负荷聚合商参与需求侧资源聚合优化调控方法

摘要

需求响应技术是目前实现新能源消纳及“双碳”目标的重要手段，但由于需求资源分散特性和实际调度能力，独立需求侧主体缺乏有效参与调控的途径。为此，综合考虑多运营主体共识、多类型需求响应和碳排放，提出一种负荷聚合商参与的需求侧资源聚合优化调控方法。首先，分析了需求侧资源的基本管理模式；其次，综合经济成本和碳排放目标，建立了考虑碳排放和多类型需求响应的需求侧资源聚合优化调控模型；最后，利用麻雀算法进行仿真求解，验证了优化调度模型的有效性。仿真结果表明，所提模型可降低分散资源用能成本5.16%以上，明显改善需求侧资源主体的经济成本和碳排放量，提高需求侧资源管理水平，为低碳韧性电网的优化调控问题提供了一种有效手段。

01需求侧资源管理基本模式

传统的需求侧管理模式是由政府指导、电网企业实施、电力用户承载。但随着电力市场改革及市场环境的改变，需求侧资源可以由电力用户或社会中的售电公司、微网运营商以及综合能源服务商等需求侧资源运营主体进行投资建设。管理模式转变为“多级需求侧管理”模式，如图1所示。

图1  多级需求侧管理基本模式Fig.1  Schematic diagram of multi-level demand-side management mode多级需求侧资源管理模式从上至下依次为交易市场与调度层、负荷聚合商层、需求侧资源运营主体层以及DSRs层。通过LA聚合多个需求侧资源运营主体间接调控DSRs，进行“DSRs-运营主体-LA”二级聚合，满足配网接入更多互动资源的现实需求，实现多运营主体的共识调控。LA直接响应外部市场需求响应信息，对需求侧资源运营主体释放激励信号，指导运营主体进行多类型需求响应。同时，其聚合多个运营主体，以整体的形式代理中小型运营主体参与各类市场交易。需求侧资源运营主体依托电力用户建设DSRs，对负荷、储能及分布式电源等进行管理，引导用户削峰填谷，同时利用储能等调节手段优化自身的负荷特性，并整合需求侧资源与LA衔接。DSRs层包含多类型资源，主要为光伏（photovoltaic，PV）、风电（wind turbine，WT）、微型燃气轮机（micro gas turbine，MT）、燃气锅炉（gas boiler，GB）、储能系统（energy storage，ES）、电锅炉（electric boiler，EB）、电转气设备（power to gas，P2G）以及常规负荷、柔性负荷。

02利益主体模型

2.1  需求侧资源运营主体模型需求侧资源运营主体对PV、WT、MT以及GB等多类型需求侧资源进行管理，通过出售能源以及参与辅助服务的方式获取收益。在模型构建时考虑CO2治理成本以降低CO2排放，设置弃风弃光惩罚以提高清洁能源利用率，兼顾运营主体自身利益和环境效益。本文提出的运营主体目标函数为

式中：Fo,i为需求侧资源运营主体i的收益；Fsell,i为售能收益；Fsub,i为新能源及储能发电的政府补贴；Fla,i为资源参与需求响应的补贴；Cderom,i为需求侧资源的运行维护成本；Ccder,i为需求侧资源的燃料成本；Cem,i为污染气体的治理成本；Creg,i为弃风弃光惩罚。

式中：psellp,i,t、psellh,i,t和psellg,i,t分别为运营主体i在时段t的售电价、售热价以及售气价；Psell,i,t为运营主体i在时段t向外部的售电量；Hsell,i,t为运营主体i在时段t向外部的售热量；Gsell,i,t为运营主体i在时段t向外部的售气量；T为一个完整运行周期的划分时段数。

式中：psub,m为第m种资源的发电补贴；Pm,i,t为运营主体i在时段t补贴对象m的有功出力；M为补贴对象集合，M={PV,WT,ES}。

式中：Fil,i为运营主体i中可中断负荷获得的补偿费用；Ftl,i为运营主体i中可平移负荷获得的补偿费用；Fi为运营主体i中需求侧资源进行需求响应获得的补偿费用。

式中：N为需求侧资源集合；Pn,i,t为时段t运营主体i中需求侧资源n进行激励型需求响应的出力；kom,n为需求侧资源n单位功率运行维护成本系数。

式中：

为CO2的折算成本；

为需求侧资源n的CO2排放因子；Pder,i,n,t为时段t运营主体i中需求侧资源n的出力。

式中：kWT、kPV分别为WT、PV单位出力波动惩罚成本系数；PWT0,i,t、PPV0,i,t分别为时段t运营主体i中WT、PV的计划输出功率最大值；PWT,i,t、PPV,i,t分别为时段t运营主体i中WT、PV的实际出力。需求侧资源运营主体的购能约束为

式中：Pbuy,i,t、Gbuy,i,t分别为时段t运营商从外部购电、购气量，Pbuy,i,t,max、Gbuy,i,t,max分别为运营商从外部购电、购气的最大值。需求侧资源运营主体的平衡购能约束为

式中：PCHP,i,t为热电联产机组的发电功率；PES,i,t,dis、PES,i,t,ch分别为储能设备的放电功率及充电功率；PP2G,i,t为P2G设备所消耗的电功率；PL,i,t为负荷进行需求响应后所消耗的电功率。2.2  多类型需求响应模型2.2.1  价格型需求响应价格型需求响应主要表现为用户依据价格信号主动减少用电量或更改用电时间，用电行为与电价呈现相反的变化趋势，响应模型为

式中：Pshift,t为时段t可转移负荷的响应功率；g1(⋅)为Pshift,t的函数；Pload,t为时段t进行需求响应前的负荷预测功率；Δp为与其他时间段的电价差量；εmn为时段m与n的互弹性量，m≠n；Rp为用电满意度。2.2.2  激励型需求响应激励型需求响应是售电公司事先与用户签订合同，明确参与需求响应所须调用负荷的时间长短和容量大小，在必要时依据激励机制对用户电力需求进行调整。模型为

式中：kil、ktl分别为可中断负荷及可转移负荷的单位补偿费用，即激励信息；kdr为参与需求响应的单位补偿费用；Pil,i,t、Ptl,i,t分别为时段t运营主体i的中断负荷量和转移负荷量；Pn,i,t,bef、Pn,i,t,add分别为时段t需求侧资源运营主体i中需求侧资源n在进行激励型需求响应前的出力以及激励型需求响应时增加的出力。2.2.3  用能满意度终端负荷在执行削减合同及转移用电时段，会在一定程度上影响生活舒适度，因此在模型构建时考虑用户满意度约束，以保障用户舒适度。用电满意度Rp和电负荷的关系为

式中：ΔPt为时段t用户参与综合需求响应后的电负荷变化量。2.2.4  需求响应相关约束需求侧资源运营主体首先调用所辖区域内发电资源满足内部用电需求，随后整合剩余闲置资源参与需求响应（负荷和电源），以提高配网系统供电稳定性。因此，广义需求侧资源参与响应后新增的平衡关系为

式中：PCHP,i,t,add、PES,i,t,dis,add、Pbuy,i,t,add、PP2G,i,t,add、PES,i,t,ch,add和Psell,i,t,add分别为时段t运营主体i中热电联产机组、储能放电、购电、P2G设备、储能充电以及售电增加的电出力功率，其中增加的售电量即为售出的需求响应服务功率；Pload,i,t,bef为时段t运营主体i仅进行价格性需求响应时的电负荷功率。为防止持续高频调用可中断负荷带来的用户舒适度下降的问题，引入了连续时间内最大调用量约束为

式中：Pil.max为连续时间最大调用量。2.3  负荷聚合商运营模型LA主要参与中长期、现货以及辅助服务这几种电力交易市场，其在接收到市场需求信号后，利用需求响应所获取的资源在市场中进行投标。各中小运营主体依托电力用户的用能需求投资建设需求侧资源，运营主体通过向LA上报响应潜力并执行平台下发调控目标。刚性保供指的是对终端用户最基本的刚性用电需求提供电力供应与保障。该场景下，市场向LA传递外部供电缺口信号，LA依据市场传达的需求信号、各运营主体闲置资源的响应潜力以及运营主体资源调用价格等因素，将刚性用电需求缺口详细分解至运营主体下的需求侧资源层，并向运营主体传达响应信号，在各运营主体合作共识完成响应后给予一定的响应补偿。因此，刚性保供场景下，考虑多运营主体共识调控的LA目标函数表示为

式中：FLA.1为LA的总运营收益；

为时段t不考虑需求响应时运营主体n的单位售电价格；

为进行需求响应前运营主体n售出的电功率；

为时段t LA与运营主体n交易时的单位售电价格； ρmar为参与市场投标的单位交易价格；ρn.1为刚性保供场景下与运营主体n的单位交易价格；Ndsro为运营主体的数量；

为进行需求响应前时段t运营主体n购入的电功率；Ferla.1为需求响应收益；Fug为LA与外部交易的收益；

为时段t外部运营主体的单位购电价格；

为时段t LA向外部售出的电功率；

为时段t外部运营主体的单位售电价格；

为时段t LA从外部购买的电功率。

柔性调节指的是通过需求响应这一技术手段，对终端用户的用电需求进行调控。该场景下，LA依据各运营主体的需求响应报价、响应潜力以及不同调控目标，将调控需求分解给参与调节的各运营主体，并对运营主体进行需求侧资源调节激励。因此，柔性调节场景下，考虑多运营主体共识调控的LA目标函数表示为

式中：FLA.2为LA在柔性调节场景下的总运营收益；Frew为具体调控目标下LA获得的调控效益，调控目标是在保障内部安全稳定运行的前提下减少污染气体排放、负荷削减或降低配网系统峰谷差等；ρn.2为柔性调节场景下与运营主体n的单位交易价格；Ferla.2为柔性调节场景下需求响应收益。

03求解方法

本文构建的DSRs聚合优化调控模型属于双层规划问题，各利益主体之间存在变量传递及迭代优化过程。LA作为多个需求侧资源运营主体的聚合商，拥有代理运营主体交易的权力，在动态优化运行的过程中处于领导地位，其与运营主体存在决策先后的逻辑，因此运用Stackelberg主从博弈方法研究各利益主体的动态决策行为。本文采用麻雀搜索算法（sparrow search algorithm，SSA）结合Yalmip调用Cplex求解器，对构建的一主多从博弈模型进行仿真求解，求解流程如图2所示。图2中：MGO、DGO、DRP分别代表微网运营商、光储运营商和需求响应供应商。

图2  博弈求解流程Fig.2  Game solving flowchart博弈求解过程包含内外两层，外层通过SSA在可行的价格区间内完成价格策略的制定，传递到内层进行各主体的成本、收益测算，得到当前价格策略下各运营主体效益最优时的购售能源策略后，将购售能源策略作为与LA的交互策略传达至外层模型，LA由此计算出自身运营收益后对收益进行比较，以此更新价格策略。通过价格策略与交互策略的不断更新迭代得到均衡解。

04算例分析

4.1  算例基础数据算例为3个需求侧资源运营主体，其中运营主体1为包含电负荷以及光伏、风电设备的微网运营商，运营主体2为包含光伏、储能设备的光储运营商，运营主体3为仅含有电负荷的需求响应供应商。各运营主体中设备参数如表1所示，表1中：Pmax、Pmin分别为设备的出力上下限；Rup、Rdown分别为机组的爬坡功率上下限；ηe、ηh分别为设备的电、热效率。设置用户电价弹性如表2所示，设置天然气价格自弹性系数和互弹性系数分别为–0.58和1.5。大电网售电电价为0.5元/(kW·h)，各资源主体间的联络线功率上限为2 MW。表1  设备参数Table 1  Equipment parameters

表2  用户电价弹性Table 2  Customer price elasticity

日前电负荷及新能源出力预测曲线如图3所示，图中：PL1为微网运营商中电负荷预测曲线；PL3为需求响应供应商的电负荷曲线；PV1为微网运营商光伏出力预测曲线、PW1为微网运营商风电出力预测曲线；PV2为光储运营商的光伏出力预测曲线。

图3  负荷及新能源出力预测曲线Fig.3  Prediction curves of load and new energy output为验证本文所提需求侧资源聚合优化调控模型的有效性，设置以下4种场景进行对比分析。场景1：各运营主体自行与外部进行交易；场景2：不考虑激励型需求响应的情况下由LA进行代理交易；场景3：柔性调节场景下，考虑激励型需求响应时由LA进行代理交易；场景4：刚性保供场景下，考虑激励型需求响应时由LA进行代理交易。4.2  需求响应分析终端用电负荷类型众多，各用户的用电习惯不尽相同，为更科学合理地调控负荷，本文按照用户的用电习惯对用户进行聚类分析。图4 a)为运营主体3所管辖区域内终端用电负荷的总负荷基线，运营主体3中电负荷存在午、晚双峰，16:00—17:00时段与21:00—22:00时段间的电负荷差值高达515 kW，峰谷差值大。

图4  运营主体3电负荷曲线Fig.4  Electric load curve of the operating entity 3本文基于迭代自组织聚类算法ISODATA，将运营主体3所辖区域内的575户终端用电负荷聚类为三大类，典型用户负荷曲线如图4 b)所示。图4 b)中：第一类用户为晚峰用户，共计225户，峰值出现在21:00—22:00时段；第二类用户为午、晚双峰用户，共计150户，峰值出现在12:00—13:00时段，21:00—22:00时段出现次高峰；第三类用户为午峰用户，共计200户，峰谷差最小，峰值出现在10:00—11:00时段。终端用户聚类前后的总负荷功率优化结果对比如图5所示。

图5  聚类前后负荷曲线Fig.5  Load curve before and after clustering以场景1为例，在00:00—06:00时段，聚类后的电负荷功率明显低于聚类前，其中00:00—01:00时段电负荷功率减少了104.8 kW。对比说明，按照用电习惯对终端用户进行聚类分组有利于设计差异化的激励机制，能够有效平抑夜间用电高峰，减缓负荷波动，实现负荷的科学合理调控。

需求响应前后负荷功率对比结果如图6所示。图6中：

为运营主体1、3不考虑激励型需求响应情况下由LA进行代理交易时的负荷；

为运营主体1、3考虑激励型需求响应情况下由LA进行代理交易时的负荷。终端用户首先根据电网分时电价自行调整用电行为，参与价格型需求响应，然后由LA发布的激励信号参与激励型需求响应。由于在减少用电量的同时增加了响应激励，微网运营商和需求响应代理商的总运营成本得到了大幅削减，分别降低了1337.4元和1219.5元。光储运营商在负荷聚合商的激励策略下增加机组出力参与响应，总收益提高了132.2%。

图6  需求响应前后负荷功率对比Fig.6  Comparison of load power before and after demand response对比结果表明，综合考虑多类型需求响应能够平抑终端用户峰谷差，满足配网削峰填谷的需求，扩大激励型需求响应实施范围能够实现多方共赢，有效提高需求侧资源的利用率。4.3  博弈均衡分析博弈均衡后，LA与各运营主体的交互电价策略的优化结果如图7 a)所示，柔性调节场景下LA从各运营主体购买需求响应服务的价格策略优化结果如图7 b)所示，刚性保供场景下LA从各运营主体购买需求响应服务的价格策略优化结果如图7 c)所示。

图7  电价策略优化结果Fig.7  Optimized results of electricity pricing strategy以交互电价策略为例进行分析。LA在制定与不同运营主体的交互电价策略时，会受到市场需求信号、运营主体总负荷需求、运营主体能源交互策略以及购售电价上下限的影响，因此交互电价策略始终在一个可行区间内变化且存在一定的差异性。运营主体1在多数情况下可以自给自足，在电量存在剩余时向外部提供电能，既是电能的供应方，又是电能的需求方，因此购售电价在不同的时段下呈现复杂的变化特性。作为电能供应方时，运营主体1需要在满足内部负荷需求的基础上，与运营主体2竞争售电价格，价格变化趋势大致与运营主体2保持一致。运营主体2是电能供应方，其交互策略主要取决于市场需求信号及运营主体总负荷需求。运营主体3是电能需求方，其交互策略主要取决于所辖区域内的终端用户总用电量，购电价格曲线的变化趋势与图4 a)中总负荷曲线变化趋势基本保持一致。在00:00—08:00时段，总负荷用电水平介于峰谷之间，交互电价接近0.45元/(kW∙h)，处于谷时电价的高位水平。08:00—13:00时段是总负荷用电高峰，交互电价至少抬高了0.17元/(kW∙h)。总负荷在21:00—22:00时段又迎来一个高峰，此时电价也达到了0.9元/(kW∙h)。LA通过改变电价策略的方式，引导终端用户改变用电行为，因此电价策略通常与电负荷需求呈正相关特性，而与终端用户用能调整行为呈负相关特性。4.4  多主体共识调控分析不同场景下各运营主体的总运营效益如表3所示，其中正值表示收益，负值表示成本。对比场景1和场景2，增加了LA与各运营主体的议价过程，由表3可知，运营主体1和运营主体3的总运营成本削减明显，分别降低了34.8%和12.3%，然而运营商2总运营收益减少了1337.7元。对比说明，LA代理购售电会牺牲售能方的盈利空间，有效降低购能方的购电成本，通过LA引导多运营主体实现共识调控能够提高系统整体资源利用率。表3  不同场景下各运营主体的总运营效益Table 3  The total operational benefits of each operating entity in different scenarios

场景4是刚性保供场景下的需求侧资源优化调控，LA牺牲自身利益以及运营主体的综合效益以满足电力保供需求。对比场景3，运营主体2增加发电，其发电成本高于需求响应收益，导致总收益下降16.6%。而运营主体1和运营主体3为满足外部供电需求，忽略部分终端用户的用电满意度以提高负荷的响应削减量，使总运营成本得到进一步降低。相较于场景3，场景4下分散资源用能成本减少464.76元，下降5.17%。以刚性保供场景下，考虑激励型需求响应时由LA代理交易的优化调控结果为例进行分析。刚性保供场景下，市场信号分解结果如图8所示。在00:00—08:00和22:00—24:00时段，运营主体1和运营主体2的CHP机组均未满载运行，仍具有响应潜力，因此增加出力以满足保供需求。在08:00—22:00时段，运营主体2没有响应潜力无法参与保供，主要依靠运营主体1和运营主体3执行削减合同响应保供需求。

图8  市场信号分解结果Fig.8  Market signal decomposition results各场景下，需求侧资源运营主体1和运营主体2的CO2交易成本如表4所示，表中正数表示购买碳配额所需的费用，负数表示出售碳配额获得的收益。对比场景2~4可知，运营主体1和运营主体2中的发电资源得到了充分利用，CO2排放量呈上升趋势。运营主体1配备了P2G设备，而主体2尚未配备，对比说明，配备P2G机组可以有效降低CO2排放量，有利于满足电网低碳运行的需求。表4  不同场景下各运营主体的CO2交易成本Table 4  CO2 trading costs of various operating entities under different scenarios

考虑激励型需求响应后各利益主体的优化调控结果如图9所示。主体1为综合型运营主体，能同时兼顾多方经济性和用户效益，在00:00—06:00和22:00—24:00用电低谷时段增加可调节资源出力，向外部售出电能，从而提高需求侧资源的利用率。主体2为发电型运营主体，全天向外部电网售电。主体3为负荷型运营主体，所需用电负荷较大，全天从外部电网购电，综合考虑激励型需求响应和用能满意度，通过实行可中断协议赚取中断补贴以及调整负荷用电时间降低购电费用获得收益，保证最小化用户停电满意度损失的同时提高用户综合效益。

图9  各利益主体的资源优化调控结果Fig.9  Optimal dispatch results of various stakeholders" resources综上可知，综合考虑多类型需求响应并扩大激励型需求响应实施范围，可以提高需求侧资源利用率，平抑终端用户峰谷差，并满足配网削峰填谷的需求。由LA代理多个运营主体进行交易，引导多运营主体进行共识调控，可以使系统内部电能获得较为合理的分配，充分调动需求侧可调节资源参与市场竞争，实现多方共赢。

05结论本文提出了一种LA参与的需求侧资源聚合优化调控方法，通过分析3个运营主体间的交互情况，验证了方法的有效性和经济性，得到以下结论。1）通过对需求侧资源聚合模型设置碳排放目标，有效降低需求侧资源主体的碳排放量，为电网低碳与韧性需求下的优化调控问题提供了一种有效手段。2）在需求侧资源聚合模型中引入激励型需求响应，提高需求侧资源参与积极性，降低了需求侧资源主体的经济成本，实现分散资源用能成本降低5.16%以上，提高需求侧资源管理水平。3）通过LA引导多运营主体进行共识调控，能同时兼顾系统经济性和各利益主体综合效益，平衡主体间利益冲突。