基于需求响应潜力时变性的风火荷协同控制方法
阅读征文通知，请戳上面标题 ▲
联合主办
中国电工技术学会
北京交通大学轨道交通控制与安全国家重点实验室
联合承办
中国电工技术学会轨道交通电气设备技术专委会
国家高速列车技术创新中心
《电气技术》杂志社
会议日期/地点
2019年10月25-27日/山东青岛
南京工程学院电力工程学院、东南大学电气工程学院的研究人员宁佳、汤奕、高丙团，在2019年第8期《电工技术学报》上撰文指出，随着可再生能源并网容量的不断提高，可利用智能需求响应技术提升电网消纳可再生能源的能力，但如何定量评估具有时变特性的需求响应潜力（DRP）是一个亟待解决的问题。
该文提出一种考虑DRP时变性的风电、火电和负荷实时协同控制技术，以实现风电功率的最大消纳。首先，基于空调、热水器和电动汽车等智能家电的动态运行特性，建立智能家电的聚合响应数学模型；其次，在分析DRP时变特性的基础上提出DRP的定量计算方法；最后，综合考虑风电波动性、火电机组爬坡特性、DRP时变性以及电力网络潮流越限等约束，提出风火荷协同控制优化方法，以实现风电功率消纳的最大化。仿真算例结果表明该文所提方法的有效性和合理性。
风电作为可再生能源中最具经济发展前景的发电方式，其装机容量的快速增长对电网传统的运行控制模式产生重大影响，增加了系统运行调度的难度。当前风电场出力1h前预测的误差可达10%～15%，风电具有的波动性和间歇性增大了系统不平衡功率波动幅值和速率。在实时调度时间尺度上主要由自动发电控制（Automatic Generation Control, AGC）机组承担调节任务。
目前，电网AGC机组出力基准点由调度中心在调度计划制定过程中通过超短期负荷及风电预测信息确定。在高风电渗透率和高预测误差情况下，参与控制的AGC机组会偏离最佳运行点，付出较高的调节成本。
为应对上述挑战，可利用储能设备、抽水蓄能电站、燃气轮机和压缩空气储能等来缓解风电随机性和波动性带来的影响，但存在经济成本较高的问题。近年来，不少研究开始关注负荷侧资源主动参与电网互动，来实现风电消纳能力的提升。
相比于传统的发电资源，需求响应（Demand Response, DR）在运行控制方面有多种优势。首先，参与DR的负荷量大，据美国联邦公用事业监管委员会报告可知，美国DR能够抵消20%的峰值负荷；其次，DR资源能够迅速响应调度和控制指令，并且没有常规发电机组的调节惯性；最后，DR资源的分散分布有利于紧急情况下制定精准控制方案。
关于将DR用于平衡风电波动的相关研究，主要集中在DR平衡风电波动的潜力分析、参与风电消纳的DR调度策略以及对旋转备用容量的影响等方面。在DR平衡风电波动的潜力分析中，分别从DR资源在不同时间尺度上的响应能力和响应特性、协同发电资源优化等方面研究了如何平衡风功率波动，但尚未进一步研究需求响应潜力（Demand Response Potential, DRP）的量化计算方法。
在参与风电消纳的DR调度策略方面，分别从多类型负荷参与DR、日前调度模型、分钟级时间尺度下的风电场与AGC机组分布式协同实时控制模型等角度进行了研究，但这些研究未能考虑风功率波动可能导致的电网潮流越限风险。文献[20]提出计及网络安全约束的价格型DR实时优化调度建模方法，但是研究者未考虑负荷参与DR会改变之后的DRP，即DRP的时变性。
本文针对大规模风电接入电网导致的功率不平衡问题，构建了基于时变DRP的风光荷协调优化控制模型与方法，以实现风电消纳最大化的目标。在满足功率平衡、发电机爬坡率、潮流线路等约束前提下，以风电消纳最大作为优化目标，通过对智能家电的DRP时变性进行量化评估，实现风电、火电机组和负荷的协同控制，以促进风电的消纳。
图1 需求响应和AGC机组协同控制原理图
本文针对空调、热水器和电动汽车等智能家电个体的动态运行特性进行了分析，构建了智能家电在满足群体分布特性前提下的聚合数学模型，并提出以风电消纳最大化为目标、计及潮流越限约束、基于DRP时变性构建综合发电侧AGC机组、风电和用电侧智能家电参与需求响应的实时控制模型。
该模型将智能家电参与响应融入到实时控制环节中，与发电侧共同平抑系统不平衡功率。得到结论如下：
1）单纯依靠AGC机组调节能力无法实现供需平衡，考虑加入智能家电进行风火荷协同实时控制可在保证AGC机组调节能力的同时提高风电消纳量。
2）DRP具有随负荷运行状态的不同会发生改变的时变性，考虑智能家电DRP时变性实现风火荷协同实时控制有助于降低切负荷量和弃风量。
3）发电机爬坡率和潮流约束均是制约风电消纳能力的关键因素之一，在优化控制中考虑两者约束有利于提高实时调度的可靠性。