計及綜合需求響應參與消納受阻新能源的多時間尺度優化調度策略

張堯翔, 劉文穎，龐清侖，李亞樓，安寧，李芳

(1. 新能源電力系統國家重點實驗室(華北電力大學)，北京市 102206；2.中國電力科學研究院有限公司，北京市 100192)

0 引 言

為促進能源可持續供應，提高新能源發電占比成為世界各國電網發展的共同愿景。近年來，我國新能源發電裝機實現了跨越式增長，截至2021年，我國風光電裝機容量為63 504萬kW，為2010年裝機的21倍，構建適應新能源占比逐漸提高的新型電力系統成為我國電力行業的重要發展戰略[1-2]。而隨著大規模新能源的并網，新能源發電的不確定性及反調峰特性提高了系統的新能源消納壓力[3]。與此同時，源側大規模新能源替代火電，導致系統源側調節能力匱乏，嚴重制約了新能源電能的消納。靈活性資源不足成為了制約新型電力系統發展的主要瓶頸。

近年來，隨著多能轉換技術的發展，各類能源網絡間的耦合程度不斷提高，綜合能源系統(integrated energy system，IES)迅速發展，利用IES不同能源網絡的靈活響應資源，進行綜合需求響應(integrated demand response, IDR)，是提高新型電力系統新能源消納能力的有效手段[4]。

目前國內外學者在IDR消納新能源方面已有一定的研究，文獻[5]對綜合能源系統中的冷、熱負荷需求響應機理進行分析，并建立了冷、熱負荷需求響應模型，從機理上證明了綜合需求響應消納新能源的可行性。文獻[6]基于熱電耦合原理，考慮負荷側電熱負荷響應彈性及系統功能方式多樣性，提出了電熱負荷響應補償機制。文獻[7]針對園區IES需求響應，建立了系統運營商與負荷聚合商主從博弈交易模型，提出了多主體下的IES多能交易優化方法。上述文獻對冷熱電負荷參與新能源消納的響應機理及模型進行了分析，但均是在負荷及新能源精確預測的前提下進行，未考慮源荷不確定性對模型優化調度的影響。

在多類型負荷需求響應過程中，針對不確定性因素，可借鑒電力系統中處理不確定性的多時間尺度滾動調度基本思想，將IES調度過程分為多個階段，各階段在不同時間尺度下相互配合，逐級削弱不確定性因素對優化調度的影響。文獻[8]針對風光不確定性，基于多場景隨機規劃和模型預測控制方法，建立冷熱電聯供系統多時間尺度協調優化模型。文獻[9]考慮源荷不確定性及儲能設備配置對綜合能源系統IES優化調度的影響，分別建立了日前、日內滾動和實時反饋3個時間尺度的優化調度模型。文獻[10]構建了含儲熱、熱電聯產的綜合電熱系統需求響應模型，并提出了新能源消納日前日內兩階段調度方法。文獻[8-10]通過多時間尺度滾動方法，減少源荷不確定對系統優化的影響，但未能深入考慮需求側資源對IES優化的影響。

針對上述問題，本文提出計及綜合需求響應參與消納受阻新能源的多時間尺度優化調度策略。首先，建立IES能量耦合模型及冷、熱、電負荷多類型需求響應模型。其次，在日前時間尺度，基于主從博弈理論，建立價格型IDR博弈優化調度模型；在日內時間尺度，針對新能源出力不確定性，建立考慮激勵型IDR的日內多能優化調度模型。最后，通過仿真驗證本文所提方法的有效性。

1 IES結構及需求側響應策略

1.1 IES結構

典型IES結構如圖1所示，主要包括能源輸入、多能轉換、多類型負荷需求三部分。能源輸入主要包括風電機組、光伏機組、外部電網、輸氣管道；多能轉換中的設備主要包括電鍋爐(electric boiler，EB)、燃氣鍋爐(gas boiler, GB)、電制冷設備(air conditioner, AC)、冷熱電聯供設備(combined cooling, heating and power, CCHP)；多能負荷需求包括冷負荷需求、熱負荷需求及電負荷需求。

圖1 IES結構圖Fig.1 IES Structure Diagram

針對典型IES結構分析，基于能量樞紐理論[11]，建立圖1所述的IES能量轉換模型：

L=H×P

(1)

(2)

(3)

(4)

其中，能源輸入側的分配因子滿足等式關系：

(5)

1.2 冷熱電負荷需求響應策略

在IES中，存在冷熱電負荷需求，均可進行負荷需求響應管理。其中，按響應方式的不同將電負荷需求響應分為價格型需求響應及激勵型需求響應。考慮IES中多能耦合及轉換特點，冷熱負荷通過替代響應的方式參與負荷需求側管理[12]。

1.2.1價格型電負荷需求響應

價格型需求響應指電網通過對負荷電價調整，影響負荷用能行為，以滿足電網的調峰需求。在經濟學中，常采用價格彈性矩陣建立電負荷價格需求響應模型，價格彈性系數計算公式如下：

(6)

考慮負荷本時刻電價變化“自響應”及其余時刻電價變化“互響應”[13]，得到時段1—t內電負荷電價需求響應模型：

(7)

基于式(7)得到t時段電負荷參與電價需求響應后負荷功率：

(8)

由于在日時間尺度內的市場交易中，氣價通常為固定值，因此本文主要考慮電價變化導致的價格型需求響應，不考慮氣價變化。

1.2.2激勵型電負荷需求響應

激勵型負荷響應指用戶與供電公司提前簽訂合約，電網根據電負荷變化量支付經濟補償[14-15]。本文所討論負荷激勵響應為可中斷響應，采用分段報價形式進行，如圖2所示。

圖2 激勵型IDR分段報價曲線Fig.2 Segmented quotation curve of Incentive IDR

其數學表達式如下：

(9)

(10)

(11)

1.2.3替代型冷熱負荷需求響應

在IES系統中，通過各類型的耦合設備，可實現能源的互換。能源間的轉換滿足能量守恒定理，基于此，建立冷熱負荷替代型需求響應模型：

(12)

參與替代響應后負荷Ln可由下式計算得到：

(13)

參與替代響應后，各類型負荷變化量需滿足能量轉換平衡約束：

(14)

1.3 不同時間尺度下需求響應分類

由1.2節可知，價格型需求響應需要考慮不同時段電價對負荷變化量的互響應影響，多用于日前整體優化。激勵型需求響應可根據具體的電網需求直接進行負荷調整，可進行日內短時間尺度優化。因此，在不同時間尺度下，采用不同的需求側響應方式，以最大程度地利用IES需求側響應資源，促進新能源消納。表1為不同時間尺度下IDR分類。

表1 不同時間尺度下IDR分類Table 1 IDR classification at different time scales

在日前時間尺度，提出價格型IDR控制策略，通過電價調整，激勵多類型負荷參與消納日前受阻新能源。在日內時間尺度，考慮新能源預測不確定性，提出激勵型IDR策略，充分挖掘負荷調節潛力，對日內偏差新能源進行消納。其中電負荷可直接參與日前及日內需求響應，冷熱負荷則通過替代響應的方式參與。

2 IES多時間尺度調度策略

2.1 控制思路

本文所提多時間尺度調度模型包括日前及日內兩個時間尺度下的優化調度，調度思路如圖3所示。

圖3 IES多時間尺度IDR調度思路Fig.3 Multi-Time Scale IDR Scheduling Ideas for IES

日前優化階段：控制時間尺度為1 h，通過價格型IDR，對日前受阻新能源進行消納。具體地，基于主從博弈理論，對系統運營商與綜合能源用戶間進行量價博弈。

系統運營商考慮棄風棄光懲罰系數及冷熱負荷舒適度成本，以自身收益最大為目標制定電價策略，發送至綜合能源用戶。用戶基于系統提供的電價信息，以自身用能成本最小為目標，調整用能策略，并傳回系統運營商。通過反復迭代，直至達到博弈均衡，得到雙邊共贏的系統電價及需求響應量。主從博弈框架如圖4所示。

圖4 日前主從博弈框架Fig.4 Framework of master-slave game

日內滾動調整階段：控制時間尺度為15 min，預測時域為4 h。利用激勵型IDR，通過滾動優化的方式，對日內新能源預測正誤差造成的盈余新能源進行消納。具體地，在t時刻，基于新能源日內預測，以日內設備調整成本、購能成本最小為目標，對預測時域內的IES設備出力及激勵型IDR響應功率進行優化，并執行第一個時段的控制計劃。在t+1時段，對下一個預測時域內的新能源預測出力進行更新，重復上述步驟進行滾動優化。

2.2 考慮價格型IDR日前主從博弈優化調度

2.2.1系統運營商模型

系統運營商基于綜合能源用戶需求響應策略，以凈利潤最大為目標，確定自身電價策略：

maxFS=Csale-CND-CNF

(15)

(16)

(17)

(18)

模型約束包括電價約束及新能源功率約束：

(19)

式中：Rmax、Rmin分別為系統運營商可提供的電價上、下限。

2.2.2綜合能源用戶模型

考慮冷、熱負荷調整會造成溫度變化，舒適度降低的特點，引入舒適度成本，用以衡量冷、熱負荷變化對用戶的影響[12]。綜合能源用戶以自身購能成本及舒適度成本最小為目標：

minFuser=Cbuy+Csat

(20)

(21)

(22)

綜合能源用戶電價需求響應量滿足多能樞紐轉換等式約束及負荷需求響應約束：

(23)

2.2.3主從博弈模型

系統運營商與綜合能源用戶在日前交易過程中，雙方分別以自身收益及成本為目標進行博弈，其中系統運營商目標是確定一個最優的系統電價，激勵綜合能源用戶進行電價需求響應，實現自身收益最大；綜合能源用戶基于系統電價，確定自身需求響應電量，最大化降低自身用能成本。

(24)

式中：“*”代表最優策略對應的值，下同。

(25)

2.2.4均衡解唯一性證明

當主從博弈雙方的策略空間滿足非空有界下凸閉子集，且效用函數為策略空間內的連續凸函數，則該主從博弈存在Stackelberg均衡，且均衡解唯一[16]。

(26)

Fuser分別關于決策變量的二階偏導數始終大于等于0，因此該主從博弈均衡解存在且唯一。

2.2.5主從博弈求解方法

根據式(15)、(20)可知，系統運營商計算其利潤時，受到綜合能源用戶電價需求響應量影響，而綜合能源用戶計算其相應成本時，需要系統提供電價參數，兩個模型求解互相影響，因此本文采用分布式優化算法對主從博弈模型進行求解[17]。同時，鑒于綜合能源用戶目標函數為二次函數，在分布式計算過程中調用Gurobi工具箱進行求解，以提高模型求解精度和速度。模型求解流程如附錄圖A1所示。

2.3 考慮激勵型IDR日內滾動優化調度

2.3.1 目標函數

針對新能源預測正誤差造成的日內新能源盈余，對綜合能源用戶進行激勵型IDR。激勵型IDR響應策略是系統運營商與用戶簽訂合同，根據合同確定可削減的負荷電量、補償價格等。以日內綜合能源用戶凈收益最大為目標：

maxFSI=EIDR-CE-grid-CIES

(27)

(28)

(29)

(30)

2.3.2 約束條件

日內調度階段需滿足式(23)中的多能轉換約束及激勵需求響應能力約束：

(31)

式中：PIDRmax為單位時間內激勵需求響應最大功率。

3 算例分析

3.1 算例概述

為驗證本文所提方法的有效性，以圖1所示算例為例進行仿真驗證。日前用戶的冷、熱、電負荷預測出力及風光電預測信息如附錄圖A2所示，IES向電網購電價如附錄表A1所示，購氣價為3.24 元/m3。IES中各能源耦合設備參數如附錄表A2所示。用戶對冷、熱負荷的舒適度系數分別為0.008、0.016[18]，棄風棄光懲罰系數分別為0.45 、0.35 元/(kW·h)。風電日前預測誤差服從均值為0.107、標準差為0.451的正態分布，光伏日前預測誤差服從均值為0.842、標準差為12.690的正態分布[19]。電價自彈性系數為-0.21，互彈性系數為0.032；日內電負荷單位時間內激勵需求響應最大功率為30 kW/15 min，各級激勵響應補貼價格如附錄表A3所示；電負荷最大削減和增加比例為0.5，冷熱負荷最大削減和增加比例為0.4。

3.2 日前優化調度結果分析

為驗證本文所提的考慮價格型及替代型IDR日前主從博弈優化調度策略的有效性，設置兩種日前優化調度方案。方案1：不考慮IDR，以綜合能源系統日前購能成本最低為目標進行優化調度；方案2：本文所提考慮價格型及替代型IDR主從博弈日前優化調度。

方案2采用主從博弈的方式，對日前新能源受阻時段的系統電價及需求響應電量進行博弈求解，以新能源受阻時段02：00—03：00為例對博弈過程進行介紹，博弈結果如表2所示。

表2 02：00—03：00各系統運營商與綜合能源用戶博弈決策結果Table 2 Decision results of the game between each system operator and integrated energy users in 2:00-3:00

由表2可知，在交易時段02：00—03：00，系統運營商與綜合能源用戶經過11輪博弈，達到主從博弈均衡狀態，均衡狀態下的系統運營商提供交易電價為0.32 元/(kW·h)，綜合能源用戶可提供的需求響應電量為38.91 kW·h。基于此，進一步得到方案2其余新能源受阻時段交易結果。

兩種方案下電價變化、新能源受阻功率分別如圖5、6所示。方案2下冷熱電負荷電價需求響應量如圖7所示。

圖5 不同方案下的系統電價Fig.5 System electricity price under different schemes

圖6 不同方案下的新能源受阻功率Fig.6 New energy blocked power under different schemes

圖7 冷熱電負荷日前需求響應量Fig.7 Day-ahead demand response of cooling, heating and power loads

由圖5—7可知，由于夜間時段風電大發，負荷需求低，因此新能源受阻時段主要分布在夜間時段。相較于方案1固定電價，方案2通過主從博弈的方式，在初始電價基礎上，對新能源受阻時段的電價進行補貼，通過降低新能源受阻時段電價的形式，激勵綜合能源用戶進行電價需求響應，增加夜間新能源受阻時段的負荷需求，促進新能源日前消納。其中，由于冷、熱負荷調整會產生舒適度成本，且熱負荷調整成本系數高于冷負荷，因此在夜間新能源受阻時段，電負荷優先參與需求響應，其次是冷負荷，當電、冷負荷響應能力不足時，熱負荷參與響應。

兩種方案下日前優化結果如表2所示，由表2可知，通過采用價格型及替代型IDR，新能源消納量增加了217.94 kW·h，系統運營商凈利潤增加了947.14 元。在綜合能源系統負荷側，參加價格型及替代型IDR雖然增加了需求響應成本，但由于系統電價降低，減少了其購能成本，總體效益增加。結果表明，在日前時間尺度，通過采用本文所提的考慮價格型及替代型IDR日前主從博弈優化調度策略，在促進新能源消納的同時，實現系統運營商及用戶的收益增加。

表3 日前不同方案下優化結果Table 3 Day-ahead optimization results under different schemes

3.3 日內優化調度結果分析

為驗證日內激勵型IDR策略的有效性，本節在3.2節日前考慮價格型及替代型IDR的基礎上，設置兩種日內優化調度方案。方案3：在日內調度中采用滾動優化，不考慮激勵型IDR；方案4：在日內滾動優化基礎上，考慮激勵型IDR參與。

兩種方案下新能源日內受阻功率、負荷需求變化如圖8、9所示。由圖8可知，方案3下的新能源受阻時段為夜間00:00—03:45、19:15—23:45及日間12:15—16:00時段；方案4下的新能源受阻時段為夜間00:00—01:45、19:15—23:45。針對新能源預測誤差造成的日內受阻新能源，相較于方案3，方案4通過激勵型IDR策略，激勵用戶在新能源受阻時段調整負荷需求。具體地，針對日間12:15—16:00小規模新能源受阻電量，為減少多能耦合設備的調整成本，由電負荷用戶單獨參與需求響應，完成對日間受阻新能源的全額消納；針對夜間00:00—03:45、19:15—23:45大規模的受阻新能源，單獨電負荷難以完全消納，由冷熱電負荷共同參與需求響應，減少了夜間受阻新能源規模。

圖8 日內不同方案下新能源受阻功率Fig.8 Blocked power of new energy under different schemes intra-day

圖9 日內不同方案下負荷需求變化Fig.9 Intra-day power load demand under different scenarios

日內兩種方案下的日內優化結果如表4所示，相較于方案3，方案4利用激勵型IDR，減少了受阻新能源電量136.01 kW·h。在用戶側，由于多能負荷參與激勵需求響應，增加了用戶需求響應收益，彌補了負荷調整帶來的耦合設備出力調整懲罰成本升高，總體的效益增加，提高了用戶參與日內IDR的積極性。

表4 日內不同方案下優化結果Table 4 Intra-day optimization results under different schemes

4 結 論

為促進新能源消納，本文提出了一種計及綜合需求響應參與消納受阻新能源的多時間尺度優化調度策略，在日前、日內兩個時間尺度下，利用不同類型IDR策略提高新能源消納能力。通過仿真算例，驗證所提策略的有效性，并得出以下結論：

1)在日前時間尺度，采用基于主從博弈的價格型IDR策略，通過綜合能源用戶與系統運營商間量價博弈，制定符合雙方利益最大化的交易電價，提升了用戶參與需求響應的積極性，達到促進新能源消納的目的。

2)在日內時間尺度，針對新能源預測誤差造成日內盈余新能源，通過滾動優化方式，利用激勵型IDR策略，進一步挖掘負荷需求響應潛力，減少了日內新能源受阻電量。