考虑负荷响应的海岛微电网优化配置

胡荣兴，荆朝霞，肖江

(1. 广东电网有限责任公司佛山供电局，广东 佛山 528000；2. 华南理工大学 电力学院，广东 广州510640)

考虑负荷响应的海岛微电网优化配置

胡荣兴1，荆朝霞2，肖江2

(1. 广东电网有限责任公司佛山供电局，广东 佛山 528000；2. 华南理工大学 电力学院，广东 广州510640)

以可再生能源供能的微电网被认为是解决小型海岛供能问题的最优方式，降低海岛微电网投资成本是当前面临的现实问题。针对此，将需求侧资源处理为可以参与微网规划和运行的电源，用负荷响应参与度(demand response participation degree，DRPD)度量居民对负荷响应(demand response，DR)的接受程度，通过需求侧资源的DR来降低微网投资成本。为此，构建了考虑家居可时移负荷的海岛型微电网优化配置模型，并利用粒子群算法求解该模型最优配置。算例分析结果表明，DR有助于降低微网投资成本，DRPI与可时移电器功率越高，微电网投资成本越小。

负荷响应参与度；海岛微电网；配置优化

目前我国仍有大量的海岛供能紧张，严重影响了海岛居民的生活以及海岛的开发。海岛缺乏煤和天然气等化石能源，大部分小型海岛以柴油机发电，但是柴油运输不便，且柴油机发电产生污染，破坏海岛本就脆弱的生态环境。以可再生能源(renewable energy source，RES)供能的微电网能够为海岛提供绿色可靠的能源，被认为是解决海岛供能难题的一种理想方式[1-2]。“国家能源局关于推进新能源微电网示范项目建设的指导意见”也鼓励在海岛建设以RES供能的微电网，但是高昂的投资阻碍了其广泛应用。

在微电网运行中，已有研究表明负荷响应能够减少储能压力并延长蓄电池寿命[3]、提高微电网的RES利用率[4-5]以及降低微电网运行成本[4-6]。微电网配置中非常重要的一环是微电网运行优化，既然负荷响应能够降低微电网运行成本，那么在微电网配置中考虑需求侧资源的负荷响应也将具有现实意义。已有学者尝试在微电网配置中考虑负荷响应，文献[7]在海岛微电网规划中考虑利用海水淡化可时移负荷来跟踪RES发电，通过混沌自由搜索算法优化海岛微电网的电源容量，算例结果表明，海水淡化的负荷响应提高了RES吸收率并且减少海岛微电网的配置成本；文献[8]在微电网规划以及运行中将需求侧资源视为电源资源，建立了考虑负荷响应的并网型微电网规划模型，并通过一个包含风/光/蓄/柴油机及空调负荷的微电网算例进行分析，结果表明通过负荷响应能够减少峰荷，从而降低微电网的规划总成本；文献[9]在光储并网型微电网的储能优化配置中考虑负荷响应，并分析负荷响应给微电网带来的经济效益以及对储能容量的影响，算例结果表明负荷响应能减少储能需求，考虑负荷响应的微电网具有经济优势。

然而，上述考虑负荷响应的微电网配置研究均理想化了居民对负荷响应的接受程度或电器的负荷响应参与度(demand response participation degree，DRPD)。文献[10]指出负荷响应所带来的利益受实际参与负荷响应的负荷量的影响。文献[11]指出有超过1/2的家居负荷有潜力成为需求侧资源，而在海岛微电网配置中考虑家居需求侧资源的研究比较缺乏。

本文以海岛微电网投资成本最小为目标，在配置中考虑了家居可时移负荷参与负荷响应，建立了考虑负荷响应的含风/光/蓄电池的海岛微电网优化配置模型，并利用粒子群算法(particle swarm optimization，PSO)求解微电网的最优配置。通过算例，分析了负荷响应对海岛微电网配置与运行的影响，并对负荷响应参与度、可时移电器功率进行了敏感度分析。

1 微电网的基本结构

RES供能的典型海岛微电网结构如图1所示。

AC—交流，alternative current的缩写；DC—直流，direct current的缩写。图1 以RES供能的典型海岛微电网结构

电源部分由光伏发电系统和风力发电系统构成，储能部分为广泛使用的铅酸蓄电池，负荷部分为可时移负荷和不可调负荷。洗衣机、储水式热水器等工作时间可以相对灵活安排，但几乎每天都要工作，这些称为可时移电器，可时移电器中得到用户授权能够参与负荷响应的部分视为可时移负荷，而没有得到用户授权的部分视为不可调负荷；通信基站等公共服务负荷为固定不可调负荷；电灯、电饭煲、电磁炉以及电视机等家居负荷已形成固有使用习惯，也不太可能调节，被视为不可调负荷。RES发电系统接入直流母线，考虑到蓄电池的自放电损耗，蓄电池串联成组同样接入直流母线，RES发电系统和蓄电池的直流电经逆变后由交流母线输送给负荷。RES不足时，能源管理系统通过调节蓄电池的工作状态和可时移负荷的工作时段实现能量平衡；RES充足时，可允许弃风光。

1.1 光伏发电系统

光伏的输出功率可表示为

(1)

式中：G(t)为太阳辐射强度；GSTC为标准测试条件下的太阳辐射强度；k为功率温度系数；T(t)为电池温度；TR为参考温度；PSTC为标准测试条件下的最大测试功率。

1.2 风力发电系统

风机的实际运行风速v(t)与塔架安装高度H有关。通常获取的风速数据vref(t)是在给定参考高度Href下测量的，考虑地表粗糙程度因子α，实际运行风速可通过如下转换获得：

(2)

风机的实际功率输出PWT(t)与实际风速v(t)可用以下分段函数表示[12]：

(3)

1.3 蓄电池

蓄电池是微电网中广泛使用的储能设备，常见的蓄电池包括铅酸电池、镍氢电池、镍镉电池和锂离子电池等，其中以成本低廉、技术成熟的铅酸电池应用最为广泛。

蓄电池的电量平衡关系如下：

(4)

式中：E(t)为t时段末蓄电池的剩余电量；δ为自放电率；Δt为时间间隔，本文取1 h；ηC和ηD分别为蓄电池充电效率和放电效率；PC(t)和PD(t)分别为蓄电池充电和放电功率，为非负值。

1.4 负荷

本文引入DRPD来衡量可时移电器的负荷响应的参与程度，DRPD为微电网中被用户授权参与负荷响应的可时移电器负荷与总的可时移电器负荷之比，其综合反映了用户对负荷响应的接受程度以及参与意愿。

设有N类可时移居民电器，且在日内均需工作一次，第i类可时移电器单机功率ΔP(i)，总数量N(i)，在第i类可时移电器中被授权参与负荷响应的总量为N0(i)。不考虑负荷响应时，考虑到用户对电器的使用习惯，设可时移电器在各时段的使用数量比较固定，第i类可时移电器在各时段内的工作数目N(i，t)按某固定比例分布F(i,t)。负荷响应参与度λ(i)、不可调负荷和响应前的可时移负荷如下：

(5)

(7)

对微电网内每个被授权参与负荷响应的第i类电器按1～N0依次进行编号，以j标识第j号电器。第i类可时移负荷每一天内参与负荷响应的表达如下：

(8)

(9)

(10)

(11)

2 优化配置模型

2.1 优化配置的目标函数

优化配置的目标为总成本最小。逆变器数量NINV与RES机组的总装机容量相匹配，配置优化中待优化量包括光伏装机数量NPV、风机数量NNT和蓄电池数量NE。微电网总成本CMG包括设备的等年值成本f1和负荷响应成本f2。有关计算式如下：

(12)

(13)

第k类设备的等年值成本按如下方法计算。

负荷响应成本f2计算如下：

(16)

(17)

(18)

2.2 优化配置的约束

配置优化需满足系统供电约束，储能系统运行约束，负荷响应约束和设备数量约束。

2.2.1 系统运行供电约束

(19)

2.2.2 蓄电池运行约束

蓄电池运行中的电量约束为

(20)

(21)

充放电功率约束为

(22)

(23)

应避免电池同时充放电约束

(24)

2.2.3 负荷响应的约束

(25)

负荷不得同时转入转出约束

可转移电器运行时间区间约束

(27)

式中，SN(i)为第i类电器不允许转入的时段集合。

每日工作任务须完成约束

(28)

取值范围约束

(29)

2.3 优化配置的求解

本文的微电网运行优化为0-1混合整数线性规划问题，利用能处理大规模的数据且求解速度快的CPLEX[13]求解器求解；配置优化则使用变权重粒子群算法[14]求解，求解流程如图2所示。

图2 优化配置模型求解流程

3 算例分析

本文以某热带小岛为例进行算例分析。设该岛基本信息如下：四季气候差别不大，平均风速7.0 m/s，日均光照强度为7.6 kWh/m2；有32户居民，岛上民居数不会增加；无海水淡化负荷，除居民日用负荷外，还有少量的公用负荷(通信基站等)；各月的负荷差异很小，不可调电器总的日均耗电量740 kWh，不可调电器总的最大负荷为57.2 kW；规划中仅考虑每户拥有的智能储水式热水器(2 kW)参与负荷响应，热水器工作1 h可满足一户家庭一天的需求，不考虑负荷响应时热水器开机数量在18时至20时大致以 1:2:1 分布；微电网总的日均电量需求为804 kWh，最大负荷为92 kW。

图3 光照数据

图4 不可调电器负荷和风速数据

3.1 考虑负荷响应的微电网配置

以RES供能的微电网配置有风蓄、光蓄以及风光蓄3种方案，在DRPD为0时，即不考虑负荷响应的情况下，这3种方案的配置成本分别为922 233美元、196 329美元和167 891美元。为适应海岛恶劣条件而选择的高质量风机导致风蓄方案成本最高，风蓄方案成本略低于光蓄方案反映了风光互补的优势，故本算例选用风光蓄方案。

表1为不同DRPD下的微电网配置情况。DRPD为0.25表示有25%的可时移电器被用户授权而能在能源管理系统下参与负荷响应。在不同DRPD下，RES装机容量变化很小。随着DRPD的增加，蓄电池组数逐渐下降；微电网成本逐渐降低，DRPD为1的配置成本(单位电量成本0.57美元/kWh)相比DRPD为0的配置成本(单位电量成本0.63 美元/kWh)节约了10.85%微电网成本；储能成本占比逐渐降低，如DRPD为1时蓄电池成本占比50.8%，DRPD为0时蓄电池成本占比55.7%。负荷响应能降低微电网的储能压力，节约投资成本。

表1 微电网配置

DRPD风机/台光伏/块蓄电池组/块逆变器/台总成本/美元成本节约比例/%071694177518610800257172016771815302520561804157917659853907571658157417284576717168614751678921085

3.2 可时移电器功率对微电网配置的影响

本文使用的需求侧资源为家居可时移负荷，除电动汽车外，家用电器的容量一般在3 kW以内[18]，本节取可时移电器功率为1 kW、1.5 kW、2 kW、2.5 kW以及3 kW的情况，可时移电器的工作时段与特性和热水器一样。本节分析其功率对微电网配置的影响，结果如图5所示。其中“DRPD=0.5节约”表示DRPD为0.5情况下相比DRPD为0情况下的成本节约。可时移负荷功率越大，微电网的负荷需求越多并加大了峰谷差，故微电网的配置成本也更高。可时移电器功率不同时，DRPD高的情况下的微电网成本均小于DRPD低的情况；随着可时移电器功率的增加，DRPD高的情况下微电网成本增长率要小于DRPD低的情况，DRPD为0.5和1的情况下的配置成本相比DRPD为0情况的成本节约比例呈增大趋势。如上结果说明负荷响应下的成本优势随可时移电器功率增大而增大，可时移电器功率对负荷响应参与度低的配置下的微电网成本影响更大。

图5 不同可时移电器功率下的微电网成本对比

3.3 考率负荷响应的微电网运行分析

图6为DRPD为1的配置下某典型日的微电网设备功率/电量变化情况。

1—储能量；2—光伏出力；3—DRPD为0下负荷；4—DRPD为1下负荷；5—放电功率；6—充电功率；7—风机出力。图6 典型日内微电网设备的功率/电量变化情况

从图6可知，白天的负荷需求主要由光伏发电满足，同时蓄电池充电储能；晚上无光照，负荷需求由风机出力和蓄电池放电满足；原本晚上的部分负荷通过负荷响应转移到白天光照充足的时段，虽然提高了微电网的峰谷差，但更有利于吸收可再生能源。在整个优化周期内，DRPD为1时，随着DRPD的提高，弃可再生能源的量逐渐降低：如DRPD为1时4周的弃可再生能源量为 21 800 kWh，弃风光率约45.8%；而在DRPD为0时4周的弃可再生能源量为22 181 kWh，约47%，但存在318 kWh的电量缺额。而DRPD为0的配置下，系统配置更多光伏以及昂贵的蓄电池来满足夜间供能，DRPD为0时，4周的弃可再生能源量约占总可再生能源量的46.5%。综上所述，在以可再生能源供电的海岛微电网中，负荷响应追踪可再生能源出力，减少了可再生能源的浪费[19-21]。

4 结束语

本文以家居可时移电器作为需求侧资源，构建了考虑负荷响应的含风/光/蓄电池的海岛微电网优化配置模型并进行了求解。以DRPD衡量居民负荷响应的参与意愿和被授权的负荷响应参与容量，分析了负荷响应对微电网配置的影响。结果表明负荷响应能够提高微电网的经济性；探讨了可时移电器单机功率对微电网投资成本的影响，负荷响应下配置的成本优势随可时移电器功率增大而增大；最后分析了负荷响应对微电网运行的影响。

[1] 陈健，王成山，赵波，等.考虑储能系统特性的独立微电网系统经济运行优化[J]. 电力系统自动化，2012，36(20)：25-31.

CHEN Jian, WANG Chengshan, ZHAO Bo, et al. Economic Operation Optimization of Stand-alone Micro-grid System Considering Characteristics of Energy Storage System[J]. Automation of Electric Power Systems, 2012, 36(20): 25-31.

[2] 杨欢，赵荣祥，辛焕海，等.海岛电网发展现状与研究动态[J]. 电工技术学报，2013，28(11)：95-105.

YANG Huan, ZHAO Rongxiang, XIN Huanhai, et al. Development and Research Status of Island Power Systems[J]. Transactions of China Electrotechnical Society, 2013, 28(11): 95-105.

[3] 贾宏杰，戚艳，穆云飞. 基于家居型温控负荷的孤立微电网频率控制方法[J]. 中国科学:技术科学，2013(3)：247-256.

JIA Hongjie, QI Yan, MU Yunfei. Frequency Response of Autonomous Micro-grid Based on Family-friendly Controllable Loads[J]. Scientia Sinica (Technological), 2013, 43(3): 247-256.

[4] 张忠，王建学，曹晓宇.基于负荷分类调度的孤岛型微网能量管理方法[J]. 电力系统自动化，2015，39(15)：17-23.

ZHANG Zhong, WANG Jianxue, CAO Xiaoyu. An Energy Management Method of Island Micro-grid Based on Load Classification Scheduling[J]. Automation of Electric Power Systems, 2015, 39(15): 17-23.

[5] 于雷，汤庆峰，张建华. 基于负荷资源分类建模和启发式策略的家居型微电网优化运行[J]. 电网技术，2015，39(8)：2180-2187.

YU Lei, TANG Qingfeng, ZHANG Jianhua. Optimal Operation for Residential Micro-grids Based on Load Resources Classification Modeling and Heuristic Strategy[J]. Power System Technology, 2015,39(8): 2180-2187.

[6] 黄焘，马溪原，雷金勇，等. 考虑分时电价和需求响应的家庭型用户侧微电网优化运行[J]. 南方电网技术，2015，9(4)：47-53.

HUANG Tao, MA Xiyuan, LEI Jinyong, et al. Optimal Operation of Household User-side Micro-grid Considering Time-of-use Price and Demand Response[J]. South Power System Technology, 2015, 9(4): 47-53.

[7] 刘柏良，黄学良，李军. 计及可时移负荷的海岛微网电源优化配置[J]. 中国电机工程学报，2014，34(25)：4250-4258.

LIU Bailiang, HUANG Xueliang, LI Jun. Optimal Sizing of Distributed Generation in a Typical Island Micro-grid with Time-shifting Load[J]. Proceedings of the CSEE, 2014, 34(25): 4250-4258.

[8] 朱兰，严正，杨秀，等. 计及需求侧响应的微网综合资源规划方法[J]. 中国电机工程学报，2014，34(16)：2621-2628.

ZHU Lan, YAN Zheng, YANG Xiu, et al. Integrated Resources Planning in Micro-grid Based on Modeling Demand Response[J]. Proceedings of the CSEE, 2014, 34(16): 2621-2628.

[9] 赵波，包侃侃，徐志成，等. 考虑需求侧响应的光储并网型微电网优化配置[J]. 中国电机工程学报，2015，35(21)：5465-5474.

ZHAO Bo, BAO Kankan, XU Zhicheng, et al. Optimal Sizing for Grid-connected PV-and-storage Micro-grid Considering Demand Response[J]. Proceedings of the CSEE, 2015, 35(21): 5465-5474.

[10] 何彦英，曾鸣. 考虑需求侧响应的配电网运行效应评估研究[J]. 陕西电力，2015，43(11)：1-7.

HE Yanying, ZENG Ming. Effect Evaluation of Demand Response on Distribution Network Operation[J]. Shaanxi Electric Power, 2015, 43(11): 1-7.

[11] 汤奕，邓克愚，孙华东，等.智能家电参与低频减载协调配合方案研究[J]. 电网技术，2013，37(10)：2861-2867.

TANG Yi, DENG Keyu, SUN Huadong, et al. Research on Coordination Scheme for Smart Household Appliances Participating Under-frequency Load Shedding[J]. Power System Technology, 2013, 37(10): 2861-2867.

[12] CHEDID R, AKIKI H, RAHMAN S. A Decision Support Technique for the Design of Hybrid Solar-wind Power Systems [J]. IEEE Trans. on Energy Conversion, 1998, 13(1): 76-83.

[13] 吴雄，王秀丽，王建学，等. 微网经济调度问题的混合整数规划方法[J]. 中国电机工程学报，2013，33(28)：1-8.

WU Xiong, WANG Xiuli, WANG Jianxue, et al. Economic Generation Scheduling of a Micro-grid Using Mixed Integer Linear Programming [J]. Proceeding of the CSEE, 2013, 33(28): 1-8.

[14] 谭兴国，王辉，张黎，等. 微电网复合储能多目标优化配置方法及评价指标[J]. 电力系统自动化，2014，38(8)：7-14.

TAN Xingguo, WANG Hui, ZHANG Li, et al. Multi-objective Optimization of Hybrid Energy Storage and Assessment Indices in Micro-grid[J]. Automation of Electric Power Systems, 2014, 38(8): 7-14.

[15] MA T, YANG H, LI L, et al. Technical Feasibility Study on a Standalone Hybrid Solar-wind System with Pumped Hydro Storage for a Remote Island in Hongkong [J]. Renewable Energy, 2014(69) 7-15.

[16] MA T, YANG H, LU L. Feasibility Study and Economic Analysis of Pumped Hydro Storage and Battery Storage for a Renewable Energy Powered Island [J]. Energy Conversion and Management, 2014(79): 387-397.

[17] MA T, YANG H, LU L, et al. Optimal Design of an Autonomous Solar-wind-pumped Storage Power Supply System[J]. Applied Energy, 2015(160): 728-736.

[18] TASCIKARAOGLU A, UZUNOGLU M, TANRIOVEN M, et al. Smart Grid-ready Concept of a Smart Home Prototype: A Demonstration Project in YTU[C]//2013 Fourth International Conference on Power Engineering, Energy and Electrical Drives (POWERENG). Istanbul：IEEE, 2013: 1568-1573.

[19] 刘春阳，王秀丽，刘世民，等. 计及蓄电池使用寿命的微电网经济调度模型[J]. 电力自动化设备, 2015, 35(10):29-36.

LIU Chunyang, WANG Xiuli, LIU Shiming, et al. Economic Dispatch Model Considering Battery Lifetime for Microgrid[J]. Electric Power Automation Equipment,2015, 35(10):29-36.

[20] 于娜，于乐征，李国庆. 智能电网环境下基于多代理的商业用户可控负荷管理策略[J]. 电力系统自动化,2015, 39(17):89-95.

YU Na, YU Lezheng, LI Guoqing. Controllable Load Management Strategy for Commercial Users Based on Multi-agent in Smart Grid Environment[J]. Automation of Electric Power Systems, 2015, 39(17): 89-95.

[21] 王蓓蓓，李杨，高赐威. 智能电网框架下的需求侧管理展望与思考[J]. 电力系统自动化, 2009, 33(20):17-22.

WANG Beibei, LI Yang, GAO Ciwei. Demand Side Management Outlook Under Smart Grid Infrastructure[J]. Automation of Electric Power Systems, 2009, 33(20):17-22.

(编辑 查黎)

Optimized Configuration for Island Micro-grid Considering Demand Response

HU Rongxing1, JING Zhaoxia2, XIAO Jiang2

(1.Foshan Power Supply Bureau of Guangdong Power Grid Co., Ltd., Foshan, Guangdong 528000, China; 2. School of Electric Power, South China University of Technology, Guangzhou, Guangdong 510640, China)

The micro-grid with renewable energy source (RES) is considered as an optimal mode for solving the problem of power supply for small islands and reduction of investment cost for island micro-grids is an actual problem. Therefore, demand-side resource is treated as power source for micro-grid planning and operation, demand response participation degree (DRPD) is used for measuring acceptance degree of residents for load response and demand response (DR) to demand-side resource is used for reducing micro-grid investment cost. Meanwhile, an optimized configuration model for island micro-grid considering house time-displacement load is constructed and particle swarm optimizationalgorithm is used for solution. Example analysis results indicate that DR is useful to reduce micro-grid investment cost, and the higher DRPD is as well as the more power of time-displacement electric appliances is, the lower investment cost is.

demand response participation degree; island micro-grid; optimized configuration

2016-05-06

10.3969/j.issn.1007-290X.2016.12.007

TM711

A

1007-290X(2016)12-0032-07

胡荣兴(1989)，男，湖南娄底人。助理工程师，从事电力系统运行、微电网方面的工作。

荆朝霞(1975)，女，河南巩义人。教授，工学博士，主要研究方向为电力市场、电动汽车、电力系统运行与控制、综合能源系统优化。

肖江(1992)，男，江西吉安人。在读硕士研究生，研究方向为电力市场。