新型电力系统背景下电热负荷参与实时调度研究

doi:10.12096/j.2096-4528.pgt.21122

新型电力系统背景下电热负荷参与实时调度研究

印欣¹, 张锋², 阿地利·巴拉提¹, 常喜强¹, 陈武晖², 李长军¹, 李雪明³, 袁少伟⁴

1.国网新疆电力有限公司，新疆维吾尔自治区乌鲁木齐市 830000

2.太原理工大学电气与动力工程学院，山西省太原市 030024

3.国电南瑞科技股份有限公司，江苏省南京市 210003

4.国网乌鲁木齐供电公司，新疆维吾尔自治区乌鲁木齐市 830000

Study on Participation of Electricity-driven Thermal Load in Real-time Scheduling of New Power System

YIN Xin¹, ZHANG Feng², ADILI Balati¹, CHANG Xiqiang¹, CHEN Wuhui², LI Changjun¹, LI Xueming³, YUAN Shaowei⁴

1.State Grid Xinjiang Electric Power Co. , Ltd. , Urumqi 830000, Xinjiang Uygur Autonomous Region, China

2.College of Electrical and Power Engineering, Taiyuan University of Technology, Taiyuan 030024, Shanxi Province, China

3.Guodian Nanrui Technology Co. , Ltd. , Nanjing 210003, Jiangsu Province, China

4.State Grid Urumqi Power Supply Company, Urumqi 830000, Xinjiang Uygur Autonomous Region, China

收稿日期: 2021-11-15

基金资助:

新疆维吾尔自治区重大科技专项. 2022A01007-1
国家自然科学基金项目. 51977098

Received: 2021-11-15

作者简介 About authors

印欣(1988)，男，硕士，高级工程师，研究方向为电力系统稳定分析及源网荷储协同调度，yinchaoji1@163.com；

陈武晖(1974)，男，博士，教授，研究方向为电力系统分析与控制，本文通信作者，chenwuhui@tyut.edu.cn。

摘要

以新能源为主的新型电力系统的功率平衡面临着重要的技术挑战，以灵活负荷参与电力系统调节是提升新型电力系统有功平衡能力的重要途径。针对电热负荷季节性、时段性特征明显，新能源“极寒极热无风”“晚峰无光”，热电负荷在新型电力系统中呈现反调峰的趋势。针对这一问题，全面分析了电热负荷时空特性和用能特性，深入挖掘其调节潜力，着重分析了电热可控负荷的控制场景，并系统地给出了电热负荷的柔性调度策略，完成电热负荷的柔性控制调节，实现全时间尺度的网荷协同优化和灵活调度，从而验证了该电网电热负荷实时参与调度的可行性。

关键词： 新能源 ; 新型电力系统 ; 源网荷储 ; 电热负荷 ; 可调节负荷资源 ; 柔性控制

Abstract

The power balance of the new power system mainly based on new energy is facing an important technical challenge, and the participation of flexible load in power system regulation is an important way to enhance the active balance capability of the new power system. In view of the obvious seasonal and temporal characteristics of the electric and thermal loads, the new energy sources are “extremely cold and hot without wind” and “late peak without light”, and the thermoelectric loads in the new power system show the trend of anti-peak regulation. To address this problem, this paper analyzed the spatial and temporal characteristics and energy-use characteristics of electric and thermal loads, explored their regulation potential, focused on the control scenarios of electric and thermal controllable loads, and systematically gave a flexible scheduling strategy for electric and thermal loads to complete the flexible control and regulation of electric and thermal loads. The results realize the network-load cooperative optimization and flexible scheduling on the whole time scale, and thus verify the feasibility of the real-time participation of telectric and thermal loads in the scheduling of the grid.

Keywords： new energy ; new power system ; source network load storage ; electric and thermal loads ; adjustable load resources ; flexible control

PDF (2954KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

印欣, 张锋, 阿地利·巴拉提, 常喜强, 陈武晖, 李长军, 李雪明, 袁少伟. 新型电力系统背景下电热负荷参与实时调度研究. 发电技术[J], 2023, 44(1): 115-124 DOI:10.12096/j.2096-4528.pgt.21122

YIN Xin, ZHANG Feng, ADILI Balati, CHANG Xiqiang, CHEN Wuhui, LI Changjun, LI Xueming, YUAN Shaowei. Study on Participation of Electricity-driven Thermal Load in Real-time Scheduling of New Power System. Power Generation Technology[J], 2023, 44(1): 115-124 DOI:10.12096/j.2096-4528.pgt.21122

0 引言

为适应“双碳”目标要求，以新能源为主的新型电力系统构建迅速推进^[1-4]。在此形势下，以化石能源为燃料的出力可控的常规机组在系统中占比越来越小，出力不可控且随机波动的新能源发电机组占比越来越高，将成为主力机组。与传统电力系统相比，新型电力系统发电侧的有功功率调节能力下降，仅靠少量常规机组调节电力系统的有功平衡几乎无法实现，有功功率调节技术成为实现以新能源为主的新型电力系统的关键技术挑战^[5]。因此，充分挖掘电力系统中负荷侧可调节资源参与有功功率调节，是提升以新能源为主的新型电力系统有功调节能力的重要途径^[6-7]。

随着我国对“煤改电”等清洁取暖改造政策扶持力度的加大，电采暖已成为各电网迎峰度冬最主要的负荷，其无序发展将极大影响新型电力系统运行^[8-9]。截至2021年10月，某电网电热用户共计94.5万户，容量为1 290.5万kW，其中：分散式电热用户有89.9万户，容量为676.7万kW；集中式电热用户有4.7万户，容量为613.7万kW。2021—2022年供暖季最大负荷约为631.7万kW，约占电热负荷额定容量的26%。近年来，特别是在冬季负荷高峰期，部分地区电网受到水电站蓄水保灌、火电供暖等影响，电源侧调节能力大幅降低，导致冬季晚高峰电力供需矛盾加剧。多数地区也受到电采暖负荷激增的影响，出现发电侧灵活调节尚显资源不足的问题^[10-12]。以上分析表明，电网亟需深入拓展以电供热为代表的新型电力系统负荷可调节能力，通过对电热负荷的柔性调度，提升电网供需互动水平。

国内外学者在电热负荷等可调负荷建模及调节能力评估方面进行了研究。文献[13-14]基于标准用户模型对电热用户负荷可调节能力进行评估，提出了一种基于温度预报的户用电热负荷可调节能力评估方法。文献[15]提出了弃风储热供暖协调调度策略，研究表明，利用弃风电不仅可以促进新能源消纳，同时还可以降低以电供热的成本。文献[16]采用多目标优化方法和基于离散选择模型的决策方法，对用户的差异化响应行为进行模拟，以求得单类用户的电负荷特性。文献[17-18]仿真分析了电热负荷的可调控容量和调控响应持续时间，并提出了电热负荷的“接力式”控制与“轮控”策略。文献[19]从分散式电热负荷控制需求的角度出发，分析了基于区块链的分散式电热负荷协同控制方案的适用性。文献[20]针对配电网与蓄热式电热负荷的匹配特性，提出了一种蓄热式电热负荷与配电网台区的匹配策略。文献[21]采用修正多目标粒子群算法，以系统运营成本最小和系统污染排放量最小为目标，建立了多目标负荷调度模型。文献[22]建立了基于BP神经网络的负荷值预测模型，运用遗传算法和蛙跳算法对BP神经网络进行优化操作。文献[23]提出了一种考虑需求响应的热电联产深度调峰联合优化调峰方法，发电侧在热电联产机组上安装蓄热装置，打破了“以热定电”的传统。文献[24]建立了基于需求响应的电热水器与用水量的数学模型，采用热水器控制策略有效提高电网负荷率，降低负荷峰值。目前，大量研究着重对电热负荷柔性调节进行理论分析，但针对不同地域的负荷容量和特征，其实际应用却存在很大差异。

为此，本文基于某电网电热负荷的时空分布特点和用能特性，深入分析了直热式电锅炉和碳晶电热板等可调节负荷资源，给出了3种电热可控负荷的控制场景，提出了系统的柔性电热负荷调度策略，并通过算例分析验证了其可行性。

1 电热负荷时空分布特点和用能特性

1.1 电热负荷时空分布特点

表1汇集了2021年某地区电热负荷容量分布情况，可以看出，从地域特点来看，区域1主要以集中式电热负荷为主，区域2主要以分散式电热负荷为主。

表1 某地区电热负荷容量分布 (万kW)

Tab. 1 Capacity distribution of electric and thermal loads in a certain area

区域	电热负荷容量	分散式电热负荷		集中式电热负荷
区域	电热负荷容量	直热式	蓄热式	直热式	蓄热式
1	634.1	76.9	197.2	80.4	279.6
2	656.4	59.9	342.8	56.8	196.9

新窗口打开| 下载CSV

从城市发展情况来看，城市群落较发达的区域1采用集中式电热负荷较多，农业地区较发达的区域2采用分散式电热负荷较多。

表2为某地区电热负荷最大负荷分布情况，可以看出，无论是区域1还是区域2，集中式电热最大负荷较高，分散式电热最大负荷较低。

表2 某地区电热最大负荷分布情况 (万kW)

Tab. 2 Distribution of maximum electric and thermal loads in a certain area

区域	预计电热最大负荷	分散式电热最大负荷		集中式电热最大负荷
区域	预计电热最大负荷	直热式	蓄热式	直热式	蓄热式
1	412.6	50.9	126.5	43.2	192
2	201.1	10.8	87.8	45.7	56.8

新窗口打开| 下载CSV

从电热负荷用户数量分析其分布情况，如表3所示，可以看出，集中式电热负荷涉及用户较少，分散式电热负荷涉及用户较多。

表3 某地区电热负荷用户分布情况 (万户)

Tab. 3 User distribution of electric and thermal loads in a certain area

区域	电热负荷用户	分散式电热负荷用户		集中式电热负荷用户
区域	电热负荷用户	直热式	蓄热式	直热式	蓄热式
1	12.62	1.43	7.78	0.07	3.34
2	81.92	0.17	79.68	0.19	1.07

新窗口打开| 下载CSV

以2020年12月全网范围电热平均用电负荷为例，如图1所示，从时间角度分析，全网电热平均用电负荷为155.8万kW(占电热负荷容量的22%)，电热最大用电负荷为182.4万kW(占电热负荷容量的26%，一般出现在02:00左右)，电热最小用电负荷132.3万kW(一般出现在平段13:00左右)，峰谷差为50.1万kW。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 某地区电网2020年12月电热平均用电负荷曲线

Fig. 1 Average power load curve of electric heating in a regional power grid in December 2020

根据某区域2020年12月各地区电热日负荷数据(以用电采集系统每日96点数据为准，覆盖所有建档的电热负荷专用表计)，选取负荷最大的4个地区来分析，如图2所示，电热负荷均呈类似特性，谷段(23:00—次日09:00，14:00—16:00)负荷较大，平段负荷较小，峰谷差一般为10%~20%。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 4个负荷最大地区2020年12月电热平均用电负荷曲线

Fig. 2 Average power load curve of electric heating in 4 regions with the highest load in December 2020

1.2 电热负荷用能特性

从不同行业角度来看，集中式电热负荷受价格、用户习惯及温差等多重因素影响，主要呈现4种典型特性，如图3所示。学校、幼儿园等单位一般采用蓄热式供暖，低谷蓄满，高峰释放；夜间不生产的中小企业采用直热式供暖，白天集中供热，晚上停用，晚高峰基本无调节空间；24 h生产运行的企事业单位采用直热式供暖，用电负荷曲线全天基本保持平稳，但晚高峰期间仍有一定调节空间；寄宿中学及政府机构同样采用直热式供暖，但早晚高峰用能明显较大，晚高峰期间调节空间充足。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 典型行业2020年12月电热平均用电负荷曲线

Fig. 3 Typical industry’s average electricity load curve for electric heating in December 2020

因此，在集中式电热负荷中，蓄热式电热负荷受峰谷电价影响，已在晚高峰响应调峰，没有可调节容量改造空间。直热式电热负荷晚高峰部分具有可调节空间，但改造容量有限^[25]。

分散式电热负荷的主要用户包括“煤改电”用户和自行报装用户，其中采用碳晶电热板方式的用户占比较高，主要以直热式为主，且不受价格影响，晚高峰可调节容量改造空间较大。电热负荷中蓄热式量少且无峰谷价差，主要受用户习惯和温差影响大。分散式电热负荷典型日负荷曲线如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 分散式电热负荷典型日负荷曲线

Fig. 4 Typical daily load curve of distributed electric and thermal loads

2 电热可调节负荷资源分析

通过对电热负荷用能特性的分析可以看出，在集中式和分散式电热负荷中，总是存在具有一定可调节空间的直热式负荷。

2.1 直热式电锅炉可调节负荷资源

根据不同行业集中式电热负荷特性，晚高峰期间均可以提供不同比例的可调节负荷资源，可调节比例与环境温度、建筑物保暖特性有关，可以通过向电锅炉控制系统下发调节指令实现负荷柔性调节^[26]。

针对当地电热负荷用户感知过程，该地区研究机构进行了典型建筑物蓄放热特性分析，结果表明：室外温度为-10 ℃时，各类建筑物室内温度放热时间为0.33~1.09 h/℃，以电锅炉电加热负荷占比约90%计算，采用晚高峰期间(以连续4 h计)电锅炉电加热负荷轮停方式，用户室内温度每降低1 ℃，可以提供总负荷10%~25%可调节负荷量。

2.2 碳晶电热板可调节负荷资源分析

根据分散式电热负荷特性，晚高峰期间可以提供一定比例的可调节负荷资源，可以通过轮流短时关闭碳晶电热板、发热电缆等电热负荷设备实现负荷柔性调节^[27]，可行方式具体如下。

方式1(分时轮停)：采用晚高峰期间(以连续4 h计)分散式电热用户轮停方式，用户室内温度每降低1 ℃，可以提供总负荷10%~25%可调节负荷量。

方式2(分组轮停)：采用晚高峰期间(以连续4 h计)分散式电热用户室内采暖设备分组轮停方式，用户室内温度每降低1 ℃，可以提供总负荷16%~33%可调节负荷量。

该区域将电热可调节、可中断负荷接入两级部署的源网荷储协同控制平台，目前具备电热可控负荷49.73万kW。其中，分散式可控负荷总量为5.06万kW；集中式电锅炉可控负荷总量为44.67万kW。表4为各地区电热可调节负荷。

表4 各地区电热可调节负荷 (万kW)

Tab. 4 Electric and thermal adjustable loads in each region

地区序号	预计电热最大负荷	可调节负荷
总计	631.7	49.7
1	103.5	20.7
2	25.0	5.0
3	28.9	6.3
4	34.5	2.5
5	0.7	0.0
6	11.4	0.0
7	28.8	0.0
8	76.1	0.0
9	10.8	4.4
10	92.9	0.0
11	25.9	0.0
12	50.0	0.0
13	55.6	10.8
14	1.6	0.0
15	68.0	0.0

新窗口打开| 下载CSV

3 电热可控负荷控制场景

1）通过增加电热可控负荷促进清洁能源消纳

风电功率预测系统可对风电输出功率进行实时预测，当电网出现日计划需要消纳的电量时，地区调度员接收到上一级调度相关指令，源网荷储平台通过以邀约电热负荷用户的控制方式下发控制指令，包含需要的响应时间、响应规模以及持续时长。用户侧通过负荷控制终端接收相关指令，根据自身实际情况选择同意或者不同意，选择后，系统会接收到相关信息并加以记录。在实际负荷响应时段，系统同样会记录用户实际响应时间、响应规模以及持续时长，实现电热负荷参与电网日前、日内调峰，促进新能源消纳。

2）通过减少电热可控负荷降低电网运行风险

当电网出现设备故障、断面受限、设备过重载情况时，地区调度机构通过自动化系统源网荷储平台，将调控指令下发至各区数据库；数据库转发指令至相应电热负荷用户的末端负荷控制设备，通过短信平台提醒用户；用户可在规定时间内进行确认和执行，实现电热负荷参与电网日前、日内调峰，降低电网运行风险。

3）通过电热可控负荷保障大电网的安全

当电网出现紧急情况时，按照与用户签订的协议，调度员可以通过自动化系统对可控电热负荷进行柔性控制，这样就实现了对可控负荷的秒级控制，以保障大电网的安全。

通过对电热负荷的柔性调度，有利于电源侧减少发电煤耗，提高新能源消纳水平；有利于降低电网运行风险，保证电网安全经济运行；有利于减少负荷被动切除，提高用电满意度。

4 电热负荷柔性调度策略

4.1 电热负荷柔性调度流程

电热负荷柔性调度包括日前调度和日内调度。其中，日前调度应先判段当前是否达到日前调度周期，若达到，需输入日前电热负荷预测值，以此来求解日前调度模型，制定调度计划，确定当前大工业负荷的可转移量、可平移量和可削减量。

其中：可转移负荷是指在调度期间，用户通过改变其生产生活方式，将某一时刻的部分负荷转移到另一时刻，总负荷不发生改变；可平移负荷是指在调度前一天对负荷进行预测，在不改变系统整体负荷的情况下实现调峰处理；可削减负荷是指在调度过程中具有削峰能力的负荷。三者统称为柔性负荷。

日内调度同样应先判断是否达到日内调度周期，然后在日前调度的基础上，提前对当前电网的电能产量及可调整量进行预测，以此来求解调度模型，生成日内削减负荷的调度计划。电热负荷柔性调度拓扑具体流程如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 电热负荷柔性调度拓扑图

Fig. 5 Flexible dispatch topology diagram of electric and thermal loads

4.2 调度模型目标函数

日前调度模型以电网内部机组的发、启、停成本，产蒸汽成本及柔性调度成本之和最小为目标函数，具体表达式如下：

m i n M = m i n [\sum_{t \in T} (\sum_{i \in C} Y_{t, i}^{F} + \sum_{i \in C} Y_{t, i}^{O} + M_{t, i} + Q_{t, i}^{P} + Q_{t, i}^{T} + Y_{f})]

(1)

\{\begin{array}{l} Y_{f} = Y_{x} + Y_{p} + Y_{z} \\ Y_{x} = M_{x} \cdot p_{x} \cdot Δ t \\ Y_{p} = M_{p} \cdot S_{p} \cdot F_{c 1} \\ Y_{z} = M_{z} \cdot S_{z} \cdot F_{c 2} \end{array}

(2)

式中： $M$ 为目标函数总成本；T为调度周期； $C$ 为机组集合； $Y_{t, i}^{F}$ 、 $Y_{t, i}^{O}$ 分别为在时段t内机组i的燃烧成本、运行成本； $M_{t, i}$ 为在时段t内机组i与电网的交易成本； $Q_{t, i}^{P}$ 、 $Q_{t, i}^{T}$ 分别为在时段t内机组i的蒸汽收益、蒸汽传输成本； $Y_{f}$ 为负荷柔性调度成本； $Y_{x}$ 、 $Y_{p}$ 、 $Y_{z}$ 分别为大工业负荷可削减、可平移、可转移成本； $M_{x}$ 、 $M_{p}$ 、 $M_{z}$ 分别为负荷单位容量的削减补偿、平移补偿和转移补偿； $p_{x}$ 为机组可削减功率； $S_{p}$ 、 $S_{z}$ 分别为平移和转移负荷容量； $F_{c 1}$ 、 $F_{c 2}$ 分别为系统平移和转移指令。

而日内调度模型中无蒸汽传输成本，且只包含机组的可削减成本，其目标函数具体表达式为

m i n M = m i n [\sum_{t \in T} (\sum_{i \in C} Y_{t, i}^{F} + \sum_{i \in C} Y_{t, i}^{O} + M_{t, i} + Q_{t, i}^{P} + Y_{x})]

(3)

4.3 调度模型平衡约束

1）电力平衡约束

\sum_{t \in T} [\sum_{i \in C} E_{i, t, s}^{g} - E_{i, t, s}^{s} + E_{t, s}^{b}] = \sum_{t \in T} L_{t}^{e}

(4)

式中： $E_{i, t, s}^{g}$ 、 $E_{i, t, s}^{s}$ 分别为在时段t内机组i的产电量和自身消耗电量； $E_{t, s}^{b}$ 为在时段t内的交易电量净收益； $L_{t}^{e}$ 为在时段t内的系统电负荷量。

2）系统热平衡约束

\sum_{t \in T} [G_{t, s} - T_{t, s} + \sum_{i \in C} h_{i, t, s}^{g} - G_{t, s}^{s}] = \sum_{t \in T} L_{t}^{h}

(5)

式中： $G_{t, s}$ 为在时段t内系统的总蒸汽储存量； $T_{t, s}$ 为在时段t内蒸汽在传输过程中的损失量； $h_{i, t, s}^{g}$ 为在时段t内机组i的产气量； $G_{t, s}^{s}$ 为在时段t内系统自身的消耗量； $L_{t}^{h}$ 为在时段t内系统的热负荷量。

3）机组的启停约束

日前调度模型中含有机组的启停，而日内调度模型中不含有该约束，具体表达式如下：

\{\begin{array}{l} Δ c_{i, t, s} \geq c_{i, t, s} - c_{i, t - 1, s} \\ Δ c_{i, t, s} \leq 1 - c_{i, t - 1, s} \\ Δ c_{i, t, s} \leq c_{i, t - 1, s} \\ \sum_{t \in T} Δ c_{i, t, s} \leq N_{i, s} \end{array}

(6)

式中： $Δ c_{i, t, s}$ 为在时段t内机组i的启停变化量； $c_{i, t, s}$ 为在时段t内机组i的状态，0表示停用，1表示启动； $N_{i, s}$ 为系统允许的最大机组开启量。

4）柔性负荷约束

\{\begin{array}{l} p_{z}^{m i n} \leq p_{z} \leq p_{z}^{m a x} \\ \sum_{t \in T} p_{o, z}^{t} (t) \cdot Δ t = \sum_{t' \in T} p_{n, z}^{t'} (t') \cdot Δ t' \end{array}

(7)

式中： $p_{z}^{m a x}$ 、 $p_{z}^{m i n}$ 分别为可转移负荷 $p_{z}$ 的上、下限； $p_{o, z}^{t} (t)$ 、 $p_{n, z}^{t'} (t')$ 分别为可转移负荷在原始时段t、新时段 $t'$ 内的功率。

可削减负荷的目的是在系统允许的前提下，采取分时电价在高峰时期削减部分机组的用电量，进而减少系统用电量，实现经济性。其表达式为

p_{x}^{m i n} \leq p_{x} \leq p_{x}^{m a x}

(8)

式中 $p_{x}^{m a x}$ 、 $p_{x}^{m i n}$ 分别为可削减功率 $p_{x}$ 的上、下限。

可平移负荷的目的是改变负荷的用电时段，要求平移前后负荷总量保持一致。其表达式为

p_{p} (t) = p_{p}^{x} (t + Δ t)

(9)

式中： $p_{p} (t)$ 为原始负荷量； $p_{p}^{x} (t + Δ t)$ 为平移时间段内的负荷量。

5 算例分析

为验证上述调度策略的可行性，现对某地区电网实时调度进行仿真实验。已知该电网内包含1台100 MW的火电机组、1组20 MW的光伏电站和1组50 MW的风电机组，火电机组在额定工况下效率为70%。将上述调度模型编写为MILP程序后，对该地区电网分别进行日前优化调度和日内优化调度。

日前调度策略主要是靠改变机组的启停状态来改变机组的电量输出。日前调度前后电热负荷平衡出力对比及柔性电热负荷响应分别如图6、7所示。可以看出，柔性电热负荷参与调度前，负荷的峰谷差为51.36 MW，加入柔性电热负荷后，峰谷差降为32.8 MW，比调度优化前降低了约36.12%，可平移负荷和可削减负荷在降低峰谷差方面起主要作用，表明日前调度策略中加入柔性电热负荷可有效降低负荷峰谷差，改善用电质量。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 日前调度前后电热负荷平衡出力对比

Fig. 6 Output balance comparison of electric and thermal loads before and after day-ahead dispatch

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 日前调度前后柔性电热负荷响应情况

Fig. 7 Response of flexible electric and thermal loads before and after day-ahead dispatch

日内调度前后电热负荷平衡出力对比及柔性电热负荷响应如图8、9所示。可以看出，日内调度优化前，电热负荷峰谷差约为75.47 MW，日内调度优化后，峰谷差降为59.24 MW，比调度优化前降低了约21.51%。在日内调度过程中，只有可削减电热负荷出力，分析结果表明，日内调度优化也可以有效调整电热负荷峰谷差，实现对负荷的柔性调节。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 日内调度前后电热负荷平衡出力对比

Fig. 8 Output balance comparison of electric and thermal loads before and after intra-day dispatch

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 日内调度前后柔性电热负荷响应图

Fig. 9 Response of flexible electric and thermal loads before and after intra-day dispatch

6 结论

从某电网电热负荷参与实时调度的可行性问题出发，分析了电热负荷时空分布特点和用能特性，提出了3种可能的电热可控负荷控制场景，给出了系统的柔性电热负荷调度策略，验证了该电网电热负荷实时参与调度的可行性。通过分析得出如下结论：

1）从负荷的时空分布特点来看，集中式或分散式电热负荷很大程度上取决于该区域的城市发展情况，其中，城市发展较好的区域多采用集中式，而以农业为主的区域主要采用分散式，但总体来看，分散式电热负荷涉及用户还是远大于集中式，不同区域的日负荷曲线均呈现类似特性。从负荷用能特性来看，集中式电采暖负荷中蓄热式没有可调节容量改造空间，但直热式晚高峰仍有部分具有可调节空间，分散式主要以直热式为主，晚高峰可调节容量改造空间较大。

2）在不影响用户正常供暖的情况下，直热式电锅炉和碳晶电热板电热负荷在晚高峰期间均可以提供一定比例的可调节负荷资源，不同的电热负荷资源可采用相应的运行方式进行柔性调节。

3）在不同的控制场景下，可以通过增加或减少电热可控负荷来促进清洁能源消纳、降低电网运行风险及保障大电网的安全。

4）柔性电热负荷参与实时调度可有效降低负荷峰谷差，改善用电质量。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

陈皓勇

．

“双碳”目标下的电能价值分析与市场机制设计

[J]．发电技术，2021，42(2)：141-150． doi:10.12096/j.2096-4528.pgt.21008