考虑可调负荷集群响应不确定性的联合调度模型.pdf

第４４卷第２３期２０１６年１２月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｌ０１．４４Ｎｏ．２３Ｄｅｃ．１．２０１６ＤＯＩ：１０．７６６７／ＰＳＰＣ１５２０９６考虑可调负荷集群响应不确定性的联合调度模型孙博宇，喻洁，梅军，高赐威，赵明，李孟阳（１．东南大学电气工程学院，江苏南京２１００９６；２．云南电网有限责任公司电力科学研究院，云南昆明６５０２１４）摘要：售电侧放开是新电改的一项重点任务，分析需求响应策略的经济性和安全性会为售电市场开放后的需求响应业务实施提供支持。需求侧管理将大量的小时响应负荷建模成多个负荷集群，通过电价信号调整集群的用电量，实现用电高峰时段减小电力缺口的目的。但负荷集群对电价响应的不确定性会造成潜在风险损失，在经济调度模型中考虑这种响应不确定性以达到降低风险值得研究。首先基于蒙特卡洛法得到负荷集群的响应偏差率，然后使用风险损失（ＶａＲ）度量负荷集群响应不确定性的风险损失，最后在满足各种约束条件的基础上，对引入风险损失的优化模型进行求解。算例结果表明该联合调度模型保证调度经济性的同时，减少需求侧因负荷响应不确定带来的风险损失。关键词：小时响应负荷；不确定性；可调负荷集群；风险损失（ＶａＲ）ＣｏｍｂｉｎｅｄｄｉｓｐａｔｃｈｍｏｄｅｌｏｆａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓｃｏｎｓｉｄｅｒｉｎｇｒｅｓｐｏｎｓｅｕｎｃｅｒｔａｉｎｔｙＳＵＮＢｏｙｕ，ＹＵＪｉｅ，ＭＥＩＪｕｎ，ＧＡＯＣｉｗｅｉ，ＺＨＡＯＭｉｎｇ２，ＬＩＭｅｎｇｙａｎｇ（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ；２．ＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＣｏ．，Ｌｔｄ．ｏｆＹｕｎｎａｎＰｏｗｅｒＧｒｉｄ，Ｋｕｎｍｉｎｇ６５０２１４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｏｐｅｎｏｆｒｅｔａｉｌｓｉｄｅｉｓａｎｉｍｐｏｒｔａｎｔｔａｓｋｆｏｒｐｏｗｅｒｒｅｆｏｒｍ，ａｎｄａｎａｌｙｚｉｎｇｔｈｅｅｃｏｎｏｍｉｃａｎｄｓａｆｅａｓｐｅｃｔｓｏｆｄｅｍａｎｄｒｅｓｐｏｎｓｅｓｔｒａｔｅｇｙｃａｎｐｒｏｖｉｄｅｓｕｐｐｏｒｔｆｏｒｔｈｅｂｕｓｉｎｅｓｓｏｆｄｅｍａｎｄｒｅｓｐｏｎｓｅａｆｔｅｒｔｈｅｏｐｅｎｏｆｒｅｔａｉｌｓｉｄｅ．Ａｇｒｅａｔｄｅａｌｏｆｉｎｔｒａ－ｈｏｕｒｔｒａｎｓｆｅｒａｂｌｅｌｏａｄｓａｒｅｍｏｄｅｌｅｄａＳｓｅｖｅｒａｌｌｏａｄｃｌｕｓｔｅｒｓｔｈｒｏｕｇｈｄｅｍａｎｄｓｉｄｅｍａｎａｇｅｍｅｎｔ．ｗｈｉｃｈｃａｌｌｃｈａｎｇｅｅｌｅｃｔｒｉｃｉｔｙｃｏｎｓｕｍｐｔｉｏｎａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｎｇｅｏｆｅｌｅｃｔｒｉｃｉｔｙｐｒｉｃｅａｎｄｒｅｄｕｃｅｐｏｗｅｒｓｈｏｒｔａｇｅｓｉｎｐｅａｋｅｎｅｒｇｙｐｅｒｉｏｄｓ．Ｈｏｗｅｖｅ￣ｐｏｔｅｎｔｉａｌｒｉｓｋｌｏｓｓｅｓＣａｎｂｅｃａｕｓｅｄｂｙｔｈｅｕｎｃｅｒｔａｉｎｔｙｏｆｔｏａｄｒｅｓｐｏｎｓｅｔｏｐｒｉｃｅａｎｄｔｈｉｓｅｆｆｅｃｔｓｏｆｕｎｃｅｒｔａｉｎｔｙｉｎｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｍｏｄｅｌａｒｅｗｏｒｔｈｒｅｓｅａｒｃｈｉｎｇｔｏｒｅｄｕｃｅｒｉｓｋｌｏｓｓｅｓ．ＲｅｓｐｏｎｓｅｄｅｖｉａｔｉｏｎｒａｔｅｓｏｆｌｏａｄｃｌｕｓｔｅｒｓａｒｅｏｂｔａｉｎｅｄｂａｓｅｄｏｎＭｏｎｔｅＣａｒｌｏｍｅｔｈｏｄａｎｄｔｈｅｎｖａｌｕｅａｔｒｉｓｋ（ＶａＲ）ｉｓｕｓｅｄｔｏｍｅａＳｕｒｅｔｈｅｐｏｔｅｎｔｉａｌｒｉｓｋｌｏｓｓｅｓｃａｕｓｅｄｂｙｌｏａｄｃｌｕｓｔｅｒｓｒｅｓｐｏｎｓｅｕｎｃｅｒｔａｉｎｔｙ．Ｆｉｎａｌｌｙ，ｃｏｎｓｉｄｅｒｉｎｇａｌｌｃｏｎｓｔｒａｉｎｔｓ，ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｉｎｔｒｏｄｕｃｉｎｇｒｉｓｋｌｏｓｓｅｓｉｓｓｏｌｖｅｄ．Ｔｈｅｅｘａｍｐｌｅｓｈｏｗｓｔｈａｔｔｈｅｅｃｏｎｏｍｙｏｆｔｈｅｃｏｍｂｉｎｅｄｄｉｓｐａｔｃｈｍｏｄｅｌｉｓｍａｉｎｔａｉｎｅｄ，ｍｅａｎｗｈｉｌｅｒｉｓｋｌｏｓｓｅｓｃａｕｓｅｄｂｙｔｈｅｕｎｃｅｒｔａｉｎｔｙｏｆｌｏａｄｒｅｓｐｏｎｓｅａｒｅｒｅｄｕｃｅｄ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆ，Ｃｈｉｎａ（Ｎｏ．５１４０７０３０）．Ｋｅｙｗｏｒｄｓ：ｉｎｔｒａ－ｈｏｕｒｔｒａｎｓｆｅｒａｂｌｅｌｏａｄ；ｕｎｃｅｒｔａｉｎｔｙ；ａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓ；ｖａｌｕｅａｔｒｉｓｋ（ＶａＲ）０引言随着需求响应、分布式电源、智能电网、电动汽车和能源互联网等新事物的出现和发展卜，为了建立更加开放的电力体制，我国正在进行了新一轮电力改革。售电侧放开作为电改的一大特色，为需求侧管理发展提供机遇。需求侧弹性负荷可随市场基金项目：国家自然科学基金项目（５１４０７０３０）；云南省电网公“”司科技项目基于用户能效特性的电网需响应关键技术研究价格信号或激励机制发生改变，是削减高峰负荷、平衡电力供应缺口的必要手段【４］，在电力系统运行和规划中起到重要作用。需求侧的弹性负荷用电量可随波动的电价发生改变。为了方便管理，将可调用户侧资源建模成可调负荷集群，与传统机组一起参与电力调度Ｌ５】。文中的弹性负荷是指用电量可随波动电价在１ｈ内调整的小时响应负荷。当预测负荷量大于可供电量出现电力缺口时，通过价格信号降低可调负荷的用电量，即增加负荷集群的出力，减小电力缺口。．６２．电力系统保护与控制理论分析中，可调负荷会对价格或激励信号做出准确的响应，而实际中由于各种因素的影响，如关注电价不及时，信号传输延迟、用户用电习惯难以改变等【刖，响应量和期望值总会存在一定范围内的偏差。对于负荷响应的不确定性，文献［８］建立了不确定性需求响应曲线模型，将电价表示成期望值和随机偏差之和的形式，约束条件中只是对单个时间段内随机偏差量和整个时间段内偏差和进行限定，最后用Ｂｅｎｄｅｒｓ分解进行求解。文献【９］将模型中不确定的负荷削减量表示成均值和随机偏差量之和的形式，根据用户响应偏差的概率密度分布函数求取期望成本，用不确定成本的期望值代替原负荷调度模型中的固定成本。文献［１０哿负荷响应量设为某一区间的随机变量，建立随机优化模型，用采样平均近似（ＳＡＡ）方法求解。文献【１１］将负荷表示成随机变量引入模糊约束条件函数中，结合模糊机会约束和随机机会约束的确定性等价形式，将不确定模型转化成确定性模型。以上文献均未量化分析由响应不确定性带来的风险损失。风险价值（ＶａｌｕｅａｔＲｉｓｋ，ＶａＲ）最早在金融领域的风险控制模型中提出，用于表示在一定的置信水平下，一定时间内某一资产或机构面临的最大损失Ｌ１ＨＪ。随着电力市场的发展，ＶａＲ作为风险评估指标引入电力市场价格风险管理。文献【ｌ３】考虑到市场有势地位对潜在风险价值的影响，建立了基于ＶａＲ理论的电力市场价格风险预警模型。文献［１４］在考虑ＥＰ的风险偏好时，采用有效函数和ＶａＲ方法建立了确定评估风险模型。已见文献中的ＶａＲ用于解决电力市场中因电价波动造成购电存在风险的问题，本文首次提出用ＶａＲ衡量负荷集群响应不确定而造成的风险损失。ＶａＲ作为损失度量指标引入电力调度模型中参与优化，实现降低可调负荷集群联合调度面临的最大风险损失值的目的。对需求侧管理项目的实施具有实际应用价值。１可调负荷集群的响应不确定性基于价格的需求响应分析多采用弹性值确定的需求价格曲线。价格弹性是需求量变化率ｆＡＱ／Ｑ）与价△格变化率（／Ｊｐ）之间的比值，表示为（ｐ／Ｑ）／（ＡＰ／Ｐ），反映了需求量对价格的敏感程度。现实中可调负荷集群响应量在一定的范围内波动。假设可调负荷集群ｖ的初始计划电量为，若为了在时段ｆ内调整该负荷集群用电量，将发布电价变动为，需求价格曲线上与该电价相对应的需求量期望值为。将可调负荷集群参与联合调度前后的负荷差值称为集群动作量，则动作量期望值＝ＤＯ一。考虑到负荷集群响应的不确定性，引入随机可调负荷集群响应偏差量￡，ｓ的概率密度函数为厂（，则可调负荷集群的实际动作量为。ｐｔ＝Ｄｏ一＋（１）由采用蒙特卡罗模拟得到负荷集群响应偏差量的概率密度函数ｆ（ｅ）。蒙特卡罗模拟法首先需要确定一个随机模型和模型参数，通过模拟得到逼近真实情况的数据。将得到的随机数据统计到预先设定好的数值区问内，计算各个数值区间内随机数据的个数与总数据数的比值，就可以得到￡的概率密度函数。负荷集群响应偏差量概率密度函数厂（￡）是求取负荷集群ＶａＲ值的基础。２可调负荷集群的ＶａＲ风险度量可调负荷集群实际响应量和期望值间总存在偏差，这给集群调度带来风险，本文提出用ＶａＲ对这种风险损失进行量化。联合调度模型中的ＶａＲ表示在一定置信水平下，可调负荷集群在未来一个小时内因集群响应不确定带来的最大风险损失值。在出现电力缺口且缺口电量不大于可调负荷集群最大动作量的条件下，如果可调负荷集群实际动作量大于期望值，系统可以保证供用电平衡，此时可调负荷集群没有风险损失；如果集群的动作量小于期望值，此时可调负荷集群少动作的负荷可能无法供电，会造成缺电损失。另外，响应偏移特性不同的可调负荷集群，对于同样的响应量，面临的潜在风险损失也各不相同。出于调度成本和电网安全性的考虑，总是希望风险损失小的可调负荷集群优先参与调度。可调负荷集群的风险损失是由动作量小于期望值引起的。设定置信水平ｆｌ（０．９ｏ．９９）［１２】，可调负荷集群的风险损失函数＝ｒｉｏ。。￡（２）式中，是缺电成本。由于损失值和随机数为对应关系，所以损失函数的概率密度函数．厂（）与．厂（￡）相同。给定最大可容忍损失，，则风险损失．的不超过，的累积分布函数。…ｙ：，ａｖ）＝Ｉ厂０４）ｄｙ＇ｖ（３）＂ＹＶ＿￣ｔｘｖ对于给定置信度，可调负荷集群ｖ的ＶａＲ为Ｖｖ水．＝ｒａｉｎ｛ｔｐ（ｙ＇ｖ，ｔＺｖ）（４）设等式（４）右边的求解结果为，则根据式（２）可得孙博宇，等考虑可调负荷集群响应不确定性的联合调度模型．６３．ＷａＲ，，（５）响应偏差量是期望动作量与实际动作量的差值。为了方便建模，常常需要对响应偏差量做归一化处理，将响应偏差量与期望动作量的比值作为响应偏差率。＝ｅｅ／（６）将式（６）代入式（５）可得ＷａＲ，＝（７）需求响应调度模型中会考虑可调负荷集群的ＶａＲ值，在所有可调负荷集群动作量上限大于电力缺口值前提下，最大风险损失低的可调负荷集群优先被调用，从而降低集群调度面临的风险，同时提高系统稳定性１５－１７］。３考虑可调负荷集群响应不确定性的联合调度模型３．１目标函数模型的目标函数是满足传统机组发电成本和可调负荷集群的调度费用最小，为了能优先调用风险损失小的可调负荷集群，在目标函数中加入风险损失项。联合调度模型的目标函数为ｒＮⅣＭ∑∑∑∑ＴＣ＝ｍｉｎＺＺＣ￣，＋Ｃ；、，，＋，（８）ｔ＝ｌｉ＝ｌｔ＝ｌｖ＝ｌｔ＝ｌｖ＝ｌⅣ式中：表示时间集合；、分别是传统机组和负荷集群的数量；Ｗ报．是可调负荷集群ｖ的最大风险损失，用于优化可调负荷集群的调度。传统机组ｉ在时间段的发电成本为ｃ；ｕ．ｆ＝ａｉｓ＋ｂｆ，＋（）（９）由于电价的改变导致可调负荷集群的总用电量发生改变，则负荷集群ｖ在时间段ｆ的调度成本：、，．＝Ｖｔ．ｐｒｉｃｅ（１０）根据参考文献［８】价格需求曲线公式，可调负荷集群ｖ在时段发布的电价为ｐｒｉｃ。＝ｌｏｇ，（１１）式（９）一式（１１）中：是传统机组ｆ在时段ｆ的出力；是可调负荷集群１，在时段ｆ的动作量；ａｉ，，ｃｉ是传统机组的成本系数；二进制变量ｓ表示机组在时段ｔ是否投入运行，Ｓｌ机组投入运行，Ｓ，＿０机组退出运行；４，、ａ分别是集群ｖ的电价系数和弹性系数。３．２约束条件（１）系统功率平衡约束∑∑＋＝＋岛，Ｐｉｔ＋，ｖｐｖｔｉ＝１ｖ＝ｌ＋（１２），＝１ｆ＝１『＿１ｖ＝１、上二，０式（１２）中：Ｄ为整个区域日前预测负荷曲线上在时段的负荷量；Ｌ是线路的集合；是传统机组ｉ出力和线路，线损的灵敏度系数；岛，，是可调负荷集群ｖ负荷削减量和线路，线损间的灵敏度系数。松弛变量的引入为了模型保证模型的凸性，方便求解。（２）旋转备用约束∑ｉ＝１一＋∥一一岛，，—ＺＤ≥，，（１３）Ｒ・ｍａｘ（ｚＹ）备用容量设为最大负荷的１０％【ｌ５］，（３）机组特性约束传统机组的功率上下限约束为，ｍ。ａｘ传统机组的爬坡约束为即Ｒ＝０．１。（１４）一Ｐｔ－１＋（１一ｔ一）．一（１５）卜一ＲＤｆ＋（１一）．一（１６）可调负荷集群动作量上下限约束：＇ｍｊ≤，一（１７）式（１４）一式（１７）中：，、劬分别是机组ｆ出力上下限；Ｒ、分别是机缉ｉ爬坡逮度上下限；，一、，ｍｊ分别是负荷集群１，动作量上下限，可调负荷集群动作量上限由区域内小时响应负荷总量决定，而出力下限则是由电力缺口决定。（４）网络潮流约束ＮＭＩｍｉ∑∑，＋ｍＩ，，一（１８）ｉ＝ｌｖ＝ｌＮＭ≤∑∑≤ｆｌｍ，＋，『１一（１９）ｉ＝１ｖ＝ｌ式中；ｍｔ和ｈ分别是机组ｆ出力和集群负荷ｖ削减量对线路，的相关系数；．．ｍ和．一是线路，潮流上下限；ｍ的值为不考虑集群不确定响应风险损失时的线损；，．一为线路，满载运行时的用功损耗。（５）调度后负荷约束为了防止可调负荷集群调度后形成新的负荷高峰Ⅳ∑＋，～（２ｏ）．．６４．．电力系统保护与控制４算例分析４．１模型应用背景云南省某试点地区，该区域内有３台传统发电机组和大量的小时响应负荷。将该区域内签订合同的小时响应负荷按照响应偏差特性分类，建模成三个可调负荷集群，分别命名为可调负荷集群ｌ、可调负荷集群２和可调负荷集群３。在该区域夏季的某高温日，由日前２４ｈ制预测负荷曲线可知，所有传统发电机组的最大出力不能满足高峰时段的负荷需求，将会出现电力缺口。而区域内３个可调负荷集群的可动作量大于缺口电量。在出现电力缺口时段内，需求管理通过电价信号对３个可调负荷集群进行调用。对于实际动作量小于期望值的用户，面临的缺电损损失统一设定一：１０．７１元ｋＷ．ｈ１，传统机组的发电成本参数和可调负荷集群的调度成本参数参见该区域的实际数据。如图１所示，三台传统发电机组的最大出力为２０５０ｋＷ，电力缺口出现的时间段为１１：００～１２：００和】４：００－１６：００。Ｉ＝！型笪二二二堡些图１日前预测负荷曲线—Ｆｉｇ．１Ｃｕｒｖｅｏｆｆｏｒｅｃａｓｔｉｎｇｄａｙａｈｅａｄｌｏａｄ区域内所有的弹性负荷使用相同的需求一价格关系曲线，根据最后可调负荷集群响应量和该曲线即可获得缺电时段内对可调负荷用户发布的电价。４．２算例结果４．２．１可调负荷集群ＶａＲ假设可调负荷集群ｖ在时段的动作量期望值为，而实际出力范围［０．９，１．１］。对响应偏差量归一化处理，得到响应偏差率，其取值范围为［＿１０％，１０％］。将视作服从期望为０的正态分布。由于风险损失值和动作偏差量呈一次函数关系，可以先根据置信度和的累积分布函数确定，则最大风险损失值，＝ｒｉｏ。，。。是，关于期望动作量的ＶａＲ系数。假设３台可调负荷集群的偏差率分别遵循Ｎ（０，２）、Ｎ（０，２．５）、Ｎ（０，３）的正态分布。对每个可调负荷集群偏差率，都使用蒙特卡洛模拟法模拟出１００００个数据，从而得到的累计分布函数。表１中是３个可调负荷集群在不同置信度下的ＶａＲ系数值。为了研究ＶａＲ值对可调负荷集群的影响，本文共设置了３个场景。场景１中３个集群ＶａＲ值均设为０，即不考虑风险损失的影响；场景２中３个集群ＶａＲ值求取均是在置信度＝９０％的条件下；场景３中个集群ＶａＲ值求取均是在置信度：９５％的条件下。表１可调负荷集群ＶａＲ系数在不同置信度下的值Ｔａｂｌｅ１ＶａＲｃｏｅｆｆｉｃｉｅｎｔｓｏｆａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓｗｉｔｈｄｉｆｆｅｒｅｎｔｃｏｎｆｉｄｅｎｃｅｌｅｖｅｌｓ４．２．２集群调度结果文中提出考虑可调负荷集群响应不确定性的联合调度，设置了２个场景对比分析ＶａＲ参与负荷集群调度的结果。为了分析ＶａＲ值对可调负荷集群调度的影响，在场景２中分别设置两种置信度下ＶａＲ函数。根据文中的优化模型，在ＡＩＭＭＳ软件进行建模求解，得到传统发电机组的出力、可调负荷集群动作量、可调负荷集群调度成本和在相应出力下可调负荷集群面临的风险损失。图２中是传统机组的出力情况。时段ｌ二！二丝坐：：！＝丝坐＝垄皇图２传统机组出力Ｆｉｇ．２Ｅｎｅｒｇｙｏｕｔｐｕｔｏｆｔｒａｄｉｔｉｏｎａｌｕｎｉｔｓ孙博宇，等考虑可调负荷集群响应不确定性的联合调度模型．６５．（１）基于传统调度模型的优化结果传统优化模型仅考虑传统机组的发电成本和负荷群的调度成本，无风险损失项。根据该模型得到的可调负荷集群出力结果如图３所示。——・一电力缺口＋负荷集群１＋负荷集群２＋负荷集群３图３不考虑ＶａＲ晌的可调负荷集群动作量Ｆｉｇ．３ＡｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓａｃｔｉｏｎｗｉｔｈｏｕｔＶａＲ在不考虑可调负荷集群ＶａＲ影响的模型中，对可调负荷集群调度产生影响的只有集群的调度成本。调度成本低的集群优先动作，且调度成本越低，对应的可调负荷集群出力越多。选取表１中置信度为９０％风险损失系数，计算负荷集群在各个时间段内面临的最大风险损失，如表２所示。表２可调负荷集群在９０％置信度下的ＶａＲ值Ｔａｂｌｅ２ＶａＲｏｆａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓｗｉｔｈ９０％ｃｏｎｆｉｄｅｎｃｅ（２）考虑ＶａＲ的联合调度模型的优化结果考虑可调负荷集群响应不确定性带来的风险损失时，可调负荷集群的出力结果如图４所示。三个负荷集群的ＶａＲ值如表３所示。将图３和图４相比较，优化模型中考虑ＶａＲ值后，三台负荷集群的优化调度结果发生较大变化。原本负荷集群２出力最多，本文提出的数学模型求解结果为负荷集群１出力最大。将置信度由９０％提高到９５％，则考虑可调负荷集群响应不确定性带来的风险损失时，可调负荷集群的出力结果如图５所示。三个负荷集群的ＶａＲ值如表４所示。＋电力缺口＋负荷集群１＋负荷集群２＋负荷集群３图４置信度为９０％的可调负荷集群出力Ｆｉｇ．４Ａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓａｃｔｉｏｎｗｉｔｈ９０％ｃｏｎｆｉｄｅｎｃｅ表３可调负荷集群在９０％置信度下的ＶａＲ值Ｔａｂｌｅ３ＶａＲｏｆｖｉｒｔｕａｌｕｎｉｔｓｗｉｔｈ９０％ｃＯｎｆｉｄｅｎｃｅ—－一电力缺口＋负荷集群１＋负荷集群２＋负荷集群３图５置信度为９５％的可调负荷集群出力Ｆｉｇ．５Ａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓａｃｔｉｏｎｗｉｔｈ９５％ｃｏｎｆｉｄｅｎｃｅ表４可调负荷集群在９５％置信度下的ＶａＲ值Ｔａｂｌｅ４ｏｆｖｉｒｔｕａｌｕｎｉｔｓｗｉｔｈ９５％ｃｏｎｆｉｄｅｎｃｅ对比图４和图５可知，置信度的提高虽然改变了负荷集群的出力，但三台负荷集群出力的大小关系并未发生改变。通过比较表２和表３中的数据可知，采用相同∞∞∞舳阳如加ｍＯ∞舯加如们如加０事Ｒ丑踮∞如蚰如ｍＯ．６６．电力系统保护与控制风险损失系数的情况下，不考虑ＶａＲ的数学模型中，可调负荷集群面临的最大风险损失均大于考虑ＶａＲ数学模型中集群面临的损失值。通过对比表３和表４中的数据可知，置信度为９５％时，负荷集群面临的风险损失值大于置信度设置为９０％的情况。表５３种情况下的可调负荷集群调度成本Ｔａｂｌｅ５Ｄｉｓｐａｔｃｈｃｏｓｔｏｆａｄｊｕｓｔａｂｌｅｌｏａｄｃｌｕｓｔｅｒｓｉｎｔｈｒｅｅｃａｓｅｓ设不考虑ＶａＲ对可调负荷集群调度影响为情况１，考虑９０％置信度风险损失为情况２，考虑９５％置信度风险损失为情况３。３种情况下的可调负荷集群调度成本如表５所示。４．２－３算例分析小结（１）随着置信度的提高，可调负荷集群的风险损失随之增加。且响应偏差越大的可调负荷集群比偏差小的面临更大的风险损失。（２）对于同样的电力缺口，联合调度模型可以实现响应偏移量小的负荷集群会优先于响应偏移量大的负荷集群参与调度。ｆ３）可调负荷集群的总调度成本会随着风险损失置信度值的提高而增加。（４）可调负荷集群调度考虑风险损失，降低了负荷集群因响应不确定而面临的风险损失值。５结论本文提出的联合调度模型可以兼顾风险和调度成本，通过对仿真模型结果的分析可知该模型保证调度经济性的同时大大减少可调负荷集群因响应不确定性面临的风险损失，虽然可调负荷集群的总调度成本有所增加，但增加量占总成本比例较低。在需求响应业务的实施中，综合考虑负荷响应的不确定性，通过改变电价让响应不确定性小的负荷集群优先参与调度，更加可靠有效地减少电力缺口，提高系统整体安全性。该联合调度数学模型还可以从以下两个方面进行改进：（１）可调负荷聚类Ｌ１，Ｊ可以使可调负荷集群建模得到一定简化，同时提高模型的准确度。（２）结合实际情况，某些可调负荷只能在特定的时间段内对电价变化做出响应，在建模中考虑该因素可以使模型的实用性进一步提高。参考文献［１］包宇庆，李扬，王春宁，等．需求响应参与大规模风电接入下的电力系统频率调节研究［Ｊ］．电力系统保护与控制，２０１５，４３（４）：３２－３７．ＢＡＯＹｕｑｉｎｇ，ＬＩＹａｎｇ，ＷＡＮＧＣｈｕｎｎｉｎｇ，ｅｔａ１．Ｏｎｄｅｍａｎｄｒｅｓｐｏｎｓｅｐａｒｔｉｃｉｐａｔｉｎｇｉｎｔｈｅｆｒｅｑｕｅｎｃｙｃｏｎｔｒｏｌｏｆｔｈｅｇｒｉｄｕｎｄｅｒｈｉｇｈｗｉｎｄｐｅｎｅｔｒａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３ｆ４）：３２－３７．［２］王珂，姚建国，姚良忠，等．电力柔性负荷调度研究综述［Ｊ］．电力系统自动化，２０１４，３８（２０）：１２７－１３５．ＷＡＮＧＫｅ，ＹＡＯＪｉａｎｇｕｏ，ＹＡＯＬｉａｎｇｚｈｏｎｇ，ｅｔａ１．Ｓｕｒｖｅｙｏｆｒｅｓｅａｒｃｈｏｎｆｌｅｘｉｂｌｅｌｏａｄｓｓｃｈｅｄｕｌｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１４，３８（２０）：１２７－１３５．［３］郭红霞，白浩，刘磊，等．统一电能交易市场下的虚拟电厂优化调度［Ｊ］．电工技术学报，２０１５，３０（２３）：１３６．１４５．ＧＵＯＨｏｎｇｘｉａ，ＢＡＩＨａｏ，ＬＩＵＬｅｉ，ｅｔａ１．Ｏｐｔｉｍａｌｓｃｈｅｄｕｌｉｎｇｍｏｄｅｌｏｆｖｉｒｔｕａｌｐｏｗｅｒｐｌａｎｔｉｎａｕｎｉｆｉｅｄｅｌｅｃｔｒｉｃｉｔｙｔｒａｄｉｎｇｍａｒｋｅｔ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａ—ＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１５，３０（２３）：１３６１４５．［４］王蓓蓓，李扬，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）：１７２２．ＷＡＮＧＢｅｉｂｅｉ，ＬＩＹａｎｇ，ＧＡＯＣｉｗｅｉ．Ｄｅｍａｎｄｓｉｄｅｍａｎａｇｅｍｅｎｔｏｕｔｌｏｏｋｕｎｄｅｒｓｍａｒｔｇｒｉｄｉｎｆｒａｓｔｒｕｃｔｕｒｅ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（２０）：１７．２２．［５］高赐威，梁甜甜，李扬．节能发电调度下基于虚拟机组的日前负荷调度模型【Ｊ】．中国电机工程学报，２０１４，—３４（２２）：３６９１３６９９．ＧＡＯＣｉｗｅｉ，ＬＩＡＮＧＴｉａｎｔｉａｎ，ＬＩＹａｎｇ．Ｍｏｄｅｌｏｆｄａｙ－ａｈｅａｄｌｏａｄｓｃｈｅｄｕｌｉｎｇｂａｓｅｄｏｎｖｉｒｔｕａｌｇｅｎｅｒａｔｏｒｕｎｉｔｉｎ—ｅｎｅｒｇｙｓａｖｉｎｇｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｄｉｓｐａｔｃｈｉｎｇ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１４，３４（２２）：３６９１－３６９９．［６］贺建波，胡志坚，刘宇凯．大规模多目标水．火．风协调优化模型的建立和求解［Ｊ］．电力系统保护与控制，２０１５，４３（６）：１－７．ＨＥＪｉａｎｂｏ，ＨＵＺｈｉｊｉａｎ，ＬＩＵＹｕｋａｉ．Ｅｓｔａｂｌｉｓｈｍｅｎｔａｎｄｓｏｌｕｔｉｏｎｏｆｔｈｅｌａｒｇｅ・－ｓｃａｌｅｍｕｌｔｉ－－ｏｂｊｅｃｔｉｖｅｈｙｄｒｏ－－ｔｈｅｒｍａｌ・－ｗｉｎｄｐｏｗｅｒｃｏｏｒｄｉｎａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎｄｉｓｐａｔｃｈｉｎｇｍｏｄｅｌ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３（６）：１－７．［７］汪春，吴可，张祥文，等．规模化电动汽车和风电协同调度的机组组合问题研究［Ｊ］．电力系统保护与控制，２０１５，４３（１１）：４１－４８．ＷＡＮＧＣｈｕｎ，ＷＵＫｅ，ＺＨＡＮＧＸｉａｎｇｗｅｎ，ｅｔａ１．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｃｏｎｓｉｄｅｒｉｎｇｃｏｏｒｄｉｎａｔｅｄｄｉｓｐａｔｃｈｏｆｌａｒｇｅｓｃａｌｅｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓａｎｄｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３（１１）：４１４８．孙博宇，等考虑可调负荷集群响应不确定性的联合调度模型．６７．—［８］ＺＨＡＯＣｈａｏｙｕｅ，ＷＡＮＧＪｉａｎｈｕｉ，ＪＥＡＮＰＡＵＬＷｅｔａ１．Ｍｕｌｔｉ－ｓｔａｇｅｒｏｂｕｓｔｕｎｉｔｃｏｍｍｉｔｍｅｎｔｃｏｎｓｉｄｅｒｉｎｇｗｉｎｄａｎｄｄｅｍａｎｄｒｅｓｐｏｎｓｅｕｎｃｅｒｔａｉｎｔｉｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２０１３，２８（３）：２７０８－２７１７．［９］牛文娟，李扬，王蓓蓓．考虑不确定性的需求响应虚拟电厂建模［Ｊ］．中国电机工程学报，２０１４，３４（２２）：３６３０３６３７．ＮＩＵＷｅｎｊｕａｎ，ＬＩＹａｎｇ，ＷＡＮＧＢｅｉｂｅｉ．Ｄｅｍａｎｄｒｅｓｐｏｎｓｅｂａｓｅｄｖｉｒｔｕａｌｐｏｗｅｒｐｌａｎｔｍｏｄｅｌｉｎｇｃｏｎｓｉｄｅｒｉｎｇｕｎｃｅｒｔａｉｎｔｙ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１４，３４（２２）：３６３０．３６３７．［１０］ＷＡＮＧＱｉａｎｆａｎ，ＷＡＮＧＪｉａｎｈｕｉ，ＧＵＡＮＹｏｎｇｐｅｉ．Ｓｔｏｃｈａｓｔｉｃｕｎｉｔｃｏｍｍｉｔｍｅｎｔｗｉｔｈｕｎｃｅｒｔａｉｎｄｅｍａｎｄｒｅｓｐｏｎｓｅ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２０１３，２８（１）：５６２－５６３．［１１］吴杰康，唐力．含不确定性负荷的水火电力系统随机—优化调度［Ｊ］．中国电机工程学报，２０１２，３２（２８）：３６４３．ＷＵＪｉｅｋａｎｇ，ＴＡＮＧＬｉ．Ｓｔｏｃｈａｓｔｉｃｏｐｔｉｍｉｚａｔｉｏｎｓｃｈｅｄｕｌｉｎｇｍｅｔｈｏｄｆｏｒｈｙｄｒｏｔｈｅｒｍａｌｐｏｗｅｒｓｙｓｔｅｍｓｗｉｔｈｓｔｏｃｈａｓｔｉｃ—ｌｏａｄｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１２，３２（２８）：３６４３．［１２］刘伟佳，尚金成，周文玮，等．基于多重分形理论的电力市场风险价值评估【Ｊ】．电力系统自动化，２０１３，３７（７）４８．５４．ＬＩＵｗｅ．ｊｉａ，ＳＨＡＮＧＪｉｎｃｈｅｎｇ，ＺＨＯＵＷｅｎｗｅｉ，ｅｔａ１．Ｅｖａｌｕａｔｉｏｎｏｆｖａｌｕｅ－－ａｔ・－ｒｉｓｋｉｎｅｌｅｃｔｒｉｃｉｔｙｍａｒｋｅｔｓｂａｓｅｄｏｎｍｕｌｔｉｆｒａｃｔａｌｔｈｅｏｒｙ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ—Ｓｙｓｔｅｍｓ，２０１３，３７（７）：４８５４．［１３］黄仁辉，张集，张粒子，等．整合ＧＡＲＣＨ和ＶａＲ的电力市场价格风险预警模型［Ｊ］．中国电机工程学报，２００９，２９（１９）：８５－９１．ＨＵＡＮＧＲｅｎｈｕｉ，ＺＨＡＮＧＪｉ，ＺＨＡＮＧＬｉｚｉ，ｅｔａ１．ＰｒｉｃｅｒｉｓｋｆｏｒｅｗａｒｎｉｎｇｏｆｅｌｅｃｔｒｉｃｉｔｙｍａｒｋｅｔｂａｓｅｄｏｎＧＡＲＣＨａｎｄＶＡＲｔｈｅｏｒｙ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００９，—２９（１９）：８５９１．［１４］周明，聂艳丽，李庚银，等．电力市场下长期购电方案及风险评估［Ｊ］．中国电机工程学报，２００６，２６（６）：１１６－１２２．ＺＨＯＵＭｉｎｇ，ＮＩＥＹａｎｌｉ，ＬＩＧｅｎｇｙｉｎ，ｅｔａ１．Ｌｏｎｇ。ｔｅｒｍｅｌｅｃｔｒｉｃｉｔｙｐｕｒｃｈａｓｉｎｇｓｃｈｅｍｅａｎｄｒｉｓｋａｓｓｅｓｓｍｅｎｔｉｎｐｏｗｅｒｍａｒｋｅｔｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００６，２６（６）：１１６．】２２．［１５］蔡德华，陈柏熹，程乐峰，等．实施需求侧管理对提高发电系统可靠性的影响探究［Ｊ］．电力系统保护与控制，２０１５，４３（１０）：５１－５６．ＣＡＩＤｅｈｕａ，ＣＨＥＮＢａｉｘｉ，ＣＨＥＮＧＬｅｆｅｎｇ，ｅｔａ１．Ｅｆｆｅｃｔｉｖｅｓｔｕｄｙａｂｏｕｔｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｄｅｍａｎｄｓｉｄｅｍａｎａｇｅｍｅｎｔｏｎｉｍｐｒｏｖｉｎｇｒｅｌｉａｂｉｌｉｔｙｏｆｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３（１０）：５１－５６．［１６］王守相，王栋，韩亮．考虑不确定性的微网日前经济优化调度区间线性规划方法【Ｊ】＿电力系统自动化，２０１４，３８（２４）：５－１１．ＷＡＮＧＳｈｏｕｘｉａｎｇ，ＷＡＮＧＤｏｎｇ，ＨＡＮＬｉａｎｇ．Ｉｎｔｅｒｖａｌｌｉｎｅａｒｐｒｏｇｒａｍｍｉｎｇｍｅｔｈｏｄｆｏｒｄａｙ－ａｈｅａｄｏｐｔｉｍａｌｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｉｎｇｏｆｍｉｃｒｏｇｒｉｄｃｏｎｓｉｄｅｒｉｎｇｕｎｃｅｒｔａｉｎｔｙ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１４，３８（２４）：５－１１．［１７］孙宇军，李扬，王蓓蓓，等．计及不确定性需求响应的日前调度计划模型［Ｊ］．电网技术，２０１４，３８（１０）：２７０８．２７１４．ＳＵＮＶｕｊｕｎ，ＬＩＹａｎｇ，ＷＡＮＧＢａｉｂｅｉ，ｅｔａ１．Ａｄａｙ－ａｈｅａｄｓｃｈｅｄｕｌｉｎｇｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｄｅｍａｎｄｒｅｓｐｏｎｓｅａｎｄｉｔｓｕｎｃｅｒｔａｉｎｔｙ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２０１４，３８（１０）：２７０８．２７１４．［１８］黄宇腾，侯芳，周勤，等．一种面向需求侧管理的用户负荷形态组合分析方法［Ｊ】．电力系统保护与控制，２０１３．４１（１３）：２０－２５．ＨＵＡＮＧＹｕｔｅｎｇ，ＨＯＵＦａｎｇ，ＺＨＯＵＱｉｎ，ｅｔａ１．Ａｎｅｗｃｏｍｂｉｎａｔｉｏｎａｌｅｌｅｃｔｒｉｃａｌｌｏａｄａｎａｌｙｓｉｓｍｅｔｈｏｄｆｏｒｄｅｍａｎｄｓｉｄｅｍａｎａｇｅｍｅｎｔ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄ—Ｃｏｎｔｒｏｌ，２０１３，４１（１３）：２０２５．收稿日期：２０１５－１２一Ｏ１；—修回日期：２０１６－０３２７作者简介：孙博宇（１９９２一），女，硕士研究生，研究方向为电力需求侧管理；Ｅ．ｍａｉｌ：２２０１４２１１６＠ｓｅｕ．ｅｄｕ．ｃａ喻洁（１９７５一），女，通信作者，副教授，研究方向为电力调度及其信息技术支持；Ｅ－ｍａｉｌ：ｙｕｊｉｅ＠ｓｅｕ．ｅｄｕ．ｃｎ梅军（１９７卜），男，副教授，研究方向为电力系统运行分析。（编辑姜新丽）