考虑用户诉求差异的居民可控负荷资源优化控制

doi:10.12096/j.2096-4528.pgt.23110

发电技术 ›› 2023, Vol. 44 ›› Issue (6): 896-908.DOI: 10.12096/j.2096-4528.pgt.23110

• 智能电网 • 上一篇

考虑用户诉求差异的居民可控负荷资源优化控制

黄河¹, 王燕², 姜念³, 吴强¹, 张雅静⁴, 杨秀媛⁴

^1.国网江苏省电力有限公司，江苏省南京市 210000
^2.国网北京延庆供电公司，北京市延庆区 102100
^3.天地电研(北京)科技有限公司，北京市昌平区 102206
^4.北京信息科技大学自动化学院，北京市海淀区 100192

收稿日期:2023-09-10 出版日期:2023-12-31 发布日期:2023-12-28
通讯作者: 张雅静
作者简介:黄河(1984)，男，硕士，高级工程师，主要研究方向为配电网规划与管理，992708605@qq.com；
王燕(1996)，女，硕士，主要研究方向为控制工程、新能源发电，1049698158@qq.com；
张雅静(1984)，女，博士，副教授，主要研究方向为电力电子、电力传动与新能源发电，本文通信作者，zhangyajing@bistu.edu.cn。
基金资助:
国家自然科学基金项目(52107176)

Optimal Control of Residents’ Controllable Load Resources Considering Different Demands of Users

He HUANG¹, Yan WANG², Nian JIANG³, Qiang WU¹, Yajing ZHANG⁴, Xiuyuan YANG⁴

^1.State Grid Jiangsu Electric Power Co. , Ltd. , Nanjing 210000, Jiangsu Province, China
^2.State Grid Beijing Yanqing Power Supply Company, Yanqing District, Beijing 102100, China
^3.Beijing T&D Power Research Co. , Ltd. , Changping District, Beijing 102206, China
^4.School of Automation, Beijing Information Science & Technology University, Haidian District, Beijing 100192, China

Received:2023-09-10 Published:2023-12-31 Online:2023-12-28
Contact: Yajing ZHANG
Supported by:
National Natural Science Foundation of China(52107176)

摘要/Abstract

摘要：

对需求侧居民可控负荷资源进行优化控制，是虚拟电厂(virtual power plant，VPP)的一个主要方面，是提高风电和光电等新能源利用率、实现碳中和的重要手段。控制可控负荷的关键是满足用户基本用电需求，而不同用户的用电需求不尽相同。因此，提出了考虑用户需求的居民可控负荷资源优化控制方法。考虑到不同用户的用电诉求差异性，VPP作为电网与负荷群的中间环节，对可控负荷进行管理。首先，提出改进最优k值选取的K-Means聚类算法，对居民可控负荷进行聚类；其次，依据诉求差量函数，对聚类的每组负荷调控后用电情况与用电原始需求偏差进行量化描述，提出基于诉求差量的优先级划分规则；最后，在进行调控时VPP通过对不同优先级的组别补偿不同费用的方式，实现VPP收益最大和用户用电行为改变最小的调控目标。仿真验证结果表明，所提优化控制策略可有效实现负荷曲线的削峰填谷，并且在对用户用电需求影响较小的情况下保证VPP收益。

关键词: 虚拟电厂(VPP), 可控负荷, 负荷聚类, 用户诉求, 削峰填谷

Abstract:

Optimizing the controllable load resources of residents on the demand side is a major aspect of virtual power plant (VPP). It is an important means to improve the utilization rate of new energy such as wind power and photovoltaic power, to achieve carbon neutrality. The key to control controllable load is to meet the basic power demand of users, and different users have different power demand. Therefore, an optimal control method of residents’ controllable load resources considering user demand was proposed. Considering the different demand of different users, as an intermediate link between the power grid and the load group, VPP manages the controllable load. Firstly, an improved K-means clustering algorithm for optimal k selection was proposed for clustering. Then, according to the demand difference function to quantify the deviation between the power consumption and the original demand of each group after load regulation, a priority division rule based on the demand difference was proposed. Finally, in the regulation, VPP compensated different costs for different priority groups to achieve the regulation goal of maximizing VPP revenue and minimizing changes in user electricity consumption behavior. The simulation results show that the proposed optimal control strategy can effectively cut the peak and fill the valley of the load curve, and ensure the VPP revenue with less impact on the power demand of users.

Key words: virtual power plant (VPP), controllable load, load clustering, user demand, peak shaving and valley filling

中图分类号:

TK 01

黄河, 王燕, 姜念, 吴强, 张雅静, 杨秀媛. 考虑用户诉求差异的居民可控负荷资源优化控制[J]. 发电技术, 2023, 44(6): 896-908.

He HUANG, Yan WANG, Nian JIANG, Qiang WU, Yajing ZHANG, Xiuyuan YANG. Optimal Control of Residents’ Controllable Load Resources Considering Different Demands of Users[J]. Power Generation Technology, 2023, 44(6): 896-908.

图/表 14

图1 居民负荷分类

Fig. 1 Classification of residential load

图2 考虑用户诉求的负荷集群控制

Fig. 2 Load cluster control considering user demand

图3 改进最优k值选取的柔性负荷聚类流程

Fig. 3 Flexible load clustering process based on improved selection of optimal k

图4 某小区居民原始用电曲线

Fig. 4 Original electricity consumption curve of residents in a residential area

图5 k=13时电动汽车聚类结果■聚类中心；不同的颜色区域代表不同的类别。

Fig. 5 Clustering results of electric vehicles when k=13

表1 电动汽车不同k值下每组负荷的诉求差量

Tab. 1 Demand difference of each load group under different k of electric vehicles

类别	不同k值下的诉求差量
类别	k=5	k=13	k=20
1	0.070 8	0.186 2	0.056 0
2	0.120 4	0.066 6	0.089 8
3	0.131 5	0.069 4	0.104 0
4	0.082 7	0.083 7	0.328 5
5	0.198 0	0.075 5	0.035 9
6	—	0.068 1	0.050 4
7	—	0.095 3	0.066 2
8	—	0.085 9	0.063 9
9	—	0.153 1	0.166 1
10	—	0.059 7	0.050 3
11	—	0.054 1	0.054 2
12	—	0.049 9	0.038 9
13	—	0.229 7	0.046 7
14	—	—	0.047 8
15	—	—	0.050 3
16	—	—	0.123 6
17	—	—	0.060 2
18	—	—	0.088 7
19	—	—	0.042 1
20	—	—	0.273 6

图6 k=10时洗衣机聚类结果■聚类中心；不同的颜色区域代表不同的类别。

Fig. 6 Clustering results of washing machines when k=10

表2 空调聚类分组结果

Tab. 2 Clustering results of air conditioning

类别	温度下限 $T a c, m i n$ /℃	温度上限 $T a c, m a x$ /℃
1	23	26
2	23	27
3	23	28
4	24	26
5	24	27
6	24	28
7	25	26
8	25	27
9	25	28

表2 空调聚类分组结果

Tab. 2 Clustering results of air conditioning

类别	温度下限 $T a c, m i n$ /℃	温度上限 $T a c, m a x$ /℃
1	23	26
2	23	27
3	23	28
4	24	26
5	24	27
6	24	28
7	25	26
8	25	27
9	25	28

表3 3种典型柔性负荷每组负荷诉求差量

Tab. 3 Load demand difference of each group for three typical flexible loads

类别	诉求差量
类别	空调(k=9)	电动汽车(k=13)	洗衣机(k=10)
1	0	0.186 2	0.099 3
2	0	0.066 6	0.105 6
3	0	0.069 4	0.087 3
4	0	0.083 7	0.077 8
5	0	0.075 5	0.055 1
6	0	0.068 1	0.057 3
7	0	0.095 3	0.060 5
8	0	0.085 9	0.073 2
9	0	0.153 1	0.127 1
10	—	0.059 7	0.052 1
11	—	0.054 1	—
12	—	0.049 9	—
13	—	0.229 7	—

表4 各类负荷调控优先级与诉求差量范围

Tab. 4 Regulation priority and demand difference range of various loads

优先级	诉求差量范围
优先级	空调(k=9)	电动汽车(k=13)	洗衣机(k=10)
1	0	0~0.06	0~0.06
2	—	0.06~0.08	0.06~0.08
3	—	0.08~0.10	0.08~0.10
4	—	0.10~0.23	0.10~0.13

表5 不同调控优先级下负荷补偿价格

Tab. 5 Load compensation price under different regulation priorities

优先级	负荷补偿价格/[元/(MW⋅h)]
优先级	空调	电动汽车	洗衣机
1	80	6.5	12
2	—	7.3	18
3	—	8.0	24
4	—	8.7	32

图7 调控前后负荷曲线

Fig. 7 Load curves before and after regulation

图8 各类负荷的削减量和转移量

Fig. 8 Reduction and transfer of various loads

表6 不同控制策略对比

Tab. 6 Comparison of different control strategies

控制策略	VPP收益/元	负荷削减量/(MW⋅h)	诉求差量
随机分组控制	402	7.83	0.480
聚类控制	415	8.14	0.104
本文控制	409	8.11	0.033

参考文献 26

1	HU Z， ZHANG Y， LI C，et al ．Utilization efficiency of electrical equipment within life cycle assessment：indexes，analysis and a case[J]．Energy，2015，88：885-896． doi:10.1016/j.energy.2015.07.041
2	王燕，杨秀媛，徐剑锋，等．民用可控负荷参与需求响应的控制策略[J]．发电技术，2020，41(6)：638-649． doi:10.12096/j.2096-4528.pgt.20014
	WANG Y， YANG X Y， XU J F，et al ．Control strategy of civil controllable load participating in demand response[J]．Power Generation Technology，2020，41(6)：638-649． doi:10.12096/j.2096-4528.pgt.20014
3	周俊宇，李伟，花洁，等．考虑需求侧可控负荷的含储能社区综合能源系统优化调度[J]．电力科学与技术学报，2023，38(2)：114-123．
	ZHOU J Y， LI W， HUA J，et al ．Optimal dispatch of community integrated energy system with energy storage considering demand-side controllable load[J]．Journal of Electric Power Science and Technology，2023，38(2)：114-123．
4	黄超，卜思齐，陈麒宇，等．元电力：新一代智能电网[J]．发电技术，2022，43(2)：287-304． doi:10.12096/j.2096-4528.pgt.22058
	HUANG C， BU S Q， CHEN Q Y，et al ．Meta-power：next-generation smart grid[J]．Power Generation Technology，2022，43(2)：287-304． doi:10.12096/j.2096-4528.pgt.22058
5	HOSSAIN E， KABALCI E， BAYINDIR R，et al ．Microgrid testbeds around the world：state of art[J]．Energy Conversion and Management，2014，86：132-153． doi:10.1016/j.enconman.2014.05.012
6	孙毅，王欣，许鹏，等．基于预切换状态的电热水器负荷群调控策略[J]．现代电力，2019，36(5)：68-75． doi:10.3969/j.issn.1007-2322.2019.05.010
	SUN Y， WANG X， XU P，et al ．Control strategy of water heater group based on pre-switching state[J]．Modern Electric Power，2019，36(5)：68-75． doi:10.3969/j.issn.1007-2322.2019.05.010
7	POURMOUSAVI S ALI， PATRICK S N， NEHRIR M H ．Real-time demand response through aggregate electric water heaters for load shifting and balancing wind generation[J]．IEEE Transactions on Smart Grid，2014，5(2)：769-778． doi:10.1109/tsg.2013.2290084
8	高赐威，李倩玉，李扬．基于DLC的空调负荷双层优化调度和控制策略[J]．中国电机工程学报，2014，34(10)：1546-1555．
	GAO C W， LI Q Y， LI Y ．Bi-level optimal dispatch and control strategy for air-conditioning load based on direct load control[J]．Proceedings of the CSEE，2014，34(10)：1546-1555．
9	BASHASH S， FATHY H K ．Modeling and control of aggregate air conditioning loads for robust renewable power management[J]．IEEE Transactions on Control Systems Technology，2013，21(4)：1318-1327． doi:10.1109/tcst.2012.2204261
10	王蓓蓓，胡晓青，顾伟扬，等．分层控制架构下大规模空调负荷参与调峰的分散式协同控制策略[J]．中国电机工程学报，2019，39(12)：3514-3528．
	WANG B B， HU X Q， GU W Y，et al ．Hierarchical control architecture and decentralized cooperative control strategy for large scale air conditioning load participating in peak load regulation[J]．Proceedings of the CSEE，2019，39(12)：3514-3528．
11	王丹，孙冬冬，胡庆娥，等．基于最优能量状态调节的电动汽车需求响应及其对配电网的影响[J]．电力建设，2018，39(5)：86-94． doi:10.3969/j.issn.1000-7229.2018.05.011
	WANG D， SUN D D， HU Q E，et al ．Demand response of electric vehicles based on optimal energy status regulation and its impact on distribution network[J]．Electric Power Construction，2018，39(5)：86-94． doi:10.3969/j.issn.1000-7229.2018.05.011
12	RAOOFAT M， SAAD M， LEFEBVRE S，et al ．Wind power smoothing using demand response of electric vehicles[J]．International Journal of Electrical Power & Energy Systems，2018，99：164-174． doi:10.1016/j.ijepes.2017.12.017
13	刘晓峰，高丙团，罗京，等．基于非合作博弈的居民负荷分层调度模型[J]．电力系统自动化，2017，41(14)：54-60． doi:10.7500/AEPS20170104004
	LIU X F， GAO B T， LUO J，et al ．Non-cooperative game based hierarchical dispatch model of residential loads[J]．Automation of Electric Power Systems，2017，41(14)：54-60． doi:10.7500/AEPS20170104004
14	王凌云，安晓，杨波，等．考虑负荷聚合商参与下的微网双层两阶段优化调度[J]．三峡大学学报(自然科学版)，2021，43(2)：86-92．
	WANG L Y， AN X， YANG B，et al ．Double level two-stage optimal scheduling of microgrid with the participation of load aggregator[J]．Journal of China Three Gorges University (Natural Sciences)，2021，43(2)：86-92．
15	孙毅，刘昌利，刘迪，等．面向居民用户群的多时间尺度需求响应协同策略[J]．电网技术，2019，43(11)：4170-4177．
	SUN Y， LIU C L， LIU D，et al ．A multi-time scale demand response collaborative strategy for residential user groups[J]．Power System Technology，2019，43(11)：4170-4177．
16	何沁春，杨秀媛．泛在电力物联网中将家电可控负荷转化成智能负荷的方法研究[J]．发电技术，2020，41(1)：94-102． doi:10.12096/j.2096-4528.pgt.19176
	HE Q C， YANG X Y ．Research on methods for converting controllable loads of household appliances into intelligent loads in the ubiquitous power internet of things[J]．Power Generation Technology，2020，41(1)：94-102． doi:10.12096/j.2096-4528.pgt.19176
17	宋爽．计及电动汽车有序充放电的小区能量调度优化策略研究[D]．哈尔滨：哈尔滨工业大学，2020． doi:10.1109/appeec48164.2020.9220725
	SONG S ．Research on the optimization strategy of energy scheduling in A community considering the orderly charge and discharge of electric vehicles[D]．Harbin：Harbin Institute of Technology，2020． doi:10.1109/appeec48164.2020.9220725
18	许鹏．面向可再生能源消纳的负荷态势感知及调控策略研究[D]．北京：华北电力大学，2019．
	XU P ．Renewable energy consumption oriented load situation awareness and control strategy research[D]．Beijing：North China Electric Power University，2019．
19	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． doi:10.7500/AEPS20140422005
	WANG K， YAO J G， YAO L Z，et al ．Survey of research on flexible loads scheduling technologies[J]．Automation of Electric Power Systems，2014，38(20)：127-135． doi:10.7500/AEPS20140422005
20	周步祥，黄伟，臧天磊.计及共享储能与柔性负荷的微电网鲁棒优化调度[J]．电力科学与技术学报，2023，38(2)：48-57．
	ZHOU B X， HUANG W， ZANG T L ．Robust optimal scheduling of microgrid considering shared energy storage and flexible load[J]．Journal of Electric Power Science and Technology，2023，38(2)：48-57．
21	刘明群，何鑫，覃日升，等．基于改进K-means聚类k值选择算法的配网电压数据异常检测[J]．电力科学与技术学报，2022，37(6)：91-99．
	LIU M Q， HE X， QIN R S，et al ．Anomaly detection of distribution network voltage data based on improved K-means clustering k-value selection algorithm[J]．Journal of Electric Power Science and Technology，2022，37(6)：91-99．
22	朱兆霞，邹斌．PJM日前市场电价的统计分析[J]．电力系统自动化，2006，30(23)：53-57． doi:10.3321/j.issn:1000-1026.2006.23.011
	ZHU Z X， ZOU B ．Statistical analysis of day-ahead prices in PJM market[J]．Automation of Electric Power Systems，2006，30(23)：53-57． doi:10.3321/j.issn:1000-1026.2006.23.011
23	高文浩，赵海兵，殷爽睿，等．考虑负荷虚拟储能特性的商业区储能优化配置[J]．中国电力，2020，53(4)：96-104．
	GAO W H， ZHAO H B， YIN S R，et al ．Optimal configuration of BESS in commercial area considering virtual energy storage characteristics of load[J]．Electric Power，2020，53(4)：96-104．
24	周磊，朱明杰，张政，等．针对空调聚合负荷的作用时段差别化尖峰电价机制设计[J]．电力需求侧管理，2019，21(3)：11-16． doi:10.3969/j.issn.1009-1831.2019.03.004
	ZHOU L， ZHU M J， ZHANG Z，et al ．Design of progressive time-differentiated peak pricing mechanism for aggregated air-conditioning load[J]．Power Demand Side Management，2019，21(3)：11-16． doi:10.3969/j.issn.1009-1831.2019.03.004
25	李云倩．基于精细化建模的居民负荷分布式虚拟电厂优化调度研究[D]．南京：东南大学，2019．
	LI Y Q ．Research on optimal dispatch of distributed virtual power plant aggregated by residential loads based on refined modeling[D]．Nanjing：Southeast University，2019．
26	刘晓峰．基于居民用电行为特征的需求侧博弈优化技术研究[D]．南京：东南大学，2019．
	LIU X F ．Game-theoretic optimization of demand side based on residential energy consumption behavior[D]．Nanjing：Southeast University，2019．

[1]	张叶青, 陈文彬, 徐律军, 江兴稳. 面向多虚拟电厂的分层分区多层互补动态聚合调控策略[J]. 发电技术, 2024, 45(1): 162-169.
[2]	贾晓强, 杨永标, 杜姣, 甘海庆, 杨楠. 气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究[J]. 发电技术, 2023, 44(6): 790-799.
[3]	赵振宇, 李炘薪. 基于阶梯碳交易的碳捕集电厂-电转气虚拟电厂低碳经济调度[J]. 发电技术, 2023, 44(6): 769-780.
[4]	许星原, 陈皓勇, 黄宇翔, 吴晓彬, 王宇绅, 廉俊豪, 张健彬. 虚拟电厂市场化交易中的挑战、策略与关键技术[J]. 发电技术, 2023, 44(6): 745-757.
[5]	石梦舒, 许小峰, 张继广, 李忆, 周保中, 乐鹰, 毕圣. 考虑电-氢市场的虚拟电厂两阶段优化策略研究[J]. 发电技术, 2023, 44(5): 645-655.
[6]	郁海彬, 张煜晨, 刘扬洋, 陆增洁, 翁锦德. 碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略[J]. 发电技术, 2023, 44(5): 634-644.
[7]	张宁, 朱昊, 杨凌霄, 胡存刚. 考虑可再生能源消纳的多能互补虚拟电厂优化调度策略[J]. 发电技术, 2023, 44(5): 625-633.
[8]	陈皓勇, 黄宇翔, 张扬, 王斐, 周亮, 汤君博, 吴晓彬. 基于“三流分离-汇聚”的虚拟电厂架构设计[J]. 发电技术, 2023, 44(5): 616-624.
[9]	彭道刚, 税纪钧, 王丹豪, 赵慧荣. “双碳”背景下虚拟电厂研究综述[J]. 发电技术, 2023, 44(5): 602-615.
[10]	唐婧怡, 楚帅, 葛维春, 李音璇, 刘闯. 电极式电制热与传统制热的差异及其在碳中和的应用前景[J]. 发电技术, 2021, 42(5): 525-536.
[11]	王燕, 杨秀媛, 徐剑锋, 卜思齐, 徐智蔷. 民用可控负荷参与需求响应的控制策略[J]. 发电技术, 2020, 41(6): 638-649.
[12]	何沁春,杨秀媛. 泛在电力物联网中将家电可控负荷转化成智能负荷的方法研究[J]. 发电技术, 2020, 41(1): 94-102.
[13]	陈麒宇. 泛在电力物联网实施策略研究[J]. 发电技术, 2019, 40(2): 99-106.

考虑用户诉求差异的居民可控负荷资源优化控制

Optimal Control of Residents’ Controllable Load Resources Considering Different Demands of Users

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 26

相关文章 13

编辑推荐

Metrics

本文评价