基于信息物理社會融合的新能源消納策略

陳梓瑜，朱繼忠，劉 云，范峻偉，藍(lán) 靜，張 樂

（華南理工大學(xué)電力學(xué)院,廣東省 廣州市 510641）

0 引言

隨著能源交易、政策機制和用戶行為等社會因素對于能源系統(tǒng)的重要性日益增加,能源發(fā)展不僅與自然科學(xué)相關(guān),社會科學(xué)也對能源系統(tǒng)的發(fā)展有著巨大的影響［1］。如今,信息物理系統(tǒng)（cyberphysical system,CPS）的概念已逐漸被擴展為信息物 理 社 會 系 統(tǒng)（cyber-physical-social system,CPSS）,它由信息網(wǎng)絡(luò)、物理系統(tǒng)和社會因素構(gòu)成。能源轉(zhuǎn)型與CPSS 密切相關(guān),被稱為信息物理社會能源系統(tǒng)（cyber-physical-social system in energy,CPSSE）［2］。另外,由于分布式能源交易市場的發(fā)展,擁有分布式電源的用戶參與電力交易,出現(xiàn)了具有售電/用電雙重角色的生產(chǎn)者和消費者,形成了主動管理其能源消耗、生產(chǎn)和存儲的用戶,這也體現(xiàn)了人類的行為與利益［3］。

由于風(fēng)力渦輪機、光伏等新能源發(fā)電的大規(guī)模發(fā)展,風(fēng)電和光電的消納水平也受到了越來越多的關(guān)注。近年來,國內(nèi)外不少學(xué)者開展了關(guān)于提升可再生能源消納水平的研究,并取得了豐富的研究成果。例如,文獻(xiàn)［4］介紹了一種提高可再生能源消納的儲能集群控制策略,通過優(yōu)化各集群與各節(jié)點的儲能功率,大幅提升了新能源消納的比例。文獻(xiàn)［5］提出了一個包含風(fēng)/水/光電陣列和儲能的集成系統(tǒng),該系統(tǒng)由數(shù)字信號處理器實現(xiàn),結(jié)果表明,該系統(tǒng)可以適應(yīng)負(fù)載的突然變化并增加間歇性可再生能源的消納。文獻(xiàn)［6-7］也表明新型儲能系統(tǒng)可以實現(xiàn)新能源更好的消納。然而,上述研究均只考慮了固定負(fù)荷。實際上,柔性負(fù)荷也越來越多地參與到電力系統(tǒng)的調(diào)度運行中。 電動汽車（electric vehicle,EV）是最常見的柔性負(fù)載之一,它可以主動參與電網(wǎng)運行控制,并與電網(wǎng)進行能量互動。大規(guī)模EV 一般通過聚合商的集聚成為一種靈活的存儲模型并進行有序充放電［8］。在文獻(xiàn)［9-10］中,EV 增加了電力系統(tǒng)的靈活性,不僅可以平抑間歇性新能源的功率波動,實現(xiàn)配電網(wǎng)經(jīng)濟與安全運行,還能提高對分布式電源的消納能力。

然而,以上研究未充分考慮通過激勵機制來鼓勵靈活負(fù)荷積極參與需求響應(yīng),這與社會因素相關(guān)。依據(jù)消費者心理學(xué)原理,可通過價格型需求響應(yīng)（price-based demand response,PDR）激勵用戶合理調(diào)節(jié)用電行為［11］,積極參與電力系統(tǒng)的優(yōu)化調(diào)度。在文獻(xiàn)［12-13］中,以滿足EV 正?；顒訛榍疤?研究通過分時電價和補貼機制來刺激EV 有序充放電策略,實現(xiàn)了降低負(fù)荷波動、減少充電成本和提升新能源消納的目標(biāo)。EV 聚合商可以通過主動管理與電網(wǎng)進行雙向傳輸,不僅可以降低其自身運行成本,還可以更好地整合新能源,緩解電力系統(tǒng)的壓力［14］。然而,這些研究沒有討論實時電價對經(jīng)濟優(yōu)化調(diào)度的影響。另外,化石能源的燃燒會排放大量CO2等溫室氣體,并導(dǎo)致全球氣候變暖的加劇。為此,中國在《巴黎協(xié)定》中表明,在2030 年實現(xiàn)碳排放強度下降60%～65%的目標(biāo)［15］。碳交易被公認(rèn)為是減少碳排放的有效方式之一［16］。火電廠作為電力行業(yè)的高碳排放來源,在碳交易中會產(chǎn)生一定的懲罰成本,新能源作為清潔能源,在碳交易中可獲取收益。因此,PDR 手段在促進低碳環(huán)保的同時可提升新能源消納［17］。

綜上所述,本文分析了基于CPSS 的新型電力系統(tǒng),研究了促進新能源消納的優(yōu)化調(diào)度模型。首先,構(gòu)建了一個由信息系統(tǒng)、物理系統(tǒng)和社會系統(tǒng)組成的CPSS 模型,這3 個部分通過蜂窩星形網(wǎng)絡(luò)的信息采集和傳送而緊密相連。然后,建立了基于CPS 和CPSS 的優(yōu)化調(diào)度模型,其中EV 聚合商作為靈活負(fù)載,通過PDR 激勵其積極參與電力系統(tǒng)的優(yōu)化調(diào)度。最后,通過GAMS 平臺對兩種模型進行建模,分析了它們的新能源消納水平、發(fā)電系統(tǒng)的運行和維護（operation and maintenance,OM）成本、碳交易成本和EV 聚合商的充電成本,對比驗證了基于CPSS 優(yōu)化模型的可行性和有效性。

1 CPSS 架構(gòu)

與CPS 相比,CPSS 的改進主要是考慮了人類社會空間的存在。首先,在每個優(yōu)化任務(wù)中由能源供應(yīng)商或能源需求用戶從物理系統(tǒng)中獲取相應(yīng)分布式設(shè)備的運行參數(shù)；然后,供應(yīng)商或用戶各自基于信息系統(tǒng)中的計算和通信系統(tǒng)的交互,通過與社會系統(tǒng)中其他主體的交流來做出各自的調(diào)度決策；最后,優(yōu)化調(diào)度方案被發(fā)送到每個分布式設(shè)備,以實現(xiàn)物理系統(tǒng)中的優(yōu)化控制。

1.1 CPSS 的結(jié)構(gòu)

圖1 展示了一個帶有風(fēng)光儲混合發(fā)電的CPSS框架。這個框架包含了信息系統(tǒng)、物理系統(tǒng)、社會系統(tǒng)和連接這3 個系統(tǒng)的通信系統(tǒng)［18］。信息系統(tǒng)提供基礎(chǔ)數(shù)據(jù)計算、存儲服務(wù)和各種應(yīng)用程序（調(diào)度、控制、規(guī)劃和配置）運行的平臺。電力二次系統(tǒng)對電力一次系統(tǒng)控制和保護的信息指令來自信息系統(tǒng)。在理想狀態(tài)下,信息系統(tǒng)的準(zhǔn)確信息流可引導(dǎo)物理系統(tǒng)實現(xiàn)更有效的優(yōu)化調(diào)度。物理系統(tǒng)反映了電力一次系統(tǒng)的結(jié)構(gòu),在本研究中,它是一個包含風(fēng)光儲混合發(fā)電的智慧能源系統(tǒng)。另外,還有配電網(wǎng)、智能電表和負(fù)載。在社會系統(tǒng)中,電力用戶、售電公司、發(fā)電廠和電網(wǎng)企業(yè)之間構(gòu)成了復(fù)雜的社會關(guān)系,并具有各自的利益目標(biāo)。在社會系統(tǒng)中,各個電力調(diào)度決策終端在開放式能量管理的交易下形成合作或者競爭的博弈關(guān)系［19］。此外,通信系統(tǒng)可以讓CPSS的每個部分都能有效地相互作用,這使得整個系統(tǒng)的聯(lián)系更加緊密,資源配置更加高效。其中,通信系統(tǒng)包含第4/第5 代無線通信網(wǎng)絡(luò)、光網(wǎng)絡(luò)、有線通信網(wǎng)絡(luò)、防火墻和互聯(lián)網(wǎng)。

1.2 CPSS 通信模型

為了在CPSS 框架中模擬EV 充放電的通信系統(tǒng),實現(xiàn)風(fēng)光儲混合發(fā)電系統(tǒng)的優(yōu)化調(diào)度,高可靠蜂窩星形網(wǎng)絡(luò)提供了一個理想的平臺［20］。CPSS 的通信結(jié)構(gòu)如圖2所示。網(wǎng)絡(luò)系統(tǒng)中的控制中心是中心節(jié)點,葉節(jié)點包括物理系統(tǒng)中的聚合商和社會系統(tǒng)中由各種EV 組成的利益聯(lián)盟。

圖2 CPSS 的通信網(wǎng)絡(luò)Fig.2 Communication network of CPSS

在下行過程中,控制中心通過蜂窩通信網(wǎng)絡(luò)將價格、決策等控制信息傳送給聚合商,聚合商再將信號傳送給聯(lián)盟,這是一個具有高度安全性和擴展性的過程。在上行過程中,聯(lián)盟的感應(yīng)和需求數(shù)據(jù),如實時負(fù)載和期望功率,以與下行過程相反的方向上傳到聚合商、再發(fā)送到控制中心。在通信系統(tǒng)中,各個節(jié)點可以高效應(yīng)對,從而促進互利共贏。在本研究中,社會系統(tǒng)中的EV 用戶與鄰居進行交流并形成利益聯(lián)盟。

2 基于CPSS 的優(yōu)化策略

由于風(fēng)光發(fā)電的波動性、間歇性和隨機性,其大規(guī)模接入電網(wǎng)具有很多的不確定性因素,并影響電力系統(tǒng)的安全穩(wěn)定運行［21］。風(fēng)光儲混合發(fā)電系統(tǒng)將風(fēng)光發(fā)電站與儲能電站集成,以充分利用儲能電站來減少風(fēng)光發(fā)電出力的不確定性。為提升新能源消納的水平,本文分別基于CPS 和CPSS 采用兩種策略對混合發(fā)電系統(tǒng)進行優(yōu)化,兩種優(yōu)化調(diào)度策略如圖3 所示。

圖3 基于CPS 和CPSS 的優(yōu)化調(diào)度策略Fig.3 Optimal scheduling strategies based on CPS and CPSS

模型A 是基于CPS 的策略,該模型考慮與信息系統(tǒng)和物理系統(tǒng)相關(guān)的因素。將物理系統(tǒng)的感應(yīng)和需求（實時負(fù)載和需求功率）上傳到信息系統(tǒng)的控制中心。信息系統(tǒng)主要包括對風(fēng)/光/火電功率和電網(wǎng)負(fù)荷數(shù)據(jù)的采集和預(yù)測,以及調(diào)度和控制指令的發(fā)布。物理系統(tǒng)涉及對儲能電站電池荷電狀態(tài)（state of charge,SOC）、風(fēng)/光/火電調(diào)度或發(fā)電功率以及電網(wǎng)安全的約束。

模型B 是基于CPSS 的策略,相比于模型A,模型B 還考慮了社會系統(tǒng)中的因素,能體現(xiàn)人的利益和行為。模型B 是基于模型A 構(gòu)建的,除社會因素以外,信息系統(tǒng)和物理系統(tǒng)是一致的。通過控制變量法,可體現(xiàn)考慮社會因素后對新能源消納的影響。模型B 基于CPSS,將控制信息（價格和政策信號）從信息系統(tǒng)的控制中心傳輸?shù)轿锢硐到y(tǒng)的聚合商,再傳輸?shù)缴鐣到y(tǒng)的聯(lián)盟。EV 聚合商是集中控制大量EV 的基礎(chǔ)設(shè)施,它可以響應(yīng)調(diào)度信號,將能量反饋給處于負(fù)荷高峰期的電網(wǎng)［22］。此外,在滿足EV 出行需求的前提下,EV 聚合商根據(jù)電力市場價格信號,可以通過合理的充放電方案獲取利潤。在模型B 中,網(wǎng)絡(luò)系統(tǒng)包含風(fēng)/光/火電調(diào)度或發(fā)電功率,可控負(fù)荷和不可控負(fù)荷數(shù)據(jù)的采集和預(yù)測,以及調(diào)度和控制指令的決策。物理系統(tǒng)包含對儲能電站和EV 電池SOC、風(fēng)/光/火電調(diào)度或發(fā)電功率,以及電網(wǎng)安全的約束。社會系統(tǒng)體現(xiàn)電價對各類EV在不同時間段充放電行為的影響,從而激勵可控負(fù)荷積極參與智慧能源系統(tǒng)的優(yōu)化調(diào)度。在本文中,社會系統(tǒng)的界定范疇以EV 的充電方式來劃分。在CPS 模型中,EV 以最大充電功率充電至滿電狀態(tài),這是一個無序充電的過程,它不考慮社會因素。在CPSS 模型中,通過實時電價激勵EV 進行有序充電,EV 的目標(biāo)為充放電成本最低,它考慮了社會因素。

在本研究中,模型A 和模型B 的電網(wǎng)調(diào)度、風(fēng)/光/火電、儲能電站和負(fù)載需求響應(yīng)的計劃出力均以風(fēng)電、光電和負(fù)載的超短期預(yù)測數(shù)據(jù)為基準(zhǔn)進行計算?；诟呔瘸唐陬A(yù)測,新型電力系統(tǒng)可以通過智能需求控制策略實時調(diào)整電力調(diào)度,從而提高能源效率和經(jīng)濟效益［23］。

3 考慮風(fēng)光消納的優(yōu)化調(diào)度模型

3.1 CPS 模型

在模型A 中,EV 聚合商的充放電行為不考慮社會因素的影響,即EV 聚合商作為不可控負(fù)荷。時段t的EV 聚合商的功率值P(t)等于此刻所有EV 的充電功率之和,且EV 用其最大充電功率P充電至最大SOC（滿電狀態(tài)）。

式中：P為第x輛EV 的最大充電功率；μ為所有EV 用戶數(shù)。

3.1.1 CPS 模型目標(biāo)函數(shù)

新能源消納的跟蹤計劃是可用的風(fēng)光功率遵循風(fēng)光儲混合發(fā)電系統(tǒng)的調(diào)度計劃。在一定的時間內(nèi),當(dāng)預(yù)測的新能源與風(fēng)光儲混合發(fā)電系統(tǒng)的計劃出力之間的誤差最小時,新能源消納最大。目標(biāo)函數(shù)是新能源消納量最大、發(fā)電系統(tǒng)OM 成本以及碳交易成本最低。將這3 個目標(biāo)線性組合為一個綜合目標(biāo),則模型A 的目標(biāo)函數(shù)是最小化的綜合目標(biāo)OA(t)。

式中：N為時段數(shù),N=96；ω1、ω2和ω3分別為3 個目標(biāo)的權(quán)重；ΔP(t)為時段t預(yù)測的新能源與風(fēng)光儲混合發(fā)電系統(tǒng)的計劃出力之間的誤差；P(t)和P(t)分別為時段t新能源出力的預(yù)測值和調(diào)度值；P(t)和P(t)分別為時段t風(fēng)力發(fā)電和光伏發(fā)電的預(yù)測值；P(t)和P(t)分別為時段t風(fēng)力發(fā)電和光伏發(fā)電的調(diào)度值；P(t)和P(t)分別為時段t儲能電站的充電和放電功率值；CG(t)為時段t發(fā)電系統(tǒng)的OM 成本；CCT(t)為時段t火電機組的碳交易成本。發(fā)電系統(tǒng)的OM 成本CG(t)來自風(fēng)力發(fā)電站、光伏發(fā)電站、火力發(fā)電站和儲能電站,如式（6）所示。

式中：m、m、m和m分別為風(fēng)力發(fā)電站、光伏發(fā)電站、火力發(fā)電站和儲能電站的OM 成本系數(shù)；C(t)、C(t)、C(t)和C(t)分 別 為 時 段t風(fēng)力發(fā)電站、光伏發(fā)電站、火力發(fā)電站和儲能電站的OM 成本值；PTM(t)為時段t火力發(fā)電機的有功輸出；Δt為時間間隔。

發(fā)電系統(tǒng)的碳交易成本來自高碳機組,即常規(guī)火電機組。在碳交易中,將碳排放權(quán)作為一種商品。各發(fā)電機組按照碳交易機制獲得一定的初始配額,在運行中超出配額的部分需要進行懲罰（購買額外碳排放權(quán)）,而排放不足配額的剩余部分可以進行售賣并獲得收益。本文碳排放配額的分配模型采用基準(zhǔn)線法,火力發(fā)電機組碳排放配額計算公式為：

式中：DCT(t)為時段t火力發(fā)電機組所分配得到的免費碳排放配額,單位t；λ為發(fā)電機組單位有功出力的碳排放配額分配率,單位t/（MW·h）。

火力發(fā)電機組的碳排放強度與發(fā)電機組的有功出力有關(guān),可表示為：

式中：ECT(t)為時段t發(fā)電機組的碳排放量；γ為發(fā)電機組有功出力的碳排放強度系數(shù),單位t/（MW·h）。因此,時段t火力發(fā)電機組的碳交易成本CCT(t)如式（13）所示。

式中：mCO2為碳交易價格。CCT(t)＞0 時,發(fā)電機組需要購買額外的碳排放權(quán),會產(chǎn)生碳排放成本；CCT(t)＜0 時,發(fā)電機組有多余的碳排放配額,可通過出售獲取收益。

3.1.2 CPS 模型約束條件

1）潮流和網(wǎng)絡(luò)約束

假設(shè)在有M條母線的電網(wǎng)中,支路ij的功率從節(jié)點i流向節(jié)點j,本文用DistFlow 潮流模型［24］描述網(wǎng)絡(luò)潮流約束,則在時段t模擬的潮流方程如式（14）—式（16）所示。

式中：Pij(t)和Qij(t)分別為時段t支路ij傳輸?shù)挠泄蜔o功功率；Pj(t)和Qj(t)分別為時段t節(jié)點j注入的有功和無功功率；Vi(t)和Vj(t)分別為時段t節(jié)點i和節(jié)點j的電壓幅值；rij和xij分別為時段t支路ij的電阻和電抗。

由于風(fēng)力和光伏發(fā)電通常設(shè)計為在單位功率因數(shù)下運行,故其僅提供有功功率,本研究中不考慮無功功率。支路ij的傳輸功率限值和節(jié)點i的電壓幅值約束為：

式中：P為支路ij傳輸功率的上限；V和V分別為節(jié)點i的電壓幅值的最小值和最大值。

支路ij在時段t的線路損耗P(t)可以表示為：

本文電力網(wǎng)絡(luò)包含風(fēng)光儲混合發(fā)電系統(tǒng)的有功輸出PCG(t)、火力發(fā)電機組的有功輸出PTM(t)、EV聚合商的負(fù)載PAG(t)和電力系統(tǒng)中的固定負(fù)載PD(t)。

2）儲能電站約束

由于儲能電站蓄電池充放電功率和儲能容量的限制,儲能電站充放電的具體約束如下：

式中：P和P分別為儲能電站最大的充電功率和放電功率；二進制變量UES(t)表示儲能電站在時段t的狀態(tài)（取1 表示充電狀態(tài)、取0 表示其他狀態(tài)）；S和S分別為儲能電站SOC 的最小值和最大值。

儲能電站在時段t的SOC 值SES(t)被定義為儲能電站時段t的電池剩余電量EES(t)與額定容量E的比值,如式（23）所示。

式中：ΔSES(t)為時段t電池電量的變化,正數(shù)表示儲能電站處于充電狀態(tài),負(fù)數(shù)表示處于放電狀態(tài)；ηchES和η分別為儲能電站電池的充電和放電效率。

3）發(fā)電站約束

風(fēng)力發(fā)電機組的約束函數(shù)為：

光伏發(fā)電機組的約束函數(shù)為：

火力發(fā)電機組的約束函數(shù)為：

式中：P和P分別為火力發(fā)電機組出力的最小值和最大值。

4）功率平衡約束

式中：P(t)為時段t電力系統(tǒng)總的功率損耗。

5）變壓器容量約束［25］

式中：Pt(t)為時段t電力系統(tǒng)中公共連接點處變壓器容量,P為其最大值。

3.2 CPSS 模型

在模型B 中,EV 聚合商可以進行價格需求響應(yīng),其負(fù)荷是可控的。在一個利益聯(lián)盟中,EV 可以通過參與電力系統(tǒng)的優(yōu)化調(diào)度來獲得收益。EV 聚合商作為可控負(fù)荷時,其功率表達(dá)式為：

式中：P(t)和P(t)分別為時段t聯(lián)盟中第x輛EV 的充電功率和放電功率。EV 聚合商的額定容量可以表示為：

式中：E(t)為時段t第x輛EV 的額定容量。

EV 聚合商的額定容量隨著不同時間停留的EV 的數(shù)量和種類而變化。EV 聚合商時段t的剩余容量為：

式中：SEVx(t)為時段t第x輛EV 的SOC。

3.2.1 CPSS 模型目標(biāo)函數(shù)基于CPSS 融合的優(yōu)化調(diào)度模型的目標(biāo)函數(shù)為新能源消納最大,以及發(fā)電系統(tǒng)的OM 成本、碳交易成本和可控負(fù)荷的運行成本最低。這4 個目標(biāo)被線性組合成一個綜合目標(biāo),則模型B 的目標(biāo)函數(shù)是最小化綜合目標(biāo)OB(t)：

式中：ω4為第4 個目標(biāo)的權(quán)重。一般來說,權(quán)重不是固定值,它取決于實際需求的占比。時段t可控負(fù)荷運行成本CD(t)是EV 聚合商充電支出C(t)與放電收入C(t)之差。

式中：m(t)和mt)分別為時段t聚合商充電和放電的實時電價。

3.2.2 CPSS 模型約束條件

1）EV 充放電功率約束

第x輛EV 的充電和放電功率限制為：

式中：P為第x輛EV 的最大放電功率；二進制變量UEVx(t)表示時段t第x輛EV 的充放電狀態(tài)（取1 表示充電狀態(tài)、取0 表示其他狀態(tài)）。

2）EV 充放電容量約束

時段t第x輛EV 的SOC 為其剩余容量EEVx(t)與額定容量E的比值,即

式中：S和S分別為第x輛EV 電池SOC 的下限和上限；S為第x輛EV 離開聚合商時必須達(dá)到的SOC 上限（滿電狀態(tài)）。

式中：ΔSEVx(t)為時段t第x輛EV 的電量變化,正數(shù)和負(fù)數(shù)分別表示充電和放電；η和η分別為第x輛EV 的充電和放電效率。

4 算例分析

模型A 和模型B 是混合整數(shù)規(guī)劃（mixedinteger programming,MIP）問題。兩個模型均搭建在GAMS 平臺并在IEEE 33 節(jié)點系統(tǒng)上進行測試,采用CPLEX 20.1 進行求解?；鹆Πl(fā)電機組、風(fēng)光儲混合發(fā)電系統(tǒng)、EV 聚合商和不可控負(fù)荷分別位于母線{0,1,18,22} 上。 所有算例均在配備3.00 GHz、i7-9700 CPU、16 GB RAM 和 64 位Windows 的臺式計算機上實現(xiàn)和運算。

4.1 算例參數(shù)

風(fēng)光發(fā)電和固定負(fù)載的預(yù)測數(shù)據(jù)來自Elia 集團［26］,其中風(fēng)光發(fā)電的預(yù)測值如附錄A 圖A1 所示。EV 聚合商充電和放電的實時電價如圖A2 所示,放電價格從某售電公司獲得,并假設(shè)每個時段的充電價格為相應(yīng)時段放電價格的1.1 倍。在用電高峰時段,如時段40 和60 的電價較高；在用電低峰時段,如時段20 的電價較低。

聚合商中3 種EV 的類型、數(shù)量和停車時間［27-28］如表1 所示。另外,在一定時間內(nèi),當(dāng)所有EV 選擇合理的充放電行為時,它們的集體行為可以有效地優(yōu)化系統(tǒng)性能［29］,即單個行為并不能起到有效作用。因此,在同一時段內(nèi),聚合商內(nèi)所有EV 的充放電狀態(tài)統(tǒng)一設(shè)置。CPSS 內(nèi)的詳細(xì)參數(shù)［30-32］如表2所示,表中：下標(biāo)EVA、EVB、EVC 分別表示對應(yīng)標(biāo)簽EV 的參數(shù)。

表1 EV 的種類、數(shù)量和?？繒r段Table 1 Types, number and parking periods of EVs

表2 CPSS 的參數(shù)Table 2 Parameters of CPSS

4.2 基于CPS 模型的優(yōu)化結(jié)果分析

模型A 是基于CPS 的優(yōu)化調(diào)度運行,考慮到消納新能源是主要的目標(biāo),其目標(biāo)函數(shù)的權(quán)重ω1、ω2和ω3分別被設(shè)為0.6、0.2 和0.2。計算該模型結(jié)果的收斂時間為23 s。

如附錄A 圖A3 所示,風(fēng)力發(fā)電和光伏發(fā)電的調(diào)度值分別在時段87 和55 達(dá)到最大,因為風(fēng)能和光能分別在夜晚和中午左右最強,這樣的調(diào)度計劃可以消納較多的新能源。在時段41 前,因新能源不夠充裕,火力發(fā)電的出力較多。從時段42 開始,新能源逐漸充足,火力發(fā)電的出力逐漸減少并在大多數(shù)時段處于最小值。因為火力發(fā)電的OM 成本較高,并且存在碳交易費用,這樣也有利于新能源的消納。

附錄A 圖A4 顯示了CPS 中的負(fù)載變化情況。系統(tǒng)中的固定負(fù)載值在時段16 后逐漸增加并保持較高水平,然后在時段71 后逐漸降低。靈活負(fù)載來自EV 聚合商。聯(lián)盟中的3 種EV 分別在不同時刻駛?cè)刖酆仙?它們通過最大充電功率充電,在達(dá)到各自的最大SOC 值時停止充電。

附錄A 圖A5 所示為CPS 模型中儲能電站各時段的充/放電功率和SOC 的值。因為新能源不足,儲能電站在時段41 前只進行放電,除了依靠上層電網(wǎng)購入的火電,儲能電站也需出力來維持系統(tǒng)的穩(wěn)定運行。從時段47 開始充電來存儲多余的新能源,以提升其消納水平。儲能電站電池的SOC 始終位于0.900～0.150。

4.3 基于CPSS 模型的優(yōu)化結(jié)果分析

模型B 是基于CPSS 的優(yōu)化調(diào)度運行。EV 聚合商需考慮社會因素,作為可控負(fù)荷,其受實時電價影響。為比較EV 充放電行為在考慮社會因素前后對消納新能源的差別,其目標(biāo)函數(shù)的權(quán)重ω1、ω2、ω3和ω4分別被設(shè)為0.4、0.2、0.2 和0.2。與CPS 模型相比,保持OM 成本和碳交易的比例不變,將跟蹤誤差的部分占比轉(zhuǎn)移到可控負(fù)荷的成本上。通過電價對EV 聚合商的激勵,促使EV 用戶積極參與系統(tǒng)的優(yōu)化調(diào)度運行。計算該模型結(jié)果的收斂時間為29 s。

如附錄A 圖A6 所示,由于夜晚的風(fēng)能和正午的光能較強,風(fēng)力發(fā)電和光伏發(fā)電的調(diào)度值在時段96 和54 分別達(dá)到最大值。另外,由于火力發(fā)電比起新能源的OM 成本較高,并存在碳交易費用,隨著新能源逐漸充足,火力發(fā)電在時段55 之后相比于其之前時段出力較少。如圖A6 所示,在時段62～66,作為靈活負(fù)載的EV 聚合商對電網(wǎng)進行持續(xù)放電,而因電網(wǎng)需求有限,風(fēng)力、光伏和火力發(fā)電在時段62～66 的出力都較低。

圖4 所示為利益聯(lián)盟中的EV 在聚合商中的充/放電功率和EV 聚合商SOC 的變化情況。在受到實時電價的影響后,EV 進行有序的充放電。在時段1～32,出租車停留在聚合商站,其SOC 從0.500逐漸增加到0.823,在時段25 達(dá)到EV 電池SOC 的最大值并在時段32 以滿電狀態(tài)離開聚合商。貨車在時段33～80 停留在聚合商站,起初進行小幅度的放電,然后開始持續(xù)進行充電,接著又切換到放電狀態(tài)一段時間,最后保持充電狀態(tài)直至離開聚合商。貨車的SOC 從0.400 逐漸減少到0.358,然后逐漸增加,在時段56 增加到最大值0.900 后從時段62 開始又逐漸減少至0.573,并從時段69 開始保持充電狀態(tài)至最后在時段80 達(dá)到滿電狀態(tài)離開聚合商。私家車從時段81 進入聚合商站,在時段90 開始充電至SOC 達(dá)到0.757,接著繼續(xù)停留并持續(xù)充電,并在次日的時段18 達(dá)到SOC 最大值,最后在時段32 離開聚合商。所有EV 的SOC 均保持在0.300～0.900。

圖4 CPSS 模型中EV 聚合商的充放電功率和SOCFig.4 Charging/discharging power and SOC of EV aggregator in CPSS model

附錄A 圖A7 所示為CPSS 模型中儲能電站的充放電功率和電池SOC 在各時段的變化情況。在時段30 左右,由于固定負(fù)載增加和新能源不足,電池處于放電狀態(tài)來維持系統(tǒng)的穩(wěn)定運行。隨著新能源逐漸充足,在時段56 后電池開始處于充電狀態(tài)。由于儲能電站的充放電價格不受實時電價的影響,這樣既可考慮優(yōu)化調(diào)度的經(jīng)濟性,又有利于新能源的消納。儲能電站的SOC 始終處于0.900～0.150。

4.4 CPS 和CPSS 模型的性能比較

風(fēng)光儲混合發(fā)電系統(tǒng)在時段t的實際調(diào)度誤差為風(fēng)力和光伏發(fā)電的實際值與風(fēng)光儲混合發(fā)電系統(tǒng)調(diào)度值之間的差,其中實際值也來自Elia 集團。另外,在主動配電網(wǎng)與電力系統(tǒng)之間的變壓器容量內(nèi),電力系統(tǒng)可以及時地給配電網(wǎng)提供出力補償和存儲適量的新能源。因此,新能源的丟棄值為：

如圖5 所示,基于CPS 和CPSS 兩種優(yōu)化調(diào)度模型得到的新能源丟棄量有明顯差異?；贑PS模型優(yōu)化調(diào)度的新能源消納量在各個時段都不高于基于CPSS 模型的消納量。尤其在時段33～41 中,前者丟棄了大量的新能源,而后者通過PDR 實現(xiàn)了EV 聚合商與電力系統(tǒng)之間的有序充放電操作,使得新能源的消納水平有顯著優(yōu)勢。

圖5 兩種模型的新能源丟棄值Fig.5 Renewable energy curtailment values in two models

表3 所示為基于CPS 和CPSS 優(yōu)化調(diào)度模型的各個子目標(biāo)的績效對比。在考慮了社會因素的情況下,不僅是新能源的消納量和EV 聚合商的充電成本得到了大幅優(yōu)化,發(fā)電系統(tǒng)的OM 成本和碳交易成本也得到了改善。這對于電力系統(tǒng)、分布式發(fā)電站、EV 用戶和自然環(huán)境來說是互利共贏的。

表3 基于CPS 和CPSS 模型的優(yōu)化績效對比Table 3 Comparison of optimization performance based on CPS and CPSS models

5 結(jié)語

本文對基于CPSS 的新能源消納策略進行了研究。首先,介紹了包含風(fēng)光儲混合發(fā)電的CPSS 結(jié)構(gòu),通過高可靠性的蜂窩星形網(wǎng)絡(luò)的信息采集和傳遞,各個系統(tǒng)之間緊密相連。然后,構(gòu)建了促進新能源消納和新型電力系統(tǒng)經(jīng)濟穩(wěn)定運行的優(yōu)化調(diào)度模型。在社會系統(tǒng)中,構(gòu)建EV 聚合商的充放電模型,通過充電成本來激勵EV 積極參與電力系統(tǒng)的優(yōu)化調(diào)度。另外,還考慮了減少碳排放對提升新能源消納的協(xié)同作用。最后,通過具體算例進行仿真分析,得出了以下結(jié)論：

1）由于受到充電成本的激勵,EV 聚合商積極參與了電力系統(tǒng)的優(yōu)化調(diào)度。EV 有序充放電不僅可以減少EV 的充電成本,還可以促進新能源的消納量。

2）將碳交易機制引入傳統(tǒng)經(jīng)濟調(diào)度中,把火力發(fā)電產(chǎn)生的碳排放對環(huán)境的影響通過碳排放成本來進行數(shù)字量化,從而有效減少了火力發(fā)電的占比,在減少碳排放的同時,提升了新能源的消納量,并兼顧了電力生產(chǎn)的經(jīng)濟性。

3）CPSS 在能源中的應(yīng)用是未來的發(fā)展趨勢。在信息、物理和社會系統(tǒng)的深度融合下,新型電力系統(tǒng)可以同時保持更加經(jīng)濟、清潔和穩(wěn)定的運行,有利于全面提高能源或電力系統(tǒng)的管理和運行水平。

本文主要針對信息、物理、社會系統(tǒng)融合后的效果進行研究,其中社會系統(tǒng)模型構(gòu)建的特征有限,下一步的研究中將考慮更多社會因素及其不同比例對新能源消納的影響。

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。