摘要： 需求侧响应(demand response， DR)资源是未来能源电力系统中重要的可调控资源。在能源互联网以及智能电网背景下，通过智能能量管理系统(smart energy management system， SEMS)合理地调控用户侧的需求侧响应资源，是实现供需双侧互动以及电力系统协同互联的重要手段。首先，基于 SEMS 系统架构，对用户用电设备进行分类建模，在考虑用户用电满意度的条件下，以用户用电成本以及系统负荷波动最小为目标，构建两阶段的用户需求侧响应资源调控策略模型;其次，通过分布式的需求侧响应资源调控机制对用户用电行为进行优化，最大程度上保护用户的用电信息隐私;最后，进行算例仿真，在实时电价条件下，分析上述需求侧响应调控策略对用户用电行为的影响，结果表明上述两阶段的需求侧资源调控模型能够进一步优化用户的用电行为。
0 引言
随着化石能源的日益枯竭以及环境问题的日渐严重，我国已经明确了建立清洁、高效、安全、可持续的现代能源体系的目标，可再生能源将成为未来我国能源结构中的重要组成部分[1]。在未来能源互联网背景下，需求侧响应(demand response，
DR)是提高可再生能源利用效率，保证电力系统供需平衡，实现能源电力系统开放协同的重要途径[2]。一方面，依托于相应的技术支撑平台，需求侧资源将作为与供应侧资源同等价值的调节手段参与系统整体的调控，从而有效平抑可再生能源出力波动，减小对系统运行的影响[3];另一方面，随着我国售电侧市场的逐渐放开， DR 将成为未来售电公司用电增值服务的重要切入点，逐步形成的需求侧响应集成商对于未来我国电力市场的建设完善具有十分重要的意义[4-5]。
国内外学者对于 DR 资源调控策略已经进行了大量的研究。文献[6]通过对用户需求侧响应潜力、持续时间、响应频率等特性的建模，将 DR 资源作为虚拟发电机组引入传统机组组合模型，分析了电力市场环境下 DR 对系统运行经济性的影响;文献[7]构建了考虑电价型以及激励性 DR资源的大规模风电接入系统电力平衡的两阶段随机规划机组组合模型，论证了两类需求侧响应资源互补特性以及对于风电消纳的效用，但对 DR 的建模比较简单;文献[8]以用户用电效用值最大为目标构建了居民需求侧响应调控策略模型，通过 Benders 分解法简化了优化模型，验证了需求侧响应条件下不同类型用电器的用电模式的变化情况，但是并没有考虑负荷弹回。文献[9]在对需求侧响应特性的建模时考虑了负荷弹回情况，但是对于用电负荷的建模较为简单;文献[10]考虑了不同时段需求侧响应资源的相互影响关系，在实时电价条件下构建了基于马尔科夫链的用户需求侧响应资源时序模型，但是没有考虑用户不同类型用电器用电模型的差异;文献[11]通过用电器运行属性对其进行分类，构建了考虑用户用电成本以及负荷曲线峰谷差的家庭能量管理优化模型，但是没有考虑用户的用电满意度。
基于上述考虑，本文构建了考虑用户用电满意度的两阶段 DR 资源调控模型，并通过分布式调控策略对居民用户 DR 资源进行调控。最后，通过算例验证了该调控策略对于调整用户用电行为以及优化系统负荷曲线的作用。
1 用户用电行为特性分析
基于对用电器类型以及用户使用习惯的分析，居民常用电器可分为基荷类用电器、空调类用电器、可转移类用电器、可中断类用电器[12]，本部分通过对上述类型用电器用电特性进行建模，定量描述用户用电行为。
1)基荷类用电器。
基荷类用电器不具备调节能力，用户对其使用需求是近似刚性的。因此，可以基于该类型用电器历史负荷数据，对其用电特性进行预测。本文通过改进灰色预测模型对该类用电器 g 在 t 时段用电负荷
进行预测[13]， G 为基荷类用电器集合。
2)空调类用电器。
用户对于空调类用电器的使用感受取决于室温舒适度。根据室内外温度传递规律[14]、空调功率约束以及室内温度允许波动范围约束，空调类用电器用电特性建模公式为
4) II 型可转移类用电器。
II 型可转移类用电为固定时间区间内消费定量电能(如电动汽车)的用电设备，其工作时段消费的电能总量可由用户事先根据下一次用电场景事先设定。基于上述假设，该类型用电器用电特性建模如下。
2 基于 SEMS 的两阶段需求响应调控模型
SEMS 能够对用电器进行调整控制，执行相应的 DR 调控策略，其基本架构[15-16]如图 1 所示。 用户 1 用户 2 用户 3 用户 4 用户 5 SEMS SEMS SEMS SEMS SEMS 系统控制器
为保证需求侧响应的实施能够有效降低用户的用电成本，同时达到优化系统负荷曲线的目的，本文基于 SEMS 的基本架构构建了两阶段的 DR 调控模型。
2.1 以用电成本最小为目标的第一阶段优化模型
3 两阶段需求侧资源调控流程
本文提出一种分布式控制模式对用户用电行为进行调控。采用分布式调控机制主要考虑两方面因素：一方面，随着用户数量的增加，系统层面的优化会增加上述模型的计算规模，可能造成模型求解过程中的维数灾难;另一方面，在电力系统互联网化趋势下，信息隐私和信息安全将成为 DR 实施的关键[17]。分布式调控使得用户用电行为的优化能够分层分阶段进行，从而在避免信息传输阻塞，保护用户的用电信息隐私。该调控流程如图 2 所示。
第二阶段优化过程中，用户只向系统反馈第一阶段优化的整体负荷数据，售电公司汇总用户负荷数据后，根据系统实际的运行需要向用户发送第二阶段优化指令 min Var( ) P ttotal 。调控过程中，系统负荷数据依次在各用户之间传输，触发各用户的SEMS 第二阶段优化机制。即系统负荷数据会首先进入用户 1 的 SEMS 进行第二阶段优化，调整用户1 的可中断用电器的用电模式和该用户的整体用电行为，用户 2 所接收的系统负荷数据是经过用户的 SEMS 第二阶段优化后的系统整体负荷数据，依次完成对 1 至 K 用户第二阶段用电行为优化。
如果负荷波动满足收敛要求，系统停止发送优化指令，按优化结果调整各用户用电行为。如果经过一次全系统优化没有达到收敛要求，系统将再次进行第二阶段优化，此时需要基于上一次系统优化结果，重新设置用户的期望用电满意度数值，即初始期望用电满意度 Rk,des,1=Rk,last， Rk,last 为上次优化最后输出的用户用电满意度。本文通过改进 GA 算法对上述模型进行求解[18]。
在电力市场环境下，电力零售企业可根据系统的实际运行情况，执行不同阶段的调控策略。如果第一阶段优化的负荷数据在可调节范围内，可以选择只执行第一阶段调控，减少自身在电力市场中的购电成本;如果第二天系统调节能力有限，那么可以对用户用电行为进行第二阶段优化，减少系统整体的负荷波动，保证系统稳定运行。
4 算例分析
只在用户有需求时开启，并且一直保持较高功率运行。在用户自优化阶段，空调会在用户非需求时段开启(例如 9:00—10:30， 14:00—15:00)，主要是为了在保证室内温度(23℃—27℃)的同时，避免空调在高电价时段处于高负荷运行。经过第二阶段负荷曲线优化，空调负荷曲线较第一阶段优化结果更为平缓，在低电价时段没有出现新的用电峰值(自优化阶段空调负荷在 16 时出现了新的负荷峰值)。
基于图 4 中电价，在不参与 DR 调控的条件下，空调的用电费用为 351.9 ₵,在自优化阶段为 217.1 ₵。
经过两阶段优化的空调用电费用为 220.4 ₵，较自优化阶段略有增加。
②典型用户可转移类用电器负荷变化分析。
洗衣机属于 1 型可转移类用电器， SEMS 调控后其负荷变化情况如图 6 中所示。在不参与 DR 的情况下，洗衣机用电费
为 19.6 ₵。进行两阶段优化后，洗衣机用电费用为26.9 ₵，较自优化阶段略有上升。
由于本文是针对用户 24 h 的用电负荷进行优化，因此假设该用户的 EV 在当天没有使用且没有余电，第二天总行驶距离所需电量为 12 kWh。 不同阶段优化下 EV 负荷见图 7。 从图 7 中可以看出在不参与 DR 的条件下，用户习惯性地在 17:00—20:00 对 EV 充电。在自优化阶段， SEMS 控制 EV在电价最低(1:00—4:00)的时段充电，在两阶段优化中， SEMS 控制 EV 在低电价时段不连续充电，分散其充电时间。参与 DR 后 EV 用电成本为 47.2 ₵，较不参与 DR 电费下降了 65.7%，经过两阶段优化后的 EV 的用电费用为 48.0 ₵， 较自优化阶段略有增加。
③典型用户整体负荷变化分析。
该用户参与 DR 后负荷曲线变化如图 8 所示。
可以看出，参与 DR 对其用电负荷曲线优化效果比较明显。在高电价时段(18:00—20:00)出现的用电高峰，转移到 15:00—17:00 和 0:00—4:00 低电价时段，优化结果如表 2 所示。
从图 8 和表 2 中可以看出经过第二阶段优化该
用户的负荷率进一步提高，同时整体用电成本较第一阶段有所减少。主要是因为在第一阶段，该用户设置了较高的用电满意度，使得可中断类用电器没有参与第一阶段优化。在华北地区，用户夏季对于干衣机的使用并不迫切，因此在第二阶段优化过程中， SEMS 执行了中断干衣机的策略，给该用户第二阶段用电行为调整提供了空间，同时也使得其用电满意度有所下降。
2)用户群用电行为影响分析。
图 9 为该用户群不同优化阶段的负荷曲线，可以看出在不同阶段的 DR 调控模式下，该用户群的用电行为都发生了比较大的变化。经过两阶段优化
从表 4 中可以看出，经过两阶段优化用户的用电满意度有所下降，但下降幅度不大，说明该调控机制能满足用户一般的用电需求。如用户 1、 4、 8、10、 11、 18 用电量较大，用电器构成较复杂，两阶段优化后其用电模式有较大的改变，主要是因为该类用户的可中断类用电器提供了较大的可调控空间。用户 2、 5、 6、 9、 12、 14、 17、 20 用电模式相对简单，调整空间较小，在第二阶段基本没有对其用电行为进行调整。
5 结论
本文基于 SEMS 系统，构建了一种考虑用户满意度的居民用户两阶段需求侧响应调控模型。通过算例分析，可得出无论是对典型用户还是集群用户，两阶段优化模型能够降低用户用电成本。同时，通过调整不同类型用电器用电模式，协调不同类型需求侧响应资源，减少用户自优化阶段的负荷波动，进一步优化负荷曲线。电力零售企业可以根据实际需求侧资源提供一定的决策支撑。
作者：
曾鸣 1，武赓 1，王昊婧 2，李冉 1，曾博 1，孙辰军 3
(1. 新能源电力系统国家重点实验室(华北电力大学)，北京市 昌平区 102206;
2.国网北京市电力公司 北京电力经济技术研究院，北京市 西城区 100055;
3.国网河北省电力公司， 河北省 石家庄市 050000)
