孫博宇，喻 潔，梅 軍，高賜威，趙 明，李孟陽(yáng)

?

考慮可調(diào)負(fù)荷集群響應(yīng)不確定性的聯(lián)合調(diào)度模型

孫博宇1，喻 潔1，梅 軍1，高賜威1，趙 明2，李孟陽(yáng)2

(1.東南大學(xué)電氣工程學(xué)院，江蘇 南京 210096；2.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，云南 昆明 650214)

售電側(cè)放開(kāi)是新電改的一項(xiàng)重點(diǎn)任務(wù)，分析需求響應(yīng)策略的經(jīng)濟(jì)性和安全性會(huì)為售電市場(chǎng)開(kāi)放后的需求響應(yīng)業(yè)務(wù)實(shí)施提供支持。需求側(cè)管理將大量的小時(shí)響應(yīng)負(fù)荷建模成多個(gè)負(fù)荷集群，通過(guò)電價(jià)信號(hào)調(diào)整集群的用電量，實(shí)現(xiàn)用電高峰時(shí)段減小電力缺口的目的。但負(fù)荷集群對(duì)電價(jià)響應(yīng)的不確定性會(huì)造成潛在風(fēng)險(xiǎn)損失，在經(jīng)濟(jì)調(diào)度模型中考慮這種響應(yīng)不確定性以達(dá)到降低風(fēng)險(xiǎn)值得研究。首先基于蒙特卡洛法得到負(fù)荷集群的響應(yīng)偏差率，然后使用風(fēng)險(xiǎn)損失(VaR)度量負(fù)荷集群響應(yīng)不確定性的風(fēng)險(xiǎn)損失，最后在滿足各種約束條件的基礎(chǔ)上，對(duì)引入風(fēng)險(xiǎn)損失的優(yōu)化模型進(jìn)行求解。算例結(jié)果表明該聯(lián)合調(diào)度模型保證調(diào)度經(jīng)濟(jì)性的同時(shí)，減少需求側(cè)因負(fù)荷響應(yīng)不確定帶來(lái)的風(fēng)險(xiǎn)損失。

小時(shí)響應(yīng)負(fù)荷；不確定性；可調(diào)負(fù)荷集群；風(fēng)險(xiǎn)損失(VaR)

0 引言

隨著需求響應(yīng)、分布式電源、智能電網(wǎng)、電動(dòng)汽車和能源互聯(lián)網(wǎng)等新事物的出現(xiàn)和發(fā)展[1-3]，為了建立更加開(kāi)放的電力體制，我國(guó)正在進(jìn)行了新一輪電力改革。售電側(cè)放開(kāi)作為電改的一大特色，為需求側(cè)管理發(fā)展提供機(jī)遇。需求側(cè)彈性負(fù)荷可隨市場(chǎng)價(jià)格信號(hào)或激勵(lì)機(jī)制發(fā)生改變，是削減高峰負(fù)荷、平衡電力供應(yīng)缺口的必要手段[4]，在電力系統(tǒng)運(yùn)行和規(guī)劃中起到重要作用。

需求側(cè)的彈性負(fù)荷用電量可隨波動(dòng)的電價(jià)發(fā)生改變。為了方便管理，將可調(diào)用戶側(cè)資源建模成可調(diào)負(fù)荷集群，與傳統(tǒng)機(jī)組一起參與電力調(diào)度[5-7]。文中的彈性負(fù)荷是指用電量可隨波動(dòng)電價(jià)在1 h內(nèi)調(diào)整的小時(shí)響應(yīng)負(fù)荷。當(dāng)預(yù)測(cè)負(fù)荷量大于可供電量出現(xiàn)電力缺口時(shí)，通過(guò)價(jià)格信號(hào)降低可調(diào)負(fù)荷的用電量，即增加負(fù)荷集群的出力，減小電力缺口。

理論分析中，可調(diào)負(fù)荷會(huì)對(duì)價(jià)格或激勵(lì)信號(hào)做出準(zhǔn)確的響應(yīng)，而實(shí)際中由于各種因素的影響，如關(guān)注電價(jià)不及時(shí)，信號(hào)傳輸延遲、用戶用電習(xí)慣難以改變等[8]，響應(yīng)量和期望值總會(huì)存在一定范圍內(nèi)的偏差。對(duì)于負(fù)荷響應(yīng)的不確定性，文獻(xiàn)[8]建立了不確定性需求響應(yīng)曲線模型，將電價(jià)表示成期望值和隨機(jī)偏差之和的形式，約束條件中只是對(duì)單個(gè)時(shí)間段內(nèi)隨機(jī)偏差量和整個(gè)時(shí)間段內(nèi)偏差和進(jìn)行限定，最后用Benders分解進(jìn)行求解。文獻(xiàn)[9]將模型中不確定的負(fù)荷削減量表示成均值和隨機(jī)偏差量之和的形式，根據(jù)用戶響應(yīng)偏差的概率密度分布函數(shù)求取期望成本，用不確定成本的期望值代替原負(fù)荷調(diào)度模型中的固定成本。文獻(xiàn)[10]將負(fù)荷響應(yīng)量設(shè)為某一區(qū)間的隨機(jī)變量，建立隨機(jī)優(yōu)化模型，用采樣平均近似(SAA)方法求解。文獻(xiàn)[11]將負(fù)荷表示成隨機(jī)變量引入模糊約束條件函數(shù)中，結(jié)合模糊機(jī)會(huì)約束和隨機(jī)機(jī)會(huì)約束的確定性等價(jià)形式，將不確定模型轉(zhuǎn)化成確定性模型。以上文獻(xiàn)均未量化分析由響應(yīng)不確定性帶來(lái)的風(fēng)險(xiǎn)損失。

風(fēng)險(xiǎn)價(jià)值(Value at Risk，VaR)最早在金融領(lǐng)域的風(fēng)險(xiǎn)控制模型中提出，用于表示在一定的置信水平下，一定時(shí)間內(nèi)某一資產(chǎn)或機(jī)構(gòu)面臨的最大損失[12-13]。隨著電力市場(chǎng)的發(fā)展，VaR作為風(fēng)險(xiǎn)評(píng)估指標(biāo)引入電力市場(chǎng)價(jià)格風(fēng)險(xiǎn)管理。文獻(xiàn)[13]考慮到市場(chǎng)有勢(shì)地位對(duì)潛在風(fēng)險(xiǎn)價(jià)值的影響，建立了基于VaR理論的電力市場(chǎng)價(jià)格風(fēng)險(xiǎn)預(yù)警模型。文獻(xiàn)[14]在考慮EP的風(fēng)險(xiǎn)偏好時(shí)，采用有效函數(shù)和VaR方法建立了確定評(píng)估風(fēng)險(xiǎn)模型。已見(jiàn)文獻(xiàn)中的VaR用于解決電力市場(chǎng)中因電價(jià)波動(dòng)造成購(gòu)電存在風(fēng)險(xiǎn)的問(wèn)題，本文首次提出用VaR衡量負(fù)荷集群響應(yīng)不確定而造成的風(fēng)險(xiǎn)損失。VaR作為損失度量指標(biāo)引入電力調(diào)度模型中參與優(yōu)化，實(shí)現(xiàn)降低可調(diào)負(fù)荷集群聯(lián)合調(diào)度面臨的最大風(fēng)險(xiǎn)損失值的目的。對(duì)需求側(cè)管理項(xiàng)目的實(shí)施具有實(shí)際應(yīng)用價(jià)值。

1 可調(diào)負(fù)荷集群的響應(yīng)不確定性

基于價(jià)格的需求響應(yīng)分析多采用彈性值確定的需求價(jià)格曲線。價(jià)格彈性是需求量變化率與價(jià)格變化率之間的比值，表示為，反映了需求量對(duì)價(jià)格的敏感程度。

現(xiàn)實(shí)中可調(diào)負(fù)荷集群響應(yīng)量在一定的范圍內(nèi)波動(dòng)。假設(shè)可調(diào)負(fù)荷集群的初始計(jì)劃電量為，若為了在時(shí)段內(nèi)調(diào)整該負(fù)荷集群用電量，將發(fā)布電價(jià)變動(dòng)為，需求價(jià)格曲線上與該電價(jià)相對(duì)應(yīng)的需求量期望值為。將可調(diào)負(fù)荷集群參與聯(lián)合調(diào)度前后的負(fù)荷差值稱為集群動(dòng)作量，則動(dòng)作量期望值。考慮到負(fù)荷集群響應(yīng)的不確定性，引入隨機(jī)可調(diào)負(fù)荷集群響應(yīng)偏差量，的概率密度函數(shù)為，則可調(diào)負(fù)荷集群的實(shí)際動(dòng)作量為。

2 可調(diào)負(fù)荷集群的VaR風(fēng)險(xiǎn)度量

可調(diào)負(fù)荷集群實(shí)際響應(yīng)量和期望值間總存在偏差，這給集群調(diào)度帶來(lái)風(fēng)險(xiǎn)，本文提出用VaR對(duì)這種風(fēng)險(xiǎn)損失進(jìn)行量化。聯(lián)合調(diào)度模型中的VaR表示在一定置信水平下，可調(diào)負(fù)荷集群在未來(lái)一個(gè)小時(shí)內(nèi)因集群響應(yīng)不確定帶來(lái)的最大風(fēng)險(xiǎn)損失值。在出現(xiàn)電力缺口且缺口電量不大于可調(diào)負(fù)荷集群最大動(dòng)作量的條件下，如果可調(diào)負(fù)荷集群實(shí)際動(dòng)作量大于期望值，系統(tǒng)可以保證供用電平衡，此時(shí)可調(diào)負(fù)荷集群沒(méi)有風(fēng)險(xiǎn)損失；如果集群的動(dòng)作量小于期望值，此時(shí)可調(diào)負(fù)荷集群少動(dòng)作的負(fù)荷可能無(wú)法供電，會(huì)造成缺電損失。另外，響應(yīng)偏移特性不同的可調(diào)負(fù)荷集群，對(duì)于同樣的響應(yīng)量，面臨的潛在風(fēng)險(xiǎn)損失也各不相同。出于調(diào)度成本和電網(wǎng)安全性的考慮，總是希望風(fēng)險(xiǎn)損失小的可調(diào)負(fù)荷集群優(yōu)先參與調(diào)度?？烧{(diào)負(fù)荷集群的風(fēng)險(xiǎn)損失是由動(dòng)作量小于期望值引起的。設(shè)定置信水平[12]，可調(diào)負(fù)荷集群的風(fēng)險(xiǎn)損失函數(shù)

響應(yīng)偏差量是期望動(dòng)作量與實(shí)際動(dòng)作量的差值。為了方便建模，常常需要對(duì)響應(yīng)偏差量做歸一化處理，將響應(yīng)偏差量與期望動(dòng)作量的比值作為響應(yīng)偏差率。

將式(6)代入式(5)可得

需求響應(yīng)調(diào)度模型中會(huì)考慮可調(diào)負(fù)荷集群的VaR值，在所有可調(diào)負(fù)荷集群動(dòng)作量上限大于電力缺口值前提下，最大風(fēng)險(xiǎn)損失低的可調(diào)負(fù)荷集群優(yōu)先被調(diào)用，從而降低集群調(diào)度面臨的風(fēng)險(xiǎn)，同時(shí)提高系統(tǒng)穩(wěn)定性[15-17]。

3 考慮可調(diào)負(fù)荷集群響應(yīng)不確定性的聯(lián)合調(diào)度模型

3.1目標(biāo)函數(shù)

模型的目標(biāo)函數(shù)是滿足傳統(tǒng)機(jī)組發(fā)電成本和可調(diào)負(fù)荷集群的調(diào)度費(fèi)用最小，為了能優(yōu)先調(diào)用風(fēng)險(xiǎn)損失小的可調(diào)負(fù)荷集群，在目標(biāo)函數(shù)中加入風(fēng)險(xiǎn)損失項(xiàng)。聯(lián)合調(diào)度模型的目標(biāo)函數(shù)為

式中：表示時(shí)間集合；、分別是傳統(tǒng)機(jī)組和負(fù)荷集群的數(shù)量；是可調(diào)負(fù)荷集群的最大風(fēng)險(xiǎn)損失，用于優(yōu)化可調(diào)負(fù)荷集群的調(diào)度。

由于電價(jià)的改變導(dǎo)致可調(diào)負(fù)荷集群的總用電量發(fā)生改變，則負(fù)荷集群在時(shí)間段的調(diào)度成本：

3.2 約束條件

(1) 系統(tǒng)功率平衡約束

(2) 旋轉(zhuǎn)備用約束

備用容量設(shè)為最大負(fù)荷的10%[15]，即=0.1。

(3) 機(jī)組特性約束

傳統(tǒng)機(jī)組的功率上下限約束為

傳統(tǒng)機(jī)組的爬坡約束為

可調(diào)負(fù)荷集群動(dòng)作量上下限約束：

(4) 網(wǎng)絡(luò)潮流約束

(5) 調(diào)度后負(fù)荷約束

為了防止可調(diào)負(fù)荷集群調(diào)度后形成新的負(fù)荷高峰

4 算例分析

4.1 模型應(yīng)用背景

云南省某試點(diǎn)地區(qū)，該區(qū)域內(nèi)有3臺(tái)傳統(tǒng)發(fā)電機(jī)組和大量的小時(shí)響應(yīng)負(fù)荷。將該區(qū)域內(nèi)簽訂合同的小時(shí)響應(yīng)負(fù)荷按照響應(yīng)偏差特性分類，建模成三個(gè)可調(diào)負(fù)荷集群，分別命名為可調(diào)負(fù)荷集群1、可調(diào)負(fù)荷集群2和可調(diào)負(fù)荷集群3。在該區(qū)域夏季的某高溫日，由日前24 h制預(yù)測(cè)負(fù)荷曲線可知，所有傳統(tǒng)發(fā)電機(jī)組的最大出力不能滿足高峰時(shí)段的負(fù)荷需求，將會(huì)出現(xiàn)電力缺口。而區(qū)域內(nèi)3個(gè)可調(diào)負(fù)荷集群的可動(dòng)作量大于缺口電量。

在出現(xiàn)電力缺口時(shí)段內(nèi)，需求管理通過(guò)電價(jià)信號(hào)對(duì)3個(gè)可調(diào)負(fù)荷集群進(jìn)行調(diào)用。對(duì)于實(shí)際動(dòng)作量小于期望值的用戶，面臨的缺電損損失統(tǒng)一設(shè)定= 10.71元/()，傳統(tǒng)機(jī)組的發(fā)電成本參數(shù)和可調(diào)負(fù)荷集群的調(diào)度成本參數(shù)參見(jiàn)該區(qū)域的實(shí)際數(shù)據(jù)。

圖1日前預(yù)測(cè)負(fù)荷曲線

區(qū)域內(nèi)所有的彈性負(fù)荷使用相同的需求-價(jià)格關(guān)系曲線，根據(jù)最后可調(diào)負(fù)荷集群響應(yīng)量和該曲線即可獲得缺電時(shí)段內(nèi)對(duì)可調(diào)負(fù)荷用戶發(fā)布的電價(jià)。

4.2算例結(jié)果

4.2.1可調(diào)負(fù)荷集群VaR

假設(shè)3臺(tái)可調(diào)負(fù)荷集群的偏差率分別遵循N(0,2)、N(0,2.5)、N(0,3)的正態(tài)分布。對(duì)每個(gè)可調(diào)負(fù)荷集群偏差率，都使用蒙特卡洛模擬法模擬出10 000個(gè)數(shù)據(jù)，從而得到的累計(jì)分布函數(shù)。表1中是3個(gè)可調(diào)負(fù)荷集群在不同置信度下的VaR系數(shù)值。

為了研究VaR值對(duì)可調(diào)負(fù)荷集群的影響，本文共設(shè)置了3個(gè)場(chǎng)景。場(chǎng)景1中3個(gè)集群VaR值均設(shè)為0，即不考慮風(fēng)險(xiǎn)損失的影響；場(chǎng)景2中3個(gè)集群VaR值求取均是在置信度的條件下；場(chǎng)景3中個(gè)集群VaR值求取均是在置信度的條件下。

表1可調(diào)負(fù)荷集群VaR系數(shù)在不同置信度下的值

Table 1 VaR coefficients of adjustable load clusters with different confidence levels

4.2.2集群調(diào)度結(jié)果

文中提出考慮可調(diào)負(fù)荷集群響應(yīng)不確定性的聯(lián)合調(diào)度，設(shè)置了2個(gè)場(chǎng)景對(duì)比分析VaR參與負(fù)荷集群調(diào)度的結(jié)果。

為了分析VaR值對(duì)可調(diào)負(fù)荷集群調(diào)度的影響，在場(chǎng)景2中分別設(shè)置兩種置信度下VaR函數(shù)。根據(jù)文中的優(yōu)化模型，在AIMMS軟件進(jìn)行建模求解，得到傳統(tǒng)發(fā)電機(jī)組的出力、可調(diào)負(fù)荷集群動(dòng)作量、可調(diào)負(fù)荷集群調(diào)度成本和在相應(yīng)出力下可調(diào)負(fù)荷集群面臨的風(fēng)險(xiǎn)損失。圖2中是傳統(tǒng)機(jī)組的出力情況。

圖2傳統(tǒng)機(jī)組出力

(1) 基于傳統(tǒng)調(diào)度模型的優(yōu)化結(jié)果

傳統(tǒng)優(yōu)化模型僅考慮傳統(tǒng)機(jī)組的發(fā)電成本和負(fù)荷群的調(diào)度成本，無(wú)風(fēng)險(xiǎn)損失項(xiàng)。根據(jù)該模型得到的可調(diào)負(fù)荷集群出力結(jié)果如圖3所示。

圖3不考慮VaR響的可調(diào)負(fù)荷集群動(dòng)作量

在不考慮可調(diào)負(fù)荷集群VaR影響的模型中，對(duì)可調(diào)負(fù)荷集群調(diào)度產(chǎn)生影響的只有集群的調(diào)度成本。調(diào)度成本低的集群優(yōu)先動(dòng)作，且調(diào)度成本越低，對(duì)應(yīng)的可調(diào)負(fù)荷集群出力越多。

選取表1中置信度為90%風(fēng)險(xiǎn)損失系數(shù)，計(jì)算負(fù)荷集群在各個(gè)時(shí)間段內(nèi)面臨的最大風(fēng)險(xiǎn)損失，如表2所示。

表2可調(diào)負(fù)荷集群在90%置信度下的VaR值

(2)?考慮VaR的聯(lián)合調(diào)度模型的優(yōu)化結(jié)果

考慮可調(diào)負(fù)荷集群響應(yīng)不確定性帶來(lái)的風(fēng)險(xiǎn)損失時(shí)，可調(diào)負(fù)荷集群的出力結(jié)果如圖4所示。三個(gè)負(fù)荷集群的VaR值如表3所示。

將圖3和圖4相比較，優(yōu)化模型中考慮VaR值后，三臺(tái)負(fù)荷集群的優(yōu)化調(diào)度結(jié)果發(fā)生較大變化。原本負(fù)荷集群2出力最多，本文提出的數(shù)學(xué)模型求解結(jié)果為負(fù)荷集群1出力最大。

將置信度由90%提高到95%，則考慮可調(diào)負(fù)荷集群響應(yīng)不確定性帶來(lái)的風(fēng)險(xiǎn)損失時(shí)，可調(diào)負(fù)荷集群的出力結(jié)果如圖5所示。三個(gè)負(fù)荷集群的VaR值如表4所示。

圖4 置信度為90%的可調(diào)負(fù)荷集群出力

表3可調(diào)負(fù)荷集群在90%置信度下的VaR值

Table 3 VaR of virtual units with 90% confidence

圖5置信度為95%的可調(diào)負(fù)荷集群出力

表4可調(diào)負(fù)荷集群在95%置信度下的VaR值

Table 4 VaR of virtual units with 95% confidence

對(duì)比圖4和圖5可知，置信度的提高雖然改變了負(fù)荷集群的出力，但三臺(tái)負(fù)荷集群出力的大小關(guān)系并未發(fā)生改變。

通過(guò)比較表2和表3中的數(shù)據(jù)可知，采用相同風(fēng)險(xiǎn)損失系數(shù)的情況下，不考慮VaR的數(shù)學(xué)模型中，可調(diào)負(fù)荷集群面臨的最大風(fēng)險(xiǎn)損失均大于考慮VaR數(shù)學(xué)模型中集群面臨的損失值。

通過(guò)對(duì)比表3和表4中的數(shù)據(jù)可知，置信度為95%時(shí)，負(fù)荷集群面臨的風(fēng)險(xiǎn)損失值大于置信度設(shè)置為90%的情況。

表5 3種情況下的可調(diào)負(fù)荷集群調(diào)度成本

設(shè)不考慮VaR對(duì)可調(diào)負(fù)荷集群調(diào)度影響為情況1，考慮90%置信度風(fēng)險(xiǎn)損失為情況2，考慮95%置信度風(fēng)險(xiǎn)損失為情況3。

3種情況下的可調(diào)負(fù)荷集群調(diào)度成本如表5所示。

4.2.3算例分析小結(jié)

(1) 隨著置信度的提高，可調(diào)負(fù)荷集群的風(fēng)險(xiǎn)損失隨之增加。且響應(yīng)偏差越大的可調(diào)負(fù)荷集群比偏差小的面臨更大的風(fēng)險(xiǎn)損失。

(2) 對(duì)于同樣的電力缺口，聯(lián)合調(diào)度模型可以實(shí)現(xiàn)響應(yīng)偏移量小的負(fù)荷集群會(huì)優(yōu)先于響應(yīng)偏移量大的負(fù)荷集群參與調(diào)度。

(3) 可調(diào)負(fù)荷集群的總調(diào)度成本會(huì)隨著風(fēng)險(xiǎn)損失置信度值的提高而增加。

(4) 可調(diào)負(fù)荷集群調(diào)度考慮風(fēng)險(xiǎn)損失，降低了負(fù)荷集群因響應(yīng)不確定而面臨的風(fēng)險(xiǎn)損失值。

5 結(jié)論

本文提出的聯(lián)合調(diào)度模型可以兼顧風(fēng)險(xiǎn)和調(diào)度成本，通過(guò)對(duì)仿真模型結(jié)果的分析可知該模型保證調(diào)度經(jīng)濟(jì)性的同時(shí)大大減少可調(diào)負(fù)荷集群因響應(yīng)不確定性面臨的風(fēng)險(xiǎn)損失，雖然可調(diào)負(fù)荷集群的總調(diào)度成本有所增加，但增加量占總成本比例較低。在需求響應(yīng)業(yè)務(wù)的實(shí)施中，綜合考慮負(fù)荷響應(yīng)的不確定性，通過(guò)改變電價(jià)讓響應(yīng)不確定性小的負(fù)荷集群優(yōu)先參與調(diào)度，更加可靠有效地減少電力缺口，提高系統(tǒng)整體安全性。該聯(lián)合調(diào)度數(shù)學(xué)模型還可以從以下兩個(gè)方面進(jìn)行改進(jìn)：

(1) 可調(diào)負(fù)荷聚類[1,18]可以使可調(diào)負(fù)荷集群建模得到一定簡(jiǎn)化，同時(shí)提高模型的準(zhǔn)確度。

(2) 結(jié)合實(shí)際情況，某些可調(diào)負(fù)荷只能在特定的時(shí)間段內(nèi)對(duì)電價(jià)變化做出響應(yīng)，在建模中考慮該因素可以使模型的實(shí)用性進(jìn)一步提高。

[1] 包宇慶, 李揚(yáng), 王春寧, 等. 需求響應(yīng)參與大規(guī)模風(fēng)電接入下的電力系統(tǒng)頻率調(diào)節(jié)研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(4): 32-37.

BAO Yuqing, LI Yang, WANG Chunning, et al. On demand response participating in the frequency control of the grid under high wind penetration[J]. Power System Protection and Control, 2015, 43(4): 32-37.

[2] 王珂, 姚建國(guó), 姚良忠, 等. 電力柔性負(fù)荷調(diào)度研究綜述[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(20): 127-135.

WANG Ke, YAO Jianguo, YAO Liangzhong, et al. Survey of research on flexible loads scheduling technologies[J]. Automation of Electric Power Systems, 2014, 38(20): 127-135.

[3] 郭紅霞, 白浩, 劉磊, 等. 統(tǒng)一電能交易市場(chǎng)下的虛擬電廠優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(23): 136-145.

GUO Hongxia, BAI Hao, LIU Lei, et al. Optimal scheduling model of virtual power plant in a unified electricity trading market[J]. Transactions of China Electrotechnical Society, 2015, 30(23): 136-145.

[4] 王蓓蓓, 李揚(yáng), 高賜威. 智能電網(wǎng)框架下的需求側(cè)管理展望與思考[J]. 電力系統(tǒng)自動(dòng)化, 2009, 33(20): 17-22.

WANG Beibei, LI Yang, GAO Ciwei. Demand side management outlook under smart grid infrastructure[J]. Automation of Electric Power Systems, 2009, 33(20): 17-22.

[5] 高賜威, 梁甜甜, 李揚(yáng). 節(jié)能發(fā)電調(diào)度下基于虛擬機(jī)組的日前負(fù)荷調(diào)度模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(22): 3691-3699.

GAO Ciwei, LIANG Tiantian, LI Yang. Model of day- ahead load scheduling based on virtual generator unit in energy-saving power generation dispatching[J]. Proceedings of the CSEE, 2014, 34(22): 3691-3699.

[6] 賀建波, 胡志堅(jiān), 劉宇凱. 大規(guī)模多目標(biāo)水-火-風(fēng)協(xié)調(diào)優(yōu)化模型的建立和求解[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(6): 1-7.

HE Jianbo, HU Zhijian, LIU Yukai. Establishment and solution of the large-scale multi-objective hydro-thermal- wind power coordination optimization dispatching model[J]. Power System Protection and Control, 2015, 43(6): 1-7.

[7] 汪春, 吳可, 張祥文, 等. 規(guī)?；妱?dòng)汽車和風(fēng)電協(xié)同調(diào)度的機(jī)組組合問(wèn)題研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(11): 41-48.

WANG Chun, WU Ke, ZHANG Xiangwen, et al. Unit commitment considering coordinated dispatch of large scale electric vehicles and wind power generation[J]. Power System Protection and Control, 2015, 43(11): 41-48.

[8] ZHAO Chaoyue, WANG Jianhui, JEAN-PAUL W, et al. Multi-stage robust unit commitment considering wind and demand response uncertainties[J]. IEEE Transactions on Power Systems, 2013, 28(3): 2708-2717.

[9] 牛文娟, 李揚(yáng), 王蓓蓓. 考慮不確定性的需求響應(yīng)虛擬電廠建模[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(22): 3630-3637.

NIU Wenjuan, LI Yang, WANG Beibei. Demand response based virtual power plant modeling considering uncertainty[J]. Proceedings of the CSEE, 2014, 34(22): 3630-3637.

[10] WANG Qianfan, WANG Jianhui, GUAN Yongpei. Stochastic unit commitment with uncertain demand response[J]. IEEE Transactions on Power Systems, 2013, 28(1): 562-563.

[11] 吳杰康, 唐力. 含不確定性負(fù)荷的水火電力系統(tǒng)隨機(jī)優(yōu)化調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(28): 36-43.

WU Jiekang, TANG Li. Stochastic optimization scheduling method for hydrothermal power systems with stochastic loads[J]. Proceedings of the CSEE, 2012, 32(28): 36-43.

[12] 劉偉佳, 尚金成, 周文瑋, 等. 基于多重分形理論的電力市場(chǎng)風(fēng)險(xiǎn)價(jià)值評(píng)估[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(7): 48-54.

LIU Weijia, SHANG Jincheng, ZHOU Wenwei, et al. Evaluation of value-at-risk in electricity markets based on multifractal theory[J]. Automation of Electric Power Systems, 2013, 37(7): 48-54.

[13] 黃仁輝, 張集, 張粒子, 等. 整合GARCH和VaR的電力市場(chǎng)價(jià)格風(fēng)險(xiǎn)預(yù)警模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2009, 29(19): 85-91.

HUANG Renhui, ZHANG Ji, ZHANG Lizi, et al. Price risk forewarning of electricity market based on GARCH and VAR theory[J]. Proceedings of the CSEE, 2009, 29(19): 85-91.

[14] 周明, 聶艷麗, 李庚銀, 等. 電力市場(chǎng)下長(zhǎng)期購(gòu)電方案及風(fēng)險(xiǎn)評(píng)估[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2006, 26(6): 116-122.

ZHOU Ming, NIE Yanli, LI Gengyin, et al. Long-term electricity purchasing scheme and risk assessment in power markets[J]. Proceedings of the CSEE, 2006, 26(6): 116-122.

[15] 蔡德華, 陳柏熹, 程樂(lè)峰, 等. 實(shí)施需求側(cè)管理對(duì)提高發(fā)電系統(tǒng)可靠性的影響探究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(10): 51-56.

CAI Dehua, CHEN Baixi, CHENG Lefeng, et al. Effective study about the implementation of demand side management on improving reliability of generation system[J]. Power System Protection and Control, 2015, 43(10): 51-56.

[16] 王守相, 王棟, 韓亮. 考慮不確定性的微網(wǎng)日前經(jīng)濟(jì)優(yōu)化調(diào)度區(qū)間線性規(guī)劃方法[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(24): 5-11.

WANG Shouxiang, WANG Dong, HAN Liang. Interval linear programming method for day-ahead optimal economic dispatching of microgrid considering uncertainty[J]. Automation of Electric Power Systems, 2014, 38(24): 5-11.

[17] 孫宇軍, 李揚(yáng), 王蓓蓓, 等. 計(jì)及不確定性需求響應(yīng)的日前調(diào)度計(jì)劃模型[J]. 電網(wǎng)技術(shù), 2014, 38(10): 2708-2714.

SUN Yujun, LI Yang, WANG Baibei, et al. A day-ahead scheduling model considering demand response and its uncertainty[J]. Power System Technology, 2014, 38(10): 2708-2714.

[18] 黃宇騰, 侯芳, 周勤, 等. 一種面向需求側(cè)管理的用戶負(fù)荷形態(tài)組合分析方法[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(13): 20-25.

HUANG Yuteng, HOU Fang, ZHOU Qin, et al. A new combinational electrical load analysis method for demand side management[J]. Power System Protection and Control, 2013, 41(13): 20-25.

(編輯 姜新麗)

Combined dispatch model of adjustable load clusters considering response uncertainty

SUN Boyu1, YU Jie1, MEI Jun1, GAO Ciwei1, ZHAO Ming2, LI Mengyang2

(1. School of Electrical Engineering, Southeast University, Nanjing 210096, China;2. Electric Power Research Institute Co., Ltd. of Yunnan Power Grid, Kunming 650214, China)

Theopen ofretail side is an important task for power reform, and analyzing the economic and safe aspects of demand response strategy can provide support for the business of demand response after the open of retail side. A great deal of intra-hour transferable loads are modeled as several load clusters through demand side management, which can change electricity consumption according to the change of electricity price and reduce power shortages in peak energy periods. However, potential risk losses can be caused by the uncertainty of load response to price and this effects of uncertainty in economic dispatch model are worth researching to reduce risk losses. Response deviation rates of load clusters are obtained based on Monte Carlo method and then value at risk (VaR) is used to measure the potential risk losses caused by load clusters response uncertainty. Finally, considering all constraints, the optimization model introducing risk losses is solved. The example shows that the economy of the combined dispatch model is maintained, meanwhile risk losses caused by the uncertainty of load response are reduced.

This work is supported by National Natural Science Foundation of China (No. 51407030).

intra-hour transferable load; uncertainty; adjustable load clusters; value at risk (VaR)

10.7667/PSPC152096

2015-12-01；

2016-03-27

孫博宇(1992-)，女，碩士研究生，研究方向?yàn)殡娏π枨髠?cè)管理；E-mail: 220142116@seu.edu.cn

喻 潔(1975-)，女，通信作者，副教授，研究方向?yàn)殡娏φ{(diào)度及其信息技術(shù)支持；E-mail: yujie@seu.edu.cn

梅 軍(1971-)，男，副教授，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行分析。

國(guó)家自然科學(xué)基金項(xiàng)目(51407030)；云南省電網(wǎng)公司科技項(xiàng)目“基于用戶能效特性的電網(wǎng)需響應(yīng)關(guān)鍵技術(shù)研究”