風電作為可再生能源中最具經(jīng)濟發(fā)展前景的發(fā)電方式，其裝機容量的快速增長對電網(wǎng)傳統(tǒng)的運行控制模式產(chǎn)生重大影響，增加了系統(tǒng)運行調(diào)度的難度。當前風電場出力1h前預測的誤差可達10%～15%，風電具有的波動性和間歇性增大了系統(tǒng)不平衡功率波動幅值和速率。在實時調(diào)度時間尺度上主要由自動發(fā)電控制（Automatic Generation Control, AGC）機組承擔調(diào)節(jié)任務。

目前，電網(wǎng)AGC機組出力基準點由調(diào)度中心在調(diào)度計劃制定過程中通過超短期負荷及風電預測信息確定。在高風電滲透率和高預測誤差情況下，參與控制的AGC機組會偏離最佳運行點，付出較高的調(diào)節(jié)成本。

為應對上述挑戰(zhàn)，可利用儲能設備、抽水蓄能電站、燃氣輪機和壓縮空氣儲能等來緩解風電隨機性和波動性帶來的影響，但存在經(jīng)濟成本較高的問題。近年來，不少研究開始關注負荷側(cè)資源主動參與電網(wǎng)互動，來實現(xiàn)風電消納能力的提升。

相比于傳統(tǒng)的發(fā)電資源，需求響應（Demand Response, DR）在運行控制方面有多種優(yōu)勢。首先，參與DR的負荷量大，據(jù)美國聯(lián)邦公用事業(yè)監(jiān)管委員會報告可知，美國DR能夠抵消20%的峰值負荷；其次，DR資源能夠迅速響應調(diào)度和控制指令，并且沒有常規(guī)發(fā)電機組的調(diào)節(jié)慣性；最后，DR資源的分散分布有利于緊急情況下制定精準控制方案。

關于將DR用于平衡風電波動的相關研究，主要集中在DR平衡風電波動的潛力分析、參與風電消納的DR調(diào)度策略以及對旋轉(zhuǎn)備用容量的影響等方面。在DR平衡風電波動的潛力分析中，分別從DR資源在不同時間尺度上的響應能力和響應特性、協(xié)同發(fā)電資源優(yōu)化等方面研究了如何平衡風功率波動，但尚未進一步研究需求響應潛力（Demand Response Potential, DRP）的量化計算方法。

在參與風電消納的DR調(diào)度策略方面，分別從多類型負荷參與DR、日前調(diào)度模型、分鐘級時間尺度下的風電場與AGC機組分布式協(xié)同實時控制模型等角度進行了研究，但這些研究未能考慮風功率波動可能導致的電網(wǎng)潮流越限風險。文獻[20]提出計及網(wǎng)絡安全約束的價格型DR實時優(yōu)化調(diào)度建模方法，但是研究者未考慮負荷參與DR會改變之后的DRP，即DRP的時變性。

本文針對大規(guī)模風電接入電網(wǎng)導致的功率不平衡問題，構建了基于時變DRP的風光荷協(xié)調(diào)優(yōu)化控制模型與方法，以實現(xiàn)風電消納最大化的目標。在滿足功率平衡、發(fā)電機爬坡率、潮流線路等約束前提下，以風電消納最大作為優(yōu)化目標，通過對智能家電的DRP時變性進行量化評估，實現(xiàn)風電、火電機組和負荷的協(xié)同控制，以促進風電的消納。

圖1 需求響應和AGC機組協(xié)同控制原理圖

結(jié)論

本文針對空調(diào)、熱水器和電動汽車等智能家電個體的動態(tài)運行特性進行了分析，構建了智能家電在滿足群體分布特性前提下的聚合數(shù)學模型，并提出以風電消納最大化為目標、計及潮流越限約束、基于DRP時變性構建綜合發(fā)電側(cè)AGC機組、風電和用電側(cè)智能家電參與需求響應的實時控制模型。

該模型將智能家電參與響應融入到實時控制環(huán)節(jié)中，與發(fā)電側(cè)共同平抑系統(tǒng)不平衡功率。得到結(jié)論如下：

1）單純依靠AGC機組調(diào)節(jié)能力無法實現(xiàn)供需平衡，考慮加入智能家電進行風火荷協(xié)同實時控制可在保證AGC機組調(diào)節(jié)能力的同時提高風電消納量。

2）DRP具有隨負荷運行狀態(tài)的不同會發(fā)生改變的時變性，考慮智能家電DRP時變性實現(xiàn)風火荷協(xié)同實時控制有助于降低切負荷量和棄風量。

3）發(fā)電機爬坡率和潮流約束均是制約風電消納能力的關鍵因素之一，在優(yōu)化控制中考慮兩者約束有利于提高實時調(diào)度的可靠性。