一种负荷参与需求响应的双层控制方法与流程

本发明属于电力需求响应技术领域，特别涉及一种负荷参与需求响应的双层控制方法技术。

背景技术：

近年来，可再生能源发电在电网中的渗透率越来越高，线路传输容量越来越大，这使得电网更加容易出现紧急功率缺额，给电网频率稳定运行造成了很大威胁。随着智能终端设备的接入、电力通信技术的发展以及高级量测架构的建设，居民负荷已经从传统意义上被动控制的物理终端转变成具有主动响应能力的可调度资源。利用负荷的这种主动响应能力可以减少甚至避免电网紧急切负荷的情况。

关于主动负荷控制策略的分类主要有两种：一种是按控制框架分，包括集中控制策略、分布式控制策略以及混合控制策略；还有一种是按时间尺度分，包括一次调频尺度(秒级)、二次调频尺度(分钟级)和三次调频尺度(24h级)。尽管目前关于负荷控制策略的研究很多，但绝大多数控制方法没有考虑家庭负荷的时变响应潜力，全面考虑不同家庭负荷的动态运行特性、响应次数、响应时长等约束的精准负荷响应策略更是少之又少。

因此，基于负荷群可变响应潜力计算值，提出一种双层控制方法，可以充分挖掘负荷的聚合响应潜力，对制定负荷参与电网有功缺额响应的精准控制策略具有重大指导意义。

技术实现要素：

本发明的目的，在于提供一种负荷参与需求响应的双层控制方法，其可应对电网出现紧急大功率缺额的情况。

为了达成上述目的，本发明的解决方案是：

一种负荷参与需求响应的双层控制方法，包括如下步骤：

步骤1，控制中心收集不同负荷代理商所管辖区域负荷的聚合响应潜力值，并依据潜力值按比例分配功率缺额量给不同的负荷代理商；

步骤2，各负荷代理商接收到控制中心下发的需求响应量，综合考虑各种因素，进一步建立优化模型确定每一个家庭负荷的响应情况。

上述步骤1的详细内容是：负荷代理商收集负荷信息，根据智能负荷的聚合特性以及电网有功缺额时间，向控制中心发送其管理的负荷群在当前时刻所能提供的等效响应能力ρ；然后，控制中心根据各负荷代理商的等效响应能力，对负荷代理商下达切负荷量的指令。

上述控制中心向第i个负荷代理商下达切负荷量的指令的计算公式是：

其中，ΔPi——第i个负荷代理商负荷响应量；ΔP——电网有功缺额量；ρi——第i个负荷代理商等效响应能力；m——负荷代理商数量。

上述步骤2中，综合考虑的因素包含负荷响应成本、有功平衡、用户响应次数和响应时间。

上述步骤2中，建立成本最小优化模型，其目标函数是：

其中，a——参与需求响应的补偿；Si——某一负荷代理商下第i台空调的响应状态；Sj——某一负荷代理商下第j台热水器的响应状态；Sk——某一负荷代理商下第k辆电动汽车的响应状态；PAC,i——第i台空调的响应功率；PWH,j——第j台热水器的响应功率；PEV,k——第k辆电动汽车的响应功率；IAC,i——归一化后第i台空调舒适值；IWH,j——归一化后第j台热水器舒适值；IEV,k——归一化后第k辆电动汽车舒适值；n1——空调数量；n2——热水器数量；n3——电动汽车数量；

约束条件如下：

1)智能负荷满足功率缺额

式中，ΔPi——第i个负荷代理商负荷响应量；PAg,i——第i个负荷代理商下智能负荷提供的响应功率；

2)响应次数约束

0≤N≤2

式中，N——响应次数

3)响应时长约束

t≤tr

式中，tr——负荷可响应时长。

采用上述方案后，本发明借助负荷代理商实现，包括如下步骤：步骤1)控制中心收集不同负荷代理商所管辖区域负荷的聚合响应潜力值，并依据潜力值按比例分配功率缺额量给不同的负荷代理商；步骤2)各负荷代理商接收到控制中心下发的需求响应量，综合考虑负荷响应成本、有功平衡、用户响应次数、响应时间等因素，进一步建立优化模型确定每一个家庭负荷的响应情况。

与现有技术相比，本发明提供的双层控制方法，其上层分配是基于负荷群聚合响应潜力的按比例分配策略，能最大限度地利用不同负荷代理商管辖区域负荷的潜力；在下层负荷响应策略中，综合考虑负荷响应成本、有功平衡、用户响应次数、响应时间等因素，建立优化模型，确定每一个家庭负荷的精准响应情况。本发明能够精确应对电网紧急大功率缺额情况，在满足各种响应约束以及用户舒适度的前提下，最小化电网对智能负荷参与需求响应的补偿成本，从而最大程度地利用智能负荷启停的灵活性，充分挖掘智能负荷群的响应能力。

附图说明

图1是本发明的双层优化控制策略流程图；

图2是本发明的不同策略下控制效果比较图；

图3是本发明的10辆电动汽车在15min内的响应情况说明图；

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

1、各类智能负荷响应模型

依据现有文献，建立空调、热水器和电动汽车这三类智能家庭负荷的输入输出物理模型，并给出相应舒适度表征方法，为后续研究其快速应对功率缺额聚合响应能力提供依据。

1.1智能负荷运行模型

1.1.1空调运行模型

制冷模式下，空调物理模型即输出变量t时段室温如下式(1-1)：

其中，TAC,t+1——t+1时段室温；TAC,t——t时段室温；Gt——t时段室内外热交换值；Δc——室内温度系数，即室温每增加1℃所需热量；CAC——制冷模式下空调热容量；Δt——时间段间隔；SAC,t——t时段空调运行状态。

对上述变量进行线性化处理后，空调物理模型表示如下式(1-2)：

TAC,t+1＝TAC,t+0.4-0.8SAC,t (1-2)

当SAC,t＝1时，TAC,t+1＝TAC,t-0.4；当SAC,t＝0时，TAC,t+1＝TAC,t+0.4。

1.1.2热水器运行模型

加热模式下，热水器物理模型即输出变量t时段热水器水温计算公式如下式(1-3)所示：

其中，TWH,t+1——t+1时段热水器水温；TWH,t——t时段水温；Tin——注入热水器中的冷水水温；flt——t时段热水流量；VWH——热水器体积；α——热水器加热温度系数，即额定加热功率下热水器单位时间内的水温增加值；pWH,t——热水器功率；ξ——热水降温系数，即常温下热水器内部热水单位时间内的自冷却温度减少值。

对上述变量进行线性化处理后，热水器物理模型表示如下式(1-4)：

TWH,t+1＝TWH,t+α·pWH,t-ζ＝TWH,t+0.1×pWH,t-ζ (1-4)

当热水器正常使用时，ζ1＝1/60；当热水器停止工作时，ζ2＝1。

1.1.3电动汽车运行模型

充电模式下，电动汽车物理模型即输出变量t时段电动汽车SOC值计算公式如式(1-5)所示：

式中，SOC0——0时段电动汽车电池剩余容量；SOCi——i时段电动汽车电池剩余容量。

对上述变量进行处理，电动汽车模型表示如下式(1-6)：

SOCi＝SOCi-1+3.5/Cbatt (1-6)

1.2负荷舒适度表征

影响热负荷(空调、热水器)舒适度的因素包括温度、湿度、空气流速等，在研究热负荷舒适度时，将着重考虑温度对用户舒适度的影响；针对电动汽车这类与用户体感舒适度没有较强关联的负荷，则主要考虑充电SOC值，即电池充电量越高，用户舒适度越强。三类负荷的舒适度指标如下式(1-7)所示：

式中，TAC——空调当前温度；Tc,AC——空调最佳温度；ΔTAC——空调舒适温度区间长度；TWH——热水器当前温度；Tc,WH——热水器最佳温度；ΔTWH——热水器舒适温度区间长度；SEV——电动汽车电池荷电状态。

2、智能负荷群聚合能力评估

智能负荷所能提供的响应容量和响应时长受负荷运行状态、用户出行计划、响应原则等影响，下面在考虑舒适度、用户响应原则等基础上建立负荷群的响应聚合模型，对参与需求响应的居民智能负荷群的响应能力进行建模与评估。

2.1负荷响应聚合模型

建立聚合模型的目的在于研究基于直接负荷控制的智能负荷群所能提供的响应能力，该模型需要考虑舒适度影响、满足响应次数以及响应时长的约束，特别是电动汽车，需要最大程度保证用户出行计划，在相应时间内能完成充电目标。综合考虑上述因素，聚合模型的数学描述如式(2-1)所示：

其中，tf——有功缺额情况下智能负荷强制响应时间，初始情况下取为0min；n1——空调数量；PAC,i——第i台空调的响应功率；n2——热水器数量；PWH,j——第j台热水器的响应功率；n3——电动汽车数量；PEV,k——第k辆电动汽车的响应功率；Si(t)——第i台空调状态；Sj(t)——第j台热水器状态；Sk(t)——第k台电动汽车状态。

空调状态的计算公式如式(2-2)所示：

热水器状态的计算公式如式(2-3)所示：

电动汽车状态的计算公式如式(2-4)所示：

其中，W＝{t|S(t-1)-S(t)>0}；ZAC——空调舒适区间；ZWH——热水器舒适区间；ZEV——电动汽车舒适区间；IAC,i——第i台空调舒适值；IWH,j——第j台热水器舒适值；IEV,k——第k辆电动汽车舒适值；N——响应次数；t——仿真时间；tEV,k——第k辆电动汽车可响应时长。值得注意的是，舒适区间由用户和负荷代理商协商确定，考虑电价等因素影响，用户可接受的舒适区间在不同时段会相应改变。

2.2负荷响应聚合能力评估

为定量评估智能负荷群体在某一段时间内的响应能力，下面提出利用该时段内负荷群体的等效响应功率ρ表征这一时段的聚合响应能力，公式如(2-5)所示：

其中，ρi——负荷代理商i等效响应功率；Δt——有功缺额时间；Pi——负荷群实时聚合功率；te——起始时间；ts——终止时间。

3、双层控制策略

3.1上层响应量分配策略

首先，负荷代理商收集负荷信息，根据智能负荷的聚合特性以及电网有功缺额时间，向控制中心发送其管理的负荷群在当前时刻所能提供的等效响应能力ρ。然后，控制中心根据各负荷代理商的等效响应能力，对负荷代理商下达切负荷量的指令，其计算公式如下：

其中，ΔPi——第i个负荷代理商负荷响应量；ΔP——电网有功缺额量；ρi——第i个负荷代理商等效响应能力；m——负荷代理商数量。

3.2下层负荷响应策略

上层分配策略注重对电网有功功率的支撑作用，而下层分配策略则关心怎样分配使得电网付出的补偿成本最小。因此，下层分配时，需要建立成本最小优化模型，其目标函数和约束条件如下式所示：

其中，a——参与需求响应的补偿；Si——某一负荷代理商下第i台空调的响应状态；Sj——某一负荷代理商下第j台热水器的响应状态；Sk——某一负荷代理商下第k辆电动汽车的响应状态；PAC,i——第i台空调的响应功率；PWH,j——第j台热水器的响应功率；PEV,k——第k辆电动汽车的响应功率；IAC,i——第i台空调舒适值(归一化后)；IWH,j——第j台热水器舒适值(归一化后)；IEV,k——第k辆电动汽车舒适值(归一化后)；n1——空调数量；n2——热水器数量；n3——电动汽车数量。

约束条件如下：

1)智能负荷满足功率缺额

式中，ΔPi——第i个负荷代理商负荷响应量；PAg,i——第i个负荷代理商下智能负荷提供的响应功率；

2)响应次数约束

0≤N≤2 (3-4)

式中，N——响应次数

3)响应时长约束

t≤tr (3-5)

式中，tr——负荷可响应时长。

式(3-2)～(3-5)构成了以成本为目标函数的每个负荷代理商内部的智能负荷协调优化模型，属于01整数规划问题，使用CPLEX12.6可以进行求解。

假设有10个负荷代理商，每个代理商所管辖的负荷构成如表1所示。其中，负荷群#1～3中各类负荷占比不同但其他因素一样；负荷群#4～6中改变响应原则但保持其他因素一样；负荷群#7～9中改变负荷初始运行状态但保持其他因素一样。

表1不同负荷群体负荷构成情况

现假设电网中出现了3M的功率缺额，该故障的持续时间是15min，在该时段内10个代理商的聚合响应潜力值如表2所示，根据公式(3-1)计算得到在该功率场景下每个代理商的负荷响应量，这也是上层分配的结果。

表2 10个负荷群体的聚合响应功率值(单位：kW)

在下层分配中，针对每一个代理商下管理的负荷进行精细化控制，精确到每一个家庭负荷在每分钟内的响应情况。控制策略的效果如图2所示。

在图2中，双层优化控制策略基本实现了3M负荷的响应需求，误差只有0.2％；而采用平均分配的控制策略误差高达19％。这是因为，在平均分配控制策略中，每个负荷代理商都响应300kW，而实际情况中每个代理商在该时段内可响应容量是不同的，采用平均分配的方法并不能最大限度地挖掘家庭负荷的响应潜力。比如，No.8代理商最大响应功率只有95.7kW，显然不能提供300kW的需求量。

再进一步验证下层策略的有效性。图3给出了No.1代理商下管辖的10辆电动汽车在15min内的响应情况。表3是这10辆电动汽车的初始充电情况(start of charge,SOC)和充电时间约束。

表3 10辆电动汽车的初始充电情况和响应时间

由表3可知，No.4电动汽车的初始SOC值很高，这说明它在这15min内可以一直响应，但是从响应时间来看，它只能响应3min。从图3可以看出，No.4电动汽车只在前3min响应，后面不具有响应能力。再比如，No.5和No.7电动汽车在第9min时才开始响应，这是因为它的初始SOC值太低，不具备响应能力。由此可见，本发明提出的负荷参与需求响应的双层控制方法不仅可以最大限度地利用不同负荷代理商管辖区域负荷的潜力，同时还能综合考虑负荷响应成本、有功平衡、用户响应次数、响应时间等因素，确定每一个家庭负荷的精准响应情况。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。