摘要
提出一种家庭柔性负荷管理和售电公司售电决策协同优化模型。在居民用户侧,利用洗衣机、热水器、洗碗机和电动汽车充电过程的可时移性和周期性,以及电动汽车的储能特性,建立了以上述设备为对象的柔性负荷运行模型,以家庭用电费用最优为目标,制定了动态电价激励下的家庭负荷优化策略,用响应程度衡量参与优化调度的用户比例,并将总用电需求信息传递给售电公司;在售电公司侧,以售电公司经济收益最大为目标,建立了售电决策模型,制定日前购电方案和动态电价,并将价格信息传递给用户,因此构成了售用相互协同的双层迭代模型。算例基于遗传算法和yalmip优化工具箱进行仿真,采用情景分析法处理不同家庭用电需求预测的不确定性,调整响应程度分析日前购电问题。千个家庭的仿真结果验证了本优化策略能够协调解决用售双方利益,提高双方经济性,同时还有降低短时负荷峰值的能力。
（来源：电网技术 作者：贾雁冰, 杨阳方, 刘继春, 阮振, 饶华）
关键词 :家庭能源管理系统;需求响应;售电公司;柔性负荷;双层优化;
0 引言
如今,我国需求响应(demand response,DR)项目在工业、商业用户侧已得到了广泛的实施且逐渐成熟,手段包括：可中断负荷、直接负荷控制、实时电价策略和分时电价策略等[1]。居民用户用电需求灵活,可调节性强,是现阶段实施DR达到削峰效果的潜在主力,但同时居民用户在用电行为和需求方面个体间差异性大,缺乏集中的管理方,DR信号若直接发布给居民用户收效甚微。
家庭能源管理系统(home energy management system,HEMS)作为智能电网在居民用户侧的延伸,通过与供电方的信息交互,达到管理居民用户执行DR命令的作用。HEMS是以智能电网和智能家居为基础,将家庭中用电设备、储能系统等结合在一起的智能控制系统[2]。它可以根据DR信号为用户制定家庭用电计划,并且在满足用户舒适度和其他要求的前提下对家用设备智能管控,用户根据自身情况决定是否接受并实施。因此,结合家庭能源管理系统能够进一步开发居民用户的需求响应潜力。由于HEMS管理下的家庭负荷优化调度能够提升居民侧的DR能力,提高居民侧的用电效率,减少能源浪费[3],引起了学术界的热议。
在结合DR信息制定负荷管理策略方面,文献[4]建立了动态电价下的家庭用电优化管理模型;文献[5]提出了一种基于启动时间延迟的家庭负荷管理优化策略;文献[6]基于粒子校正优化对包含智能用电负荷的多用户提供了一种需求响应调度策略;文献[7]抽象出3种家电负荷类型并建立了对应的控制模型和DR策略,来减少用电费用和缓解电网负荷;文献[8]中的家庭能源优化算法考虑了电动汽车EV(electric vehicle)在高电价时段利用V2H (vehicle to home)功能向负载供电的情况,并对各类预测值进行不确定性分析。上述研究考虑的是家庭用户与电网间的直接交互,并没有考虑在售电公司代理用户的情况下的信息互动。
售电公司代理用户以后,应综合考虑用户灵活需求和售电成本来制定购电和定价策略[9]。合理的购电量和价格信息能够在保证自身利润最优的同时,达到引导用户改变用电习惯,促使其积极完成DR的目的。售电公司代理用户时考虑双方信息互动和经济效益的购售电策略研究如下：文献[10]建立了纳入分布式电源和可调负荷的售电公司的优化调度模型,较为全面地考虑各种经济性和安全性约束,实现了售电公司运行经济效益最大化。此处对可调负荷的考虑是直接控制居民用户热储能负荷以及大工业用户的可中断负荷,未对居民用户的DR能力和经济效益作详细分析。文献[11]基于心理学构建了用户选择售电公司行为模型并计及可中断负荷制定了售电公司营销策略。虽基于用户的行为模型模拟了用户对电价刺激的响应,但缺乏深入刻画用户行为下对负荷的运行模型的影响,对用户侧的考虑分析不够精细。文献[12]以售电公司利润最大化和用户用电效用最大为目标建立了双层优化模型,提出了具有DR能力用户的用电负荷模型,模型笼统地将用户负荷分为了可转移负荷和可削减负荷将其作为DR资源由售电公司代理参与市场交易,缺少对负荷运行模型的深入刻画,未曾考虑EV进入家庭后,家庭负荷结构的变化;售电公司虽有购电决策方案,但用户侧没有提出具体用电优化策略。文献[13]用随机规划法模拟灵活多变的用户行为和市场信息来确定售电公司日内市场竞价策略,并未在日前制定面向用户的动态电价信息和居民用户在DR响应后应作出的用电计划安排。总体而言,现有研究少有将具有DR能力的居民用户的家庭负荷管理和售电公司的营销决策协同优化,并同时为两者提供具体优化策略。
本文研究以居民用户和售电公司为对象的经济优化问题。居民用户和售电公司是2个独立又具有一定联系的主体,独立是指双方只能决策自身变量,联系是指售电公司代理用户购电并为用户供电,双方必须满足实时功率平衡。若以多目标等方法让其独立决策变量往往会导致双方利益不是最优。在上述背景的前提下,本文建立了价格DR激励下家庭柔性负荷管理和售电公司售电决策双层优化模型,实现双方协同优化的目的。上层以居民用户用电成本最优为目标,建立了家庭设备中具有可时移性[14]、周期性和储能性的柔性特征的负荷运行模型,如洗衣机,热水器,洗碗机和电动汽车;根据售电公司发布的动态电价信息通过HEMS对柔性负荷用电时段进行控制,在这过程中,为满足用户舒适度要求,增加日常用电约束,时间偏好约束,电动汽车储能约束等,制定用户经济最优的用电计划;下层以售电公司净收益最大化为目标,建立了售电决策模型,其中售电成本包括售电公司根据往期负荷预测情况在日前市场的购电费用,实时用电误差引起的在现货市场购电费用,以及日前购电与实时用电的不平衡量惩罚;考虑到售电公司市场竞争力和市场份额增添了电价约束,结合以上制定了动态电价,将价格回传给上层。算例采用遗传算法和yalmip工具箱对模型求解,得到了兼顾双方利益的用电计划和定价方案。本文建立了考虑EV引入后的家庭柔性负荷运行模型,解决了售电公司代理用户后动态电价DR下用户用电的优化调度问题,最终实现了用户用电费用最优与售电公司运行经济效益最大化的问题。
1 售用双方协同决策结构
双层规划一般定义为上层的决策能影响下层的行为,而下层的反应能部分影响上层的决定[15]。一般考虑需求响应计及用户效益的研究将用户放于下层,但本文着重于研究售电公司代理后,HEMS如何通过增强家庭负荷管理,开发DR在居民侧的能力。以净收益最大化为目标的售电公司需要综合依据用户用能、用电舒适度及需求响应情况进行购售电决策,实现对动态电价的定价,促使用户积极响应;而以用电成本最优为目标的用户需要根据售电公司发布的动态电价信息进行柔性负荷用电时段的调整,利用需求响应能力制定达到一定舒适度的用电计划,售电公司和用户属于互相制约与影响的关系,本文上层基于用户建模,下层基于售电公司建模。
双层优化决策为日前优化,由于HEMS对家庭负荷的控制需要由用户根据自身情况决定是否接受并实施,为模拟这一决定造成的实时影响,把研究的居民用户群分为2大群组：一类为响应组,用户按照HEMS在电价激励下以用电费用最小为目标做出的用电计划进行用电操作;另一类为非响应组,用户不接受HEMS的计划安排,按照自行需求用电。双层优化结构主要如图1所示。
上层考虑居民用户用电费用最省,下层考虑售电公司净收益最大,以用电需求作为上下层沟通的桥梁。上层以参与调度洗衣机,热水器,洗碗机和电动汽车这类柔性负荷的启动状态为决策变量,根据电价制定的用电计划,结合非响应群组将总体各时段用电需求传递给下层。下层根据该信息制定次日实时销售电价,再将动态电价发布给居民用户再次制定用电计划,重复迭代,直至居民用户用电费用最优且售电公司净收益达到最大时停止,最终得到兼顾居民用户和售电公司利益的最优规划。此处不考虑日前优化中对实时市场信息和实时用电需求的预测造成的误差。
2 家庭柔性负荷管理模型
2.1 负荷运行模型
2.1.1 刚性负荷运行模型
正常家庭电器中具有不可时移、离散运行特性称为刚性负荷,如照明,娱乐,烹饪等相关设备。刚性负荷在家庭用户中属于不可调节的必须用电需求,无论何时都需要优先被满足。
