主动配电网中的需求侧响应
一步削减负荷的激励的不足。更新周期是确定电价体系时的一个重要考虑因
素。
2015/8/3
03需求侧响应分类
3.2基于价格的需求侧响应 尖峰电价(critical peak pricing，CPP)
尖峰电价是在分时电价和实时电价的基础上发展起来的一种动态电价机 制，其主要思想是在分时电价上叠加尖峰费。
2015/8/3
02需求侧响应基本概念
需求侧管理（Demand Side Management，DSM）是指通过采取 有效措施,引导电力用户优化用电方式,提高终端用电效率,优化资源配 置,改善和保护环境,实现最小成本电力服务所进行的用电管理活动的 总称。
能效项目
——设备 ——用户用电习惯
需求侧管理
节能项目
单纯的节约能源
需求侧响应 ——互动
2015/8/3
02需求侧响应基本概念
什么是需求侧响应？
广义的需求侧响应(Demand Response)指电力用户根据 价格信号或通过激励， 改变固有习惯用电模式的行为.
2015/8/3
03需求侧响应分类
根据需求侧响应参与市场类型的不同 需求响应大致分为两类——基于价格的需求响应和基于激励的需求响应
2015/8/3
参考文献
[1]王蓓蓓. 面向智能电网的用户需求响应特性和能力研究综述[J]. 中 国电机工程学报,2014,22:3654-3663. [2]陈俊生. 面向智能用电的需求响应技术及家庭用户用电策略研究[D]. 重庆大学,2014. [3]董萌萌. 基于峰谷电价的需求响应效果评价[D].华北电力大学,2014 [4]徐丙垠，李天友，薛永端．主动配电网还是有源配电网?[J]．供用 电，2014，01：18-21． [5]范明天，张祖平．主动配电网规划相关问题的探讨[J]．供用电， 2014，01：22-27．
2015/8/3
01主动配电网概述
1.2定义
主动配电网（Active Distribution Network，ADN）的概念：
ADN是通过使用先进的自动控制、高级测量系统、电力电子及信息 通信技术等先进技术对各类DER（包括分布式电源、分布式储能、 柔性负荷等）进行灵活控制、主动网络管理和需求侧管理，从而具 备复杂潮流控制及电网-用户双向互动能力的新型配用电系统。
2015/8/3
03需求侧响应分类
3.3项目参与方式
基于激励的需求响应项目以一对一合同的形式约定了用户参与项目的权利和义务； 基于电价的需求响应项目的参与方式比较灵活，产生了以下两种用户参与方式：
Opt-in方式：在基于电价的需求响应的项目下，消费者参与方式比较灵活，
可以自愿选择参与某个电价项目，在结算阶段按照实际消费电力水平和其选择的电价 方案进行计费，对于其他没有参加的用户则执行缺省电价
主动配电网
双向通信，覆盖面积广， 集成、自愈、互动、优化、兼容 考虑源-网-荷协调规划、规划运 行一体化技术，引入动态规划与 随机规划 通过对各种可控资源进行主动控 制，实现配电网故障恢复和优化 运行 分层分布式管理，新增需求侧管 理 智能化程度高
综合规划技术
运行与控制技术
情况下，对配电网进行控制， 控制方式较被动 基于潮流单向流动进行被动 管理 智能化程度低
主动配电网中的需求侧响应
华北电力大学
输配电研究所
李玟萱
2015/8/3
01 02
03 04
主动配电网概述
需求侧响应基本概念 需求侧响应分类 项目实例
2015/8/3
01主动配电网概述
1.1背景
分布式能源供电系统
电能质量；经济性；安全性 微电网 客户电网；用户互动；延伸 主动配电网
配电网发展不同阶段
目标：尽可能降低峰荷，提高谷荷，降低峰谷差，提高电力系统的负荷
率，从而提高电力系统运行的稳定性。
2015/8/3
03需求侧响应分类
3.2基于价格的需求侧响应 实时电价(real-time pricing，RTP)
实时电价是一种动态定价机制，其更新周期可以达到1小时或者更短，通 过将用户侧的价格与电能供给市场的出清电价联动，可以精确反映每天各时 段供电成本的变化并有效传达电价信号。 实时电价能够弥补分时电价当系统出现短期容量短缺时不能给予用户进
2015/8/3
03需求侧响应分类
3.2基于价格的需求侧响应
基于价格的需求侧响应是指用户响应零售电价的变化并相应地 调整用电需求，参与DSM。
2015/8/3
03需求侧响应分类
3.2基于价格的需求侧响应
基于价格的响应
分时 电价 TOU
2015/8/3
实时 电价 RTP
尖峰 电价 CPP
03需求侧响应分类
尖峰电价的思想是实施机构预先公布尖峰事件的时段设定标准(如系统紧
急情况或者电价高峰时期)以及对应的尖峰费率，在非尖峰时段执行分时电价 (用户还可以获得相应的电价折扣)，在尖峰时段执行尖峰费率，并提前一定的
时间通知用户(通常为1天以内)，用户既可做出相应的用电计划调整，也可通
过高级电表来自动响应尖峰电价。
需求侧响应
基于激励
2015/8/3
基于价格
03需求侧响应分类
3.1基于激励的需求侧响应
基于激励的需求响应是实施机构通过制定确定性的或者随时间
变化的政策以激励用户在系统可靠性受到影响或者电价较高时及时响
应并削减负荷
2015/8/3
03需求侧响应分类
3.1基于激励的需求侧响应 直接负荷控制(direct load control，DLC) 可中断负荷(interruptible load，IL) 需求侧竞价(demand side bidding，DSB)
3.2基于价格的需求侧响应 分时电价(time-of-use pricing，TOU)
分时电价是一种可以有效反映电力系统不同时段供电成本差别的电价机 制，峰谷电价、季节电价和丰枯电价等是其常见的几种形式。 需要说明的是，分时电价的一种改进形式是负荷选择。参与峰荷选择措 施的用户，可以根据不同的负荷时段的电价水平选择负荷削减量、削减时间、 提前通知时间等。
2015/8/3
03需求侧响应分类
3.1基于激励的需求侧响应 容量/辅助服务计划(capacity/ancillary service program，CASP)
容量市场/辅助服务是指用户提供削减负荷作为系统备用，替代传统发电 机组或提供资源的一种形式。 容量市场项目的参与者除了要有在要求的时候削减负荷的承诺，同时还 要证明其有能力保证这种削减的随时可得性和可持续性。
需求侧投标竞价是需求侧资源参与电力市场竞争的一种实施机制，它使 用户能够通过改变自己的用电方式，以投标的形式主动参与市场竞争并获得 相应的经济利益，而不再单纯是价格的接受者。 供电公司、大用户可以直接参与需求侧投标，而小型的分散用户可以通 过第三方的综合负荷代理机构间接参与需求侧投标。
2015/8/3
直接负荷控制指在系统用电高峰时段由直接负荷控制机构通过远程控制 装置关闭或者控制用户用电设备的方式。 适用于居民用户和小型商业用户，所控制的主要是一些短时间停电并不 严重影响其供电服务质量的用电设备。
2015/8/3
03需求侧响应分类
3.1基于激励的需求侧响应 可中断负荷(interruptible load，IL)
调度时间 表优化 功率电压测量
分布指令
2015/8/3
瞬时功率 平衡测量
总结 主动配电网将为未来可再生能源的大量接入以及电动 汽车的大量使用提供解决的途径，而需求响应技术体现了 主动配电网管理的多元化，方便用户和网络管理者进行信 息交互，这将鼓励多方参与，促进技术进步，使得电力市 场进一步放开，最终使得主动配电网的管理更加灵活、方 便。我国主动配电网的发展还处于初期阶段，需要不断借 鉴国外先进的理念和技术来发展我国的智能电网。
可中断负荷是根据供需双方事先的合同约定，在电网高峰时段由可中断 负荷实施机构向用户发出中断请求信号，经用户响应后中断部分供电的一种 方法。 对用电可靠性要求不高的用户，可减少或停止部分用电避开电网尖峰， 并且可获得相应的中断补偿。 适用于大型工业和商业用户
2015/8/3
03需求侧响应分类
3.1基于激励的需求侧响应 需求侧竞价(demand side bidding，DSB)
也有研究认为：利用 opt-out 的项目参与方式可以实现 70~90%的 参与率，而 opt-in 的方式则只能实现 10~30%
2015/8/3
03需求侧响应分类
3.3项目参与方式 2）对用户的响应能力产生影响从而影响整个项目的转移负荷水平
16% 8%
Opt-in Opt-out
大企业 opt-in RTP
居民用户和中 小企业 opt-out CPP/TOU和 RTP
峰荷削减
2015/5技术支撑
信息反馈技术：户内电能显示器、基于网站的电能管理平台，
纸质的邮寄信件或者电子email 邮件
信息展现技术：随电价不同变换颜色的能量球或者价格灯，email或者电话通知
03需求侧响应分类
3.1基于激励的需求侧响应 紧急需求响应(emergency demand response，EDR)
紧急需求响应是指用户为应对突发情况下的紧急事件，根据电网负荷调 整要求和电价水平发生响应而中断电力需求的一种方式。 当资源侧被要求削减负荷，并且得以证实，资源侧将获得固定数额的补 偿或者所处实时节点边际电价的经济补偿。
Opt-out方式：电力公司强制规定所有用户缺省参加某个电价项目，按照
该电价项目的规定方式进行电费结算，除非某些用户签订合同主动提出退出该方案， 则执行固定电价。
2015/8/3
03需求侧响应分类
3.3项目参与方式 1）对于项目参与率的影响
新能源电力系统中需求侧响应关键问题及未来发展探讨
新能源电力系统中需求侧响应关键问题及未来发展探讨摘要：社会供电作为整体资源能源消耗的一个重要部分，减少这一项目的能源资源消耗可以最大限度的降低污染能源和非再生能源的使用量，保护自然环境和生态平衡。
在下文当中，笔者将对新能源电力系统中需求侧响应关键问题与其未来的发展进行研究分析，提高新能源电力系统供电的稳定性和供电质量。
关键词：新能源供电；供电质量；侧响应系统；关键问题；技术发展所谓新能源电力系统的侧响应系统就是指智能控制系统、自动化控制系统、通信系统等依托于先进技术建立起来的辅助电力系统运行的相关系统。
侧响应系统的使用可以提高新能源电力系统供电的安全性、系统的可控性和自动化程度，但这类系统的接入会影响电力系统本身的供电质量和品质，如果能够采取更为有效的方案解决需求侧响应系统的相关应用问题，就可以全面发挥其优势，提高新能源发电系统的运行效率和运行质量。
一、新能源电力系统特点分析新能源电力系统所采用的发电能源是清洁的可再生能源，比如风能、太阳能等。
新能源电力系统的使用优化了社会发电能源结构，降低了社会用电对环境的影响，但从系统的实际应用效果来看，还存在一些问题，例如受自然因素影响作用大、相关技术还不够成熟等等。
总体来说，新能源发电系统具有以下几个较为明显的特点：（一）双侧随机性传统电力系统的规划设计主要受到用电负荷的影响，这也是系统设计和控制调节的主要考虑因素。
但是新能源发电系统具有明显的间歇性，所以，无论是供电方面，还是电力需求方面，该类系统都有明显的随机性特点，也就是双侧随机性。
新能源发电系统在设计时，不仅要考虑到供电需求，还需要考虑到发电能源供应方面的特点，其控制与管理也需要考虑到上述两点。
（二）不可控性新能源发电系统，如风能发电，太阳能光伏发电等，受自然因素影响严重，而且系统设备比较多，设备分布较为分散，且广泛，控制要求高，存在很多的潜在的干扰因素。
因此，对系统的任何操作和调节，都可能受到某种因素的影响，比如光照流失、风力不足、生物因素等等，因此该系统具有强烈的不可控性，系统稳定性比较低，安全风险也比较高。
电力需求侧响应 蓄电池技术
电力需求侧响应蓄电池技术电力需求侧响应和蓄电池技术是当前电力领域中备受关注的话题。
随着能源消费的增长和能源结构的不断调整，电力需求侧响应和蓄电池技术的应用将对电力系统的安全、稳定和可持续发展产生深远影响。
本文将重点介绍电力需求侧响应和蓄电池技术的相关概念、应用和未来发展趋势。
一、电力需求侧响应的概念及重要性电力需求侧响应是指通过采取一系列技术和管理手段，调整和优化终端用户的用电行为，以实现对电力系统的调峰削峰，提高能源利用效率，减少电力系统运行成本的一种手段。
随着能源消费方式的转变和能源结构的调整，电力需求侧响应逐渐成为调节电力供需平衡的重要手段。
通过电力需求侧响应，可以有效应对电力系统的负荷波动，提高系统的稳定性和可靠性，降低系统的运行成本，促进清洁能源的有效利用。
二、蓄电池技术的概念及应用现状蓄电池技术是指利用电化学原理将电能进行储存，待需要时再将储存的电能释放供电的一种技术。
随着可再生能源的快速发展和电动汽车的普及，蓄电池技术得到了广泛关注和应用。
在电力系统中，蓄电池技术可以用于储能调峰，提高电力系统的灵活性和可调度性，解决清洁能源波动性大、间歇性强的问题。
在分布式电源和微网领域，蓄电池技术也扮演着重要角色，可以实现在自给自足模式下的能源储存和供应。
三、电力需求侧响应与蓄电池技术的结合应用电力需求侧响应与蓄电池技术的结合应用可以实现较好的协同效应，促进电力系统的安全可靠运行。
通过引入蓄电池技术，可以实现电力需求侧的储能调峰，提高用电效率，降低高峰时段的用电成本，减少对传统火力发电厂的依赖。
结合智能电网技术，可以实现对储能系统的精准调度和控制，最大程度地发挥蓄电池技术的潜力，提高电网的供电质量和稳定性。
四、未来发展趋势与展望电力需求侧响应与蓄电池技术的结合应用具有广阔的发展前景。
随着能源互联网的逐渐成熟和清洁能源的快速发展，电力需求侧响应和蓄电池技术将更加深度地融入电力系统中，为建设智能、高效、可持续的能源体系提供技术支持。
需求响应的主动配电网优化调度研究
需求响应的主动配电网优化调度研究摘要：在现代社会中，由于清洁能源增长的速度相对较快，在配电网中大规模接入了分布式电源，导致传统电网出现了短路电流增大以及供电可靠性降低等问题。
主动配电网的出现是必然趋势，主动配电网具有较强的时序性，能够通过存储能源，协调控制源荷，将配电网消纳分布式电源的能力进一步提高，推动了配电网的低碳、经济运行。
而在现代社会通过对主动配电网进行优化调度，更能提高配电网运行的安全性，因此对其进行研究具有十分重要的意义。
关键词：需求响应；主动配电网；优化调度引言目前，由于能源日益枯竭，人们逐渐认识到环保的重要性，可再生清洁能源在社会发展中发挥了重要的作用。
近年来，可再生能源分布式发电(distributedgeneration，DG)发展迅猛，为提高新能源消纳、引导“源-网-荷-储”良性互动、提升配电网优化运行水平，众多学者针对主动配电网的规划、调控运行、自愈、可靠性等方面展开了大量研究。
优化调度方面，在日前阶段预先考虑日内情形，用枚举法来处理电价与光荷的不确定性，研究了有载分接开关与储能的日前调度问题；有学者提出一种全局集中优化与区域分散自治相结合的ADN协调控制方法，全局优化给出各区域交换功率计划值，区域自治则基于反馈控制器调节元件出力、进而实现实时校准，但未考虑ADN无功资源；有学者提出一种基于多代理的ADN两阶段调度策略，日前实行经济调度，日内调节自治区域内的可控DG有功来进行滚动修正，然而未能有效解决电压越限问题；有学者引入半不变量法随机潮流，在ADN日前调度中计及风光荷多重预测误差引起的越限风险，在日前阶段同时考虑调度经济性与安全性。
当前，制约新能源大规模集成入配电网的主要瓶颈在于绿色DG出力间歇波动影响配电网的功率平衡与电压合格。
功率不平衡可借由可控DG调节、需求侧管理与上级大电网功率支撑等手段来应对；而电压越限问题则需要发挥ADN的无功资源优势，在日内运行中跟踪新能源波动，实施有功-无功联合调整、无功就地分散双向补偿，从而避免电压越限。
基于用户侧需求响应的主动配电网短期负荷预测
• 96•ELECTRONICS WORLD ・探索与观察基于用户侧需求响应的主动配电网短期负荷预测广东电网公司佛山供电局 于浩祺本文针对主动配电网下新型负荷的特性，提出了一种基于用户侧需求响应的主动配电网短期负荷预测方法。
从用户侧需求响应出发，根据主动配电网中新型负荷的特性，将其按照用户响应类型分别提出相应负荷模型及其负荷预测方法。
实例应用证明了该方法预测效果好、精度高。
随着分布式电源在配电网大规模并网，新型负荷用户侧陆续接入，促使现有配电网寻找全新的配电网优化解决方案，主动配电网(active distribution network ，ADN)应运而生。
被动配电网的负荷预测方法不再适用于主动配电网，需结合主动配电网的新型负荷等影响因素，研究适用于ADN 的负荷预测方法（Sustainable Energy Reviews,2013,18:64-72）。
文献（钟清,孙闻,余南华,等.主动配电网规划中的负荷预测与发电预测[J].中国电机工程学报,201,19:3050-3056）提出了考虑不同类型用户参与比例提出了动态电价机制下的负荷预测思路；文献（Paoletti S,Casini M,Giannitrapani A,et al.Load forecasting for active distribution networks[C].2nd IEEE PES International Conference and Exhibition on Innovative Smart Grid Techno logies,Manchester,UK,2011:1-6）提出将ADN 的负荷按照负荷参与电网调度程度进行分类的中长期负荷预测方法思路。
以上文献均未对ADN 短期负荷预测提出明确而有效的方法。
针对以上研究情况，可从用户侧需求响应出发，根据主动配电网中新型负荷的特性，将其按照用户响应类型分别提出相应负荷模型。
新能源电力系统中需求侧响应关键问题及未来研究展望
新能源电力系统中需求侧响应关键问题及未来研究展望发布时间：2022-08-23T07:15:10.539Z 来源：《新型城镇化》2022年17期作者：张旋[导读] 电网由发电厂、输电线路和用户等部分组成，各部分之间的通信非常复杂。
智能电网有效地完成了这一任务。
国家电投集团湖北新能源有限公司湖北武汉 430070摘要：在全球能源危机与环境保护的双重压力下，综合能源系统(IntegratedEnergySystem，IES)应运而生。
IES是实现多种异质能源子系统协同发展、互补互济和能源梯级利用的重要形式，对提高社会能源利用率、促进清洁能源消纳、减轻环境污染具有重要意义。
需求响应作为实现IES供需协同互动的关键手段，能够充分发挥用户侧资源调节潜力，促进系统低碳经济运行。
关键词：新能源电力系统；需求侧响应；关键问题；未来展望引言电网由发电厂、输电线路和用户等部分组成，各部分之间的通信非常复杂。
智能电网有效地完成了这一任务。
新兴的智能电网是未来一代的“能源网络”。
通过改进传统电网网络，使其在信息和通信技术方面更具优势，尤其是将无线通信集成到电网中，以实现自动化、主动运行和高效的需求响应，以及智能电网中的负荷和能量管理。
智能电网是信息技术、通信和电力系统工程的最重要组成部分，旨在为电力系统提供更多条件和能量。
这些功能使供电公司能够准确预测、监测和控制整个电网的电能分布。
智能电网支持双向通信，便于对客户进行实时计量。
它还允许实用程序控制用电设备负荷，以便将系统参数保持在安全范围内。
1.需求侧响应资源与分类在物理形态、使用习惯方面，终端负荷具备显著差异，导致需求侧响应用户呈现出多种响应特征与响应能力。
按照不同角度，将需求侧响应资源分为多种类型：①根据用户类别，划分为工业负荷、居民负荷、商业负荷、其他负荷。
②根据响应特性，划分为可平移负荷、可转移负荷、可削减负荷。
在特定周期内，可转移负荷的总用电量不变，可以灵活调节不同时段用电量；平移负荷会受到生产生活流程限制，在不同时间段内，平移用电曲线，该类资源包括工业流水线设备；按照实际需求，削减用电量负荷，该类资源涉及到大型洗衣、居民空调、农村灌溉设备等。
新型电力系统构建下的需求侧响应介绍及技术探讨
新型电力系统构建下的需求侧响应介绍及技术探讨发布时间：2023-02-02T02:29:49.745Z 来源：《工程建设标准化》2022年第18期作者：胡明健[导读] 通过介绍新型电力系统的定义与特征，说明对需求侧响应对于新型电力系统的重要意义。
胡明健广州白云电器设备股份有限公司 510000摘要：通过介绍新型电力系统的定义与特征，说明对需求侧响应对于新型电力系统的重要意义。
并对需求侧响应的不同负荷根据响应特性进行了分类，提出了一种基于智慧用能系统的需求侧响应流程示例，认为在“双碳”政策下，国内需求侧响应将迎来蓬勃的发展时期。
关键词：新型电力系统、需求侧响应、负荷分类、响应流程、负荷聚合商。
0 引言2020年9月22日，中国在第七十五届联合国大会宣布了中国的碳达峰目标与碳中和愿景。
据统计，在能源系统的碳排放中，能源活动占排放总量的88%，电力系统排放占37%，要实现碳达峰、碳中和，电力系统必须向以新能源为主体的零碳电力系统发展。
在2021年3月15日，习近平总书记在中央财经委员会第九次会议上，对碳达峰、碳中和作出了进一步部署，明确了实现“双碳”战略目标的基本思路和主要举措，强调要构建以新能源为主体的新型电力系统。
新型电力系统是以新能源为供给主体、以确保能源电力安全为基本前提、以满足经济社会发展电力需求为首要目标，以数字电网为支撑平台，具备多能协同互补、源网荷储互动、用能需求智控功能，具有绿色高效、柔性开发、数字赋能基本特征的新一代电力系统[1]。
图1 以新能源为主体的新型电力系统与传统的电力系统相比，以新能源为主体的电力系统具有以下特征[2]。
1）源荷双侧随机性。
在传统电力系统中，由于负荷的不确定性，采取的是“源随荷动”的规划或运行决策。
由于新能源发电的间歇性特征，当其装机容量占比提升后，新型电力系统将在供需双侧都呈现出随机性的特征。
2）源网荷储互动。
新能源电力系统中，随着新能源发电比例的上升，传统电力系统“发输配售用”的功能界限将逐渐趋于模糊。
主动配电网中储能和需求侧响应的联合优化规划
主动配电网中储能和需求侧响应的联合优化规划一、本文概述随着全球能源结构的转型和智能电网的发展，主动配电网（Active Distribution Network，ADN）在电力系统中扮演着越来越重要的角色。
主动配电网不仅能够实现对分布式能源的有效接入和控制，还能够提高电力系统的供电可靠性和经济性。
储能系统（Energy Storage System，ESS）和需求侧响应（Demand Response，DR）作为主动配电网的重要组成部分，对于提高电力系统的灵活性和效率具有重要意义。
因此，本文旨在研究主动配电网中储能和需求侧响应的联合优化规划问题，为电力系统的可持续发展提供理论支撑和实践指导。
具体而言，本文首先将对主动配电网、储能系统和需求侧响应的基本概念、原理和应用现状进行详细介绍，为后续研究奠定理论基础。
本文将分析储能系统和需求侧响应在主动配电网中的作用和影响，探讨二者联合优化的必要性和可行性。
在此基础上，本文将建立基于多目标优化理论的联合优化规划模型，综合考虑经济效益、环境效益和社会效益等多个方面，以实现储能系统和需求侧响应的最优配置和运行。
本文将通过算例分析验证所提联合优化规划方法的有效性和实用性，为实际工程应用提供参考和借鉴。
本文的研究不仅对于推动主动配电网的发展具有重要意义，同时也能够为电力系统的智能化、绿色化和可持续发展提供有力支持。
二、主动配电网现状分析随着可再生能源的大规模接入和电力电子设备在电力系统中的广泛应用，主动配电网（Active Distribution Network，ADN）的概念逐渐浮出水面。
主动配电网强调了对分布式电源（Distributed Generation，DG）的有效集成、对负荷侧的主动管理和对电力流、信息流的双向流动与互动。
这些特性使得主动配电网能够更好地适应电力系统的变革，提高配电网的供电可靠性和经济性。
然而，主动配电网也面临着诸多挑战。
一方面，可再生能源出力具有随机性和波动性，如何有效平抑这种不确定性对配电网的影响，是主动配电网需要解决的关键问题之一。
基于需求侧响应的主动配电网多源协调优化调度
基于需求侧响应的主动配电网多源协调优化调度卢锦玲;初文奇;於慧敏;郭金体;马冲【摘要】为提高主动配电网对可再生清洁能源的消纳能力,降低负荷峰谷差,对储能系统、可控分布式发电单元、柔性负荷的协调调度设定优先级,以减小发电成本、储能等效运行成本和源荷共赢成本为子目标,构建综合成本最小的主动配电网和能源终端用户合作共赢的优化调度模型.建立基于距离最小化原则和离差平方和的双目标决策函数,通过熵权-AHP(AnalyticHierachy Process,AHP)综合赋权法,计算目标函数中各子目标权重系数.采用改进的具有主动搜索和主动学习特性的APSO(Active Particle Swarm Optimization,APSO)算法,对所建模型进行求解.以44节点主动配电网络测试系统为算例,验证了优化调度策略的有效性和合理性.【期刊名称】《电力科学与工程》【年(卷),期】2018(034)011【总页数】8页(P30-37)【关键词】主动配电网;源荷共赢;协调调度优先级;主动粒子群算法【作者】卢锦玲;初文奇;於慧敏;郭金体;马冲【作者单位】华北电力大学电气与电子工程学院,河北保定 071003;华北电力大学电气与电子工程学院,河北保定 071003;无锡供电公司,江苏无锡 214000;华北石油管理局水电厂,河北任丘 062550);华北电力大学电气与电子工程学院,河北保定071003【正文语种】中文【中图分类】TM7340 引言主动配电网(Active Distribution Network，AND)是有高渗透率DG(Distributed Generation)接入的具有主动控制和主动管理能力的配电网，主动配电网发电侧的主动参与和用户侧的主动响应使配电网由原来的被动接收电能变为主动利用电能[1]。
主动配电网的优化调度是通过对DG、储能、柔性负荷等分布式能源设备的合理控制，达到增强对可再生能源消纳能力，节能降耗，提高电网运行可靠性和供电质量的目的[2]。
我国需求侧响应的现状与发展前景
随着电力市场化改革的深入、能源互联网概念的进一步推广，“需求侧响应”一词不断出现在我们的视野中。
本篇小科普，我们来梳理下需求侧响应的基本概念，聊聊国内的实行现状并展望其美好未来~（文章来源：一只小电驴作者：小也驴）需求侧响应是什么众所周知，电力系统要时刻保持供需平衡。
传统的做法是在负荷需求高时增加发电机组出力，但负荷高峰时段往往持续时间较短，为了满足这部分需求而增加的发电和输配电投资利用率很低，而且调峰机大多是成本高、不环保的火电机组，因此可以通过减少或者延迟需求侧的电力负荷来实现供需平衡，这就是需求侧响应(Demand Response)。
需求侧响应可以定义为：当电力批发市场价格升高或者系统可靠性受到威胁时，电力用户根据价格信号或激励措施，暂时改变其固有的习惯用电模式，减少或推移某时段的用电负荷从而保证电网系统的稳定性，抑制电价上升的短期行为。
需求侧响应的分类说到这里，不得不提到我们经常见到的另一个词：需求侧管理。
比如前段时间修订的《电力需求侧管理办法》，这是由政府部门主导、电网公司主要承担的一项工作任务。
也就是说，电网企业每年都需要完成一定的需求侧管理目标并受到政府部门的考核。
相对来说，需求侧响应则更侧重的用户主动参与，更加“市场化”。
但在很多语境下，“需求侧管理”与“需求侧响应”的含义有很大重叠，可以认为后者是前者发展的成熟阶段。
国内需求侧管理现状我国在上世纪90年代就引入了需求侧管理的概念，但并没有能够大范围推广。
直到2010年国家发改委印发了《电力需求侧管理办法》，2012年将北京市、苏州市、唐山市、佛山市四个城市设立为首批电力需求侧管理城市综合试点，上海为需求侧响应试点。
来源: 参考资料12014年以来，除唐山市外，北京、上海、佛山三市和江苏省已成功实施了几次需求侧响应项目，基本是每年夏季实施一两次。
其中江苏省需求侧响应从实施范围、响应容量来看均处于国内领先水平。
2017年7月江苏省经信委组织省电力公司对张家港保税区、冶金园启动了实时自动需求响应，在不影响企业正常生产的前提下，仅用1秒钟时间即降低了园区内55.8万千瓦的电力需求，创下了国际先例。
需求侧响应下主动配电网优化调度
第41卷 第2期吉林大学学报(信息科学版)Vol.41 No.22023年3月Journal of Jilin University (Information Science Edition)Mar.2023文章编号:1671⁃5896(2023)02⁃0207⁃10需求侧响应下主动配电网优化调度收稿日期:2022⁃06⁃10基金项目:黑龙江省自然科学基金资助项目(LH2019E016)作者简介:高金兰(1978 ),女,山西运城人,东北石油大学副教授,主要从事电力系统运行与稳定㊁新能源发电研究,(Tel)86⁃136****6089(E⁃mail)jinlangao@㊂高金兰,孙永明,薛晓东,刁 楠,侯学才(东北石油大学电气信息工程学院,黑龙江大庆163318)摘要:针对电网运行中能量调度不佳的问题,首先基于需求侧响应不确定性特点,引入非经济因素以及消费心理学特征,建立需求侧响应模型;其次使用拉丁超立方抽样(LHS:Latin Hypercube Sampling)改善初始种群质量,引入正弦因子提高局部搜索能力,并实行变异操作优化全局搜索精度,以解决麻雀算法(SSA:Sparrow Search Algorithm)的早熟等问题;最后需求侧响应以电网运行成本和环境成本最小为目标建立主动配电网优化调度模型,并使用改进的麻雀算法进行求解㊂仿真结果验证了提出模型的准确性,算法的高效性,有效解决了能量调度不佳的问题㊂关键词:需求侧响应;改进麻雀算法;主动配电网;非经济因素中图分类号:TP302;TM734文献标志码:AOptimal Dispatch of Active Distribution Network under Demand Side ResponseGAO Jinlan,SUN Yongming,XUE Xiaodong,DIAO Nan,HOU Xuecai(School of Electrical and Information Engineering,Northeast Petroleum University,Daqing 163318,China)Abstract :Demand side response is an important means of active distribution network optimization scheduling.Aiming at the problem of poor energy scheduling in power grid operation,firstly,based on the uncertainty characteristics of demand side response,introducing non⁃economic factors and characteristics of consumer psychology,the active distribution network optimization is modeled with the minimum power grid operation cost and environmental cost as the objective function;secondly,aiming at the premature problem of sparrow algorithm,latin hypercube sampling is used to improve the initial population quality,sine factor is introduced to improve the local search ability of the algorithm,and mutation operation is implemented to optimize the global search accuracy of the algorithm;finally,the improved sparrow search algorithm is applied to the solution of the active power grid optimization model.The simulation results verify the accuracy of the proposed model and the efficiency of the algorithm,and effectively solve the problem of poor energy scheduling.Key words :demand side response;improved sparrow search algorithm;active distribution network;non⁃economic factors 0 引 言随着电力改革的深入发展,新的电力需求也随之而来㊂对分布式电源广泛接入电网带来的能量调度问题,主动配电网的提出对改善该问题是一个行之有效的手段[1]㊂需求侧响应技术是主动配电网的一种典型调度方式,可通过不同的定价措施以及政策导向引导用户改变用电习惯[2],可协调用户的负荷改善能力,调节整体的峰谷用电曲线,平衡各阶段用电器数量,其经济成本低㊁适用范围广㊂在主动配电网发展迅猛的今天,对需求侧响应技术的研究在改善用电质量㊁提升用户用电体验以及合理调配区域内有限电力资源方面有着重要意义㊂目前,对需求响应有许多学者进行相关研究㊂张智晟等[3]通过对不同时刻的电价信息响应程度进行负荷转移率的求解,将用户消费习惯与需求响应进行有效结合,通过实验证明了需求响应中考虑多种因素的重要性㊂许汉平等[4]主要应用政策激励进行需求响应,以整体能源的利用率㊁经济成本为优化目标,建立多方面调度模型㊂张超等[5]依据电力市场定义下,用电量以及电力价格的线性关系进行需求响应技术实施㊂在忽略储能成本的前提下,进行分布式能源㊁储能㊁电网等大规模功率交互条件下的综合优化㊂艾欣等[6]在直接负荷控制下进行整体的耦合系统优化模型建立,通过实验结果验证了需求响应能进行高低时段负荷调节,可有效缓解高峰时段用电压力,使负荷供需趋于平衡㊂朱超婷等[7]通过对电价弹性矩阵的建立进行负荷需求模拟,考虑用电量交互㊁需求响应成本等建立电网成本最低优化目标㊂上述研究并未考虑价格型响应在经济因素以外的影响,以及多种响应协调优化的情况㊂笔者在上述研究的基础上,引入非经济因素影响的电价型响应,以及攀比心理㊁从众心理影响的激励型响应,建立以经济㊁环境成本最小为目标的主动配电网优化模型㊂为精确求解模型,提出一种改进的麻雀算法,在基本算法中加入拉丁超立方抽样㊁正弦因子和变异操作㊂通过IEEE33节点算例,验证了笔者提出的模型和算法的准确性㊂1 需求侧响应1.1 价格型响应在消费心理学的描述中,价格的高低会影响消费者的选择㊂对电价而言,电价的差值大小和浮动范围都会影响需求响应的波动㊂用户的主观意愿在价格的影响下会频繁的改变,具有强烈的不确定性,其行为用曲线表示会有相应的上下限,定义为乐观曲线与悲观曲线[3],以不同时段的价格变化为基础,对应相应的负荷变化率,利用Logistic函数对负荷转移率进行描述如下:λpv(Δp pv)=a1+e-(Δp pv-c)/μ+b,(1)其中a为限制变化范围值;b为可变化参数;c为电价近似中间值;μ为调节参数;λpv为电价响应负荷转移率,Δp pv为电价差值㊂对不同响应区用户行为特征的负荷转移如下:λzpv=λmax pv+λmin pv2,0≤Δp pv≤a pv,λmin pv+λmaxpv+λmin pv2(1+m),a pv≤Δp pv≤b pv,λmax pv,Δp pv≥b pvìîíïïïïïï,(2)m=Δp pv-a pvb pv-a pv,(3)其中a pv㊁b pv分别为不同电价差分段点;λzpv为负荷峰谷转移率;λmax pv为最大峰谷转移率;λmin pv为最小峰谷转移率㊂同理,分别求出峰转平㊁平转谷的实际负荷转移率λzpf㊁λzfv㊂在需求侧响应过程中,用户并不只会从价格差值方面改变负荷大小㊂上述模型只能表示用户受经济因素影响进行相应决策,而实际电网运行过程中用户所面临的影响远远不止经济因素一种㊂在实际过程中,用户在价格差异的刺激下想要进行负荷转移,但存在由于条件限制没办法完成此操作的情况,如后续时间段有其他任务无法在当前时间段转移负荷,即各种非经济因素导致的约束㊂为符合实际负荷转移情况,笔者提出非经济因素影响的负荷转移曲线,并引入心理学特征,实际负荷转移曲线类似于倒S型曲线,其负荷转移概率(λfz)与非经济因素(f)关系如图1所示㊂图1可用公式表示为λfz=h(1+e1-l/f)-1,(4)其中h为基础系数;l为条件系数㊂802吉林大学学报(信息科学版)第41卷图1 负荷转移概率曲线Fig.1 Load transfer probability curve 综合考虑经济因素以及非经济因素对负荷转移概率的影响,可得用户响应的转移量Q t =-λzpf L p λfz -λzpv L p λfz ,t ∈T p ,λzpf L p λfz -λzfv L f λfz ,t ∈T f ,λzpv L p λfz +λzfv L f λfz,t ∈T v ìîíïïïï㊂(5)以及转移后负荷总量L t =L 0+Q t ,(6)其中λzpf 为峰转平时段转移率;λzfv 为平转谷时段转移率;L p ㊁L f 分别为峰㊁平时段原始平均负荷;T p ㊁T f ㊁T v 分别为峰㊁平㊁谷3时段,L 0为电价响应前负荷㊂1.2 激励型需求响应直接负荷控制(DLC:Direct Load Control)㊁可中断负荷(IL:Interruptible Load)激励响应适应条件简洁,应用较为广泛㊂二者均是与电力公司或电网管理部门提前签署的负荷控制协议㊂前者相对后者协议的自由度更高,并且没有IL 在不按照协议规定动作时的违约惩罚政策㊂1.2.1 直接负荷控制为在储能设备应用频繁的情况下充分发挥其双向交互的优势[8],签订DLC 协议的用户在满足基本的协议容量要求下,可在一定限度内通过储能设备人为增减响应程度㊂传统的激励型响应并未考虑人本身的不确定因素,为此笔者引入心理学中攀比心理以及从众心理因素,即在同一区域内用户签订相应供电协议后,会根据其他参与协议人数的变化在约定改变负荷期间进行相应变化㊂结合响应人群的心理特点,构建响应模型如下:D DLC =∑24t =1D DLC t +∑24t =1(E +t +E -t )α,(7)其中D DLC t 为DLC 协议响应量;D DLC 为响应后负荷;E +t ,E -t 为不同时间段增减负荷大小;α为响应系数㊂1.2.2 中断负荷在IL 规划中考虑违约协议部分,并依据上述心理学因素,在DLC 响应量变化时IL 也会随之变化,二者协同作用,建立中断负荷情况下的负荷响应模型如下:Q IL =∑24t =1(P IL,t -P wx,t ),P IL,t =rP wx,t {,(8)其中P IL,t 为IL 协议响应量;P wx,t 为中断响应未响应负荷;r 为违约响应系数㊂2 考虑需求侧响应的主动配电网优化模型2.1 目标函数目标函数包括经济与环境成本两部分,经济成本主要为储能维护㊁新能源发电㊁需求侧响应补偿和网络损耗成本,表达式为F 1=min ∑24t =1P x ,t C pvq +∑24t =1P bat,t C cn +∑24t =1P grid,t C g,t +B MG +B DLC +B IL +B []loss ,(9)其中P x ,t ㊁P bat,t ㊁P grid,t 分别为新能源出力㊁储能出力㊁向上级电网购电量;C pvq ㊁C cn ㊁C g,t 为相应成本系数;B DLC 为DLC 成本;B IL 为IL 成本;B loss 为网损成本;B MG 为燃气轮机运行成本㊂新能源设备出力情况:P x ,t =P pv,t +P wind,t ,(10)其中P pv,t ㊁P wind,t 分别为光伏㊁风机发电功率㊂燃气轮机运行成本:902第2期高金兰,等:需求侧响应下主动配电网优化调度B MG =∑24t =1P MG,t ηMG L p gas ,(11)其中ηMG 为效率;L 为热值;p gas 为气价;P MG,t 是燃气轮机功率㊂需求侧响应成本:B DLC =∑24t =1C DLCD DLC t +∑24t =1(E +t d +t +E -t d -t )α,(12)B IL =∑24t =1(C IL P IL,t -C wx P wx,t ),(13)其中C DLC 为DLC 补偿价格;d +t ㊁d -t 为增减负荷价格;C IL ㊁C wx 为IL 补偿价格㊁惩罚价格㊂网损成本:B loss =∑24t =1C g,t ∑Nj =1u j ,t ∑k ∈Ωj u k ,t G jk cos δjk ,t ,(14)其中N 为节点总数;u j ,t ㊁u k ,t 为t 时刻节点j ㊁k 电压幅值;G jk 为节点j ㊁k 间电导;Ωj 为以节点j 为首节点的尾节点集合;δjk ,t 为t 时刻节点j ㊁k 间电压相角差㊂环境成本即污染物处理成本最低,表达式为F 2=min ∑24t =1P grid,t W g C 1+∑24t =1P MG,t W MG C []2,(15)其中W g ㊁W MG 分别为向上级购买电量产生的污染物系数㊁燃气轮机污染系数;C 1㊁C 2为成本系数㊂2.2 动态权重调整主动配电网优化目标包括经济和环境成本两方面,可采用引入动态权重因子对综合成本进行实时优化[9]㊂对整个周期相同时间范围内的成本函数进行归一化处理,即可得到F 1(t )㊁F 2(t ),通过动态权重因子进行实时优化得到总目标函数:min f =∑24t =1[xF 1(t )+yF 2(t )],x =c 1+c 2F 1(t ),y =1-x ìîíïïïï,(16)其中x 为经济权重系数;y 为环境权重系数;c 1㊁c 2为变化因子㊂2.3 约束条件功率平衡约束为P MG +P pv +P wind +P bat +P grid =P load +P loss +P DR ,(17)其中P MG ㊁P pv ㊁P wind ㊁P bat ㊁P grid ㊁P load ㊁P loss ㊁P DR 分别为燃气轮机㊁光伏㊁风机㊁储能㊁上级电网传输㊁初始负荷㊁网损和需求响应功率㊂储能运行约束为E bat,t =E bat,t -1+(P c,t ηc -P d,t ηd )Δt ,(18)E min bat ≤E bat ≤E max bat ,(19)其中E max bat ㊁E min bat 分别为储能元件最大最小储量;E bat,t 为当前时刻储能元件储量;E bat,t -1为储能元件上一时刻余量;ηc ,ηd 分别为充放电效率;P c,t ㊁P d,t 分别为充放电功率㊂燃气轮机约束为P min ≤P MG ≤P max ,(20)其中P min ,P max 分别为燃气轮机出力上下限㊂除上述约束外,其他诸如节点电压约束等如文献[7]所描述㊂3 模型求解3.1 原始麻雀算法麻雀算法(SSA:Sparrow Search Algorithm)是对麻雀种群觅食过程中发生的一系列行为的分步012吉林大学学报(信息科学版)第41卷分析[10],具体原理如下㊂发现者位置更新:X t+1i,d=X t i,d exp-iαT()max,R2<S,X t i,d+Q L,R2≥Sìîíïïï,(21)其中X t i,d为第i只麻雀d维位置;T max为迭代次数上限值;α∈(0,1]为随机数;R2㊁S分别为危险值和正常值;Q为随机数;L为1×D的矩阵㊂跟随者位置更新:X t+1i,d=Q exp X t W i,d-X t i,diæèçöø÷2,i>n2,X t bi,d+X tb i,d-X t i,d A+L,其他ìîíïïïï,(22)其中X t Wi,d 为最差位置;X t bi,d为最好位置;A+=A T(A T A)-1,A为全为1或-1的矩阵㊂预警者位置更新:X t+1i,d=X t i,d+βX ti,d-X b t i,d,X t i,d+K X t i,d-X W t i,d(f i-f w)+æèçöø÷ε,ìîíïïïï(23)其中β为(0,1)的正态分布随机数;K为[-1,1]的随机数;f i为当前个体适应度;f g为最优个体适应度;f w为最差个体适应度㊂3.2 改进算法3.2.1 改善初始种群对智能算法,初始种群较差会对算法寻优过程产生一定负面影响,为避免由于初始种群造成局部最优现象,采用拉丁超立方抽样产生初始种群,具体步骤如下:1)确定一个初始种群规模T;2)将每一维量的可行区域分割成T个长度均一的区域,即H n个超立方体;3)建立矩阵B(H×n),其每行即为一个被抽到的超立方体;4)在不同抽中的超立方体中随机得到样本,即为初始种群的值㊂3.2.2 引入正弦权重系数为避免麻雀算法早熟现象,先引入粒子群算法的粒子移动概念,将跳跃到最优解的方式变为正常移动,并去除向原点收敛操作㊂再引入正弦变化的权重系数,具体如下㊂发现者:X t+1i,d=X t i,d(1+Q),R2<S,ωX t i,d+Q,R2≥S{㊂(24) 跟随者:X t+1i,d=ωX tb i,d+1D∑D d=1(K(X t b i,d-X t i,d))㊂(25) 权重系数:ω=ωmin+ωmax+ωmin2sinπt t()max,(26)其中ωmax为权重峰值;ωmin为权重谷值;t为当前迭代次数;t max为迭代次数峰值㊂对预警者改变跟随方式:X t+1i,d=X t i,d+β(X t i,d-X t bi,d),f i≠f g,X t i,d+β(X t Wi,d-X t bi,d),f i=f g{㊂(27)112第2期高金兰,等:需求侧响应下主动配电网优化调度3.2.3 变异操作变异操作能在一定程度上改善个体均一性,提升整体寻优效果[11⁃12]㊂在算法流程中引入变异概念对当前适应度最差的10%个体进行替换,并且按照自然进化的方式对变异概率进行合理变化,以平衡寻优进程,变异过程和概率为X new i ,d =X now i ,d +p m X now i ,d ,(28)p m =p max -∑N i =1(f i -f avg )2N p ,(29)其中X new i ,d 为变异后个体;X now i ,d 为变异前个体;P max 为变异频率上限;f i ㊁f avg 分别为个体的适应度㊁种群中所有个体的平均适应度;p 为变异频率调节参数㊂3.3 基于改进SSA 的主动配电网优化调度求解步骤依据主动配电网优化调度模型选取合适控制变量,麻雀个体位置的优劣代表目标函数的优化程度㊂通过麻雀群体避让天敌的行为进行位置更新,迭代到最优位置,即最佳优化调度结果,其流程图如图2所示,具体步骤如下:Step 1 输入主动配电网参数,包括新能源㊁储能设备等出力大小和负荷大小,以及分时电价㊁补偿价格等;Step 2 设置改进麻雀算法的初始数据,即迭代次数㊁权重系数㊁种群大小和变异概率等;Step 3 采用LHS 初始麻雀种群;Step 4 进行改进麻雀算法操作,根据粒子移动概念进行发现者㊁跟随者位置更新;在全维度进行警戒者位置更新;Step 5 判断是否进行终止操作,是则输出最优结果;Step 6 未达到截至条件,进行变异操作,将部分劣等个体进行变异,替代变异前个体,重新返回Step4进行循环,直至达到截至条件㊂图2 主动配电网优化调度流程图Fig.2 Optimal dispatching flow chart of active distribution network 4 算例分析4.1 仿真参数笔者采用修改后的IEEE33节点系统(见图3)验证整体模型的效果㊂节点17㊁18㊁24㊁25接入价格响应负荷;节点30㊁31㊁32接入激励响应用户;光伏接入节点15;风机接入节点4;燃气轮机接入节点21;储能设备接入节点23㊂DLC 补偿成本为0.3元/(kW㊃h),IL 的补偿成本为0.5元/(kW㊃h)㊂24h 的风光出力㊁负荷情况如图4所示,需求侧模型参数设置㊁区域内电价划分方式参照文献[13]㊂储能设备允许的SOC(State Of Charg)波动为0.2~0.9;燃气轮机的效率为0.85;光伏风机的维护成本为0.3元/(kW㊃h)㊂212吉林大学学报(信息科学版)第41卷图3 改进IEEE33节点图Fig.3 Improved IEE33node diagram 图4 主动配电网新能源出力、负荷曲线Fig.4 New energy output and load curve of active distribution network 4.2 仿真分析设置4种场景㊂场景1:电网不执行需求响应及优化㊂场景2:电网执行价格型需求响应㊂场景3:电网执行激励型需求响应㊂场景4:电网执行多种需求响应㊂场景1㊁4的总体调度情况如图5所示㊂图5 不同场景主动配电网优化调度图Fig.5 Optimal dispatching diagram of active distribution network in different scenarios 场景1中,在夜间时段以及用电器数量增加时,储能装置进行放电调节,在用电器数量减少以及新能源出力充足时进行充电调节,充分发挥其高发低储作用㊂燃气轮机在新能源出力不足及负荷升高时进行出力,减少相应的购电功率㊂在场景4中,需求侧响应技术的加入,在负荷高峰8⁃14h㊁20⁃23h 负荷相应减少,且部分负荷转移到1⁃6h㊂由于考虑环境成本以及动态优化条件,所以燃气轮机出力减少㊂对比场景1,场景4仅在20h㊁21h 燃气轮机工作㊂由图5可知,笔者提出的模型可有效调节不同阶段设备出力情况,合理实现一个周期内的总体调度㊂大电网㊁新能源发电以及储能设备协同作用,对区域内进行整体负荷供电㊂不同情况下需求侧响应前后负荷对比如图6㊁图7所示㊂可以看出3种情况均有削峰填谷效果,单一的需求响应在削峰填谷综合方面都有一定局限性㊂312第2期高金兰,等:需求侧响应下主动配电网优化调度图6 单一需求侧响应负荷变化曲线Fig.6 Response load curve of single demandside 图7 多种需求侧响应负荷变化曲线Fig.7 Response load change curves of multiple demand side 价格型响应下,7⁃11h 负荷减少约5%,12⁃14h几乎无变化,夜晚峰时段负荷减少约3%,谷时段1⁃7h 负荷提升3.3%㊂激励型响应下,夜晚峰时段负荷减少约5%,7⁃11h 几乎无变化,谷时段1⁃7h 负荷无升高㊂而综合两种响应模式所得结果在峰谷时段优于单一模式,峰时段均有5%以上负荷削减量,低谷时段负荷也有序上升㊂不同情况下的综合成本值如表1所示,与不进行需求侧响应相比,单一型需求响应以及多种需求响应结合可以通过响应措施进行负荷改变,使成本降低10%~20%㊂相比于场景1,场景4成本减少1242元,可有效降低整体的综合成本㊂表1 不同场景下成本情况 Tab.1 Cost under different scenarios 元场景1234经济成本4050.53791.83797.73109.6环境成本1756.31532.31425.11355.2总成本5706.85324.15222.84464.8 在调度周期内经济㊁环境权重变化情况如图8所示㊂在1⁃9h 经济权重递增趋势较大,从0.33递增到0.359,减少相应经济成本;17⁃21h 环境权重上升,对污染排放加以限制㊂对动态权重在一个调度周期内进行不间断调节,以减少整体成本㊂图8 动态权重变化图Fig.8 Dynamic weight change diagram 笔者分别采用灰狼优化算法(GWO:Grey Wolf Optimizer)㊁原始麻雀算法㊁鲸鱼优化算法412吉林大学学报(信息科学版)第41卷 图9 算法对比图 Fig.9 Algorithm comparison (WOA:Whale Optimization Algorithm)以及笔者的改进麻雀算法进行主动配电网优化,对比结果如图9所示㊂从图9中可看出,改进SSA 在整体迭代过程中稍优于其他算法㊂LHS㊁引入正弦权重㊁变异操作让算法中麻雀个体具备初始优势,在前期可达到较高的收敛速度;变异㊁正弦权重的引入可让其具备更好的全局寻优能力㊂对比发现,GWO 与WOA 前期收敛能力不强,原始SSA 的寻优速度与改进SSA 较为接近,但改进SSA 寻优精度更高㊂5 结 论笔者在考虑多种因素影响需求响应的基础上,构建主动配电网优化模型,采用改进麻雀算法进行求解,通过IEEE33算例进行仿真验证,证明了笔者模型㊁算法的准确性,结论如下:1)笔者提出的模型可有效实现主动配电网的优化调度,当需求响应加入运行时,可与其他设备进行协同优化,增加削峰填谷效果,配合动态权重因子的实时优化,可降低电网的整体成本;2)采用LHS㊁正弦因子㊁变异策略改进麻雀算法,可改善种群丰富程度,提高算法的收敛效果,与WOA㊁GWO㊁SSA 算法相比,改进的麻雀算法可以更好地进行主动配电网优化调度,有效降低综合成本㊂参考文献:[1]吕智林,廖庞思,杨啸.计及需求侧响应的光伏微网群与主动配电网双层优化[J].电力系统及其自动化学报,2021,33(8):70⁃78.LÜZ L,LIAO P S,YANG X.Bi⁃Level Optimization of Photovoltaic Microgrid Group and Active Distribution Network Considering Demand Side Response [J].Journal of Power System and Automation,2021,33(8):70⁃78.[2]刘伟,王俊,龚成生,等.基于激励机制的家庭能量系统优化策略研究[J].吉林大学学报(信息科学版),2021,39(5):525⁃530.LIU W,WANG J,GONG C S,et al.Research on Optimization Strategy of Family Energy System Based on IncentiveMechanism [J].Journal of Jilin University (Information Science Edition),2021,39(5):525⁃530.[3]张智晟,于道林.考虑需求响应综合影响因素的RBF⁃NN 短期负荷预测模型[J].中国电机工程学报,2018,38(6):1631⁃1638,1899.ZHANG Z S,YU D L.RBF⁃NN Short⁃Term Load Forecasting Model Considering Comprehensive Influencing Factors of Demand Response [J].Chinese Journal of Electrical Engineering,2018,38(6):1631⁃1638,1899.[4]许汉平,李姚旺,苗世洪,等.考虑可再生能源消纳效益的电力系统 源⁃荷⁃储”协调互动优化调度策略[J].电力系统保护与控制,2017,45(17):18⁃25.XU H P,LI Y W,MIAO S H,et al.Power System Source Load Storage”Coordinated Interactive Optimal Dispatching Strategy Considering Renewable Energy Consumption Benefits [J ].Power System Protection and Control,2017,45(17):18⁃25.[5]张超,左高,腾振山,等.基于需求侧响应的配电网优化调度研究[J].智慧电力,2020,48(2):53⁃57,91.ZHANG C,ZUO G,TENG Z S,et al.Research on Optimal Dispatching of Distribution Network Based on Demand SideResponse [J].Smart Power,2020,48(2):53⁃57,91.[6]艾欣,陈政琦,孙英云,等.基于需求响应的电⁃热⁃气耦合系统综合直接负荷控制协调优化研究[J].电网技术,2019,43(4):1160⁃1171.AI X,CHEN Z Q,SUN Y Y,et al.Research on Coordinated Optimization of Integrated Direct Load Control of Electric Thermal Pneumatic Coupling System Based on Demand Response [J].Power Grid Technology,2019,43(4):1160⁃1171.[7]朱超婷,杨玲君,崔一铂,等.考虑需求响应用户参与度的主动配电网优化调度[J /OL].电测与仪表:1⁃9[2022⁃06⁃08].https:∥ /kcms /detail /23.1202.TH.20201217.1641.003.html.512第2期高金兰,等:需求侧响应下主动配电网优化调度612吉林大学学报(信息科学版)第41卷ZHU C T,YANG L J,CUI Y B,et al.Optimal Dispatching of Active Distribution Network Considering Demand Response and User Participation[J/OL].Electric Measurement and Instrument:1⁃9[2022⁃06⁃08].https:∥/kcms/detail/ 23.1202.TH.20201217.1641.003.html.[8]范宏,邓剑.不确定性的激励型需求响应对配电网可靠性的影响[J].现代电力,2020,37(4):416⁃424. FAN H,DENG J.Influence of Uncertain Incentive Demand Response on Distribution Network Reliability[J].Modern Power, 2020,37(4):416⁃424.[9]杨雪.计及柔性负荷的多时间尺度主动配电网优化调度研究[D].北京:北京交通大学电气工程学院,2018. YANG X.Research on Optimal Dispatch of Multi⁃Time Scale Active Distribution Network Considering Flexible Load[D]. Beijing:School of Electrical Engineering,Beijing Jiaotong University,2018.[10]薛建凯.一种新型的群智能优化技术的研究与应用[D].上海:东华大学信息科学与技术学院,2020.XUE J K.Research and Application of a New Swarm Intelligence Optimization Technology[D].Shanghai:College of Information Science and Technology,Donghua University,2020.[11]黄治翰,汪晗,李启迪,等.基于改进遗传算法的主动配电网经济优化调度[J].山东电力技术,2021,48(10): 12⁃16,65.HUANG Z H,WANG H,LI Q D,et al.Economic Optimal Dispatch of Active Distribution Network Based on Improved Genetic Algorithm[J].Shandong Electric Power Technology,2021,48(10):12⁃16,65.[12]王彦琦,张强,朱刘涛,等.基于改进鲸鱼优化算法的GBDT回归预测模型[J].吉林大学学报(理学版),2022,60 (2):401⁃408.WANG Y Q,ZHANG Q,ZHU L T,et al.GBDT Regression Prediction Model Based on Improved Whale Optimization Algorithm[J].Journal of Jilin University(Science Edition),2022,60(2):401⁃408.[13]徐青山,曾艾东,王凯,等.基于Hessian内点法的微型能源网日前冷热电联供经济优化调度[J].电网技术,2016, 40(6):1657⁃1665.XU Q S,ZENG A D,WANG K,et al.Hessian Interior Point Method Based Economic Optimal Dispatch of Day Ahead Combined Cooling,Heating and Power Generation in Micro Energy Network[J].Power Grid Technology,2016,40(6): 1657⁃1665.(责任编辑:刘俏亮)。