時雨，包鈺婷，楊晶瑩，郭云峰，宋磊，李昊

（1.國網(wǎng)吉林省電力有限公司經(jīng)濟技術(shù)研究院,吉林省長春市 130062；2.東北電力大學(xué)電氣工程學(xué)院,吉林省吉林市 132012；3.國網(wǎng)吉林省電力有限公司,吉林省長春市 130021）

0 引言

現(xiàn)代配電網(wǎng)中分布式能量系統(tǒng)(distributed energy resource,DER)滲透率不斷提高，使電網(wǎng)在利用可再生能源時面臨使用效率、峰谷波動等問題[1-2]。隨著智能電網(wǎng)的發(fā)展，需求響應(yīng)（demand response，DR）的介入也給配電網(wǎng)各類資源配置帶來新的挑戰(zhàn)[3-5]。因此，結(jié)合各類DR制定含DER的配電網(wǎng)配置方案，對于智慧能源電網(wǎng)的安全經(jīng)濟運行具有重大意義。

目前國內(nèi)外已開展關(guān)于DER并網(wǎng)優(yōu)化配置的研究，考慮源、荷、儲等對DER并網(wǎng)所發(fā)揮的作用，同時配置方式由單一風(fēng)、光電源[6]拓展到儲能電池等各類資源[7]，配置方法從單目標(biāo)優(yōu)化[8]逐漸向多目標(biāo)協(xié)同優(yōu)化發(fā)展[9]。針對DER并網(wǎng)的經(jīng)濟性問題，文獻[10]考慮風(fēng)電、儲能的運行成本，在減小對電壓造成的影響下建立多目標(biāo)優(yōu)化配置模型，文獻[11]以降低年綜合費用為目標(biāo)建立雙層優(yōu)化模型，但對DER并網(wǎng)帶來的棄風(fēng)棄光等問題考慮不足；文獻[12]針對風(fēng)電并網(wǎng)對配電網(wǎng)規(guī)劃的影響，構(gòu)建了基于風(fēng)電極限場景的2階段輸電網(wǎng)魯棒規(guī)劃模型，但在DER接入電網(wǎng)時未充分發(fā)揮電網(wǎng)各類資源的調(diào)節(jié)能力；文獻[13]在中壓饋線上配置儲能以應(yīng)對分布式光伏的影響，以經(jīng)濟性最優(yōu)為目標(biāo)，建立了考慮運行策略的儲能優(yōu)化配置模型；文獻[14]將儲能、靈活性機組及負(fù)荷響應(yīng)納入靈活性資源并進行最小化成本配置，通過分時電價及負(fù)荷中斷手段提高系統(tǒng)運行的靈活性。但以上研究均未能充分發(fā)掘電網(wǎng)中各類資源參與電網(wǎng)調(diào)控的潛力。綜上，目前對于DER并網(wǎng)配置主要考慮經(jīng)濟性問題，而對可再生能源使用效率等問題鮮有研究，且對系統(tǒng)中需求側(cè)參與配置的形式、能力考慮不足，未能充分發(fā)揮其參與電網(wǎng)運行調(diào)控的互動能力。

針對上述問題，文中將需求側(cè)2類負(fù)荷按參與形式分為電網(wǎng)調(diào)控負(fù)荷與主動參與負(fù)荷，提出用DR參與度表征主動參與負(fù)荷在電價影響下參與電網(wǎng)調(diào)控的互動能力，構(gòu)建需求側(cè)負(fù)荷參與電網(wǎng)運行的經(jīng)濟模型。在此基礎(chǔ)上，建立分層式優(yōu)化模型，規(guī)劃層以網(wǎng)損靈敏度確定DER接入位置，按改造成本確定DR響應(yīng)上限，獲得DER、DR規(guī)劃方案。運行層在規(guī)劃方案的基礎(chǔ)上，構(gòu)建經(jīng)濟性、可再生能源使用率、電壓穩(wěn)定性及削峰填谷等指標(biāo)，確定DR在電網(wǎng)調(diào)控、電價激勵2種參與模式下的運行方案。利用模擬退火–粒子群優(yōu)化（simulated annealing- particle swarm optimization，SA-PSO）算法進行多目標(biāo)求解，形成源-荷優(yōu)化配置方案，并進一步分析各方案的綜合效益指標(biāo)，為DR參與DER并網(wǎng)提供輔助決策。

1 DR參與度模型

DR可在用戶側(cè)根據(jù)電網(wǎng)需求做出響應(yīng)，此類參與響應(yīng)的負(fù)荷按形式分為可平移負(fù)荷、可轉(zhuǎn)移負(fù)荷、可削減負(fù)荷3類。文中考慮電網(wǎng)中各類DR在電網(wǎng)調(diào)控及電價引導(dǎo)下參與電網(wǎng)運行的情況，提出用戶需求響應(yīng)參與度，構(gòu)建其相應(yīng)的經(jīng)濟模型和參與度函數(shù)。

1）可平移負(fù)荷?？善揭曝?fù)荷能夠?qū)崿F(xiàn)一定時間范圍內(nèi)整段用電負(fù)荷的平移，對應(yīng)于工業(yè)生產(chǎn)過程中部分設(shè)備的受控運行以及部分可靈活調(diào)整開啟時間的家用電器。在電網(wǎng)激勵和電價引導(dǎo)條件下，可平移負(fù)荷的響應(yīng)特性經(jīng)濟模型如下式所示。

式中：αishift為第i種可平移負(fù)荷調(diào)度總費用；αprice,iDshift為第i種可平移負(fù)荷參與調(diào)度的補償價格；αprice,tZ為t時刻電價；φiDshift為第i種可平移負(fù)荷在t時段參與調(diào)度的功率；φiZshift為用戶自主參與響應(yīng)負(fù)荷t時段平移負(fù)荷功率；λiZ為用戶電價響應(yīng)參與度；kD為參與電網(wǎng)調(diào)控負(fù)荷數(shù)量；kZ為參與電價激勵負(fù)荷數(shù)量。

2）可轉(zhuǎn)移負(fù)荷。可轉(zhuǎn)移負(fù)荷能夠在其允許的時間范圍內(nèi)，將部分負(fù)荷分配到其他時間段上，實現(xiàn)其在可分配時段內(nèi)的靈活分配。對應(yīng)于工業(yè)冷庫制冷、民用空調(diào)、充電等可靈活調(diào)整的負(fù)荷，其響應(yīng)特性經(jīng)濟模型如下式所示。

式中：αitrans為第i種可轉(zhuǎn)移負(fù)荷調(diào)度總費用；αprice,iDtrans為第i種可轉(zhuǎn)移負(fù)荷參與調(diào)度的補償價格；φi,tDtrans、φi,tDtrans*為該類負(fù)荷參與電網(wǎng)調(diào)控前、后負(fù)荷功率；φi,tZtrans、φi,tZtrans*為該類負(fù)荷自主參與響應(yīng)前、后的負(fù)荷功率。

3）可削減負(fù)荷?？上鳒p負(fù)荷能夠根據(jù)電網(wǎng)調(diào)控或用戶主動參與對部分負(fù)荷進行一定量的削減。削減的負(fù)荷可在用電高峰期起到削峰作用，對應(yīng)于工業(yè)負(fù)荷中的甩負(fù)荷、民用負(fù)荷中一些照明、加熱等負(fù)荷，其響應(yīng)特性經(jīng)濟模型如下式所示。

式中：αire為第i種可削減負(fù)荷調(diào)度總費用；αprice,iDre為第i種可削減負(fù)荷參與調(diào)度的補償價格；φi,tDre為電網(wǎng)調(diào)控下的削減負(fù)荷功率；φi,tZre為用戶自主參與響應(yīng)的削減負(fù)荷功率。

通過上述經(jīng)濟模型能夠描述3種可控負(fù)荷用戶在調(diào)控和電價引導(dǎo)政策下參與電網(wǎng)運行的成本費用，響應(yīng)參與度函數(shù)則能夠體現(xiàn)用戶在電價引導(dǎo)政策下的主動參與積極性，直接影響需求側(cè)用戶參與電網(wǎng)調(diào)度的成本費用。

2 分層式優(yōu)化模型

考慮需求側(cè)可控負(fù)荷參與電網(wǎng)調(diào)度，構(gòu)建雙層優(yōu)化模型，具體包含規(guī)劃層和運行層。其中，規(guī)劃層內(nèi)容包括參與電網(wǎng)調(diào)控的DR容量及DER的安裝位置；運行層為優(yōu)化2種協(xié)作方式下參與運行DR的調(diào)度方案。

2.1 規(guī)劃層目標(biāo)函數(shù)

考慮風(fēng)、光DER側(cè)出力與負(fù)荷側(cè)DR，采用源–荷協(xié)調(diào)控制策略，在電源側(cè)通過接入網(wǎng)損評價DER并網(wǎng)位置的配置效果，在負(fù)荷側(cè)通過響應(yīng)負(fù)荷的改造成本評價DR容量配置效果，從而確定合理的源–荷配比。

1）電網(wǎng)調(diào)控DR改造成本。根據(jù)參考文獻[15]，將投資成本中的DR容量改造成本折算為等年值

式中：r為利率；li為第i種設(shè)備的壽命；ci為第i種DR單位容量改造為受電網(wǎng)調(diào)控負(fù)荷的成本；xiDR為第i種DR改造的容量。

2）網(wǎng)損靈敏度。負(fù)荷節(jié)點的有功網(wǎng)損靈敏度表示該節(jié)點引起有功損耗的大小，若該節(jié)點接有負(fù)荷，則該節(jié)點對網(wǎng)絡(luò)損耗影響較大；反之，若該節(jié)點屬于聯(lián)絡(luò)節(jié)點，無負(fù)荷功率流出，則該節(jié)點有功網(wǎng)損靈敏度為0。通過對各節(jié)點有功網(wǎng)損靈敏度的計算，可以有效反映出節(jié)點功率波動時對整個網(wǎng)絡(luò)潮流及損耗的影響情況。靈敏度指標(biāo)如下式所示。

式中：Pi、Qi為i節(jié)點的負(fù)荷有功、無功功率；∑Rsi、∑Xsi為根節(jié)點s至節(jié)點i的等值電阻和電抗；M為受控資源安裝數(shù)量。由式（5）可知，F(xiàn)i的值越大，表明該節(jié)點引起的有功損耗越大。DER在安裝改造過程中等效為負(fù)的負(fù)荷，能夠降低節(jié)點負(fù)荷值，從而起到改善網(wǎng)損的作用。

2.2 運行層目標(biāo)函數(shù)

采用可控負(fù)荷響應(yīng)策略，調(diào)節(jié)負(fù)荷的平移、轉(zhuǎn)移及削減，在需求側(cè)通過調(diào)度運行成本、可再生能源使用率、電壓穩(wěn)定性指標(biāo)及峰谷差值綜合評價DR時序調(diào)控效果。

1）經(jīng)濟運行成本。

式中：αtgrid為購電總成本。

2）可再生能源使用率。

式中：φtX為t時段消納的DER出力；φtS為t時段DER實際出力。

3）電壓穩(wěn)定性指標(biāo)。

式中：Ui,t為節(jié)點i在t時刻的電壓值；Ui,N為節(jié)點i額定電壓；N為配電網(wǎng)總節(jié)點個數(shù)。

4）削峰填谷效果。

式中：Δφ1為削峰效果；Δφ2為填谷效果；Δφ3為削峰填谷效果；φmax、φmin為優(yōu)化運行前綜合負(fù)荷在一天內(nèi)的最大、最小值；φmax*、φmin*為優(yōu)化運行后綜合負(fù)荷在一天內(nèi)的最大、最小值。文中選用Δφ3作為削峰填谷評價指標(biāo)。

2.3 約束條件

該規(guī)劃–運行模型中主要考慮DER位置容量及DR容量約束，并在潮流計算時考慮系統(tǒng)功率、電壓平衡約束。

1）系統(tǒng)功率平衡約束。

式中：φi,tDER為第i個DER在t時刻的出力。

2）節(jié)點電壓約束。

式中：Ui,max、Ui,min為i節(jié)點電壓的上限、下限。

3）選址、容量約束。

式中：xi,maxDER、xi,minDER為第i種DER的容量xiDER的上下限；xi,maxDR、xi,minDR為第i種DR的改造容量xiDR的上下限；Ωi為第i種DER可選安裝位置Li的集合。

3 模型求解

分層式模型中的規(guī)劃層主要解決參與電網(wǎng)調(diào)控的源–荷側(cè)的選址定容問題，運行層重點考慮電網(wǎng)調(diào)控與電價引導(dǎo)下的DR調(diào)度問題。運行層在規(guī)劃層基礎(chǔ)上需獲取各類DR在不同響應(yīng)容量、不同參與度時的運行情況，且隨著DER接入數(shù)量的增加、調(diào)度時段的精細(xì)化以及綜合效益模型涵蓋指標(biāo)的多樣化，整個求解過程難度也會顯著增大。為提高求解效率并保持解集的多樣性，采用分層優(yōu)化的架構(gòu)形式求解優(yōu)化問題。

3.1 多目標(biāo)SA-PSO混合算法

模擬退火算法（simulated annealing，SA）[16]是一種在一定概率控制下暫時接受一些劣質(zhì)解的改進標(biāo)準(zhǔn)粒子群算法（ particle swarm optimization，PSO），可避免搜索陷入局部極值。文中采用多目標(biāo)SA -PSO混合算法對分層模型求解。

應(yīng)用Metropolis準(zhǔn)則，根據(jù)粒子在溫度tls時的新舊位置值Eq和Ep，計算其適應(yīng)度大小，若Ep＞Eq，則以位置值Eq為當(dāng)前位置；否則以一定的概率e進入新位置。

式中：kb為玻爾茲曼常數(shù)。

在粒子位置更新過程中，粒子除依據(jù)新舊位置進行更新外，對于差的新位置，仍能在溫度控制下以某一概率進行更新。這樣粒子能夠以某種概率“試探”后再移動，增強局部搜索能力，粒子隨溫度降低逐漸形成低能量基態(tài)，收斂于全局最優(yōu)解。

3.2 分層式優(yōu)化求解流程

分層式優(yōu)化求解流程如圖1所示。

圖1 分層式優(yōu)化求解流程Fig.1 Solving flow of hierarchical optimization

在規(guī)劃層中，依據(jù)各類DER典型日出力情況，結(jié)合所需電網(wǎng)調(diào)控DR容量，得到DER與電網(wǎng)調(diào)控DR的選址定容方案。在運行層中，將規(guī)劃層規(guī)劃方案結(jié)果里的DR及DER安裝位置、容量作為運行層優(yōu)化的輸入?？紤]電價激勵下不同用戶參與度，建立優(yōu)化模型，利用多目標(biāo)SA-PSO混合算法進行優(yōu)化求解，得到各類DR優(yōu)化運行方案。最終通過2層優(yōu)化結(jié)果的迭代得到優(yōu)化配置結(jié)果。

4 算例分析

4.1 基本參數(shù)設(shè)置

文中以東北某實際35 kV 72節(jié)點配電系統(tǒng)為例，接線如附圖A1所示。該系統(tǒng)總有功負(fù)荷為33 MW，其中工業(yè)負(fù)荷占比約為61%，民用負(fù)荷占比約為28%，可再生能源容量配比上限為20%。

該地區(qū)風(fēng)、光電源典型時序出力模型如附圖A2所示。

利用SA-PSO算法對分層優(yōu)化模型求解，具體參數(shù)設(shè)置見表1。

表1 SA-PSO算法參數(shù)設(shè)置Table 1 Parameter setting of SA-PSO algorithm

電網(wǎng)分時電價曲線如圖2所示[17]。

圖2 電網(wǎng)分時電價曲線Fig.2 Time-of-useelectricity price curve

研究表明[18]，工業(yè)負(fù)荷作為電網(wǎng)調(diào)控下的需求響應(yīng)因素，其可控容量的比例約為5%～10%，民用負(fù)荷在電價激勵條件下參與電網(wǎng)調(diào)節(jié)的響應(yīng)容量比例約為10%～15%；商業(yè)負(fù)荷受自身運營機制所限，能夠參與需求響應(yīng)的可控比例較小，故忽略不計。

4.2 仿真分析

規(guī)劃層考慮DER接入計算各節(jié)點網(wǎng)損靈敏度從而確定風(fēng)、光電源并網(wǎng)初始安裝位置。

由圖3可知，風(fēng)、光分別在31、52節(jié)點接入時對網(wǎng)損改善效果最為明顯，網(wǎng)損波動影響較小。結(jié)合網(wǎng)損及可再生能源容量配比確定風(fēng)電裝機容量為4 MW，光伏裝機容量為2.2 MW。

圖3 節(jié)點網(wǎng)損靈敏度Fig.3 Sensitivity of nodal network loss

與民用負(fù)荷相比，工業(yè)負(fù)荷可控規(guī)模更大、規(guī)律性更強[18]，設(shè)定工業(yè)負(fù)荷受控部分改造上限為負(fù)荷量的10%，作為受控資源參與電網(wǎng)調(diào)控。工業(yè)負(fù)荷改造成本為2.6萬元/MW，年利率0.08，規(guī)劃總時段為5年[19]。根據(jù)式（4），折算到等年值達到4.16萬元/年。

在規(guī)劃層所獲方案基礎(chǔ)上，綜合考慮調(diào)度周期運行成本、可再生能源使用率和電壓穩(wěn)定性指標(biāo)，在電網(wǎng)調(diào)控負(fù)荷受控參與、電價激勵負(fù)荷主動參與2種情況下求解運行方案。

選擇系統(tǒng)中工業(yè)負(fù)荷較大的節(jié)點作為接受電網(wǎng)調(diào)控的負(fù)荷節(jié)點，其編號分別為11、47、68；參與電價激勵響應(yīng)的民用負(fù)荷節(jié)點編號分別為15、46、61。不同負(fù)荷參與度的運行方案Pareto解集如圖4所示，其中每個非劣解都對應(yīng)一組運行策略。

圖4 多目標(biāo)優(yōu)化Pareto解集Fig.4 Multi-objective optimization Pareto solution set

不同場景下的典型運行方案優(yōu)化結(jié)果見表2。

表2中電網(wǎng)調(diào)控、電價激勵2類DR按不同參與度劃分2個場景方案，各方案間差別主要體現(xiàn)在經(jīng)濟運行成本、可再生能源使用率方面。同一場景下，隨著電價激勵DR參與度上升，運行成本有所下降，可再生能源利用率升高，負(fù)荷波動峰谷差降低。不難看出，此類負(fù)荷中民用負(fù)荷比重較大，用戶在電價引導(dǎo)下提升參與度能夠有效改善電網(wǎng)運行指標(biāo)。另一方面，隨著電網(wǎng)調(diào)控DR參與度的提高，電網(wǎng)運行成本增加，可再生能源使用率提高，負(fù)荷峰谷差隨之降低。表明受控負(fù)荷在系統(tǒng)宏觀調(diào)控下產(chǎn)生了一定的負(fù)荷轉(zhuǎn)移成本，由于此類負(fù)荷一般為大型工業(yè)單位，其集中可控性較高且容量較大，在風(fēng)光消納和削峰填谷方面具有更為顯著的優(yōu)勢。

表2 不同場景下的運行方案優(yōu)化結(jié)果Table 2 Optimization results of operating schemes under different scenarios

分析發(fā)現(xiàn)，通過提高DR參與度能夠在用戶側(cè)更好地改善用電情況，從而降低系統(tǒng)成本、減少棄風(fēng)棄光量。從未來電網(wǎng)節(jié)能減排角度考慮，選取場景2的方案3進一步分析24h內(nèi)可控負(fù)荷與風(fēng)、光出力波動時序特性。

圖5（a）中，優(yōu)化前典型日負(fù)荷曲線存在2個波峰時段，峰谷差為24.2 MW。綜合能源最小出力為傳統(tǒng)火電機組最低出力與風(fēng)、光出力之和。不難看出，在23:00—7:00時段綜合能源最小出力高于負(fù)荷需求，進而導(dǎo)致棄風(fēng)棄光。圖5（b）中，3類可控負(fù)荷在響應(yīng)區(qū)間內(nèi)分別做出相應(yīng)調(diào)整，使得負(fù)荷峰谷差降至19.4 MW，同時可再生能源的棄風(fēng)棄光量明顯降低，風(fēng)、光使用率由82.1%提升至92.0%。

圖5 優(yōu)化運行前后24 h源-荷功率波動Fig.5 The source-load power fluctuation beforein the24 hoursbefore and after theoptimization operation

經(jīng)過優(yōu)化，各類DR在2種參與模式下的負(fù)荷波動時序曲線更加貼合可再生能源出力情況，在運行過程中能夠根據(jù)電網(wǎng)削峰填谷的需要，進行靈活地轉(zhuǎn)移與削減，提高了可再生能源的使用率。在此過程中，由于各類DR的負(fù)荷特性，可削減負(fù)荷只在固定時刻削減自身出力參與電網(wǎng)運行；相對而言，可轉(zhuǎn)移與可平移負(fù)荷則能在相應(yīng)時段內(nèi)靈活調(diào)節(jié)出力分布，故在風(fēng)光消納和削峰填谷方面具有更大優(yōu)勢。

4.3 可控負(fù)荷構(gòu)成對電網(wǎng)運行的影響評估

進一步分析不同DR構(gòu)成的優(yōu)化運行結(jié)果，根據(jù)電網(wǎng)調(diào)控負(fù)荷所占比例將容量配比分為3種主要場景。在各場景中，依據(jù)電網(wǎng)調(diào)控負(fù)荷構(gòu)成比例，評估不同類型DR參與對電網(wǎng)運行指標(biāo)的影響?？紤]到多目標(biāo)優(yōu)化解集多樣性對決策所產(chǎn)生的影響，選取可再生能源使用率為各方案的主要評估指標(biāo)，結(jié)果如附表A1所示。

在同一場景中，負(fù)荷構(gòu)成分為3種情況。場景2中，在可削減負(fù)荷占比不變情況下，為可平移、可轉(zhuǎn)移負(fù)荷分配相同的響應(yīng)容量時，運行成本基本一致，但相較可轉(zhuǎn)移負(fù)荷，可平移負(fù)荷在其余指標(biāo)上有更好的表現(xiàn)。原因在于2種負(fù)荷在運行區(qū)間內(nèi)負(fù)荷分配形式不同，可平移負(fù)荷在整個用電區(qū)間上的調(diào)控方式為整段轉(zhuǎn)移，轉(zhuǎn)移的負(fù)荷量更為集中。隨著分配給可平移負(fù)荷的參與比重增加，電網(wǎng)運行成本增加，可再生能源使用率逐漸提高，發(fā)揮更好的削峰填谷效果。

在場景3中，保持可平移負(fù)荷所占比例一定，比較可轉(zhuǎn)移負(fù)荷與可削減負(fù)荷的表現(xiàn)?？梢钥闯觯谙嘟倪\行成本下，可轉(zhuǎn)移負(fù)荷更利于消納風(fēng)、光，促進削峰填谷。分析可知，運行形式相近的可平移負(fù)荷、可轉(zhuǎn)移負(fù)荷在提高可再生能源利用率上較可削減負(fù)荷效果更為明顯，隨著源–荷波動，發(fā)揮靈活的削峰填谷作用。而相比之下，可削減負(fù)荷的作用主要體現(xiàn)在削減用電負(fù)荷峰值上。

在場景1中，當(dāng)電網(wǎng)調(diào)控負(fù)荷比例保持不變，隨著用戶參與度的增加，各運行指標(biāo)均有明顯改善。表明用戶通過自主參與電網(wǎng)調(diào)節(jié)，隨電價調(diào)整自身負(fù)荷分配，可在更少的經(jīng)濟成本下，有效地調(diào)動用戶側(cè)更多的資源，提高可再生能源使用率，并對削峰填谷起到積極作用。通過增加電網(wǎng)調(diào)控、用戶電價激勵2類DR的參與容量，均能在優(yōu)化指標(biāo)上獲得更大的優(yōu)勢。

5 結(jié)論

本文考慮DR的參與度，研究DER并網(wǎng)的規(guī)劃與運行，得出以下結(jié)論：

1)通過DR參與度模型能夠有效描述需求側(cè)用戶參與電網(wǎng)運行的用電行為與特性，便于進行基于DR的風(fēng)、光消納與削峰填谷分析決策。

2)分層式優(yōu)化模型能夠考慮分布式電源接入對電網(wǎng)經(jīng)濟性、穩(wěn)定性以及可再生能源利用率的影響，通過SA-PSO多目標(biāo)優(yōu)化算法求解，在可行域內(nèi)提供合理的多樣性方案，通過仿真驗證了所提方法的有效性與可行性。

3)電價激勵DR雖然具有靈活經(jīng)濟的特點，但由于其分散性和不確定性，不能作為電網(wǎng)調(diào)節(jié)的主要依賴方式，只能作為用戶側(cè)的一種補充手段。相比較而言，電網(wǎng)調(diào)控DR受控參與運行可在電網(wǎng)管理下定點定量地參與調(diào)整，在集中可控性方面更具優(yōu)勢，達到良好的可再生能源消納和削峰填谷效果。

致 謝

本文得到了國網(wǎng)吉林經(jīng)研院“2020年清潔能源大省戰(zhàn)略下靈活性負(fù)荷控制技術(shù)”研究項目的支持，謹(jǐn)此深表感謝。

（本刊附錄請見網(wǎng)絡(luò)版，印刷版略）