我国实施大规模需求响应的关键问题剖析与展望

摘要

随着“互联网+智慧能源”的推进和电气信息技术的深度融合,电力需求响应业务也被赋予了诸如新能源消纳、辅助服务等新的使命,并面临着从紧急态向常态化的转型。目前我国电力需求响应试点项目建设已为需求响应业务发展积累了丰富经验,但在大规模复制推广方面还存在一些瓶颈。基于国内外需求响应发展现状,结合我国已经发布的相关政策、技术标准以及现有试点城市的建设情况,从政策机制保障、信息化支撑、平台部署及组织实施层面剖析当前所存在的问题,并结合实际工作情况尝试给出若干未来发展建议。

李彬1, 陈京生1, 李德智2, 石坤2, 杨斌3, 祁兵1, 孙毅1, 奚培锋4

1．华北电力大学 电气与电子工程学院,北京市 昌平区 102206

2．需求侧多能互补优化与供需互动技术北京市重点实验室(中国电力科学研究院有限公司),北京市 海淀区 100192

3．国网江苏省电力有限公司,江苏省 南京市 210024

4. 上海市智能电网需求响应重点实验室(上海电器科学研究所(集团)有限公司),上海市 普陀区 200063

0 引言

在国家发改委的组织下,江苏、上海、北京、佛山等地陆续实施了电力需求响应的试点建设工作,通过政府主导、电网企业实施的方式和电力用户互动,并在执行过程中适当引入了负荷聚合商、服务商等第三方新型实体的参与。根据2015—2017年的需求响应(demand response,DR)试点执行情况,可以看出我国需求响应无论从负荷规模还是单次响应体量上,都稳居国际前列[1]。在上述DR试点城市中,均引入了负荷聚合商作为中间机构,为DR管理系统(第三方机构或电网企业)提供用户侧DR资源聚合管理支撑,并对用户进行业务指导。但居民用户在参与DR业务过程中,由于信息接口及通信协议的不足与落后,导致DR事件、用户确认信息及负荷量测数据等信息交互过程仍旧较为繁琐[2],在信息传输的实时性、可靠性、成本经济性等方面难以适应未来电力需求响应业务自主、灵活性的要求,无法充分发挥用户DR资源的作用,更无法进一步推广DR业务的实施[3]。

在政策方面,国家发改委发布的《电力发展十三五规划》明确了未来DR业务定位,也提出了加强需求响应能力建设、延续试点城市工作成果的方向[4]。根据2018年1月22日能源局发布的2017年全社会用电量数据,全年用电量63077亿kW•h,其中城乡居民生活用电量高达8695亿kW•h,同比增长7.8%,可柔性调节的DR资源比例逐步攀升,未来中国城乡居民用户参与需求响应具有巨大的潜力[5]。在标准化方面,SAC/TC549全国智能电网用户接口标准化技术委员会自2014年成立以来,制定了包括《电力需求响应系统通用技术规范(GB/T 32672—2016)》[6]、《智能电网用户自动需求响应：分散式空调系统终端技术条件(GB/T 34116—2017)》[7]、《电力需求响应系统功能规范(GB/T 35681—2017)》[8]、《需求响应效果监测与综合效益评价导则(GB/T 32127—2015)》[9]等在内的一系列国家标准,并且还有涵盖DR资源信息模型、安全规范等系列标准正在制定过程中。在学术研究方面,关于不同类型DR资源参与电网互动特性研究已经成为供需互动领域的热点问题。文献[10]针对电动汽车参与自动需求响应(automated demand response,ADR)项目,提出了一种基于供需两侧协同优化的充放电策略,提高了电动汽车的总体响应水平。文献[11]将空调负荷等效为虚拟储能装置进行建模分析,并针对削峰场景进行了优化。文献[12]针对家庭智能负荷参与需求响应提出了一种基于启动时延的家庭负荷控制模型,该方法在降低峰谷差、短时削减负荷高峰具有很好的效果。

传统的ADR业务主要定位于削减电网的峰值负荷,解决输电系统的约束问题或者提升系统运行的经济性,随着大量分布式电源接入电网后,还可以通过本地DR资源实现区域范围内的风光扰动特性匹配,以降低大电网的实时平衡需求[13]。某些特定的DR资源还可为电网提供辅助服务,其业务类型通常要在分钟级甚至秒级完成[14]。以往,电力公司往往依靠发电机组来提供辅助服务(尤其是具有快速响应能力的燃气涡轮机),调节方式单一,如果能够引导负荷根据电网的需求改变用能特征,辅助服务的成本和可用性将大幅改善。政策的引导对于DR业务的发展至关重要,如：美国加州公用事业委员会为了实现高峰削减5%负荷的目标,专门制定政策改变加州的DR实施规则,并于2018年1月1日起正式禁用化石燃料备用机组参与DR服务,若某些特定场景一定要化石燃料备用机组参与DR,则通过经济手段进行惩罚[15]。我国具有世界上潜在规模最大的需求响应市场,目前已具备了基础的业务形态雏形,未来还将进一步发挥需求侧资源在电网供需互动平衡方面的作用。本文基于DR业务在国内外的试点建设及业务应用情况,针对DR业务大规模推广实施过程中所面临的诸多问题进行了剖析,以期促进未来DR业务在我国的发展。

1 需求响应业务发展

1.1 国外情况

国外需求响应相关技术研究起步较早,已经建立了相对较为完善的市场体系并投入运营。如：法国的Tempo电价需求响应电价项目、爱尔兰国家能源监管委员会推行的削减负荷激励、德国的双向能源管理等。美国的需求响应项目类型最全、相关政策也最为完善,由劳伦斯伯克利国家实验室推行的开放式自动需求响应(open automated demand response,OpenADR)协议也是目前在需求响应领域应用最为广泛的标准化协议[16-18],目前OpenADR联盟也正在致力于该标准在分布式电源(distributed energy resource,DER)领域的推广应用[19]。美国BQDM试点项目通过爱迪生电力公司以降价拍卖方式确定价格,并以出清价格进行结算[21]。美国国防部正在探索使用电动汽车电池的充电能力提供辅助服务,特别是频率调节,洛杉矶空军基地将大量的电动汽车聚合后参与CAISO辅助服务调节市场投标。CAISO通过需求响应自动化服务器(demand response automation server,DRAS)与其通信,并通过ICCP协议保持每4 s与自动发电控制系统(automatic generation control,AGC)系统连通,由DRAS负责完成ICCP与OpenADR协议的调度指令转换,继而使用EiEvent传递指令。电动汽车聚合体的实时远动信号以OpenADR协议上传并转换为ICCP格式上报AGC系统,从而实现电网与负荷的双向交互[21]。CAISO在2017年7月结合DER和储能参与DR市场的条件,又对原有的市场规则进行了重新修订。电网企业可以根据负荷情况控制电动汽车充放电,采用最优化调度的方式提供辅助服务,为每辆电动汽车赢得了近100美元/月的收益。文献[22]给出了暖通空调(heating, ventilation and air conditioning,HVAC)系统作为商业楼宇负荷参与电网频率调节的应用,并建议在对用户室内温度控制最小影响的目标下,可以提供最大负荷15%左右的调控能力。电动汽车也是作为电网频率调节的重要负荷,既可以实现峰值负荷削减也可以实现频率调节的目标[23]。在实施快速DR项目时,除了考虑通信网络等基础设施的建设,还需要考虑所有中间环节存在的随机性,通过上级发布的价格或者激励信息形成快速闭环控制链。在具有反馈性的控制系统中,客户系统和设备之间形成了闭环的控制链条,需要交互双方能更积极参与网络化操作。充分发挥需求侧资源的快速跟踪响应能力,并使其参与处理随机的风能和太阳能发电曲线匹配,这在大规模储能成本降低前具有重要意义[24]。

北美电力可靠性委员会(North American Electric Reliability Council,NERC)将可调度类型业务作为能够在很短时间范围内快速降低系统负荷需求的确定性技术手段,其随机波动性相对较小。对于某些特殊的可调度类型的业务(如：尖峰电价)亦可以提前24 h发布,这需要电力企业能够对用户负荷与价格之间的关系进行准确的评估[25]。我国DR试点项目提前通知时间则分别为30 min、4 h、24 h,并根据紧急程度不同设置了不同额度的资金奖励标准。在DR的测量与验证过程中,对于用户削减负荷的实际贡献可以通过计量系统估算,对于某些瞬时的紧急事件可能转瞬即逝,按照目前15min的采样频率过于粗糙。随着信息通信网络技术的快速发展,未来将能够实现精细化的量测,可以达到5 min甚至1 min的采样精度。

1.2 国内情况

目前我国试点城市已经基本完成了各自的DR资源库建设,其具体的试点实施方式均有所差异,如表1所示。但随着试点工作和资金支持结束,大规模需求响应业务的实施仍然举步维艰,其根本原因在于现有的电力市场环境尚且无法有效支撑DR业务的推进,仍然缺少长效、稳定的政策支持[26]。国网江苏电力是我国需求响应体量最大的网省公司,也曾创下了单次响应量352万kW的世界记录。2017年11月,江苏电力基于负荷柔性调控需求响应友好互动平台正式投运,对具备一定蓄能、调节能力的负荷纳入到平台作为可调节容量进行管理,业务模式也逐步从强制拉闸限电转变为柔性调节(提前蓄能、温度控制、调节风量等),该平台也可推动我国需求响应向常态化、无感知柔性调控阶段发展。此外江苏省在电力改革背景下为了实现需求响应业务常态化,现已做了大量关于柔性调控、供需友好互动的工作,目前已经具备了秒级、毫秒级的控制通道。

表1 我国DR试点情况分析

江苏省经信委、物价局核定尖峰电价收入,通过增收电费的方式对需求响应实施专项补贴,对其他省市实施需求响应时的资金来源具有一定的借鉴意义。然而,在售电侧放开背景下,需求响应也被赋予了诸如新能源消纳、辅助服务等新的使命[27-28]。在“互联网+”背景下,可以进一步梳理需求响应在不同场景下的职能,剖析在全产业链条下的收益者和潜在增值服务,其业务增收的方式还可以进一步拓展,并适当引入金融衍生服务。未来可将需求响应服务平台打造为新型能源信息服务平台,参考互联网典型的商业模式进行运作,从而保障需求响应项目的长期投入应用。目前各个试点的补贴方式虽然并不完全相同,但大多采用固定的补贴标准,而且除了江苏、北京、上海等试点地方政府愿意资助DR项目实施,部分地方政府出资意愿不强,因此需要建立完善的成本回收市场机制,未来需要进一步加强激励型DR业务的发展,设计灵活的规则提升用户的参与积极性。

2 需求响应业务推进的关键问题分析

目前北京、江苏等几个试点城市均实施了需求响应,也取得了一定的效果,但在未来大规模推广应用时仍存在不少障碍,本文将目前的几个方面的问题按政策保障层面(政策保障)、信息化支撑层面(通信组网、互操作管理、安全风险)、平台部署及业务实施层面(平台部署实施、精细化DR管理、补贴结算、商业模式)3个大类进行了划分,如图1所示。其中政策保障是决定DR业务能否顺利开展的前提条件;通信组网、互操作管理方面是缓解网络压力、减少网络建设成本、确保DR信息交互的实时性、可靠性及提高系统互操作性的基础条件,安全风险则重点讨论未来如何通过高效的安全防护措施保障DR实施过程中各个环节的安全问题;平台部署、DR行为建模、补贴结算、商业模式是DR参与主体(如：节能服务公司、售电商、负荷聚合商)在大规模实施DR项目过程需要重点考虑的几个方面,而下面本文将分别从上述3个层面分析影响需求响应业务大规模实施的关键问题。

图1 影响需求响应业务推进的3个层面

2.1 政策机制保障层面

我国自2015年以来,连续发布了一系列相关政策文件,如：《关于完善电力应急机制做好电力需求侧管理城市综合试点工作的通知》(发改运行〔2015〕703号)、关于印发《江苏省电力需求响应实施细则》的通知(苏经信电力〔2015〕368 号)、《关于明确2016年实施电力需求响应有关工作的通知》(苏经信电力〔2016〕283号)、《关于做好2017年有序用电和需求响应有关工作的通知》(苏经信电力〔2017〕48号)、《关于有序放开发用电计划的通知》(发改运行〔2017〕294号)、《电力需求侧管理办法(修订版)》、《关于进一步深化电力需求响应工作的通知》(苏经信电力〔2017〕560号)、《关于印发江苏省电力市场组织实施方案的通知》(苏经信电力〔2017〕915号)等。相关政策明确了在需求侧建立长效机制的目标及DR资源在电力市场开放环境下的地位,同时也指出了在分布式能源快速发展、参与实体多元化的背景下,进一步提升需求侧交互响应能力的目标。然而目前仍然存在如下方面不足：

在DR业务组织实施方面,现有试点项目已经基本摸清了DR业务的实施流程,未来还需要继续探索长效DR机制,保障DR业务的规模化商业实施。当前所谓的DR用户积极性,并非一定是来源于资金奖励本身,更多的是迫于半行政化手段的压力,未来还需通过出台相关政策、优化现有的业务模式,采用市场化手段引导用户积极参与需求响应项目,才能逐步摸索去行政化的完全自愿响应模式。为了保障需求响应业务的大规模推进和应用,还需要通过发布相应的政策以保障需求响应工作的组织和实施,在满足用户自愿性的前提下实施需求响应。如：支持工业用户中的非生产性空调及照明负荷参与实时需求响应,并适当鼓励工业用户对于非生产性负荷进行线路改造,实现精细化柔性负荷互动。

在成本效益核算方面,缺少合理的测算以及市场化引导目标。若补贴标准过高,则会导致财政资金不必要的浪费,同时过多的用户参与也会造成额外的资源浪费。反之,若补贴标准过低,则无法充分调度用户的参与积极性,达不到市场所需要的网络规模。目前,现有政策对于DR补贴标准多是固定定价方式,未来DR项目指标的认购应是完全市场化的,可采取竞价方式,按照报价的高低确定每个用户的削减量和削减时段要求。为了DR项目执行过程中认购、响应、结算等过程的效率,可以通过负荷聚合商进行统一管理,而不是单独用户进行认购。

在需求侧市场环境方面,我国并没有足够的措施可以引导用户在电能供给过剩时增加电量消费,而德国、荷兰等多个国家均具备负电价机制,其中德国电能批发成本约占用户电费的20%,还包括各种税收、可再生能源补贴以及输电网使用的分摊费用,考虑上述成本最终平均可以维持在

50€/(MW•h)的收益率。在复杂市场环境下应充分发挥社会资本和第三方机构的作用,未来DR项目将从紧急态向常态化发展,而且实施主体也将由电网公司主导实施向多主体实施发展,分级能源交易中心可自主执行补贴、结算,而相关市场及产业的培育,均需要通过出台相应的政策以保障相关参与方的利益。

2.2 信息化支撑层面

2.2.1 通信组网

随着我国售电市场逐步放开,在未来DR业务的参与者将逐渐增多,如：聚合商、服务商、监管者、代理商、系统运营商、项目管理者、第三方机构、用户、发输配电规划者等,其信息交互与通信方式将更为复杂。为了达到底层信息通信支撑系统的优化目标,电网企业或者聚合商DR信号的发布方式、DR控制模式、DR信号接收者的形态均需要考虑[29]。以江苏现有的需求响应试点为例,所采用的大规模源网荷互动系统与大电网智能运行控制系统基于D5000平台实现一体化集成,全面支撑“调控一体化”运行和“调度一体化”管理,目前已经具备了秒级以及毫秒级2套完全独立的系统,分别通过调度数据网和专用线路接入(如图2所示),再考虑入侵检测系统、防火墙、纵向加密认证装置等投入,整体网络建设成本、通道资源耗费巨大,其他大多数省份难以复制推广。

图2 江苏省现行大规模源网荷友好互动系统网络建设

根据目前DR业务发展来看,改造后的大型工商业用户或者已经具有良好网络条件的需求侧资源,可以采用现有的方案,然而对于大量分散型的中小型用户而言,目前的方式尚且不具备实施的条件。尽管特斯拉曾创下140 ms内输送100 MW电力的纪录,但单独建设蓄电系统投资耗费巨大。而对于一般的商业楼宇以及居民用户,虽然单体负荷容量很小,但其数量众多,而且具备柔性调节的潜力,在我国发展DR资源调控时应当重点考虑[30]。现有的DR试点大多采用“抓大放小”的思路,对于中小型负荷关注较少。目前试点项目基本还是以工业用户为主(制造、采矿占比高),除部分生产设备外大多以空调、风机、自建储能为主,公建用户则以温度控制、提前蓄能为主,只有极少数负荷聚合商选择用户侧负荷。然而,近期的学术研究已经逐步呈现出对于中小型单体负荷参与需求响应的关注态势,如：热水器需求响应能力测算[31],空调负荷的精细化控制模型[32]、电动汽车参与风电协同调度[33]、数据中心参与多电力市场调度[34]等。相比于大型工业用户,单体负荷资源的响应往往具有较大随机性,而且还会受到其拥有主体的行为影响,但大量分散负荷聚合之后会呈现出资源聚合体的特有特征,可通过概率统计学估算方法完成其响应能力的测算[35]。而且,用户侧资源进行整合之后,也具备了一定的参与需求响应的潜力。目前电网企业也在考虑与京东、海尔等第三方负荷聚合商合作,开展针对大量分散负荷的DR业务扩展,同时利用边缘计算技术也可以有效缓解云端的网络压力[36]。

2.2.2 互操作管理

OpenADR协议是目前实现电网与用户侧自动化设备交互的应用最为广泛的协议[37],由于电网侧与用户侧的设备、系统数量众多且形态各异,所执行的DR项目类别多,对需求响应设备制造商提出了较大的挑战。OpenADR是劳伦斯伯克利国家实验室需求响应研究中心最早发布的交互式协议,目前已经在业界得到一定规模的应用[38]。2017年,IEC新成立的SEG9划分4个工作组主要负责解决需求侧相关资源的信息交互与协议映射工作,其中WG3已经完成了标准映射工作的分工,并计划于2018年底完成。此外,为了支撑需求侧的标准化工作,多个标准化工作组基于SGAM模型构建了专用的标准协议[39]。

在已有的OpenADR协议中,定义了包括oadrEvent、oadrOpt、oadrReport、oadrRegisterParty等标准服务,每项服务下面又包含了多个子模块。以oadrCreatedEvent事件子模块为例,通过不同事件的设计可以实现VTN和VEN间的复杂交互。VTN初始化发出oadrDistrubuteEvent将事件发布至VEN,具体oadrCreatedEvent又包括RequestID、VTNID、oadrEvent等信息模型,目标VEN可以自主决策是否进行响应。具体信息如表2所示。

表2 oadrCreatedEvent事件子类模块

根据DR业务的发展阶段,开放式标准接口未来应当能够支持包括直接控制类信号(L1)、削减量信号(L2)、控制决策类信号(L3)、价格类信号(L4)等不同形态的DR信号接入,并具备OpenADR 2.0b以及我国电力需求响应信息交换规范(行标18版)的自主规约转换,如图3所示。

图3 我国开放式需求响应服务平台架构(兼容OpenADR2.0b及行标18版)

我国国家标准《电力需求响应系统通用技术规范(GB/T 32672—2016)》、《电力需求响应系统功能规范》(GB/T 35681—2017)等标准连续发布,初步奠定了我国DR业务通的基本框架和功能。目前正在制定的行业标准《电力需求响应信息交换规范》和《电力需求响应信息模型》系列标准也即将发布,将对虚拟顶端节点(virtual top node,VTN)与虚拟末端节点(virtual end node,VEN)间的复杂业务交互逻辑提供有力的支撑。为了保障设备与系统间的良好互操作管理,在进行数据模型、资源模型设计时,还应当充分考虑将设备的属性描述与功能描述分开,如图4所示,DR资源可以从设备类型、实体类型、特征类型等方面进行解耦,同时在交互的数据模型中,应基于行业标准《电力需求响应信息模型》进行相应的功能扩展。

图4 DR设备/系统通信数据模型与资源模型关系图

2.2.3 安全风险

需求响应信息交换对端到端延迟和安全性均有较高的要求,在已有的加密和签名方案中,需要考虑计算的花费代价。对于常规的模数的加法运算、随机数产生、级联操作耗时较短,其计算的成本可以忽略。而模数乘法、模幂运算、模逆元素运算和散列函数操作则不能够忽略不计。以文献[40]中给出的需求侧投标竞价业务为例,包括了预处理、密钥生成、投标人登记、中标认证、激励主张等功能。其中,预处理和投标人登记仅执行一次。此外为了提高效率,中标验证和核实得主的计算也设置为可选。同样,主张激励的计算在中标人与注册管理器之间运行。因此,参与投标密钥生成成本、招投标设置和招投标过程是在一轮招标过程中主要的实时计算成本。此外,还需要考虑在每个阶段各方之间传递的消息的数量和信息交换成本。此外,在招投标设置、中标认证阶段没有信息交换,不产生额外的通信费用。通常为了防止非授权访问,可以采用端到端的安全加密认证方式[41]。但是,数据的加密会增加额外的开销,尤其对于大规模、高频度智能控制终端而言。对于电网控制中心而言,往往关注的是一个区域范围内的整体情况。负荷聚合商所关注的也只是与其直接相关的上下级的信息,因此并没有必要将所有数据流进行端到端的加密处理。在业务信息汇聚点处,可以将数据流合并进行统一的处理。尽管当前电网信息通道的带宽容量较高、且延时较低,但是大量参与互动的用户分散在不同的区域,而且会以近乎于相同的频率和时间发送数据,在某一瞬间仍然会形成较大的压力。文献[42]对通过对VTN/VEN多播树的业务需求进行分析,评估地市级供需互动终端聚合后的带宽需求约为STM-4量级。需求响应系统的底层网络设计至少应满足以下两个方面的技术需求：

1）安全性需求。没有有效的保障,则用户通信过程中的数据可能会被窃取、篡改,因此私密性与数据完整性均需要考虑。

2）通信高效性需求。考虑到大量的分散用户终端交互的并发性需求,需要提供通信网络的传输效率以保障大规模用户互动过程中报告传送的准实时性。

除了常规的安全性防护体系外,在不同实体交互时,还可以引入逆向协议分析与AI安全防御手段保障DR系统的正常运行。如图5所示(假定DR聚合系统采用SPDYv3协议),DR终端通过本地代理(可选)向聚合系统发起请求[43],通常聚合系统会具有独立的私有协议,为了屏蔽不同参与实体的差异性并且防范来自于未知协议的攻击,在电网侧系统协议转换网关将首先获取聚合商系统的自描述信息(标准信息模型),通过逆向协议分析手段检测其合法性,并下发特定的策略配置。

图5 需求响应安全性交互流程(以SPDYv3低层协议为例)

2.3 平台部署及组织实施层面

2.3.1 平台部署

目前普遍认为在全国范围内实施满足标准要求的大规模电力需求响应项目的所有方案中,通过现有部署的电能服务管理平台的成本是最低的。根据电能服务管理平台的规划,目前中国电力科学研究院已经开始启动了自动需求响应模块的部署及接口标准的一致性测试工作。目前规划的DR业务功能主要包括分时电价、实时电价、尖峰电价、直接负荷控制、可削减或中断负荷、紧急需求响应、容量市场计划、辅助服务计划等机制。考虑到我国的电价体制还不够灵活,在现有的价格型项目部署上,初步设计是通过模拟的价格方式进行运行,在完整系统的运行过程中,还需要对部署在电能服务管理平台上的新功能进行试运行验证。考虑到DR项目通知的时限在逐步缩短,未来还应当重点考虑加强DR平台的实时性事务处理能力建设。

在DR业务推广过程中,涉及诸多不确定性因素,如：用户行为的影响、外接因素的干扰、精确的负荷模型、结算机制,在系统运行时均需要进行提前模拟验证。因此,需求响应策略仿真推演是保障DR项目执行顺畅的关键,而现有的平台大多集成一些固定的静态模型,少量仿真也是集中于DR资源的理论性的模拟,无法将实现能量流、信息流的深度耦合仿真[44]。需求响应策略模拟演练功能是保障实际DR系统运行效果的重要手段(如图6所示),中国电力科学研究院牵头研制的自动需求响应混合仿真平台(automated demand response hybrid simulation platform,ADRHSP)仿真演练模块已经进入多方联调测试阶段,并计划于2018年下半年在江苏、天津等地进行初步部署和实施。

图6 ADRHSP需求响应策略模拟演练核心功能

在平台大规模部署实施过程中,目前普遍存在的问题就是电力企业的基础设施建设还不够完善,还无法有效地实现大规模需求侧负荷的在线监控和双向交互机制。DR系统的架构部署最为方便的方式还是借助于互联网实施,直到支撑先进计量基础设施(advanced metering infrastructure,AMI)等专有网络基础设施完备后,再将其部署方式切转到电力专用网络。甚至连分项计量的智能电表都不是必须的,可以通过建筑能源管理系统将能源的耗费数据通过Internet回传。精细化的表计计量的数据可以用于增强DR项目实施的效果,能够更加精细地刻画需求侧的负荷基线,同时还能为DR服务商准确地评估用户的DR响应潜力,并为其制定实时调控策略,最大化其收益。随着DR项目实施范围的扩大,参与调度的对象不仅仅限定为需求侧的负荷,针对规模更大的建筑和微型电网,还可以调度其电源(如：现场柴油发电机)作为紧急备用电力供应,参与实时电力供需互动平衡。

2.3.2 精细化DR管理

在供需平衡方面,ADR系统为电力企业及负荷聚合商带来了新的挑战,作为负荷的上级管理者,需要优化DR事件的类型及次序,并为每一种类型的事件组织相应的DR资源。在DR聚合商的决策制定过程中需要实现DR资源的精细化管理,DR行为建模异常复杂,其中短期用户行为的预测[45]、DR资源动态聚合特性[46]、特定场景的优化[47],均需要考虑。与传统的负荷预测不同的是,在ADR项目执行期间,需要准确地判断某个特定的用户是否会参与一个即将发生的DR项目,并响应相应的DR指令。为了能够准确地刻画DR用户的行为,必须考虑外界的激励或者价格对不同类型用户的影响,比如：对于工业用户必须通过更改生产调度计划才能调整负荷曲线[48]。

图7 构建精细化DR模型的数据基础

图7给出了代表性的DR事件执行前后的负荷迁移曲线。DR事件数据不需要实时响应的数据,采用分钟量级的数据即可。通过记忆型的方法加权回归以及集群学习的方法也可以实现类似于非参数统计方法的效果。当需要进行预测时,可以存储历史数据,并根据当前的查询条件找到历史曲线中的类似样本,通过加权回带方法进行预测。记忆型

的预测方法具有一定的自然适应性,预测总是根据最近的数据进行并且能够随时间推进不断优化。

目前虽然已有研究学者提出了基于人工智能的DR资源建模理论,但由于DR业务发展刚刚起步,现有试点项目平均每年仅执行1~2次,因此并没有太多的历史数据用于样本训练,仅可以作为辅助的数据支撑。此外,对于DR行为的建模难度较大,从用户的角度而言用电数据仅仅反映了用户的用电行为,如：日常较低的用电水平表明了用户外出行为,对于外界因素影响、心理行为、政策环境等均需要考虑。

2.3.3 补贴结算

合理的DR补贴结算方式可以有效提升用户参与需求响应的潜力,而用户基线负荷作为激励型需求响应项目的重要评估依据,其对制定合理的DR补贴结算标准具有重要的指导意义。目前国内外在基线负荷分析方面已有大量的研究成果。美国AEIC负荷研究委员会提出了基于DR动态量测数据的负荷基线分析方法,期待通过数据交互的方式对削减的电力和电量进行评估。用户的负荷基线与实际的电力负荷曲线的差值也即是用户的负荷削减贡献,但是在实际的系统测量中,负荷的基线估计往往不够准确。如果用户负荷基线被过高的估计,电力公司或者聚合商需要为此支付高昂的补贴费用。反之,如果用户基线被过低的估计,参与需求响应的用户将无法得到补贴,而且还面临着参与DR项目的信用风险,长此以往将严重打击用户参与电网互动的积极性,不利于DR市场的培育和健康发展。因此,通过动态交互的数据以及精准的状态评估算法,才能够帮助系统运营者能够更好的掌握用户的准确基线,文献[49]提出的负荷态势感知理论为精细化基线计算提供了一种有效的解决思路,未来在互操作规范完善后可实现单体DR资源的精细化补贴结算。

对于大型工商业用户,应当充分考虑用户在参与DR项目时的响应负荷与错避峰负荷重叠的情况,确保在电力供应缺口时,能够更好地应对短时区域性的电力供应缺口,同时也要避免对某一用户的长时间持续限电。目前,对于小型居民用户而言,计量、结算难度较大,也有相关研究在考虑通过区块链等新型信息通信技术(information communications technology,ICT)解决该问题[50]。未来还需要充分结合我国电力市场环境以及相关政策的制定情况,进一步研究基线负荷计算策略,将根据用户的性质制定多种基线负荷计算方法,如参考同比数据等,既要保障做出贡献的DR用户能够拿到足额补贴,又要防止相关机构不运营,吃补贴。需求响应单靠电力公司难以广泛推行,不仅需要提高用户对需求响应的认知程度,让用户广泛参与,还需要依靠政府的支持。通过出台相应政策,完善负荷聚合商培育机制和融资机制,充分发挥第三方服务企业的作用,加入DR市场管理的环节。

2.3.4 商业模式

目前试点项目中的最大问题就是没有建立起成熟的商业模式,我国全面放开售电侧市场后,社会资本参与售电业务的积极性较高,在后续试点中尤其需要进一步探索负荷聚合商的盈利途径[51-52]。由于缺少合理的商业模式,目前我国的DR试点城市大多依赖于半行政化的有序用电系统配合才能够顺利开展DR的业务,居民用户的参与积极性则很难调动起来。由于居民用户的单个负荷体量非常小,往往被电网企业所忽略,但在其聚合后会形成巨大的可调节潜力[53]。普通居民用户即使完全参与DR业务,每个月的收益也不会太高,因此仅仅靠直接电费节省是不能挖掘用户的深度参与潜力的,需要借鉴互联网共享经济理论,设计新型商业模式,才能提升居民用户的自主参与度。

在未来完全竞争的电力市场环境中,负荷聚合商还需要具有可盈利的商业模式才能够生存,负荷聚合商对负荷的控制需要专用ICT设备或者相应的技术改造升级才能够实现,在DR低收益的条件下,该成本很难回收。不同于工商业用户,居民用户的主观行为随机性较大,而且在现有国内外的DR项目设计上均允许用户自由退出[54]。一旦用户收回负载的控制权,负荷聚合商在参与DR项目时将非常被动,必须通过更为高级的算法,从统计学的角度依概率对用户进行调度,否则甚至可能会由于对电网企业或者上一级负荷聚合商所承诺的服务没有完成而亏损。因此,负荷聚合商未来的增值业务模式也是决定该实体能否在市场环境下发挥作用的重要环节,DR业务在居民用户的推广,需要优先考虑在智能用电领域有相应规划的领头企业配合才能够大规模拓展应用。江苏电力公司已经与海尔、美的等家电企业签署《互联网+智能用电领域战略合作协议书》,并致力于智能用电及负荷级需求响应业务的推进。未来除了常规的数据采集、控制等基础功能外,还应当进一步调度其积极性,为需求侧资源提供额外的能源管理、设备维护、节能等增值服务,利用平台所积累的海量数据,深度推进智能用电业务的开展。

3 结语

我国虽然在多地实施了需求响应试点项目,积累了大量的实践经验,但需求响应在大规模推广应用方面仍存在许多问题。随着能源领域的变革进程推进,未来DR业务将会向实施主体多元化、运行机制市场化、系统决策智能化、执行方式自动化、应用场景多样化、能源种类综合化方向发展,业务模式将更为复杂和多样。本文基于当前国内外需求响应发展状况,分别从政策机制保障、信息化支撑、平台部署及组织实施层面,同时针对以上各方面存在的问题提出了一些未来发展建议,旨在为我国需求响应在大规模实施过程中提供一些参考。此外随着市场机制逐步健全、新型信息化技术不断发展,未来还需要充分挖掘DR用户的参与积极性,不断丰富和完善需求响应业务内涵,才能真正意义地实现DR业务大规模发展。

参考文献

[1]夏鑫.电力需求响应的推广与实践[J].供用电,2017,34(3):1-1.XiaXin.The promotion and practice of power demand response[J].Distribution & Utilization,2017,34(3):1-1(in Chinese).

[2]祁兵,张荣,李彬,等.自动需求响应信息交换接口设计.中国电机工程学报,2014,34(31):5590-5596.QiBing,ZhangRong,LiBin,et al.Design of automated demand response information exchange interface[J.Proceedings of the CSEE,2014,34(31):5590-5596(in Chinese).

[3]祖向荣,白焰,阳建坤.基于复杂事件处理的用户需求响应性能实时监测分析[J].电网技术,2016,40(10):3220-3227.ZuXiangrong,BaiYan,YangJiankun.Real-time monitoring analysis of customer demand response performance based on complex event processing[J].Power System Technology,2016,40(10):3220-3227(in Chinese).

[4]中华人民共和国国家发展和改革委员会.电力发展“十三五”规划(2016—2020年)[EB/OL].(2016-12-22)[2018-03-15]..

[5]国家能源局.2017年全国电力工业统计数据[EB/OL].(2018-01-22)[2018-03-10].

[6]全国智能电网用户接口标准化技术委员会.电力需求响应系统通用技术规范:GB/T 32672—2016[S].北京:中国标准出版社,2016.

[7]全国智能电网用户接口标准化技术委员会.智能电网用户自动需求响应:分散式空调系统终端技术条件:GB/T 34116—2017[S].北京:中国标准出版社,2017.

[8]全国智能电网用户接口标准化技术委员会.电力需求响应系统功能规范:GB/T 35681—2017[S].北京:中国标准出版社,2017.

[9]全国智能电网用户接口标准化技术委员会.需求响应效果监测与综合效益评价导则:GB/T 32127—2015[S].北京:中国标准出版社.2015.

[10]杨晓东,张有兵,赵波,等.供需两侧协同优化的电动汽车充放电自动需求响应方法[J].中国电机工程学报,2017,37(1):120-130.YangXiaodong,ZhangYoubing,ZhaoBo,et al.Automated demand response method for electric vehicles ging and disging to achieve supply-demand coordinated optimization[J].Proceedings of the CSEE,2017,37(1):120-130(in Chinese).

[11]王怡岚,童亦斌,黄梅,等.基于需求侧响应的空调负荷虚拟储能模型研究[J].电网技术.2017,41(2):394-401.WangYilan,TongYibin,HuangMei,et al.Research on virtual energy storage model of air conditioning loads based on demand response[J].Power System Technology.2017,41(2):394-401(in Chinese).

[12]孙毅,周晋宇,李彬,等.基于启动时间延迟的家庭负荷管理优化策略[J].电力自动化设备,2017,37(2):83-89.SunYi,ZhouJinyu,LiBin,et al.Optimization strategy based on start-time delay for domestic load management[J].Electric Power Automation Equipment.2017,37(2):83-89(in Chinese).

[13]鞠立伟,秦超,吴鸿亮,等.计及多类型需求响应的风电消纳随机优化调度模型[J].电网技术,2015,39(7):1839-1846.JuLiwei,QinChao,WuHongliang,et al.Wind power accommodation stochastic optimization model with multi-type demand response[J].Power System Technology,2015.39(7):1839-1846(in Chinese).

[14]沈运帷,李扬,高赐威,等.需求响应在电力辅助服务市场中的应用[J].电力系统自动化,2017,41(22):151-161.ShenYunwei,LiYang,GaoCiwei,et al.Application of demand response in ancillary service market[J].Automation of Electric Power Systems,2017,41(22):151-161(in Chinese).

[15]docs.cpuc.ca.gov/publisheddocs/published/g000/m205/k545/205545760.pdf.

[16]OpenADR Alliance.OPEN automated demand response communications specification(Version1.0)[EB/OL].Morgan Hill: California Energy Commission,2009.[2015-12-06].

[17]OpenADR Alliance.OpenADR2.0 profile specification a profile [EB/OL].Morgan Hill:California Energy Commission,2011- 12.[2015-11-02].https://openadr.memberclicks.net/assets/DoNotChange/penadr%202%200a%20profile%20specification_v1.0.zip.

[18]OpenADR Alliance.OpenADR2.0 profile specification B profile [EB/OL].Morgan Hill:California Energy Commission,2013-07.[2015-12-21].https://openadr.memberclicks.net/assets/DoNotChange/ openadr_2_0b_profile_specification_v1.1_package_public.zip.

[19]OpenADRAlliance.OpenADR:using OpenADR for DER [EB/ OL].(2017-01-22)[2018-03-11]..

[20]T&D World.Power Efficiency Corp.win 2-Year 12 MW bid in Con Edison BQDM auction[EB/OL].(2016-08-25)[2018-03-11]..

[21]ZhangX,Fields RL,AbreuK.Financial benefits of implementing Demand Response in CAISO market[C]//IEEE Power and Energy Society General Meeting.Providence,RI,USA:IEEE,2010:1-3.

[22]HaoH,LinY,Kowli AS,et al.Ancillary service to the grid through control of fans in commercial building HVAC systems[J].IEEE Transactions on Smart Grid,2014,5(4):2066-2074.

[23]White CD,Zhang KM.Using vehicle-to-grid technology for frequency regulation and peak-load reduction[J].Journal of Power Sources,2011,196(8):3972-3980.

[24]Heydarian-ForushaniE,Moghaddam MP,Sheikh-El-Eslami M K, et al. Risk-constrained offering strategy of wind power producers considering intraday demand response exchange[J].IEEE Transactions on Sustainable Energy,2017,5(4):1036-1047.

[25]SamadiP,Mohsenian-RadH,Wong V W S,et al.Real-time pricing for demand response based on stochastic approximation[J].IEEE Transactions on Smart Grid,2017,5(2):789-798.

[26]闫华光,陈宋宋,李世豪,等.需求响应发展现状及趋势研究[J].供用电,2017,34(3):2-8.YanHuaguang,ChenSongsong,LiShihao,et al.Research on the current situation and development trend of demand response[J].Distribution & Utilization.34(3):2-8(in Chinese).

[27]YaoM,HuZhaoguang,ZhangN,et al.Low-carbon benefits analysis of energy-intensive industrial demand response resources for ancillary services[J].Journal of Modern Power Systems & Clean Energy,2015,3(1):131-138.

[28]高赐威,董力,孙玲玲,等.售电侧放开下的需求响应[J].供用电,2017,34(3):21-25.GaoCiwei,DongLi,SunLingling,et al.Demand response under deregulated electric power retail market[J].Distribution & Utilization,2017,34(3):21-25(in Chinese).

[29]高志远,曹阳,田伟,等.需求响应概念模型及其实现架构研究[J].电力信息与通信技术,2016,14(11):8-13.GaoZhiyuan,CaoYang,TianWei.Research on conceptual model of demand response and its implementation architecture[J].Electric Power ICT,2016,14(11):8-13(in Chinese).

[30]ShakeriM,ShayesteganM,AbunimaH,et al.An intelligent system architecture in home energy management systems (HEMS) for efficient demand response in smart grid[J].Energy & Buildings,2017(138):154-164.

[31]孙建伟,唐升卫,刘菲,等.面向需求响应控制的家用电热水器建模和控制策略评估[J].电力系统及其自动化学报,2016,28(4):51-55.SunJianwei,TangShengwei,LiuFei,et al.Modeling method and control strategy evaluation of electric water heater for demand response program[J].Proceedings of the CSU-EPSA,2016,28(4) :51-55(in Chinese).

[32]宋梦,高赐威,苏卫华.面向需求响应应用的空调负荷建模及控制[J].电力系统自动化,2016,40(14):158-167.SongMeng,GaoCiwei,SuWeihua.Modeling and controlling of air-conditioning load for demand response applications[J].Automation of Electric Power System,2016,40(14):158-167(in Chinese).

[33]侯建朝,胡群丰,谭忠富.计及需求响应的风电-电动汽车协同调度多目标优化模型[J].电力自动化设备,2016,36(7):22-27.HouJianchao,HuQunfeng,TanZhongfu.Multi-objective optimization model of collaborative WP-EV dispatch considering demand response[J].Electric Power Automation Equipment,2016,36(7):22-27(in Chinese).

[34]高赐威,曹晓峻,闫华光,等.数据中心电能管理及参与需求侧资源调度的展望[J].电力系统自动化,2017,41(23):1-7.GaoCiwei,CaoXiaojun,YanHuaguang,et al.Energy management of data center and prospect for participation in demand side resource scheduling[J].Automation of Electric Power System,2017,41(23):1-7(in Chinese).

[35]SevlianR,RajagopalR.A scaling law for short term load foreing on varying levels of aggregation[J].International Journal of Electrical Power & Energy Systems,2018(98):350-361.

[36]李彬,贾滨诚,曹望璋,等.边缘计算在电力需求响应业务中的应用展望[J].电网技术,2018,42(1):79-87.LiBin,JiaBincheng,CaoWangzhang,et al.Application prospect of edge computing in power demand response business[J].Power System Technology,2018,42(1):79-87(in Chinese).

[37]张铁峰,张旭,赵云,等.OpenADR2.0标准架构及应用[J].电力科学与工程,2017,33(3):55-60.ZhangTiefeng,ZhangXu,ZhaoYun,et al.A review of standard architecture and application of OpenADR2.0[J].Electric Power Science and Engineering,2017,33(3):55-60(in Chinese).

[38]高赐威,梁甜甜,李慧星,等.开放式自动需求响应通信规范的发展和应用综述[J].电网技术,2013,37(3):692-698.GaoCiwei,LiangTiantian,LiHuixing,et al.Development and application of open automated demand Response[J].Power System Technology,2013,37(3):362-368(in Chinese).

[39]Andrén FP,StrasserT,KastnerW.Applying the SGAM methodology for rapid prototyping of smart Grid applications[C]//Industrial Electronics Society,IECON 2016-Conference of the IEEE.IEEE,2016:3812-3818.

[40]Rahman MS,BasuA,KiyomotoS,et al.Privacy-friendly secure bidding for smart grid demand-response[J].Information Sciences,2016(379):229-240.

[41]GongY,CaiY,GuoY,et al.A privacy-preserving scheme for incentive-based demand response in the smart grid[J].IEEE Transactions on Smart Grid,2017,7(3):1304-1313.

[42]李彬,卢超,陈宋宋,等.面向电力需求响应业务的P圈保护算法[J].电力系统自动化,2017,41(23):8-14.LiBin,LuChao,ChengSongsong,et al.P-cycle protection algorithm oriented to demand response service[J].Automation of Electric Power Systems,2017,41(23):8-14(in Chinese).

[43]曹望璋.基于多代理技术的需求响应资源预留策略研究[D].北京:华北电力大学,2018.

[44]姜勇,杨雪纯,王蓓蓓,等.计及需求响应不确定性的智能用电双向互动仿真[J].电力系统及其自动化学报,2016,28(9):48-55.JiangYong,YangXuechun,WangBeibei,et al.Simulation of smart power consumption and bilateral interaction considering uncertainty of demand response[J].Proceedings of the CSU-EPSA,2016,28(9):48-55(in Chinese).

[45]张硕,曾鸣,李英姿,等.新能源电力系统用户需求响应复杂适应行为研究[J].电力建设,2017,38(11):136-143.ZhangShuo,ZengMing,LiYingzi,et al.Complex adaptive behaviors of user’s demand response in renewable energy power system[J].Electric Power Construction,2017,38(11):136-143(in Chinese).

[46]朱文超.计及用户响应不确定性的负荷聚合商运营决策模型研究[D].北京:华北电力大学,2016.

[47]沈瑜,岳园园,闫华光,等.地区电网需求响应资源聚合与调控策略研究[J].电网技术,2017,41(10):3341-3347.ShenYu,YueYuanyuan,YanHuaguang,et al.Research on aggregation and optimization strategies of demand response resources for district power grid[J].Power System Technology,2017,41(10):3341-3347(in Chinese).

[48]史俊祎,文福拴,崔鹏程,等.参与需求响应的工业用户智能用电管理[J].电力系统自动化,2017,41(14):45-53.ShiJunyi,WenFushuan,CuiPengcheng,et al.Intelligent energy management of industrial loads considering participation in demand response program[J].Automation of Electric Power Systems,2017,41(14):45-53(in Chinese).

[49]许鹏,孙毅,石墨,等.负荷态势感知:概念、架构及关键技术[J].中国电机工程学报,DOI:10.13334/j.0258-8013.pcsee.171328.XuPeng,SunYi,ShiMo,et al.Load situation awareness:concept,framework,and key technologies[J].Proceedings of the CSEE,DOI:10.13334/j.0258-8013.pcsee.171328(in Chinese).

[50]李彬,卢超,曹望璋,等.基于区块链技术的自动需求响应系统应用初探.中国电机工程学报,2017,37(13):3691-3702.LiBin,LuChao,CaoWangzhang,et al.A preliminary study of block chain based automated demand response system[J].Proceedings of the CSEE,2017,37(13):3691-3702(in Chinese).

[51]黄甜.面向智能电网的电力需求响应商业运作模式研究[D].南京:东南大学,2016.

[52]梁茜.智能用电环境下的工业用户双向互动需求响应技术研究[D].南京:东南大学,2013.

[53]祁兵,柏慧,陈宋宋,等.基于互联网家电的需求响应聚合系统信息接口研究与设计[J].电网技术,2016,40(12):3918-3922.QiBing,BaiHui,ChenSongsong,et al.Research and design of aggregate system information interface based on demand response of internet appliance[J].Power System Technology.2016,40(12):3918-3922(in Chinese).

[54]陆俊,朱炎平,彭文昊,等.计及用电行为聚类的智能小区互动化需求响应方法[J].电力系统自动化,2017,41(17):113-120.LuJun,ZhuYanping,PengWenhao,et al.Interactive demand response method of smart community considering clustering of electricity consumption behavior[J].Automation of Electric Power Systems,2017,41(17):113-120(in Chinese).

北极星智能电网在线官方微信