售电公司代理用户参与市场如何在兼顾售用双方利益的前提下完成家庭负荷管理决策？

2019-04-23 15:41:00 电网技术　点击量：评论 (0)

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

通过计算对应响应程度的电价峰谷比发现,电价峰谷比与响应程度之间的曲线关系如图10所示。图10的曲线说明：响应程度的越大,代表更多用户选择在动态电价下积极响应,售电公司会因此增大电价峰谷差从而使自身效益最大化。另一方面,电价峰谷差异增大,对用户而言适当推迟使用时间来达到节省费用的诱惑度就越大,较大的峰谷比会促使更多用户在动态电价作用下积极响应[21],进一步体现了售用双方相互影响、相互制约的关系。

同时由于动态电价的灵活特性符合用户日常用电需求,非响应群体用电费用也随响应程度得到了减少。

2）购电量比例值对售电公司的影响。

根据表3数据可以看出,售电公司收益随着响应程度增加略微下降,这是因为在做响应程度对比数据时,对于售电公司的日前购电量并未根据用户

售电公司代理用户参与市场如何在兼顾售用双方利益的前提下完成家庭负荷管理决策？

负荷水平作出调整。实际决策中,由于响应程度的变动对实时用电负荷曲线的改变,售电公司也会对于日前购电量作出相应调整,以减少日前购电和实时用电量产生不平衡量以后造成的经济损失。

结合图11和响应程度变化调整售电公司购电量,代入模型进行优化计算后,得到售电公司的收益分别为：d=25%时,收益为8034.12元;d=75%时,收益为9076.45元;d=100%时,收益为9869.01元。可以清晰地观察到,配合投标曲线后,售电公司收益在居民用户响应程度增加以后,得到了显著提高。这说明了本文提出的双层优化模型实现了用售双方利益的双赢,并为用户侧提供了清晰的调度安排,给售电公司提供了电价制定和购电策略。

图11 各响应程度下的投标曲线Fig. 11 Bidding curves in different degree of demand response

6 结论

本文提出的价格DR激励下家庭柔性负荷管理和售电公司售电决策的双层优化模型,经仿真结果表明,通过安排家庭部分柔性负荷启动时间和为售电公司制定灵活的实时销售电价,能够在家庭用电费用最省的同时保证售电公司利益最大化。在算例分析中可以得到以下结论：

1）本模型通过时间延迟对负荷进行管理能够改善总体负荷曲线,达到一定程度的削峰效果。随响应程度的增加,削峰效果增强。

2）响应程度和动态电价峰谷比息息相关。通过多组响应程度下电价对比可以发现,响应程度和电价峰谷比成正比关系。动态电价是引导用户改变用电行为的激励,电价峰谷比相差越大,对用户激励越强,更多用户会选择接受制定的用电计划。

3）日前购电量与响应程度有一定关系,响应程度代表用户参与DR的比例,间接体现了实际用电需求。结合响应程度对负荷的削峰效果可以调整日前购电量,以降低售电公司购电成本。

灵活的动态电价的定制不仅能够促使用户积极进行需求响应,还能让售电公司在竞争激烈的电力市场上得到更多用户的青睐,提高其竞争能力。但本文考虑的可时移负荷种类较少,缺乏对更多大功率家用设备的进一步建模。由于本文是日前优化,对于实时市场的数据多采用预测的手法进行仿真,结果会与实际有一定误差,此后研究会针对误差做出改进。

参考文献

[1]PipattanasompronM,KuzluM,RahmanS.An algorithm for intelligent home energy management and demand response analysis[J].IEEE Trans on Smart Grid,2012,3(4):2166-2173.

[2]王德志,张孝顺,余涛,等.基于帕累托纳什均衡博弈的电网/多元家庭用户互动多目标优化算法[J].电力自动化设备,2017,37(5):114-128.WangDezhi,ZhangXiaoshun,YuTao,et al.Multi-objective optimization algorithm based on Pareto curve and Nash equilibrium game for interaction between grid and multi-home user[J].Electric Power Automation Equipment,2017,37(5):114-128(in Chinese).

[3]Alahmad MA,Wheeler PG,SchwerA,et al.A comparative study of three feedback devices for residential real-time energy monitoring[J].IEEE Trans on Industrial Electronics,2012,59(4):2002-2013.

[4]KumaraguruparanN,SivaramakrishnanH,Sapatnekar SS.Residential task scheduling under dynamic pricing using the multiple knapsack method[C]∥Proceedings of the 2012 IEEE PES Innovative Smart Grid Technologies Conference Europe.Gothenburg,Sweden,2012:1-6.

[5]孙毅,周晋宇,李彬,等.基于启动时间延迟的家庭负荷管理优化策略[J].电力自动化设备,2017,37(2):83-89.SunYi,ZhouJinyu,LiBin,et al.Optimization strategy based on start- time delay for domestic load management[J].Electric Power Automation Equipment,2017,37(2):83-89(in Chinese).

[6]陆俊,彭文昊,朱炎平,等.基于粒子校正优化的智能小区需求响应调度策略[J].电网技术,2017,41(7):2370-2377.LuJun,PengWenhao,ZhuYanping,et al.A scheduling strategy based on particle correction for intelligent power demand response[J].Power System Technology,2017,41(7):2370-2377(in Chinese).

[7]付蔚,敬章浩,罗志勇,等.基于分时电价的智能家电控制方案[J].电网技术,2015,39(3):717-723.FuWei,JingZhanghao,LuoZhiyong,et al.A time-of-use pricing based control scheme for intelligent household appliances[J].Power System Technology,2015,39(3):717-723(in Chinese).

[8]张延宇,曾鹏,臧传治.智能电网环境下家庭能源管理系统优化调度算法[J].电力系统保护与控制,2016,44(2):18-26.ZhangYanyu,ZengPeng,ZangChuanzhi.A scheduling algorithm for home energy management system in smart grid[J].Power System Protection and Control,2016,44(2):18-26(in Chinese).

[9]国家发改委.关于推进售电侧改革的实施意见[Z].2016.

[10]顾伟,任佳依,高君,等.含分布式电源和可调负荷的售电公司优化调度模型[J].电力系统自动化,2017,41(14):37-44.GuWei,RenJiayi,GaoJun,et al.Optimal dispatching model of electricity retailers considering distributed generator and adjustable load[J].Automation of Electric Power Systems,2017,41(14):37-44(in Chinese).

[11]罗琴,宋依群.售电市场环境下计及可中断负荷的营销策略[J].电力系统自动化,2015,39(17):134-139.LuoQin,SongYiqun.Marketing strategy in competitive retail market considering interruptible load[J].Automation of Electric Power Systems,2015,39(17):134-139(in Chinese).

[12]任艺,周明,李庚银.考虑用户需求响应的售电公司购售电决策双层模型[J].电力系统自动化,2017,41(14):30-36.RenYi,ZhouMing,LiGengyin.Bi-level model of electricity procurement and sale strategies for electricity retailers considering users’demand response[J].Automation of Electric Power Systems,2017,41(14):30-36(in Chinese).

[13]MengSong,AmelinM.Purchase bidding strategy for a retailer with flexible demands in day-ahead electricity market[J].IEEE Transactions on Power Systems,2017,32(3):1839-1850.

[14]孙川,汪隆君,许海林,等.用户互动负荷模型及其微电网日前经济调度的应用[J].电网技术,2016,40(7):2009-2015.SunChuan,WangLongjun,XuHailin,et al.An interaction load model and its application in microgrid day-ahead economic scheduling[J].Power System Technology,2016,40(7):2009-2015(in Chinese).

[15]童小娇,尹昆,刘亚娟,等.包含可控负荷的微电网经济调度[J].电力自动化设备,2015,35(10):21-28.TongXiaojiao,YinKun,LiuYajuan,et al.Economic dispatch for microgrid with controllable loads[J].Electric Power Automation Equipment,2015,35(10):21-28(in Chinese).

[16]王珂,姚建国,姚良忠,等.电力柔性负荷调度研究综述[J].电力系统自动化,2014,38(20):127-135.WangKe,YaoJianguo,YaoLiangzhong,et al.Survey of research on flexible loads scheduling technologies[J].Automation of Electric Power Systems,2014,38(20):127-135(in Chinese).

[17]Fleten SE,PettersenE.Constructing bidding curves for a price-taking retailer in the Norwegian electricity market[J].IEEE Transactions on Power Systems,2005,20(2):701-708.

[18]王林炎,张粒子,张凡,等.售电公司购售电业务决策与风险评估[J].电力系统自动化,2018,42(1):47-54.WangLinyan,ZhangLizi,ZhangFan,et al.Decision-making and risk assessment of purchasing and selling business for electricity retailers[J].Automation of Electric Power Systems,2018,42(1):47-54(in Chinese).

[19]JeroslowR.The polynomial hierarchy and a simple model for competitive analysis[J].Mathematical Programming,1985,32(2):146-164.

[20]李鹏,何帅,韩鹏飞,等.基于长短期记忆的实时电价条件下智能电网短期负荷预测[J].电网技术,2018,42(12):4045-4052.LiPeng,HeShuai,HanPengfei,et al.Short-term load foreing of smart grid based on long-short-term memory recurrent neural networks in condition of real-time electricity price[J].Power Systems Technology,2018,42(12):4045-4052(in Chinese).

[21]蔡珑,顾洁,金之俭,等.居民用户需求响应行为影响因素辨识与响应特性提取[J].电网技术,2017,41(7):2378-2385.CaiLong,GuJie,JinZhijian,et al.Study on factor identification and feature extraction of residential demand response behavior[J].Power System Technology,2017,41(7):2378-2385(in Chinese).

原标题:售用双方协同优化的家庭柔性负荷管理策略