灵活性负荷参与电网调度的经济优化运行

崔喾, 张新燕, 何广渝, 王志磊, 王显岚, 张洪图

(新疆大学电气工程学院, 乌鲁木齐 830047)

随着“碳达峰、碳中和”目标的提出,大力发展新能源、提供高能源利用率、加强可再生能源综合利用是能源发展的必然选择[1]。与此同时,随着全面建成小康社会战略目标的实现,社会的繁荣使负荷需求迅猛增长,给电力系统安全稳定运行带来了巨大挑战。科技的进步,使负荷的种类日益繁多,柔性负荷是实现供需双方“互动性”的有效途径之一,有别于传统的刚性负荷,柔性负荷作为一种可调度的负荷侧资源灵活且可变[2]。故而柔性负荷又称之为灵活负荷。文献[3-6]等针对可再生能源出力的不确定性,考虑用户侧资源的灵活性对用户负荷削峰填谷,以达到电网经济、稳定运行的目的。

文献[7-8]基于负荷聚合商模式的源荷协同运行对灵活性负荷资源进行聚合从而优化系统运行。文献[9]提出了一种基于柔性负荷分类的微电网调度方法进而提高柔性负荷利用率。文献[10]提出了一种“源-网-荷”协同的电-气联合系统日前调度模型以促进风电消纳、降低系统运行成本。文献[11]搭建了智能能源系统模型,将电、热、气等柔性负荷纳入综合能源系统优化调度中,降低了运行成本且提高了风电利用率。但均为考虑分时电价对用户需求的影响。

文献[12]基于改进的需求价格弹性矩阵,分析了不同电价政策对其响应潜力的影响。文献[13]建立了一个概率模型,用于评估具有弹性需求的电力系统边际电价和容量裕度,同时考虑了需求和供给侧双方的不确定性。文献[14]将上层模型通过分时电价引导后得到的负荷需求响应带入下层模型,考虑储能寿命得到火储协调的最优运行方式。文献[15]提出计及需求响应与主从博弈的微电网低碳优化调度模型准确地描述了实际需求响应点,实现了削峰填谷。虽然考虑负荷需求响应,然未考虑到灵活负荷参与电网调度对风光利用及运行成本的影响。

在上述研究的基础上充分考虑对可再生能源及灵活性资源的利用,针对可再生能源的不确定性,采用分时电价策略对用户用电行为的引导,构建基于用电满意度及净负荷波动最小为目标的上层模型,求解得到负荷需求相应;在下层模型中将灵活性资源引入电网的优化调度以改善系统运行。上层模型采用粒子群智能算法求解,将上层的到的结果带入下层模型利用Cplex求解器进行求解。算例以某地区电网为研究对象,验证本文所提模型的合理性及有效性。

1 可参与电网调度负荷模型

1.1 灵活性负荷分类及运行特性

1.1.1 时变型灵活负荷

时变型灵活负荷是指负荷用户受分时电价策略影响改变自身用电行为,可分为可转移类负荷和可中断类负荷。其中,可转移类负荷在时序上改变了用电时间,但未改变自身用电量,“错峰用电”在一定程度上到达了“削峰填谷”的目的。可中断类负荷是用户为达到节约用电的目的“按需用电、断电”,避免产生多余电费和造成资源浪费。时变型灵活负荷运行特性如图1所示。

图1 时变型灵活负荷运行特性Fig.1 Variable flexible load operation characteristics

1.1.2 非时变型灵活负荷

非时变型灵活负荷不能改变自身用电时间,但可以在一定程度上对用电功率进行削减以满足系统调度需求。根据负荷受控特性的不同,分为可直接控制类负荷和可间接控制类负荷。其中,可直接控制类负荷是指可直接接收电网命令,根据电网需求安排工作计划参与电网调度;可间接控制类负荷需借助第三方机构进行负荷聚合从而实时参与电网调度。非时变型灵活负荷运行特性如图2所示。

图2 非时变型灵活负荷运行特性Fig.2 Operation characteristics of non-time variant flexible load

1.2 灵活性负荷模型

1.2.1 时变型灵活负荷模型

(1)可转移类负荷模型。可转移类负荷是用户受到分时电价影响而改变自身用电时段的一类负荷,对用电时间不敏感,如洗衣机、洗碗机等家用电器。其数学模型为

Ptr(t)=αtr(t)Pl(t)

(1)

式(1)中:Ptr(t)为t时刻可转移功率;αtr(t)为t时刻可转移系数;Pl(t)为t时刻负荷总功率。

(2)可中断类型负荷模型。可中断类负荷是用户受分时电价影响而改变自身用电习惯的一类负荷,有需求则用电,无需求则断电,如人走灯灭等用电习惯。其数学模型为

Pc(t)=αc(t)Pl(t)

(2)

式(2)中:Pc(t)为t时刻可中断功率;αc(t)为t时刻可中断系数;Pl(t)为t时刻负荷总功率。

1.2.2 非时变型灵活负荷模型

(1)可直接控制类负荷模型。可直接控制类负荷分布较为集中,有可观的调节潜力且用电规律性强。常见的可直接控制类负荷有电解铝厂、碳化硅厂等。其参与调节的数学模型为

PDCL=PDCL,0+Κ1γ1PDCL,0

(3)

式(3)中:PDCL为该类负荷参与调节后的功率;PDCL,0为该负荷额定功率;Κ1为0-1状态变量,取1时表示该负荷参与调节;γ1为该负荷可调节范围。

(2)可间接控制类负荷模型。可间接控制类负荷具有分散性、单一调节潜力小等特性,但便于聚合管理,常见的可间接控制类负荷有温控负荷、电动汽车等。其参与调节数学模型为

(4)

式(4)中:PICL为该类负荷参与调节后的功率;N为可间接控制类负荷编号,从1～N;PDCL,i为第i户用电负荷额定功率;Κ2i为0-1状态变量,取1时表示第i户负荷参与调节;γ2i为第i户负荷可调节范围。

1.2.3 储能充放电模型及购电模型

在电网中,利用储能装置可以有效地对富余能源进行储存,避免新能源的浪费,同时当源侧出力略微不足时可在一定程度上弥补缺额,若源侧出力严重不足,则需向上级或同级电网购电。

(1)储能充放电模型。储能装置可有效地平抑电网内负荷突变或新能源出力突变引起的波动。其充放电状态取决于电网的调度需求,其特性可表示为

(5)

式(5)中:E为充放电完成后的容量;Einit为充放电前的容量;Pch、Pdis分别为充、放电功率;η1、η2分别为充放电效率,本文取均0.95;k1、k2为0-1决策变量,1表示状态开启;Δtc、Δtd为充放电时长。

(2) 购电模型。随着网间互联互通的不断加强,为保障供电可靠性,当供电无法满足用户需求时,可向其他电网购电以保证供电可靠性,其购电模型为

Pbuy=(1+αloss)Pneed

(6)

式(6)中:Pbuy为购电量;Pneed为实际需求电量;αloss为购电损耗系数。

1.3 可参与电网调度负荷经济效益模型

1.3.1 时变型灵活负荷收益模型

时变型负荷的普遍存在性及用户行为的不确定性,难以评估该类型负荷的变化,基于分时电价策略优化后的负荷需求响应,用户收益数学模型为

(7)

式(7)中:Cuser为用户执行分时电价策略的收益;Pd,t、Pl,t分别为响应前后t时段的负荷;ωd、ωl,t分别为优化前的电价和分时电价;以1 h为单位调度时段,T为一个调度周期总时段数,本文中T均取24。

1.3.2 非时变型灵活负荷调度成本模型

非时变型灵活负荷相对而言,可控性比较高,对于可直接控制类负荷电网采用签合同等形式与相应高载能企业达成协议,根据调度需求,给出日前调度计划,安排合理的工作计划。对于间接控制类负荷电网不便直接与此类负荷发生关联,需借助中间聚合商对用户侧灵活资源进行整合,根据电网调度需求可实时与电网进行互动。其参与调度成本为

(8)

式(8)中:α1为可直接控制类负荷调度成本系数,本文中取200 元/MWh;α2为可直接控制类负荷调度成本系数,本文中取150 元/MWh。

1.3.3 储能购电调度成本模型

储能装置的运行寿命是在其循环充放电过程中损耗的直接体现,因此利用储能装置参与电网调度的成本模型为

(9)

式(9)中:CESS为储能装置参与调度成本;μESS为储能装置使用成本系数,本文中取154.2元/MWh。

购电成本模型为

(10)

式(10)中:Cbuy为购电成本;μbuy为购电电价。

2 负荷需求响应优化

针对时变型灵活性负荷的不确定性、无法统计行本文基于分时电价的价格型需求响应对此类负荷参与电网调度进行研究。分时电价通过不同时段的不同电价引导用户改变用电行为,以达到削峰填谷、提高新能源利用的目的。

在经济学中,需求的价格弹性系数常被用来反映商品的需求对价格变动的敏感程度[16],通常表示为

(11)

式(11)中:ε为商品价格弹性需求;Q为该商品的原始需求量;ΔQ为该商品响应价格而引起的需求变化;P为商品的价格;ΔP为该商品的价格变动。ε越大,则表示商品需求对价格变动越敏感[16]。

由用户用电的历史数据表明,用户不同时期用电量不同,由此可将一天的用电量划分为“峰-平-谷”三个时段,从而建立三阶需求价格弹性矩阵,表示

(12)

式(12)中:主对角元素为自弹性系数,体现的是电力需求自身的变化。矩阵中其他元素为交叉弹性系数,体现的是电力需求的相互转移。

由负荷特性可知,用户用电行为受到电价的影响,根据不同时段用电量的不同划分为“峰-平-谷”三个时段,引入需求价格弹性矩阵得实施分时电价后用户用电量为

(13)

3 灵活性负荷经济优化调度模型

为了缓解电力系统的调峰压力,并提高对风光资源及灵活性资源的综合利用以促进系统运行的经济性、稳定性,本文提出一种考虑用户满意度的需求响应与灵活性资源参与系统优化调度的双层优化调度模型,如图3所示。上层模型针对时变型灵活负荷采用价格型需求响应引导用户用电行为,综合考虑系统用电的满意度,负荷曲线跟随风光出力曲线到以净负荷波动性最小为目标的需求响应负荷曲线,以缓解电网调峰压力;下层模型利用非时变性灵活负荷与系统进行互动,实现以系统总运行成本最低为目的的经济优化调度。

图3 双层优化调度模型Fig.3 Two-layer optimal scheduling model

3.1 上层模型

3.1.1 目标函数

考虑新能源上网额度,为保证调度的可靠性及有用性,利用分时电价策略引导用户用电行为进行响应调节,刺激用户服从并参与调度的积极性,以原始负荷跟随可再生能源出力曲线综合考虑系统用电满意度并达到净负荷波动最小的目的,最终得到优化后的需求响应负荷曲线。目标函数表示为

F=(f1,f2)

(14)

(15)

PN,t=Pf,t+Pg,t

(16)

(17)

式中:PN,t为t时段新能源预测总出力;Pf,t为t时段风电预测出力;Pg,t为t时段光电预测出力;Ueco为优化后电费节省程度;Ucom为优化后负荷变化程度。

3.1.2 约束条件

(1)响应负荷功率限制,应满足

Po,t(1-∂)≤Pl,t≤Po,t(1+∂)

(18)

式(18)中:Po,t为响应前t时段的负荷;∂为各时段可响应负荷最大比例。

(2)满意度约束。优化调度后的负荷是否满足达到期望,应满足

(19)

3.2 下层模型

3.2.1 目标函数

将上层模型优化所得的负荷Pl,t代入下层模型用于功率平衡,利用灵活性资源参与系统调度,下层模型以系 统总调度成本最低为目标,求解得到源荷储购协调运行的最优方式,目标函数为

minCtotal=Cbuy+CESS+Cr+Cp+Cload

(20)

(21)

式中:Ctotal为系统总调度成本;Cr为新能源机组运维成本;Cp为弃风弃光惩罚成本;Cl为灵活负荷参与调度成本;PAN,t为t时刻弃风光总量;σ1、σ2分别为新能源机组运行成本系数和弃风光惩罚成本系数,本文弃风光惩罚系数分别取600、500 元/MWh,本文风光机组运维系数分别取9.6、45 元/MWh。

3.2.2 约束条件

(1)灵活负荷约束。

可调功率范围约束:

(22)

参与停留时间约束:

Ts,min≤Ts≤Ts,max

(23)

可控次数约束:

Ci≤Cmax

(24)

式中:PDCL,min、PICL,min分别为可直接控制类和可间接控制类负荷可调下限;PDCL,max、PICL,max分别为可直接控制类和可间接控制类负荷可调上限;Ts为可直接控制类负荷参与停留时间;Ts,min、Ts,max分别为可停留的最短时间和最长时间;Cmax为可直接控制类负荷可参与调度的最大次数;Ci为可直接控制类负荷可参与调度的次数。

(2)储能装置约束。

储能装置充放电深度约束:

0.2ESSmax≤ESS≤0.9ESSmax

(25)

充放电功率约束:

(26)

充放电不同时约束:

k1+k2≤1

(27)

式中:ESSmax为储能装置最大容量;Pch,min、Pdis,min分别为储能充放电最小功率;Pch,max、Pdis,max分别为储能充放电最大功率。

(3)购电约束。

0≤Pbuy≤Pbuy,max

(28)

式(28)中:Pbuy,max为最大允许购买电量。

(4)新能源机组约束。

(29)

式(29)中:Pf,max为风电机组最大允许出力;Pg,max为光伏机组最大允许出力。

(5)功率平衡约束。

Pcom,min+Pf+Pg+Pbuy=Pl+PESS+Pfl

(30)

式(30)中:Pcom,min为常规机组最小技术出力;PESS为储能响应电网调度时充放电功率;Pfl为灵活负荷响应电网调度时总功率。

4 算例分析

4.1 算例数据

以新疆实际区域系统为算例进行仿真分析,该地区风电装机容量为10 193 MW,光伏装机容量为4 201 MW,常规机组出力按最小技术出力计算为8 000 MW。非时变型灵活负荷主要包括电解铝、碳化硅等直接控制类负荷及电动汽车、空调等可间接控制类负荷,其详细参数如表1所示。

表1 灵活负荷参数Table 1 Flexible load parameters

该系统储能装置采用磷酸铁锂电池,配置总容量3 000 MWh,额定充放功率200 MW,储能装置调用成本110 元/MW。该地区为采用分时电价前其电价为0.58 元/kWh,电价的峰平谷划分如表2所示。

表2 分时电价参数Table 2 Time-of-use electricity price parameters

4.2 系统优化运行结果分析

为了验证本文所提方法的有效性,设置不同情景下对比分析考虑与不考虑需求响应及利用不利用灵活负荷参与电网调度成本计算模型下的运行结果。

情景1不考虑需求响应、不利用非时变型灵活负荷。

情景2不考虑需求响应、利用非时变型灵活负荷。

情景3考虑需求响应、不利用非时变型灵活负荷。

情景4考虑需求响应、利用非时变型灵活负荷。

基于分时电价策略,用户响应后的负荷曲线如图4所示。在不同情景下系统优化结果、新能源消纳结果分别见表3和表4。

表3 不同情景下系统优化结果Table 3 System optimization results under different scenarios

表4 不同情景下新能源消纳结果Table 4 New energy consumption results under different scenarios

图4 分时电价响应前后负荷曲线Fig.4 Response load curve of TOU price

4.2.1 时变型负荷需求响应结果分析

如图4所示,原负荷呈“双峰”特性,峰谷差为1 500.54 MW,当负荷用户受分时电价策略影响后选择将时变型负荷用电中断或转移至低谷时期,有效的将峰谷差缩小至1 365 MW,缓解了电网调峰压力,且需求响应前后系统用电满意度总体得到提升(图5),到达了节省电费和优化负荷需求响应的目的,表明了分时电价策略和时变型灵活负荷参与电网调度的有效性。

图5 系统用电满意度Fig.5 Satisfaction degree of system electricity consumption

4.2.2 非时变型灵活负荷参与调度运行结果分析

图6(a)为情景4下源荷协调优化运行结果,灵活性资源参与系统优化调度后仍保持系统电力平衡。从图6(b)灵活性资源参与互补结果可知,在实际运行时系统机组出力和负荷需求并不能时刻保持平衡。为维持系统安全稳定的运行,在净负荷小于常规机组最小技术出力时,新能源出力富余,则需要弃电即弃新能源;在净负荷大于常规机组最小出力时,新能源缺额,则需切负荷。由此将会造成新能源浪费或无法保证电网供电的可靠性,因此利用灵活性资源后对其进行互补,提升系统新能源的消纳能力并增强系统供电可靠性。在时序上,从到01:00—10:00新能源出力富余,需增加用电;在11:00—13:00略有缺额,需减少用电;随后两小时略有富余,需增加用电;从16:00—24:00新能源出力一直处于缺额状态,需减少用电。

图6 情景4下系统运行情况Fig.6 System operation in Scenario 4

根据电网调度需求,可直接控制类负荷按工作计划在01:00—06:00增加用电,在17:00—22:00减少用电;可间接控制类负荷进行实时互补,按需增减用电量。当富余量或缺额量超过了灵活负荷可调节范围是,储能便参与调节进行充电或放电,如图6(c)所示为储能充放电及电量变化情况,储能充放电亦受分时电价影响,如在14:00—15:00,该时段机组出力略有富余,然接下来的时段系统不仅一直处于缺额状态且处于峰时电价,且此时段电价处于平时期,故而选择此时对储能装置进行充电,甚至在一定程度上可减小可间接控制类负荷的用电,以保证在缺额状态时尽可能多的弥补缺额并实现更佳经济效益。

从图6可知,弃电主要发生在06:00—11:00这个时段,这此阶段由于储能容量已达最大且可直接控制类负荷已达最大可停留时间,先后退出互补,导致仅有可间接控制类负荷参与互补,其最大增加用电无法填补系统弃电度,故而产生了弃电。当缺额过大时,超过了非时变型灵活负荷及储能装置的可调节能力,则需购电以保持供需平衡,维持电网的安全稳定运行。如图6所示,当经过灵活性资源按电网需求进行互补后弃电减少,即常规机组最小技术出力下方净负荷曲线与等效互补出力曲线中间部分;在缺额时,缺额程度虽然超过了非时变型灵活负荷和储能装置最大互补极限,即使二者先后退出互补,但缺额程度却在仍在最大购电约束之内,故供电不再缺额,无需切负荷。

4.2.3 不同场景结果分析

从表3、表4在考虑和不考虑需求响应的角度进行对比可知,通过分时电价引导用户用电行为从而优化需求响应后,在一定程度上可以降低系统运行成本,分别下降了9.3%、11.97%,且新能源消纳能力均提升了0.81%。从利用不利用非时变型灵活负荷的角度对比可知,利用非时变型灵活负荷参与系统运行后成本分别下降了25.78%、28.00%,且新能源弃电率均降低3.66%,表明灵活负荷能有效的参与电网调度,节约成本促进消纳。

5 结论

考虑基于分时电价策略影响下的负荷需求响应,利用灵活负荷促进系统的经济运行,提出了双层优化模型,提升系统对风电、光伏能源的消纳,并利用粒子群智能算法结合CPLEX求解器得到灵活性资源协调运行的最优方式,实现了系统的经济运行,得到如下结论。

(1)在利用分时电价策略且考虑了系统用电满意度和波动性后,有效地使负荷需求响应的峰谷差缩小,避免了利用灵活性资源进行互补时可能会出现的峰谷差过大。

(2)灵活性负荷具有参与电网调度需求的能力,可在不影响自身用电需求的前提下参与电网调度可促进新能源消纳,并具有良好的经济效益。

(3)在保证电网安全稳定运行的情况下,电网如何利用各类灵活性负荷,与各类灵活性资源调用成本有关,调用成本越低,则调用时的优先级越高。