本文构建了一种考虑需求响应的含风电系统经济低碳日前帕累托优化调度模型，基于NSGA-II和最大满意度法设计模型求解方法。通过算例分析验证了模型和方法的有效性以及需求响应资源在节能减排、消纳风电、负荷削峰填谷等多方面的效益。随着可再生新能源的广泛渗透，考虑不确定性对风电出力进行合理建模将进一步完善。
1 为什么要在含风电的电力系统中加入需求响应策略？
风电作为主要的清洁能源发电形式，是实现低碳电力以应对当今能源和环境问题的重要手段。然而风电出力时常具有反调峰特性，即在传统负荷用电高峰期风电出力小，在用电低谷期反而大，大规模风电的接入对电力系统调节峰谷造成压力，也带来风电消纳问题，使其节能减排效益难以充分发挥。
考虑风电出力，保证风电优先上网，则可将其预测出力与系统预测负荷叠加而得净负荷曲线。反调峰特性的风电出力曲线会增大净负荷的峰谷差，为传统火电机组的配合和调度带来压力。
本文旨在含风电的电力系统中引入需求响应策略来应对这些问题，对这种情况下的优化调度问题展开研究。
2 需求响应与电力调度的互动流程是怎样的？
需求响应策略是指用户根据动态电价或调度部门激励策略来改变其固有用电行为习惯的互动方式，可分为价格型与激励型两种。本文中考虑激励型需求响应策略。其与电力调度的互动流程大致为：
①调度部门决定调用需求响应资源的时段，向用户发出需求信息；
②用户根据自身利益对需求时段进行竞价，申报可悲调用的时间和容量；
③调度部门制定发电计划，并以调用成本最小确定需求响应最优调度方案；
④调度部门发布调度计划和需求响应调度方案；
⑤用户反馈是否可行，若否则与调度部门沟通和调整计划；
⑥制定最终日前调度计划。
本文采取在净负荷需求超过调度周期内最大负荷的一定比例时调用需求响应资源。当负荷高于某一比例时即处于高峰负荷时，调用需求响应资源作为，与火电机组与风电场共同作用为系统供电；当负荷低于某一比例时即处于低谷负荷时，调用其作为负荷形式，即鼓励用户用电，从系统吸收电能。通过这样的方式来消纳风电和实现负荷的削峰填谷效益。
3 如何为考虑需求响应的含风电电力系统建立优化调度模型？
针对经济和低碳两个目标，本文对考虑需求响应的含风电电力系统建立了日前优化调度模型（如下图所示），即在满足系统功率平衡约束、系统旋转备用约束、机组组合与运行约束、需求响应约束等条件下，力求最小化电网总发电成本和二氧化碳排放量。
在此模型中，总发电成本包含常规机组发电成本和需求响应补偿费用；需求响应资源备用容量成本费用只要调度部门跟需求响应用户签订合作互动合同就需要支付，一般可以给予用户一定电价折扣进行支付；需求响应侧响应资源可视为零排放，火电机组的碳排放是电力系统碳排放的主要来源；在旋转备用约束中，将需求响应资源做系统旋转备用来源，类比于传统火电机组，当需求响应资源处于调用状态时，其未被调用的容量可作为系统旋转备用。这在一定程度上既能保障电网稳定运行，又可以提高火电机组的发电效率。
4 如何求解多目标优化调度模型？
采用基于NSGA-II的改进算法对模型进行求解，主要包括确定机组组合方案和各时段负荷分配。在求解过程中，采用最大满意度法进行非支配解的折衷决策，决策过程分为两步：步骤一选取模糊满意度函数，分别计算非支配解对应目标函数的满意度值，对于计及需求响应补偿费用的总发电成本和碳排放目标，均希望其越小越好，因此选用降半直线形为满意度函数；步骤二根据步骤一计算得到的满意度，计算各非支配解的标准化满意度，标准化满意度最大的非支配解即为最优折衷解。
5 模型和方法的有效性验证
在某5机系统上进行模拟仿真。首先设置火电机组的相关参数，包括能耗成本系数、碳排放系数、爬坡极限、最小持续开停时间、启停成本、出力约束等，以及需求响应资源参数。然后在确保风电优先调度的前提下，获取系统净负荷曲线。
本文讨论了两种情形，即系统中有、无需求响应时的双目标优化调度。NSGA-II优化算法迭代1000次后得到多样性好、分布均匀的Pareto前沿，呈现出两个目标宏观相悖的情况。在Pareto前沿中，每个单独的点表示一组非支配解，因此Pareto解集提供给决策者可供偏好的选择。采用满意度决策后，两种情形的最优折中解的对比如下表所示。
由上述对比可得，考虑了需求响应后机组能耗成本与启停成本均减少，但由于需要对需求响应进行补偿，最终导致总发电成本增加。通过加入需求响应资源，在仅仅提高1.3%发电成本的情况下，实现了19%的二氧化碳减排。在国家大力重视环保减排的形势下，本文所提出的多目标优化模型能够有效调用需求响应资源实现节能减排的要求。
此外，调用需求响应资源提高了系统的调节能力：通过对机组出力曲线的分析可得，无需求响应时，3号机组出力接近其最大限度，5个机组中最大的机组出力峰谷差高达260MW，而采用需求响应时，调度这一资源能够在峰谷两种极端负荷时期发挥效益，使得最大机组出力峰谷差减至228MW；曲线显示在峰谷时期需求响应扮演不同的角色，这种行为能够很好地达到消纳风电的目的；单时段最大调用功率高达该时段负荷的10%，可以有效地减小负荷的峰谷差；对两种情形下的碳排分析表明，当加入需求响应资源后可带来明显的减排效益。
,
本文构建了一种考虑需求响应的含风电系统经济低碳日前帕累托优化调度模型，基于NSGA-II和最大满意度法设计模型求解方法。通过算例分析验证了模型和方法的有效性以及需求响应资源在节能减排、消纳风电、负荷削峰填谷等多方面的效益。随着可再生新能源的广泛渗透，考虑不确定性对风电出力进行合理建模将进一步完善。
1 为什么要在含风电的电力系统中加入需求响应策略？
风电作为主要的清洁能源发电形式，是实现低碳电力以应对当今能源和环境问题的重要手段。然而风电出力时常具有反调峰特性，即在传统负荷用电高峰期风电出力小，在用电低谷期反而大，大规模风电的接入对电力系统调节峰谷造成压力，也带来风电消纳问题，使其节能减排效益难以充分发挥。
考虑风电出力，保证风电优先上网，则可将其预测出力与系统预测负荷叠加而得净负荷曲线。反调峰特性的风电出力曲线会增大净负荷的峰谷差，为传统火电机组的配合和调度带来压力。
本文旨在含风电的电力系统中引入需求响应策略来应对这些问题，对这种情况下的优化调度问题展开研究。
2 需求响应与电力调度的互动流程是怎样的？
需求响应策略是指用户根据动态电价或调度部门激励策略来改变其固有用电行为习惯的互动方式，可分为价格型与激励型两种。本文中考虑激励型需求响应策略。其与电力调度的互动流程大致为：
①调度部门决定调用需求响应资源的时段，向用户发出需求信息；
②用户根据自身利益对需求时段进行竞价，申报可悲调用的时间和容量；
③调度部门制定发电计划，并以调用成本最小确定需求响应最优调度方案；
④调度部门发布调度计划和需求响应调度方案；
⑤用户反馈是否可行，若否则与调度部门沟通和调整计划；
⑥制定最终日前调度计划。
本文采取在净负荷需求超过调度周期内最大负荷的一定比例时调用需求响应资源。当负荷高于某一比例时即处于高峰负荷时，调用需求响应资源作为，与火电机组与风电场共同作用为系统供电；当负荷低于某一比例时即处于低谷负荷时，调用其作为负荷形式，即鼓励用户用电，从系统吸收电能。通过这样的方式来消纳风电和实现负荷的削峰填谷效益。
3 如何为考虑需求响应的含风电电力系统建立优化调度模型？
针对经济和低碳两个目标，本文对考虑需求响应的含风电电力系统建立了日前优化调度模型（如下图所示），即在满足系统功率平衡约束、系统旋转备用约束、机组组合与运行约束、需求响应约束等条件下，力求最小化电网总发电成本和二氧化碳排放量。
在此模型中，总发电成本包含常规机组发电成本和需求响应补偿费用；需求响应资源备用容量成本费用只要调度部门跟需求响应用户签订合作互动合同就需要支付，一般可以给予用户一定电价折扣进行支付；需求响应侧响应资源可视为零排放，火电机组的碳排放是电力系统碳排放的主要来源；在旋转备用约束中，将需求响应资源做系统旋转备用来源，类比于传统火电机组，当需求响应资源处于调用状态时，其未被调用的容量可作为系统旋转备用。这在一定程度上既能保障电网稳定运行，又可以提高火电机组的发电效率。
4 如何求解多目标优化调度模型？
采用基于NSGA-II的改进算法对模型进行求解，主要包括确定机组组合方案和各时段负荷分配。在求解过程中，采用最大满意度法进行非支配解的折衷决策，决策过程分为两步：步骤一选取模糊满意度函数，分别计算非支配解对应目标函数的满意度值，对于计及需求响应补偿费用的总发电成本和碳排放目标，均希望其越小越好，因此选用降半直线形为满意度函数；步骤二根据步骤一计算得到的满意度，计算各非支配解的标准化满意度，标准化满意度最大的非支配解即为最优折衷解。
5 模型和方法的有效性验证
在某5机系统上进行模拟仿真。首先设置火电机组的相关参数，包括能耗成本系数、碳排放系数、爬坡极限、最小持续开停时间、启停成本、出力约束等，以及需求响应资源参数。然后在确保风电优先调度的前提下，获取系统净负荷曲线。
本文讨论了两种情形，即系统中有、无需求响应时的双目标优化调度。NSGA-II优化算法迭代1000次后得到多样性好、分布均匀的Pareto前沿，呈现出两个目标宏观相悖的情况。在Pareto前沿中，每个单独的点表示一组非支配解，因此Pareto解集提供给决策者可供偏好的选择。采用满意度决策后，两种情形的最优折中解的对比如下表所示。
由上述对比可得，考虑了需求响应后机组能耗成本与启停成本均减少，但由于需要对需求响应进行补偿，最终导致总发电成本增加。通过加入需求响应资源，在仅仅提高1.3%发电成本的情况下，实现了19%的二氧化碳减排。在国家大力重视环保减排的形势下，本文所提出的多目标优化模型能够有效调用需求响应资源实现节能减排的要求。
此外，调用需求响应资源提高了系统的调节能力：通过对机组出力曲线的分析可得，无需求响应时，3号机组出力接近其最大限度，5个机组中最大的机组出力峰谷差高达260MW，而采用需求响应时，调度这一资源能够在峰谷两种极端负荷时期发挥效益，使得最大机组出力峰谷差减至228MW；曲线显示在峰谷时期需求响应扮演不同的角色，这种行为能够很好地达到消纳风电的目的；单时段最大调用功率高达该时段负荷的10%，可以有效地减小负荷的峰谷差；对两种情形下的碳排分析表明，当加入需求响应资源后可带来明显的减排效益。
