基于精细化模型的需求侧响应策略分析.pdf

第４２卷第１期２０１４年１月１电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｂ１．４２Ｎｏ．１Ｊａｎ．１．２０１４基于精细化模型的需求侧响应策略分析赵慧颖２７刘广一，贾宏杰，杨占勇，范士雄（１．中国电力科学研究院，北京１００１９２；２．智能电网教育部重点实验室，天津大学，天津３０００７２）摘要：提出了居民侧负荷中的热力学可控负荷（空调系统和热水器）的精细化模型。详细分析了电价信号对其的调控方式。并以ＩＥＥＥ１３节点典型馈线系统为例，在固定电价、分时电价和实时电价策略的激励下对系统进行了仿真，详细分析了居民侧负荷在不同电价的激励下负荷行为的改变，以及在配网中加入波动性大的分布式电源后配网注入功率被需求侧响应资源调节的情况。该研究得出了需求侧响应在平缓分布式电源的波动性及削减负荷高峰方面可做出贡献的结论。关键词：精细化建模；需求侧响应；分布式电源；价格信号；配电网ＡｎａｌｙｓｉｓｏｆｄｅｍａｎｄｒｅｓｐｏｎｓｅｐｒｏｇｒａｍｂａｓｅｄｏｎｒｅｆｉｎｅｄｍｏｄｅｌｓＺＨＡＯＨｕｉ．ｙｉｎｇ，，ＬＩＵＧｕａｎｇ．ｙｉ，ＪＩＡＨｏｎｇ－ｊｉｅ，ＹＡＮＧＺｈａｎ．ｙｏｎｇ，ＦＡＮＳｈｉ．ｘｉｏｎｇ（１．ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ１００１９２，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｍａｒｔＧｒｉｄｏｆＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅｆｉｎｅｄｍｏｄｅｌｓｏｆｒｅｓｉｄｅｎｔｉａｌｔｈｅｒｍｏｓｔａｔｉｃａｌｌｙｃｏｎｔｒｏｌｌｅｄｌｏａｄｓ（ｈｅａｔｉｎｇ，ｖｅｎｔｉｌａｔｉｎｇａｎｄａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｓｙｓｔｅｍａｎｄｗａｔｅｒｈｅａｔｅｒ）ａｒｅｂｕｉｌｔ．Ｔｈｅｒｅｇｕｌａｔｉｎｇａｎｄｃｏｎｔｒｏｌｌｉｎｇｗａｙｓｏｆｐｒｉｃｅｓｉｇｎａｌｏｎｔｈｅｍｏｄｅｌｓａｒｅａｎａｌｙｚｅｄｉｎｄｅｔａｉｌ．ＴｈｅｓｉｍｕｌａｔｉｏｎｉｓｉｍｐｌｅｍｅｎｔｅｄｉｎＩＥＥＥ１３ｎｏｄｅｔｙｐｉｃａｌｆｅｅｄｅｒｓｙｓｔｅｍｕｎｄｅｒｄｉｆｆｅｒｅｎｔｔａｒｉｆｆｉｎｃｅｎｔｉｖｅｓ．Ｔｈｅｔａｒｉｆｆｉｎｃｌｕｄｅｓｔｈｅｆｉｘｅｄｒａｔｅ，ｔｉｍｅｏｆｕｓｅｐｒｉｃｉｎｇａｎｄｒｅａｌｔｉｍｅｐｒｉｃｉｎｇ．Ｃｈａｎｇｅｓｏｆｌｏａｄｂｅｈａｖｉｏｒａｒｅａｎａｌｙｚｅｄｕｎｄｅｒｄｉｆｆｅｒｅｎｔｐｒｉｃｅｓｉｇｎａｌ，ａｎｄｈｏｗｄｅｍａｎｄｒｅｓｐｏｎｓｅｓｍｏｏｔｈｓｏｕｔｆｌｕｃｔｕａｔｉｏｎｓｏｆｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎ（ＤＧ）ａｒｅｓｈｏｗｎ．Ｔｈｉｓｓｔｕｄｙｄｅｍｏｎｓｔｒａｔｅｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｄｅｍａｎｄｒｅｓｐｏｎｓｅ，ｗｈｉｃｈｃｏｎｔｒｉｂｕｔｅｓｔｏｇｅｎｔｌｅｔｈｅｉｎｓｔａｂｉｌｉｔｙｏｆＤＧｓａｎｄｐｅａｋｌｏａｄｓｈｉｆｔｉｎｇ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｓｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５１３７７１１７）．Ｋｅｙｗｏｒｄｓ：ｒｅｆｉｎｅｄｍｏｄｅｌｉｎｇ；ｄｅｍａｎｄｒｅｓｐｏｎｓｅ；ｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎ；ｐｒｉｃｅｓｉｇｎａｌ；ｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋ中图分类号：ＴＭ７１文献标识码：Ａ——文章编号：１６７４３４１５（２０１４）０１－００６２０８０引言伴随着智能电网的建设，需求侧响应（ＤｅｍａｎｄＲｅｓｐｏｎｓｅ，ＤＲ）技术的研究得以迅速发展，通过政策措施和经济激励来引导用户在用电高峰时期少用电、低谷时多用电，不仅可以提高用电效率、优化用电方式，还可以缓解缺电压力、降低供电成本、提高电网资产利用率。随着大量分布式电源并网及其渗透率的不断提高，可再生能源（风机、光伏等）的不确定性对电网的安全运行造成影响。文献［１］主要针对ＤＲ与风电并网的协作效益，设计考虑市场成熟度的风电并网的需求响应模式，促进风电并网消纳，但未捉基金项目：国家自然科学基金项目（５１３７７１１７）；国家电网公司科技项目（ＤＺＢ１７２Ｏ１２００２６０）及具体详细的风电模型及需求侧负荷模型。文献［２］综合考虑了风电机组出力的不确定性，建立了风电出力估算模型和基于ＤＲ机制的输电规划模型，但没有说明详细的ＤＲ策略。文献［３】通过协调各分布式电源、储能装置以及ＤＲ来实现微网的多目标能量优化。文献［４】通过分析不同电价模式下的小型风机的接入对电网经济效益的影响，但也未详细描绘系统模型。文献［５１将冰箱、空调、热水器作为家居型温控负荷的代表，分析其快速响应特性、储能特性及高可控性，但未考虑电价激励。文献【６１提出了基于需求侧减排的节能调度方法并提出了双层优化模型，但未提出具体的居民侧行为的改变。文献［７］提出了需求侧管理成本效益分析模型，但同样偏重于经济性分析，而不是着眼于居民侧。文献【７］中构建了全新的计及需求侧响应的短期输电阻塞管理模型，而文献［８］中则构建了分时电价对购售电风险影赵慧颖，等基于精细化模型的需求侧响应策略分析一６３一响的分析模型，文献【９］建立了两种不同电价的联合优化模型，文献［１０１提出了最优电价决策方法，文献［１１］构建了ＤＳＭ成本效益分析模型，以上均是从经济学角度构建模型。综上所述，本文通过对ＤＲ可调节的负荷侧设备精细化建模，设计不同电价信号激励场景，通过连续时间序列仿真，分析负荷侧用电行为方式的转变。研究加入精细化模型后，在不同电价策略的激励下，房屋中的空调设备、热水器设备负荷行为的变化，以及在当分布式电源出力波动性较大时，ＤＲ如何有效地平缓其波动，同时又达到了削峰的目标。１精细化模型的建立本文精细化建模主要是针对用电负荷侧。对于用电负荷侧的以往建模方式多为模糊建模，假设房屋为简单的恒功率负荷，无法精确观察ＤＲ对负荷行为的影响。而本文是将房屋考虑为可参与ＤＲ的各类家用电器的集总负荷，该负荷的功率会随着电价信号、天气的变化而改变。房屋中包括有洗衣机、洗碗机、烘干机、空调、风扇、灯、微波炉、热水器等家用电器。通过对房屋中家用电器的精细化建模，可观察在不同电价策略的激励下，各种家用电器的调节方式及其对整体电网电压、功率波动的影响，支持对负荷的精确控制，提高用户参与ＤＲ的灵活度。其中对房屋整体功率调节有较大影响的负荷包括房屋的空调系统（Ｈｅａｔｉｎｇ，ＶｅｎｔｉｌａｔｉｎｇａｎｄＡｉｒＣｏｎｄｉｔｉｏｎｉｎｇ，ＨＶＡＣ）及热水器。通过详细观察风机随外界天气等因素的变化规律，从而有针对性地对其实行平缓波动性的措施，为日后研究其与ＤＲ策略相结合的优化调度方法提供了基础。在此详细建立了ＨＶＡＣ设备、热水器的数学模型。１．１ＨＶＡＯ设备模型仿真过程中利用的房屋模型见图１，主要考虑如下四方面的吸收或损失热量途径：（１）外部墙壁、地板以及房顶的吸放热（基于房屋墙壁、地板和房门等的热导）；（２）空气吸放热（基于空气交换速率）；ｆ３）太阳能辐射（基于天气变化）；（４）内部人、灯、电子设备及其他终端负荷等放热（基于设备使用情况）。前三点途径均为电网不可控因素，第四点中的热力学可控负荷是ＤＲ控制的主要对象。其中，房屋的ＨＶＡＣ设备发挥了主导作用。在此用等效热能参数法（ＥｑｕｉｖａｌｅｎｔＴｈｅｒｍａｌＰａｒａｍｅｔｅｒ，ＥＴＰ）将ＨＶＡＣ设备系统等效为简单的电路系统。该系统数学模型见文献［１２１。图１房屋热能交换模型示意图Ｆｉｇ．１Ｈｏｕｓｅｔｈｅｒｍａｌｅｎｅｒｇｙｅｘｃｈａｎｇｅｍｏｄｅｌ在需求侧响应策略实施过程中，每个设备上的主动控制器起到了关键性作用。设备主动控制器上的线性控制算法如图２所示。该主动控制器可以将用户的需求转换为市场的竞标价，该价格由当前温度值决定。—‘ｉｄ＝（ｌ。。ｄｔｏ）。ｋＯ／Ｌｒｍ／ｍ＿ｎ１＋（１）图２主动控制器线性算法Ｆｉｇ．２Ｌｉｎｅａｒａｌｇｏｒｉｔｈｍｏｆｔｈｅａｃｔｉｖｅｃｏｎｔｒｏｌｌｅｒ电力市场收集各设备的竞标价后进行竞卖，竞标周期为３０ｍｉｎ，随即市场出清。在竞标模型中，需求侧和供电侧分别提供竞标曲线，两条曲线的交点即为市场出清价格。随后电价信号又会传递回设备的主动控制器中，从而转换为设备设定温度的改变，由式（１）可推导出—‘ｒｓ。＝ｒｏ＋（ｌ。。ｄｇ）ｌ／ｍｉ１／。ｃｒ（２）式中：尸ｂｉｄ、尸、尸ｃｌ。ｄ分别为设备竞标价、市场均价以及市场出清价格；为市场价格标准差；ｋ为设备主动控制器中线性控制算法的价格函数曲线（见图２）的斜率；ａｘ／ｉ为用户允许的温度最大调节范围；、ｍ、。分别为设备期望温度设定值、当前温度设定值以及根据电价信号调节后的温度设定值。．．６４．．电力系统保护与控制设定温度值的变化从而改变了空调消耗的功率，通过对多个用户空调信息的集总，即可获得馈线上空调的总功率的变化，对所有空调改变的功率求和，则是一个可观的功率削减量，从而对电网的紧张状况起到一定的缓解作用。１．２热水器数学模型在热水器运行中，水由分别位于水箱底部和顶部的两部分加热器加热。顶部加热器在感知周边水温低于一定限值或冷水水位高于一定限值时，顶部加热器随即启动，但是两个加热器优先级不同，顶部加热器优先。热水器水箱含有三种状态：充满、部分充满和空箱。部分充满状态时根据热水流速还分为稳定状态、即将耗尽状态、即将充满状态。对应不同的状态分别消耗不同的功率，这与水箱大小、水箱中水的热容、流速、外温、恒温器设定值、控制区间、水箱外壳热损失等因素均有关。单节点和双节点的热水器模型如图３（ａ）、图３ｆｂ）所示。水箱水箱平均水温水广一的ｌ热二：容ＪＣＩＩ（ａ）热水器模型示意图（单节点）水箱广可ｌ水—Ｌ的水箱平均水Ｔ容—Ｔ＿热ｌＣｗｈ椭平筹Ｔ热Ｉ容；ｃｌｗｆ（ｂ）热水器模型示意图（双节点）图３热水器模型示意图Ｆｉｇ．３Ｗａｔｅｒｈｅａｔｅｒｍｏｄｅｌｓｃｈｅｍａｔｉｃ１．２．１单节点模型该模型为一个简单集中参数的电气近似模型，将水箱考虑为一个统一温度的水的集中体，用于水箱在完全充满或空箱状态。可通过水箱原始温度值，计算经过特定时间后水箱的最终温度值。根据图３可知，若将热水器整体假设为热容为ｃｗ节点，对于该节点的热平衡方程为ｃｄＴ＝—Ｑｏ￣ｅ－ｍＣｐ（一）＋ｕＡＧ（３）重新整理得ｄ＿ＺＱｏ，ｏ－，ｉ，ｑ（ｒ－ｒ，ｏ）／ＣＷ／／＋／（４）ｄｆｗｗｄ三：（５）—Ｉｅ一，卵【。一２：）＋ＷＡＧＴ）积分可得Ａｔ＝丽－－Ｃｗ・ｌｏｇｒｗ（一）Ｔ＝Ｔｅｂａｔ＋（△）（１『）（７）式中：为水箱传递热的热导值；Ｔｉ为注入水的初始温度；为水箱外部温度；最终温度值，Ｃｗ为水箱中水的平均热容；为水的平均温度；为流速；Ｑ。ｌ。为水箱吸热速率；６为系数；Ａｆ为温度变化的时间差；Ｃｎ为功率因数。１．２．２双节点模型该模型用于水箱的部分充满状态。水分为两部分，每部分都有各自统一的温度。上层热水节点接近水箱中恒温器设定温度，下层冷水节点接近水箱进水温度。这个模型考虑了冷热水节点间的边界。通过温度差，可计算出冷热水的新边界高度。同样地，冷热水边界的高度也可假设为时间的积分。其数学公式为ｔ１－ｔｏ：１“－１Ｏｇｈｏ（（８）同时ｄ是水箱中水温随温度变化的坡度，同时也是水流速和温度差的函数，可表示为ｄｈ：口ｌ＋２ｈ（９）‘一式（９）代入式（８），得一ｔｏ＝一ＪＬ・ｌｏｇ‰（＋ａ２ｈ）（１０）２经推导可得ｈ＝ｅ瓦・（１＋２ｈｏ）一ａ１２其中＝＋，Ｃｗ…。Ｃ式中：为冷热水新边界高度；ｈｏ为原边界；。赵慧颖，等基于精细化模型的需求侧响应策略分析．６５一为水箱下部分水平均温度。热水器受电价信号调节机制与ＨＶＡＣ设备相似，安装在热水器上的主动控制器可根据市场的出清价格和当前热水器的温度值及水箱情况对其中的两个恒温器的设定温度进行实时调节。通过给定电价，热水器的控制器便会计算出所对应的设定值及冷热水边界的高度，随后便响应调节热水器的工作状态。同样地，热水器在每个迭代周期初始会计算白上一迭代周期开始后的能耗，随即更新热水器的水箱温度或冷热水边界高度，从而辨识出热水器是否需要加热，然后计算出热水器直到下一工作状态改变前所需要的过渡时间，并将时间传递给控制器。热水器的调节周期为５ｒａｉｎ。１．３风力发电机数学模型风力发电系统中，风力发电机的输出功率与风速、叶片受风面积等因素有关。其捕获的机械功率可表示为：ｐｖ３Ｓｃ（１２）式中：Ｐ为空气密度；为风力发电机的扫掠面积；ＣＤ代表风力发电机的风能利用系数；ｖ为风速；尸ｍ为机械功率。由于风机利用系数与多种因素有关，文献［１３］详细描述了值的取值过程。本文所采用的通用同步中型风力发电机详细参数见表１。表１风机参数表Ｔａｂ１ｅ１Ｐａｒａｍｅｔｅｒｓｏｆｗｉｎｄｔｕｒｂｉｎｅ定子电有无齿切入风速切出风速额定风定子电阻标么轮箱／（ｍ／ｓ）／（ｍ／ｓ）Ｎ／抗标么值（ｒｒｇｓ）值Ｏ．１２无３．５２５１４．５０．１７２需求侧响应电价策略ＤＲ主要分为基于电价的ＤＲ￣ｒｌ基于激励的ＤＲ。本文主要考虑基于电价的ＤＲ策略。基于电价的ＤＲ策略分为固定电价、关键尖峰电价（ＣｒｉｔｉｃａｌＰｅａｋＰｒｉｃｉｎｇ），分时电价（ＴｉｍｅｏｆＵｓｅＰｒｉｃｉｎｇ），实时电价（ＲｅａｌＴｉｍｅＰｒｉｃｉｎｇ）。本文重点考虑固定电价、分时电价和实时电价。２．１固定电价（ＦｉｘｅｄＲａｔｅ，ＦＲ）固定电价与居民用电量大小及用电时间无关，该电价为全年固定电价，是一种传统电价模式。所代表含义为居民消耗每千瓦时（度）电量所需支付电费。本文设定电价为０．５４７元／ｌ（Ｗｈ。２．２分时电价（ＴｉｍｅｏｆＵｓｅ，ＴＯＵ）分时电价是一种基于时间的电价策略，指电力市场中的电价随着时间的变化而变化，在电网负荷的高峰期实行较高的电价，而在电网负荷的低谷期实行较低的电价。通常分时电价应用于全年，有２～３个价格区间，尖峰期价格是非尖峰期价格的２～５倍【Ｉ制，每个区间大约持续４～１８个ｈ。本文假定夏季某工作目的ＴＯＵ电价如表２，图４。ＴＯＵ电价的实施依赖于安装于设备上的被动控制器。该控制器可根据电价信号改变设备操作状态，但无法把设备需求反馈回电网进行电力市场的竞价过程。表２ＴＯＵ策略电价表Ｔａｂｌｅ２ＰｒｉｃｅｏｆＴＯＵｐｒｏｇｒａｍｓ图４ＴＯＵ电价示意图Ｆｉｇ．４Ｔｉｍｅｏｆｕｓｅｐｒｉｃｅｓｉｇｎａｌｓ２．３实时电价（ＲｅａｌＴｉｍｅＰｒｉｃｉｎｇ，ＲＴＰ）实时电价是一种更高级的电价形式，是一种反“”应电力商品的瞬时成本的电价，是动态定价机制。实时电价的实施依赖于安装在设备上的主动控制器，该主动控制器可作为设备的代理参与市场竞标。通过零售电价与电力批发市场的出清电价联动，能够精确反映各时段供电成本的变化，及时有效地传达电价信号。主动控制器每５ｍｉｎ监测当前设备运行状态，并向市场进行出价，每半个小时市场出清，随即将出清价格传递给每个主动控制器，主动控制器依据价格调节设备运行状态。该电价实时改变，是需求侧响应的最完美实现。．６６．电力系统保护与控制３算例分析为了分析电价信号对电网的影响及其平缓居民侧分布式电源的效果，本文采用修改后的ＩＥＥＥ１３节点配网测试系统进行仿真㈣，如图５所示。本文仿真中所采用的分布式电源以风机为例。，６４６６３２／／６３＿３ｆ．—ｊＥ一６４５忝６Ｉ】６８４６７Ｉ＼６／６９２，，６８０豳ｊ／豳Ｉ嚣器Ｌ～—图５修改后的ＩＥＥＥｌ３节点测试系统Ｆｉｇ．５ＭｏｄｉｆｉｅｄＩＥＥＥ一１３ｔｅｓｔｓｙｓｔｅｍ系统中包括６３７个独立居民房屋以及额定功率为１００ｋｗ的风机。各节点所接居民房屋个数见表３，并假设所有居民均参与ＤＲ调控。由于分布式电源的出力大小及ＤＲ的负荷减载情况均与天气信息有着直接或问接的关联，仿真也将天气信息作为输入参数之一。本文以美国西雅图地区的天气文件为例＿】，从中可获取温度、湿度、光照、风速等基本信息。每个居民负荷中，含有空调和热水器，其他电器设备暂时假设为典型静态负荷。每台空调和热水器均含有可实现ＲＴＰ策略的主动控制器和实现ＴＯＵ策略的被动控制器。通过输入的电价信息文件可对其负荷行为及输出功率进行调节。此外，在房屋模型中定义了其详细参数，包括面积、空调模式、空调性能、窄调设定温度等。此外，假设该电力市场由热力发电、风能发电所组成，其中热力发电占主导地位。发电机在实时市场前２ｈ提交发电价格计划，在实时市场出清前，首先会进行需求预测和需求议价，同时允许ＤＲ资源参与目前市场和实时市场的调控。表３ＩＥＥＥ－１３各节点所接房屋个数Ｔａｂｌｅ３ＮｕｍｂｅｒｏｆｈｍＪｓｅｓｌｉｎｋｅｄｔｏｔｈｅｎｏｄｅｓｉｎＩＥＥＥ．１３ｆｅｅｄｅｒｓｙｓｔｅｍ节点６４６６１ｌ６４５６５２６７１６９２６７５６３２６８０数量１９７２２４２１８９６８１８４１８８８本文选取夏季高峰期中的某一天进行连续时间序列的仿真，仿真时长为２４ｈ，取样间隔为１ｍｉｎ。所采用的仿真软件为美国西北太平洋实验室开发的Ｇｒｉｄｌａｂ．Ｄ仿真软件。仿真基于以下三种电价场景。（１）ＦＲ电价激励：在ＩＥＥＥ１３节点中，６８０节点处接入容量为１００ｋＷ的通用中型同步风机，采用固定电价模式，电价为０．５４７元／ｋＷｈ。日风速变化曲线及所接入风机的输出功率分别见图６、图７。８－７鬟Ｓ警暴８。卜、＝＝兰高图６日风速变化曲线Ｆｉｇ．６ＷｉｎｄｓｐｅｅｄｐｒｏｆｉｌｅＭＷ——风机输出功率８嗣昌尊器昌￡１６・二…一ｆｔ％ｌ图７风机输出有功功率曲线Ｆｉｇ．７Ｄａｉｌｙｏｕｔｐｕｔｐｏｗｅｒｏｆｗｉｎｄｔｕｒｂｉｎｅ（２）ＴＯＵ电价激励：在接入风机的同时，采用ＴＯＵ电价激励措施进行激励，电价取值见表２，激活每个设备上的被动控制器；（３）ＲＴＰ电价激励：在接入风机的同时，激活每个设备上的主动控制器，ＲＴＰ策略得以实现。仿真结果分析如下。３．１ＨＶＡＣ设备仿真结果分析ＨＶＡＣ设备是参与ＤＲ的重要元件。由于仿真时段为夏季，因此空调系统为制冷设备。经过—ＧｒｉｄｌａｂＤ仿真后，该系统输出的实时电价曲线如图８所示，该曲线由供求双方共同决定。应用三种电价策略后，ＨＶＡＣ设备的动作行为主要由图９、图ｌ０、图１１所示。其中图９为仿真后输出的系统中ＨＶＡＣ设备总视在功率变化曲线，图１０为ＨＶＡＣ设备制冷温度设定值平均变化曲线，图１１为房屋室内外平均温度变化曲线。如图９所示，在夏季负荷高峰期大量空调开启，若无价格信号，此时空调设定值会维持在较低温度则引起短时负荷高峰期的产生。当电网负荷过高时，在ＴＯＵ及ＲＴＰ电价策略刺激下，空调温度设定值被调高，从而减少了功率的消耗。１５：５５左右负荷最高加ｍＯ加ｍ∞ＯＯＯ００赵慧颖，等基于精细化模型的需求侧响应策略分析一６７一雾２５２４２３２２２１２Ｏｌ９量暑量黾８最８昌量是ｓ星墨是暑。Ｈｎ寸＼。卜２竺篓图８市场出清价格（ＲＴＰ）曲线Ｆｉｇ．８Ｍａｒｋｅｔｃｌｅａｒｉｎｇｐｒｉｃｅ（ＲＴＰ）８是８是８昌ｇ譬ｇ昌８景ｇ昌ｇ是６寻６……一ｆｆ图９系统中ＨＶＡＣ设备视在功率曲线Ｆｉｇ．９ＡｐｐａｒｅｎｔｐｏｗｅｒｏｆｔｈｅＨＶＡＣ…－。制冷设定温度（ＦＲ］一伟１冷设定韫度（ＴＯＵ）昌罱８昌ｇ瓮８是８昌８暑８昌ｇ是。ｎ鱼兰苎＝兰６６图１０ＨＶＡＣ￣ＩＪ冷温度设定值变化曲线Ｆｉｇ．１０ＣｏｏｌｉｎｇｓｙｓｔｅｍｓｅｔｐｏｉｎｔｏｆＨＶＡＣ…一－苣景罨黾量暑暑黾量景量黾量昌量晕。一叶卜２兰图１１房屋室内外平均温度变化对比曲线Ｆｉｇ．１１Ｉｎｄｏｏｒａｎｄｏｕｔｄｏｏｒａｖｅｒａｇｅｔｅｍｐｅｒａｔｕｒｅｏｆｈｏｕｓｅｓ峰时，在ＲＴＰ电价激励下，ＨＶＡＣ视在功率由１２０８ｋＶＡ减少至５２８ｋＶＡ，有效转移峰荷。但ＴＯＵ电价策略激励的缺点在于反弹现象，晚上１９：００点后电价降低为０．５３６元／ｌ（时，功率曲线出现了反弹现象。而ＲＴＰ电价由于市场的实时出清，便无反弹现象的出现。同时由图１ＯＷ以看出，由于夏季空调处于制冷状态，在有效实行电价激励措施后，高峰期的空调设定温度被调高，￣，ＨＶＡＣ负荷会减少。精细化建模的优势在于可精确描述每个ＨＶＡＣ设备的负荷特性及温度调节范围，如图１０所示。通过负荷的精细化建模，可以为用户提供温度调节的精确范围。同时也可根据ＨＶＡＣ功率曲线及用户可承受的温度范围，差异化调节ＨＶＡＣ的温度。但由图１１所示，无论是在ＴＯＵ还是ＲＴＰ电价策略激励下，室内温度均较恒定电价场景下有轻微提高，但不超过３。调节范围。３。的温度差用户难以感知，但对电网的累积效果则很明显。３．２热水器仿真结果分析另一种参与ＤＲ调节的重要元件便为房屋中的热水器。图ｌ２所示为仿真算例中配网总热水器输出功率示意图。如图可见，由于电价的有效调节，开启了热水器预热功能，出现在早上７点半Ｎ８点半期间的高峰被有效转移，晚高峰同样如此。１０６０８００６００４００２０００昌＝２导吕昌罱２８导古奇＝一……图１２热水器输出功率示意图Ｆｉｇ．１２ＴｏｔａＩｏｕｔｐｕｔｏｆｔｈｅｗａｔｅｒｈｅａｔｅｒｓ３．３总注入功率仿真结果分析在ＩＥＥＥ１３节点典型馈线系统中，１２．４７ｋＶ母线通过稳压器向全网输送功率，因此稳压器输出功率即为网络总注入功率。仿真中总注入功率变化曲线如图１３。星暑量８暑最墨昌量昌暑８８黾８星。ｎ寸＼。卜。、２２兰图１３系统稳压器总输出功率变化曲线Ｆｉｇ．１３Ｔｏｔａｌｏｕｔｐｕｔｐｏｗｅｒｏｆｔｈｅｔｒａｎｓｆｏｒｍｅｒ由图１３可知，由于６８０节点处有风机接入，对全网功率造成了一定的影响，由于风机功率远小于系统容量，因此影响很微小，同时不会出现潮流逆向现象。但加入ＴＯＵ与ＲＴＰ电价激励后，ＲＴＰ比Ｔ０ｕ㈣㈣枷枷。＝＝＝一，蚴．１三一ｗ，一６８一电力系统保护与控制平缓风电波动效果更为明显。其中ＲＴＰ电价激励下的高峰期总输入功率峰值由原来的１．６０ＭＷ减少为１．４８ＭＷ，减少了７．５％。＿６＿若在风机上加入主动控制器，则可调控风机的～出力，进一步将之与负荷侧的用户响应协调控制，会达到更好的效果。如何优化设计两者的协调控制策略，将是未来的研究重点。４结论本文侧重对需求侧负荷进行精细化建模，详细分析在不同电价场景下实行ＤＲ后用户用电行为的『７］转变，观察ＤＲ削峰的效果，体现了主动配电网的互动性。同时由于考虑了分布式电源风机的接入，粗略观察了风机的波动性对电网的影响。接下来的研究工作将侧重于基于激励的ＤＲ对接入分布式电源后的配电网功率调节的影响，同时建立基于需求侧响应的风机出力模型。参考文献［１］曾呜，李晨，陈英杰，等．风电大规模并网背景下我国电力需求侧响应实施模式［Ｊ］．华东电力，２０１２，４０（３）：—３６４３６７．ＺＥＮＧＭｉｎｇ，ＬＩＣｈｅｎ，ＣＨＥＮＹｉｎｇｑｉｅ，ｅｔａ１．Ｉｍｐｌｅｍｅｎｔａｔｉｏｎｍｏｄｅｏｆｐｏｗｅｒｄｅｍａｎｄｓｉｄｅｒｅｓｐｏｎｓｅｔｏ—ｌａｒｇｅｓｃａｌｅｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｇｒｉｄｉｎＣｈｉｎａ［Ｊ］．Ｅａｓｔ—ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒ，２０１２，４Ｏ（３）：３６４３６７．［２］曾呜，吕春泉，邱柳青，等．风电并网时给予需求侧响—应的输电规划模型［Ｊ］＿电网技术，２０１１，３５（４）：１２９１３４．——ＺＥＮＧＭｉｎｇ，ＬｔｉＣｈｕｎｑｕａｎ，ＱＩＵＬｉｕｑｉｎｇ，ｅｔａ１．Ａｄｅｍａｎｄ－－ｓｉｄｅｒｅｓｐｏｎｓｅ－－ｂａｓｅｄｔｒａｎｓｍｉｓｓｉｏｎｐｌａｎｎｉｎｇｍｏｄｅｌｗｉｔｈｇｒｉｄ－ｃｏｎｎｅｃｔｅｄｗｉｎｄｆａｒｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍ—Ｔｅｃｈｎｏｌｏｇｙ，２０１１，３５（４）：１２９１３４．［３］ＨｕａｎｇＬｏｎｇｂｏ，ＪｅａｎＷａｌｒａｎｄ，ＫａｎｎａｎＲａｍｃｈａｎｄｒａｎ．Ｏｐｔｉｍａｌｄｅｍａｎｄｒｅｓｐｏｎｓｅｗｉｔｈｅｎｅｒｇｙｓｔｏｒａｇｅｍａｎａｇｅｍｅｎｔ［ＥＢ／ＯＬ］．Ｕ．Ｓ：ＣｏｍｅｌｌＵｎｉｖｅｒｓｉｔｙＬｉｂｒａｒｙ，２０１２．ｈｔｔｐ：／／ａｒｘｉｖ．ｏｒｇ／ａｂｓ／１２０５．４２９７．１４］ＪｏｓｅＡＡ，ＰａｈｗａＡ．Ｅｃｏｎｏｍｉｃｅｖａｌｕａｔｉｏｎｏｆｓｍａｌｌｗｉｎｄｇｅｎｅｒａｔｉｏｎｏｗｎｅｒｓｈｉｐｕｎｄｅｒｄｉｆｆｅｒｅｎｔｅｌｅｃｔｒｉｃｉｔｙｐｒｉｃｉｎｇｓｃｅｎａｒｉｏｓ［Ｃ】／／ＮｏｒｔｈＡｍｅｒｉｃａｎＰｏｗｅｒＳｙｍｐｏｓｉｕｍ——（ＮＡＰＳ），Ｓｅｐｔ２６２８，２０１０：１４．［５］ＣｈａｒｌｅｓＧｏｌｄｍａｎ，ＭｉｃｈａｅｌＲｅｉｄ，ＲｏｇｅｒＬｅｖｙ，ｅｔａ１．Ｃｏｏｒｄｉｎａｔｉｏｎｏｆｅｎｅｒｇｙｅｆｆｉｃｉｅｎｃｙａｎｄｄｅｍａｎｄｒｅｓｐｏｎｓｅ［ＥＢ／０Ｌ】．Ｕ．Ｓ．：ＤｅｐａｒｔｍｅｎｔｏｆＥｎｅｒｇｙＯｆｆｉｃｅｏｆ［８］ＥｌｅｃｔｒｉｃｉｔｙＤｅｌｉｖｅｒｙａｎｄＥｎｅｒｇｙＲｅｌｉａｂｉｌｉｔｙ，２０１０．ｗｗｗ．ｅｐａ．ｇｏｖ／ｅｅａｃｔｉｏｎｐｌａｎ．张鹏，刘继春，田伟．基于需求侧减排的节能调度及—其改进ＮＳＧＡＩＩ算法［Ｊ１．电力系统保护与控制，２０１２，—４０（１６）：４２４８．ＺＨＡＮＧＰｅｎｇ，ＬＩＵＪｉ－ｃｈｕｎ，ＴＩＡＮＷｅｉ．Ｄｅｍａｎｄ－ｓｉｄｅ—ｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｂａｓｅｄｅｎｅｒｇｙｓａｖｉｎｇｄｉｓｐａｔｃｈａｎｄｔｈｅ—ｉｍｐｒｏｖｅｄＮＳＧＡＩＩｍｅｔｈｏｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎ—ａｎｄＣｏｎｔｒｏｌ，２０１２，４０（１６）：４２４８．刘扬洋，蒋传文，李磊，等．考虑需求侧响应的短期阻塞管理模型与激励机制研究［Ｊ１．电力系统保护与控制，２０１１，３９（９）：３８－４３，６４．—ＬＩＵＹａｎｇ－ｙａｎｇ，ＪＩＡＮＧＣｈｕａｎｗｅｎ，ＬＩＬｅｉ，ｅｔａ１．ＰｅａｋｒｅｇｕｌａｔｉｏｎｒｉｇｈｔｔｒａｄｉｎｇｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇＤＳＭ［Ｊ］．—ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１，３９（９）：３８４３，６４．宋艺航，谭忠富，于超，等．需求侧峰谷分时电价对供电公司购售电风险影响分析模型［Ｊ］＿电工技术学报，２０１０．２５（１ｌ１：１８３一Ｉ８９．—ＳＯＮＧＹｉｈａ—ｎｇ，ＴＡＮＺｈｏｎｇｆｕ，ＹＵＣｈａｏ，ｅｔａ１．Ａｎａｌｙｓｉｓ—ｍｏｄｅｌｏｎｔｈｅｉｍｐａｃｔｏｆｄｅｍａｎｄｓｉｄｅＴＯＵｅｌｅｃｔｒｉｃｉｔｙｐｒｉｃｅｏｎｐｕｒｃｈａｓｉｎｇａｎｄｓｅｌｌｉｎｇｒｉｓｋｆｏｒｐｏｗｅｒｓｕｐｐｌｙｃｏｍｐａｎｙ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ—Ｓｏｃｉｅｔｙ，２０１０，２５（１１）：１８３１８９．［９］谭忠富，谢品杰，王绵斌，等．提高电能使用效率的可中断电价与峰谷分时电价的联合优化设计［Ｊ］．电工技术学报，２００９，２４（５）：１６１．１６８．ＴＡＮＺｈｏｎｇ・ｆｕ，ＸＩＥＰｉｎ－ｊｉｅ，ＷＡＮＧＭｉａ—ｎｂｉｎ，ｅｔａ１．Ｔｈｅｏｐｔｉｍａｌｄｅｓｉｇｎｏｆｉｎｔｅｇｒａｔｉｎｇｐｒｉｃｅｗｉｔｈｐｅａｋ・ｖａｌｌｅｙ—ｔｉｍｅｏｆ－ｕｓｅｐｏｗｅｒｐｒｉｃｅｂａｓｅｄｏｎｉｍｐｒｏｖｉｎｇｅｌｅｃｔｒｉｃｉｔｙｅｆｆｉｃｉｅｎｃｙ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２００９，２４（５）：１６１－１６８．［１Ｏ］雷霞，刘俊勇，都亮，等．基于随机机会约束规划的最优电价决策［Ｊ］．电工技术学报，２００９，２３（１２）：１７３－１７７．ＬＥＩＸｉａ，ＬＩＵＪｕｎ－ｙｏｎｇ，ＤＵＬｉａｎｇ，ｅｔａ１．Ｏｐｔｉｍａｌｐｒｉｃｅｄｅｔｅｒｍｉｎａｔｉｏｎｂａｓｅｄｏｎｓｔｏｃｈａｓｔｉｃｃｈａｎｃｅ．ｃｏｎｓｔｒａｉｎｅｄｐｒｏｇｒａｍｍｉｎｇ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２００９．２３（１２）：１７３－１７７．［１１］苏浩益，李如琦．智能电网框架下的ＤＳＭ成本效益分析模型ｆＪ１．电力系统保护与控制，２０１２，４０（１６）：６９－７３，８０赵慧颖，等基于精细化模型的需求侧响应策略分析．６９．关于《电力系统保护与控制》杂志网站免费检索的通知本刊网站（ｈｔｔｐ：／／ｗｗｗ．ｄｌｂｈ．ｎｅｔ）每期已发表论文已同步于印刷版上网，可以免费下载、阅读。敬请参阅本刊已发论文！