GXUZF.COM - 林澈思的茶

*基于价格型的减少配电系统高峰需求的需求侧管理*

*——以哥德堡为例*

David Steen, Le Anh Tuan, Lina Bertling

瑞典哥德堡41296查尔姆斯理工大学能源与环境系电力工程系

David.Steen@chalmers.se

*摘要*

电力部门在不久的将来将面临重大挑战，例如电力使用的改变、基础设施老化和可再生间歇发电的增加。为应付这些挑战，需求侧管理可能发挥重要作用。本文讨论了不同的需求侧管理方案，得出了在不聚集需求的情况下，将不同的需求响应方案组合在一起以达到最优需求响应的结论。实时定价(RTP)似乎是最合适的选择，以增加可再生能源的可能数量。然而，为了避免本地高峰需求的增加，RTP可以与其他程序结合使用。其他类型的合同，如零售商控制和聚集客户的负荷，如供暖系统，也可以实施，但本文没有讨论。

*介绍*

将间歇性可再生资源（例如风能和光伏发电）集成到电力系统中，将增加对调节电力和输电系统容量的需求。这些反过来可能会限制电力系统可以吸收的可再生电力量。通过使用不同的需求响应方案，例如实时定价（RTP），使用时间（TOU）费率和关键峰值定价（CPP）等，可以减少对功率调节的需求。

RTP 计划将鼓励客户在高电价期间减少用电量。由于电力市场的电价既取决于需求，也取决于现有电力生产，因此，当电力需求高和/或生产短缺时，通常出现高电价。在相反的情况下，客户在低电价期间，即电力发电量过高时，可能会增加需求。这种需求转移可能使可再生能源（RES）的更高数量，可以在不增加削减需求「1]的减少下融入电力系统。

从电气分配系统的角度来看，RTP能够根据设计方式，增加本地的峰值需求，从而增加对电力分配系统增援的需求[2]。为了避免峰值需求增加，RTP可与其他定价方案（如位置边际价格 （LMP）、关键峰值定价 （CPP）或电力关税）相结合。

本文对一些需求侧管理方案及其对电力分配系统中峰值功率需求的影响进行了系统回顾。本文还介绍了RTP方案对瑞典哥德堡市配电系统可能产生的影响。

*需求侧管理*

从历史上看，电力系统由大型集中式发电厂设计，发电遵循电力需求。今天安装的发电部分基于间歇性电源，这些电源通常更小，在地理上分布更广。如上文所述，为了解决这些变化带来的问题，需求侧管理可以发挥重要作用。

需求侧管理计划大致可分为基于时间（基于价格）和基于激励的计划[3]。基于时间或基于价格的需求响应背后的理念是，客户会根据电价的变化更改其用电量。基于激励的需求响应计划是指与零售电价分开的激励措施，可由电网运营商或公用事业公司提供[4]。但是，从客户的角度来看，基于时间和基于激励的计划都是经济性的。在下面的一节中，总结了一些讨论最多的需求侧管理选项。

*基于时间的需求侧响应*

在放松管制的电力市场，当电力需求高或生产短缺时，电价既取决于需求，也取决于生产，从而导致高电价。图 1 显示了 2008 年全年北欧电力市场的现货市场价格以及冬季一天的价格。如图 1 所示，价格在白天和一年中都会有所不同。

对大多数国家来说，家庭客户不会直接受到这些价格波动的影响，因此没有激励他们改变用电模式。本节介绍基于基于时间的需求侧响应计划，这些计划以不同的方式反映需求或供应问题。

*实时定价*

RTP 计划的主要思想是让客户了解上述电价波动情况。RTP计划可以采用几种不同的方式进行设计。在参考文献[2]中建议的一种简单方法是按小时向客户提供客户在这一小时使用的所有电力。然而，根据文献[5]，许多客户担心电价的高波动性会增加他们总的电力支出。为了减少焦虑，一些RTP程序禁止客户支付固定价格，他们的部分消费（"基线消费"）和任何以上消费，根据实时价格计费[5]。

RTP 方案设计的一个重要方面是向客户公布价格与实际假设之间的时差。长时间的滞后，例如使用提前一天的价格，将导致价格反映需求/供给的不太准确，这可能导致对平衡功率的需求增加。较短的时滞将更好地反映需求或供应，但客户计划其用电量的困难更多[5]，因为他们必须预测未来一天的电价。

在不同国家（如葡萄牙[4]、西班牙[6]、美国[7]、新加坡[8]和北欧国家（北欧）进行了若干实时定价研究[9]。大多数研究表明，RTP会对峰值需求产生重大影响，即使对于价格弹性低的电力系统。其中许多研究假定价格公告与实施的价格之间存在短暂的时间延迟，或客户的反馈（例如，客户在现货市场上或由其代表代理参与）之间存在短暂的时间，因此，在不增加平衡能力需求的情况下，可以达到需求和供应之间的平衡。然而，根据文献[5]，今天可用的大多数RTP计划提前一天宣布价格。

通过设计 RTP 计划，使客户价格基于日前市场价格，可以减少每个区域的总电力系统峰值，也可集成到电力系统的可再生能源发电量。然而，在北欧国家，价格区域很大，例如瑞典被划分为四个不同的区域，总电力系统峰值没有必要同时发生在每个地区，电力系统的某些部分可能会遇到高峰需求增加。此外，RTP 计划所需的技术基础设施（如计量和通信）也十分广泛。尽管瑞典约 95% 的仪表可以处理小时计量，但只有约 29% 的仪表可以存储在数据库中，这是 RTP 程序所需的[10]。

避免在电力系统本地级别上可能出现问题的一种方法是对不同区域（即工业区和居民区）使用不同的价格，或将RTP与其他措施结合起来。

\使用时间收费（******TOU****）****

如图1所示，电价按日计算，按年计算。将电价变化引入客户的一个不太复杂的方式是使用时间 （TOU） 电价。TOU 可被视为具有很长的滞后的 RTP 关税。通常，TOU 关税每天提供两到三个不同的预定义价格周期，即高峰关税和非高峰关税。与RTP关税相比，这些关税更常用[5]。至于时间长的RTP方案，TOU关税并不能准确反映批发价格。根据[5]，与RTP相比，批发价格变动的14%将反映在关税中。这将导致 TOU 电价不能捕获电力系统的总峰值需求。至于RTP，可能需要采取其他措施，以避免配电系统中的拥塞，并处理电力系统的总峰值需求，下文将进一步介绍。

\临界峰值定价 （******CPP****）****

在北欧电力系统中，电力系统的总成本在很大程度上取决于电力系统的最大峰值需求，因为电力系统旨在处理与传输和发电容量有关的峰值需求。北欧电力系统受制于一年的小时数通常相当低，通过减少这些时间期间的需求，可以降低系统总成本。为了应对峰值需求，找到了称为临界峰值定价 （CPP） 的需求响应计划。CPP 的思路是，在正常情况下为客户提供降低的电费，而零售商有可能在总电力需求高时每年提高几个小时的电费。整个区域的 CPP 小时数通常相同，但随着计量技术的进步，CPP 也可以基于本地配电系统中的峰值需求。CPP 的一个主要缺点是，在一年中应用 CPP 的小时数是有限的[5]。

*基于激励的需求响应*

基于激励的需求响应计划通常基于经济激励，通常不包括在电价[4]中。本节介绍今天可用的一些方案。除了下面描述的其他方案，涉及客户参与电力市场，如需求招标或回购，紧急需求响应，容量市场和辅助服务市场已经提出[4]。

\直接负载控制 （******DLC****）****

DLC 的想法是经济地补偿客户，如果他们愿意在电力系统意外事件期间，提供 DSO 远程关闭他们的一些电气负载，例如交流设备。虽然此方法易于实现，例如不需要先进的计量系统，但也有一些缺点。例如，由于不进行测量，参与计划的所有客户都将得到补偿，尽管设备甚至在应急之前也没有使用[11]。此外，当负载再次连接时，由于冷负载拾取 （CLPU） 和可能需要控制重新连接等额外措施，电力需求可能会增加[12]。

\中断/可压缩服务（******ICS****）****

与 DLC 类似，ICS 基于在电力系统承受压力时减少电气负载[5]。与 DLC 不同，负载不受远程控制，ICS 传统上只提供给大型工业客户[4]。参与者可享受零售关税折扣，但如果他们未能提供减载服务，他们就将受到惩罚[4]。

*电费*

电费或需求费的思路是鼓励客户在高峰需求增加时增加网络电价，从而减少峰值需求。传统上，电费基于每月的峰值需求，但可能每小时变化[5]。在许多国家，由于法律框架，制定电价至关重要[13]。此外，单个客户的峰值需求不一定增加电力系统的总峰值需求，因为与电力系统的总峰值相比，客户的峰值可能发生在不同的时间。

\位置边际价格（******LMP****）****

传统上，配电系统的网络成本在 DSO 的客户之间均匀分配。但是，在传输系统级别上，LMP 已用于反映传输系统不同节点中的拥塞[13]。此方法还可用于向连接到配电系统的客户收费。在 [13] 中，LMP 分为位置能源价格 （LEP） 和位置网络价格 （LNP），其中 LEP 反映与配电系统中拥塞相关的成本（例如节点定价），而 LNP 则反映长期成本，例如发电机的连接费用。仅仅基于 LEP 实施网络资费可能会有问题，因为具有类似行为的客户可能会根据其位置支付不同的网络资费[14]。

\哥德堡的*** *PEV* *负载管理和热负荷****

在这项研究中，PEV对配电系统的影响在两种不同的负载管理策略下进行了评估[15]。此外，还评估了热负荷的负载管理[2] [16]。本节将介绍初步结果，重点介绍不同的负载管理策略;方法在 [2] 、[15] 和 [16] 中进一步说明。在模拟中，假定电价基于北欧提前一天的电力市场的现货价格。然而，每小时电费只假定在某些地区实施。因此，假定国家一级电力总需求的变化很小，没有反映在北池的现货价格中。据[17]，瑞典大约一半的用电量用于国内和服务部门，而根据计量运动的结果，估计约20-30%的电力需求是灵活的。

*价格优化策略*

价格优化策略假定客户对价格敏感，并试图将电费降至最低。由于北欧电力市场今天的设计，日前现货价格是提前12-36小时知道[19]。在模拟中，假定客户知道第二天的电价，并可以根据现货价格规划其用电量。

*损耗最佳策略*

从配电系统操作员 （DSO） 的角度来看，损耗最佳策略被视为最佳策略。在模拟中，假设电力需求预先已知，配电系统操作员们可以控制负荷，使配电系统的总损耗最小化。损耗最佳策略不包括关于如何设计适当业务模型的任何具体建议，应视为估计模拟区域负载管理潜力的方法。

*结果*

图 2 提供了不受控制的充电（即 纯电动汽车[PEV] 停放时立即充电）的负载配置文件，以及根据价格最佳和损耗最佳策略进行充电，以实现 PEV 在哥德堡配电系统的住宅部分的完全渗透。显示了两种不同的方案，即仅在家庭充电（方案 A）和在家和工作充电（方案 B）。

可以看到，对不受控制且价格最优控制策略的峰值需求都会增加。对于价格最优策略，充电发生在夜间，但由于PEV的数量很高，由于所有PEV开始同时充电，这将导致一个新的高峰。损耗最佳策略将收取车辆费用，使高峰需求不会增加。

按照价格优化策略收费，节约成本约10-15%。但是，由于北欧电力市场的现货价格会有所不同，因此节省的天数会有所不同。

通过按损耗优化策略充电，减少了配电系统的损失。与不受控制的策略相比，损失减少了配电系统总损失的4%左右。此外，可支持的PEV数量有所增加，表明损耗最佳策略的主要优点是减少了对配电系统中的加固需求。

如果客户案小时支付电费，他们可能会考虑及时转移其他负荷。在研究中，热负荷被认为是灵活的负载，可以及时转移。为避免给客户带来不便，室内温度的变化受到限制，还设计了简化的室内热模型[2]。

图 3 提供了具有灵活热负荷的生成负载配置文件，以实现价格最佳和损耗最佳策略，并且没有任何需求响应（基本方案）。可以看到，如果 DSO 能够控制客户的热负荷，即损耗最佳策略，峰值需求可能会大幅减少。对于价格优化策略，峰值功率增加，因为用于供暖的电源大部分同时使用。

图 4 提供了相同的结果，但与 PEV 一起。可以看到，对于价格优化策略，峰值需求进一步增加。对于损耗优化策略，峰值需求减少，可实现平坦的负载剖面。

*讨论和结论*

本文介绍了基于日前市场实时定价（RTP）影响案例研究的初步结果。结果表明，RTP可以增加配电系统的峰值需求，但通过正确设计需求响应方案，降低配电系统压力的潜力也很大。

此外，还介绍了一些目前可用的需求端管理 （DSM） 计划。表I和表 II 显示了不同 DSM 计划的优点和缺点。从表中可以看到，只有RTP有利于可再生能源发电的整合，因为RTP是唯一反映供需的计划。但是，为了能够充分利用客户灵活负载的容量，客户必须提前了解电价，这可能导致高峰需求增加。客户越提前知道电价，客户计划用电量越困难，因为他们必须依靠历史或预测电价。另一方面，峰值需求增加的风险降低。此外，通常为大面积设置提前一天的现货价格，并使用 RTP 计划中的现货价格;该计划不会评估与当地配电系统有关的问题。要评估本地问题，RTP 计划必须与其他电价相结合，或更本土华地定义电价。

表1基于时间的需求响应比较

基于时间的需求响应	优势	劣势
RTP，长时间滞后，例如> 12h	为客户提供良好的平移可能性 支持可再生能源的整合	高峰需求增加的风险 需要通讯和计量
RTP，短时间滞后，例如<12h	高峰需求减少 支持RES的整合	客户难以计划用电量 对本地高峰需求的影响有限 需要通讯和计量
使用时间（TOU）	为客户提供良好的平移可能性 易于实施	对供应/需求的反思有限 对RES集成的支持有限
关键峰值定价（CPP）	降低总电力系统峰值	有限的小时数 预设价格水平 对本地高峰需求的影响有限 不支持RES集成

表2基于激励的需求响应比较

基于激励的需求响应	优势	劣势
直接负载控制（DLC）	易于实施 高峰需求减少	有限的小时数 冷负荷回升 不支持RES集成
可中断/可缩减的服务（ICS）	高等需求减少	有限的小时数 冷负荷回升 不支持RES集成
电费	减少本地高峰需求 为客户提供良好的平移可能性 可以减少系统总损耗	限制影响总电力系统峰值 由于法律框架而难以实施 不支持RES集成
区位边际价格（LMP）	减少本地高峰需求 支持分布式发电	由于平等原则和法律框架而难以实施 限制影响总电力系统峰值 对RES集成的支持有限

CPP、DLC 和 ICS 等计划每年仅在有限的时间内可用，并且只会在这些时间影响电力系统。LMP 和电价将全年对电力系统产生影响，但可能难以实施，或可能无法直接应对电力系统的总峰值需求。

从配电系统的角度来看，LMP 是可取的，因为它评估配电系统中的局部约束。此外，它是唯一对分布式发电产生影响的计划，因为它将鼓励接近 DG 的客户在 DG 发电时增加电力。

在制定需求侧管理策略时，有一些重要方面；简单和透明，客户必须了解为什么价格不同，并注意到什么价格是预期的。此外，该战略必须给予客户良好的参与激励。同样重要的是，看看不同的策略会在不同的电压水平产生什么后果。

最佳战略很可能因国家而异，具体取决于用电量、电力市场和电力系统的设计。在瑞典安装了大量智能电表，建议瑞典政府推广实时测量，从而实施RTP计划。对于瑞典的本地配电系统，将 RTP 程序与 LMP 或电费相结合可能最有益，而在传输系统级别使用 CPP 可能更有益。

本文重点介绍了需求响应策略，其中用电量由客户自己控制（DLC除外）。然而，计量和通信技术的进步带来了新的商业机会，例如基于代理的需求响应。通过聚合多个客户的灵活负载，代理商可以参与平衡市场，降低客户的成本，也可以降低系统操作员的成本。将来，这些模型可能会变得更加常见，客户可能会有几个不同的需求侧管理方案可供选择。

*参考文献*

[1]R. Sioshansi och W. Short, ”Evaluating the Impacts of Real-Time Pricing on the Usage of Wind Generation,” IEEE transactions on power systems , vol. 24, nr 2, pp. 516-524, 2009.

[2]D. Steen, ”Impact on the Distribution System due to Plug-In Electric Vehicles and Changes in Electricity Usage,” Lic. Thesis, Chalmers University of Technology, Gothenburg, 2012.

[3]R. Aazami, K. Aflaki och M. R. Haghifam, ”A demand response based solution for LMP management in power markets,” International Journal of Electrical Power & Energy Systems, p. 1125–1132, June 2011.

[4]P. Faria och Z. Vale, ”Demand response in electrical energy supply: An optimal real time pricing approach,” Journal of Energy, vol. 36, pp. 5374-5384, 2011.

[5]B. Severin, J. Michael och A. Rosenfeld, ”Dynamic Pricing, Advanced Metering and Demand Response in Electricity Markets,” (Report), The Energy Foundation, San Francisco, 2002. [6] J. M. Lujano-Rojas, C. Monteiro, R. Dufo-López och J. L. Bernal-Agustıín, ”Optimum residential load management strategy for real time pricing (RTP) demand response programs,” Journal of Energy Policy, vol. 45, pp. 671-679, 2012.

[7]S. Yousefi, M. P. Moghaddam och V. J. Majd, ”Optimal real time pricing in an agent-based retail market using a comprehensive demand response model,” Journal of Energy, vol. 36, nr 9, pp. 5716-5727, September 2011.

[8]R. Yu, W. Yang and S. Rahardja, "Optimal Real-Time Price Based on a Statistical Demand Elasticity Model of Electricity," in IEEE PES ISGT Asia, Tianjin, 2012.

[9]M. Kopsakangas Savolainen och R. Svento, ”Real-Time Pricing in the Nordic Power markets,” Journal of Energy Economics, 2011.

[10]J. Lundgren, S. Granström och M. Pålsson, ”Ökat inflytande för kunderna på elmarknaden,” (Report in Swedish), Energy markets Inspectorate, Eskilstuna, 2010.

[11]E. Koch and M. A. Piette, "Direct versus Facility Centric Load Control for Automated Demand Response," in Grid-Interop Forum, Denver, 2009.

[12]N. Saker, M. Petit and J. Coullon, "Demand side management of electrical water heaters and evaluation of the Cold Load Pick-Up characteristics (CLPU)," in IEEE PowerTech, Trondheim, 2011.

[13]C. Brandstätt, G. Brunekreeft and N. Friedrichsen, "Locational signals to reduce network investments in smart distribution grids: What works and what not?," Journal of Utilities Policy, vol. 19, no. 4, pp. 244-254, December 2011.

[14]F. Lévêque, Transport pricing of electricity networks, Kluwer Academic Publishers, 2003.

[15]D. Steen, T. Le, O. Carlson och L. Bertling, ”Assessment of Electric Vehicle Charging Scenarios Based on Demographical Data,” Accepted for publication in IEEE Transactions on Smart Grid.

[16]D. Steen, S. Al-Yami, T. Le, O. Carlson and L. Bertling, "Optimal Load Management of Electric Heating and PEV Loads in a Residential Distribution System in Sweden," in IEEE PES Conference on ISGT Europe, Manchester, 2011.

[17]"Energy statistics for one- and two-dwelling buildings in 2009," (Report), Swedish Energy Agency, Eskilstuna, 2011.

[18] J. P. Zimmermann, ”End-use Metering Campaign in 400 households In Sweden Assessment of the Potential Electricity Savings,” (Report), ENERTECH, 2009.

[19]"The day-ahead market - Elspot," [Online]. Available: http://www.nordpoolspot.com/How-does-it-work/Day-ahead-market-Elspot-/.[Accessed 21 May 2012].