楚成博

摘 要： 為實現(xiàn)節(jié)能環(huán)保和經(jīng)濟運行等目標，提高終端設備能源利用效率以及研究負荷協(xié)調優(yōu)化調度日益成為終端設備負荷協(xié)調優(yōu)化的主要發(fā)展方向。原有的僅憑報價決定調度排序的單目標優(yōu)化調度已不能滿足社會發(fā)展需求，需要綜合考慮經(jīng)濟、煤耗、環(huán)保和安全等多種因素的多目標負荷協(xié)調優(yōu)化調度。本文提出基于終端能效使用率的多樣化負荷間協(xié)調優(yōu)化方法，有效降低單位GDP二氧化碳排放強度。同時滿足用戶的多元化用電服務需求，提高民眾對智能電網(wǎng)的理解和接受程度，具有顯著的社會和經(jīng)濟效益。

關鍵詞： 終端能源；負荷群；多樣化；協(xié)調優(yōu)化

1引言

電力系統(tǒng)的負荷最優(yōu)運行狀態(tài)一直是電力系統(tǒng)協(xié)調優(yōu)化調度努力的目標。伴隨著社會的發(fā)展和電力工業(yè)的變革，終端設備能效利用效率的負荷協(xié)調優(yōu)化模式也經(jīng)歷了一個不斷自我完善的發(fā)展過程。國外的負荷協(xié)調優(yōu)化模式主要分為兩種：一種是電力壟斷時期的經(jīng)濟優(yōu)化調度模式，另一種是發(fā)電市場競爭的優(yōu)化調度模式。國內(nèi)的負荷協(xié)調優(yōu)化調度模式相對復雜，在政策、經(jīng)濟因素、電力供需、能源供給形勢等因素的影響下，總體可以分為：（1）基于垂直一體化電力工業(yè)管理模式的經(jīng)濟優(yōu)化調度模式階段；（2）電力供應不滿足需求情況下的計劃電量優(yōu)化調度模式階段；（3）為優(yōu)化購電成本而引入競爭機制的市場競爭優(yōu)化調度模式階段；（4）以及以考慮節(jié)能環(huán)保的新能源并網(wǎng)發(fā)電的優(yōu)化調度模式階段。

目前，國外對V2G技術的研究重點在電動汽車實現(xiàn)對電網(wǎng)削峰填谷、頻率調節(jié)及消納新能源的控制策略等方面，主要目的是利用電動汽車的移動儲能特性為電網(wǎng)提供服務。針對美國加州、日本的電力市場環(huán)境，對具備V2G模式的電動汽車參與電力系統(tǒng)的收益進行了一定的分析，指出V2G在輔助服務市場具有廣闊前景，并可以為用戶帶來可觀的經(jīng)濟效益；針對德國電力市場提出了相應的控制策略，采用基于代理模型分析了德國電力市場，對800萬輛電動汽車采用不同充放電策略對電力市場電價波動的影響進行了評估，并通過蒙特卡洛模型測試了其可靠性、效率和收益率。

2多樣化負荷運行模式分析

對于每種負荷用電設備的時間-電量特性曲線，其必然存在一些特征區(qū)別于其他負荷時間-電量特性曲線，這些特征包括：負荷率、峰谷差、年最大負荷利用小時數(shù)、年持續(xù)負荷曲線等。

（1）負荷率指標包括日負荷率、日最小負荷率、月負荷率、季負荷率、年平均負荷率及年負荷率。

（2）峰谷差指用電負荷的最高負荷與最低負荷之差。

（3）年最大負荷利用小時數(shù)是指年用電量與年最大負荷的比值，即全年小時數(shù)與年負荷率乘積。

（4）年持續(xù)負荷曲線是按一年中系統(tǒng)負荷的數(shù)值大小及其持續(xù)小時數(shù)順序排列而繪制成的曲線。

K-means算法

K-means算法又稱k-均值算，是劃分方法中典型算法之一。K-means算法以k為參數(shù)，把n個對象分成k個簇，使簇內(nèi)具有較高的相似度，而簇間的相似度較低。K-means算法的處理過程如下：首先，隨機地選擇k個對象，每個對象初始地代表了一個簇的平均值或中心。對剩余的每個對象，根據(jù)其與各簇中心的距離，將它賦給最近的簇。然后重新計算每個簇的平均值。這個過程不斷重復，直到準則函數(shù)收斂。通常，采用平方誤差準則，其定義如下：

這里E是數(shù)據(jù)庫中所有對象的平方誤差的總和，p是空間中的點，mi是簇Ci的平均值。該目標函數(shù)使生成的簇盡可能緊湊獨立，使用的距離度量是歐幾里得距離，當然也可以用其它距離度量。

K-means聚類算法的算法流程如下：

（1）任意選擇k個對象作為初始的簇中心；

（2）repeat；

（3）根據(jù)簇中對象的平均值，將每個對象（重新）賦予最類似的簇；

（4）更新簇的平均值，即計算每個簇中對象的平均值；

（5）until不再發(fā)生變化。

3多樣化負荷能效協(xié)調優(yōu)化方法

直接負荷控制（Direct Load Control，DLC）一般適用于居民或小型的商業(yè)用戶，參與DLC的可控制負荷一般都是短時間的停電對其供電服務質量影響不大的負荷，如空調、電熱水器、飲水機、電冰箱、吸塵器、加濕器、廳堂花燈等。這幾類負荷短時間的停電對其供電服務質量影響不大，用戶一般可以接受。

（1）DLC調度策略執(zhí)行前的準備

確定DLC激勵機制，即確定好中斷負荷補償方法；收集數(shù)據(jù)，統(tǒng)計同意參與DLC的用戶數(shù)量，以及用戶用電高峰期間用電負荷（用電器）類型、功率、以及各種用電負荷（用電器）的數(shù)量。

（2）基于用戶信任度的數(shù)據(jù)分組技術

每次DLC策略實施完成后，應該對電力用戶的執(zhí)行程度（即分配給各個用戶的調度計劃的完成情況）進行度量，建立各個電力用戶的信任度表，以便為下次DLC策略的制定提供參考。

用戶信任度，表征了用戶對于本次DLC計劃的完成情況。比如，信任度為10的用戶，會100%完成非配給用戶的用電計劃；而信任度為9的用戶，完成的計劃率會在90%-100%之間。因此在制定DLC策略時應該考慮用戶信任度對于DLC計劃完成情況的影響。

參與DLC的電力用戶一般數(shù)量比較龐大，為了降低求解問題的規(guī)模，采用恰當?shù)姆纸M方法，對同一個組內(nèi)的電力用戶進行統(tǒng)一調度，會降低問題求解的規(guī)模。采用基于用戶信任度的分組方法，具體分組方法如下：

（1）計算各個用戶當前的信任度，并按照信任度等級對用戶進行分組。

（2）經(jīng)過第一次分組后，如果組內(nèi)的用戶數(shù)量還是太多，對這一組的用戶進一步劃分，這時候可以采用均分的方法

（3）計算每組用戶DLC計劃的完成率。

4結論

針對終端設備能效利用效率的多負荷協(xié)調優(yōu)化控制，通過分析用戶側自動需求響應優(yōu)化模型的實際多目標問題，提出了基于多種群多目標粒子群優(yōu)化算法的多目標智能決策優(yōu)化控制方法，在實現(xiàn)多樣性負荷能效優(yōu)化的同時，考慮了設備安全運行、用戶容忍程度、可控負荷總量、反彈負荷總量等約束條件；利用電價信號來引導用戶采取合理的用電結構和用電方式，提出了負荷用電時間序列協(xié)調控制方法，保證了系統(tǒng)負荷運行的平穩(wěn)性；根據(jù)空調、電冰箱、電熱水器等可控制負荷短時間停電對其供電服務質量影響不大的特性，提出了直接負荷控制協(xié)調優(yōu)化控制方法，在保證直接可控負荷用戶的用電滿意度和收益的同時，實現(xiàn)了對電網(wǎng)負荷尖峰的削減。