一种用于光伏集成工业园区的点对点需求侧偏差管理方法

《Renewable Energy》：A Peer-to-Peer Demand Side Deviation Management Method for Photovoltaic Integrated Industrial Parks

需求响应偏差管理框架提出两阶段协同优化策略，通过混合整数二阶锥规划确定柔性负载分阶段响应及储能补偿方案，结合ADMM算法实现实时偏差交易，有效降低工业园区高可再生能源渗透下的偏差惩罚。

　　

潘思勉|杨永宝|徐青山

东南大学电气工程学院，中国南京211189

摘要

需求响应（DR）的清算和结算机制对工业负荷的经济激励有显著影响，尤其是在可再生能源渗透率较高的情况下，由于发电侧的灵活性不足，导致偏差惩罚更加严格。为了解决由此产生的经济损失和参与度降低的问题，本文提出了一种针对工业园区内灵活负荷和储能系统（ESSs）的两阶段P2P偏差管理框架。首先，考虑到灵活负荷的固有响应延迟、速度和功率，将DR轨迹划分为部分响应阶段和完全响应阶段，从而能够准确建模需求侧的不确定性和偏差。其次，基于这种响应阶段建模，使用混合整数二阶锥规划（MISOCP）制定了一项日前偏差优化策略。该策略共同确定了响应阶段的持续时间、偏差方向以及ESS的充放电计划，以减少预期偏差并增强负荷之间的互补效应，同时为实时校正保留足够的灵活性。第三，在日前DR计划的基础上，基于交替方向乘子法（ADMM）开发了一种实时P2P偏差补偿模型，该模型协调负荷之间的互补偏差匹配和剩余偏差的ESS补偿，同时平衡配电网损耗和ESS的盈利能力。在光伏渗透率为58%的工业园区进行的案例研究表明，所提出的方法有效减少了DR偏差惩罚，并提高了负荷和ESS的收益。

引言

需求响应（DR）已成为维持电力平衡的关键技术，特别是在中国追求碳中和目标的过程中。特别是基于激励的DR计划在可再生能源（RE）高度渗透的主动配电网中发挥着重要作用，提供了成本效益和运营灵活性等优势[1]。然而，诸如DR偏差和不确定性等挑战阻碍了需求侧灵活性的充分利用[2]。这些偏差的严重性进一步加剧了动态负荷特性，包括响应速度慢和延迟时间长[3]。为了解决这些问题，电力系统运营商通常会结算偏差并实施经济惩罚规则[4]，旨在将灵活性不足的负荷排除在DR之外。尽管如此，这样的惩罚往往减少了来自DR计划（如RE消费服务）的预期激励[5]。作为需求侧管理的重要组成部分，工业园区由于多能源耦合的复杂性和生产计划的不确定性，面临更高的偏差惩罚风险[6]。因此，工业负荷管理者需要设计调度和交易策略，在当前DR结算机制下最小化偏差惩罚风险，同时支持可再生能源的整合。

为了在当前的DR结算机制下最小化偏差惩罚风险，以往的研究主要集中在储能系统（ESSs）上，因为它们具有快速的响应时间和双向调节能力。当与灵活负荷协调时，ESSs可以有效平衡经济效益并减轻需求响应的不确定性[7]。在参考文献[8]中，ESSs被用作瞬态功率供应商，以克服可转移负荷引起的突然需求波动和频率下降问题。然而，大多数关于DR偏差的研究主要集中在功率不确定性上，而忽略了动态负荷特性，这往往导致过于保守的优化结果。相应地，参考文献[9]探讨了多能源系统中动态负荷跟踪的上升时间和超调，调整ESS和热泵容量以优化跟踪精度。同样，参考文献[10]研究了水泥和造纸行业负荷的离散功率特性，通过ESS补偿实现精确和连续的DR。尽管有这些进展，但仅依赖ESSs来补偿DR偏差可能会严重扰乱它们的充放电计划，从而减少ESS本身的峰谷套利利润[11]。

值得注意的是，异构灵活负荷在DR偏差互补性方面也具有巨大潜力。共同优化具有不同响应特性的负荷可以有效地、经济地减少DR偏差[12]。然而，简化的可中断[13]或可转移[14] DR模型经常忽略非线性特性，从而限制了这种互补性的探索。为了解决这个问题，一些研究使用了细粒度时间[15]或采用了更精细的DR模型[16]，但通常计算速度较慢且可扩展性较差。

为了揭示异构负荷之间的偏差互补机制，有必要不仅通过静态响应功率，还通过动态特性（如响应延迟时间和调节速度）来描述基于激励的DR[17]、[18]。已经提出了几种管理这些动态特性的方法，可以分为三类：负荷控制[19]、聚合[20]和辅助服务[21]。第一种通常用于紧急情况，可能会显著影响参与者的满意度。第二种涉及虚拟电厂或负荷聚合器来汇集多样化的灵活性，但常常面临内部功率流和数据隐私问题。例如，参考文献[22]、[23]表明，共同优化多种类型的灵活资源可以缓解由通信、计算和用户行为引起的时间延迟问题。此外，参考文献[24]研究了分时（TOU）定价机制，以管理可中断负荷组的响应时间。

尽管上述研究考虑了负荷动态，但它们尚未有效地将其整合到DR偏差管理中。因此，有必要提出一种创新的DR框架，将负荷动态特性纳入偏差管理中，从而降低惩罚风险。此外，由于动态特性代表了敏感的用户数据，该框架应采用P2P交易机制，并依赖分布式优化方法，而不是集中式私人信息收集[25]。关于DR的P2P交易的研究已经相对成熟。例如，参考文献[26]研究了微电网中源、负荷和ESS之间的P2P能源共享应用，而参考文献[27]建立了多能源灵活性互补性的P2P交易场景。因此，P2P交易提供了一种实用且有效的方法来管理偏差，实现精确的需求响应并保护用户隐私。

表I清晰地比较了本研究与现有DR文献。它强调了以往研究在很大程度上忽略了由负荷动态特性引起的DR偏差的详细基础。实际上，动态因素（如延迟时间和调节速度）与静态响应功率的结合共同决定了完整DR过程中部分响应阶段和完全响应阶段的长度，而这些阶段的变化进一步影响了偏差的幅度和方向。此外，在高渗透率RE整合的情况下，精确的需求响应变得越来越重要。然而，当前的研究很少将多负荷互补性与ESS补偿结合起来以实现精确的DR。重要的是，需要P2P偏差管理，因为传统的集中式调度和直接负荷控制方法不适合工业园区。

为了克服上述差距，本文提出了一种针对工业园区的P2P偏差管理方法。本文的贡献总结如下：

1)

提出了一种针对可再生能源集成工业园区的P2P偏差管理框架，通过日前优化和实时匹配协调正负偏差互补性和ESS补偿，从而减少偏差惩罚。

2)

通过分析响应延迟、调节速度和DR功率的耦合影响，揭示了DR偏差的二阶锥形成，并进一步引入了DR的动态两阶段表示，即部分响应阶段和完全响应阶段。

3)

基于混合整数二阶锥规划（MISOCP）开发了一种日前偏差优化模型，动态调整部分响应阶段和完全响应阶段的持续时间，并优化偏差方向，以提高DR的成本效益。

4)

提出了一种基于交替方向乘子法（ADMM）的实时P2P偏差匹配方法，该方法在平衡配电网损耗和ESS充放电盈利能力的同时，补偿实时偏差。

本文的其余部分组织如下。第2节介绍了工业园区P2P偏差交易的基本框架。第3节介绍了日前DR偏差优化方法。第4节详细介绍了实时P2P偏差匹配方法。第5节包括案例研究以及相应的结果和讨论。最后，第6节提供了关键结论。

章节片段

P2P偏差管理框架

为了减少工业园区层面的DR偏差惩罚，本节提出了一种两阶段偏差管理框架。该框架适用于工业园区中异构负荷和ESSs共同参与日前基于激励的DR的情况。如图1(a)-(c)所示，第一阶段整合了三种机制，包括部分响应阶段和完全响应阶段的优化、负荷偏差互补潜力的增强以及ESS偏差补偿边际的改进

日前偏差优化

本节介绍了一种基于MISOCP算法的日前DR偏差优化方法。首先，利用动态DR特性将DR周期划分为两个阶段：部分响应和完全响应。通过这种时间划分，使用二阶锥松弛开发了DR偏差模型和ESS补偿模型。然后，提出了一种日前偏差优化方法，以优化ESS的充放电计划和DR指令，以最小化预期偏差

实时P2P偏差匹配

基于第3节的日前偏差优化，本节提出了一种工业园区的实时P2P偏差匹配方法，其中实时DR偏差通过双边匹配能量和价格在节点之间进行交易。具体来说，负荷节点之间的偏差互补性和ESS节点提供的偏差补偿以分散的方式协调，以最大化整体社会福利，而不依赖于集中式市场清算。

案例设置

本节在修改后的IEEE-33节点配电网（代表工业园区）上验证了所提出的偏差管理方法。如图4所示，每个节点都配备了一个不同的工业负荷和屋顶光伏装置。该园区包括具有显著不同DR特性的异构负荷类型，其中节点5、10、17和26代表可转移的电机驱动设备；节点3和18是热负荷；节点29是一个电动汽车充电站；节点32是

结论

本文提出了一种针对可再生能源集成工业园区中基于激励的DR的新颖P2P偏差管理方法。通过结合两个动态特性（响应延迟和调节速度）和两个静态变量（预响应状态和响应功率），DR过程被划分为部分响应阶段和完全响应阶段，提高了偏差建模的准确性。在此基础上，日前偏差优化算法调整了偏差的幅度和方向

CRediT作者贡献声明

杨永宝：撰写 – 审稿与编辑。徐青山：项目管理、资金获取。潘思勉：撰写 – 原始草稿

利益冲突声明

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。