基于信用等级的虚拟电厂需求响应效果后评估谢畅1，王蓓蓓1，李然2，嵇文路3 (1.东南大学电气工程学院，南京市 210096；2.国网沈阳供电公司，沈阳市 110000；3.国网南京供电公司，南京市 210008) 摘 要：激励需求响应虚拟电厂(incentive-based demand response based virtual power plant，IBDR-VPP)是包含众多激励型需求响应用户的集合。按照用户参与方式，激励型需求响应(IBDR)可分为紧急型需求响应和经济型需求响应。需求响应事件触发前，虚拟电厂内部需筛选整合用户并分配响应容量，考虑到用户响应行为的不确定性，虚拟电厂倾向于调用历史响应良好的用户，以减少响应不确定造成的经济损失，因此亟需一种有效的响应效果评估方法为评估和筛选用户提供指导。从国内外文献中提取出4个响应效果的基础评估指标，针对紧急型和经济型需求响应对各基础指标的不同倾向，提出单次响应效果综合评估系数这一综合指标，在此基础上设计了用户的信用等级评估体系。算例结果证明提出的响应效果后评估方法具有良好的用户筛选效果。 关键词：虚拟电厂(VPP)；需求响应(DR)；响应效果评估；信用等级 0 引 言需求响应(demand response，DR)按照用户不同的响应方式可以分为基于激励的需求响应(incentive-based demand response，IBDR)和基于价格的需求响应(price-sensitive demand response，PSDR)[1]，因此需求响应虚拟电厂也可分为激励需求响应虚拟电厂(incentive-based demand response based virtual power plant，IBDR-VPP)和价格需求响应虚拟电厂(price-sensitive demand response based virtual power plant，PSDR-VPP)[2]。PSDR是指用户响应零售电价的变化并相应地调整用电需求，用户在调整负荷时是完全自主的，响应效果评估对于此类需求响应无太大意义，本文不予考虑。IBDR是指用户愿意以中断电力使用换取经济激励的行为[3-4]。大容量用户可以直接参与电网需求响应，中小型用户多以虚拟电厂的形式参与[5-6]。此类DR事件实施前，虚拟电厂内部需要筛选用户参与并分配其响应容量，用户响应的好坏直接影响自身和虚拟电厂整体的经济效益。考虑到用户响应的不确定性，虚拟电厂倾向选择历史响应表现好的用户，给其分配较多的响应容量，而给历史表现差的用户分配少额的响应容量，以规避用户响应不确定造成的经济损失。因此，亟需一种面向用户的响应效果评估方法为评估和筛选用户提供指导。 现有文献多将虚拟电厂建成拥有储能、分布式发电、需求响应的等效模型，较少关注虚拟电厂内部众多分散需求响应用户的实际响应效果，对需求响应的评估也多集中在评价其社会经济效益[7-9]，很少涉及用户响应效果的评估。文献[10]提出了认缴性能指标(subscribed performance index，SPI)和峰荷性能指标(peak performance index，PPI)，分别评估用户的合同完成率和需求响应潜力。文献[11]采用K-means聚类法，提出一种基于用电采集数据的需求响应削峰潜力评估方法。文献[12]中提出需求响应性能的计算方法有绝对值法和相对值法，性能指标越高，负荷削减作为应对峰荷事故的手段越可靠，但仅限于对需求响应性能的粗略概述，没有具体的评估指标。文献[13]基于模糊综合分析方法，提出可靠性、经济性、环保性3类指标综合评估需求响应项目的效益，但指标比较笼统，对不同需求响应项目的针对性不强。 本文从国内外文献中提取出4个基础响应评估指标，沿用美国PJM电力市场标准将基于激励的需求响应分为紧急型需求响应(emergency demand response)和经济型需求响应(economic demand response)，针对紧急型和经济型需求响应对各基础指标的不同倾向，提出单次响应效果综合评估系数这一综合指标，并在该指标的基础上设计了用户的信用等级评估体系。最后，通过算例验证本文提出的响应效果后评估方法。 1 需求响应基础评估指标1.1 认缴性能指标 认缴性能指标[10]用来表征用户的合同完成率。根据用户响应后的负荷数据，计算响应期间用户的平均削减容量与合同认购削减容量的比值。认缴性能值越大，用户响应效果越好。 λSPI=Pavg/Psub (1)  (2) 式中：λSPI为认缴性能指标；Pavg为事件期间用户的平均削减容量；Psub为用户的合同认购削减容量；N为事件持续时间的离散段数；PCBL,t为事件期间t时刻用户的基线负荷；Pactual,t为事件期间t时刻用户的实际负荷。 1.2 调度时间可靠性 调度时间可靠性[13]用来评估用户响应合格的时间占总调度时间的比重。一般认为用户实际响应容量达到调度容量的90%，即为合格。响应合格时间越多，调度时间可靠性越高，用户响应效果越好。 Rtime= (3)  (4) 式中：Rtime为用户的调度时间可靠性； 1.3 调度容量可靠性 调度容量可靠性[13]从时间维度表征事件期间用户的响应容量与合同认购削减容量的贴合程度，其计算方法与计算调度时间可靠性类似。以调度容量为基准，实际响应容量偏差在5%的时长权重系数为1.0，偏差在5%～10%的时长权重系数为0.9，偏差在10%～20%的时长权重系数为0.8，其余时长权重系数为0，计算公式为 Rcap= (5) 式中：Rcap为用户调度容量可靠性； 1.4 负荷反弹量 负荷反弹量[14]用来衡量用户调度结束后负荷的变化情况，常用控制结束后用户的平均反弹容量与负荷基线的比值表征用户负荷反弹的相对大小。 Rrebound= (6) 式中：Rrebound为负荷反弹量；W为响应结束后超过用户基线的用电量；P为用户基线负荷；Δt为负荷反弹监视时间。 2 单次响应效果综合评估系数及信用等级美国PJM电力市场将基于激励的需求响应分为紧急型需求响应和经济型需求响应。其中紧急型需求响应主要应对系统出力短缺或预期的运行事故，以维护系统的安全稳定，而经济型需求响应为了应对批发价格高于公布的PJM月度净收益价格的情况，通过削减负荷需求来降低批发价格[15-16]。 2.1 紧急型需求响应 紧急型需求响应是指在系统运行备用不足、负荷高峰等紧急状态下，需求响应资源作为一种容量资源，按照调度中心指令削减负荷的行为。由PJM调用的紧急需求响应资源未完成预先的承诺容量会受到惩罚，超额完成任务会受到奖励。对于紧急型需求响应，用户在事件期间的削减容量越高越好。  (7)式中α1为紧急型需求响应的响应效果综合评估系数。 2.2 经济型需求响应 PJM经济型需求响应可以参与容量市场和辅助服务市场[17-19]。此时，需求响应资源以虚拟发电商的形式参与日前市场，在日前市场竞得的容量，并由虚拟电厂向用户分配成为调度计划。次日交易时刻，用户实时的响应容量若与调度计划存在偏差，将会造成系统不稳定，系统需要调用额外的辅助服务资源而增加经济成本。因此，经济型需求响应更看重用户的实际响应容量能完全贴合调度计划，即调度容量可靠性高。 α2=Rcap (8) 式中α2为经济型需求响应的响应效果综合评估系数。 2.3 信用等级 在DR项目的运营期间，每个用户都会多次响应虚拟电厂的邀约，用户响应的效果和积极程度造成其不同的信用等级。虚拟电厂倾向于选择信用度高的用户，给他们分配更多的响应容量，以避免用户响应不达标而造成的经济损失，具体的信用等级评估流程如图1所示。其中，用户在合同中签订的为额定响应容量，事件时会根据用户信用等级分配其响应容量。 依据百分制信用得分的分布区间，将用户的信用等级划分为优、良、中、差4等，各等级对应的分配容量/额定容量百分比、基准分数如表1所示。用户在第k次响应结束后的信用得分会作为虚拟电厂第k+1次事件分配容量的依据，其信用得分计算方法参照式(9)—(11)。首先，获取用户第k-1次响应结束后的信用得分和信用等级；其次，参考信用等级对照表，获取用户的基准分数，并计算用户第k次响应的得分；最后，取用户第k-1次事件结束后的信用得分与用户第k次响应得分的平均值作为用户第k次事件结束后的信用得分。  图1 用户信用等级评估流程图 表1 信用等级对照表 (9) Fi,k=S(ci,k-1)×αi,k (10) gi,k= (11) 式中：gi,k为用户i在第k次需求响应结束后的信用分数，所有用户初始(第0次)信用分数为90；ci,k-1为用户i在第k-1次需求响应结束后的信用等级；Fi,k为用户i在第k次需求响应中的得分；S为信用等级对应的基准分数；αi,k为用户i在第k次需求响应中的响应评估系数。 用户第k次响应结束后的信用分数不仅受到本次响应综合评估系数的影响，还受到前k-1次的影响。信用等级高的用户会因为某次响应不达标而降级，信用等级低的用户也可以通过高效完成指标而升级。为降低响应次数基数增大对用户信用升级速度的影响，本文未采取将前k次信用得分取平均值的办法，而是将前k-1次结束后的信用分数当成一次响应(式11)。一般来说，信用度低的用户至多连续2次响应评估系数接近1，即可进行信用升级。 3 算例分析某虚拟电厂内有商业用户A、B，愿意参与紧急型需求响应项目，合同签订的额定响应容量分别为1 000 kW和800 kW，有效期为1年。期间，共发起8次需求响应事件，事件均发生在14:00—14:30，负荷反弹监视期为响应结束后0.5 h。 用户的负荷基线[12]减去事件日用户的实测负荷，可以得到用户的实际负荷削减量曲线。由于本文采取信用等级方式分配用户的响应容量，会存在每次分配响应容量不相同的情况，为此将历次的响应曲线归一化，用户的实际负荷削减量曲线除以用户分配的响应容量，得到用户的负荷削减量百分比曲线，如图2—3所示。 从图2—3可以看出，用户A采用了提前响应的措施，保证了其在事件期间负荷削减量的平稳，但事件结束后出现了负荷反弹，且负荷削减量越大，反弹负荷越显著。历次需求响应事件对应的负荷削减量百分比曲线界限分明，均匀分布在100%响应量的上下10%的区域内，说明用户A的响应不确定性比较大，不能准确跟踪调度分配的响应容量。用户B同样采用了提前响应的措施，事件结束后，也出现了负荷反弹，但其在事件期间的负荷削减量百分比曲线交织在100%附近，成一簇，说明用户B能恰好完成削减任务，不超调也不欠调。 图2 历次需求响应中用户A的负荷削减量百分比 图3 历次需求响应中用户B的负荷削减量百分比 根据用户的负荷削减量曲线，可以计算出用户A和用户B在历次需求响应事件中的基础评估指标和响应效果综合评估系数，如表2—3所示。 对比表2和表3中用户A、B的信用等级得分随着响应次数的变化情况。可以看出，无论是用户A还是用户B，信用等级得分会因为用户响应情况好而升高(用户A/3，用户B/3，用户B/4)，也会因为用户响应情况差或拒绝响应而降低(用户B/2，用户B/6)，说明了本文评估指标和信用等级制度的有效性。每一次事件结束后的信用得分是作为下一次事件筛选用户的标准，比较用户A、B的信用等级得分曲线，可以看出，每一次需求响应事件结束后，用户A的信用得分均高于用户B，虚拟电厂会更青睐用户A。 表2 用户A在历次需求响应事件中的响应指标以及响应后得分 表3 用户B在历次需求响应事件中的响应指标以及响应后得分 忽略历次事件分配的响应容量的差别，就用户8次需求响应的表现，按照紧急型需求响应和经济型需求响应的标准分别计算用户A、B的响应评估系数，如表4所示。由表4可以看到，用户A参与紧急型需求响应的评估系数平均值高于经济型需求响应的评估系数，评估系数方差和经济型需求响应的评估系数方差相等，说明用户A更适合于参与紧急型需求响应。而用户B参与紧急型需求响应的评估系数平均值低于经济型需求响应的评估系数，评估系数方差大于经济型需求响应的评估系数方差，说明用户B更适合参与经济型需求响应。图2—3也说明了这一点，用户A的响应不确定性大，时而过调，时而欠调，更适合参与紧急型需求响应；而用户B的响应曲线紧密贴合削减要求，既不过调也不欠调，响应不确定性小，存在反弹负荷，更适合参与经济型需求响应。由此说明，在本文提出的模型下，虚拟电厂可以根据用户历次的响应表现，推荐用户参与更适合的需求响应类型，为用户提供增值服务。 表4 用户A/B的响应评估系数平均值与方差 4 结 论(1)紧急型需求响应和经济型需求响应对各基础评估指标的倾向不同，紧急型看重认缴性能、调度时间可靠性以及负荷反弹量，而经济型更在意调度容量可靠性。 (2)本文提出的信用等级评价体系可以真实反映用户的信用得分随用户历次需求响应优劣的变化情况，应用信用等级可以为虚拟电厂筛选用户提供指导，以减少用户响应的不确定性。 (3)本文的响应效果综合评估系数可以为用户推荐最适合其参与的需求响应项目，实现虚拟电厂与用户双赢的局面。 5 参考文献： [1]张钦, 王锡凡, 王建学, 等. 电力市场下需求响应研究综述[J]. 电力系统自动化, 2008, 32(3): 97-106. ZHANG Qin, WANG Xifan, WANG Jianxue, et al. Survey of demand response research in deregulated electricity markets[J]. Automation of Electric Power Systems, 2008, 32(3): 97-106. [2]牛文娟, 李扬, 王蓓蓓. 考虑不确定性的需求响应虚拟电厂建模[J]. 中国电机工程学报, 2014, 34(22):3630-3637. NIU Wenjuan, LI Yang, WANG Beibei. Demand response based virtual power plant modeling considering uncertainty[J]. Proceedings of the CSEE, 2014, 34(22):3630-3637. [3]KIRSCHEN D S. Demand-side view of electricity markets[J]. IEEE Transactions on Power Systems, 2003, 18(2): 520-527. [4]赵鸿图, 朱治中, 于尔铿. 电力市场中需求响应市场与需求响应项目研究[J]. 电网技术, 2010, 34(5): 146-153. ZHAO Hongtu, ZHU Zhizhong, YU Erkeng. Study on demand response markets and programs in electricity markets[J]. Power System Technology, 2010, 34(5):146-153. [5]高赐威, 李倩玉, 李慧星, 等. 基于负荷聚合商业务的需求响应资源整合方法与运营机制[J]. 电力系统自动化, 2013, 37(17):78-86. GAO Ciwei, LI Qianyu, LI Huixing, et al. Methodology and operation mechanism of demand response resources integration based on load aggregator[J]. Automation of Electric Power Systems, 2013, 37(17):78-86. [6]张开宇, 宋依群, 严正. 考虑用户违约可能的负荷聚合商储能配置策略[J]. 电力系统自动化, 2015, 39(17): 127-133. ZHANG Kaiyu, SONG Yiqun, YAN Zheng. Energy storage capacity optimization for load aggregators considering probability of demand response resources’ breach[J]. Automation of Electric Power Systems, 2015, 39(17): 127-133. [7]王冬容, 刘宝华, 杨赛, 等. 电力需求响应的经济效益分析[J]. 电力需求侧管理, 2007, 9(1):8-10. WANG Dongrong, LIU Baohua, YANG Sai, et al. Economic benefit analysis of power demand response[J]. Power Demand Side Management, 2007, 9(1):8-10. [8]翟桥柱, 王凌云. 需求侧响应对降低发电成本的效益估计[J]. 中国电机工程学报, 2014, 34(7): 1198-1205. ZHAI Qiaozhu, WANG Lingyun. Estimation of generating costs reduction as a result of demand response[J]. Proceedings of the CSEE, 2014, 34(7): 1198-1205. [9]WALAWALKAR R, BLUMSACK S, APT J, et al. An economic welfare analysis of demand response in the PJM electricity market[J]. Energy Policy, 2008, 36(10): 3692-3702. [10]GOLDMAN C, HEFFNER G, KINTNER-MEYER M. Impact of enabling technologies on customer load curtailment performance: Summer 2001 results from NYSERDA’s PON 585 and 577 programs and NYISO’s emergency demand response program[R]. Berkeley: Lawrence Berkeley National Laboratory, 2002:12-87. [11]任炳俐, 张振高, 王学军, 等. 基于用电采集数据的需求响应削峰潜力评估方法[J]. 电力建设, 2016, 37(11): 64-70. REN Bingli, ZHANG Zhengao, WANG Xuejun, et al. Assessment method of demand response peak shaving potential based on metered load data[J]. Electric Power Construction, 2016, 37(11): 64-70. [12]赵鸿图, 朱治中, 于尔铿. 电力市场中用户基本负荷计算方法与需求响应性能评价[J]. 电网技术, 2009, 33(19): 72-78. ZHAO Hongtu, ZHU Zhizhong, YU Erkeng. Demand response performance evaluation and basic load calculation method for customers in electricity market environment[J]. Power System Technology, 2009, 33(19): 72-78. [13]陈璐, 杨永标, 徐石明, 等. 一种基于模糊综合分析的需求响应效果评估方法: 103955868A[P]. 2014-07-30. [14]ERDINC O, TASCIKARAOGLU A, PATERAKIS N G, et al. End-user comfort oriented day-ahead planning for responsive residential HVAC demand aggregation considering weather forecasts[J]. IEEE Transactions on Smart Grid, 2017, 8(1): 362-372. [15]PJM. Retail electricity consumer opportunities for demand response in PJM’s wholesale markets[EB/OL]. (2016-08-26)[2017-04-01]. http://www./～/media/markets-ops/dsr/end-use-customer-fact-sheet.ashx. [16]WALAWALKAR R, FERNANDS S, THAKUR N, et al. Evolution and current status of demand response (DR) in electricity markets: Insights from PJM and NYISO[J]. Energy, 2010, 35(4): 1553-1560. [17]陈新仪, 严正, 魏学好, 等. PJM电网需求响应模式及其启示[J]. 中国电力, 2015, 48(4): 113-120. CHEN Xinyi, YAN Zheng, WEI Xuehao, et al. Insight into demand response in PJM interconnection and its enlightenment to China[J]. Electric Power, 2015, 48(4): 113-120. [18]WALAWALKAR R, BLUMSACK S, APT J, et al. Analyzing PJM’s economic demand response program[C]//2008 IEEE Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century. Pittsburgh, USA: IEEE, 2008: 1-9. [19]PAULSON E J. Demand response as ancillary services in the PJM RTO[C]//2005 IEEE Power Engineering Society General Meeting. San Francisco, CA, USA: IEEE, 2005: 1575-1578. (编辑 景贺峰) Post-Evaluation of Demand Response Effects in Virtual Power Plant Based on Credit Rating XIE Chang1, WANG Beibei1, LI Ran2, JI Wenlu3 (1. School of Electrical Engineering，Southeast University, Nanjing 210096, China;2. State Grid Shenyang Power Supply Company, Shenyang 110000, China;3. State Grid Nanjing Power Supply Company, Nanjing 210008, China) ABSTRACT：Incentive-based demand response based virtual power plant (IBDR-VPP) is a collection of a large number of incentive based demand response users. According to user participation, incentive based demand response (IBDR) can be divided into emergency type and economic type. Before the demand response event occurs, the virtual power plant (VPP) needs to filter user and distributes response capacity to them. Considering uncertainty of demand response, VPP prefers users who own good historical response performance to reduce the economic loss caused. Therefore, it is urgent to find an effective response effect post-evaluation method to provide guidance for the evaluation and selection of users. This paper extracts four basic evaluation indexes of response effect from the domestic and foreign literature; according to the different tendency of emergency and economic response to each basic index, proposes the comprehensive evaluation index of single response effect, based on which the evaluation system of credit rating is designed. Finally, the example results show that the proposed post-evaluation method of demand response effect can be used to select the better response users. KEYWORDS：virtual power plant (VPP); demand response (DR); response effect assessment; credit rating 基金项目：国家自然科学基金项目(71471036) 中图分类号：TM 61；F 426 文献标志码：A 文章编号：1000-7229(2017)09-0067-06 DOI：10.3969/j.issn.1000-7229.2017.09.010 收稿日期：2017-04-17 作者简介： 谢畅(1994)，男，硕士研究生，主要研究方向为需求响应； 王蓓蓓(1979)，女，博士，副教授，主要研究方向为电力市场、需求侧管理； 李然(1971)，男，硕士，高级工程师，主要研究方向为电力系统自动化； 嵇文路(1974)，男，博士，高级工程师，主要研究方向为配电自动化和调度自动化。 Project supported by National Natural Science Foundation of China (71471036) |
|
|
为
为用户响应容量偏差在调度容量5%以内的时长；
为用户响应容量偏差在调度容量5%～10%的时长；
为用户响应容量偏差在调度容量10%～20%的时长。
