摘要：針對微電網中源、荷波動和匹配性較差以及現貨市場電價不確定問題，綜合考慮電價型與激勵型需求響應的各自優勢，提出一種現貨市場下計及用戶需求響應彈性差異的微電網運營商優化運營模型及其求解方法。在日前階段，建立了計及負荷差異化電量電價彈性矩陣的價格型需求響應模型;在實時階段，構建了符合微電網運營商和用戶利益關系的主從博弈模型，并采用改進粒子群算法進行求解。此外，基于不同用戶在同一時段負荷響應彈性差異化的特征，首次將激勵因子的概念引入激勵型需求響應，使得積極響應的用戶能享受到更高的激勵價格。仿真結果表明，所提模型增強了削峰填谷效果，源、荷匹配性較差也得到了一定改善，并且微電網運營商和用戶均可從中獲取額外經濟收益;同時所提出的動態激勵價格，在保證公平性的同時，進一步提高了微電網運營商和用戶的總社會效益。

　　關鍵詞：微電網;預測誤差;電力市場;調節彈性;差異化需求響應;主從博弈

　　引言

　　近年來，隨著全球能源危機、環境問題日趨凸顯，以風電為代表的分布式清潔能源發電得到了迅猛發展，但由于風電出力和負荷需求在時間維度上存在較大差異，加上受制于現階段的預測技術，風電和負荷的預測功率都存在一定的誤差[13]，導致微電網運營商面臨嚴格的電力市場偏差考核風險。因此，在間歇性能源出力和現貨市場電價波動較大的風險下[4]，如何充分挖掘需求響應潛力，引導用戶合理用電，對改善微電網中源、荷匹配性不足、促進新能源消納以及提升微電網運營商與用戶的雙邊利益具有切實的研究意義。需求響應作為需求側優化管理的一種長期有效的重要手段，其主要通過市場價格信號或激勵機制引導用戶主動改變原有用電消費模式以解決源、荷匹配性較差和新能源出力波動等問題[5]。

　　近年來已有許多學者在這方面做了大量研究文獻，文獻[6]針對含高滲透率風電的電力系統，提出一種考慮價格型需求響應(pricebaseddemandresponse，PBDR)和用戶滿意度的優化調度模型，提高了整個系統的運行經濟性;文獻[7]基于新能源出力和負荷需求間的供需關系提出一種動態分時電價機制，并在此基礎上構建了考慮PBDR參與的獨立型微電網優化模型，有效提高了新能源的滲透率、消納利用率以及微電網的經濟性。

　　文獻[8]為充分挖掘源、荷、儲的靈活調峰潛力，以經濟性最優和棄風率最小為目標提出了一種綜合考慮PBDR、火電機組和儲能參與調峰的電力系統優化調度模型，在達到降低負荷峰谷差、火電調峰壓力的同時，提高了系統風電的消納利用率;文獻[9]提出以發電成本和激勵型需求響應(incentivebaseddemandresponse，IBDR)調度成本最小為目標構建電力系統的優化調度模型，有效提高了微電網的運行可靠性;文獻[10]提出一種同時考慮碳交易與IBDR機制的電−氣互聯網絡分散式低碳經濟調度模型，有效降低了系統的經濟成本、碳排量和棄風量。

　　以上研究均只考慮實施單一的PBDR或IBDR機制，在一定程度上實現了削峰填谷、改善了新能源的消納水平，但并未將這兩者的優勢相結合應用。為了綜合發揮價格型和激勵型的需求響應價值，文獻[11]針對含大規模風電接入的電力系統，構建了一種考慮多類型用戶參與PBDR和IBDR的風電消納魯棒隨機優化模型;文獻[12]為應對光伏、風電出力波動性和預測誤差帶來的不確定性問題，構建了同時考慮PBDR和IBDR策略的含光熱電站隨機機組組合優化調度模型;文獻[13]提出一種日前基于PBDR和實時基于模糊IBDR策略的微電網兩階段優化調度模型。

　　上述研究雖進一步提升了新能源的消納能力、削峰填谷效果以及系統的經濟性，但在價格型需求響應中忽略了不同類型負荷用電量對電價敏感程度和響應彈性不同的事實，對此文獻[14]提出計及差異化需求響應的微電網源荷儲協調優化調度模型;另外在激勵型需求響應中，補貼價格僅由供電機構按固定激勵價格、階梯補償價和利用模糊工具箱模糊處理的方式進行制定，而事實上供電機構與用戶均是需求響應的直接參與者和受益方，補貼價格應由雙方自行協定，才能實現社會效益最大化，對此文獻[15為規避現貨市場電價波動風險，提出構建兼顧售電商和用戶利益的IBDR主從博弈模型;文獻[16]基于現有補貼價格制定方案的不足，構建了電網公司與多個用戶的IBDR主從博弈模型，電網公司和用戶的經濟效益均得到有效提升。

　　但以上研究仍然存在一些不足：在激勵型需求響應中，供電公司和用戶通過主從博弈方法共同決定激勵價格時，未考慮同一時段不同類型負荷調節彈性各不相同的事實，同時也忽略了同類負荷不同用戶的響應彈性存在差異。在同一時段對所有參與需求響應的用戶發布統一的激勵價格可能會帶來公平性問題，導致用戶的響應積極性得不到充分調動，進而影響供電公司和用戶的經濟效益。

　　綜上現狀與不足，本文提出一種現貨市場下計及用戶需求響應彈性差異的微電網運營商優化運營模型及其求解方法。其中，在日前階段建立計及居民、商業、工業負荷差異化電量電價彈性矩陣的PBDR模型;在實時階段構建一個兼顧微電網和用戶利益的IBDR主從博弈模型，基于不同用戶在同一時段負荷響應彈性的差異，首次將激勵因子的概念引入IBDR，以使得積極響應的用戶能享受到更高的激勵價格。最后通過算例仿真對所提模型與方法論的合理性與有效性進行校驗。

　　現貨市場下微電網運營商的運營方式為了最大限度調動用戶的參與積極性，在日前調度階段，微電網運營商首先針對不同類型負荷實施差異化的價格型需求響應，然后基于風電的日前預測出力及PBDR優化后的負荷功率制定微電網日前購售電計劃。

　　其中，不同類型負荷在用電特性、可調節能力、彈性系數矩陣等方面存在較大差異，因此為了更為精準地描述需求響應，本文根據負荷的用電特征，將負荷主要分為類：居民負荷、商業負荷和工業負荷。在實時調度階段，如果微電網中風電實時與日前預測出力的差值wind小于且當微電網運營商在現貨市場購電的價格高于其為用戶制定的分時電價時，則微電網運營商有動力向用戶發布IBDR以減少自身售電虧損，用戶參與其中也可獲取額外收益，激勵型需求響應后仍無法滿足負荷需求的部分，可從現貨市場購買電能進行平衡;而如果當 wind時，微電網運營商可在現貨市場中售賣超出日前預測的風電出力差值從而達到功率平衡。現貨市場下微電網運營商的優化模型

　　2.1基于PBDR日前優化運營模型

　　2.1.1電量電價彈性

　　基于價格型需求響應日前調度主要是參照用戶的需求彈性理論，微電網運營商通過制定分時電價引導各用戶以用電費用最低為目標自主調整用電計劃。根據經濟學的需求原理，電量電價彈性系數可定義為在一定時期內電價相對變化所引起的負荷需求量相對變化。

　　2.2基于IBDR實時優化運營模型

　　在實時階段，微電網運營商須提前預測下一時段現貨市場的電價，然后才能基于該電價實施激勵型需求響應。另外由于現貨市場各個時段的歷史電價數據均已知，且預測的是小時后電價，預測精度較高。因此，本文假定微電網運營商能相對準確地預測現貨市場下一時段的電價，且將其視為價格的接受者，即現貨市場電價在實施需求響應前后保持不變。

　　另外，由于現貨市場各時段電價波動幅度大，且需要實時快速響應，所以假定每個用戶都安裝了一個能量管理控制系統(energymanagementandcontrolsystem，EMCS)，用戶通過該系統可自動參與需求響應[19]。 風電實時與日前預測出力的差值wind小于且預測的現貨市場電價高于微電網運營商所制定的分時電價，則微電網運營商制定該時段的基礎補貼價格信息，并下發給用戶的EMCS，用戶的EMCS根據激勵程度和自身實際情況，自動進行需求響應，并向微電網運營商反饋響應結果。

　　2.2.1激勵因子的設計方案

　　由于不同用戶的調節彈性不同，即相同激勵價格信號下，不同用戶的負荷削減量各不相同，因此在制定激勵價格時，微電網運營商為了提升整個系統的運行效益要將用戶響應彈性的差異性納入考慮。具體而言，微電網運營商可先制定合適的基礎激勵價格和激勵系數，進而得出這類用戶在時段的最終單位激勵價格。

　　3模型求解

　　模型的優化求解可分為個階段，在日前市場優化運營中，其模型可采用MATLAB的fmincon函數進行求解。而在實時市場優化運營中，微電網運營商和多元用戶各自的優化求解是一個相互耦合的過程，雙方的優化結果相互影響，最終達到博弈均衡。為較好的完成優化決策過程，本文采用改進粒子群算法以尋求博弈模型的均衡解。粒子群算法擅長處理多維度、非線性、多耦合的復雜優化問題，且算法簡單、搜索速度快、能兼顧算法的準確性和計算效率[2224]。

　　文獻[22]針對復雜的電力市場均衡問題提出采用雙層粒子群優化算法進行求解，并利用非線性互補算法驗證了該算法的有效性。文獻[23]針對含電能交互的多微網綜合能源系統，提出采用混沌粒子群算法求解考慮綜合需求響應的主從博弈模型，并證明了博弈均衡解的存在性和唯一性。

　　4算例分析

　　4.1基礎數據

　　以某個微電網為例，根據現有預測模型，負荷、風電功率的預測誤差隨著時間的縮短逐漸減小且滿足正態分布[25]，因此假定風電的日前、實時預測誤差分別為20%和5%，負荷的日前、實時預測誤差分別為3%和1%[13]。

　　5結論

　　1)在日前階段對居民、商業以及工業負荷實施差異化PBDR策略后負荷的峰谷比變為1.87，和不考慮差異化PBDR策略的峰谷比2.11相比，降低了11.37%。因此日前的差異化PBDR策略具有更加明顯的削峰填谷作用，改善了微電網的源、荷匹配性較差問題。

　　2)在實時階段實施考慮激勵因子的IBDR模型后微電網運營商的需求響應收益變為189.73元，這和不考慮激勵因子IBDR時的149.41元相比，大約提高了27%;同時引入激勵因子后，負荷峰谷比也在進一步下降，它由原先的1.76降低到了1.73。因此，考慮激勵因子的IBDR模型能有效降低由風電的預測誤差和現貨市場電價波動帶來的售電損失，在提升微電網經濟效益的同時，進一步緩解了系統的供電壓力。

　　電網論文范例： 電網節點電壓暫降綜合評估及其檢驗方法

　　3)在實時段構建的IBDR模型中引入激勵因子能有效保證積極響應的用戶享受到更高的激勵價格，使得用戶參與需求響應的積極性得到充分挖掘，從而進一步提高了微電網運營商和用戶的總社會效益。

　　參考文獻Reference

　　[1]PAATEROJV,LUNDPD.Effectsoflargescalephotovoltaicpowerintegrationonelectricitydistributionnetworks[J].RenewableEnergy,2007,32(2):216234

　　[2]白凱峰，顧潔，彭虹橋，等.融合風光出力場景生成的多能互補微網系統優化配置[J].電力系統自動化，2018，42(15)：133141.BAIKaifeng,GUJie,PENGHongqiao,etal.Optimalallocationformultienergycomplementarymicrogridbasedonscenariogeneration ofwindpowerandphotovoltaicoutput[J].AutomationofElectricPowerSystems,2018,42(15):133141

　　[3]孫榮富，張濤，和青，等.風電功率預測關鍵技術及應用綜述[J].高電壓技術，2021，47(04)：11291143.SUNRongfu,ZHANGTao,HEQing,etal.ReviewonKeyTechnologiesandApplicationsinWindPowerForecasting[J].HighVoltageEngineering,2021,47(04):11291143.

　　[4]張顯，王錫凡.電力金融市場綜述[J].電力系統自動化，2005(20)：13，23.ZHANGXian,WANGXifan.Surveyoffinancialmarketsforelectricity[J].AutomationofElectricPowerSystems,2005(20):513,23.

　　[5]肖斐，艾芊.基于模型預測控制的微電網多時間尺度需求響應資源優化調度[J].電力自動化設備，2018，38(05)：184190.XIAOFei,AIQian.Multipletimescaleoptimaldispatchofdemandresponseresourceformicrogridbasedonmodelpredictivecontrol[J].ElectricPowerAutomationEquipment,2018,38(05):184190.

　　作者：胡蓉1,2，魏震波，郭毅，魏平桉，田軻，盧炳文