考虑采暖建筑用户热负荷弹性与分时电价需求侧响应 协同的电热联合系统优化调度

电热联合系统中电、热负荷在峰谷分布上存在互补特性,考虑电、热负荷的互补特性实施电热联合系统优化运行可以有效增强系统调峰灵活性,缓解电热强耦合造成的弃风。为此,研究了考虑采暖建筑用户热负荷弹性与分时电价需求侧响应协同的电热联合系统优化调度问题。阐述了电、热负荷协同促进风电消纳的机理。根据电、热负荷特性分别建立采暖建筑用户热负荷弹性模型以及分时电价需求侧响应模型,并以此为基础建立电、热负荷协同响应模型。将负荷模型纳入调度模型,构建考虑负荷协同优化的电热联合系统日前调度模型。算例分析表明,采暖建筑用户热负荷弹性与分时电价需求侧响应的协同可有效提升系统运行经济性并促进系统风电消纳。     

基于模糊激励型需求响应的微电网两阶段优化调度模型

针对微电网中风电和负荷不确定性，提出一种基于价格型需求响应（price-based demand response，PBDR）的日前负荷调度和基于激励型需求响应（incentive-based demand response，IBDR）的实时负荷调度的两阶段优化调度模型。在日前阶段，根据用户需求对电价的响应，引入需求价格弹性建立了用户响应模型；在实时调度阶段，为了挖掘不同用户参与需求响应的积极性，利用模糊工具求出不同用户的动态激励方案，提高需求响应项目的参与度。算例分析结果表明，两阶段调度模型相较于只采用日前价格型需求响应提高了风电消纳能力，增加了电网和用户的经济效益；而较于只采用实时激励型需求响应增强了削峰填谷作用，提高系统运行的平稳性。同时动态激励价格比固定式激励价格使负荷曲线峰谷差更小，进一步减少了弃风量。     

分时电价激励下考虑负荷聚集商的日前经济调度

目前中小负荷资源无法进入市场参与系统功率平衡调整,负荷聚集商可整合中小型电力用户作为系统调峰资源,而分时电价可以优化负荷曲线,降低负荷聚集商调峰补偿成本。因此提出分时电价激励下负荷聚集商以安排负荷消减合同的方式参与调峰的源荷互动规则,以系统运行成本最低为目标,构建了日前调度优化模型。对比分析了分时电价与负荷聚集商协调前后3种场景下电力系统调度的经济性,仿真结果表明该源荷互动模型相比于分别单独优化更能有效降低发电机组运行成本,减少碳排放,提升系统的风电消纳水平及运行经济效益。     

面向大容量风电接入考虑用户侧互动的系统日前调度和运行模拟研究

风电的随机波动性增大了系统调度的难度,将需求响应融入传统发电日前调度计划,将风电备用成本纳入目标函数,同时增加了正负旋转备用约束。以基于消费者心理学的分时电价用户响应原理预测负荷曲线,将可中断负荷作为部分系统备用,建立面向大容量风电接入考虑用户侧互动的系统日前调度模型和运行模拟模型。综合考虑发用电侧资源,将分时电价和可中断负荷这两种需求响应措施融入同一模型,用于应对风电的反调峰特性和间歇性。采用蒙特卡洛算法模拟多种风电出力的情况,评估考虑用户侧互动前后系统的弃风量和电力不足情况,并分析风电渗透率和弃风量、电力不足量的关系。IEEE24节点算例验证说明了本文用户侧互动调度模型的作用,可以起到有效降低发电成本,提高风能利用效率和风电容量利用水平的作用。     

考虑风电消纳能力的高载能用户错峰峰谷电价研究

提出了一种通过需求侧管理激励负荷侧的高载能企业参与调峰,提高系统风电消纳能力的错峰峰谷分时电价机制。考虑了高载能企业转移负荷能力差的特点及其对峰谷分时电价时段连续划分的诉求,建立了相应的峰谷时段连续划分的错峰用电模型,并以提高系统谷时风电消纳能力为目标建立了错峰峰谷电价决策模型。通过解耦时段划分与电价优化,设计了2步优化方法求解峰谷时段与电价综合优化模型。错峰峰谷电价避免了传统多峰时段峰谷电价对用户的频繁扰动,更加适合高载能企业等大用户的生产特点。通过协调各用户的峰谷时段划分,减少峰时段时长,减轻了高载能企业电力成本压力,提高了参与调峰的积极性。     

考虑最优风电投标量的高载能用户电价决策模型

由于风电的随机性和波动性等特点导致常规电源的调峰压力增大,并受到输电通道的制约,各地的弃风率逐年攀升。将日前市场风电最优投标与用户侧需求响应相结合,在日前市场以风电场利益最大为目标,通过报童模型求解出最优风电投标量;在需求侧采用适用于高载能用户的尖峰电价模型,令高载能用户分组分时段地参与需求侧响应。综合考虑风电消纳能力、电网利益、高载能用户投切成本与火电机组运行成本,在尖峰日和非尖峰日分别采取不同的多目标优化模型,考虑负荷、电网以及电价等约束,采用粒子群算法进行模型求解。结果表明,将最优风电投标量引入需求响应策略中可以降低系统成本,且用尖峰电价激励高载能用户可以实现削峰填谷、消纳风电的目的。     

需求响应参与系统调峰研究综述

由于我国电力供需矛盾和系统负荷峰谷差逐渐加大,需求响应措施在需求侧管理中得到广泛地应用。通过采用价格和激励措施,电力部门引导用户改善用电负荷,达到调峰的效果。以需求响应调峰可行性、优化模型以及评估方法为立足点,对需求响应参与系统调峰研究进行综述。首先,分析了用户的调峰特性。接着讨论了电价制定方法以及电价参与调峰的优化模型建立。然后概述了激励和电价联合参与调峰及需求侧资源参与系统长期调峰,并介绍了需求响应调峰效果的评估方法。最后,结合需求侧管理和智能电网的发展要求,对需求响应参与系统调峰的研究方向进行展望。     

基于峰谷分时电价的风火电节能调度优化模型

近几年,风电消纳成为中国风电大规模发展的主要瓶颈。风电具有昼少夜多、与用电负荷反调峰的特征,引入峰谷分时电价（TOU）能够调整用户削峰填谷,增加风电消纳。在当前节能发电调度的政策背景下,以发电燃煤成本与机组启停成本最小为目标,构建了用户峰谷分时电价下的风火电联合调度优化模型。算例分析显示,与TOU前风火电联合调度优化模型相比,构建的模型能够有效降低发电燃煤消耗量,增加风电上网发电量。     

考虑日前小时电价的含风电电力系统调度模型研究简

为提高含大规模风电电力系统运行的灵活性,降低风电波动性对系统的影响和提高系统的风电接纳能力,在含风电电力系统调度中引入日前小时电价。基于考虑日前小时电价的风电最大接纳模式,建立了相应的数学模型和求解方法,以此为基础分析了引入日前小时电价模型在不同风电渗透率场景下对火电机组承担负荷、系统接纳风电能力和系统运行经济性的影响。算例分析表明,在含风电电力系统中引入日前小时电价能够缓解风电接入对电力系统的影响,提高系统的风电接纳能力与运行的经济性。     

考虑日前小时电价的含风电电力系统调度模型研究

为提高含大规模风电电力系统运行的灵活性,降低风电波动性对系统的影响和提高系统的风电接纳能力,在含风电电力系统调度中引入日前小时电价。基于考虑日前小时电价的风电最大接纳模式,建立了相应的数学模型和求解方法,以此为基础分析了引入日前小时电价模型在不同风电渗透率场景下对火电机组承担负荷、系统接纳风电能力和系统运行经济性的影响。算例分析表明,在含风电电力系统中引入日前小时电价能够缓解风电接入对电力系统的影响,提高系统的风电接纳能力与运行的经济性。     

考虑火电调峰主动性与需求响应的含储能电力系统优化调度

风电等可再生能源大规模并网,对电力系统调峰能力提出了更高要求。分别从源、荷、储3方面挖掘系统的调峰能力:首先,在负荷侧利用价格型需求响应引导用户主动参与负荷调整,降低系统峰谷差;然后,在考虑火电机组调峰成本与调峰补偿的基础上,加入火电机组调峰主动性约束,该方法利用经济手段提高了火电机组主动调峰的意愿,为风电上网挤出空间;其次,在火电厂侧配置储能设备辅助调峰火电机组共同参与到系统的调峰辅助服务中,相当于增加了火电机组调峰深度;最后,以系统经济性最优和弃风率最小为目标函数,构建了考虑火电深度调峰主动性与需求响应的含储能电力系统优化调度模型,并给出算例分析,验证所提模型提升了系统调峰能力以及促进了系统对风电消纳。     

分时电价下考虑源网荷各侧收益的风电消纳模型

风电的快速发展,系统调峰能力的不足已造成传统调度方式下风电消纳受限,弃风现象严重。采用峰谷分时电价调整用户削峰填谷,降低负荷低谷时段风电弃风。在深入研究分时电价实施机制的基础上,综合考虑发电侧、电网侧、用户侧利益,建立了风电并网量最大、发电侧收益、电网侧收益最大化的多目标风电消纳模型,并采用粒子群算法对模型进行求解。仿真结果表明该模型既能实现源网荷各侧获利,又能提高系统接纳风电能力,实现多方共赢。     

需求响应不确定性对日前优化调度的影响分析

需求侧资源参与电网有功调度是消纳风电的重要方式之一,但价格型需求响应的不确定性又会对电网调度产生重要影响。为分析该影响,文中首先分析了负荷响应量、负荷自弹性系数和电价激励水平对价格型需求响应不确定性的影响,并建立了分时电价下的负荷模糊响应模型。在此基础上,考虑价格型需求响应、风电出力和系统负荷的不确定性,建立了考虑风电消纳效益的电力系统源荷互动日前模糊优化调度模型。根据模糊规划理论,对模糊期望约束和模糊机会约束进行了等效处理,等效后的模糊优化问题可以转换为确定性优化问题,并分析了价格型需求响应不确定性对电力系统日前优化调度的影响。通过仿真算例验证了模型的有效性。     

计及风电功率预测误差的需求响应多时间尺度优化调度EI北大核心CSCD

风电功率预测存在误差,增加了电力系统运行调度的困难,影响系统风电消纳,降低系统运行的经济性。为了提高系统风电消纳能力,考虑风电功率预测误差,结合需求响应特点,从日前、日内和实时构建了电力系统需求响应多时间尺度优化调度模型。分析居民用户需求对电价的响应,构造日前价格型需求响应的初调度策略,并在日内根据风电功率预测偏差进行电价调整后的价格型需求响应再调度。分析工业用户和商业用户的调度补偿策略,以电网运行费用最低为目标,考虑平衡风电功率实时预测误差,建立激励型需求响应的实时调度优化模型,以提高系统风电消纳能力,降低系统弃风量。算例分析表明：所提出的优化调度策略能够较好地平衡风电功率预测误差,增加系统风电消纳量,节约系统运行成本,保证用户用电的自主性,最小化需求响应调度对其的影响。     

计及风电功率预测误差的需求响应多时间尺度优化调度

风电功率预测存在误差,增加了电力系统运行调度的困难,影响系统风电消纳,降低系统运行的经济性。为了提高系统风电消纳能力,考虑风电功率预测误差,结合需求响应特点,从日前、日内和实时构建了电力系统需求响应多时间尺度优化调度模型。分析居民用户需求对电价的响应,构造日前价格型需求响应的初调度策略,并在日内根据风电功率预测偏差进行电价调整后的价格型需求响应再调度。分析工业用户和商业用户的调度补偿策略,以电网运行费用最低为目标,考虑平衡风电功率实时预测误差,建立激励型需求响应的实时调度优化模型,以提高系统风电消纳能力,降低系统弃风量。算例分析表明:所提出的优化调度策略能够较好地平衡风电功率预测误差,增加系统风电消纳量,节约系统运行成本,保证用户用电的自主性,最小化需求响应调度对其的影响。     

电动汽车充放电多目标优化调度策略研究

电动汽车作为新型负荷接入电网给原有的配电网带来一系列问题,有效的控制策略可以减小电动汽车充放电对电网的影响。针对电动汽车的入网情况和现有的分时电价制度,从配电网方面考虑以最小化配电网负荷均方差与最小化系统负荷峰谷差为目标函数建立电网负荷波动的数学模型。兼顾电网和用户双方共同的利益,在用户侧方面以电动汽车用户充放电成本最低作为优化的目标函数建立多目标的电动汽车优化调度模型。基于某商用楼宇负荷进行算例仿真,采用常惯性粒子群算法进行求解。仿真结果表明,分时电价引导下的调度策略可以减小峰谷差,提高用户的经济性。增大平均电价情况下调峰效果显著,用户成本会因平均电价上浮而增高。     

计及需求响应和电动汽车调度的CHP微网优化运行

针对电动汽车入网造成系统峰谷差增大的问题,以包含电动汽车负荷的热电联产(combined heat and power,CHP)微网为研究对象,提出一种计及需求响应和电动汽车有序调度的优化模型。首先,以分时电价为决策变量,建立基于峰、平、谷分时电价的用户常规负荷需求响应模型。其次,结合分时电价和需求响应后的负荷曲线,引导电动汽车有序充放电参与微网调度。以微网运行成本最小为目标建立日前优化调度模型,采用粒子群优化算法对模型进行求解。最后,以某地区并网型CHP微网为算例,验证了所提模型的有效性和经济性。     

考虑源网荷效益的峰谷电价与峰谷时段双层优化模型

用户响应行为测算需求解峰谷时段与峰谷电价之间的双线性项,目前仅考虑负荷曲线的数值大小对峰谷时段进行单独划分,分时电价实行效果受限。提出峰谷时段与峰谷电价的双层优化模型,考虑风电不确定性下的规划成本与发电成本,反映分时电价的实际经济效用;考虑用户响应的不确定性,保证分时电价实行后的源网荷效益在一定范围内变化;峰谷时段划分与峰谷电价设计均以系统成本最低为目标优化得到,充分考虑峰谷时段划分、峰谷电价设计和用户响应行为之间的交互机理。仿真结果表明,与单独划分峰谷时段的模型相比,所提模型能够制定更优、科学性更强的峰谷时段和峰谷电价,进一步降低系统总成本。     

计及风电功率预测误差与需求响应的电力系统滚动调度

风电的不确定性对电力系统的调度运行带来诸多影响,为减轻该影响,考虑到风电功率预测误差与需求响应均具有时间尺度特性,本文提出一种日前日内滚动调度策略。风电的不确定性采用基于场景分析法的随机规划理论处理,并将不同类型需求响应按照时间尺度特性进行区分,在日前调度计划阶段引入1类激励型需求响应和基于日前小时电价的价格型需求响应,在日内滚动调度计划阶段,将风电功率更新为最新的风电短期预测数据并利用2类激励型需求响应对其波动性进行补偿。最后通过算例对比分析了不同调度模式下的运行成本以及弃风率,验证了所提调度策略的有效性,结果显示滚动调度可以降低系统运行成本并促进风电的消纳。     

考虑动态激励型需求响应的微电网两阶段优化调度

针对微电网中风电、光伏出力和负荷大小的不确定性,从日前和实时两个阶段出发,建立了微电网两阶段优化调度模型。日前调度阶段建立以微电网总运行成本最优的经济调度模型。实时调度阶段在日前调度优化结果的基础上,综合考虑实时优化调度各电源的出力调整顺序,提出了一种动态激励型需求响应参与的实时滚动优化策略。该策略的激励价格和用户参与容量随时间尺度前进呈现出动态变化,旨在利用价格引导用户提高需求响应的参与程度。通过算例表明,动态激励型需求响应相较于静态激励型需求响应不仅可以提升对日前联络线计划的跟踪效果,还能更好地消除微电网日前预测误差。该策略在显著提高用户收益的同时有效降低了系统运行成本,为市场化的微电网优化运行提供了参考。