考慮出力外特性的虛擬電廠多目標優(yōu)化調度

陳凱玲，顧聞，王海群

(國網上海市電力公司經濟技術研究院，上海 200233)

虛擬電廠(virtual power plant，VPP)是由不同類型的分布式能源組成的一種特殊的發(fā)電廠，亦是一個綜合的能源管理系統(tǒng)。虛擬電廠通過先進的通信技術及軟件系統(tǒng)，聚合分布式電源、儲能設備、電動汽車等分布式能源，并參與電力市場與電力系統(tǒng)運行[1]。虛擬電廠對所轄范圍內不同類型的能源發(fā)電進行管理和整合，具有與常規(guī)電廠相似的可調度性及可控制性[2]。因此，如何構建出具有常規(guī)電廠相似出力外特性的虛擬電廠優(yōu)化調度模型引起了人們的廣泛關注。

虛擬電廠作為聚集分布式電源的一種，其出力外特性表現(xiàn)為常規(guī)電廠出力特點的基礎是解決好其內部能源的調度方式。文獻[3]考慮虛擬電廠內部各發(fā)電單元的發(fā)電成本和可調度容量，建立評價各發(fā)電單元的適應度函數(shù)，提出了一種考慮各方共贏的均衡調度策略；文獻[4]將電動汽車引入虛擬電廠，考慮了其作為電源與負荷的雙重特性；文獻[5]建立了基于風光儲的虛擬電廠優(yōu)化調度模型；文獻[6] 對于虛擬電廠的出力外特性進行簡單描述，并沒有對各功率曲線進行詳細定義；文獻[7]令虛擬電廠的成本曲線與常規(guī)電廠相似，并沒有對其出力外特性做出具體描述。上述文獻并沒有考慮將虛擬電廠作為一個整體對外的輸出特性，與此同時，虛擬電廠的優(yōu)化運行需兼顧各分布式能源運營商的運行收益及對社會的環(huán)境效益，僅考慮其出力外特性是不夠全面和深入的。文獻[8]以運營收益最大、運行成本最小和棄能成本最低作為目標函數(shù)，構建了虛擬電廠多目標優(yōu)化調度模型；文獻[9]建立了考慮經濟性和快速性的虛擬電廠多目標優(yōu)化模型，并采用改進的遺傳算法進行求解?，F(xiàn)有文獻多數(shù)以經濟性和環(huán)保性為目標函數(shù)，研究虛擬電廠的最優(yōu)調度策略，對于出力外特性的研究并不充足，仍需要進一步的探索。

基于上述分析，本文對虛擬電廠出力外特性進行詳細定義，同時考慮虛擬電廠的出力外特性、經濟性和環(huán)保性，構建了虛擬電廠多目標優(yōu)化調度模型，對模型進行線性化后用GAMS軟件進行求解。通過算例驗證了所提模型的合理性，得到了不同方案下虛擬電廠的外特性曲線，并分析比較了不同目標函數(shù)對虛擬電廠運行特性的影響。

1 虛擬電廠的構成及其外特性

1.1 虛擬電廠的基本結構簡介

本文所研究的虛擬電廠基本結構如圖1 所示，其中主要的出力電源是可再生電源，包含分布式風電 (wind power, WP)以及分布式光伏 (photovoltaic, PV)，同時還考慮到儲能設備(energy storage system, ESS)和電動汽車(electric vehicle, EV)對優(yōu)化調度的影響。

1.2 虛擬電廠的出力外特性

虛擬電廠作為虛擬主體，亦作為一個“電廠”，其出力特性需向常規(guī)電廠靠攏，應盡可能的滿足調度對其的期望出力需求，如圖2所示。

a)目標功率曲線。目標功率曲線的規(guī)律是調度按照對可再生能源的預測值以及負荷曲線的用電規(guī)律(白天高、夜間低，出力平穩(wěn))確定的，也可稱之為“調度的期望出力”，即調度期望虛擬電廠的實際出力能按目標功率曲線來發(fā)出功率，以實現(xiàn)虛擬電廠類似常規(guī)電廠的功能。

圖1 虛擬電廠基本結構Fig.1 Basic structure of virtual power plant

圖2 虛擬電廠出力外特性示意Fig.2 External output characteristics of virtual power plant

b)基準功率曲線。基準功率曲線定義為虛擬電廠不采取調控手段時分布式電源聚合功率的估計值，出力特點主要與分布式電源的特性有關，具有隨機性、波動性、反調峰等特性。

c)實際出力曲線。實際出力曲線定義為在虛擬電廠聚合各式分布式電源后，通過優(yōu)化調度得到的虛擬電廠實際出力，出力特點與實際的優(yōu)化目標有關。

為此，虛擬電廠出力外特性表現(xiàn)為對調度需求的響應程度，實際出力越接近目標功率則響應程度越高，出力可靠程度越好，反之則出力可靠程度越低。虛擬電廠實際出力與基準功率的差可視為虛擬電廠提供的“產品”。

2 虛擬電廠多目標優(yōu)化調度模型

2.1 目標函數(shù)

本文構建的虛擬電廠優(yōu)化調度模型同時兼顧系統(tǒng)的出力外特性、運行收益和碳排放量，實現(xiàn)虛擬電廠在出力可靠、經濟效益、社會效益3個方面最優(yōu)化，3個目標函數(shù)如下：

a)最優(yōu)化虛擬電廠出力外特性。為了使得經調控后虛擬電廠實際出力接近調度端對其的期望出力，第一個目標函數(shù)f1設定為最小化虛擬電廠目標功率與實際出力之差，其表達式為：

(1)

(2)

b)最大化虛擬電廠運行收益。虛擬電廠需為參與聚合的分布式用戶提供收益，應考慮其運行性，因此第二個目標函數(shù)f2設定為最大化虛擬電廠運行收益，其表達式為

(3)

其中，

(4)

(5)

(6)

(7)

c)最小化虛擬電廠碳排放量。虛擬電廠的環(huán)境效益主要可以通過其碳排放量來體現(xiàn)[10-11]，因此第三個目標函數(shù)f3設定為最小化虛擬電廠二氧化碳排放量，其表達式如下：

(8)

2.2 約束條件

a)功率平衡約束為

(9)

b)儲能設備約束[12]為：

(10)

(11)

(12)

(13)

c)電動汽車約束為：

(14)

(15)

(16)

d)與主網交互功率限制為：

(17)

(18)

2.3 模型求解

根據(jù)前面對各元件的建模，最終得到的是一個混合整數(shù)非線性多目標優(yōu)化模型。針對非線性式(1)，可通過文獻[13]的線性化方法將絕對值函數(shù)進行線性化；針對多目標優(yōu)化問題，可通過歸一法和熵權法[14,15]，利用信息熵和各目標的熵權客觀地設置權重，將多目標模型轉化為單目標模型進行求解，具體過程見附錄A。

考慮到風光的隨機性，本文根據(jù)機會約束規(guī)劃理論將系統(tǒng)功率平衡表示成概率形式，并將概率模型轉化為確定性的表示形式[16]，將式(9)轉化成概率形式為

(19)

式中：Pprob為概率；β為虛擬電廠實際出力與電網交互功率之和滿足目標功率的置信水平。

對式(19)進行確定化處理，將其轉化為

(20)

(21)

式中Gw,t(·)為Fw,t(·)的反函數(shù)。

通過上述變換，式(19)轉換為式(21)，因此功率平衡問題也從概率模型變成了確定性優(yōu)化問題。

上述所有約束均為線性約束，已有成熟的求解算法，可采用線性規(guī)劃軟件如GAMS、CPLEX、LINGO等求解，本文采用GAMS對問題進行求解。

3 算例分析

3.1 基礎數(shù)據(jù)

本文虛擬電廠的運行參數(shù)在文獻[17-18]的基礎上做了一定的改進，見表1。主網和電動汽車的電價采用分時電價，電價的時段劃分如表2和表3所示。儲能設備和電動汽車滿足周期性不變原則[19]，即儲電量在運行完1個調度周期后仍能恢復到初始值；風電光伏不確定性模型采用正態(tài)分布，預測值如圖3所示，預測誤差的標準差取預測值的7%，置信水平取0.95。經計算，3個目標函數(shù)的權重w分別為0.327、0.325、0.347。

圖3 冬季典型日風光出力預測Fig.3 Typical daily wind/photovoltaic output forecast for winter

表1 虛擬電廠的運行參數(shù)Tab.1 Operation parameters of virtual power plant

表2 主網分時電價Tab.2 Mainframe timeshare price

表3 電動汽車上網分時電價[20]Tab.3 Electric vehicle timeshare price

為了對比不同優(yōu)化目標下虛擬電廠的運行特點，本文設置4種方案如下：

方案1：設定的目標函數(shù)為最小化虛擬電廠目標功率與實際出力之差。

方案2：設定的目標函數(shù)為最大化虛擬電廠運行收益。

方案3：設定的目標函數(shù)為最小化虛擬電廠二氧化碳排放量。

方案4：同時考慮虛擬電廠出力外特性、經濟性與環(huán)保性，以多目標為優(yōu)化目標。

3.2 優(yōu)化結果分析

4種方案日調度周期內的各項收益和成本見表4，由表4可以看出：方案1以接近目標出力曲線為目標函數(shù)，因此會犧牲經濟性，主要體現(xiàn)在虛擬電廠實際出力收益、電動汽車交互收益和購電成本；方案2雖然購電成本較低，但由圖4可知實際上其總的購電量最大，同時方案2的電動汽車交互收益最大，說明方案2因傾向于最大化收益，而盡可能根據(jù)合適的分時電價與主網進行交互；方案3以最小化污染物排放量為目標，其總購電量最小，但其運行經濟性最差；而方案4綜合考慮了出力外特性、經濟性和環(huán)保性多個目標，其總收益較方案1和3分別增加了10.01%和10.45%，僅低于方案2，其運行經濟性較好。

表4 各方案收益與成本對比Tab.4 Income and cost comparisons of different cases

圖4 各方案購電量與CO2排放量對比Fig.4 Comparisons of electricity purchase and CO2 emissions in different cases

進一步比較各方案的出力外特性(如圖5所示)，由圖5可以明顯看出，方案1、3、4的整體出力曲線相較于方案2更為平滑，且由表5可知，其批次之間的出力差平均值和對調度需求響應程度的差距較小，在運行可靠性方面遠優(yōu)于方案2。此外，由于本文的虛擬電廠未聚合常規(guī)機組，其主要出力來源于各可再生能源，在白天和夜間的過渡時期會較小，而那段時間的目標出力曲線會較大，因此即使是方案1也無法完全優(yōu)化至目標出力曲線，但也已經盡可能的滿足調度對其的出力需求，實現(xiàn)了虛擬電廠削峰填谷的作用。

虛擬電廠出力外特性的調節(jié)主要依靠儲能設備來實現(xiàn)，從圖6、7中可以看出，方案1、3、4傾向于在可再生能源出力較大時儲能，在其出力較小時放能，方案2更傾向于在電價較高時放能，較低時儲能；因此，方案1、3、4發(fā)揮了儲能設備削峰填谷的作用，方案2發(fā)揮了儲能設備的經濟性作用。

圖5 各方案出力外特性對比Fig.5 Comparisons of external output characteristics in different cases

綜上所述，考慮多目標優(yōu)化的方案4在運行可靠性和環(huán)保性這2個方面的表現(xiàn)十分接近于方案1和3，但其在經濟性上的表現(xiàn)優(yōu)于方案1和3，僅次于方案2，而方案2在可靠性和環(huán)保性上的表現(xiàn)較差。由此可以得出，綜合考慮多個目標的優(yōu)化調度方法能夠實現(xiàn)虛擬電廠的最優(yōu)運行。

表5 各方案運行可靠性對比Tab.5 Comparisons of operation reliability of different cases

圖6 各方案儲能設備儲電量對比Fig.6 Comparisons of power storage in different cases

圖7 各方案電動汽車儲電量對比Fig.7 Comparisons of power storage of electric vehicle in different cases

3.3 儲能裝置的影響分析

為分析儲能裝置的容量對于虛擬電廠優(yōu)化結果的影響，在最優(yōu)化虛擬電廠出力外特性的基礎上，設置單臺儲能裝置和2臺儲能裝置2種場景，優(yōu)化結果見表6。

由表6對比可知，在2倍容量和充放電速率差的基礎上，其優(yōu)化運行結果的差距極大，2臺儲能的運行可靠性遠高于單臺儲能，由此可以得知，儲能裝置的容量和充放電速率對于虛擬電廠出力外特性的影響較大。

表6 不同場景運行可靠性對比Tab.6 Comparisons of operation reliability of different scenes

4 結論

本文通過對風光儲以及電動汽車等分布式能源的聚合，構建了綜合考慮出力外特性、經濟性和環(huán)保性的虛擬電廠多目標優(yōu)化模型，通過算例分析表明：

a)通過構建虛擬電廠多目標模型可以獲得兼顧出力可靠、經濟效益、碳排放的最優(yōu)調度方案，實現(xiàn)了虛擬電廠的綜合效益最優(yōu)。

b)在虛擬電廠運行中考慮出力外特性，能夠有效優(yōu)化各分布式電源聚合后的出力曲線，充分發(fā)揮虛擬電廠的削峰填谷作用，實現(xiàn)各分布電源的友好并網。

c)在各類分布式電源的運行參數(shù)中，儲能設備的容量大小和充放電速率是影響虛擬電廠出力外特性的主要因素。