当前位置：文档之家 › A-多时间尺度协调的源-荷互动调度的模型与策略研究

A-多时间尺度协调的源-荷互动调度的模型与策略研究

  • 格式：pdf
  • 大小：436.66 KB
  • 文档页数：11

下载文档原格式

  / 11

合集下载

一种“源-网-荷-储”协同优化调度模型

一种“源-网-荷-储”协同优化调度模型

一种“源-网-荷-储”协同优化调度模型
王季;陈瑞
【期刊名称】《电气自动化》
【年(卷),期】2022(44)3
【摘要】为在配电网调度中使每种资源的价值最大化,建立一种基于双层模型的“源-网-荷-储”协同的配电网优化调度策略,通过上下层目标的相互配合达到最终优化效果。

首先,主要考虑分布式风电、分布式光伏在调动配电网中的可控负载和储能配合清洁能源出力的优化调度。

其次,以最低年度综合成本为模型的上层优化目标,以负荷变化量最优为下层优化目标,采用实时优化的协调优化策略。

最后,结合遗传随机权重粒子群算法求解优化模型,通过对IEEE 33节点系统进行仿真分析。

仿真结果表明,基于“源-网-荷-储”协同的配电网双层优化模型是一种更有效且更经济的调度模型。

【总页数】4页(P22-24)
【作者】王季;陈瑞
【作者单位】甘肃省机械科学研究院有限责任公司;兰州理工大学电气工程与信息工程学院;甘肃省工业过程先进控制重点实验室
【正文语种】中文
【中图分类】TM734
【相关文献】
1.一种系统整体最优化的“源—网—荷—储”天然气运营模型
2.兼容需求侧资源的“源-网-荷-储”协调优化调度模型
3."源网荷储"协同的园区微电网优化调度
4.电力物联网下分布式状态感知的源网荷储协同调度
5.源网荷储多元协同调度体系研究与实践
因版权原因，仅展示原文概要，查看原文内容请购买。

源网荷储多元协同调度体系研究与实践

源网荷储多元协同调度体系研究与实践

源网荷储多元协同调度体系研究与实践发布时间：2023-01-15T09:06:16.502Z 来源：《中国科技信息》2022年9月17期作者：刘长春杨玲伍志龙[导读] 在新的电力体制下，随着可再生能源发电并网规模的不断扩大和电转气的普及以及电转热的推广刘长春杨玲伍志龙国网喀什供电公司新疆喀什 844000摘要：在新的电力体制下，随着可再生能源发电并网规模的不断扩大和电转气的普及以及电转热的推广，电网中可再生能源发电装机占比逐年增加。

文章从我国电网运行实际出发，结合源网荷储协同调度体系，提出了源网荷储协同调度的体系框架，阐述了源网荷储系统协同调度机制。

源网储能、电转热是电力体制改革的重要内容。

关键词：源网荷储；多元；协同调度体系引言随着可再生能源发电并网规模不断扩大和可再生能源的逐步推广，电网运行方式发生了巨大变化：在传统电网中，由于电源装机规模小而导致电力供应的不确定性大，容易出现“弃风弃光”现象；为了解决“弃风、弃光”问题和促进风电、光伏等低碳化清洁能源消纳问题，国家将可再生能源列入了双碳目标任务中。

1 我国源网荷储协同调度的基本现状近年来，我国不断出台支持储能发展的政策措施，储能产业也取得了长足发展。

目前，储能已广泛应用于调峰调频、需求响应、辅助服务市场交易等领域[1]。

从国家层面来看，国家电网公司正在积极推进智能调度系统建设，加强源网荷储一体化应用。

从地方电网层面来看，各省市积极推进“双碳”目标下源网荷储一体化应用的发展思路，积极探索利用储能参与电力系统调峰调频服务等新业态发展模式。

但是在实践中仍存在一些问题。

2基于多元协同的源网荷储协同调度机制分析为了提高新能源发电的消纳，实现清洁能源电力高比例消纳，促进可再生能源产业健康发展，从源网荷储系统运行角度出发，需要在系统中构建一种能适应电网实际场景的协同调度机制，本文提出了基于多元协同的源网荷/储能协同调度机制。

基于多元协同理论的源网荷协同调度，可以充分发挥储能装置在清洁能源发电和储能设备应用上的优势，实现源网之间、源网荷之间以及荷储之间不同层级系统与设备间的资源互补和优化配置[2]。

适应新型电力系统发展的协同调度理论研究

适应新型电力系统发展的协同调度理论研究

适应新型电力系统发展的协同调度理论研究摘要:从新的电力发展现状出发，阐述了电力调度必须向协作方向发展的必要性。

本文从理论上探讨了在电力系统的协调过程中如何利用协同作用、协作方式来解决不确定问题，从而达到协同调度的目的。

本文主要探讨了利用主动负载来克服源协同调度、源网络结构形式趋同的问题，并对分布自治和整体规划相结合的源协同调度进行了时变建模、算法和实现。

关键词:新型电力系统；协同调度；理论研究前言作为能源利用与转换的主体之一，电力系统(亦称动力系统)必须向绿色、低碳、环保和节能的资源利用可持续化方向发展，这种趋势也促使电力系统的源(源指主动源、被动源、主动载荷和常规载荷，也即驱动或制动的动力部分)和网(网指输电、配电及其源中电的部分，也即制动或驱动的电力部分)呈现分布、多元、关联、互补的新的复杂形态。

在新形态的电力系统中，如何调度与运行控制面临两个突出的矛盾:一是源电力的有功功率平衡中主动的源与被动的源间的矛盾。

化石能源发电(主动电源)发展处于减缓的态势，风、光、水等可再生能源发电(被动电源)迅猛发展，电动汽车，各类储能，可控、可中断柔性负荷等具有主动行为的技术(简称主动负荷)不断涌现，而且呈现分散、分布的发展趋势，使有限的主动电源和主动负荷应对被动电源和常规负荷的过程中必须面对分散式、分布式、强不确定性接纳能力的考验；二是源有功功率平衡的电压支撑中主动的量与被动的量间的矛盾。

在同步电网为根本的基础上，被动电源不仅以集中方式大规模接入输电网，以分布式、微网等分散形式接入配电网，而且发电呈现异步、直流等紧密依赖于同步电网的方式。

系列的、间接有主动行为(灵活补偿与控制，输配元件状态切换)的柔性控制技术不断涌现，使有限的主动电源和柔性控制技术应对强不确定性下满足源电力的有功功率平衡的支撑中必须面对电网电压支撑、电能传输能力的考验。

1、电力系统调度理论研究的进程演变1.1以协调为主导对电力系统调度的问题，自上世纪20年代到90年代期间，电力系统调度理论研究主要是在主动电源、输电网和常规负荷(配电环节通过聚合负荷等值)间展开理论研究与工程实践，研究与实践的目的是超前地做出电力系统运行调度与控制的预期决策，即给出期望的发电计划，以及围绕该计划应对预测误差的与自动发电控制、自动电压控制以及紧急事故情境下衔接的有功功率备用、无功电压支撑的策略。

源-网-荷-储协同调控技术研究

源-网-荷-储协同调控技术研究
coordinated control system of regional cold heat power grid load storage are studied in five aspects to
provide reference for the interaction and coordinated control of source network load storage.
化。新能源送出区域关键断面智能协同调控系统建
图4
源-网-荷-储协同调控紧急防御系统新能源场站层面
建设
设方案如图 6 所示。
2）特高压直流配套电源智能协同调控系统通过
2）源-网-荷-储多资源广域协同调控紧急防御
建设特高压直流配套电源独立控制区，并对控制区
体系建设。将新能源、储能、直流等调节资源广泛纳
内配套火电调峰能力、配套新能源发电能力、断面能
and load storage
LI Jie，SUN Helin，XUN Kaixiang，TIAN Xiaolei，FAN Liang
（State Grid Beijing Electric Power Company，Beijing 100031，China）
Abstract: Based on the research on the coordination and control of source network and load storage，this
作者简介：李 杰（1978—），男，北京人，高级工程师。研究方向：电力系统及自动化。
- 6 -
李 杰，等 源-网-荷-储协同调控技术研究
调 、网 荷 互 动 、源 荷 互 动 等 多 种 交 互 模 式 实 现 柔 性

风光储微网系统多时间尺度模型预测调度策略

风光储微网系统多时间尺度模型预测调度策略

第43卷第6期电子器件Vol.43No.6 2020年12月Chinese Journal of ElccLron Devices Dec.2020Model Predictive Control Based Multiple-Time-Scheduling Strategyfor Wind-pv-es Hybrid System*LIU Xiaoyan1,2*(l.Automated institute of Huaian college of Information Technology,Huaian Jiangsu223003,China；2.The Engineering Technology Research and Development Center of Electronic Products EquipmentManufacturing of Jiangsu Province,Huaian Jiangsu223003 ,China)Abstract:A model predictive conLrol based multiple time scheduling strategy is proposed for Lhe wind-pv-energy storage hybrid system.Fistly,a power generation and load demand forecasting model based on gray GM(1,N)-BP neural network is optimized to improve the accuracy of microgrid dispatch operation.Then,a model predictive control based multiple time scheduling strategy is proposed,this strategy giving full consideration to battery power change during charge and discharge operation,takes the day-ahead dispatch plan as the reference,establishes the prediction model based on the multi-step rolling optimization to achieve accurate correction of microgrid operation scheduling,reduce charge and discharge losses of energy storage devices.Finally,the simulation experiment analysis on the proposed control strategy is carried out in order to verify its effectiveness.It is proved that the predictive model better than the traditional single gray prediction strategy,the multiple time scheduling strategy is able to make full use of clean energy,and ensures the systerh running with high economic eficiency and security.Key words:energy storage;microgrid;multiple-time-scheduling；model predictive controlEEACC：8260；8460doi：10・3969/j・issn・1005-9490・2020・06・019风光储微网系统多时间尺度模型预测调度策略刘晓艳1,2*(1.江苏电子信息职业学院自动化学院，江苏淮安223003；2.江苏电子产品装备制造工程技术研究开发中心，江苏淮安223003)摘要：针对风光储微网系统,建立基于模型预测的多时间尺度微网调度策略。

多时间尺度协调的柔性负荷互动响应调度模型与策略

多时间尺度协调的柔性负荷互动响应调度模型与策略

多时间尺度协调的柔性负荷互动响应调度模型与策略一、本文概述随着全球能源结构的转型和智能电网的快速发展，电力系统正面临着前所未有的挑战和机遇。

传统的电力调度模型主要依赖于刚性负荷，但在可再生能源大规模接入和用户需求多样化的背景下，电力系统的稳定性、经济性和可持续性受到了严重挑战。

因此，如何有效管理和调度柔性负荷，实现多时间尺度的协调互动响应，成为了当前电力系统研究的热点和难点。

本文旨在提出一种多时间尺度协调的柔性负荷互动响应调度模型与策略。

通过对柔性负荷的精确建模和预测，结合电力系统的实际运行需求，构建了一个综合考虑经济、环境和社会效益的优化调度模型。

该模型能够实现在不同时间尺度下，柔性负荷与电力系统的协调互动，提高电力系统的稳定性、经济性和可持续性。

本文首先对柔性负荷的定义、分类及其在电力系统中的作用进行了深入分析和阐述。

在此基础上，提出了一种基于多时间尺度的柔性负荷互动响应调度框架，详细描述了各时间尺度下的调度目标和约束条件。

接着，通过构建优化调度模型，实现了对柔性负荷的精细化管理和调度。

通过算例分析和仿真实验，验证了所提模型和策略的有效性和可行性。

本文的研究不仅为电力系统调度提供了新的思路和方法，也为实现电力系统的可持续发展和能源转型提供了有力支持。

未来，我们将继续深入研究柔性负荷的互动响应特性和调度策略，为构建更加智能、高效、环保的电力系统做出更大贡献。

二、多时间尺度协调调度模型在电力系统中，负荷的调度和管理是一个复杂而关键的任务。

传统的调度模型往往只关注单一的时间尺度，难以应对现代电力系统中负荷的多样性和不确定性。

因此，本文提出了一种多时间尺度协调的柔性负荷互动响应调度模型，旨在更好地平衡电力供需，提高电力系统的稳定性和经济性。

该模型将负荷调度过程分为多个时间尺度，包括短期、中期和长期。

每个时间尺度都有不同的调度目标和策略，以适应不同的负荷特性和市场需求。

在短期时间尺度上，模型主要关注实时负荷的预测和调度，以确保电力系统的稳定运行。

能源互联网“源–网–荷–储”协调优化运营模式及关键技术

基金项目：国家软科学研究计划项目(2012GXS4B064)；国家自然 科学基金资助项目(51277067，71271082)；中央高校基本科研业务费专 项资金资助(2015XS43)。 Project Supported by the National Soft Science Research Plan (Grantno.2012GXS4B064) of China; National Natural Science Foundation of China (Grantno.71271082 and 51277067); the Fundamental Research Funds for the Central Universities (Grantno. 2015XS43).
[4-5]
综上所述，能源互联网的定义应当是：以互联 网技术为基础，以电力系统为中心，将电力系统与 天然气网络、供热网络以及工业、交通、建筑系统 等紧密耦合，横向实现电、气、热、可再生能源等 “多源互补” ，纵向实现“源网荷储”各环节高 度协调，生产和消费双向互动，集中与分布相结合 的能源服务网络。其中“源网荷储”协调优化 模式是能源互联网的关键运营模式。 1.2 能源互联网的主要特征 能源互联网将能源行业与互联网思维、互联网 技术高度融合，其特征主要有以下 4 点： 1）开放。能源互联网在产业层面与技术层面 都具有高度的开放特性，为能源行业与其他行业的 相互融合提供交流媒介，同时具备普适性的接入端 口，能够实现对分布式电源、储能等多种设备的适 应性对接，保证能量与信息的双向流动[17]。 2）互联。一方面，能源互联网能够保证局部 能源设备之间的互联互通，保证分散式能源模块的 内部供需自平衡；另一方面，能源互联网能够保证 分散式能源模块与集中式能源模块之间的互联协 调，发挥两者之间的互补协同作用，有效提高系统 运行的安全性与经济性。 3）对等。能源互联网将改变各能源传统网络 “自上而下”的组织形式，各参与主体即是“生产 者”又是“消费者” ，各能源设备都具备发出与接 收能量及能量信息的能力，在智能化的信息处理和 能量流动过程中，各能量节点都是平等的[18]。 4）分享。能源互联网终端包括大量能源信息 交互设备，这使得能源互联网成为各能量节点、 信息节点之间进行能量流和信息流双向流动的平 台，每个能源节点都有获取数据信息的权限与能 力，这将进一步促进能源资源在广域范围内的优化 配置[19]。

基于样本熵的新能源电力系统净负荷分时段调度_何海


｛Ｗｌ｝＝｛ｗ（１），ｗ（２），…，ｗ（Ｎ ）｝，则 净 负 荷 时 间 序
列为 ｛ＬＮＬ，ｌ ｝＝ ｛ｌＮＬ （１），ｌＮＬ （２），…，ｌＮＬ （Ｎ ）｝，
ｌＮＬ（ｌ）＝ｌＴＲ（ｌ）－ｗ （ｌ），其 相 邻 点 斜 率 如 式 （１）所
示，其中，ｌ＝１，２，…，Ｎ －１，Ｎ 为净负荷总数。
ＳＳｌｏｐｅ（ｌ）＝ｌＮＬ（ｌ＋１）－ｌＮＬ（ｌ）
面对 大 规 模 可 再 生 能 源 并 网 时，机 组 的 爬 坡 能 力是影响净负荷（常 规 负 荷 预 测 值 和 可 再 生 能 源 出
收 稿 日 期 ：２０１８－１２－１８；修 回 日 期 ：２０１９－０５－２７。 上 网 日 期 ：２０１９－０９－２４。 国 家 自 然 科 学 基 金 资 助 项 目 （６１８７３０４８）。
，如
式 （５）所 示 。
Ｒ ＝ Ｓｕｐ ｌ，ｌ＋ｋ
Ｒｌ，ｌ＋ｋ ｍａｘ （ｌＮＬ（ｌ），ｌＮＬ（ｌ＋ｋ））－ ｍｉｎ （ｌＮＬ（ｌ），ｌＮＬ（ｌ＋ｋ））
ｋ＝１，２，… ，Ｎ－ｌ
ｋ＝１，２，… ，Ｎ－ｌ
（５）
通过条件聚类分析中 Ｋ－均值的方式，按照时间
顺
序
，将
ＲＳｕｐ ｌ，ｌ＋ｋ
依
据
大
小
进
行
分
类
。ＲＳｕｐ ｌ，ｌ＋ｋ
相
近
的
数
据划分一个时间段，得到子序列划分时间点ｔｇ ，ｔｇ ∈
Ｔ′，ｇ＝１，２，…，Ｇｇ，Ｔ′为 净 负 荷 子 序 列 划 分 时 间 点
集合，Ｇｇ 为净负荷子序列个数。
１．１．２ 净 负 荷 子 序 列 样 本 熵 计 算
基于净负荷时间序列的数值分析以及子序列的

考虑源荷协同的水风光一体化多时间尺度优化调度研究

0　引言构建以新能源为主体的新型电力系统，推动清洁电力资源大范围优化配置是实现我国“双碳”目标的重要举措[1]。

随着风光等新能源大规模、高比例并网，电力系统受其间歇性、波动性、随机性和通道容量限制等影响加剧[2]，这将导致电能质量和潮流阻塞等问题。

可再生能源发电具有季节性不均和短时波动特征，而径流、风电与光伏互补性较强[3]，风光水互补运行可以有效利用水电的灵活性补偿风光的波动性和间歇性[4，5]。

由于水风光互补改变了水电的调度运行边界，水库原有调度规则将不再适用，协调目标对象更为复杂[6]。

因此，为真正实现水风光的“长期电量补偿、短期电力补偿”，制定考虑多能互补的水库中长期与短期调度决策是解决新能源出力不稳定的有效途径。

此外，我国提出开展“两个一体化”实施意见[7]，强调结合需求侧负荷特性、电源结构和调节能力，充分挖掘新能源消纳能力，确保开发规模与消纳能力匹配，缓解弃电问题。

因此，构建考虑源端多能互补、受端适应电力需求的水库多时间尺度调度决策显得十分重要。

关于水风光一体化系统优化调度方面，国内外专家学者已有许多研究。

在短期互补调度方面，朱燕梅等[8]提出了发电量、出力波动双目标的水光互补短期调度模型，基于改进的出力波动度量方法，提出分阶段波动控制策略，便于光伏规模化接入系统。

张艳华等[9]建立了系统余留负荷均方差最小的梯级水风光电站联合调峰短期调度模型，分析了联合调度的短期调峰能力、梯级短期调度运行产生的影响。

李杨等[10]提出了输电容量限制的梯级水光互补联合发电系统日前鲁棒调峰优化调度方法，考虑梯级水电上、下游水力耦合和机组运行约束，实现了梯级水光互补运行。

上述研究主要针对水风光短期互补策略，虽考虑了短期风光波动性的影响，但缺乏互补系统的中长期运行决策指导，进而难以兼顾系统的长远效益，而水风光互补长期协调需考虑长、短期多尺度耦合调度问题[4]。

在长、短期多尺度耦合调度方面，谭乔凤等[11]研究了大规模风光接入背景下梯级水电站在长期、日前和实时尺度上的调度方式，系统评估了互补调度效益和风险。

智能配电网调度网源荷互动场景及架构研究

智能配电网调度网源荷互动场景及架构研究摘要：智能配电网相比于传统配电网在运行安全性、可靠性、经济性、优质性等方面的要求都大大提高。

随着分布式电源及电动汽车等多样性负荷的接入，传统配电网调度已不能满足智能配电网发展的要求。

本文以包含分布式电源、电动汽车充换电站、微电网等元素的新型配电网为研究对象，分析其长期-中长期-短期等不同时间尺度下的互动场景及源网荷互动条件下智能配电网调度互动框架，为推进智能配电网调度提供参考。

关键词：智能配电网、源网荷互动、互动场景、智能调度引言随着智能电网建设的推进，大量用户侧分布式电源、微电网、电动汽车充换电设施等新元素接入配电系统[1]，对配电网的网架结构提出了更高的要求：理想的配电网网架应当在满足工商业楼宇用户、居民小区用户、中小工业用户等多种传统用户用电需求的基础上，能够适应分布式电源等设备的接入和运行需求；通过网源荷之间的灵活互动等策略，实现配电网整体长期高效运行。

但是，受制于多方面原因，接入配电网中的新元素中，光伏电源提供绿色清洁能源，但是其出力与光照相关，具有随机性；基于电价的需求响应项目的执行效果具有较大的不确定性[2-3]。

源网荷互动是多方行为，每个对象都可能根据其他对象的行为并根据自身的目标做出相应的改变，一、网源荷互动场景分析针对当前智能配电网所处的环境，本文梳理了基于供电公司、供售电代理和电力用户的智能配电网调度互动主体间互动关系框架，该调度互动框架涉及多种调度场景，从以年度时间尺度跨度的长期调度到月度时间尺度的中长期调度和一天为时间尺度的日前调度都需要开展网、源、荷三侧可调度资源的互动。

二、中长时间尺度互动场景分析目前，中长期配电网运行方式仅简单考虑夏季负荷的变化，没有考虑工作日与节假日负荷的周期规律性变化，并且常态运行方式（一般负荷和迎峰度夏负荷）作为长期调度来考虑，制定运行方式时未考虑检修计划，运行方式比较固定，未综合考虑检修方式、负荷平衡和保电方式的需求进行运行方式的改变，更没有考虑储能装置、电动汽车充放电设施的影响和作用。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2013 电力系统自动化专委会学术交流研讨会论文集
运行的经济性和安全性；文献[21]基于风电预测误差随时间尺度的缩短而逐步减小的特性，以及为应 对风电不确定性而增加的旋转备用为小概率备用需求的特点，提出了多级机组组合制定策略，以在 保证系统供电可靠性的前提下降低发电成本。
未来电网运行控制将改变传统的“发电跟踪负荷”的思路，将传统的发电调度改变为“源荷双 侧调度”，即全面实现“源-网-荷”柔性互动[4]。在电源、负荷与电网三者间通过源源互补、源网协 调、网荷互动和源荷互动等多种交互形式，实现更经济、高效和安全地提高电力系统功率动态平衡 能力的目标。基于这一思路，本文提出源-荷互动调度，是指通过电源侧和负荷侧的良性有序互动， 实现可再生能源优化利用。与自发的无序互动不同，这种互动完全是一种有序的，良性的，是在追 求电网调度的总体目标并遵循相关原则下实施的调度。负荷侧的储能、电动汽车等可控负荷参与电 网有功调节，电力用户中的工业负荷、商业负荷以及居民生活负荷中的空调、冰箱等作为需求侧资 源能够实时响应电网需求并参与电力供需平衡，通过有效的管理机制，柔性负荷将能够成为平抑间 歇性能源功率波动的重要手段。本文给出了源-荷互动调度的整体技术框架，建立了源-荷互动调度模 型，研究提出了源-荷互动调度策略，并进行了仿真验证。
iEX _ T 0 max
(4)
D ≤ D ≤ D iP _ T 0 min
iP _ T 0
iP _ T 0 max
(5)
D ≤ D ≤ D other _ T 0 min
other _ T 0
other _ T 0 max
(6)
式中△DVk_T0 为代理 k 分配的功率调整总量；△DiPk_T0、△DiEXk_T0 分别为代理内部电价型 负荷和激励型负荷的功率调整总量。解上述模型后，可以得到代理内部电价型负荷和激励型负荷的 功率调整总量，进而可以得到代理内激励型负荷的激励大小和电价型负荷的电价变化量。
日内 15min 负荷调控和实时负荷调控，总体架构如图 1 所示。
发电机组
风电
DGE
F(μ0,σ0)
F(μ1,σ1)
F(μ2,σ2)
F(μ3,σ3)
t
日前24小时 负荷调控
0
IA0i
IC0i
调度交易中心
... ... ...
日内1小时 负荷调控

IA1i
IC1i
日内15分钟 负荷调控
实时负荷调控 （秒级）
D0j,Djmax,Djmin}
图 1 源-荷互动调度总体架构
Fig. 1 The general framework of source-load interactive scheduling
图 1 中：F(μ,σ)表示不同时间尺度下风电功率的概率分布函数；DGE 为系统内发电机组的出力； ICNi 和 IANi 分别表示对应于各级负荷调控、第 i 时段负荷代理从调度控制中心获取的系统信息和代理 上报竞价信息； L0 为调度控制中心制定的分时电价；DP0、εPi、lP0 为对应于各级调控的代理内部电 价型负荷信息，lip 为 i 时段电价型负荷最终的交易电价；α、β、DEX0 为应于各级调控的代理内部激
可再生能源调度决策是消纳大规模间歇式电源的核心问题，包括特性分析、日前调度和实时调 度等。电力系统自动化杂志曾在 2011 年第 22 期刊出了“间歇式能源消纳”专刊。文献[19]研究了考 虑风电不确定性的电力系统日前调度计划问题，建立了计及风电功率间歇波动引起系统备用不足风 险的多目标优化调度模型，将原问题分解为经济发电和旋转备用 2 个混合优化子问题，采用分解交 替迭代求解策略进行求解。文献[20]基于“多级协调、逐步细化、滚动调度”的思路，设计了一种多 时间尺度协调有功调度系统，充分利用较短时间尺度内更新的更为准确的风电信息，从而提高系统
式中 costA(△Dagent)为调度控制中心通过负荷代理调节功率△Dagent 时向负荷代理支出的补偿费 用；costG（△DG）为调度控制中心通过发电机组调整功率不平衡量△DG 时向发电机组支付的补偿费 用。
调度控制中心在获取各个负荷代理上报的竞价信息后，以调控成本最小为目标，以功率平衡和 各发电机、负荷代理出力限制为约束条件，建立调度控制中心的决策模型如下：
IA2i IC2i
IA3i
IC3i
Obj: min{costC} S.t.:
Pr{|ΣDi-DGE-Dw|<△D}>λ Limin<Li<Limax Dimin<Di<Dimax
Agent-1
εPi,lP0,DP0 lip 电 价 型 负 荷
Agent-2
EX α,β,DEX0
激激
...
励励 型型
...
输出可表示如下：
PM (t) =
1 2p σ
exp −
(x
− PP(t))2 2σ 2

（1）
当 σ 取不同数值时，风电出力的概率密度和概率分布如下：
概率密度 概率分布
4
3.5
σ=0.1
3 σ=0.2
2.5
2
σ=0.3
1.5
1
0.5
0
0
0.2
0.4
0.6
0.8
1
风电出力（p.u.）
1
0.9 σ=0.1
0 引言
可再生能源以其清洁、低碳、可持续的特点，在世界各国一直保持了快速发展的态势。与传统 电源相比，可再生能源大多具有间歇性、随机性和波动性等特点，这是目前制约可再生能源高效利 用的主要瓶颈。在间歇性电源渗透率达到一定程度时，对于发电计划的编制、有功实时调度和频率 控制以及备用容量安排等都将产生极大影响，如果不能实现有效调度，将必然出现不必要的弃风、 弃光，影响电网运行的经济性，严重时还会影响电网安全稳定运行。因此，探索大规模可再生能源 调度难题，成为当前阶段中国乃至全世界电力行业发展的研究热点之一[1-6]。
2.3 调度中心控制决策模型 在计及风电完全接纳的条件下，为平抑风电预测功率不确定性引起的有功不平衡量，调度控制 中心需要调整发电机出力或负荷代理功率。调度控制中心的功率调整成本可以表示为（不计人工费 和损耗）：
cost jyzx = costA (DDagent ) + costG (DDG )
(7)
速度较慢，如钢铁、水泥等重工业负荷，允许通知时间短、响应速度快的负荷所占比例较小，如居
民负荷和部分公共设施类负荷。可见，风电功率预测的不确定性和负荷参与需求响应特性在时间尺
度上具有协同特征。因此，基于“多级协调、逐步细化”的思路，本文设计了多时间尺度源-荷互动
调度模式，将负荷调度的整个过程分为 4 个时间尺度，包括日前 24h 负荷调控、日内 1h 负荷调控、
负负
荷荷
...
Agent-n
荷 负 价 εGi,lG0,DG0 电 （ 时 分刚
需 ... 型
负
）荷
Obj: min{costAgent-i} S.t.: ΣDi=Dz
limin<li<limax Dinmin<Din<Dinmax Djmin<Dj<Djmax
IAi={Ai,Bi,Di0,Dimax,Dimin} ICi={DGE,F(μ0,σ0),Aj,Bj,
2013 电力系统自动化专委会学术交流研讨会论文集
励型负荷信息，EXi 为 i 时段激励型负荷所获得的激励。本文主要针对前三个时间尺度源-荷调控的协 调控制效果进行分析。
2 源-荷互动调度模型
2.1 风电功率的不确定性模型
风电功率的不确定性可以由风电功率预测的误差来表示。本文采用正态分布作为风电功率预测 误差的分布模型。假设预测误差服从正态分布 N(0,σ2)，其中 σ2 为取决于预测时间尺度。在此基础上， 可设定风电场输出有功功率模拟值 PM（t）近似服从 N(PP(t),σ2)，均值 PP(t)为风电场有功功率预测 值，方差 σ2 则需根据不同的预测时间尺度进行取值，以准确反映该点功率预测误差水平。风场有功
0.8 σ=0.2
0.7
σ=0.3
0.6
0.5
0.4
0.3
0.2
0.1
0
0
0.2
0.4
0.6
0.8
1
风电出力（p.u.）
a)风电出力概率密度
b）风电出力概率分布
图 2 风电出力概率密度和概率分布
Fig. 2 The diagram of wind power output probability density and probability distribution 2.2 负荷代理决策模型 系统中可参与负荷调控的需求侧资源具有单个负荷容量微小、负荷数量巨大、参与方式多样等 特点，若每个负荷都以适合自己的方式直接参与电网调控会造成控制系统和通信系统及其复杂，因 此，在调度控制中心和需求相应负荷之间引入一个代理协调层[22]。 调度控制中心会根据负荷代理的报价策略和该时段的功率需求计算该时段的功率调整补偿电价 及功率分配情况，并将相关信息下发至各个负荷代理。负荷代理得到其分配的功率调整数量，以调 控成本最低为目标，通过调整电价型负荷的到户电价和激励型负荷的激励措施，对其内部负荷的用 电功率做出相应调整。以调控成本最低为目标建立负荷代理的决策模型如下：
文献[4]从总体上提出了电源、电网和负荷三者间应进行协调互动，以利用全网的可调节资源来 经济高效地提升间歇式能源的接纳能力，展望了“源-网-荷”互动运行控制将成为智能电网的重要发 展方向。在源荷互动研究方面，一般来说，有如下三种思路。一是研究间歇式电源的高精度预测方 法，减少预测误差，从而可以直接减少备用安排，这是目前有效解决大规模间歇式电源并网调度问 题的主要方法[7-10]。这一方法目前已在生产实践中得到了应用。二是在计及可再生能源概率的基础上 优化发电计划。文献[11]建立了基于随机机会约束规划的最优潮流模型，研究了含风电场电力系统的 最优潮流。文献[12-13]采用模糊决策模型，分别对风电预测误差和风电出力进行模糊建模并进行求 解。三是利用需求响应（Demand Response，DR）来平衡间歇式电源的波动。这是国际上普遍关注 的研究热点[13-18]。文献[14-15]分析了包含风电、光伏发电等间歇式电源的条件下，需求响应参与电 网调度的问题。文献[13]在经济调度模型中考虑了价格型的需求响应，但仅考虑机组爬坡限制，没有 考虑启停约束，算例证明了 DR 在提高风电消纳能力中的作用。文献[14]介绍了利用带自动调温装置 的可控负荷来提供小时级内的需求响应，说明了 DR 可作为备用容量的可行性。