：111-112. (in Chinese with English abstract)

[28] 吉根林. 遺傳算法研究綜述[J]. 計算機應用與軟件，2004，21(2). Ji Genlin. A review of research on genetic algorithms[J], Computer Applications anSoftware, 2004, 21(2). (in Chinese with English abstract)

Optimal load control strategy of rural electric heating equipments based on demand side peak load regulation

Lu Siyue1, Ji Hongquan1, Xu Hui1,Tang Haosong3, Zhang Lu1, Su Juan2※, Dong Yanjun2, Yu Haibo2, Du Songhuai2

(1.,,100075,; 2.,,100083,3.100031,)

With the implementation of clean energy heating project in rural areas of northern China, the pollution of coal-fired heating in winter has been greatly improved. However, the use of large-scale electric heating equipment put forward new challenges to the power supply reliability of low-voltage distribution network. Especially in rural power grid, the load is heavy in winter and low in other seasons. It is one of the effective measures to achieve optimal resource allocation and improve the power supply quality of the distribution grid to exploit the demand response potentialities of electric heating loads, and motivate electric heating loads to actively respond to demand response programs (DRP) for peak-load shifting. Therefore, a load optimal control strategy for rural electric heating equipments based on demand side peak load regulation was proposed in this paper. A market transaction model was designed for third-party agency companies to represent coal-to-electricity users in the peak shaving market. The agency company made the centrally control strategies of electric heating users’ equipment according to the peak shaving volume and corresponding price obtained from the peak shaving market bidding. The electric heating users were classified based on the controllability of each user by the agency company. Each kinds of users could get different compensation price to encourage them to participate in the demand response programs for peak-load shifting. In this market model, a multi-objective optimization model was established to control the users’ air source heat pump. The goals of the optimization model were to meet the user's temperature demands to the maximum extent and to maximize the benefit of the agent company. Meanwhile, user's comfort requirements for indoor temperature were considered in this model, and the user classification compensation mechanism was introduced to improve the user's initiative to participate in peak load regulation. Taking the load data of electric heating users in Pinggu District of Beijing as an example, the simulation analysis was carried out. The results show that the total load reduction of all electric heating equipment was 159.773 kWh, there was no over-control for anyone user, the load reduction of each user fluctuated around average reduction of 7.989 kWh, the peak valley of the user's power consumption curve was changed, the optimal control strategy proposed in this paper played the role of peak load reduction and valley filling, which can relieve the pressure of the upper power grid during peak load period. The indoor temperature of the users was (18±1) ℃, which meet the demand of comfortable temperature for heating in winter. Compared with the target of not considering the benefit, the one-day compensation cost of the agency company was saved 31.9%, and the users with the highest degree of control got the most compensation income, the peak load regulation strategy could encourage the users to participate in the peak load regulation actively.

air source heat pump; electricity; heating; demand response; peak-load shifting; optimal control strategy

陸斯悅，及洪泉，徐蕙，等. 基于需求側調峰的農村電采暖設備負荷優化控制策略[J]. 農業工程學報，2020，36(7)：229－234. doi：10.11975/j.issn.1002-6819.2020.07.026 http://www.tcsae.org

Lu Siyue, Ji Hongquan, Xu Hui, et al. Optimal load control strategy of rural electric heating equipments based on demand side peak load regulation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(7): 229－234. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.07.026 http://www.tcsae.org

2019-11-04

2020-03-06

國家自然科學基金青年科學基金項目課題（51707197）；“十三五”國家重點研發計劃項目（2016YFB0900101）

陸斯悅，工程師，研究方向為電力大數據分析。Email：lusiyue2006@126.com

蘇娟，博士，副教授，主要研究方向電力市場、電力需求側管理等。Email：sujuan@cau.edu.cn

10.11975/j.issn.1002-6819.2020.07.026

S147.2

A

1002-6819(2020)-07-0229-06