基于需求响应的风电消纳机会约束模型研究_艾欣
基于需求响应的风电-抽水蓄能系统调度模型
基于需求响应的风电-抽水蓄能系统调度模型周正威;郝亚群;张雪映【摘要】针对大规模风电并网影响电网稳定运行的问题,基于日前用户侧电力负荷预测和实时电价预测,文中提出了一种电网吸纳风能的新模型.以最小化风电—抽水蓄能联合系统发电成本为目标,在目标求解过程中确定最佳自弹性系数和互弹性系数,运用基于实时电价的需求价格来弹性引导电力用户以实现负荷转移.考虑到用户侧电价弹性限制的约束,该方法采用遗传优化算法编程求解.仿真结果表明,需求侧资源主动参与优化调度可降低负荷峰谷差,利于系统稳定运行,并且可以减少发电成本,提高联合系统经济性.【期刊名称】《电子科技》【年(卷),期】2019(032)004【总页数】5页(P77-80,84)【关键词】需求侧响应;实时电价;风力发电;抽水蓄能;联合运行;风电消纳【作者】周正威;郝亚群;张雪映【作者单位】三峡大学电站运行与控制湖北省重点实验室,湖北宜昌 443002;三峡大学电站运行与控制湖北省重点实验室,湖北宜昌 443002;三峡大学电站运行与控制湖北省重点实验室,湖北宜昌 443002【正文语种】中文【中图分类】TP9;TM73风能是可再生能源，利用其发电在减少燃料消耗的同时也减少了对环境的污染。
但是风能发电存在许多问题，例如上升的风电穿透率会影响电网安全[1]。
风电并网存在间歇性、波动性、反调峰等特性，由此产生的电压波动和频率波动等问题会对系统稳定运行及电能质量产生不利影响[2]。
因此，研究风电并网后的优化调度对于解决上述问题具有重要的意义。
随着电网容量和规模的不断扩大，对优质调峰电源的比重需求有所增加，例如现阶段成熟先进的抽水蓄能技术。
抽水蓄能电站启停迅速，运行方式切换灵活，可弥补风电反调峰特性，提高了电网运行经济性[3-4]。
文献[5]采用细菌觅食优化算法改善风电场并网运行后网络损耗大和收敛性差的问题，优化了风电场无功分布。
文献[6]基于分时电价，验证了抽水蓄能电站可参与电网削峰填谷，降低了发电费用，取得良好的经济效益。
适应清洁能源消纳的配电网集群电动汽车充电负荷模型与仿真研究
适应清洁能源消纳的配电网集群电动汽车充电负荷模型与仿真研究艾欣;赵阅群;周树鹏【摘要】研究了配电网中集群电动汽车动态充电负荷直接负荷控制消纳清洁能源的模型和控制方法.假设调度机构可通过统一的由激励机制产生的无线激励信号,在线直接控制电动汽车充电负荷功率用以实时消纳风电出力.首先,采用面向负荷传输的方法,建立基于偏微分方程的集群电动汽车充电负荷模型.而后,通过实际居民出行数据进行模型仿真,采用蒙特卡洛模拟验证模型的有效性,并提出基于滑模控制策略采用实时供需误差,跟踪消纳风电功率输出.最后,通过实际风电输出功率曲线验证控制方法的性能,为能源互联网背景下清洁能源消纳提供一种新的途径.【期刊名称】《中国电力》【年(卷),期】2016(049)006【总页数】6页(P170-175)【关键词】电动汽车;直接负荷控制;需求响应;滑模变结构控制;清洁能源消纳;能源互联网【作者】艾欣;赵阅群;周树鹏【作者单位】华北电力大学新能源电力系统国家重点实验室,北京 102206;华北电力大学新能源电力系统国家重点实验室,北京 102206;华北电力大学新能源电力系统国家重点实验室,北京 102206【正文语种】中文【中图分类】TM73配网中的集群电动汽车充电负荷对电网既有正面的影响[1]也存在负面的影响[2]。
对于前者，如果充电负荷成为可直接调度负荷，就可参与电网负荷曲线调峰和可再生能源消纳等项目，同时也提高了电网的稳定性与可靠性；对于后者，大规模充电负荷的存在可能加剧负荷曲线的峰谷差，对电网的安全稳定造成一定影响。
因此，建立合理的模型与控制策略是充电负荷参与清洁能源消纳的基本条件。
集群电动汽车充电负荷模型的研究方法包括3种[3-5]：基于居民出行数据的确定分析法[6-7]，该方法直接从统计的出行数据中提取用户的出行特征参数，对出行的随机性考虑不足；蒙特卡洛模拟法[8-10]，充电站充电负荷的概率分析法[11-13]，这2种建模方法多数针对充电负荷的日前预测，不适用于对充电负荷的直接控制。
如何破除风电消纳问题 杨欣欣
如何破除风电消纳问题杨欣欣摘要：为了实现风电产业健康发展，电力送出和消纳的问题必须得到解决。
当前对风电并网问题提出的解决方案多集中于加强发电与电网的统一规划和有序开发，建设智能电网等方面。
这些建议对于我国风电下一步发展都非常重要。
不过，相关建议只是强调了政府的“有形之手”，相对忽视了市场这只“无形之手”的力量。
市场机制能够通过让经济效率高的企业获得更多资源，实现优胜劣汰，促进产业的良性发展。
在利用市场机制促进新能源产业发展方面，美国一些政策思路值得借鉴。
关键词：风电消纳一我国风电消纳环节成为制约产业健康发展的瓶颈风电消纳关系到价值最终实现，对整个产业发展至关重要。
在一定政策限制下，定价的合理性体现在发电企业、电网和消费者三方均能接受，从而促进产业良性协调发展。
风电消纳问题凸显，电力在产业链终端不能转化成价值，发电商会出现运营问题，同时自然会向上传导影响上游企业，从而形成对整个产业的瓶颈。
我国风力发电装机容量连续快速增加，却缺乏风电送出和消纳方案，风电送出、消纳的矛盾日益突出。
根据国家电网数据，截至2010年年底中国风电并网容量2956万千瓦〔1〕。
以此计算我国并网风电占装机容量的比例不超过70%。
电监会的数据显示2009年1月至2010年6月，仅内蒙古一省未收购风电电量就达到21.0亿千瓦时，其余吉林、河北、甘肃、黑龙江未收购风电电量均在3亿千瓦时左右。
为此，国家电网的规划提出到“十二五”末，风电消纳规模要超过9000万千瓦，2020年将达到1.5亿千瓦以上。
风电消纳不足还表现为风电上网定价偏低，价格补贴不能充分落实。
根据当前理想情况计算，风电平均成本在0.37～0.46元/千瓦时之间，合理的上网电价范围是0.57～0.70元/千瓦时。
而现行标杆电价仅为0.51～0.61元/千瓦时。
尽管风电上网价格偏低，部分地区还存在风电电价政策落实不到位的情况，有些地区按平均上网电价结算，不是按当地脱硫燃煤机组标杆上网电价与风电企业结算电费，结算价与标杆价之间的差额较大。
基于需求响应的风电消纳机会约束模型研究
Ｃｈ ｎ ｅ ｃ ｎ ｔ ａ ｎｅ ｏ ｅ ｏ ｎｄ ｐ ｗｅ ｓ ｇ ａ ｅ ｎ ａ ｃ ｏ ｓ ｒ ｉ ｄ ｍ ｄ ｌｆ ｒ ｗｉ ｏ ｒ ｕ ａ ｅ ｂ ｓ ｄ ｏ
ｄ ｍａ ｄ ｒ ｓ ｏ ｓ ｅ ｎ ｅｐ ｎ ｅ
ＡＩＸｉ ｎ， ＬＩ Ｘｉｏ Ｕ ａ
风 电场 电力系 统 的优 化 调度 问题 ；文献 ［２ 对风 １］
０
Ｐ ＝
（ ＜ ，≥。 Ｉ Ｖ 。） ｒ 【 ｎ Ｙ） （ ｉ ＜ ｒ ／ ３≤ （ ｚ ２ ）
电接入后 常规 机组 的负调 峰 容 量优 化 问题 进行 了 研究 ，文献 ［３ 提 出 了一 种 含风 电场 的系统 旋 转 １］
以下 的 出力 并不 剧烈 变化 ［ ，系统 对这个 时 问尺 ２ Ｊ
０ 引 言
度 的备用需 求 并没有 明显增 加 ｆ５。风 电消纳更 突 ４ ， ３
出的问题 之一 是 ：风 电 的 日内变 化 幅 度 很 大 ，而 随着 装机 容 量 的 快 速增 长 ，规模 风 电 消纳 正 且 明显具有 反调 峰特征 Ｉ ，大规模 风 电接 人使 得 ２ ’ 成 为 电网运 行调 度 面 临 的 巨 大难 题 。风 电 出力 不 等效 的 负荷 峰 谷 差 被 明显 拉 大 ，大 大增 加 系 统 运 可 控 的随机波 动 性 被公 认 为 是 制 约 风 电并 网 的 最 行 负担 ，进 而影 响 到风 电消纳能 力 。 大 障碍 ］ ，实 际运 行 经 验 和 研 究 表 明 ， 由于地 理 为 了减小 风 电的 剧 烈 波 动 ，使得 风 电较 为 平 分 散效 应和 出力 互 补 性 ，规 模 风 电场 在 小 时 级 别 稳 的接 人系统 ， 目前 实 际调 度 中普 遍做 法是 通 过 命 令风 电场 压 出力 ，再 根 据 调 度 计 划 频 繁启 停 风 机来 实 现 。但 这无 疑 有 两 方 面 的弊 端 ：一 是 风 电
计及两阶段需求侧响应荷源协调消纳弃风调度模型
第40卷第2期2021年2月Vol. 40 No. 2 Feb. 2021ISSN 1006 -7167CN 31 —1707/T宝參生科弦占摇虑RESEARCH AND EXPLORATION IN LABORATORY•实验技术*DOI ： 10. 19927/j. cnki. syyt. 2021.02.001计及两阶段需求侧响应荷源协调消纳弃风调度模型杨晓辉，芮松宏，陈再星，徐青山，黄鑫(南昌大学信息工程学院，南昌330031)摘 要:提出一种针对弃风消纳的日前日内两阶段调度模型。
与传统的热电联合 模型相比，引入了基于消费者心理学模型的价格需求响应，其通过极具代表性的历 史数据拟合得来且充分考虑用户对电价的响应规律，更符合实际用户情况，最大程度对负荷进行削峰填谷以应对风电的反调峰特性，为风电上网提供空间。
日内引 入激励性需求响应协调调度，调度模型是以系统总经济成本最小为目标函数的混 合整数规划问题。
以某地电网为算例表明：所提模型有效，系统总运行经济成本明显减少，弃风状况得到改善。
关键词：风电消纳；储热；消费者心理学模型；两阶段优化调度中图分类号:TM 761 ； TM614文献标志码:A文章编号：1006 -7167(2021 )02 -0001 -07A Dispatching Model Including Two Stage DemandResponse and Load-source Coordinative Considering Wind Power AccommodationYANG Xiaohui , RUI Songhong , CHEN Zaixing , XU Qingshan , HUANG Xin (School of Information Engineering , Nanchang University , Nanchang 330031 , China )Abstract : In order to solve wind power accommodation problem in northwest , north , and northeast China , this paperpresents a two-stage dispatching model in day before and in intra-day. Compared with the traditional model of CHP , this model introduces a price demand response based on consumer psychology model which based on the representativehistorical data and gives full consideration to the user 's response rule about the change of electricity price which is more in line with the actual users , and it can provide the greatest degree to peak load shifting in order to provide spaces forwind power accommodation. In intra-day it introduces the incentive demand response to cooperate with dispatch. Theobjective function is the minimum total economic cost of the system and the dispatching model is a mixed integerprogramming problem which can be solved by particle swarm optimization. An example of a local power grid shows that the proposed model is effective , the total operating cost of the system has been significantly reduced , and the wind abandoning condition has been improved.Key words : wind power accommodation ； heat accumulation ； consumer psychology model ； two stage optimal dispatching收稿日期：2020-06-10基金项目：国家自然科学基金项目(51765042, 61773051, 61963026)作者简介:杨晓辉(1978 -)，男，江西南昌人，博士，副教授,研究方向为分布式能源和微网的优化控制。
需求响应参与清洁能源集成消纳与效益评价模型研究
需求响应技术分类
需求响应技术主要分为基于价格的和非价 格的两类。基于价格的需求响应技术主要 通过价格信号来引导用户改变用电行为， 而非价格的需求响应技术则通过直接减少 用户电力消费来参与系统调节。
VS
需求响应特点
需求响应具有可预测性、可调度性和可补 偿性，能够为电力系统的稳定运行提供重 要支持。
需求响应与清洁能源的集成消纳模型
模型构建
构建包含清洁能源、传统能源和需求响应的集成消纳模型，通过优化算法求 解模型，以实现清洁能源的高效利用和系统的稳定运行。
模型应用
将模型应用于实际电力系统，通过对不同场景的模拟和分析，评价不同策略 的优劣和效益。
模型应用与案例分析
案例一
通过在某地区的实际应用，模型成功地优化了电力调度和清洁能源的消纳，减少 了碳排放和能源消耗。
仍需深入研究不同地区、不同能源类型的清洁能源消 纳机制
需要进一步验证和完善模型参数和算法
缺乏对需求响应具体实施策略和操作方法的深入研究
需要加强实证研究和案例分析，提高研究的实践指导 价值
对未来研究的建议
针对不同地区和能源类型，开展清洁能源消纳机制研 究
结合大数据、人工智能等技术手段，完善模型参数和 算法
需求响应参与清洁能源集成消纳 与效益评价模型研究
2023-10-26
contents
目录
• 研究背景和意义 • 需求响应参与清洁能源消纳模型研究 • 效益评价模型研究 • 模型应用与实证研究 • 研究结论与展望
01
研究背景和意义
需求响应技术的概述
01
需求响应是一种通过价格信号或激励措施来引导用户在电力系统中进行弹性消 费的行为，以达到平衡电力供需、降低峰荷和提高能源利用效率的目的。
基于智能算法的新能源风电功率预测模型研究
基于智能算法的新能源风电功率预测模型研究新能源风电在当今社会已经成为一种越来越重要的清洁能源之一，而预测风电功率的准确性直接影响着电网的稳定运行和能源的利用效率。
因此，许多研究者开始探索基于智能算法的新能源风电功率预测模型，以提高预测的准确性和稳定性。
首先，智能算法在风电功率预测模型中的应用已经得到广泛认可。
传统的功率预测模型往往受限于受限于风能转化系统的非线性和复杂性，难以准确预测功率的变化趋势。
而智能算法可以通过对大量历史数据进行学习和分析，识别出隐藏在数据背后的规律，从而提高预测的准确性。
例如，人工神经网络、遗传算法、模糊逻辑等都可以被应用在风电功率预测中，为预测模型的构建提供支持。
其次，智能算法的应用也为风电功率预测模型的优化提供了更多可能性。
传统的预测模型往往需要大量的人力和物力投入，不仅效率低下，而且很难得到最优解。
而智能算法可以通过自动学习和优化，提高模型的预测准确性和稳定性。
例如，遗传算法可以通过模拟生物进化过程，不断调整模型参数，使得模型更加适应实际情况。
而模糊逻辑可以通过模糊推理，考虑更多不确定因素，提高预测的鲁棒性。
接着，智能算法的应用也对风电功率预测模型的实时性提出了更高的要求。
随着新能源风电的快速发展，功率预测模型需要能够及时响应不同的环境变化，以确保电网的稳定运行。
智能算法可以通过不断学习和更新模型，不断提高预测的准确性和实时性。
例如，人工神经网络可以通过反向传播算法不断优化权重和偏置，识别新的数据模式，使得预测更加符合实际情况。
然后，智能算法还可以为风电功率预测模型的可解释性提供更多可能性。
传统的预测模型往往难以解释模型的决策过程，使得模型的结果缺乏说服力。
而智能算法可以通过可视化等手段，将模型的决策过程呈现出来，让用户了解预测结果的依据，使得模型更加可信赖。
例如，深度学习模型可以通过可视化网络结构和特征映射，展示模型是如何从输入到输出进行决策，增强模型可解释性。
再者，智能算法的应用也为风电功率预测模型的精度提出更高的要求。
面向配电网可再生能源接纳潜力评估的犹豫模糊MARCOS_决策
第 22卷第 7期2023年 7月Vol.22 No.7Jul.2023软件导刊Software Guide面向配电网可再生能源接纳潜力评估的犹豫模糊MARCOS决策李果，耿秀丽（上海理工大学管理学院，上海 200093）摘要：随着可再生能源装机容量的增长，配电网作为接纳可再生能源的载体面临着严峻挑战。
为解决配电网可再生能源接纳潜力评估问题，提出一个犹豫模糊多属性决策方法。
通过构建配电网可再生能源接纳潜力评价指标体系，针对评价指标评估的不确定性问题，采用犹豫模糊集表达评价信息，将基于妥协解的方案选择与排序（MARCOS）的决策方法拓展到犹豫模糊环境，提出犹豫模糊集与MARCOS结合的多属性决策方法。
以上海市为例，分析各区配电网可再生能源接纳潜力，对比分析和敏感性分析结果表明所提方法可行、有效和稳定。
关键词：配电网；可再生能源；犹豫模糊集；MARCOSDOI：10.11907/rjdk.221836开放科学（资源服务）标识码（OSID）：中图分类号：C934 文献标识码：A文章编号：1672-7800（2023）007-0038-06Hesitant Fuzzy MARCOS Decision for Evaluating the AcceptancePotential of Renewable Energy in Distribution NetworksLI Guo， GENG Xiuli（School of Management， University of Shanghai for Science and Technology， Shanghai 200093，China）Abstract：With the growth of the installed capacity of renewable energy， the distribution network， as the carrier of renewable energy， is fac‐ing severe challenges. In order to solve the evaluation problem of renewable energy accommodation potential in distribution network， a hesitant fuzzy multi-attribute decision-making method is proposed. Constructing the evaluation criteria system of renewable energy acceptance poten‐tial of distribution network， aiming at the uncertainty of the evaluation criteria evaluation， the hesitant fuzzy set is used to express the evalua‐tion information. The decision-making method of measurement of alternatives and ranking according to compromise solution （MARCOS） is ex‐tended to the hesitant fuzzy environment， and a multi-criteria decision-making method combining hesitant fuzzy set and Marcos is proposed. Finally， taking Shanghai as a case， the renewable energy accommodation potential of distribution network in each district is analyzed. The re‐sults of comparative analysis and sensitivity analysis show that the proposed method is feasible， effective and stable.Key Words：distribution network； renewable energy； hesitant fuzzy sets； MARCOS0 引言近年来，我国可再生能源实现了跨越式发展，逐渐成为全国经济的重要电力供应来源。
基于需求响应的风电消纳机会约束模型研究
第38卷第3期2011年5月华北电力大学学报Journal o fN o rt h Ch i na E lectr i c Power U niversity V ol 38,N o 3M ay ,2011基于需求响应的风电消纳机会约束模型研究艾 欣,刘 晓(华北电力大学电气与电子工程学院,北京102206)摘要:规模风电的随机波动性给电网调度带来巨大困难,抑制风电出力的波动,使其较为平稳地接入系统具有现实意义。
从需求响应的角度研究了风电消纳的问题。
研究对象上,同时考虑价格型和激励型需求响应,计及了负荷的自弹性和互弹性系数,更加全面地反映了需求响应资源的特性;数学模型上,由于风电出力的随机性,采用了机会约束规划模型,使决策结果能够满足系统要求的置信水平;解法上,采用了随机模拟技术和粒子群算法相结合的求解方法。
算例分析验证了方法的有效性,并表明利用需求响应提高风电消纳能力具有重要的研究价值。
关键词:风电消纳;优化调度;需求响应;机会约束规划;随机模拟粒子群算法中图分类号:TM 614 文献标识码:A 文章编号:1007-2691(2011)03-0017-06Chance constrained model for wind power usage based onde mand responseA I X in,LI U X i a o(Schoo l of E lectrica l and E lectron i c Eng i neering ,N o rt h Ch i na E lectr i c Powe r U niversity ,Be ijing 102206,Ch i na)Ab stract :One of puzzles fo r larg e sca l e w ind pow er usage is its stochastic fl uctua tions .There a re rea listi c m ean i ngs t o s moo t h w ind powe r output fl uctua ti ons gr i d connected for syste m opera ti on .The paper proposes a ne w approach to i m prove w i nd powe r usage based on de m and response (DR ).T o descr i be t he DR characteristics ,both pr i ce basedand i ncentive based DR are emp l oyed he re and bo t h cross elasti c and self elastic coe fficients for pr ice based DR a recons i dered .Further m ore ,si nce w i nd po w er i s stochasti c ,a chance constra i ned dec i sion m ode l is deve l oped f o r w i ndpow er usage to m eet the confi dence coe fficien trequ ired for syste m ope ra tion .M oreover ,to so l v e t he mode,l a par tic l es w ar m a l go rt h m comb i ned st o chastic si m u l a ti on me t hod i s introduced .F ina lly based on a practica l syste m,a day ahead real ti m e price (RT P)and DR resource dispatch opti m a l so l uti on i s ob tai ned and analysis ver ifi es the effecti ve ness o f the proposed m e t hod to i m prove w i nd po w er usag e based on DR.K ey words :w i nd powe r usage ,opti m a l dispa tch ,de m and response ,chance constra i ned progra mm i ng ,stochasti c si m ulati on based parti c le s wa r m algor i th m收稿日期:2010-12-10.基金项目:北京市教育委员会共建专项资助项目.0 引 言随着装机容量的快速增长,规模风电消纳正成为电网运行调度面临的巨大难题。
风电并网时基于需求侧响应的输电规划模型_曾鸣
1 基于需求侧响应的输电规划模型
1.1 输电规划一般模型
输电规划的任务是根据规划期间的负荷增长
及电源规划和分布情况，确定相应的最佳电网结
构，以满足安全、可靠、经济地输送电能的要求。
在输电规划中，一般采用直流潮流描述系统，系统
须满足连通以及正常最大运行方式下各支路潮流
不越限的要求。另外，还需要满足 N−1 安全准则。
输电规划的关键是制定有效的规划方案，以实 现最小化投资成本，适应未来多样的电源结构，满 足供电安全、可靠性标准的目的。从供应侧看，大 规模风能的并网发电给传统的输电规划带来新的 挑战和问题；从需求侧看，不断发展和成熟的需求 侧响应机制能促使用户根据实时供用电情况改变 电量消费行为。因此，在输电规划中，可考虑引入 需求侧响应机制，应对风电出力的间歇性和波动性 对输电规划带来的影响[1]。实施需求侧响应机制能 提高电网运行的灵活性。随着风力资源评估技术的 不断发展，技术人员可精确预测未来 0.5~1 h 内的 风速变化情况。因此，在风电容量接入规模较大的
⎧0,
v < vi且v > ve
⎪
g(v)
=
⎪ ⎨⎪σ
1
(v−µ )2
e 2σ 2 ,
2π
vi ≤ v ≤ v0
(7)
⎪⎩ P0 ,
v0 ≤ v ≤ ve
式中：µ 为风速期望值；σ 为风速方差；vi 为切入风
速；ve 为切出风速；v0 为额定风速；P0 为风机额定
输出功率。
第 35 卷 第 4 期
本文主要分析如何在输电规划中考虑需求侧 响应机制，解决风电大规模并网问题。建立风电出 力评估模型，估算风电机组的发电功率；在输电规 划模型中，引入需求侧响应机制，建立基于需求侧 响应机制的输电规划模型；根据 IEEE Garver 6 节 点和 24 节点系统计算得出规划方案，对比分析有 无引入需求侧响应机制的输电规划结果，验证基于 需求侧响应机制的输电规划模型对提高规划经济 性和改善风电并网输电规划效率的可行性。
基于需求响应的中央空调负荷调控技术研究_艾臻
近年来,空调负荷的急剧增长已经成为季节性电力紧张的最主要原因,调整空调负荷对于改变商业用户负荷曲线、实现电网削峰填谷具有重要意义。
为了实现资源的优化配置,提高电能使用效率,使中央空调节能高效地运行,决定开展基于需求响应的中央空调负荷调控技术研究,研究中央空调的负荷特性,制定一系列的中央空调负荷调控策略,并开展中央空调负荷调控实验,探索基于需求响应的中央空调负荷调控的潜力和前景。
关键词需求响应;负荷特性;负荷调控;削峰填谷基于需求响应的中央空调负荷调控技术研究*艾臻1,黄宇淇2,杨晞3,刘永相4,龙方家3(1.中国电力科学研究院南京210061;2.国家电网公司北京100005;3.重庆市电力公司重庆404100;4.重庆市电力公司电力科学研究院重庆404100摘要1引言能源和环境问题是21世纪最具挑战性的问题之一,为了应对这一挑战,各个国家都已经把节能降耗、提高能源的利用效率作为能源发展的重要目标。
我国能源的利用率比较低,能源浪费现象严重,因此在我国实行节能降耗和能效提高有着巨大的潜力和可能,我国要以较少能源投入实现经济增长的目标,很大程度上取决于节能潜力的挖掘。
近年来,随着国民经济的快速发展和人民生活水平的不断提高,电力需求持续快速增长、水电减发和电煤供应偏紧、煤价过高等众多因素的影响,华东、华中和南方电网大部分省市电力供应偏紧,有的省份电力供应缺口达25%以上。
电力系统的发电负荷需要保持在用户的最大需求量以上,然而由于用户需求侧变化难以预测等因素造成电网调度难以实现高效、节能,导致发电机组能源损失巨大,而且大多数情况下处在低负荷运行状态,发电效率低、煤耗高,同时影响机组使用寿命。
要想实现资源的优化配置,提高电能使用效率,实现节能减排、削峰填谷具有重要的意义。
此外,商业用户负荷增长迅速,负荷的快速增长对电网安全和电力平稳运行产生较大影响。
特别是空调负荷的急剧增长已经成为季节性电力紧张的最主要原因。
需求响应与间歇性可再生能源消纳
需求响应与间歇性可再生能源消纳摘要：分析了需求响应促进可再生能源消纳的运作模式设计目标，将需求响应和可再生能源消纳的促进关系融入不同的电力市场组织结构，就交易和价格机制、融资和技术服务方式的内容展开对比研究，形成适于不同环境的运作模式，并对相应的配套政策内容进行探讨，为实际项目的设计和实施提供参考。
关键词：需求响应；可再生能源；电力市场；运作模式；政策。
Abstract: the author analyzes the demand response to promote renewable energy given operation pattern design goal, will demand response and renewable energy given to promote relations into the organizational structure of different power market and trade, and the price mechanism, financing and technology comparative study on the content of service mode, the form is suitable for different environment operation mode, and discusses the content of the corresponding supporting policies, provide reference for actual project design and implementation.Keywords: demand response; Renewable energy sources; Electricity market; Operation mode; Policy.需求响应（DR）与可再生能源（RES）之间具有良好的互补特性［1—2］。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第38卷第3期2011年5月华北电力大学学报J o u r n a l o f N o r t hC h i n a E l e c t r i c P o w e r U n i v e r s i t y V o l .38,N o .3M a y ,2011基于需求响应的风电消纳机会约束模型研究艾 欣,刘 晓(华北电力大学电气与电子工程学院,北京102206)摘要:规模风电的随机波动性给电网调度带来巨大困难,抑制风电出力的波动,使其较为平稳地接入系统具有现实意义。
从需求响应的角度研究了风电消纳的问题。
研究对象上,同时考虑价格型和激励型需求响应,计及了负荷的自弹性和互弹性系数,更加全面地反映了需求响应资源的特性;数学模型上,由于风电出力的随机性,采用了机会约束规划模型,使决策结果能够满足系统要求的置信水平;解法上,采用了随机模拟技术和粒子群算法相结合的求解方法。
算例分析验证了方法的有效性,并表明利用需求响应提高风电消纳能力具有重要的研究价值。
关键词:风电消纳;优化调度;需求响应;机会约束规划;随机模拟粒子群算法中图分类号:T M 614 文献标识码:A 文章编号:1007-2691(2011)03-0017-06C h a n c e c o n s t r a i n e dm o d e l f o r w i n d p o w e r u s a g e b a s e do nd e m a n d r e s p o n s eA I X i n ,L I UX i a o(S c h o o l o f E l e c t r i c a l a n dE l e c t r o n i c E n g i n e e r i n g ,N o r t h C h i n a E l e c t r i c P o w e r U n i v e r s i t y ,B e i j i n g 102206,C h i n a )A b s t r a c t :O n e o f p u z z l e s f o r l a r g e s c a l e w i n dp o w e r u s a g e i s i t s s t o c h a s t i c f l u c t u a t i o n s .T h e r e a r e r e a l i s t i c m e a n i n g s t os m o o t hw i n dp o w e r o u t p u t f l u c t u a t i o n s g r i d -c o n n e c t e df o r s y s t e m o p e r a t i o n .T h e p a p e r p r o p o s e s a n e wa p p r o a c ht o i m p r o v e w i n dp o w e r u s a g e b a s e do nd e m a n dr e s p o n s e(D R ).T o d e s c r i b e t h eD R c h a r a c t e r i s t i c s ,b o t hp r i c e -b a s e d a n di n c e n t i v e -b a s e dD R a r ee m p l o y e dh e r ea n db o t hc r o s s -e l a s t i ca n ds e l f -e l a s t i c c o e f f i c i e n t s f o r p r i c e -b a s e dD Ra r e c o n s i d e r e d .F u r t h e r m o r e ,s i n c e w i n d p o w e r i s s t o c h a s t i c ,a c h a n c e c o n s t r a i n e d d e c i s i o n m o d e l i s d e v e l o p e df o r w i n d p o w e r u s a g e t o m e e t t h e c o n f i d e n c e c o e f f i c i e n t r e q u i r e d f o r s y s t e mo p e r a t i o n .M o r e o v e r ,t o s o l v e t h e m o d e l ,a p a r t i c l e s w a r ma l g o r t h mc o m b i n e ds t o c h a s t i c s i m u l a t i o nm e t h o di s i n t r o d u c e d .F i n a l l y b a s e do na p r a c t i c a l s y s t e m ,ad a y -a -h e a dr e a l t i m e p r i c e(R T P )a n dD Rr e s o u r c e d i s p a t c h o p t i m a l s o l u t i o ni s o b t a i n e d a n d a n a l y s i s v e r i f i e s t h ee f f e c t i v e -n e s s o f t h ep r o p o s e dm e t h o d t o i m p r o v e w i n d p o w e r u s a g e b a s e do nD R .K e y w o r d s :w i n dp o w e r u s a g e ,o p t i m a l d i s p a t c h ,d e m a n d r e s p o n s e ,c h a n c e c o n s t r a i n e d p r o g r a m m i n g ,s t o c h a s t i c s i m -u l a t i o nb a s e dp a r t i c l e s w a r ma l g o r i t h m收稿日期:2010-12-10.基金项目:北京市教育委员会共建专项资助项目.0 引 言随着装机容量的快速增长,规模风电消纳正成为电网运行调度面临的巨大难题。
风电出力不可控的随机波动性被公认为是制约风电并网的最大障碍[1],实际运行经验和研究表明,由于地理分散效应和出力互补性,规模风电场在小时级别以下的出力并不剧烈变化[2,3],系统对这个时间尺度的备用需求并没有明显增加[4,5]。
风电消纳更突出的问题之一是:风电的日内变化幅度很大,而且明显具有反调峰特征[2,6],大规模风电接入使得等效的负荷峰谷差被明显拉大,大大增加系统运行负担,进而影响到风电消纳能力。
为了减小风电的剧烈波动,使得风电较为平稳的接入系统,目前实际调度中普遍做法是通过命令风电场压出力,再根据调度计划频繁启停风机来实现。
但这无疑有两方面的弊端:一是风电场不能高效运行,造成能源浪费;二是频繁启停华北电力大学学报 2011年会加剧损害风机寿命。
因此,学者们一直致力于寻找更科学的方法。
发电侧,可利用其他发电手段与风电出力功率互补再接入电网,使出力较为平稳。
文献[2,3]提出在酒泉地区配套建设火电机组,利用特高压输电风火打捆外送,在更大范围内消纳的建议;文献[7,8]研究了风电场储能配置问题,优化储能容量以抑制风电出力波动。
在输电侧通过调度手段,优化发电计划和备用方案是更加经济易行的方案。
文献[9～11]研究了含风电场电力系统的优化调度问题;文献[12]对风电接入后常规机组的负调峰容量优化问题进行了研究,文献[13]提出了一种含风电场的系统旋转备用获取的机会约束规划方法。
这些研究对提高电网风电消纳能力起到了积极作用。
但风电消纳不仅需要从发电和输电侧考虑,还应考虑需求侧在抑制风电波动从而提高消纳能力的价值。
需求响应(D e m a n dR e s p o n s e ,D R )分为基于电价的D R 和基于激励的D R 两类,利用需求响应抑制风电波动是技术和经济上极佳的方案[14]。
文献[15,16]基于机组组合模型进行分析,得到了考虑需求弹性能够明显提高风电利用率,减少调度成本的结论,但采用的是确定性模型,没有考虑风电的随机性,需求弹性的处理也略显简单。
文献[17]结合广域相量测量技术和需求侧管理,通过控制联络线两端系统负荷来减小风电引起的联络线潮流波动,但没有考虑实时电价的作用,也未给出具体模型。
F E R C 的研究报告显示,美国正在试验利用D R 以提高系统接纳风电的能力,设计行之有效的响应机制是亟需开展的课题[18]。
总体来讲,工程界和学术界已经意识到D R 在提高风电消纳能力方面具有巨大的技术潜力和经济效益,但研究尚不深入。
本文结合日前实时电价决策和可调度D R 资源,设计了一种利用需求响应实现风电消纳的机会约束模型和机制。
文中首先根据风速的W e i b u l l 分布推导了风电出力的随机模型,为后续研究提供基础;其次建立了价格型D R 和激励型D R 的负荷改变量和成本模型。
在此基础上考虑多种约束,提出了基于D R 的风电消纳机会约束规划模型,并采用基于随机模拟的粒子群算法进行求解。
算例分析说明了本文方法的有效性。
1 风电出力的随机模型风电出力的不确定性是风速的不确定性导致的。
研究表明,大多数地区平均风速的概率分布密度函数遵循W e i b u l l 分布[19]:f v (v )=k c v ck -1e x p -vc k(1)式中:v 为实际风速;c 为尺度系数,用来描述地区平均风速大小;k 为形状系数,用来描述风速分布密度函数的形状。
用如下的分段函数描述风电出力P w 与风速间的关系:P w =0 (v <v i n ,v ≥v o u t)v -v i nv r -v i n p r (v i n ≤v <v r)P r (v r ≤v <v o u t)(2)式中:p r 为风机的额定出力;v i n 为切入风速;v o u t 为切出风速;v r 为额定风速。
由式(1)和(2),对实数p w ,由式(1)和(2)得P w 的概率分布函数:F P (p w )=P r (P w ≤p w )=1-e x p -v i n +(v r -v i n )·p w /p rc k+e x p -(v o u t /c )k (0≤p w <p r )0 (p w <0)1 (p w ≥p r)(3)式中:P r (·)为概率符号。