基于需求响应的电热综合能源系统优化调度研究综述OA北大核心

随着能源需求和能源结构的变化,综合能源系统在满足用户需求和保障能源供应的同时,面临着灵活性调节能力明显下降的问题。需求响应是需求侧参与电网灵活性互动的重要途径,通过需求侧对耦合互补、形式各异的多能进行协同优化,将有利于提高综合能源系统调度的灵活性,弥补系统灵活性的匮乏。本文针对近年来基于需求响应的电热综合能源系统调度的研究现状、调度模型分类、模型求解方法进行了综述。首先,对国内外需求响应机制的研究现状进行分析。根据当前需求响应机制不同分类标准,需求响应机制可按照引导方式和按照用户对系统贡献的评价方式两类划分。按照引导方式可分为电价型和激励型需求响应;按照用户对系统贡献的评价方式可分为非直接评价的电价型和直接评价中的基线、准线型需求响应。其中:电价型需求响应虽可通过制定相关电价引导用户的用电,实现削峰填谷,但其响应效果依赖于电价的制定,具有一定的不可预测性;激励型需求响应不涉及电价的制定,通过激励补偿可调动大量用户积极性,但由于目前的激励方式较单一,不能充分发挥其巨大的调节潜力;基线型主要适用于用户规模较小的情况,存在一定的局限性;准线型需求响应通过为用户提供自主优化的目标,虽然处于理论研究初步阶段,但其削峰填谷、消纳效果明显优于其他需求响应机制,在大规模多元用户参与需求响应的背景下参与多源协同调度时,可更有效促进源荷双侧的良性互动,但目前尚未考虑到风光出力等不确定性因素对负荷准线的影响,后续仍需进行深入研究。其次,对电热综合能源系统的构成、主要特征进行分析。由分析可知,电热综合能源系统是一种多能耦合紧密的电力系统,并根据应用情景的差异划分为基本模型、系统灵活性模型、系统随机性模型3种电热综合能源系统调度模型,并对3种模型的研究现状进行阐述。再次,针对目前基于需求响应的电热综合能源系统优化调度模型求解方法的适应场景、优缺点等进行对比分析。目前的调度模型求解方法主要可分为解析法和人工智能法两种。其中,按调度方式求解可将解析法分为统一求解法和分层求解法。统一求解法主要适用于需快速计算且对精度要求不高的场合;相较于统一求解法,分层求解法不仅可以保持各子系统的独立性,而且可得到全局的最优解,但因其求解时需反复迭代,导致其求解效率仍有待提高。由于人工智能法较简单直接,便于实现和调整,常被用于求解解析法中难以解决的问题。人工智能算法可分为基于群优化问题的算法和机器学习算法两大类。虽然二者均可实现全局最优,但前者需对所有群体进行逐一检查,以完成每次迭代的优化过程,导致其收敛速度较慢;相较于基于群优化问题的算法,机器学习算法具有较高的求解速率和鲁棒性,是目前较常见的一种求解算法,但由于其离线训练时间较长,仍需进一步优化。最后,总结了目前需求响应机制现存问题,并对需求响应参与电热综合能源系统的优化调度进行展望,旨在为未来基于需求响应的电热综合能源系统优化调度研究提供参考。