引言全球性气候变化与资源短缺迫使人们重新审视能源供给结构，推进化石能源替代，各国以协约的形式减排温室气体。以风电和光伏为代表的可再生能源是发展低碳经济、建设生态文明的重要途径。分布式电源(DG)作为利用可再生能源的重要手段，其间歇性和低可控性对所接入电网的安全稳定运行带来诸多影响。为了协调DG与大型电网间的矛盾，微电网应运而生。微电网是通过集成DG、储能等电源为负荷供电的区域型自治系统[1]，旨在充分挖掘分布式发电的价值，使其与负荷一体化运行，提高能源利用率并增强供电可靠性，在智能电网的建设中占据重要地位[2]。为了保证微电网的稳定运行和经济性最优，需要实施高效的优化调度策略。传统的微电网能量管理方法仅考虑电源侧出力协调[3]，被动地跟随负荷变化。随着源网荷互动[4]、需求响应[5]等技术的推广，可控负荷在用电侧的比重呈上升趋势，用户可以主动参与电网控制，柔性负荷的概念被提出[6]。柔性负荷是指具有一定需求弹性，用电量能在不同区间内转移或在指定时段内削减的可控负荷[7]，可通过改变用电行为响应需求侧管理。负荷侧的需求响应改变了发电跟踪负荷的传统运行模式，引导负荷主动参与电网控制[8]，是平衡电力负荷峰谷差的重要手段。柔性负荷的增加意味着需求侧存在更多可调度资源，源荷两侧灵活可控是双方进行有效互动的基础。源荷互动旨在充分开发需求侧资源，通过供用电双方的良性交互高效实现能量管理目标。在微电网调度中引入源荷互动理念，即在某一时间尺度下，制定电源侧可控机组的出力和需求侧柔性负荷的调度策略。良性的源荷互动能使电力系统更加稳定可靠、清洁环保，提高微电网运行的经济性和安全性。文中从响应特性和调度模式这2个角度对柔性负荷进行分类，介绍了传统微电网日前调度并指出其局限，分别从供电侧单方利益和供用电双方利益出发，叙述源荷互动在微电网日前调度中的实现方式，总结柔性负荷参与微电网日内调度的方法。1柔性负荷的分类1.1基于调度模式的分类1.1.1基于电价的模式供电方通过制定电价标准引导用户合理调整用电行为，常规电价制定标准有分时电价、实时电价和尖峰电价。分时电价在日前发布，根据预测的负荷用电曲线设置分时费率，用户有充足的时间安排用电计划；实时电价在日内执行，利用实时数据在短时间内调整电价，对智能电网通信技术有较高的要求；尖峰电价在分时电价基础上叠加尖峰费率，在用电峰时或故障时段引导用户削减用电，本质是分时电价和实时电价的折中[9]。用电行为受电价影响的负荷称之为价格型负荷。1.1.2基于合同约定的模式供电方和用户签订协议，提前规定负荷可被调整的时段与电量，制定用户获得赔偿的计算方法和违约行为的惩罚措施，赔偿金额通常为负荷响应量的一次函数。以该模式参与调度的负荷为激励型负荷。1.2基于响应特性的分类1.2.1可削减负荷可削减负荷的用电时段固定，可以根据自身容量进行部分或全部削减，如空调和楼宇照明。可削减负荷在t时段内的响应量为[10]：ΔPcut(t)=αtP0(t),  αt∈[0,1] (1)式中：αt——负荷削减系数，取0表示负荷在t时段未被削减，取1表示负荷被全部削减。1.2.2可平移负荷可平移负荷受制于生产工艺及使用流程，启动后无法中止，采用电曲线形状固定，只能通过在时间线上整体平移响应调度指令，如洗衣机、洗碗机和工业大用户。可平移负荷在t时段内的响应量为[10]：ΔPshape(t)=f1(t+Δt)-f1(t) (2)式中：f1(t)——可平移负荷原始用电曲线；Δt——负荷的平移时长。1.2.3可转移负荷可转移负荷是特定周期内用电总量不变，但运行时段和各时段用电量在此周期内自由调节的柔性负荷。该负荷用电特性灵活，无连续性和时序性的限制，具有较好的削峰填谷特性，如储能、汽车充电站、冰蓄冷和抽水泵。可转移负荷的约束过小，因此建模方法复杂。文献[11]通过弱化负荷用电灵活性简化调度模型。在满足约束条件的前提下，激励型可转移负荷的响应量由供电方直接决定，电价型可转移负荷的响应量受本时段和其他时段电价共同影响。2从供电方利益出发的微电网日前源荷互动调度2.1传统微电网日前调度在制定日前调度计划时，微电网能量管理系统根据历史和实时数据，对可再生能源出力和负荷需求进行预测，在满足负荷需求和各模块物理约束的前提下，以最小化系统运行成本、污染排放、系统网损、负荷缺失率或最大化电网收益、清洁能源利用率等为目标[12]，给出最佳机组的组合并设置各机组功率运行点。以经济调度为例，孤岛微电网运行总成本的单目标函数可简化为[13]：C=Cfuel+Cmain+CSW+CST+CW (3)式中：Cfuel——燃料成本；Cmain——维护成本；CSW——启停成本；CST——储能设备折旧成本；CW——环境治理成本。式(3)的自变量为各电源不同时段内的输出功率。约束条件有功率平衡约束、出力上下限约束、启停时间约束、机组爬坡约束等。这是多约束的非线性规划问题，通常采用粒子群算法、混合整数线性规划方法、遗传算法、人工神经网络等智能优化算法进行求解[14]。这些算法的寻优范围遍布整体，具有迅速且精准的搜索特性。多目标优化函数的处理一般有两种思路：目标函数量纲相同时，通过线性加权和法，将多目标函数转化为单目标函数进行求解；目标函数量纲不同时，将其归一化，再进行加权求和作为最终的目标函数。2.2计及源荷互动的微电网日前调度上述调度策略中负荷属于被预测和被跟随的对象，呈现不可控性，发电侧被动调整机组出力跟随负荷曲线。当负荷过多，超出发电侧功率上限时，仅能够通过切除非重要负荷维持系统的稳定；当负荷过小，可再生能源所发电能无法及时消耗，会出现弃光、弃风等现象，造成资源浪费。2.2.1源荷互动的实现逻辑针对上述问题，可以实施源荷互动的调度策略。引入柔性负荷的调度手段，负荷侧和电源侧一样成为可调度资源[15]，打破了发电跟随负荷的旧有模式。可再生能源对环境友好且供电成本较小，因此供电方优先调度可再生能源。计及源荷互动的微电网日前调度策略在传统策略的基础上增添了柔性负荷的调度环节，即在预测所得负荷曲线的基础上对柔性负荷进行削减或转移，使负荷曲线最大化贴近可再生能源出力曲线，可再生能源出力未能满足或超出负荷功率的部分，再靠储能、燃气轮机等灵活发电机组进行补充或存储。调度策略中既存在负荷侧跟随发电变化，也存在发电侧跟随负荷变化，由此形成“源荷互动”。当调度策略从供电方利益出发时，柔性负荷以基于合同约定的模式参与调度，负荷对调度指令的响应量具有确定性，供电方需依据合同对用户给予相应赔偿，无须设立电价。电力系统中，供电方对用户的赔偿方式一般包括费用补偿、电价折扣和电量赔偿这3种，微电网源荷互动调度中通常采用费用补偿[16-18]。2.2.2源荷互动的目标函数计及源荷互动后，系统运行成本在式(3)的基础上增加了柔性负荷的调度赔偿，目标函数改写为[19-21]：C'=Cfuel+Cmain+CSW+CST+CW+CF (4)CF=Cshape+Cshift+Ccut (5)式中：CF——供电侧支付给用户的柔性负荷调度赔偿；Cshape、Cshift、Ccut——三类典型负荷响应调度后用户所得赔偿费用。式(4)的自变量为各电源不同时段的输出功率及负荷调度的辅助计算系数。约束增多但本质上依旧是多约束的非线性规划问题，可以直接沿用传统微电网EMS在日前决策优化中应用的智能算法。多目标优化函数经过加权求和后求解方法一致。柔性负荷的调度指令设计在计算各电源输出功率前已完成。不同柔性负荷建模方式的区别主要体现为约束条件不同：文献[11]对可平移负荷建模，减少0~1变量的引入，维持模型线性的同时降低了约束方程的规模；文献[19]对可转移负荷采取邻近调度策略，使其在相邻时段间进行转移，减弱对用户用电舒适性的影响；文献[20]将可削减负荷的模型进行扩展，用户按照协议可在规定时间段内增加用电量，减少发电高峰段可再生能源的浪费。上述文献中，柔性负荷调度赔偿受其响应量、转移时间和单位功率补偿价格影响，并与其呈线性关系，但功率补偿价格固定，忽视了用户类型的多样性，未综合考虑不同时段中负荷调度的难度及对用户生产、生活的影响，收费标准缺乏弹性。结合柔性负荷的调度手段，微电网日前调度策略具有多样的优化目标。除提升经济效益外，源荷互动也可在优化系统容量配置、节能减排、保障系统安全稳定运行等方面发挥作用[21]。本章源荷互动调度策略从供电方利益出发，未考虑用户的用电舒适性，且供电方需要直接控制柔性负荷，保证其对调度指令的准确响应，因此不适宜推广民用，仅适用于工商业负荷居多或负荷侧用电需求简单且对个人意愿顾及较少的场景[22]。3计及供用电两方利益的微电网源荷互动日前调度微电网系统中，供电方和用电方处于不同的利益层次。供电方追求系统安全稳定和利润最大化，同时顾及一定的环境效益；用电方希望通过响应调度来降低购电成本，并减少对生产或生活品质的影响。3.1分时电价的峰谷时段划分实际民用情况中，负荷侧的用电意愿会受电价直接影响。分时电价的设立旨在引导用户在负荷高峰期削减用电，将之转移到谷时或平时，以此减少购电费用。针对供电侧，采用自愿、公平的手段引导柔性负荷的调度，符合以人为本的运营理念，在实现调度目标的同时，有利于提升自身形象，实现电网和用户的双赢。分时电价的时段划分需真实客观地反映电力负荷的特性。为了保证供用电双方皆能获利，峰、谷时段划分后负荷的峰谷时间特性不能倒置或大幅转移，平时段的划分需保证用户日常生活的稳定[23]。基于上述原则，可通过模糊c均值聚类算法[24](FCM)进行时段划分。FCM是对传统硬c均值算法的改进，对数据进行柔性的模糊聚类分析，确定样本对类中心的隶属度，应用在分时电价的制定上可获得较为科学合理的峰谷平时段划分。3.2采用分时电价后的用电量变化采用分时电价后，用户某时段的用电变化量与当前时段电价有关，也受其他时段的电价影响。根据需求价格弹性系数计算公式和需求交叉价格弹性系数计算公式，可以计算各时段电力需求的自弹性系数和交叉弹性系数[25]。对用户在不同时段的自弹性和交叉弹性系数进行分析，可以建立电力需求价格弹性矩阵：E=εff  εfp  εfgεpf  εpp  εpgεgf  εgp  εgg (6)式中：εff、εpp、εgg——自弹性系数；εfp、εfg、εpf、εpg、εgf、εgp——交叉弹性系数；下标f、p、g——分别代表峰、平、谷时段。用户接收到电价信号后对用电行为进行调整，峰、平、谷各时段用电量可表示为：qf1qp1qg1=qf0qp0qg0+qf0       qp0           qg0EΔpfpfΔppppΔpgpg (7)式中：qf0、qp0、qg0——各时段原本用电量；qf1、qp1、qg1——用户响应分时电价后的用电量；pf、pp、pg——各时段电价水平。结合微电网的运行特点，通过计算两类弹性系数得到微电网的电价弹性矩阵，该矩阵用于研究各时段用电量受分时电价影响后的变化规律[26]。3.3调度模型的建立与求解在计及供用电双方利益的前提下，根据负荷参与调度的模式不同，可以分别建立单层优化模型和双层优化模型进行求解。用户作为激励型负荷参与调度时，响应量受供电方直接控制。计及用户的经济效益和舒适性后，单层优化问题本质上是具有相同决策变量的多个单目标函数，可进行加权求和并以2.2.2节所述方法进行求解。用户作为电价型负荷参与调度时，负荷侧用电量由用户直接决定，受电价间接影响。供用电双方既独立又有一定关联，能决策自身变量，无法决策对方变量。在满足功率实时平衡的前提下，两个主体若独立决策而不相互协调，各自成本往往不是最优。现有研究通过建立双层优化模型决策供用电两侧的资源调度。相较于单层优化模型，双层优化模型更符合实际民用情况，可以协调具有不同决策变量和优化目标的主体利益，有效提高优化结果在各目标函数利益权衡上的客观性[27]。该模型的本质是求解两个相互影响的最优化问题，上下层问题有各自的目标函数和约束条件，上层问题的目标函数和约束条件不仅与上层决策变量有关，还依赖于下层问题的最优解，而下层问题的最优解又受上层决策变量影响。文献[28]建立了双层优化模型，两层皆为多目标优化函数，上层考虑供电商的利益，优化目标为最大化日净利润与清洁能源消纳率，下层为柔性负荷分时电价响应模型，优化目标综合用户经济度与舒适性。分时电价是联系上下两层的桥梁。双层优化问题的计算常采用迭代求解的方法，将其中一层优化完成的决策变量作为另一层求解时的参数代入，两层可以各自使用相同或不同的智能算法，满足收敛条件时停止迭代。此外，双层优化模型也可使用禁忌搜索法、模拟退火法、信赖域法、极大熵法、混沌优化法等算法进行求解[29]。文献[30]使用卡罗需-库恩-塔克条件(KKT)对非线性约束进行转换，将双层优化模型转为单层的混合整数线性规划模型，简化了计算过程。4微电网源荷互动日内调度微电网日内优化调度是在短时间内对既定日前调度计划的滚动修正，优化目标同日前调度相似，两者的区别在于时间尺度和可调度资源不同。4.1不同时间尺度下的源荷特性可再生能源的波动性和不确定性导致日前对其出力功率的预测存在一定偏差。不同时间尺度下，风、光发电的预测误差有明显差别，预测更新周期越短，所得预测误差越小[31]。在较小的时间尺度上对可再生能源进行预测，可以提升微网调度的准确性，将微网内各类资源的利用率最大化。需求侧资源同样拥有不同时间尺度上的特性。部分柔性负荷可以随时响应调度指令（如空调、灯光），有些则具有一定迟滞性，需要提前发布信息才能在预期时段作出响应（如洗衣机、大型工业负荷）。时间尺度越小，能够参与调度计划的柔性负荷越小。电价型负荷通常在日前调度计划中参与需求侧管理，日内调度中则具有明显的滞后性[32]，仅有提前签订协议、受供电商间接控制的柔性负荷能够及时响应日内调度指令，此类响应行为被称为激励型需求响应(IDR)。4.2激励型需求响应模型建立激励型需求响应模型的关键是供用电双方所签合同中激励机制的制定。部分地区仅依据负荷响应速度制定补偿价格，无法充分调动用户积极性。文献[33]综合考虑了响应量、响应率和响应速度，对柔性负荷进行分级管理，根据负荷等级制定补偿价格，将其分为容量补偿和电量补偿，每级容量补偿固定，电量补偿可变，单位补偿随电量上升。4.3日内调度优化方法根据调度策略更新时刻和更新时长的不同，日内优化方法可大体分为基于全局的滚动优化和基于模型预测控制(MPC)的局部性滚动优化，策略选择独立于日前调度策略及算法。4.3.1基于全局的滚动优化设调度策略更新时刻为k，更新周期为1 h，在k时刻调度当日前k个时段的源荷实际数据，对日前所得预测曲线进行修正，并对往后(24-k) h的可再生能源出力和负荷波动进行预测，以(24-k) h为时间尺度建立新的目标函数，更新剩余所有时段的源荷调度计划，随即向用户侧发出调度信号，使参与IDR的柔性负荷及时改变用电行为。用户在执行调度命令时可能有所偏差，未达到削减量或削减后尚有可调度余量，这部分靠电源侧可调度机组进行平抑[34]。上述调度方法注重全局最优，未顾及局部优化目标。文献[35]在此基础上设置两个更新周期，细化激励型负荷的分类，每15 min对往后1 h的调度计划修正1次，充分利用响应速度不同的IDR特性。文献[36]补充了日内剩余时段调度方案结果与日前原调度方案的对比环节，仅在日内调度策略显示全局性更优时才进行策略更新。4.3.2基于MPC的局部性滚动优化模型预测控制是基于预测模型和有限时域滚动的闭环优化控制方法，主要由预测模型、滚动优化和反馈校正这3部分构成，其基本思想是将长时间的最优控制问题分解成短时间跨度的离散最优控制问题。在每一个采样时刻，检测系统的实时数据，结合历史数据对系统在一定控制作用下的未来有限时域动态进行预测，根据给定的约束条件和优化控制目标求解该时域内的最优控制作用，仅选取当前时刻的控制量作用于系统。设微电网日内调度的采样时刻为k，更新周期为∆t（宜取15 min、20 min、30 min），滚动周期为M（宜取3 h、4 h、6 h）。在每一采样时刻k，根据实时及历史数据对微电网往后M时段内的可再生能源出力和负荷波动进行预测，制定M时段内各时刻的源荷调度策略，但仅将优化结果的第一个值施加在k时刻。k+∆t时刻测量新的实时数据，重复上述步骤，循环往复。此优化方法更注重局部最优，优化性能指标仅覆盖未来有限时域，目标函数时间尺度短，计算量较小，但难以顾及全局性最优。文献[37]为削弱MPC局部性对全局指标的影响，在日内优化函数中增加了储能荷电状态偏离日前计划值的惩罚项，以此减小储能在滚动优化中对日前计划的偏离，避免频繁充放电的现象。5结语文中给出柔性负荷的定义并从2个角度将其分类，根据不同时间尺度，探讨了源荷互动在微电网日前和日内调度策略中的实现方式。柔性负荷的调度手段从根本上打破了“源随荷动”的旧有模式，引导负荷主动参与微电网的优化调度，提升了微网运行的经济性、安全性和环境效益。现有研究中，微电网源荷互动在日内和实时调度上的成果较少；负荷参与调度的模式较为单一；电价的制定缺少用户方参与；需求响应的不确定性未作考量。上述问题有待进一步研究。