考慮激勵型需求響應的孤立型微網優化運行

吳翰韜，溫步瀛

(1. 福州大學土木工程學院，福建 福州 350108； 2. 福州大學電氣工程與自動化學院，福建 福州 350108)

風、光等清潔能源因具有環保、資源豐富等優點而受到電力行業的重視，電力行業開始大力發展清潔能源發電[1-3]。同時，風、光等清潔能源在發電時具有間歇性和隨機性的特點，并入電網運行后會對電網的穩定性和可靠性造成一定的影響[4]。目前，微網系統被普遍認為是提高風、光等清潔能源利用率的有效手段[5-6]。激勵型需求響應(Demand Response，簡稱DR)是指根據政府或電力公司發布的相關激勵政策，用戶主動調整自身用電行為，從而緩解負荷峰值時段電力供應緊缺的一種有效措施[7]。在微網中引入激勵型DR措施，能夠引導用戶合理用電，優化負荷側需求分布。

目前，已有文獻針對考慮激勵型DR的微網展開了研究。文獻[8]從供電可靠性角度出發，提出激勵型DR的微網負荷削減策略。基于此，構建計及激勵型DR的微網調度模型。文獻[9]為解決清潔能源的消納量問題，將激勵型DR措施引入到微網調度運行中，建立計及激勵型DR的微網調度模型。文獻[10]以提高供電可靠性和能源利潤為目的，構建考慮激勵型DR和電池儲能的優化模型，算例分析了激勵型DR和電池儲能對微網可靠性與盈利能力的影響。

本文針對考慮激勵型DR的微網運行問題展開研究。首先建立激勵型DR模型，并參考階梯電價，建立階梯型補償方案；其次以微網日運行成本最小為目標，建立考慮激勵型DR的微網優化調度模型；最后以一個微網系統為例進行仿真，驗證建提模型的有效性。

1 激勵型DR模型

激勵型DR是根據電網供需狀態制定的相關激勵政策，可引導用戶在電力供應緊張時減少用電需求，從而獲得相應的補償[7]。激勵型DR的合同中一般規定了響應補償標準以及響應容量。對于激勵型DR的補償方式，本文參考階梯電價，設置一種階梯型補償方案，如圖1所示。

圖1 激勵型DR階梯型補償方案示意圖

(1)

綜上，在t時段用戶的總響應容量和相應的補償如下：

(2)

(3)

2 微網運行優化模型

2.1 目標函數

以微網日運行成本最小為目標，包括微網系統中分布式電源的運行成本和激勵型DR的響應成本。其中，分布式電源的運行成本包括燃料成本、啟動成本和運維成本。綜上所述，目標函數為

(4)

式中CFuel——分布式電源的燃料成本；CSt——分布式電源的啟動成本；CDG——分布式電源的運維成本；CBess——電池儲能系統的運維成本；T——運行周期。

其中，分布式電源的燃料成本：

(5)

分布式電源啟動成本：

(6)

分布式電源運維成本：

(7)

電池儲能系統的運維成本：

(8)

2.2 約束條件

(1)系統功率平衡約束

(9)

(2)分布式電源約束

出力約束：

(10)

爬坡約束：

(11)

(3)風電出力約束

(12)

(4)光伏出力約束

(13)

(5)電池儲能系統約束。

1)出力約束：

(14)

2)電量和充放電功率關系約束：

(15)

3)荷電狀態約束：

SSOCmin≤SSOCt≤SSOCmax

(16)

SSOC0=SSOCT

(17)

式中 SSOCmin，SSOCmax——電池儲能系統荷電狀態的最小值和最大值；SSOC0，SSOCT——始、末時刻電池儲能系統的荷電狀態。

(6)激勵型DR約束

見式(1)和式(2)。

2.3 模型求解

構建的模型中分布式電源燃料成本函數是非線性的，利用文獻[11]中的分段線性方法將其線性化。

如將模型中的非線性部分進行線性化處理后，得到混合整數線性規劃模型，可以利用MATLAB軟件進行編程，并調用CPLEX求解器進行求解。

3 算例分析

3.1 算例參數

本文研究對象為風力發電、光伏發電以及電池儲能系統組成的微網。

微網中風電出力、光伏發電出力以及負荷的日預測曲線如圖2所示。微網中各類設備的基本參數如表1和表2所示。分布式電源的燃料成本曲線如圖3所示。激勵型DR補償方案如表3所示。

圖2 風電、光伏發電以及負荷的日預測曲線

表1 電池儲能系統基本參數

表2 分布式電源基本參數

圖3 分布式電源的燃料成本曲線

表3 激勵型DR補償方案

3.2 優化結果

微網處于孤立運行模式下，其優化結果如圖4所示。優化后的微網日運行成本為3 424.70元。

圖4 微網孤立運行時的優化調度結果

由圖4可知，微網負荷主要由風電和光伏發電供電。由于清潔能源發電成本較低，風電和光伏發電優先上網；激勵型DR的實施降低了負荷高峰時段的用電需求，優化微網用戶側需求布局；電池儲能系統在負荷低谷時段充電，在負荷高峰時段放電，對負荷進行削峰填谷。

3.3 激勵型DR對系統運行的影響

為分析激勵型DR的實施對微網系統運行的影響，給定兩種場景進行對比分析。兩種場景的設置和優化結果如表4所示。

表4 兩種場景的優化結果

由表4可知，場景1的微網日運行成本與場景2相比，下降了19.25%。

這是由于場景1中考慮了激勵型DR，將其參與到微網系統調度中，能夠在一定程度上削減負荷，優化用戶側需求布局，使微網的整體經濟性達到最優。

4 結語

針對激勵型DR的特點，建立相應的數學模型，并參照階梯電價，提出了階梯型補償方案。以微網總運行成本最小為目標，建立了考慮激勵型DR的孤立型微網優化運行模型。

對算例的仿真與分析結果表明，在微網中引入激勵型DR，可以引導用戶積極參與負荷削減、優化需求側負荷分布，從而可提高微網整體的經濟性。