民用可控負(fù)荷參與需求響應(yīng)的控制策略

王燕，楊秀媛*，徐劍鋒，卜思齊，徐智薔

民用可控負(fù)荷參與需求響應(yīng)的控制策略

王燕1，楊秀媛1*，徐劍鋒2，卜思齊3，徐智薔4

（1．北京信息科技大學(xué)自動化學(xué)院，北京市 海淀區(qū) 100192；2．國網(wǎng)黑龍江省電力有限公司，黑龍江省 哈爾濱市 150090；3．香港理工大學(xué)電機(jī)工程系，香港特別行政區(qū) 九龍 999077；4．英國南安頓大學(xué)物理工程學(xué)院，英國 南安普頓 SO171BJ）

在電力負(fù)荷高峰持續(xù)增長和新能源大規(guī)模接入電網(wǎng)的發(fā)展趨勢下，為了實現(xiàn)新能源消納、平抑電網(wǎng)波動，可采取需求側(cè)民用可控負(fù)荷參與需求響應(yīng)的手段進(jìn)行調(diào)控，特別是對家庭可控負(fù)荷的控制，從單一家庭控制擴(kuò)展至多個家庭，最終實現(xiàn)大規(guī)模負(fù)荷群控制。對近年來需求響應(yīng)模式、負(fù)荷分類建模和控制策略3方面的研究成果進(jìn)行了總結(jié)，由負(fù)荷用電特點總結(jié)出各類負(fù)荷通用模型；著重對比分析多目標(biāo)優(yōu)化控制策略、分層控制策略、多時間尺度控制策略和優(yōu)先級控制策略的特點和不足；指出了不同控制策略在可控負(fù)荷參與需求響應(yīng)調(diào)控中的進(jìn)一步研究方向，并結(jié)合我國國情，從民用可控負(fù)荷參與需求響應(yīng)調(diào)控的視角對需求響應(yīng)的發(fā)展前景進(jìn)行了展望。

新能源消納；電力系統(tǒng)；需求響應(yīng)；可控負(fù)荷；控制策略；智能電網(wǎng)

0 引言

近年來，我國電力負(fù)荷峰值增長速度較快，負(fù)荷峰值不斷刷新，負(fù)荷曲線尖峰化趨勢明顯，導(dǎo)致在負(fù)荷高峰時段電力供需不平衡問題日益突出，電網(wǎng)運(yùn)行成本增加。而且電能在終端能源消費(fèi)中比重不斷提高，《中國電力展望報告2019》預(yù)測，2025、2035和2050年全社會用電量將分別達(dá)到9.4萬億~9.8萬億、11.5萬億~12.5萬億和12.4萬億~13.9萬億kW·h。

同時，依賴傳統(tǒng)化石能源的生產(chǎn)模式正在改變，能源供給正朝著低碳化、清潔化發(fā)展，清潔能源成為主體能源是大勢所趨[1]。在此背景下，我國風(fēng)電裝機(jī)容量呈現(xiàn)逐年上升趨勢，2019年風(fēng)電裝機(jī)容量達(dá)到了2010年的7.1倍[2-3]。據(jù)國網(wǎng)能源研究院預(yù)測，到2050年，75%以上的發(fā)電用能來自清潔能源，其中以風(fēng)電、光伏為代表的新能源發(fā)電將成為第一大電源，發(fā)電量占比達(dá)到40%左右。風(fēng)電提供清潔電能的同時，自身的波動性和間歇性等給電力系統(tǒng)實現(xiàn)供需平衡帶來了巨大挑戰(zhàn)，僅僅依靠傳統(tǒng)的發(fā)電側(cè)調(diào)節(jié)方法來調(diào)節(jié)電力供應(yīng)的方式已經(jīng)無法適應(yīng)高比例可再生能源接入電網(wǎng)的供需調(diào)節(jié)需求[4-6]。因此采用新型供需調(diào)節(jié)方式應(yīng)對大規(guī)模新能源平穩(wěn)地接入電網(wǎng)具有重大現(xiàn)實意義。

需求響應(yīng)(demand response，DR)是一種新型的供需調(diào)節(jié)方式，可以使用戶側(cè)可控負(fù)荷資源來替代電網(wǎng)供應(yīng)側(cè)資源[7]。需求響應(yīng)是指電力用戶根據(jù)電力市場的價格信號或激勵信號做出響應(yīng)，改變原有的電力消費(fèi)計劃，以應(yīng)對負(fù)荷高峰的出現(xiàn)，平抑負(fù)荷波動、促進(jìn)新能源消納[8]，提高電力系統(tǒng)運(yùn)行的安全性和穩(wěn)定性。并且，進(jìn)行需求響應(yīng)具有顯著的經(jīng)濟(jì)效益和社會效益。對于電力用戶，可以減少電費(fèi)支出；對于電網(wǎng)企業(yè)，可以削減高峰用電負(fù)荷，在電力供應(yīng)緊張時有效緩解限電壓力，可以提高電網(wǎng)設(shè)備利用率，促進(jìn)電網(wǎng)安全、經(jīng)濟(jì)運(yùn)行，延緩或減少電網(wǎng)建設(shè)所需投資；對于社會，可以減少一次能源的消耗量，減少對發(fā)、供電資源的占用，從而促進(jìn)環(huán)境保護(hù)與資源節(jié)約。

同時，國際能源署指出，需求響應(yīng)市場潛力巨大，應(yīng)鼓勵現(xiàn)有電力市場提出新的商業(yè)模式，如聚合[9]、虛擬電廠和其他分布式能源平臺等。新業(yè)務(wù)模型為實現(xiàn)需求響應(yīng)提供了廣闊前景，在需求響應(yīng)項目中建筑物負(fù)荷參與需求響應(yīng)發(fā)展?jié)摿薮蟆?/p>

在我國的未來規(guī)劃期內(nèi)，負(fù)荷用電占比方面，雖然工業(yè)部門仍然是主要的電力需求部門，但是其比例逐年降低。與此同時，建筑物用電逐年攀升且增長迅速，在2050年將超過工業(yè)部門，約占全社會用電量的43%[10]。建筑可分為3類：工業(yè)建筑、商業(yè)建筑以及民用建筑。在過去，需求響應(yīng)主要面向工業(yè)用戶和大型商業(yè)用戶，因為工業(yè)用戶和商業(yè)用戶統(tǒng)一化管理水平高，可快速準(zhǔn)確地對需求響應(yīng)信號做出反應(yīng)，且改變的用戶電力需求大[11]。而對于居民用戶，單個用戶可調(diào)節(jié)負(fù)荷容量小，無法滿足參與需求響應(yīng)的最低容量需求，但居民用戶數(shù)量遠(yuǎn)大于工業(yè)與商業(yè)用戶，集成后的負(fù)荷功率也不容小視。

隨著智能電網(wǎng)[12]技術(shù)在我國的發(fā)展，智能化的家電負(fù)荷具備雙向通信能力[13]，為民用負(fù)荷參與需求響應(yīng)提供了技術(shù)支撐。首先對單個家庭可控負(fù)荷實現(xiàn)精準(zhǔn)控制參與需求響應(yīng)，然后擴(kuò)展至多個家庭，實現(xiàn)大規(guī)模的可控負(fù)荷集群控制[14]，使民用負(fù)荷成為一種理想的需求側(cè)可參與需求響應(yīng)的資源。通過合理地控制民用負(fù)荷中的可控負(fù)荷參與需求響應(yīng)，對改善居民負(fù)荷功率曲線、降低電力系統(tǒng)建設(shè)運(yùn)行費(fèi)用、提高運(yùn)行效率、促進(jìn)新能源消納具有重要意義。

基于電力負(fù)荷峰值增長迅速以及未來新能源將逐步替代傳統(tǒng)一次能源發(fā)電的背景，本文介紹了需求響應(yīng)模式以及民用負(fù)荷分類，詳細(xì)說明了可控負(fù)荷控制策略的研究現(xiàn)狀，并對控制策略進(jìn)行分類總結(jié)，歸納了4種典型策略的特點和不足，對未來研究方向進(jìn)行了展望。

1 需求響應(yīng)模式及負(fù)荷分類

1.1 需求響應(yīng)原理

需求響應(yīng)指電力用戶根據(jù)電力價格、電力政策的動態(tài)改變而響應(yīng)電力供應(yīng)，暫時改變其固有的用電習(xí)慣，以達(dá)到減少或推移某時段的用電負(fù)荷，保證電網(wǎng)系統(tǒng)穩(wěn)定性的行為[15]，原理如圖1所示。

1.2 需求響應(yīng)模式

根據(jù)響應(yīng)信號性質(zhì)不同，需求響應(yīng)可劃分為基于價格的需求響應(yīng)和基于激勵的需求響應(yīng)。

1.2.1 基于價格的需求響應(yīng)

基于價格的需求響應(yīng)是指用戶根據(jù)收到的價格信號相應(yīng)地調(diào)整電力需求的響應(yīng)。價格機(jī)制是市場機(jī)制的核心，公平合理的電價能夠提供準(zhǔn)確的經(jīng)濟(jì)信號，實現(xiàn)電力資源的優(yōu)化配置。基于價格的需求響應(yīng)一般包括以下3種方式：分時電價(time-of-use，TOU)[16]、實時電價(real time pricing， RTP)[17]和尖峰電價(critical peak pricing，CPP)。對3種電價方式需求響應(yīng)特點和功能總結(jié)如表1所示。

圖1 需求響應(yīng)概念圖

表1 基于價格的需求響應(yīng)總結(jié)

1.2.2 基于激勵的需求響應(yīng)

基于激勵的需求響應(yīng)是指需求響應(yīng)實施機(jī)構(gòu)根據(jù)電力系統(tǒng)供需狀況制定相應(yīng)政策，用戶在系統(tǒng)需要或電力緊張時改變用電狀態(tài)，以此獲得直接補(bǔ)償或其他時段的優(yōu)惠電價的響應(yīng)。用戶獲得激勵的方式有獨(dú)立于現(xiàn)有電價政策的直接補(bǔ)償以及在現(xiàn)有電價基礎(chǔ)上給予折扣優(yōu)惠等。基于激勵的需求響應(yīng)分為以下5種：直接負(fù)荷控制(direct load control，DLC)、可中斷負(fù)荷(interruptible load，IL)、緊急需求響應(yīng)(emergency demand response，EDR)、需求側(cè)競價(demand side bidding，DSB)和輔助服務(wù)項目(ancillary service program，ASP)。各需求響應(yīng)的說明如表2所示。

表2 基于激勵的需求響應(yīng)總結(jié)

1.3 民用負(fù)荷的分類

1.3.1 負(fù)荷具體分類

常規(guī)上，許多用電負(fù)荷需求必須隨時滿足，這是一種“剛性”特征，不可干預(yù)調(diào)節(jié)，此類負(fù)荷稱之為“不可控負(fù)荷”。但相對來說，有些負(fù)荷可以根據(jù)需要在一定的范圍內(nèi)進(jìn)行調(diào)整，稱為“可控負(fù)荷”[18]。民用負(fù)荷具體分類如圖2所示。

圖2 民用負(fù)荷分類

1.3.2 不可控負(fù)荷

不可控負(fù)荷的運(yùn)行狀況不可隨意改變，其斷電會給用戶的生活造成較大影響，如照明、計算機(jī)等家電負(fù)荷。居民用戶不會因為電價高、花費(fèi)過大，而去改變此類負(fù)荷的運(yùn)行時間。

1.3.3 可控負(fù)荷

可控負(fù)荷也可稱之為可調(diào)節(jié)負(fù)荷，用電時間及規(guī)律較為穩(wěn)定，且其短時間斷電幾乎不影響居民正常生活，便于參與DR控制?？苫陔妰r和新能源發(fā)電情況，積極主動參與電網(wǎng)運(yùn)行控制，靈活地改變和選擇自身的運(yùn)行情況?？煽刎?fù)荷可基于電價的模式，由電價較高的時段轉(zhuǎn)移到電價較低的時段運(yùn)行；也可以基于有序用電的模式，從新能源發(fā)電較少的時段轉(zhuǎn)移到新能源發(fā)電較多的時段。總之，通過對可控負(fù)荷的控制可提高電網(wǎng)的運(yùn)行效率。但是可控負(fù)荷的控制和轉(zhuǎn)移必須滿足其運(yùn)行條件，而且應(yīng)最大限度地滿足居民的正常生活的需求。

根據(jù)可控負(fù)荷的用電特點分為以下3類：

1）可削減負(fù)荷?？沙惺芤欢ㄖ袛嗷蚪倒β?、減少時間運(yùn)行的負(fù)荷，根據(jù)供需情況對其進(jìn)行部分或全部削減，如空調(diào)、熱水器[19]，可以通過設(shè)定溫度的方式對其用電功率進(jìn)行削減調(diào)節(jié)[20]。該類負(fù)荷的運(yùn)行特性為

2）可轉(zhuǎn)移負(fù)荷。用電時段的用電量可靈活調(diào)節(jié)，用電時段允許中斷且持續(xù)時間不固定，只需滿足轉(zhuǎn)移前后的負(fù)荷需求總量不變，如電動汽車這種具有儲能性質(zhì)的負(fù)荷[21-22]，其運(yùn)行特性可表示為

3）可平移負(fù)荷。用電時段靈活性強(qiáng)，但是工作期間不可中斷，可根據(jù)此類負(fù)荷可運(yùn)行時間范圍合理規(guī)劃負(fù)荷開始運(yùn)行的時間，優(yōu)化家庭用電管理。如洗衣機(jī)、洗碗機(jī)、電飯煲等。其運(yùn)行特性可由式(3)表示：

2 需求響應(yīng)控制策略

需求響應(yīng)策略的制定與需求響應(yīng)對象、需求響應(yīng)模式等有關(guān)。針對不同的控制對象特性，采用不同的控制策略，通過對需求側(cè)負(fù)荷的調(diào)控改善用戶用電習(xí)慣，達(dá)到降低電網(wǎng)最大負(fù)荷、系統(tǒng)裝機(jī)容量，減少運(yùn)行費(fèi)用的目標(biāo)。

2.1 多目標(biāo)優(yōu)化控制策略

合理進(jìn)行需求響應(yīng)可實現(xiàn)新能源的消納、改善負(fù)荷曲線、減少用電費(fèi)用等目的。顯然，如何實現(xiàn)需求響應(yīng)效果最優(yōu)是一個典型的多目標(biāo)優(yōu)化問題(multi-objective optimization problem，MOP)。一般的MOP由個變量參數(shù)、個目標(biāo)函數(shù)和個約束條件組成，目標(biāo)函數(shù)、約束條件與變量之間是函數(shù)關(guān)系，數(shù)學(xué)定義如下[23]：

多目標(biāo)優(yōu)化問題涉及到多個目標(biāo)的優(yōu)化，這些目標(biāo)并不是獨(dú)立存在的，它們往往是通過決策變量耦合在一起且處于相互競爭的狀態(tài)，而且每個目標(biāo)具有不同的單位和量綱，因此很難客觀地評價多目標(biāo)問題的解。它們的競爭和復(fù)雜性使得對其優(yōu)化變得十分困難。在民用可控負(fù)荷參與需求響應(yīng)的研究中，不同學(xué)者研究的側(cè)重點不同，因此目標(biāo)函數(shù)也不同，需求響應(yīng)多目標(biāo)優(yōu)化控制策略，通常先確定目標(biāo)函數(shù)以及約束條件，在此基礎(chǔ)上建立多目標(biāo)優(yōu)化的、民用可控負(fù)荷參與需求響應(yīng)的需求側(cè)負(fù)荷模型。

以文獻(xiàn)[24]為例，該文獻(xiàn)以平抑電網(wǎng)負(fù)荷波動和樓宇用戶用電成本最小為目標(biāo)，采用將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題的方式進(jìn)行求解，具體目標(biāo)函數(shù)和約束條件如下。

1）目標(biāo)函數(shù)。

以平抑負(fù)荷波動為目標(biāo)，目標(biāo)函數(shù)為

以智能樓宇內(nèi)設(shè)備用電成本最小為目標(biāo)，其目標(biāo)函數(shù)為

將式(5)、(6)進(jìn)行歸一化處理，得到

2）約束條件。

分布式電源輸出功率約束為

微電網(wǎng)系統(tǒng)與配電網(wǎng)傳輸功率約束為

售電及用電時長約束為

文獻(xiàn)[25-26]均采用非支配排序遺傳算法-II(NSGA-II)對Pareto非支配解集進(jìn)行求解生成的Pareto解集，通過模糊隸屬度法過濾選取最優(yōu)解。只是2篇文獻(xiàn)面向的研究對象以及優(yōu)化目標(biāo)不同：文獻(xiàn)[25]以供電公司、風(fēng)電廠商利潤最大，用戶用電費(fèi)用最小為目標(biāo)的同時，設(shè)計的優(yōu)化運(yùn)行策略可以實現(xiàn)風(fēng)電的消納，提高風(fēng)電生產(chǎn)商的經(jīng)濟(jì)效益；文獻(xiàn)[26]針對風(fēng)電與電動汽車協(xié)同調(diào)度的多目標(biāo)優(yōu)化模型進(jìn)行研究，以負(fù)荷方差和車主支付費(fèi)用最小為目標(biāo)，并協(xié)調(diào)優(yōu)化發(fā)電側(cè)資源消納風(fēng)電。文獻(xiàn)[27]采用新型并行多目標(biāo)微分進(jìn)化(parallel multi-objective differential evolution，PMODE)算法對以系統(tǒng)運(yùn)行成本及污染排放最小化為目標(biāo)的微網(wǎng)源–荷協(xié)調(diào)多目標(biāo)優(yōu)化調(diào)度模型進(jìn)行求解，可有效實現(xiàn)節(jié)能減排和提升風(fēng)光消納率，并通過與NSGA-II和常規(guī)MODE算法對比，驗證了PMODE算法的優(yōu)越性，可調(diào)和常規(guī)智能算法尋優(yōu)深度和速度間的矛盾。

上述需求響應(yīng)多目標(biāo)優(yōu)化控制方法值得借鑒，同時，對于多目標(biāo)問題的求解，除上述文獻(xiàn)所使用的方法外，還有其他方法，如群集智能算法、人工免疫算法、神經(jīng)網(wǎng)絡(luò)算法等。在求解不同的多目標(biāo)優(yōu)化問題時，如何選取最合適的優(yōu)化算法使得優(yōu)化效果達(dá)到最佳仍有很高的研究價值，并且對于優(yōu)化模型結(jié)構(gòu)以及需求響應(yīng)效果評價分析的詳細(xì)程度方面仍有提高空間。

2.2 分層控制策略

在對負(fù)荷群參與需求響應(yīng)控制的研究中，部分文獻(xiàn)引入了負(fù)荷聚合商(load aggregator，LA)的概念，采用對需求響應(yīng)整體結(jié)構(gòu)進(jìn)行分層[28]的方式來優(yōu)化模型以及策略研究，分層結(jié)構(gòu)如 圖3所示。

按照面向?qū)ο蟮牟煌?，可將控制架?gòu)分為3層：頂層(系統(tǒng)調(diào)度層)為電網(wǎng)控制中心；中層(集群負(fù)荷控制層)為負(fù)荷聚合商；底層(可控設(shè)備控制層)為負(fù)荷群。中層為研究的重點，上接電網(wǎng)調(diào)度，下達(dá)負(fù)荷資源。而按照控制目標(biāo)，控制策略不同，一般以負(fù)荷聚合商為分界線分為上下2層：上層針對電網(wǎng)控制中心與負(fù)荷聚合商之間設(shè)計控制策略；下層負(fù)荷聚合商對負(fù)荷群進(jìn)行控制。上下2層給出不同的優(yōu)化目標(biāo)，逐層優(yōu)化。2種劃分層次方式雖然名稱不同，但本質(zhì)相同?？刂撇呗郧蠼饬鞒倘鐖D4所示。

文獻(xiàn)[29-31]均對空調(diào)負(fù)荷采用雙層調(diào)度模型。文獻(xiàn)[29]對定頻空調(diào)負(fù)荷采用以負(fù)荷聚合商為中介的雙層調(diào)度模型，上層模型以電力公司負(fù)荷調(diào)度成本最小化為目標(biāo)，根據(jù)負(fù)荷聚合商從下層獲取的各時段的空調(diào)負(fù)荷出力和報價，優(yōu)化調(diào)度計劃；下層模型通過優(yōu)化其管轄范圍內(nèi)空調(diào)負(fù)荷的控制策略，盡量使實際的空調(diào)負(fù)荷出力與調(diào)度計劃保持一致并最大化其利益。但該模型僅面向定頻空調(diào)，未考慮變頻空調(diào)的控制方式以及實際用戶參與意愿。文獻(xiàn)[30]在滿足空調(diào)負(fù)荷響應(yīng)出力與目標(biāo)一致的前提下，考慮用戶參與需求響應(yīng)意愿的時變特性，實時調(diào)整中央空調(diào)終端設(shè)備的溫度可調(diào)裕度，最大化利用其可調(diào)節(jié)潛力，實現(xiàn)聚合商的利潤最大化。因考慮了用戶意愿，因此能更真實反映用戶用電真實場景。文獻(xiàn)[31]根據(jù)負(fù)荷的用電物理特性將家用可控負(fù)荷分為3類，對3類負(fù)荷協(xié)調(diào)參與需求響應(yīng)的情形進(jìn)行研究。在上層市場側(cè)，電力公司調(diào)度部門與聚合商進(jìn)行信息交流，確定各參與者在每個時段的調(diào)度計劃；在下層用戶側(cè)，負(fù)荷聚合商管轄區(qū)域用戶自愿和聚合商簽訂合同，參與需求響應(yīng)，實現(xiàn)電網(wǎng)削峰填谷，減少調(diào)度成本。

圖3 分層結(jié)構(gòu)圖

圖4 分層結(jié)構(gòu)控制策略求解流程圖

文獻(xiàn)[32-34]采用了3層控制架構(gòu)的分層優(yōu)化。文獻(xiàn)[32]針對超大規(guī)模空調(diào)負(fù)荷控制，提出一種基于主從一致性的多智能體分散式協(xié)同控制策略，可實現(xiàn)對數(shù)量巨大、位置分散的空調(diào)資源進(jìn)行精準(zhǔn)負(fù)荷控制。除對空調(diào)負(fù)荷外，分層架構(gòu)還可應(yīng)用于其他負(fù)荷參與需求響應(yīng)的研究。文獻(xiàn)[33]介紹了一種電動汽車集群的分層分區(qū)域的電動汽車控制架構(gòu)，實現(xiàn)了控制電動汽車跟蹤上層控制目標(biāo)的需求響應(yīng)控制。文獻(xiàn)[34]在集群電動汽車分層控制架構(gòu)基礎(chǔ)上，引入最優(yōu)能量狀態(tài)調(diào)節(jié)量控制策略，對電動汽車充電過程進(jìn)行實時控制，緩解電動汽車集中充電帶來的充電高峰。

上述文獻(xiàn)大部分為對某一種負(fù)荷(空調(diào)、電動汽車)的調(diào)控，對于用戶擁有多種不同特性的可控負(fù)荷的情況研究較少。然而，現(xiàn)實生活中居民用戶一般都有多種可控負(fù)荷，聚合商針對不同負(fù)荷的調(diào)控對用戶產(chǎn)生的影響不同，從而給予用戶的補(bǔ)償也不盡相同。因此對于多種負(fù)荷協(xié)同控制，仍有很大的研究空間。并且在對某一種負(fù)荷的控制中，對于負(fù)荷初始狀態(tài)的考慮以及負(fù)荷運(yùn)行隨機(jī)性的研究還有欠缺。

2.3 多時間尺度控制策略

在民用可控負(fù)荷需求響應(yīng)中，多時間尺度滾動控制策略參與對象多為“源-荷”(常規(guī)機(jī)組、風(fēng)電場以及可控負(fù)荷)；時間尺度的劃分多為“日前、日內(nèi)、實時”。圖5為典型的多時間尺度調(diào)度策略框架圖。圖5中將可控負(fù)荷根據(jù)參與需求響應(yīng)需提前通知的時間不同分為A、B、C類負(fù)荷進(jìn)行控制。

A類負(fù)荷：提前一天告知用戶的負(fù)荷，可參與日前調(diào)度計劃。

B類負(fù)荷：提前30~60min告知用戶的負(fù)荷，可參與“日前、日內(nèi)”調(diào)度計劃。

C類負(fù)荷：提前5~15 min告知用戶或能實時做出響應(yīng)的負(fù)荷，響應(yīng)時效性最強(qiáng)，日前、日內(nèi)、實時調(diào)度均可參加。

不同文獻(xiàn)劃分的方法略有區(qū)別，文獻(xiàn)[18]將負(fù)荷調(diào)度的整個過程分為4個時間尺度(日前24h、日內(nèi)1h、日內(nèi)15min和實時)進(jìn)行負(fù)荷調(diào)度，在充分利用多時間尺度上負(fù)荷資源的前提下，減少風(fēng)電不確定性對調(diào)度決策的影響；文獻(xiàn)[35]建立了“日前-實時”的兩階段決策模型，在2個時間尺度上協(xié)調(diào)優(yōu)化可再生能源和負(fù)荷側(cè)資源。針對不同的研究重點，選擇不同的劃分方式。通過不同時間尺度源-荷資源的相互配合，可以充分發(fā)揮各類可控負(fù)荷的調(diào)節(jié)能力(不同時間尺度電力負(fù)荷響應(yīng)特性不同，參與需求響應(yīng)的提前通知時間、響應(yīng)速度、響應(yīng)持續(xù)時間也不同)，從而緩解可再生能源出力的波動，如協(xié)同消納風(fēng)電。

圖5 多時間尺度調(diào)度策略框架圖

文獻(xiàn)[36]中考慮了電價型需求響應(yīng)資源，以激勵型資源參與“日前-日內(nèi)-實時”需求響應(yīng)策略為研究重點，設(shè)計了基于場景的隨機(jī)規(guī)劃(scenario-based stochastic programming，SSP)與基于機(jī)會約束的隨機(jī)規(guī)劃(chance-constrained programming，CCP)相結(jié)合的滾動調(diào)度模型，并給出多時間尺度調(diào)度策略滾動求解流程圖，如 圖6所示。文獻(xiàn)[37]采用負(fù)荷聚合控制的方式參與電力系統(tǒng)的日前-日內(nèi)協(xié)同優(yōu)化調(diào)度，可有效減少常規(guī)機(jī)組開機(jī)數(shù)量，降低系統(tǒng)的棄風(fēng)量，提升系統(tǒng)運(yùn)行經(jīng)濟(jì)性。以上文獻(xiàn)均建立確定性的DR模型參與調(diào)度，而忽視了實際響應(yīng)的不確定性。文獻(xiàn)[38-39]均對價格型和激勵型DR進(jìn)行研究，且基于消費(fèi)者心理學(xué)原理考慮到可控負(fù)荷的不確定性，對多時間尺度DR研究考慮得更加全面。文獻(xiàn)[38]將價格型和激勵型DR與常規(guī)機(jī)組、風(fēng)電、緊急調(diào)峰資源在不同時間尺度上進(jìn)行優(yōu)化配置，設(shè)計了一種剛性約束和彈性約束相結(jié)合的激勵型DR機(jī)制，更加貼近實際負(fù)荷情況，增強(qiáng)了源-荷互動的效果。文獻(xiàn)[39]建立可轉(zhuǎn)移負(fù)荷、可平移負(fù)荷和可削減負(fù)荷3類響應(yīng)模型，基于可控負(fù)荷的多時間尺度特性，將可控負(fù)荷、常規(guī)機(jī)組和風(fēng)電功率在3個時間尺度上協(xié)調(diào)優(yōu)化，能夠?qū)崿F(xiàn)削峰填谷，提高風(fēng)電消納，并降低電網(wǎng)調(diào)度的成本。

圖6 多時間尺度調(diào)度策略滾動求解流程圖

多時間尺度間的相互配合，通過源-荷兩側(cè)資源互動，可解決可控負(fù)荷參與需求響應(yīng)時間層面和對象層面的問題，可通過逐級細(xì)化，降低可再生能源預(yù)測誤差給系統(tǒng)帶來的負(fù)面影響；可以充分挖掘各類可控負(fù)荷參與需求響應(yīng)項目的潛力，不同特性的負(fù)荷參與不同時間尺度的調(diào)節(jié)，從而緩解可再生能源出力波動，提高系統(tǒng)的經(jīng)濟(jì)性和風(fēng)電上網(wǎng)率。

2.4 優(yōu)先級控制策略

優(yōu)先級控制策略的控制對象為家庭中的部分可控負(fù)荷，以負(fù)荷的重要程度、可中斷性以及可調(diào)控性對用電負(fù)荷優(yōu)先級進(jìn)行劃分，通過判斷用電設(shè)備的優(yōu)先級，以一定調(diào)度順序?qū)υ摬糠重?fù)荷的通斷狀態(tài)進(jìn)行控制，從而實現(xiàn)峰谷負(fù)荷的均衡?？刂撇呗粤鞒倘鐖D7[40]所示。

圖7 家電優(yōu)先級控制策略響應(yīng)流程圖

文獻(xiàn)[40]提出動態(tài)優(yōu)先級概念，以舒適度指數(shù)表征家電動態(tài)優(yōu)先級，設(shè)計控制方案，以空調(diào)、熱水器以及電動汽車為研究對象，通過仿真驗證表明，該方案可實現(xiàn)負(fù)荷曲線的移峰填谷，在盡量不影響用戶舒適度的前提下節(jié)約電費(fèi)。但過于頻繁地切換家電的動態(tài)優(yōu)先級，將極大影響家電的使用壽命，且容易造成電網(wǎng)波動。文獻(xiàn)[41]根據(jù)家電的功率和分時電價實現(xiàn)對家電的優(yōu)先級排序進(jìn)行DR控制，按照分時時段對分時電價信息進(jìn)行模糊化處理，得到電價優(yōu)先級；對可控負(fù)荷和可轉(zhuǎn)移負(fù)荷按照功率值進(jìn)行模糊化，并賦予對應(yīng)的家電設(shè)備優(yōu)先級，將分時電價優(yōu)先級與家電優(yōu)先級按照矩陣乘法進(jìn)行相乘，得到對應(yīng)的DR操作規(guī)則矩陣，對家電進(jìn)行DR控制。并且DR時間開始前進(jìn)行DR預(yù)控制，以這種控制方式來減少用戶的整體費(fèi)用支出和緩解電網(wǎng)負(fù)荷。該方案避免了頻繁切換家電優(yōu)先級的情形，保證家電完成實際工作(執(zhí)行DR控制策略)后再調(diào)度其他家電，并未影響家電的實際工作壽命。文獻(xiàn)[42]定義了二維優(yōu)先級的概念，當(dāng)出現(xiàn)家電使用沖突時，計算該時段開啟家電的二維優(yōu)先級，優(yōu)先級較小的選擇關(guān)閉，以暫緩使用來應(yīng)對當(dāng)用戶未按計劃執(zhí)行用電而導(dǎo)致家庭總功率超出功率閾值范圍的情況。以上3篇文獻(xiàn)針對的研究對象均為家庭中空調(diào)、熱水器以及電動汽車，文獻(xiàn)[43]擴(kuò)大研究范圍，同時將洗衣機(jī)以及洗碗機(jī)考慮到優(yōu)先級控制中，并在原有智能家電控制算法中增加電網(wǎng)閑時的填谷作用，有效利用了用電低谷期的容量閑置。

現(xiàn)有采用優(yōu)先級控制策略進(jìn)行需求響應(yīng)的文獻(xiàn)中，多以分時電價為背景，如何在尖峰電機(jī)、實時電價的背景下采用該策略進(jìn)行研究，實現(xiàn)負(fù)荷曲線的優(yōu)化，還需進(jìn)行深入研究。且目前的研究多為針對某一戶家庭的研究，如何擴(kuò)大研究范圍，針對多戶家庭、負(fù)荷群進(jìn)行研究，仍有很大研究空間。

上述文獻(xiàn)從多目標(biāo)優(yōu)化控制策略、分層結(jié)構(gòu)控制策略、多時間尺度控制策略和優(yōu)先級控制策略4個層面，對民用可控負(fù)荷參與需求響應(yīng)的典型控制策略進(jìn)行闡述，總結(jié)歸納了當(dāng)前的研究現(xiàn)狀，分析并總結(jié)其控制特點和不足之處，如表3所示。需要說明的是，文中所列舉的4個層面的控制策略，相互之間是存在聯(lián)系的，而并非彼此獨(dú)立。

3 結(jié)論

1）對需求側(cè)資源進(jìn)行合理控制，可以實現(xiàn)負(fù)荷的削峰填谷，緩解電網(wǎng)供電壓力，并為用戶節(jié)約用電費(fèi)用，也可以提高系統(tǒng)能源消納能力。針對不同的目標(biāo)，可采用不同的控制策略對可控負(fù)荷進(jìn)行控制。各種方法的有效性尚需實踐檢驗。在未來的研究中應(yīng)分析所提控制策略是否具有實踐的價值，是否符合我國的國情。

2）目前的研究重點為對大負(fù)荷或者某種負(fù)荷進(jìn)行集中控制，以負(fù)荷聚合商為單位，而如何協(xié)調(diào)負(fù)荷聚合商與各小負(fù)荷的分散控制可作為下一步的研究方向。并且現(xiàn)有研究均對控制條件進(jìn)行了一定程度的理想化，如何考慮負(fù)荷的參數(shù)差異、用戶行為的隨機(jī)性，使研究場景更符合實際，還需進(jìn)一步研究。

表3 需求響應(yīng)控制策略比較

3）隨著智能家電的普及和廣泛應(yīng)用，居民家電的需求響應(yīng)作用將越來越顯著。

[1]國家發(fā)展改革委，國家能源局．能源發(fā)展“十三五”規(guī)劃[R]．北京：國家能源局，2016．

National Development and Reform Commission，National Energy Administration．The thirteenth five-year plan of energy development[R]．Beijing：National Energy Administration 2016．

[2]國家統(tǒng)計局．中國統(tǒng)計年鑒2019[M]．北京：中國統(tǒng)計出版社，2019：128．

National Bureau of Statistics．China statistical yearbook 2019[M]．Beijing：China Statistical Publishing House，2019:128．

[3]國家能源局．2019年全國電力工業(yè)統(tǒng)計數(shù)據(jù)[R]．北京：國家能源局，2019．

National Energy Administration. National power industry statistics 2019[R]．Beijing：National Energy Administration，2019．

[4]楊東升，王道浩，周博文，等．泛在電力物聯(lián)網(wǎng)的關(guān)鍵技術(shù)與應(yīng)用前景[J]．發(fā)電技術(shù)，2019，40(2)：107-114．

YANG D S，WANG D H，ZHOU B W，et al．Key technologies and application prospects of ubiquitous power internet of things[J]．Power Generation Technology，2019，40(2)：107-114．

[5]戚永志，黃越輝，王偉勝，等．高比例清潔能源下水風(fēng)光消納能力分析方法研究[J]．電網(wǎng)與清潔能源，2020，36(1)：55-63．

QI Y Z，HUANG Y H，WANG W S，et al．A study on hydro-wind-solar consumption analysis method for high proportion of clean energy[J]．Power System and Clean Energy，2020，36(1)：55-63．

[6]施濤，李春來，朱慧敏．考慮功率預(yù)測不確定性的風(fēng)電消納隨機(jī)調(diào)度[J]．電網(wǎng)與清潔能源，2019，35(4)：55-59．

SHI T，LI C L，ZHU H M．Stochastic dispatching of wind power accommodation considering uncertainty of power prediction[J]．Power System and Clean Energy，2019，35(4)：55-59．

[7]張欽，王錫凡，王建學(xué)，等．電力市場下需求響應(yīng)研究綜述[J]．電力系統(tǒng)自動化，2008，32(3)：97-106．

ZHANG Q，WANG X F，WANG J X，et al．Survey of demand response research in deregulated electricity markets[J]．Automation of Electric Power Systems，2008，32(3)：97-106．

[8]孫毅，王欣，許鵬，等．基于預(yù)切換狀態(tài)的電熱水器負(fù)荷群調(diào)控策略[J]．現(xiàn)代電力，2019，36(5)：68-75．

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．

[9]錢佳慧，尹鵬，鄧學(xué)華，等．分時電價激勵下考慮負(fù)荷聚集商的日前經(jīng)濟(jì)調(diào)度[J]．現(xiàn)代電力，2019，36(4)：31-37．

QIAN J H，YIN P，DENG X H，et al．The day-ahead economic dispatch considering time-of-use pricing incentives for load aggregators[J]．Modern Electric Power，2019，36(4)：31-37．

[10]國網(wǎng)能源研究院有限公司．中國能源電力發(fā)展展望2018[M]．北京：中國電力出版社，2018．

State Grid Energy Research Institute Co., LTD．China's energy and power development outlook 2018[M]．Beijing： China Electric Power Press，2018．

[11]XU F，LAI L L．Novel active time based demand response for industrial consumers in smart grid[J]．IEEE Transactions on Industrial Informatics，2015，11(6)：1564-1573．

[12]陳麒宇．泛在電力物聯(lián)網(wǎng)實施策略研究[J]．發(fā)電技術(shù)，2019，40(2)：99-106．

CHEN Q Y．Research on implementation strategy of ubiquitous power internet of things[J]．Power Generation Technology，2019，40(2)：99-106．

[13]陽小丹，李揚(yáng)．家庭用電響應(yīng)模式研究[J]．電力系統(tǒng)保護(hù)與控制，2014，42(12)：51-56．

YANG X D，LI Y．Research on household electricity response mode[J]．Power System Protection and Control，2014，42(12)：51-56．

[14]陸青，郁浩，趙康麗，等．分時電價下基于供用電雙方博弈的家庭用戶需求響應(yīng)[J]．現(xiàn)代電力，2019，36(6)：68-74．

LU Q，YU H，ZHAO K L，et al．Demand response of household users based on game between power supply and consumption side under time-of-use price[J]．Modern Electric Power，2019，36(6)：68-74．

[15]NUNNA H S，KUMAR V S，Doolla S．Demand response in smart distribution system with multiple microgrids[J]．IEEE Transactions on Smart Grid，2012，3(4)：1641-1649．

[16]YANG P，TANG G，NEHORAI A．Optimal time-of-use electricity pricing using game theory[C]//IEEE International Conference on Acoustics，Speech & Signal Processing．IEEE，2012．

[17]FINN P．Demand side management of industrial electricity consumption：promoting the use of renewable energy through real-time pricing[J]．Applied Energy，2014，113(6)：11-21．

[18]楊勝春，劉建濤，姚建國，等．多時間尺度協(xié)調(diào)的柔性負(fù)荷互動響應(yīng)調(diào)度模型與策略[J]．中國電機(jī)工程學(xué)報，2014，34(22)：3664-3673．

YANG S C，LIU J T，YAO J G，et al．Model and strategy for multi-time scale coordinated flexible load interactive scheduling[J]．Proceedings of the CSEE，2014，34(22)：3664-3673．

[19]KONDOH J，LU N，HAMMERSTROM D J．An evaluation of the water heater load potential for providing regulation service[J]．IEEE Transactions on Power Systems，2011，26(3)：1309-1316．

[20]劉蓉暉，李子林，楊秀，等．考慮用戶側(cè)可控負(fù)荷的社區(qū)綜合能源系統(tǒng)日前優(yōu)化調(diào)度[J]．太陽能學(xué)報，2019，40(10)：2842-2850．

LIU R H，LI Z L，YANG X，et al．Optimal dispatch of community integrated energy system considering user-side flexible load[J]．Acta Energiae Solaris Sinica，2019，40(10)：2842-2850．

[21]SHAFIE K M，HEYDARIAN F E，OSORIO G J，et al．Optimal behavior of electric vehicle parking lots as demand response aggregation agents[J]．IEEE Transactions on Smart Grid，2016，7(6)：2654-2666．

[22]WATSON J D，WATSON N R，LESTAS I．Optimized dispatch of energy storage systems in unbalanced distribution networks[J]．IEEE Transactions on Sustainable Energy，2017，9(2)：639-650．

[23]林銼云，董加禮．多目標(biāo)優(yōu)化的方法與理論[M]．長春：吉林教育出版社，1992：125-128．

LIN C Y，DONG J L．Methods and theories of multi-objective optimization[M]．Changchun：Jilin Education Press，1992：125-128．

[24]顏慶國，楊永標(biāo)，高輝，等．智能樓宇可調(diào)資源優(yōu)化控制建模及仿真分析[J]．電器與能效管理技術(shù)，2016(10)：31-36．

YAN Q G，YANG Y B，GAO H，et al．Modeling and simulation analysis for intelligent building adjustable resources optimization control[J]．Dianqi Yu Nengxiao Guanli Jishu，2016(10)：31-36．

[25]何后裕，郭健翔，王永利．面向配電網(wǎng)風(fēng)電消納的冰蓄冷空調(diào)系統(tǒng)多目標(biāo)優(yōu)化策略研究[J]．電力系統(tǒng)保護(hù)與控制，2019，47(23)：180-187．

HE H Y，GUO J X，WANG Y L．Research on multi-objective optimization strategy for ice storage air conditioning system for distribution network wind power consumption[J]．Power System Protection and Control，2019，47(23)：180-187．

[26]侯建朝，胡群豐，譚忠富．計及需求響應(yīng)的風(fēng)電-電動汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型[J]．電力自動化設(shè)備，2016，36(7)：22-27．

HOU J C，HU Q F，TAN Z F．Multi-objective optimization model of collaborative WP-EV dispatch considering demand response[J]．Electric Power Automation Equipment，2016，36(7)：22-27．

[27]彭春華，劉兵，左麗霞，等．計及分類需求響應(yīng)的孤島微網(wǎng)并行多目標(biāo)優(yōu)化調(diào)度[J]．電力系統(tǒng)保護(hù)與控制，2019，47(5)：60-68．

PENG C H，LIU B，ZUO C X，et al．Parallel multi-objective optimal dispatch of island micro-grid considering load classified demand response[J]．Power System Protection and Control，2019，47(5)：60-68．

[28]XU Z，CALLAWAY D S，HU Z，et al．Hierarchical coordination of heterogeneous flexible loads[J]．IEEE Transactions on Power Systems，2016，31(6)：4206-4216．

[29]高賜威，李倩玉，李揚(yáng)．基于DLC的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制策略[J]．中國電機(jī)工程學(xué)報，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．

[30]王丹，蘭宇，賈宏杰，等．基于彈性溫度可調(diào)裕度的中央空調(diào)集群需求響應(yīng)雙層優(yōu)化[J]．電力系統(tǒng)自動化，2018，42(22)：118-126．

WANG D，LAN Y，JIA H J，et al．Double-layer optimization strategy of cluster central air-conditioner demand response based on elastic temperature adjustable margin[J]．Automation of Electric Power Systems，2018，42(22)：118-126．

[31]劉曉峰，高丙團(tuán)，羅京，等．基于非合作博弈的居民負(fù)荷分層調(diào)度模型[J]．電力系統(tǒng)自動化，2017，41(14)：54-60．

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．

[32]王蓓蓓，胡曉青，顧偉揚(yáng)，等．分層控制架構(gòu)下大規(guī)?？照{(diào)負(fù)荷參與調(diào)峰的分散式協(xié)同控制策略[J]．中國電機(jī)工程學(xué)報，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．

[33]孫強(qiáng)，許方園，唐佳，等．基于需求響應(yīng)的電動汽車集群充電負(fù)荷建模及容量邊界控制策略[J]．電網(wǎng)技術(shù)，2016，40(9)：2638-2645．

SUN Q，XU F Y，TANG J，et al．Study on modeling of aggregated charging load of electric vehicles and control strategy by adjusting capacity boundaries based on demand response[J]．Power System Technology，2016，40(9)：2638-2645．

[34]王丹，孫冬冬，胡慶娥，等．基于最優(yōu)能量狀態(tài)調(diào)節(jié)的電動汽車需求響應(yīng)及其對配電網(wǎng)的影響[J]．電力建設(shè)，2018，39(5)：86-94．

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．

[35]MUNOZ E G，ALCARAZ G G，CABRERA N G．Two-phase short-term scheduling approach with intermittent renewable energy resources and demand response[J]．IEEE Latin America Transactions，2015，13(1)：181-187．

[36]包宇慶，王蓓蓓，李揚(yáng)，等．考慮大規(guī)模風(fēng)電接入并計及多時間尺度需求響應(yīng)資源協(xié)調(diào)優(yōu)化的滾動調(diào)度模型[J]．中國電機(jī)工程學(xué)報，2016，36(17)：4589-4600．

BAO Y Q，WANG B B，LI Y，et al．Rolling dispatch model considering wind penetration and multi-scale demand response resources[J]．Proceedings of the CSEE，2016，36(17)：4589-4600．

[37]賈雨龍，米增強(qiáng)，王俊杰，等．柔性負(fù)荷聚合商參與電力系統(tǒng)的多時間尺度協(xié)同優(yōu)化調(diào)度策略[J]．華北電力大學(xué)學(xué)報(自然科學(xué)版)，2019，46(6)：17-26．

JIA Y L，MI Z Q，WANG J J，et al．Mutli-time scale collaborative optimal scheduling strategy with flexible load aggregator participating in power system[J]．Journal of North China Electric Power University(Nature Science)，2019，46(6)：17-26．

[38]孫宇軍，王巖，王蓓蓓，等．考慮需求響應(yīng)不確定性的多時間尺度源荷互動決策方法[J]．電力系統(tǒng)自動化，2018，42(2)：106-113．

SUN Y J，WANG Y，WANG B B，et al．Multi-time scale decision method for source-load interaction considering demand response uncertainty[J]．Automation of Electric Power Systems，2018，42(2)：106-113．

[39]趙冬梅，宋原，王云龍，等．考慮可控負(fù)荷響應(yīng)不確定性的多時間尺度協(xié)調(diào)調(diào)度模型[J]．電力系統(tǒng)自動化，2019，43(22)：21-32．

ZHAO D M，SONG Y，WANG Y L，et al．Coordinated scheduling model with multiple time scales considering response uncertainty of flexible load[J]．Automation of Electric Power Systems，2019，43(22)：21-32．

[40]湯奕，魯針針，寧佳，等．基于電力需求響應(yīng)的智能家電管理控制方案[J]．電力系統(tǒng)自動化，2014，38(9)：93-99．

TANG Y，LU Z Z，NING J，et al．Management and control scheme for intelligent home appliances based on electricity demand response[J]．Automation of Electric Power Systems，2014，38(9)：93-99．

[41]付蔚，敬章浩，羅志勇，等．基于分時電價的智能家電控制方案[J]．電網(wǎng)技術(shù)，2015，39(3)：717-723．

FU W，JING Z H，LUO Z Y，et al．A time-of-use pricing based control scheme for intelligent household appliances[J]．Power System Technology，2015，39(3)：717-723．

[42]孫毅，裴俊亦，景棟盛．考慮用戶行為不確定性的智能家電控制策略[J]．電力系統(tǒng)保護(hù)與控制，2018，46(17)：109-117．

SUN Y，PEI J Y，JING D S．Smart home appliance control strategy considering user behavior uncertainty[J]．Power System Protection and Control，2018，46(17)：109-117．

[43]何沁春，楊秀媛．泛在電力物聯(lián)網(wǎng)中將家電可控負(fù)荷轉(zhuǎn)化成智能負(fù)荷的方法研究[J]．發(fā)電技術(shù)，2020，41(1)：94-102．

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．

Control Strategy of Civil Controllable Load Participating in Demand Response

WANG Yan1, YANG Xiuyuan1*, XU Jianfeng2, BU Siqi3, XU Zhiqiang4

(1. School of Automation, Beijing Information Science & Technology University, Haidian District, Beijing 100192, China; 2. State Grid Heilongjiang Electric Power Co., Ltd., Harbin 150090, Heilongjiang Province, China; 3. Department of Electrical Engineering, The Hongkong Polytechnic University, Kowloon 999077, Hong Kong S.A.R., China; 4. School of Physical Sciences and Engineering, University of Southampton, Southampton SO171BJ, UK)

Under the development trend of continuous growth of the peak of power load and large scale renewable energy penetration, in order to achieve renewable energy accommodation and stabilize power grid fluctuation, the means of demand side civil controllable load participating in demand response can be adopted for regulation. In particular, the control of family controllable load is extended from single family control to multiple families, and finally large-scale load group control can be realized.Firstly, the research results of demand response mode, load classification modeling and control strategy in recent years were summarized, and the general models of various loads were summarized based on the characteristics of load power consumption. Then, the characteristics and shortcomings of multi-objective optimization control strategy, hierarchical control strategy, multi-time scale control strategy and priority control strategy were analyzed. Finally, the further research direction of different control strategies in the control of demand response was pointed out. And combined with the situation of our country, the development prospect of demand response was prospected from the perspective of civil controllable load participating in demand response regulation.

renewable energy accommodation; power system; demand response; controllable load; control strategy; smart grid

10.12096/j.2096-4528.pgt.20014

TK 01; TM 71

國家自然科學(xué)基金項目(51377011)。

Project Supported by National Natural Science Foundation of China (51377011).

2020-04-01。

(責(zé)任編輯 辛培裕)