发布时间 : 星期日 文章基于需求侧响应的能源互联网协同优化关键技术研究更新完毕开始阅读763801677ed5360cba1aa8114431b90d6c8589e1
图2 IDR整体实施流程
可以说，IDR是依托于用户侧的多能源智能管理系统，通过电力市场、天然气市场、碳交易市场等多个能源市场价格信号引导改变用户综合用能行为的机制和手段。IDR 实施的目标应该是实现能源互联网中供需双侧资源协调优化，提高用户用能的可替代性，约束能源供应侧的市场力，平抑未来分散化能源市场中的价格波动，提高能源互联网中多能源系统以及多能源市场的运行稳定性和运行效率[17-19]。
2.1.1 IDR在能源互联网中的作用
IDR 是能源互联网中能量流、信息流与价值流汇聚融合在用户侧的重要体现，其实施能够实现系统供需双侧资源的协同效益[20-21]。其在能源互联网 中价值和作用主要体现在以下几个方面。 1)提升经济性。
IDR 的经济性主要体现在2个层面：①系统运行层面，IDR能够促使能量在不同层级能源系统中的切换和梯级利用，提升系统整体的用能效率[22]。同时，用户侧的多能源互补协同利用，能够给系统调节供需平衡提供“软托盘”，使得用户用能需求产生更大的弹性，保证能源互联网中高比例接入可再生能源，降低系统的调节成本，提高系统运行整体的经济性[23]。②用户用能层面，IDR的实施使用户能够对多个能源市场的价格信号做出反应，依据价格信号调整自身不同类型能源使用需求和用能习惯，从而降低自身的用能成本，同时分布式储能、储热以
及电动汽车(electric vehicle EV)的接入，增加了用户用能灵活性，使得用户拥有更大容量的“虚拟能量单元”，能够直接参与辅助服务或者能量市场的交易，提高自身收益[24]。 2)提高灵活性。
IDR 的实施能够增加系统调节的灵活性，提高用户在系统运行和能源市场中的 参与程度，充分挖掘用户需求侧的调节潜力，实现未来多能源系统的供需协调优化以及区域能源系统的自平衡，从而提高系统中可再生能源的接入比例以及系统运行调控的灵活性。 3)增强可靠性。
保证可靠的能源供应是能源互联网建设的目标之一[25]。在一种类型能源网络出现故障或者局部、个别时段的能源短缺时，IDR能够激励用户在不同时段通过不同类型能源转换的方式进行能量补充，提高整个能源系统供能的可靠性。同时，多类型的能源存储设备使得在需求侧能够以较低的成本实现能量存储，平抑高比例可再生能源能源系统中能源供给的波动性[26]。 2.1.2能源互联网中IDR 的关键技术
在未来能源互联的多能源网络系统中，IDR 需要借助一系列的支持技术才能够实现，主要包括多能源智能管理技术以及综合用能预测分析技术。 (1)多能源智能管理技术
在电力系统中，针对家庭能量管理(home energy management，HEM)、自动需求侧响应(auto-DR)等智能用电管理技术的研究都比较深入，以传统DR为核心的智能用电已经进入了实施阶段[31]。多能源智能管理技术是实现供需互动，保证用户基本用能需求和用能感受，实施IDR 的关键技术之一，其基本逻辑框架如图3所示。
图3 多能源管理系统逻辑架构
多能源智能管理一方面能够对能源集线器中能源输入、输出端口进行实时的流量监测和控制，对内部CHP、储电、储热设备运行状态调控，承担能源集线器内部能源调配任务；另一方面，能够对用户不同类型能量单元运行情况进行实时监测，进而根据外部环境、能源市场价格、系统整体运行情况以及用户用能习惯，对各类型能量单元工作状态进行管理，优化用户整体的能源消费曲线，提高用户的用能效率，引导用户制定最优用能策略[32]。 (2)综合用能特性预测分析技术
在传统 DR中，用户作为用能单元，系统只是通过相应的激励手段引导用户调整用能行为，实现供需匹配[36]。在能源互联网背景下，用户的角色将逐步从单向的能源消费者向双向的生产消费者转变[37]，用户的综合用能特性是其能量生产与消费单元自平衡后的外部表现特征。因此，对于用户综合用能特性的分析，应主要包括2个方面，一方面是各类型分布式能量单元出力预测，另一方面是用户基本用能需求以及可调控潜力分析。
对于分布式能量单元出力预测主要涵盖可再生分布式电源的功率预测以及 EV充放电特性分析。文献[38]通过对比传递函数、神经网络、混合预测函数以
及自回归积分滑动平均模型(autoregressive integrated moving average model，ARIMA)对太阳能辐射功率的预测结果，提出了改进的 ARIMA 模型对太阳能辐射功率进行预测；文献[39]通过对不同类型汽车、不同驾驶习惯以及停放特性的分析，构建了停车生成率模型预测电动汽车停车的时空分布特征，进而通过蒙特卡洛仿真对电动汽车充电负荷的时空特性进行了分析。在能源互联网背景下，应该利用大数据技术，在充分考虑外部影响因素(天气、温度、交通道路情况等)的条件下，基于改进 ARIMA、马尔科夫链、支持向量机、多元线性回归等时序预测模型，构建考虑多维不确定性扰动的分布式能量单元功率预测模型，利用历史和反馈数据对预测值进行动态修正，提高预测模型的预测精度[40-41]。
对于用户基本用能需求以及可调控潜力的测算，需要在用户历史用能数据分析的基础上，对用户用能需求进行分类，明确刚性和可调控用能负荷范围[42-43]，进而分析用户各类型用能需求对于多能源市场的价格弹性。在未来能源互联网背景下，由于用户具有多种能源使用选择，用户的可调节用能负荷范围除了传统的可转移负荷和可中断负荷外，还包括用户用能需求中的可替代负荷，如气-电负 荷的替代。因此，下阶段应该重点研究用户使用不同类型能源的边界条件和行为选择，分析用户不同类型能源消费间的交叉弹性和可替代程度，进而构建不同基准值下用户的IDR响应潜力测算模型。
2.2电动汽车接入电网的Vehicle-to-grid(V2G)研究
作为未来电网发展的主要构成形态，电网中的分布式储能设备正在大规模的发展，而如今社会中，汽车已经成为人们不可或缺的代步工具，电动汽车今后势必将成为电网中的重要负荷，文献[37]描述了电动汽车接入电网的趋势。文献[38]提出了一个具体工程对电动汽车和智能电网进行整合。对于电动汽车接入电网的研究，主要集中于以下两个方面：电动汽车与电网电能的双向交换(V2G)对电网的影响；适用于电动汽车充放电的电力需求侧管理调度方法。 2.2.1电动汽车与电网电能的双向交换(V2G)对电网的影响
V2G是Vehicle-to-Grid的简称，它的核心思想在于电动汽车和电网的互动，利用大量电动汽车的储能源作为电网和可再生能源的缓冲。
当电网负荷过高时，由电动汽车储能源向电网馈电;而当电网负荷低时，用来存储电网过剩的发电量，避免造成浪费。通过这种方式，电动汽车用户可以在电价低时，从电网买电，电网电价高时向电网售电，从而获得一定的收益。当电动汽车作为负荷时,