基于需求侧资源统一状态模型的负荷平滑控制方法

摘要

本发明公开了一种基于需求侧资源统一状态模型的负荷平滑控制方法，首先，建立需求侧资源统一状态模型，然后，在该模型的基础上实现负荷曲线平滑控制。其中提出的统一状态模型，能够用统一的数学表达式描述不同类型需求侧资源的响应特性；在考虑需求侧资源响应顺序的基础上，推导出控制矩阵来实现对需求侧资源输出功率的实时管理和控制；在考虑用户用能舒适度的基础上，所提出的控制策略能够实现对可再生能源的充分消纳吸收，保证电动汽车出行前的SOC满足用户需求，保证温控负荷所处的室内温度满足用户的舒适度要求；利用本发明控制可以使负荷的功率波动明显下降，其功率波动率保持在预设值10％以下。

说明书

技术领域

本发明涉及一种输电网规划方法，尤其涉及一种基于需求侧资源统一状态模型的负荷平滑控制方法。

背景技术

近年来，凭借可再生绿色和环保的优势，风能和太阳能等可再生能源在世界范围内引起了越来越多广泛的关注[1]。然而，可再生能源分布式电源(DG)具有随机间歇性的特点，因此给配电网的运行带来大量的不确定性。，造成配电网负荷功率的波动，值得关注的是配电网的负荷功率的严重变化[2]将显着影响电力系统的将对配电网的稳定运行产生深刻的影响[2]，从而并限制了可再生能源的利用消纳吸收[3]。

传统发电机是用来平抑配电网负荷功率波动的常用手段，传统的配电网负荷曲线平滑化控制策略之一是规划传统发电机。然而，这种传统发电机的响应速度不够难以跟随DG分布式电网的输出功率变化，并且会造成发电机运行经济性差和发电效率会降低的问题[4]。为解决这个上述问题，的另一种方法是通过利用储能系统(ESS)，如电池、调速轮等，来响应配电网电网的负荷功率波动[5][6][5,6]。；借助储能系统，能够储能系统ESS用来改善降低由配电网中分布式电源的随机性输出对配电网电压分布带来的影响[7][8]，。降低文献7和8为减少配电网的负荷峰值[9][10]高峰负荷对ESS进行了研究。；通过动态调整充电功率输出，ESS储能系统能够有效应对平抑分布式电源所带来的带DG的配电网的功率波动[11],[12]；。然而，大规模ESS应用储能系统将会的采用不经济也不实用大大降低可再生能源接入的经济性。

随着智能电网的快速发展，对需求响应逐渐成为辅助配电网运行的重要手段的灵活性也出现了越来越大的兴趣。。不同类型的需求侧资源具有很大的的总响应潜力能力是相当大的[13,][14]。，以分布式电源[15]、电动汽车[16]、温控负荷[17]为例，在有效的控制手段下，这些资源能够被证明是需求响应有效资源的分布式电源[15]，电动汽车(EV)[16]、恒温控制的负载(TCL)[17]等有效需求侧资源，能够充当配电网中的ESS，从而辅助电网的安全稳定运行。因此，一些需求侧资源能够为配电网提供各种类型的帮助。考虑到电动汽车和恒温控制温控负荷的响应能力，这些资源只能能够减缓带够有效降低可再生能源的功率波动对配电网电压的影响；通过控制电动汽车的充放电过程，电动汽车能够有效降低有分布式电源的配电网的电压波动同时，配电网的功率损耗最小化的基础上的实时协调的电动汽车充电负载[18,][19]。，电动汽车依靠其快速的反应能力响应能力能够平滑负荷曲线和可以作为储能装置来重塑的负载分布和削减负荷峰值缓解高峰负荷[20,][21]。；而以热泵为代表的温控负荷恒温控制负荷如热泵能够减缓平抑配电网中可再生能源引起的功率波动的带有分布式电源的配电网功率波动[22,][23]。

[参考文献]

[1]Yang F,Sun Q,Han QL,et al(2016)Cooperative model predictive ontrolfor distributed photovoltaic power generation systems.IEEE J Emerg Sel TopPower Electron,4(2):414-420。

[2]Cheng L,Chang Y,Huang R(2016)Mitigating voltage problem indistribution ystem with distributed solar generation using electricvehicles.IEEE Trans Sustain Energy,6(4):1475-1484。

[3]Ghiani E,Pilo F(2015)Smart inverter operation in distributionnetworks with high enetration of photovoltaic systems.J Mod Power Syst CleanEnergy,3(4):504-511。

[4]Denholm P,Margolis R(2007)Evaluating the limits of solarphotovoltaics(PV)in electric power systems utilizing energy storage and otherenabling technologies.Energy Policy,35(9):4424-4433。

[5]Zheng Y,Dong Z,Huang S,et al(2015)Optimal integration of mobilebattery energy storage in distribution system with renewables.J Mod PowerSyst Clean Energy,3(4):589-596。

[6]Boukettaya G,Krichen L(2014)A dynamic power management strategy ofa grid connected hybrid generation system using wind,photovoltaic andFlywheel Energy Storage System in residential applications.Energy,71:148-159。

[7]Li K,Xu H,Ma Q,et al(2014)Hierarchy control of power quality forwind-battery energy storage system.IET Power Electron,7(8):2123-2132。

[8]Wang Y,Tan KT,Peng XY,et al(2016)Coordinated control ofdistributed energy storage systems for voltage regulation in distributionnetworks.IEEE Trans Power Delivery,31(3):1132-1141。

[9]Jayasekara NA.S.Masoum M,J.Wolfs P(2016)Optimal operation ofdistributed energy storage systems to improve distribution network load andgeneration hosting capability.IEEE Trans Sustain Energy,7(1):250-261。

[10]Parra D,A.Norman S,S.Walker G,et al(2016)Optimum community energystorage system for demand load shifting.Appl Energy,174:130-143。

[11]Li X,Hui D,Lai X(2013)Battery energy storage station(BESS)-basedsmoothing control of photovoltaic(PV)and wind power generationfluctuations.IEEE Trans Sustain Energy,4(2):464-473。

[12]Samper M,Flores D,Vargas A(2016)Investment valuation of energystorage systems in distribution networks considering distributed solargeneration.IEEE Lat Am Trans,14(4):1774-1779。

[13]Olek B,Wierzbowski M(2015)Local energy balancing and ancillaryservices in low-voltage networks with distributed generation,energy storage,and active loads.IEEE Trans Ind Electron,62(4):2499-2508。

[14]Mu Y,Wu J,Jenkins N,et al(2015)A A Spatial–Temporal model forgrid impact analysis of plug-in electric vehicles.Appl Energy,114:456-465。

[15]Li N(2012)An evaluation of the HVAC load potential for providingload balancing service.IEEE Trans Smart Grid,3(3):1263-1270。

[16]Long C,E.A.Farrag M,Zhou C,et al(2013)Statistical quantificationof voltage violations in distribution networks penetrated by small windturbines and battery electric vehicles.IEEE Trans Power Syst,28(3):2403-2411。

[17]Wang D,Parkinson S,Miao W,et al(2012)Online voltage securityassessment considering comfort-constrained demand response control ofdistributed heat pump systems.Appl Energy,96:104-114。

[18]Luo X,Chan KW(2013)Real-time scheduling of electric vehiclescharging in low-voltage residential distribution systems to minimise powerlosses and improve voltage profile.IET Gener Transm Distrib,8(3):516-529。

[19]Deilami S,S.Masoum A,S.Moses P,et al(2011)Real-time coordinationof plug-in electric vehicle charging in smart grids to minimize power lossesand improve voltage profile.IEEE Trans Smart Grid,2(3):456-467。

[20]Shao S,Pipattanasomporn M,Rahman S(2011)Demand response as a loadshaping tool in an intelligent grid with electric vehicles.IEEE Trans SmartGrid,2(4):624-631。

[21]H.Tehrani N,Wang P(2015)Probabilistic estimation of plug-inelectric vehicles charging load profile.Electr Power Syst Res,124:133-143。

[22]Mammoli A,Barsun H,Burnett R,et al(2012)Using high-speed demandresponse of building HVAC systems to smooth cloud-driven intermittency ofdistributed solar photovoltaic generation.Proc IEEE Power Eng Soc TransDistrib Conf,Orlando,FL,USA。

[23]Wang D,Ge S,Jia H,et al(2014)A demand response and batterystorage coordination algorithm for providing microgrid tie-line smoothingservices.IEEE Trans Sustain Energy,5(2):476-486。

[24]R.S.Rao,K.Ravindra,K.Satish,et al(2015)Power loss minimization indistribution system using network reconfiguration in the presence ofdistributed generation.IEEE Trans Power Syst,28(1):317-325。

[25]Yao E,Samadi P,W.S.Wong V,et al(2016)Residential demand sidemanagement under high penetration of rooftop photovoltaic units.IEEE TransSmart Grid,7(3):1597-1608。

[26]United Kingdom generic distribution system(UKGDS)(2006)Typicalload patterns,DG output data.Distributed Generation and SustainableElectrical Energy Centre,University of Strathclyde,Glasgow,2007。

[27]Yao W,C.Y.Chung,Wen F,et al(2016)Scenario-based comprehensiveexpansion planning for distribution systems considering integration of plug-in electric vehicles.IEEE Trans Power Syst,31(1):317-328。

[28]Wang M,Mu Y,Jia H,et al(2015)A preventive control strategy forstatic voltage stability based on an efficient power plant model of electricvehicles.J Mod Power Syst Clean Energy,3(1):103-113。

[29]Yu T,Yao X,Wang M,et al(2016)A reactive power evaluation modelfor EV chargers considering travelling behaviors.Proc IEEE DRPT,Changsha,China。

[30]Wang D,Fan M,Jia H(2014)User comfort constraint demand responsefor residential thermostatically-controlled loads and efficient power plantmodeling.Proc of CSEE,34(13):2071-2077。

发明内容

现有目前的研究成果主要是针对某一特定类型的需求侧资源参与系统响应，文献对提高单一类型需求侧资源的配电网电能质量做出了良好的贡献。然而，每种类型的需求侧资源拥有他自己具有自身的响应特性和能力点。，因此，建立构建一个统一的数学模型来描述不同类型的需求侧资源的特点和提高需求侧资源的响应能力是至关重要的具有重要的意义，利用该模型能够有效挖掘需求侧资源集群的响应能力。同时，该模型能够考虑需求侧资源的响应顺序，以这种方式，所有可用的有利于实现需求侧资源的功率输出控制将更准确精确化控制，并且在建立统一模型时，响应顺序也将予以考虑。

为了解决上述技术问题，本发明提出的一种基于需求侧资源统一状态模型的负荷平滑控制方法，包括以下步骤：

步骤一、建立需求侧资源统一状态模型：

以分布式电源、电动汽车和温控负荷作为需求侧资源，将一天的时间分割为M个时间间隔，每个间隔时间为Δt，即M×Δt＝24h；

上标i用来指代资源类型，分布式电源、电动汽车和温控负荷分别用G、V和L表示(i∈{G,V,L})；下标j用来指明分布式电源G、电动汽车V、温控负荷L中的某一具体需求侧资源的编号；

1-1)建立分布式电源状态模型如下：

分布式电源j输出功率的上限和下限如下：

式(1)中，是实时状态的分布式电源j在t时刻提供的最大输出功率；

分布式电源的状态模型如下：

式(2)中，是实时状态的分布式电源j输出电能的累积量；是实时状态的分布式电源j输出功率，其上下限范围分别为和是分布式电源j以额定输出功率产生的电能累积量，按照式(3)计算：

式(3)中，是实时状态的额定输出功率；

1-2)建立电动汽车状态模型，包括：

电动汽车j功率输出的下限和下限如下：

式(4)中，为开始充电时间，为开始出行时间，和分别为额定充电和放电功率；为最大输出功率，为正值；为最小输出功率，为负值；

归一化后电动汽车j的荷电状态SOC值如下：

式(5)中，为电动汽车j的实时SOC值；是电动汽车j以额定功率进行充电直到SOC的上限，是电动汽车j以额定功率进行放电，直到SOC的下限；当电动汽车充电时，荷电状态SOC值上升到用户需求SOC值时，则停止充电；

当电动汽车与配电网连接时，电动汽车j状态模型如下：

式(6)中，为电动汽车j的实时功率输出为修正后的电动汽车j电池容量，为：

式(7)中，为电动汽车的实际电池容量；和分别是电动汽车的充电效率和放电效率，为输出功率；

1-3)建立温控负荷状态模型

温控负荷j输出功率的上限和下限如下：

式(8)中，为额定功率消耗；为输出功率下限，为负值；为输出功率上限，取值为0；

温控负荷j归一化后的室内温度和室外温度表示如下：

温控负荷的状态模型如下：

式(9)和式(10)中，是室内温度，和分别是温度控制阈值的上限和下限，是室外温度，和分别是室内温度的上限和下限；在时段内，温控负荷处于开启状态，且室内温度升高，在时段内，热源设备处于关断状态，且室内温度降低；对于处于开启状态的温控负荷，温度在范围时关断，对于处于关断状态的温控负荷，温度在范围时开启；

为归一化后的室外温度，a_j等于其中，R_j和C_j分别为热电阻和电容；为输出功率，当处于开启状态的温控负荷，处于关断状态的温控负荷，

1-4)建立统一状态模型，包括

分布式电源、电动汽车和温控负荷的数目分别为N_G、N_V、N_L，且满足N_G+N_V+N_L＝N；

根据上述式(2)、式(6)和式(10)分别表示的分布式电源的状态模型、电动汽车的状态模型和温控负荷的状态模型，需求侧资源状态模型如式(11)所示：

其中：

在式(11)的基础上，需求侧资源统一状态模型如式(18)所示：

x(t+Δt)＝x(t)+P(t)δ(t)(18)

式(18)中，列向量x(t)为需求侧资源的实时状态，元素满足对角阵P(t)为需求侧资源实时输出功率矩阵，对角元素满足列向量δ(t)定义为修正后的时间间隔；

步骤二、负荷曲线平滑控制：

用功率波动率来评估配电网的负荷波动情况，如式(19)和(20)所示：

式(19)和式(20)中，函数f^T用来计算时间段T内负荷的功率波动率；函数和用来计算时间段T内负荷的最大值和最小值；为负荷的额定值；和为负荷最大值和最小值；为实时的负荷值；

实现负荷曲线平滑控制包括以下步骤：

第一步：确定负荷平滑的目标功率

用r_t表示实时功率波动率，如式(21)所示：

然后，确定负荷平滑的目标功率值

(i)当时，

(ii)当时，

(iii)当时，

式(22)、式(23)和式(24)中，负荷实时功率波动率的上限和下限如式(25)所示：

式(25)中，为功率波动率r^T的限制；为负荷平滑的目标变化功率，如式(26)所示；

第二步：确定不同需求侧资源的响应能力

为了实现基于统一状态模型的负荷曲线平滑策略，将矩阵P(t)分解为两个矩阵的乘积即实时输出功率由代替，即

式(27)中，均为对角阵，对角元素为需求侧资源j的输出功率上限；对角阵B为输出功率控制矩阵，对角元素为用来增加或者减少需求侧资源j输出功率的控制变量；

将式(18)改写为如下：

增加输出功率的能力为：

减少输出功率的能力为：

式(29)和式(30)中，矩阵的对角元素是可控变量最大值，矩阵B的对角元素是可控变量最小值；L₀是元素均为1的N×1维矩阵；P^up(t)为N×1维矩阵，第m行的非负值元素表示第m个资源增加输出功率的能力；P^dn(t)为N×1维矩阵，第m行的非正值元素表示第m个资源减少输出功率的能力；

定义下三角阵和下三角阵B^*分别来评估需求侧资源增加输出功率的能力和减少输出功率的能力，下三角阵和下三角阵B^*中的元素如式(31)所示：

将式(29)和式(30)改写如下：

式(32)中，P^up*(t)为N×1维矩阵，第m行的非负值元素表示1～m资源增加输出功率的能力；P^du*(t)也为N×1维矩阵，第m行的非正值元素表示1～m资源减少输出功率的能力；

第三步：确定实际控制矩阵B^*

(i)当时，设j₁为满足的最大下标；

(ii)当时，

B^*＝B(34)

(iii)当时，设j₂为满足的最大下标，

需求侧资源的输出功率如式(36)所示：

更新后的需求侧资源的状态模型，如式(37)所示：

与现有技术相比，本发明的有益效果是：

(1)利用负荷曲线平滑控制策略，负荷的功率波动明显下降，其功率波动率保持在预设值10％以下；

(2)所提出的统一状态模型，能够用统一的数学表达式描述不同类型需求侧资源的响应特性；

(3)在考虑需求侧资源响应顺序的基础上，推导出控制矩阵来实现对需求侧资源输出功率的实时管理和控制；

(4)在考虑用户用能舒适度的基础上，所提出的控制策略能够实现对可再生能源的充分消纳吸收，保证电动汽车出行前的SOC满足用户需求，保证温控负荷所处的室内温度满足用户的舒适度要求。

附图说明

图1是单体分布式电源运行区域；

图2是单体电动汽车运行区域；

图3是单体温控负荷运行区域；

图4是输出功率增加的响应顺序；

图5是输出功率减少的响应顺序；

图6是不考虑负荷曲线平滑控制策略的负荷功率；

图7是考虑负荷曲线平滑控制策略的负荷功率；

图8是无控和控制下负荷的功率波动率；

图9是无控和控制下分布式电源的输出功率；

图10是温控和控制下电动汽车的输出功率；

图11是无控和控制下温控负荷的输出功率；

图12(a)和图12(b)分别是无控和控制下电动汽车的SOC；

图13(a)和图13(b)分别是无控和控制下温控负荷所处的室内温度。

具体实施方式

下面结合具体实施方式对本发明作进一步详细地描述。

本发明提出的一种基于需求侧资源统一状态模型的负荷平滑控制方法，包括以下步骤：

步骤一、建立需求侧资源的统一状态模型。本发明主要针对以分布式电源、电动汽车和温控负荷为代表的需求侧资源。将一天的时间分割为M个时间间隔，每个间隔时间为Δt，即M×Δt＝24。本发明中，上标i用来指代资源类型，分布式电源、电动汽车和温控负荷分别用G、V和L表示(i∈{G,V,L})；下标j用来指明G、V、L中的某一具体需求侧资源的编号。包括：

1-3)建立分布式电源状态模型如下：

单体分布式电源运行区域如图1所示。

分布式电源j输出功率的上下限如式(1)所示。

式中，是分布式电源j在t时刻提供的最大输出功率。

分布式电源的状态模型如式(2)所示。

式中，为分布式电源j输出电能的累积量；是分布式电源j输出功率，其上下限范围分别为和是分布式电源j以额定输出功率产生的电能累积量，可以根据式(3)计算。

式中，为额定输出功率。

为建立分布式电源的状态模型，控制中心需要获取实时状态功率输出最大功率输出和额定输出功率的信息。

1-4)建立电动汽车状态模型模型，包括：

当电动汽车出行时，其对配电网无影响；而当接入配电网时，电动汽车可以实现与配电网的双向潮流控制，单个电动汽车的工作区域如图2所示。

电动汽车j功率输出的上下限和如式(4)所示，其中开始充电时间为开始出行时间为

式中，和为额定充放电功率；为最大输出功率，为正值；为最小输出功率，为负值。

针对电动汽车接入配网，电动汽车运行区域(图2中阴影部分)受到输出功率和SOC状态限制。点A、B、C、D、E用来确定运行区域的边界，其上边界由A-B-C确定，电动汽车j从A到B一直以额定功率进行充电，直到SOC达到其上限其下边界由A-D-E-F确定，电动汽车j从A到D一直以额定功率进行放电，直到SOC达到其下限为了保证电动汽车在出行前能够满足用户SOC需求电动汽车j从E到F一直以额定功率进行强制充电。

是归一化后电动汽车EVj的SOC值，如式(5)所示。当电动汽车与配电网连接时，它的状态模型见(6)式。

式中，为电动汽车j的实时SOC值。

式中，为电动汽车j的实时功率输出为修正后的电动汽车电池容量，如式(7)所示。

式中，为电动汽车的实际电池容容量；和分别是充电和放电效率。

为建立电动汽车的状态模型，Aggregator需要获得实时状态输出功率额定充电和放电功率和电动汽车的电池容量充放电效率和出行时间用户需求SOC值SOC上下界和的信息。

1-3)建立温控负荷状态模型

温控负荷具有良好的储热特性，以热泵增加室内温度为例，单体温控负荷的运行区域如图3所示。

温控负荷j输出功率的上下限(和)如式(8)所示。

式中，为额定功率消耗；为输出功率下限，为负值；为输出功率上限，其值为0。

如图3所示，和分别是室内温度上下限。在时段内，热泵处于‘开启’状态且室内温度升高。在时段内，热泵处于‘关断’状态且室内温度降低。为了减少开关的动作次数，对于处于‘开启’状态的温控负荷，温度在范围时可以关断。对于处于‘关断’状态的热泵，温度在范围时可以开启。

为了归一化室内和室外的温度(和)，温控负荷j归一化后的室内外温度和如式(9)所示。而温控负荷的状态模型如式(10)所示。

式中，为归一化后的室外温度；a_j等于其中R_j和C_j分别为热电阻和电容；为输出功率，当处于‘开启’状态时为处于‘关断’状态是为

为建立温控负荷的状态模型，控制中心需要获得实时状态输出功率额定功耗热电阻和电容R_j和C_j、室内温度上下限和温度控制阈值上下限和和室外温度等信息。

1-4)建立统一状态模型，包括

分布式电源、电动汽车和温控负荷的数目分别为N_G、N_V、N_L，且满足N_G+N_V+N_L＝N。根据三种资源的状态模型方程(3)、(6)和(10)，不同统一后的需求侧资源状态模型如式(11)所示，其中参数含义如式(12)-(17)所示。

在式(11)所给的状态模型基础上，需求侧资源统一状态模型如(18)所示。

x(t+Δt)＝x(t)+P(t)δ(t)(18)

式中，列向量x(t)为需求侧资源的实时状态，元素满足对角阵P(t)为需求侧资源实时输出功率矩阵，对角元素满足列向量δ(t)定义为修正后的时间间隔。

步骤二、应用负荷曲线平滑控制策略。

用功率波动率来评估配电网的负荷波动情况，如式(19)和(20)所示。

式中，函数f^T用来计算时间段T内负荷的功率波动率；函数和用来计算时间段T内负荷的最大值和最小值；为负荷的额定值；和为负荷最大值和最小值；为实时的负荷值。

在统一状态模型的基础上，接下来介绍本发明所提出的负荷曲线平滑控制策略。

第一步：确定负荷平滑的目标功率

用r_t表示实时功率波动率，如(21)所示。

然后确定负荷平滑的目标功率值

(i)当时，

(ii)当时，

(iii)当时，

式中，负荷实时功率波动率的上下限和如式(25)所示。

式中，为功率波动率r^T的限制。

所以，负荷平滑的目标变化功率为如式(26)所示。

第二步：确定不同需求侧资源的响应能力

为了实现基于统一状态模型的负荷曲线平滑策略，将矩阵P(t)分解为两个矩阵的乘积即实时输出功率由代替，即

式中，均为对角阵，对角元素为需求侧资源j的输出功率上限；对角阵B为输出功率控制矩阵，对角元素为用来增加或者减少需求侧资源j输出功率的控制变量。

然后修改后的统一状态模型见(28)式。

需求侧资源的响应顺序是由统一状态模型中的排列顺序决定的，随着时间的推移而不断更新。例如，交换第m行和第n行需求侧资源的响应顺序：1)对于列矩阵x(t)和δ(t)，交换第m行和第n行的元素；2)对于对角阵B和交换第m行和第n行的对角元素。

如图4所示，增加输出功率时，需求侧资源响应顺序是：分布式电源(增加出力)，电动汽车(切负荷)和温控负荷(关断设备)，电动汽车(放电)，不可控资源(已到达输出功率上限)。

如图5所示，减少输出功率时，需求侧资源响应顺序是：电动汽车(减少放电)，电动汽车(增加充电)和温控负荷(开启设备)，分布式电源(减少出力)，不可控资源(已到达输出功率下限)。

在统一状态模型的基础上，增加输出功率的能力如式(29)所示，减少输出功率的能力如式(30)所示。P^up(t)为N×1维矩阵，第m行的非负值元素表示第m个资源增加输出功率的能力。P^dn(t)为N×1维矩阵，第m行的非正值元素表示第m个资源减少输出功率的能力。

式中，矩阵的对角元素是可控变量最大值；L₀是元素均为1的N×1维矩阵。

式中，矩阵B的对角元素是可控变量最小值。

为进一步说明需求侧资源的响应能力，定义下三角阵和B^*来评估需求侧资源增加和减少输出功率的能力，和B^*中的元素如式式(31)所示。

改进后，增加和减少输出功率的能力如式(32)所示。

式中，P^up*(t)为N×1维矩阵，第m行的非负值元素表示1～m资源增加输出功率的能力；P^dn*(t)也为N×1维矩阵，第m行的非正值元素表示1～m资源减少输出功率的能力。

第三步：确定实际控制矩阵B^*

(i)当时，设j₁为满足的最大下标。

(ii)当时，

B^*＝B(34)

(iii)当时，设j₂为满足的最大下标。

因此，需求侧资源的输出功率可以由式(36)获取，更新后的需求侧资源的状态模型如式(37)所示。

算例仿真与结果分析

本实施例以IEEE-33节点配电网为算例[24]，来验证所提出的基于需求侧资源统一状态模型的负荷曲线平滑策略的有效性。各个负荷节点有10-40个用户[25]，并假设每个家庭安装有屋顶光伏，屋顶面积在[60,100]之间且光伏功率密度为100W/m²，光伏发电和用户负荷的数据参考UKGDS[26]。

每个用户电动汽车数量为1.86辆[27]，电动汽车的额定充放电功率为7kW[28]，其他参数，如电池容量、充放电效率、充电和出行时间、用户需求SOC、SOC的最大最小值等参考文献[29]。

假设每个用户都有热泵。热泵的额定功耗为6kW[30]，其他参数，如室外温度、室内温度上下限、热电阻和电容等参考文献[17]。

3-1)负荷曲线平滑控制效果

不考虑负荷曲线平滑策略时，分布式电源、电动汽车、温控负荷、不可控负荷和总负荷的输出功率如图6所示，总负荷的功率波动主要由分布式电源输出功率的随机性导致的。

因此，需要采用负荷曲线平滑控制策略来平抑负荷的功率波动，本实施例中假设每15分钟功率波动率的限制为10％，无控下总负荷、总负荷目标功率、控制后总负荷如图7所示，可以看出负荷的功率波动情况明显降低。然而从8:00到15:00时段内，实际负荷值不能准确跟随平滑化的负荷目标值，并且实际负荷值有时低于平滑化的负荷目标值，这些都是由输出功率增加的需求侧资源的响应能力到达了极限造成的。

无控和控制下的负荷功率波动率如图8所示，采用控制策略后，负荷的功率波动率保持在10％以下。

3-2)需求侧资源响应特性

无控和控制下分布式电源的输出功率如图9所示，控制后的分布式电源出力能够很好的追踪无控下的分布式电源出力，主要原因是，在负荷曲线平滑控制策略中，分布式电源是增加输出功率的首要手段，是减少输出功率的最后手段，因此能够有效的促进可再生能源的消纳吸收。

无控和控制下电动汽车的输出功率如图10所示，从8:00到15:00时段内，电动汽车输出功率波动大，主要原因是，电动汽车通过改变其与配电网的接入状态(充电、空闲、放电)。为增加输出功率，正在充电的电动汽车将停止充电甚至向电网放电，所以电动汽车的总输出功率存在大于零的时刻。而由于居民的电动汽车出行习惯具有一定的相似性，电动汽车充电负荷的出现峰值。

无控和控制下温控负荷的输出功率如图11所示，在5:00之前，控制后温控负荷输出功率几乎能够跟随无控下的输出功率，主要原因是，该段时间内负荷的功率波动小。在5:00之后，控制后温控负荷的输出功率不能跟随无控下的输出功率，主要原因是，温控负荷参与平抑负荷功率波动的控制。从15:00到17:00时段内，控制后温控负荷的输出功率接近0，主要原因是，为响应功率波动几乎所有的温控负荷都处于关断状态。然而，从18:00至19:00时段内，控制后温控负荷的输出功率出现峰值，主要原因是，由于室内温度不断下降，处于关断状态的温控负荷逐渐开启。

为进一步说明电动汽车在控制策略中的响应特性，无控和控制下电动汽车接入电网的SOC状态如图12所示，而当电动汽车出行时则没有给出出行过充中的SOC状态。从08:00到15:00时段内，大多数电动汽车处于出行状态，无法响应负荷的功率波动；从15:00到20:00时段内，大多数电动汽车出行结束并开始充电。在不考虑负荷曲线平滑控制策略下，充电过程不受影响，而控制后电动汽车SOC状态的变化过程明显不同，上升趋势的线条表示电动汽车正在充电，下降趋势的线条表示电动汽车正在放电，而水平趋势的线条表示电动汽车仅接入配电网且输出功率为零(空闲状态)。在负荷曲线平滑控制策略中，电动汽车的通过改变其接入状态来响应负荷波动

为进一步说明温控负荷在控制策略中的响应特性，无控和控制下温控负荷所处的室内温度如图13所示。上升趋势的线条表示室温上升且温控负荷处于开启状态，下降趋势的线条表示室内温度下降且温控负荷处于关断状态。由图13(a)可以看出，无控下室内温度在19℃～23℃之间规律地变化；由图13(b)可以看出，控制下的室内温度变化过程明显不同。为增加输出功率，室温较高且处于开启状态的温控负荷将优先被选择参与负荷平滑控制，而图11中温控负荷的输出功率在15:00到17:00时段内接近0，由图13(b)可以看出该时段内无温控负荷处于开启状态，则进一步说明这段时间内温控负荷响应能力受限的原因。

本发明在统一状态模型的基础上，利用负荷曲线平滑控制策略，配电网的负荷功率波动明显降低，同时在控制需求侧资源的输出功率过程中，保证了用户的用能舒适度。

尽管上面结合图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以作出很多变形，这些均属于本发明的保护之内。