民用可控負荷參與需求響應的控制策略

王燕，楊秀媛*，徐劍鋒，卜思齊，徐智薔

民用可控負荷參與需求響應的控制策略

王燕1，楊秀媛1*，徐劍鋒2，卜思齊3，徐智薔4

（1．北京信息科技大學自動化學院，北京市 海淀區 100192；2．國網黑龍江省電力有限公司，黑龍江省 哈爾濱市 150090；3．香港理工大學電機工程系，香港特別行政區 九龍 999077；4．英國南安頓大學物理工程學院，英國 南安普頓 SO171BJ）

在電力負荷高峰持續增長和新能源大規模接入電網的發展趨勢下，為了實現新能源消納、平抑電網波動，可采取需求側民用可控負荷參與需求響應的手段進行調控，特別是對家庭可控負荷的控制，從單一家庭控制擴展至多個家庭，最終實現大規模負荷群控制。對近年來需求響應模式、負荷分類建模和控制策略3方面的研究成果進行了總結，由負荷用電特點總結出各類負荷通用模型；著重對比分析多目標優化控制策略、分層控制策略、多時間尺度控制策略和優先級控制策略的特點和不足；指出了不同控制策略在可控負荷參與需求響應調控中的進一步研究方向，并結合我國國情，從民用可控負荷參與需求響應調控的視角對需求響應的發展前景進行了展望。

新能源消納；電力系統；需求響應；可控負荷；控制策略；智能電網

0 引言

近年來，我國電力負荷峰值增長速度較快，負荷峰值不斷刷新，負荷曲線尖峰化趨勢明顯，導致在負荷高峰時段電力供需不平衡問題日益突出，電網運行成本增加。而且電能在終端能源消費中比重不斷提高，《中國電力展望報告2019》預測，2025、2035和2050年全社會用電量將分別達到9.4萬億~9.8萬億、11.5萬億~12.5萬億和12.4萬億~13.9萬億kW·h。

同時，依賴傳統化石能源的生產模式正在改變，能源供給正朝著低碳化、清潔化發展，清潔能源成為主體能源是大勢所趨[1]。在此背景下，我國風電裝機容量呈現逐年上升趨勢，2019年風電裝機容量達到了2010年的7.1倍[2-3]。據國網能源研究院預測，到2050年，75%以上的發電用能來自清潔能源，其中以風電、光伏為代表的新能源發電將成為第一大電源，發電量占比達到40%左右。風電提供清潔電能的同時，自身的波動性和間歇性等給電力系統實現供需平衡帶來了巨大挑戰，僅僅依靠傳統的發電側調節方法來調節電力供應的方式已經無法適應高比例可再生能源接入電網的供需調節需求[4-6]。因此采用新型供需調節方式應對大規模新能源平穩地接入電網具有重大現實意義。

需求響應(demand response，DR)是一種新型的供需調節方式，可以使用戶側可控負荷資源來替代電網供應側資源[7]。需求響應是指電力用戶根據電力市場的價格信號或激勵信號做出響應，改變原有的電力消費計劃，以應對負荷高峰的出現，平抑負荷波動、促進新能源消納[8]，提高電力系統運行的安全性和穩定性。并且，進行需求響應具有顯著的經濟效益和社會效益。對于電力用戶，可以減少電費支出；對于電網企業，可以削減高峰用電負荷，在電力供應緊張時有效緩解限電壓力，可以提高電網設備利用率，促進電網安全、經濟運行，延緩或減少電網建設所需投資；對于社會，可以減少一次能源的消耗量，減少對發、供電資源的占用，從而促進環境保護與資源節約。

同時，國際能源署指出，需求響應市場潛力巨大，應鼓勵現有電力市場提出新的商業模式，如聚合[9]、虛擬電廠和其他分布式能源平臺等。新業務模型為實現需求響應提供了廣闊前景，在需求響應項目中建筑物負荷參與需求響應發展潛力巨大。

在我國的未來規劃期內，負荷用電占比方面，雖然工業部門仍然是主要的電力需求部門，但是其比例逐年降低。與此同時，建筑物用電逐年攀升且增長迅速，在2050年將超過工業部門，約占全社會用電量的43%[10]。建筑可分為3類：工業建筑、商業建筑以及民用建筑。在過去，需求響應主要面向工業用戶和大型商業用戶，因為工業用戶和商業用戶統一化管理水平高，可快速準確地對需求響應信號做出反應，且改變的用戶電力需求大[11]。而對于居民用戶，單個用戶可調節負荷容量小，無法滿足參與需求響應的最低容量需求，但居民用戶數量遠大于工業與商業用戶，集成后的負荷功率也不容小視。

隨著智能電網[12]技術在我國的發展，智能化的家電負荷具備雙向通信能力[13]，為民用負荷參與需求響應提供了技術支撐。首先對單個家庭可控負荷實現精準控制參與需求響應，然后擴展至多個家庭，實現大規模的可控負荷集群控制[14]，使民用負荷成為一種理想的需求側可參與需求響應的資源。通過合理地控制民用負荷中的可控負荷參與需求響應，對改善居民負荷功率曲線、降低電力系統建設運行費用、提高運行效率、促進新能源消納具有重要意義。

基于電力負荷峰值增長迅速以及未來新能源將逐步替代傳統一次能源發電的背景，本文介紹了需求響應模式以及民用負荷分類，詳細說明了可控負荷控制策略的研究現狀，并對控制策略進行分類總結，歸納了4種典型策略的特點和不足，對未來研究方向進行了展望。

1 需求響應模式及負荷分類

1.1 需求響應原理

需求響應指電力用戶根據電力價格、電力政策的動態改變而響應電力供應，暫時改變其固有的用電習慣，以達到減少或推移某時段的用電負荷，保證電網系統穩定性的行為[15]，原理如圖1所示。

1.2 需求響應模式

根據響應信號性質不同，需求響應可劃分為基于價格的需求響應和基于激勵的需求響應。

1.2.1 基于價格的需求響應

基于價格的需求響應是指用戶根據收到的價格信號相應地調整電力需求的響應。價格機制是市場機制的核心，公平合理的電價能夠提供準確的經濟信號，實現電力資源的優化配置。基于價格的需求響應一般包括以下3種方式：分時電價(time-of-use，TOU)[16]、實時電價(real time pricing， RTP)[17]和尖峰電價(critical peak pricing，CPP)。對3種電價方式需求響應特點和功能總結如表1所示。

圖1 需求響應概念圖

表1 基于價格的需求響應總結

1.2.2 基于激勵的需求響應

基于激勵的需求響應是指需求響應實施機構根據電力系統供需狀況制定相應政策，用戶在系統需要或電力緊張時改變用電狀態，以此獲得直接補償或其他時段的優惠電價的響應。用戶獲得激勵的方式有獨立于現有電價政策的直接補償以及在現有電價基礎上給予折扣優惠等。基于激勵的需求響應分為以下5種：直接負荷控制(direct load control，DLC)、可中斷負荷(interruptible load，IL)、緊急需求響應(emergency demand response，EDR)、需求側競價(demand side bidding，DSB)和輔助服務項目(ancillary service program，ASP)。各需求響應的說明如表2所示。

表2 基于激勵的需求響應總結

1.3 民用負荷的分類

1.3.1 負荷具體分類

常規上，許多用電負荷需求必須隨時滿足，這是一種“剛性”特征，不可干預調節，此類負荷稱之為“不可控負荷”。但相對來說，有些負荷可以根據需要在一定的范圍內進行調整，稱為“可控負荷”[18]。民用負荷具體分類如圖2所示。

圖2 民用負荷分類

1.3.2 不可控負荷

不可控負荷的運行狀況不可隨意改變，其斷電會給用戶的生活造成較大影響，如照明、計算機等家電負荷。居民用戶不會因為電價高、花費過大，而去改變此類負荷的運行時間。

1.3.3 可控負荷

可控負荷也可稱之為可調節負荷，用電時間及規律較為穩定，且其短時間斷電幾乎不影響居民正常生活，便于參與DR控制。可基于電價和新能源發電情況，積極主動參與電網運行控制，靈活地改變和選擇自身的運行情況。可控負荷可基于電價的模式，由電價較高的時段轉移到電價較低的時段運行；也可以基于有序用電的模式，從新能源發電較少的時段轉移到新能源發電較多的時段。總之，通過對可控負荷的控制可提高電網的運行效率。但是可控負荷的控制和轉移必須滿足其運行條件，而且應最大限度地滿足居民的正常生活的需求。

根據可控負荷的用電特點分為以下3類：

1）可削減負荷。可承受一定中斷或降功率、減少時間運行的負荷，根據供需情況對其進行部分或全部削減，如空調、熱水器[19]，可以通過設定溫度的方式對其用電功率進行削減調節[20]。該類負荷的運行特性為

2）可轉移負荷。用電時段的用電量可靈活調節，用電時段允許中斷且持續時間不固定，只需滿足轉移前后的負荷需求總量不變，如電動汽車這種具有儲能性質的負荷[21-22]，其運行特性可表示為

3）可平移負荷。用電時段靈活性強，但是工作期間不可中斷，可根據此類負荷可運行時間范圍合理規劃負荷開始運行的時間，優化家庭用電管理。如洗衣機、洗碗機、電飯煲等。其運行特性可由式(3)表示：

2 需求響應控制策略

需求響應策略的制定與需求響應對象、需求響應模式等有關。針對不同的控制對象特性，采用不同的控制策略，通過對需求側負荷的調控改善用戶用電習慣，達到降低電網最大負荷、系統裝機容量，減少運行費用的目標。

2.1 多目標優化控制策略

合理進行需求響應可實現新能源的消納、改善負荷曲線、減少用電費用等目的。顯然，如何實現需求響應效果最優是一個典型的多目標優化問題(multi-objective optimization problem，MOP)。一般的MOP由個變量參數、個目標函數和個約束條件組成，目標函數、約束條件與變量之間是函數關系，數學定義如下[23]：

多目標優化問題涉及到多個目標的優化，這些目標并不是獨立存在的，它們往往是通過決策變量耦合在一起且處于相互競爭的狀態，而且每個目標具有不同的單位和量綱，因此很難客觀地評價多目標問題的解。它們的競爭和復雜性使得對其優化變得十分困難。在民用可控負荷參與需求響應的研究中，不同學者研究的側重點不同，因此目標函數也不同，需求響應多目標優化控制策略，通常先確定目標函數以及約束條件，在此基礎上建立多目標優化的、民用可控負荷參與需求響應的需求側負荷模型。

以文獻[24]為例，該文獻以平抑電網負荷波動和樓宇用戶用電成本最小為目標，采用將多目標優化問題轉化為單目標優化問題的方式進行求解，具體目標函數和約束條件如下。

1）目標函數。

以平抑負荷波動為目標，目標函數為

以智能樓宇內設備用電成本最小為目標，其目標函數為

將式(5)、(6)進行歸一化處理，得到

2）約束條件。

分布式電源輸出功率約束為

微電網系統與配電網傳輸功率約束為

售電及用電時長約束為

文獻[25-26]均采用非支配排序遺傳算法-II(NSGA-II)對Pareto非支配解集進行求解生成的Pareto解集，通過模糊隸屬度法過濾選取最優解。只是2篇文獻面向的研究對象以及優化目標不同：文獻[25]以供電公司、風電廠商利潤最大，用戶用電費用最小為目標的同時，設計的優化運行策略可以實現風電的消納，提高風電生產商的經濟效益；文獻[26]針對風電與電動汽車協同調度的多目標優化模型進行研究，以負荷方差和車主支付費用最小為目標，并協調優化發電側資源消納風電。文獻[27]采用新型并行多目標微分進化(parallel multi-objective differential evolution，PMODE)算法對以系統運行成本及污染排放最小化為目標的微網源–荷協調多目標優化調度模型進行求解，可有效實現節能減排和提升風光消納率，并通過與NSGA-II和常規MODE算法對比，驗證了PMODE算法的優越性，可調和常規智能算法尋優深度和速度間的矛盾。

上述需求響應多目標優化控制方法值得借鑒，同時，對于多目標問題的求解，除上述文獻所使用的方法外，還有其他方法，如群集智能算法、人工免疫算法、神經網絡算法等。在求解不同的多目標優化問題時，如何選取最合適的優化算法使得優化效果達到最佳仍有很高的研究價值，并且對于優化模型結構以及需求響應效果評價分析的詳細程度方面仍有提高空間。

2.2 分層控制策略

在對負荷群參與需求響應控制的研究中，部分文獻引入了負荷聚合商(load aggregator，LA)的概念，采用對需求響應整體結構進行分層[28]的方式來優化模型以及策略研究，分層結構如 圖3所示。

按照面向對象的不同，可將控制架構分為3層：頂層(系統調度層)為電網控制中心；中層(集群負荷控制層)為負荷聚合商；底層(可控設備控制層)為負荷群。中層為研究的重點，上接電網調度，下達負荷資源。而按照控制目標，控制策略不同，一般以負荷聚合商為分界線分為上下2層：上層針對電網控制中心與負荷聚合商之間設計控制策略；下層負荷聚合商對負荷群進行控制。上下2層給出不同的優化目標，逐層優化。2種劃分層次方式雖然名稱不同，但本質相同。控制策略求解流程如圖4所示。

文獻[29-31]均對空調負荷采用雙層調度模型。文獻[29]對定頻空調負荷采用以負荷聚合商為中介的雙層調度模型，上層模型以電力公司負荷調度成本最小化為目標，根據負荷聚合商從下層獲取的各時段的空調負荷出力和報價，優化調度計劃；下層模型通過優化其管轄范圍內空調負荷的控制策略，盡量使實際的空調負荷出力與調度計劃保持一致并最大化其利益。但該模型僅面向定頻空調，未考慮變頻空調的控制方式以及實際用戶參與意愿。文獻[30]在滿足空調負荷響應出力與目標一致的前提下，考慮用戶參與需求響應意愿的時變特性，實時調整中央空調終端設備的溫度可調裕度，最大化利用其可調節潛力，實現聚合商的利潤最大化。因考慮了用戶意愿，因此能更真實反映用戶用電真實場景。文獻[31]根據負荷的用電物理特性將家用可控負荷分為3類，對3類負荷協調參與需求響應的情形進行研究。在上層市場側，電力公司調度部門與聚合商進行信息交流，確定各參與者在每個時段的調度計劃；在下層用戶側，負荷聚合商管轄區域用戶自愿和聚合商簽訂合同，參與需求響應，實現電網削峰填谷，減少調度成本。

圖3 分層結構圖

圖4 分層結構控制策略求解流程圖

文獻[32-34]采用了3層控制架構的分層優化。文獻[32]針對超大規模空調負荷控制，提出一種基于主從一致性的多智能體分散式協同控制策略，可實現對數量巨大、位置分散的空調資源進行精準負荷控制。除對空調負荷外，分層架構還可應用于其他負荷參與需求響應的研究。文獻[33]介紹了一種電動汽車集群的分層分區域的電動汽車控制架構，實現了控制電動汽車跟蹤上層控制目標的需求響應控制。文獻[34]在集群電動汽車分層控制架構基礎上，引入最優能量狀態調節量控制策略，對電動汽車充電過程進行實時控制，緩解電動汽車集中充電帶來的充電高峰。

上述文獻大部分為對某一種負荷(空調、電動汽車)的調控，對于用戶擁有多種不同特性的可控負荷的情況研究較少。然而，現實生活中居民用戶一般都有多種可控負荷，聚合商針對不同負荷的調控對用戶產生的影響不同，從而給予用戶的補償也不盡相同。因此對于多種負荷協同控制，仍有很大的研究空間。并且在對某一種負荷的控制中，對于負荷初始狀態的考慮以及負荷運行隨機性的研究還有欠缺。

2.3 多時間尺度控制策略

在民用可控負荷需求響應中，多時間尺度滾動控制策略參與對象多為“源-荷”(常規機組、風電場以及可控負荷)；時間尺度的劃分多為“日前、日內、實時”。圖5為典型的多時間尺度調度策略框架圖。圖5中將可控負荷根據參與需求響應需提前通知的時間不同分為A、B、C類負荷進行控制。

A類負荷：提前一天告知用戶的負荷，可參與日前調度計劃。

B類負荷：提前30~60min告知用戶的負荷，可參與“日前、日內”調度計劃。

C類負荷：提前5~15 min告知用戶或能實時做出響應的負荷，響應時效性最強，日前、日內、實時調度均可參加。

不同文獻劃分的方法略有區別，文獻[18]將負荷調度的整個過程分為4個時間尺度(日前24h、日內1h、日內15min和實時)進行負荷調度，在充分利用多時間尺度上負荷資源的前提下，減少風電不確定性對調度決策的影響；文獻[35]建立了“日前-實時”的兩階段決策模型，在2個時間尺度上協調優化可再生能源和負荷側資源。針對不同的研究重點，選擇不同的劃分方式。通過不同時間尺度源-荷資源的相互配合，可以充分發揮各類可控負荷的調節能力(不同時間尺度電力負荷響應特性不同，參與需求響應的提前通知時間、響應速度、響應持續時間也不同)，從而緩解可再生能源出力的波動，如協同消納風電。

圖5 多時間尺度調度策略框架圖

文獻[36]中考慮了電價型需求響應資源，以激勵型資源參與“日前-日內-實時”需求響應策略為研究重點，設計了基于場景的隨機規劃(scenario-based stochastic programming，SSP)與基于機會約束的隨機規劃(chance-constrained programming，CCP)相結合的滾動調度模型，并給出多時間尺度調度策略滾動求解流程圖，如 圖6所示。文獻[37]采用負荷聚合控制的方式參與電力系統的日前-日內協同優化調度，可有效減少常規機組開機數量，降低系統的棄風量，提升系統運行經濟性。以上文獻均建立確定性的DR模型參與調度，而忽視了實際響應的不確定性。文獻[38-39]均對價格型和激勵型DR進行研究，且基于消費者心理學原理考慮到可控負荷的不確定性，對多時間尺度DR研究考慮得更加全面。文獻[38]將價格型和激勵型DR與常規機組、風電、緊急調峰資源在不同時間尺度上進行優化配置，設計了一種剛性約束和彈性約束相結合的激勵型DR機制，更加貼近實際負荷情況，增強了源-荷互動的效果。文獻[39]建立可轉移負荷、可平移負荷和可削減負荷3類響應模型，基于可控負荷的多時間尺度特性，將可控負荷、常規機組和風電功率在3個時間尺度上協調優化，能夠實現削峰填谷，提高風電消納，并降低電網調度的成本。

圖6 多時間尺度調度策略滾動求解流程圖

多時間尺度間的相互配合，通過源-荷兩側資源互動，可解決可控負荷參與需求響應時間層面和對象層面的問題，可通過逐級細化，降低可再生能源預測誤差給系統帶來的負面影響；可以充分挖掘各類可控負荷參與需求響應項目的潛力，不同特性的負荷參與不同時間尺度的調節，從而緩解可再生能源出力波動，提高系統的經濟性和風電上網率。

2.4 優先級控制策略

優先級控制策略的控制對象為家庭中的部分可控負荷，以負荷的重要程度、可中斷性以及可調控性對用電負荷優先級進行劃分，通過判斷用電設備的優先級，以一定調度順序對該部分負荷的通斷狀態進行控制，從而實現峰谷負荷的均衡。控制策略流程如圖7[40]所示。

圖7 家電優先級控制策略響應流程圖

文獻[40]提出動態優先級概念，以舒適度指數表征家電動態優先級，設計控制方案，以空調、熱水器以及電動汽車為研究對象，通過仿真驗證表明，該方案可實現負荷曲線的移峰填谷，在盡量不影響用戶舒適度的前提下節約電費。但過于頻繁地切換家電的動態優先級，將極大影響家電的使用壽命，且容易造成電網波動。文獻[41]根據家電的功率和分時電價實現對家電的優先級排序進行DR控制，按照分時時段對分時電價信息進行模糊化處理，得到電價優先級；對可控負荷和可轉移負荷按照功率值進行模糊化，并賦予對應的家電設備優先級，將分時電價優先級與家電優先級按照矩陣乘法進行相乘，得到對應的DR操作規則矩陣，對家電進行DR控制。并且DR時間開始前進行DR預控制，以這種控制方式來減少用戶的整體費用支出和緩解電網負荷。該方案避免了頻繁切換家電優先級的情形，保證家電完成實際工作(執行DR控制策略)后再調度其他家電，并未影響家電的實際工作壽命。文獻[42]定義了二維優先級的概念，當出現家電使用沖突時，計算該時段開啟家電的二維優先級，優先級較小的選擇關閉，以暫緩使用來應對當用戶未按計劃執行用電而導致家庭總功率超出功率閾值范圍的情況。以上3篇文獻針對的研究對象均為家庭中空調、熱水器以及電動汽車，文獻[43]擴大研究范圍，同時將洗衣機以及洗碗機考慮到優先級控制中，并在原有智能家電控制算法中增加電網閑時的填谷作用，有效利用了用電低谷期的容量閑置。

現有采用優先級控制策略進行需求響應的文獻中，多以分時電價為背景，如何在尖峰電機、實時電價的背景下采用該策略進行研究，實現負荷曲線的優化，還需進行深入研究。且目前的研究多為針對某一戶家庭的研究，如何擴大研究范圍，針對多戶家庭、負荷群進行研究，仍有很大研究空間。

上述文獻從多目標優化控制策略、分層結構控制策略、多時間尺度控制策略和優先級控制策略4個層面，對民用可控負荷參與需求響應的典型控制策略進行闡述，總結歸納了當前的研究現狀，分析并總結其控制特點和不足之處，如表3所示。需要說明的是，文中所列舉的4個層面的控制策略，相互之間是存在聯系的，而并非彼此獨立。

3 結論

1）對需求側資源進行合理控制，可以實現負荷的削峰填谷，緩解電網供電壓力，并為用戶節約用電費用，也可以提高系統能源消納能力。針對不同的目標，可采用不同的控制策略對可控負荷進行控制。各種方法的有效性尚需實踐檢驗。在未來的研究中應分析所提控制策略是否具有實踐的價值，是否符合我國的國情。

2）目前的研究重點為對大負荷或者某種負荷進行集中控制，以負荷聚合商為單位，而如何協調負荷聚合商與各小負荷的分散控制可作為下一步的研究方向。并且現有研究均對控制條件進行了一定程度的理想化，如何考慮負荷的參數差異、用戶行為的隨機性，使研究場景更符合實際，還需進一步研究。

表3 需求響應控制策略比較

3）隨著智能家電的普及和廣泛應用，居民家電的需求響應作用將越來越顯著。

[1]國家發展改革委，國家能源局．能源發展“十三五”規劃[R]．北京：國家能源局，2016．

National Development and Reform Commission，National Energy Administration．The thirteenth five-year plan of energy development[R]．Beijing：National Energy Administration 2016．

[2]國家統計局．中國統計年鑒2019[M]．北京：中國統計出版社，2019：128．

National Bureau of Statistics．China statistical yearbook 2019[M]．Beijing：China Statistical Publishing House，2019:128．

[3]國家能源局．2019年全國電力工業統計數據[R]．北京：國家能源局，2019．

National Energy Administration. National power industry statistics 2019[R]．Beijing：National Energy Administration，2019．

[4]楊東升，王道浩，周博文，等．泛在電力物聯網的關鍵技術與應用前景[J]．發電技術，2019，40(2)：107-114．

YANG D S，WANG D H，ZHOU B W，et al．Key technologies and application prospects of ubiquitous power internet of things[J]．Power Generation Technology，2019，40(2)：107-114．

[5]戚永志，黃越輝，王偉勝，等．高比例清潔能源下水風光消納能力分析方法研究[J]．電網與清潔能源，2020，36(1)：55-63．

QI Y Z，HUANG Y H，WANG W S，et al．A study on hydro-wind-solar consumption analysis method for high proportion of clean energy[J]．Power System and Clean Energy，2020，36(1)：55-63．

[6]施濤，李春來，朱慧敏．考慮功率預測不確定性的風電消納隨機調度[J]．電網與清潔能源，2019，35(4)：55-59．

SHI T，LI C L，ZHU H M．Stochastic dispatching of wind power accommodation considering uncertainty of power prediction[J]．Power System and Clean Energy，2019，35(4)：55-59．

[7]張欽，王錫凡，王建學，等．電力市場下需求響應研究綜述[J]．電力系統自動化，2008，32(3)：97-106．

ZHANG Q，WANG X F，WANG J X，et al．Survey of demand response research in deregulated electricity markets[J]．Automation of Electric Power Systems，2008，32(3)：97-106．

[8]孫毅，王欣，許鵬，等．基于預切換狀態的電熱水器負荷群調控策略[J]．現代電力，2019，36(5)：68-75．

SUN Y，WANG X，XU P，et al．Control strategy of water heater group based on pre-switching state[J]．Modern Electric Power，2019，36(5)：68-75．

[9]錢佳慧，尹鵬，鄧學華，等．分時電價激勵下考慮負荷聚集商的日前經濟調度[J]．現代電力，2019，36(4)：31-37．

QIAN J H，YIN P，DENG X H，et al．The day-ahead economic dispatch considering time-of-use pricing incentives for load aggregators[J]．Modern Electric Power，2019，36(4)：31-37．

[10]國網能源研究院有限公司．中國能源電力發展展望2018[M]．北京：中國電力出版社，2018．

State Grid Energy Research Institute Co., LTD．China's energy and power development outlook 2018[M]．Beijing： China Electric Power Press，2018．

[11]XU F，LAI L L．Novel active time based demand response for industrial consumers in smart grid[J]．IEEE Transactions on Industrial Informatics，2015，11(6)：1564-1573．

[12]陳麒宇．泛在電力物聯網實施策略研究[J]．發電技術，2019，40(2)：99-106．

CHEN Q Y．Research on implementation strategy of ubiquitous power internet of things[J]．Power Generation Technology，2019，40(2)：99-106．

[13]陽小丹，李揚．家庭用電響應模式研究[J]．電力系統保護與控制，2014，42(12)：51-56．

YANG X D，LI Y．Research on household electricity response mode[J]．Power System Protection and Control，2014，42(12)：51-56．

[14]陸青，郁浩，趙康麗，等．分時電價下基于供用電雙方博弈的家庭用戶需求響應[J]．現代電力，2019，36(6)：68-74．

LU Q，YU H，ZHAO K L，et al．Demand response of household users based on game between power supply and consumption side under time-of-use price[J]．Modern Electric Power，2019，36(6)：68-74．

[15]NUNNA H S，KUMAR V S，Doolla S．Demand response in smart distribution system with multiple microgrids[J]．IEEE Transactions on Smart Grid，2012，3(4)：1641-1649．

[16]YANG P，TANG G，NEHORAI A．Optimal time-of-use electricity pricing using game theory[C]//IEEE International Conference on Acoustics，Speech & Signal Processing．IEEE，2012．

[17]FINN P．Demand side management of industrial electricity consumption：promoting the use of renewable energy through real-time pricing[J]．Applied Energy，2014，113(6)：11-21．

[18]楊勝春，劉建濤，姚建國，等．多時間尺度協調的柔性負荷互動響應調度模型與策略[J]．中國電機工程學報，2014，34(22)：3664-3673．

YANG S C，LIU J T，YAO J G，et al．Model and strategy for multi-time scale coordinated flexible load interactive scheduling[J]．Proceedings of the CSEE，2014，34(22)：3664-3673．

[19]KONDOH J，LU N，HAMMERSTROM D J．An evaluation of the water heater load potential for providing regulation service[J]．IEEE Transactions on Power Systems，2011，26(3)：1309-1316．

[20]劉蓉暉，李子林，楊秀，等．考慮用戶側可控負荷的社區綜合能源系統日前優化調度[J]．太陽能學報，2019，40(10)：2842-2850．

LIU R H，LI Z L，YANG X，et al．Optimal dispatch of community integrated energy system considering user-side flexible load[J]．Acta Energiae Solaris Sinica，2019，40(10)：2842-2850．

[21]SHAFIE K M，HEYDARIAN F E，OSORIO G J，et al．Optimal behavior of electric vehicle parking lots as demand response aggregation agents[J]．IEEE Transactions on Smart Grid，2016，7(6)：2654-2666．

[22]WATSON J D，WATSON N R，LESTAS I．Optimized dispatch of energy storage systems in unbalanced distribution networks[J]．IEEE Transactions on Sustainable Energy，2017，9(2)：639-650．

[23]林銼云，董加禮．多目標優化的方法與理論[M]．長春：吉林教育出版社，1992：125-128．

LIN C Y，DONG J L．Methods and theories of multi-objective optimization[M]．Changchun：Jilin Education Press，1992：125-128．

[24]顏慶國，楊永標，高輝，等．智能樓宇可調資源優化控制建模及仿真分析[J]．電器與能效管理技術，2016(10)：31-36．

YAN Q G，YANG Y B，GAO H，et al．Modeling and simulation analysis for intelligent building adjustable resources optimization control[J]．Dianqi Yu Nengxiao Guanli Jishu，2016(10)：31-36．

[25]何后裕，郭健翔，王永利．面向配電網風電消納的冰蓄冷空調系統多目標優化策略研究[J]．電力系統保護與控制，2019，47(23)：180-187．

HE H Y，GUO J X，WANG Y L．Research on multi-objective optimization strategy for ice storage air conditioning system for distribution network wind power consumption[J]．Power System Protection and Control，2019，47(23)：180-187．

[26]侯建朝，胡群豐，譚忠富．計及需求響應的風電-電動汽車協同調度多目標優化模型[J]．電力自動化設備，2016，36(7)：22-27．

HOU J C，HU Q F，TAN Z F．Multi-objective optimization model of collaborative WP-EV dispatch considering demand response[J]．Electric Power Automation Equipment，2016，36(7)：22-27．

[27]彭春華，劉兵，左麗霞，等．計及分類需求響應的孤島微網并行多目標優化調度[J]．電力系統保護與控制，2019，47(5)：60-68．

PENG C H，LIU B，ZUO C X，et al．Parallel multi-objective optimal dispatch of island micro-grid considering load classified demand response[J]．Power System Protection and Control，2019，47(5)：60-68．

[28]XU Z，CALLAWAY D S，HU Z，et al．Hierarchical coordination of heterogeneous flexible loads[J]．IEEE Transactions on Power Systems，2016，31(6)：4206-4216．

[29]高賜威，李倩玉，李揚．基于DLC的空調負荷雙層優化調度和控制策略[J]．中國電機工程學報，2014，34(10)：1546-1555．

GAO C W，LI Q Y，LI Y．Bi-level optimal dispatch and control strategy for air-conditioning load based on direct load control[J]．Proceedings of the CSEE，2014，34(10)：1546-1555．

[30]王丹，蘭宇，賈宏杰，等．基于彈性溫度可調裕度的中央空調集群需求響應雙層優化[J]．電力系統自動化，2018，42(22)：118-126．

WANG D，LAN Y，JIA H J，et al．Double-layer optimization strategy of cluster central air-conditioner demand response based on elastic temperature adjustable margin[J]．Automation of Electric Power Systems，2018，42(22)：118-126．

[31]劉曉峰，高丙團，羅京，等．基于非合作博弈的居民負荷分層調度模型[J]．電力系統自動化，2017，41(14)：54-60．

LIU X F，GAO B T，LUO J，et al．Non-cooperative game based hierarchical dispatch model of residential loads[J]．Automation of Electric Power Systems，2017，41(14)：54-60．

[32]王蓓蓓，胡曉青，顧偉揚，等．分層控制架構下大規模空調負荷參與調峰的分散式協同控制策略[J]．中國電機工程學報，2019，39(12)：3514-3528．

WANG B B，HU X Q，GU W Y，et al．Hierarchical control architecture and decentralized cooperative control strategy for large scale air conditioning load participating in peak load regulation[J]．Proceedings of the CSEE，2019，39(12)：3514-3528．

[33]孫強，許方園，唐佳，等．基于需求響應的電動汽車集群充電負荷建模及容量邊界控制策略[J]．電網技術，2016，40(9)：2638-2645．

SUN Q，XU F Y，TANG J，et al．Study on modeling of aggregated charging load of electric vehicles and control strategy by adjusting capacity boundaries based on demand response[J]．Power System Technology，2016，40(9)：2638-2645．

[34]王丹，孫冬冬，胡慶娥，等．基于最優能量狀態調節的電動汽車需求響應及其對配電網的影響[J]．電力建設，2018，39(5)：86-94．

WANG D，SUN D D，HU Q E，et al．Demand response of electric vehicles based on optimal energy status regulation and its impact on distribution network[J]．Electric Power Construction，2018，39(5)：86-94．

[35]MUNOZ E G，ALCARAZ G G，CABRERA N G．Two-phase short-term scheduling approach with intermittent renewable energy resources and demand response[J]．IEEE Latin America Transactions，2015，13(1)：181-187．

[36]包宇慶，王蓓蓓，李揚，等．考慮大規模風電接入并計及多時間尺度需求響應資源協調優化的滾動調度模型[J]．中國電機工程學報，2016，36(17)：4589-4600．

BAO Y Q，WANG B B，LI Y，et al．Rolling dispatch model considering wind penetration and multi-scale demand response resources[J]．Proceedings of the CSEE，2016，36(17)：4589-4600．

[37]賈雨龍，米增強，王俊杰，等．柔性負荷聚合商參與電力系統的多時間尺度協同優化調度策略[J]．華北電力大學學報(自然科學版)，2019，46(6)：17-26．

JIA Y L，MI Z Q，WANG J J，et al．Mutli-time scale collaborative optimal scheduling strategy with flexible load aggregator participating in power system[J]．Journal of North China Electric Power University(Nature Science)，2019，46(6)：17-26．

[38]孫宇軍，王巖，王蓓蓓，等．考慮需求響應不確定性的多時間尺度源荷互動決策方法[J]．電力系統自動化，2018，42(2)：106-113．

SUN Y J，WANG Y，WANG B B，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．

[39]趙冬梅，宋原，王云龍，等．考慮可控負荷響應不確定性的多時間尺度協調調度模型[J]．電力系統自動化，2019，43(22)：21-32．

ZHAO D M，SONG Y，WANG Y L，et al．Coordinated scheduling model with multiple time scales considering response uncertainty of flexible load[J]．Automation of Electric Power Systems，2019，43(22)：21-32．

[40]湯奕，魯針針，寧佳，等．基于電力需求響應的智能家電管理控制方案[J]．電力系統自動化，2014，38(9)：93-99．

TANG Y，LU Z Z，NING J，et al．Management and control scheme for intelligent home appliances based on electricity demand response[J]．Automation of Electric Power Systems，2014，38(9)：93-99．

[41]付蔚，敬章浩，羅志勇，等．基于分時電價的智能家電控制方案[J]．電網技術，2015，39(3)：717-723．

FU W，JING Z H，LUO Z Y，et al．A time-of-use pricing based control scheme for intelligent household appliances[J]．Power System Technology，2015，39(3)：717-723．

[42]孫毅，裴俊亦，景棟盛．考慮用戶行為不確定性的智能家電控制策略[J]．電力系統保護與控制，2018，46(17)：109-117．

SUN Y，PEI J Y，JING D S．Smart home appliance control strategy considering user behavior uncertainty[J]．Power System Protection and Control，2018，46(17)：109-117．

[43]何沁春，楊秀媛．泛在電力物聯網中將家電可控負荷轉化成智能負荷的方法研究[J]．發電技術，2020，41(1)：94-102．

HE Q C，YANG X Y．Research on methods for converting controllable loads of household appliances into intelligent loads in the ubiquitous power internet of things[J]．Power Generation Technology，2020，41(1)：94-102．

Control Strategy of Civil Controllable Load Participating in Demand Response

WANG Yan1, YANG Xiuyuan1*, XU Jianfeng2, BU Siqi3, XU Zhiqiang4

(1. School of Automation, Beijing Information Science & Technology University, Haidian District, Beijing 100192, China; 2. State Grid Heilongjiang Electric Power Co., Ltd., Harbin 150090, Heilongjiang Province, China; 3. Department of Electrical Engineering, The Hongkong Polytechnic University, Kowloon 999077, Hong Kong S.A.R., China; 4. School of Physical Sciences and Engineering, University of Southampton, Southampton SO171BJ, UK)

Under the development trend of continuous growth of the peak of power load and large scale renewable energy penetration, in order to achieve renewable energy accommodation and stabilize power grid fluctuation, the means of demand side civil controllable load participating in demand response can be adopted for regulation. In particular, the control of family controllable load is extended from single family control to multiple families, and finally large-scale load group control can be realized.Firstly, the research results of demand response mode, load classification modeling and control strategy in recent years were summarized, and the general models of various loads were summarized based on the characteristics of load power consumption. Then, the characteristics and shortcomings of multi-objective optimization control strategy, hierarchical control strategy, multi-time scale control strategy and priority control strategy were analyzed. Finally, the further research direction of different control strategies in the control of demand response was pointed out. And combined with the situation of our country, the development prospect of demand response was prospected from the perspective of civil controllable load participating in demand response regulation.

renewable energy accommodation; power system; demand response; controllable load; control strategy; smart grid

10.12096/j.2096-4528.pgt.20014

TK 01; TM 71

國家自然科學基金項目(51377011)。

Project Supported by National Natural Science Foundation of China (51377011).

2020-04-01。

(責任編輯 辛培裕)