【摘要】挖掘响应迅速且成本较低的需求侧资源为电力系统提供辅助服务,对促进风电消纳具有积极意义｡工业需求响应资源与商业､居民等用户相比具有容量大､负荷稳定､易于管理等优势,在应对大规模风电接入等方面具有更明显的优势｡为深入研究工业用户提供辅助服务的响应机理,在分析电解铝､灌溉泵站2类典型工业负荷提供辅助服务类型的基础上,基于多智能体技术,构建了包含电网及以上2类工业负荷的多智能体系统,阐述各类智能体的目标､结构以及行为策略｡在仿真过程中电网公司可根据工业用户响应情况动态调整各类辅助服务价格｡仿真结果表明,模型获得的辅助服务定价策略可在兼顾各类工业用户利益的基础上,充分挖掘工业用户提供辅助服务的响应潜力｡
【关键词】需求响应;风电消纳;工业负荷;辅助服务;多智能体技术
0 引言
近年来,随着智能电网技术的快速发展,促进新能源开发､提高能源利用效率､优化能源消费结构已成为电力系统发展的关键目标｡然而伴随风电､太阳能等新能源装机容量的快速增长以及大规模集中并网,其出力的随机波动性极大地增加了电网运行调度的难度,以调度常规电源提供调频等辅助服务的传统方式已无法适应新形势[1]｡同时智能控制装置的普及赋予了需求侧资源更多的调节能力｡因此,从需求侧角度出发,通过适当调整负荷以适应发电侧出力的不确定性[2],是智能电网背景下促进风电消纳的新思路｡
辅助服务是电力系统维持供需平衡､满足电压和频率质量､确保安全稳定运行必不可少的组成部分｡大规模新能源集中接入导致系统对辅助服务资源有更高需求[3],文献[4]指出风等新能源接入对电力系统调频管理､灵活性备用的需求显著上升｡常规发电侧辅助服务资源不仅受爬坡/滑坡速率约束,反应较慢且成本较高,而且如果由常规机组承担增加的辅助服务需求,会带来巨大的建设投入,降低系统运行效率,阻碍风电并网比例的进一步提高[5]｡因此,针对当前大规模新能源并网和发电侧有限的辅助服务供应,研究响应快､成本低的需求侧辅助服务资源具有积极意义｡
传统意义上,需求响应是指终端用户根据不同时期的电价水平和激励措施主动发生的日常用电模式的改变,最终实现消费者用电成本的降低和系统可靠性的增加[6]｡依靠现代信息､通信､传感和控制技术,智能电网实现了电力用户与电网间的实时互动,使得作为需求侧管理最新发展的需求响应(demandresponse,DR)成为继常规电源外,又一具有发展潜力的互动资源[7]｡随着自动需求响应(automateddemandresponse,AutoDR)技术的发展与完善,负荷不仅可以自动对远程控制或价格信号进行快速响应,响应速度优于传统发电侧机组,而且在响应投入方面具有较大优势[8]｡文献[9]研究表明需求响应在技术层面已具备提供频率管理､非旋转备用等类型辅助服务的可行性｡
迄今为止,国内外已有一些关于需求响应资源应用于辅助服务的研究:文献[10-15]分别通过试验及示范项目验证了照明､空调､冷藏､数据中心､泵等一系列用电设备负荷具备提供辅助服务的能力｡文献[16-17]总结了电解铝提供辅助服务实验项目的成果,指出电解铝具备提供调频服务的能力｡以上研究为需求响应提供辅助服务的可行性提供了大量理论､实验支撑｡国内也有大量研究从需求响应的角度出发,探索促进风电消纳的方法[18-22]｡但仍缺乏对具体用电设备负荷响应特点的深入研究｡因此,系统研究各类需求响应资源提供辅助服务的运行特性及参与机制,充分挖掘潜力,进而促进风电消纳,是电力系统尚需进行深入研究的领域｡
在上述背景下,本文重点分析了电解铝､灌溉泵站2类典型工业负荷提供辅助服务的类型,考虑了用电和响应特点,分析了其提供辅助服务的能力,并基于多智能体技术,构建了包含电网和以上2类工业负荷的多智能体系统,阐述了各类智能体的目标､结构以及行为策略,强调工业用户与电网间的交互,特别是电网智能体的辅助服务定价及调节作用｡在综合衡量各方利益的基础上选取最优辅助服务定价方案和最优参与模式,以使电网和工业用户在调频和备用市场中实现各自目标｡
1 工业用户提供辅助服务特点分析
需求侧资源种类众多,判断其是否适合提供辅助服务以及可提供辅助服务类型,需考虑响应速度､自动化水平､可调频方向､响应频率等参数[23]｡以上参数又受天气､季节､昼夜､产业类型､设备类型与用户行为习惯等因素影响,导致系统中可调度需求侧资源容量同样具有不确定性[8]｡基于以上特点,本文提出重点激励工业用户提供辅助服务以应对大规模风电接入｡工业企业多为连续型生产企业,与商业､居民用户相比参与需求响应具有以下优势:1)负荷容量大,单个用户即可提供较大可调度需求响应容量;2)负荷稳定,昼夜峰谷差较小,可以较好应对风电出力的反调峰特性;3)受气候变化影响小,而商业､居民用户负荷水平在夏季与冬季差别较大,这导致可调度需求响应资源季节性波动明显;4)自动化水平高,相比于其他分散负荷更易于管理｡
工业负荷种类较多,由于生产班制､用电设备类型､电价敏感度等因素不同,提供辅助服务潜力及经济性差异较大｡文献[2]总结了已通过现场实验或示范项目证明可参与辅助服务的工业负荷类型｡文献[16]指出工业负荷中,电解铝等直流用电设备响应调度信号更为精确,具有调速装置设备也具有较高精度,如灌溉泵站｡本文选取文献[8,16]提到的电解铝和灌溉泵站2类典型工业负荷,对其参与辅助服务的经济性进行分析｡2类用户均为高耗能连续运转型负荷,电耗占成本比例均在40%以上｡其中,电解铝企业主要为直流用电设备,负荷曲线较为平稳,受天气､季节与昼夜等因素影响小,负荷率可达90%以上;灌溉泵站可加装调速装置,负荷曲线受季节影响,夏季负荷水平较高｡以上2类设备均可实现对电网调度信号的快速响应｡
2 工业用户提供辅助服务类型分析
2.1 电解铝
电解铝企业主要通过电解槽设备提供辅助服务,有以下2种方式:1)改变槽电压以调节负荷功率,此方式可近似实现对负荷功率的瞬时调节,调节灵活但调节范围较小;2)关停整个或某条电解槽,并通过合理安排各电解槽关停顺序,实现较长响应时间及较大调节范围,但此方式对企业正常生产影响较大｡为尽量减少对企业生产的影响,本文设定电解铝企业仅通过改变槽电压调节负荷功率的方式参与辅助服务｡参与调节容量不宜过大,限定为不高于电解槽平均功率的3%,其他参数如表1所示｡
表1电解铝和灌溉泵站提供辅助服务参数对比
2.2 灌溉泵站
灌溉泵站可通过改变叶片角度调节范围进而改变出力,实现运行状态下对负荷大小的上下调节;也可在电网提前通知情况下,停止运行,为系统提供非旋转备用｡本文设定提前通知时间为2h｡考虑到频繁启停对泵站正常运转影响较大,设定每天启停次数不超过1次,每次响应时间不超过2h｡灌溉泵站提供调频､非旋转备用服务参数如表1所示｡
2.3 用户可提供最大辅助服务容量
工业用户种类众多,掌握系统内负荷可提供的最大辅助服务容量Mmax对电网制定激励政策有指导意义｡
3 智能体理论基础及设计
3.1 多智能体系统
多智能体建模方法可通过模拟微观个体行为反映宏观现象,为研究社会系统､经济系统等提供更有效的建模框架[24-25]｡本文借助该方法研究工业需求响应资源提供辅助服务的行为,目的是为工业需求响应资源提供辅助服务建立1个决策支持模拟实验平台｡考虑到完全自适应的智能体无法满足多种要求,一个在智能体交互过程中,专家可随时进行调整和干预的开放智能体模拟平台更符合本研究的需要｡专家干预的主要方面包括智能体的知识体系､推理规则､运行时间及智能体的主要参数等｡
3.2 智能体设计
3.2.1 多智能体系统总体框图
图1为多智能体系统总体框图｡该系统包括电网智能体以及电解铝､灌溉泵站2类工业用户智能体｡电网智能体可通过调整辅助服务参与标准以及辅助服务定价影响工业用户智能体的响应决策｡工业用户智能体则根据自身可提供辅助服务类型以及提供辅助服务潜力,结合企业生产行为对电网的发布信息进行响应｡在智能体交互的过程中,必要时专家可以干预智能体的交互,用专家的智能干预智能体的推理｡专家干预还可以包括根据不同研究内容,设置更多复杂的工业用户智能体,以及进一步考虑它们之间的交互｡
图1多智能体系统总体框图
3.2.2 电网智能体
通过专家经验,电网智能体(gridagent,GA)首先建立包含各类辅助服务参与标准的知识库｡本文在文献[9]研究的基础上,为GA的知识库设定调频服务､非旋转备用2类辅助服务,并设定参与标准如表2所示｡各类工业用户智能体只有在满足相应标准的前提下,才具备提供对应辅助服务的资格｡GA可通过对不同辅助服务标准制定不同价格,实现对不同工业用户的差别定价｡在提供相同容量下,调频服务响应更快,所起作用要大于非旋转备用,本研究在GA的规则库中设定工业用户调频容量电价pr(t)大于非旋转备用容量电价pns(t)｡
表2各类辅助服务参与标准
GA为控制型智能体,其体系结构如图2所示｡用矩阵P表示工业用户辅助服务定价策略集,矩阵A表示工业用户参与辅助服务信息集｡GA首先通过效应器向外部环境发布辅助服务定价,在工业用户智能体根据各自决策规则做出响应并完成1个研究时期T后,再根据推理机设定下一动作｡
图2电网智能体的结构
为促进风电消纳,有效调动需求响应潜力巨大的工业负荷参与电力辅助服务市场,电网智能体希望在确保电力系统稳定､工业用户正常生产的前提下,尽可能地激发工业用户积极性并获得最大的辅助服务容量｡
GA按适当比例提高辅助服务定价,直到遍历全部可行的价格策略范围｡辅助服务容量电价越高,对工业用户提供辅助服务的激励越大,其愿意提供的辅助服务容量就越多,但也同时面临成本的提高｡不同工业用户参与辅助服务,涉及的设备类型差别较大,设备改造及运行维护成本难以量化｡考虑到模糊规则既能充分利用专家经验,又可解决难以定量化表述的难题。
3.2.3 电解铝智能体
电解铝智能体(electrolyticaluminumagent,EA)的目标是在不影响企业正常生产的前提下,以尽量少的成本在辅助服务市场上获得更多的收益｡由于设备启停对电解铝生产的影响较大,且电解槽作为直流用电设备,调节简单､响应迅速,本文设定EA仅向系统提供收益较高的调频服务｡参与调频服务过程中,要求向上､向下调频容量相等以确保热平衡,所以本文假定在调度期间企业用电成本维持不变,对铝产量的影响可忽略不计,EA参与辅助服务仅需考虑设备改造及运行维护成本｡
3.2.4 灌溉泵站智能体
灌溉泵站智能体(irrigationpumpingstationagent,PA)与EA目标相同｡PA与EA相比,可同时参与调频服务和非旋转备用服务｡PA提供调频服务收益模型与EA类似,下面主要描述二者提供调频服务的不同之处及PA提供非旋转备用收益模型｡
4 仿真流程
根据各智能体的行为､开放的智能体的结构以及多智能体的交互机制,工业负荷提供辅助服务模拟系统的仿真流程如图3所示｡实验者首先设计不同的外部环境以及相关参数进行模拟,通过不同情景的对比,分析辅助服务标准制定､定价对电解铝､灌溉泵站提供辅助服务的影响｡
5 算例分析
目前我国电力市场尚未完善,辅助服务价格缺失,本文参考美国加州辅助服务市场价格[16]｡考虑到电解铝､灌溉泵站全年负荷波动小,这里选取加州年平均辅助服务价格,设定pr(t)为pns(t)的10倍,结合我国峰谷电价政策,将峰谷时段及GA初始辅助服务价格设定如表3所示｡GA将23:00至次日7:00划分为谷段,8:00—11:00､18:00—23:00划分为峰段,7:00—8:00､11:00—18:00划分为平段｡并设定初始平段价格为33.4$/(MW•h),峰段､谷段分别在平段价格基础上上浮､下浮50%｡此价格即为发电侧常规机组提供调频､非旋转备用服务的容量电价pcr､pcns,工业用户还需考虑环保补贴系数｡本文考虑不同情景,分别取λ=1.2､1.5和2.0,对应不同的环保要求,并设定向上､向下调频容量电价相等｡
以某地区工业用户为例,电解铝企业平均负荷为100MW,可调频比例为−3%~3%,对应可提供最大辅助服务容量为3MW,即企业最小负荷为97MW,最大负荷为103MW｡灌溉泵站由于单机容量较小,可以通过聚合商模式参与辅助服务｡假定某一聚合商下所有灌溉泵站平均负荷为20MW,各泵站参数相同,且暂不考虑各泵站之间协同优化｡聚合商模式下参数与每座泵站单独参与辅助服务相同,可调频比例为−1%~1%,备用比例为100%,则聚合商可提供最大调频容量为0.2MW,最大非旋转备用容量为20MW｡则根据式(3),该系统负荷可提供最大辅助服务容量Mmax为3.37MW｡
GA随机给出初始辅助服务价格策略集,工业用户智能体根据各自目标做出响应,在T=24h的研究周期内,保持用电方式不变,并将参与辅助服务信息集反馈给GA｡GA通过感知器获取用户信息后,经过价格判断后再次调整辅助服务价格策略,直至给出价格上限｡图4—5为EA､PA在不同调频容量电价下的收益变化,λ表示不同情景下GA辅助服务价格策略集的取值边界｡为便于比较,图中将2类辅助服务容量电价统一折算为研究时段T内的平均调频容量电价｡从图4可知,当调频服务容量电价为9.2$/(MW⋅h)时,EA开始提供调频服务,随着容量电价的升高,收益逐渐增大｡在容量电价为42.3$/(MW⋅h)时,EA考虑成本因素,不再继续地提高调频容量｡直到容量电价达到71.0$/(MW⋅h),EA提供最大可调频容量｡在图5中,PA由于为简单设备,在容量电价为5.3$/(MW⋅h)时即提供调频服务,并在GA给出的非旋转备用峰段电价为2.25$/(MW⋅h),即平均容量电价大于15.0$/(MW⋅h)时,选择在每个研究周期内均提供2h的非旋转备用｡PA的辅助服务潜力在容量电价大于23.3$/(MW⋅h)时被完全挖掘｡
从以上分析可知:在大规模风电接入,电力系统面临辅助服务资源紧缺的情况下,可以激励工业用户参与辅助服务｡考虑到我国电力市场尚未完善,可以通过调研获取工业用户提供辅助服务参数,运用多智能体模拟技术,考虑多种用户参与以及多种辅助服务类型设计,得到不同价格策略下工业用户的响应行为,避免价格补贴过度､激励不足等现象的发生,并根据各类用户特点,合理评估所获得辅助服务容量的价值｡
6 结论
智能电网背景下,工业需求响应资源在应对大规模风电接入方面具有积极作用｡本文通过分析及相关算例表明:电网公司通过制定合理的辅助服务参与标准及价格,将能够很好地激发工业用户参与辅助服务的潜力并实现双赢,特别是在当前大力推动节能减排的背景下｡考虑到不同的生产行为和用电特点,各类工业用户对同一辅助服务价格的响应行为不同,需结合特定时期系统对辅助服务资源的需求合理定价,并可在了解各类用户响应潜力的前提下设计不同的激励机制｡
工业用户种类众多,如何在考虑风电接入的背景下,设计多种辅助服务类型,实现各类工业用户之间(特别是传统高耗能行业下的各类工业用户)以及与发电侧常规机组提供辅助服务的协同优化,可作为下一步的研究方向｡
[参考文献]
[6]曾鸣.电力需求侧响应原理及其在电力市场中的应用[M].北京:中国电力出版社,2011.
[7]张钦,王锡凡,付敏,等.需求响应视角下的智能电网[J].电力系统自动化,2009,33(17):49-55.
[18]艾欣,刘晓.基于需求响应的风电消纳机会约束模型研究[J].华北电力大学学报:自然科学版,2011,38(3):17-22.
[19]王蓓蓓,刘小聪,李扬.面向大容量风电接入考虑用户侧互动的系统日前调度和运行模拟研究[J].中国电机工程学报,2013,33(22):35-44.
[20]刘小聪,王蓓蓓,李扬,等.智能电网下计及用户侧互动的发电日前调度计划模型[J].中国电机工程学报,2013,33(1):30-39.
[21]阮文骏,王蓓蓓,李扬,等.峰谷分时电价下的用户响应行为研究[J].电网技术,2012,36(7):86-93.
[22]王卿然,谢国辉,张粒子.含风电系统的发用电一体化调度模型[J].电力系统自动化,2011,35(5):15-18.
[24]胡兆光,谭显东,单葆国,等.智能工程与智能体在DSM补偿机制建模中的应用[J].中国电机工程学报,2008,28(13):125-131.
[25]田建伟,胡兆光,吴俊勇,等.基于多智能体建模的经济–电力动态模拟系统[J].中国电机工程学报,2010,30(7):85-91.
