考慮需求響應(yīng)的虛擬電廠雙層優(yōu)化調(diào)度

楊 秀，杜楠楠，孫改平，方 晨，田英杰

(1.上海電力大學(xué)電氣工程學(xué)院，上海 200082；2.國網(wǎng)上海市電力公司電力科學(xué)研究院，上海 200080)

隨著人民生活水平的提高，電力需求量不斷加大，為緩解化石能源的緊張，可再生能源發(fā)電受到了廣泛關(guān)注。另外，中國大多數(shù)地區(qū)用電尖峰時間短且峰值高，為短暫的“尖峰”時刻增加發(fā)電設(shè)備會加大電力系統(tǒng)的發(fā)電成本，增添不必要的經(jīng)濟損耗。從需求側(cè)管理用戶負荷是一種有效緩解尖峰用電，實現(xiàn)削峰填谷的方法。然而，大部分用戶負荷分布分散，難以直接作為需求側(cè)資源參與電網(wǎng)調(diào)度，且新能源發(fā)電機組出力波動性較大，直接并入電網(wǎng)會影響電力系統(tǒng)的穩(wěn)定性。虛擬電廠(virtual power plant，VPP)技術(shù)可通過先進的通信和控制技術(shù)集中管理可控負荷(dispatchable loads，DL)和分布式電源(distributed generation，DG)，并通過合理的優(yōu)化算法使其作為一個整體參與電力系統(tǒng)的調(diào)配，減小峰谷差，同時促進消納可再生能源，減少化石燃料的使用，提高環(huán)境質(zhì)量[1-3]。

VPP可聚合需求側(cè)資源，通過減小高峰時期用電量，形成虛擬出力，與可再生能源發(fā)電機組一起參與電網(wǎng)的削峰填谷，提高VPP的收益。目前，國內(nèi)外學(xué)者從需求側(cè)對VPP的優(yōu)化調(diào)度進行了一定研究。文獻[4]提出了含有需求響應(yīng)VPP的風(fēng)電并網(wǎng)系統(tǒng)，通過建立激勵型需求響應(yīng)VPP模型增強系統(tǒng)調(diào)度的靈活性，有利于促進風(fēng)電的消納；文獻[5]將風(fēng)機、光伏和電動汽車等集結(jié)成VPP，驗證了價格型需求響應(yīng)能夠平緩用電負荷曲線，電動汽車和激勵型需求響應(yīng)能夠增加VPP運營收益。

未來，隨著大規(guī)?？稍偕茉捶稚⒔尤?，其波動性大且容量小、為電力系統(tǒng)穩(wěn)定運行帶來極大困難。文獻[6]通過建立VPP聯(lián)合調(diào)度運行中心，將風(fēng)機、儲能設(shè)備和發(fā)電機組等效為一個聯(lián)合發(fā)電系統(tǒng)參與電力市場調(diào)度，優(yōu)化協(xié)調(diào)內(nèi)部各DG的運行，提高了DG的整體競爭力；文獻[7]考慮了電動汽車的充電特性，將電動汽車視為靈活的儲能裝置，構(gòu)建了含有電動汽車和風(fēng)光發(fā)電機組的VPP模型，有效減小了它們并網(wǎng)時帶來的沖擊，但未考慮需求側(cè)資源的調(diào)度作用；文獻[8]利用碳捕集機組調(diào)整出力速率快的特性將碳捕集機組與風(fēng)電機組聚合成VPP，減小了風(fēng)電出力的波動性。綜上，VPP將不同類型的DG聚合在一起可有效平抑新能源出力的波動，增大新能源發(fā)電機組的利用率。

大多數(shù)文獻只是將需求側(cè)管理作為輔助來促進可再生能源的消納，對同時考慮需求側(cè)和發(fā)電側(cè)利益的研究較少。然而，單純的發(fā)電側(cè)或需求側(cè)的調(diào)度已無法滿足電力系統(tǒng)穩(wěn)定運行的需求，本文在上述研究基礎(chǔ)上建立需求側(cè)與發(fā)電側(cè)相結(jié)合的VPP雙層優(yōu)化模型。

1)建立上層商業(yè)層虛擬電廠(commercial virtual power plants，CVPP)和下層技術(shù)型虛擬電廠(technical virtual power plant，TVPP)的雙層調(diào)度模型，CVPP管理用戶負荷，以用戶側(cè)收益最大為目標(biāo)，下層模型在滿足上層調(diào)度結(jié)果的基礎(chǔ)上以DG出力成本最小為目標(biāo)進行優(yōu)化，可同時兼顧需求側(cè)和發(fā)電側(cè)的利益。

2)CVPP對所轄用戶負荷擁有自主定價權(quán)，并將所管控的DL分類，在制定的分時電價基礎(chǔ)上對各類DL進行優(yōu)化，制定不同的調(diào)度策略，綜合利用價格型和激勵型需求響應(yīng)的調(diào)度作用。

3)TVPP管理風(fēng)光燃儲聯(lián)合發(fā)電系統(tǒng)，涉及DG類型全面，并引入棄風(fēng)棄光懲罰，提高風(fēng)機光伏的利用率。

1 VPP的架構(gòu)和管理模式的構(gòu)建

VPP的運營與外部電力市場的價格波動和內(nèi)部負荷需求以及DG的出力特性息息相關(guān)。本文結(jié)合國內(nèi)外VPP的發(fā)展趨勢和實際運營情況，對VPP的內(nèi)部結(jié)構(gòu)和管理模式進行合理架構(gòu)。

1.1 VPP的架構(gòu)

VPP的架構(gòu)如圖1所示。上層CVPP管控的負荷包括小型工商業(yè)和居民負荷，這些負荷可分為基礎(chǔ)負荷和DL。基礎(chǔ)負荷指不參與控制中心的調(diào)度，保持正常用電的負荷；DL指與CVPP控制中心簽訂合約，可接受控制中心調(diào)度的負荷。下層TVPP控制中心所管控的DG包含風(fēng)電機組、光伏機組、微型燃氣輪機和蓄電池。

圖1 VPP的架構(gòu)Figure 1 Architecture of VPP

1.2 VPP的管理模式構(gòu)建

CVPP的主要作用是管理用戶負荷，平衡與電力市場的交易。對于內(nèi)部簽約用戶，CVPP將制定分時電價以減小用戶負荷峰谷差。由于電力市場競爭激烈，定價過高會導(dǎo)致用戶流失，因此，CVPP需綜合考慮VPP運行情況、各時段運行成本、用戶需求等多個因素，合理制定內(nèi)部用戶售電電價[9]。

為降低VPP的運營成本和新能源并網(wǎng)風(fēng)險，假設(shè)CVPP中50%負荷由CVPP在日前市場與電力供應(yīng)商簽訂合同購買，其余50%負荷由TVPP提供。當(dāng)DG出力成本較高或剩余負荷大于DG出力時，CVPP將在實時市場購買電量，調(diào)度DL。當(dāng)剩余負荷小于DG出力時，VPP中的多余電量由CVPP在實時市場中進行出售。

TVPP負責(zé)監(jiān)控內(nèi)部DG的運行狀態(tài)，制定DG出力計劃。在優(yōu)化之前，各DG向TVPP控制中心提交自身的出力信息，并接受控制中心的調(diào)度。當(dāng)TVPP發(fā)現(xiàn)DG的運行存在風(fēng)險或不滿足出力計劃時，會及時做出調(diào)整。

本文采用雙層調(diào)度模式，首先，上層CVPP結(jié)合實時市場電價、日前負荷預(yù)測信息和DG的預(yù)測出力制定用戶售電價，調(diào)節(jié)DL，并向下層傳達TVPP計劃發(fā)電量。TVPP接收到CVPP的指令后，以CVPP的優(yōu)化結(jié)果為約束制定各DG的發(fā)電量，計算發(fā)電成本，并將優(yōu)化后的發(fā)電信息傳遞給上層CVPP。若TVPP難以滿足上層CVPP的指令，CVPP將重新進行優(yōu)化，制定新的優(yōu)化策略，下達新的指令，以達到新的平衡。上層CVPP與下層TVPP進行信息的交互，確定最終的CVPP調(diào)度計劃和TVPP的出力計劃，實現(xiàn)VPP的收益最大化[10-11]。

2 VPP的優(yōu)化調(diào)度模型

2.1 需求側(cè)響應(yīng)建模

根據(jù)消費者心理學(xué)原理，制定合理的分時電價可以改變用戶用電行為，用自彈性系數(shù)表示電價變化率對負荷變化率的影響[12]：

δΔq.t=εttδΔp.t

(1)

式中εtt為t時段自彈性系數(shù)；δΔq.t為t時段負荷響應(yīng)率；δΔp.t為t時段電價變化率。

制定分時電價后t時段CVPP中用戶用電量為

(2)

CVPP所管控的DL分為可平移、可削減和可轉(zhuǎn)移負荷。

1)可削減負荷。在用電高峰時段可減少用電的負荷，該類負荷用電時間穩(wěn)定，削減量較小，補償價格較高，如空調(diào)、照明設(shè)備等。可削減負荷t時段的補償費用為

(3)

2)可轉(zhuǎn)移負荷。該類負荷可靈活調(diào)節(jié)用電時間段和該時段的用電量，屬于避峰型負荷，如電動汽車可改變它的充電功率和充電時間。可轉(zhuǎn)移負荷t時段的補償費用為

(4)

3)可平移負荷?？善揭曝摵傻挠秒娞匦砸笥秒姇r間連續(xù)且用電量不變，只能將某段時刻的負荷整體平移到另外一個時段[13-15]，如洗衣機、制冰機?？善揭曝摵蓆時段的補償費用為

(5)

2.2 上層CVPP優(yōu)化模型

2.2.1 目標(biāo)函數(shù)

(6)

2.2.2 約束條件

1)售電電價約束。

(7)

2)考慮到用戶滿意度，對可削減負荷的削減量和削減次數(shù)進行約束：

(8)

3)可轉(zhuǎn)移負荷約束。

假設(shè)可轉(zhuǎn)移負荷的原運行時段為[t1,t2]，轉(zhuǎn)移后的區(qū)間為[t1-,t2+]，因某些可轉(zhuǎn)移負荷設(shè)備不能頻繁啟停，為防止用電設(shè)備轉(zhuǎn)移為多個分散的時間段，對設(shè)備的轉(zhuǎn)移時間和轉(zhuǎn)移功率進行約束。

(9)

4)可平移負荷約束。

設(shè)可平移負荷的原用能時間區(qū)間為[t3,t4]，轉(zhuǎn)移后的用能區(qū)間為[t3-,t4+]，可平移負荷的約束條件為

(10)

5)功率平衡約束。

(11)

2.3 下層TVPP優(yōu)化模型

2.3.1 目標(biāo)函數(shù)

求解上層調(diào)度模型后可以得到以VPP收益最大為目標(biāo)的優(yōu)化結(jié)果，以滿足上層調(diào)度結(jié)果中的TVPP出力作為約束條件，以TVPP發(fā)電成本最小為目標(biāo)建立目標(biāo)函數(shù)，即

minFTVPP=

(12)

式中FTVPP為整個調(diào)度周期內(nèi)下層TVPP的出力成本；Fge.j.t為t時段第j臺微型燃氣輪機的運行成本；Fw.t為t時段風(fēng)電機組的發(fā)電成本；Fs.t為t時段光伏機組的發(fā)電成本；Fen.t為t時段蓄電池的運行成本。

1)微型燃氣輪機的發(fā)電成本。

(13)

式中Pge.j.t為t時段第j臺燃氣輪機的發(fā)電功率；age.j、bge.j、cge.j為第j臺燃氣輪機的發(fā)電耗量特性參數(shù)，與燃氣輪機的性能和能耗有關(guān)。

(14)

(15)

4)蓄電池的發(fā)電成本。

Fen.t=aen|Pen.t|2+ben|Pen.t|+cen

(16)

式中Pen.t為t時段蓄電池的存放功率，當(dāng)Pen.t為正時，蓄電池發(fā)電，當(dāng)Pen.t為負時，蓄電池儲能；aen、ben、cen為蓄電池功率參數(shù)，與蓄電池的耗量特性有關(guān)。

2.3.2 約束條件

1)功率平衡約束。

(17)

2)燃氣輪機的運行約束。

發(fā)電功率約束：

(18)

燃氣輪機的爬坡速率約束：

(19)

3)風(fēng)機和光伏機組的出力約束。

(20)

4)蓄電池約束。

蓄電池的容量約束：

(21)

式中E0為蓄電池的初始容量；Emin、Emax分別為蓄電池容量的下限和上限。

充、放電速率約束：

(22)

蓄電池在運行過程中只能充電或者放電，對蓄電池的運行狀態(tài)進行約束：

X+Y≤1

(23)

其中，X=1表示蓄電池處于放電狀態(tài)，Y=1表示處于充電狀態(tài)。

為保障電池的使用壽命，對充、放電次數(shù)進行約束：

(24)

其中，N2、N3分別表示一天中蓄電池放、充電次數(shù)的上限。

若使蓄電池在每一個運行周期初始狀態(tài)相同，則蓄電池一天中的充、放電功率相等，即

(25)

3 VPP模型的求解

為了驗證所建立模型的可行性，本文在Matlab環(huán)境下使用Yalmip工具箱中的Cplex求解器對模型進行求解。

優(yōu)化流程如圖2所示，優(yōu)化中終止條件為CVPP的相鄰2次優(yōu)化結(jié)果的收斂誤差是否在規(guī)定范圍內(nèi)，收斂誤差定義為

(26)

式中PCV.n+1和PCV.n、FTV.n+1和FTV.n、PTV.n+1和PTV.n分別為第n+1次、第n次優(yōu)化后的CVPP的用戶總負荷、TVPP的總成本、總出力；α為最大收斂誤差，本文設(shè)定為5%。

當(dāng)相鄰2次優(yōu)化結(jié)果在收斂誤差之內(nèi)時，滿足終止條件，調(diào)度結(jié)束。VPP發(fā)布面向用戶的售電電價，執(zhí)行DL的調(diào)度計劃和各機組的出力計劃，并進行經(jīng)濟結(jié)算，計算最終VPP總收益[16-18]。

圖2 優(yōu)化流程Figure 2 Optimization flowchart

4 算例分析

4.1 算例數(shù)據(jù)

本文選取某地區(qū)的夏季典型日為算例，設(shè)一個調(diào)度時段時長為1 h，即ΔT=1 h，T=24，機組的運行周期為24 h。該地區(qū)的風(fēng)機、光伏預(yù)測出力以及用戶負荷預(yù)測如圖3所示。

圖3 用戶負荷、風(fēng)機和光伏出力預(yù)測Figure 3 User load, wind turbine and photovoltaic output forecast

CVPP與實時市場的交易中以實時市場的售電電價為準，設(shè)實時市場的電價以1 h為基準進行變動，且與用戶負荷大致呈線性關(guān)系[10]，即在一定范圍內(nèi)，實時市場的電價與日前預(yù)測負荷的關(guān)系式為

(27)

式中aL、bL為線性參數(shù)。

設(shè)制定分時電價前用戶用電電價為0.65元/(kW·h)，CVPP的售電電價(元/(kW·h))約束為[0.35，0.95]，平均售電價為0.65元/(kW·h)，各DL的調(diào)度參數(shù)如表1所示。

表1 可削減、可轉(zhuǎn)移、可平移負荷調(diào)度參數(shù)Table 1 Cuttable，transferable，shiftable load scheduling parameters

TVPP中設(shè)置2臺微型燃氣輪機，額定功率分別為70、50 kW，爬坡速率均為3 kW/min。蓄電池的額定容量為300 kW，最低容量為額定容量的20%，最大容量為額定容量的95%，最大充放電功率為60 kW，各DG的耗量特性參數(shù)如表2所示。

表2 機組的耗量特性參數(shù)Table 2 Consumption characteristic parameters of the unit

為驗證所建立模型的合理性，本文設(shè)置3個場景進行對比分析：①原始用戶用電情況；②只考慮分時電價作用的用戶用電情況；③在分時電價的基礎(chǔ)上對用戶側(cè)DL進行調(diào)度后的用戶用電情況。

4.2 算例分析

實時市場電價曲線以及CVPP為用戶側(cè)制定的售電電價曲線如圖4所示，可以看出，CVPP的用戶售電電價與實時市場電價走勢基本一致。在19:00—21:00時段中，CVPP的售電電價最高，達到0.95元/(kW·h)，01:00—04:00時段中，CVPP售電電價最低，為0.35元/(kW·h)。實時市場電價與用戶用電負荷相關(guān)，CVPP在用電高峰時期提高電價，在低谷時期降低電價既可實現(xiàn)削峰填谷，也保證了在實時市場低電價時段時，維持CVPP所管轄的用戶負荷數(shù)量的穩(wěn)定，在實時市場高電價時段時，減小CVPP因購電成本過高而虧損的風(fēng)險。

圖4 CVPP售電電價Figure 4 Electricity sale price of CVPP

3種場景下的用戶負荷曲線如圖5所示，場景3的負荷波動幅度和峰谷差最小，分時電價雖然可以適當(dāng)?shù)南鞣逄罟?，平緩用戶負荷曲線，效果卻不夠明顯，且由用戶自發(fā)進行，缺少與CVPP控制中心的信息互動，不能靈活快速的參與電網(wǎng)調(diào)度?？紤]DL后CVPP控制中心可在用電高峰階段將DL移出，在用電低谷時段將DL移入，并給予用戶適當(dāng)?shù)慕?jīng)濟補償，可有效調(diào)動用戶參與電網(wǎng)調(diào)度的積極性，減小用戶用電的峰谷差。

圖5 不同場景下的用戶負荷曲線Figure 5 User load curve under different scenarios

DL分為可削減、可轉(zhuǎn)移和可平移負荷，3種負荷調(diào)度前、后用電功率分別如圖6、7所示，可以看出3種DL的調(diào)度方式及調(diào)度結(jié)果?？上鳒p負荷在11:00—15:00、18:00—21:00時間段中接受調(diào)度，減小高峰時段用戶用電?？赊D(zhuǎn)移負荷從11:00—15:00轉(zhuǎn)移到06:00—10:00、15:00—17:00時段中；可平移負荷從17:00—21:00平移到06:00—10:00中，這2種負荷在調(diào)度時都可以從高峰時段轉(zhuǎn)移到低谷時段，只是可轉(zhuǎn)移負荷的調(diào)度方式更靈活一些?？傮w來說，3種DL相結(jié)合可有效降低高峰時段用戶負荷，減小負荷峰谷差。

圖6 優(yōu)化前的DL曲線Figure 6 DL curve before optimization

圖7 優(yōu)化后的DL曲線Figure 7 DL curve after optimization

在場景3的用戶負荷下，TVPP優(yōu)化后的DG出力和風(fēng)機、光伏出力對比如圖8、9所示，在00:00—03:00時段中，風(fēng)機棄風(fēng)成本和實時市場購電成本較低，在0.45～0.48元/(kW·h)范圍內(nèi)波動，風(fēng)機出力成本為0.49元/(kW·h)，高于購電成本和棄風(fēng)成本，風(fēng)機無出力；在04:00—23:00時段中，風(fēng)機棄風(fēng)成本和購電成本在0.49～1.48元/(kW·h)范圍內(nèi)，高于風(fēng)機出力成本，風(fēng)機出力。當(dāng)不考慮棄風(fēng)成本時，風(fēng)機只在07:00—23:00時段中出力，此時實時市場購電成本在0.56～0.99元/(kW·h)范圍內(nèi)波動。同樣，在08:00—19:00時段中，光伏出力成本為0.72元/(kW·h)，高于實時市場電價和棄光成本，光伏出力。不考慮棄光懲罰時，光伏只在12:00—16:00、18:00—19:00時段中出力。所以引入棄風(fēng)棄光懲罰可促進新能源的消納，提高風(fēng)電機組和光伏機組的利用率。

圖8 優(yōu)化后TVPP出力Figure 8 Output of TVPP after optimization

圖9 風(fēng)機、光伏出力對比Figure 9 Output comparison of wind turbine and photovoltaic

在00:00—03:00時段中，TVPP出力為0，CVPP從實時市場中購電，滿足用戶用電需求；在03:00—07:00時段中，實時市場電價較低，由發(fā)電成本較低的燃氣輪機發(fā)電并利用蓄電池儲存起來；在08:00—24:00時段中，CVPP從實時市場購電成本較高，2臺燃氣輪機同時出力，達到120 kW，在晚上用電高峰時段且光伏無出力時，燃氣輪機可與風(fēng)機、蓄電池一起出力，緩解負荷壓力，降低CVPP的購電成本。微型燃氣輪機啟停迅速，操作方便，在無風(fēng)或陰天等特殊天氣時，可為負荷提供電能，降低CVPP的購電成本和VPP的運行風(fēng)險。

蓄電池在優(yōu)化過程中的調(diào)度結(jié)果表現(xiàn)為為谷時段充電、高峰時段放電。具體結(jié)果：在03:00—06:00、15:00—18:00時段中，蓄電池充電，充電功率為60 kW，將系統(tǒng)多余電能儲存起來；在11:00—14:00、19:00—22:00時段中，實時市場電價較高，蓄電池持續(xù)放電，放電功率60 kW，減小VPP的購電成本，滿足峰時用戶用電的需求。

事實上，在TVPP的出力確定的情況下，CVPP與實時市場的交易直接影響了VPP的收益，設(shè)CVPP從實時市場購電功率為正，售電功率為負。3個場景下CVPP與實時市場各時段的交易電量如圖10所示。

圖10 不同場景下CVPP與實時市場的交易量Figure 10 Transaction volume of CVPP and real-time market in different scenarios

由圖10可知，經(jīng)過分時電價和DL的調(diào)度，在11:00—15:00、17:00—22:00高峰時段中，場景3在實時市場購買的電量較少，甚至在高電價時段還會有富余電量向?qū)崟r市場出售。場景2與場景3相似，與實時市場的交易多集中在低電價時段；與場景1相比，場景3中CVPP減小了在高電價時段的購電量，降低了VPP的購電成本。不同場景下VPP的成本和收益如表3所示。

表3 不同場景下VPP經(jīng)濟效益分析Table 3 Analysis of VPP economic benefit in different scenarios 元

場景3在分時電價和DL調(diào)度下，用戶總用電負荷降低，峰谷差減小。與場景1、2相比，TVPP出力成本和與實時市場的交易成本最低，VPP的凈收益最高，場景2次之。綜合上述分析，在分時電價基礎(chǔ)上通過調(diào)節(jié)DL可以有效削峰填谷，降低VPP的運營成本，提高VPP的收益。

5 結(jié)語

本文建立了一個考慮需求響應(yīng)的VPP雙層調(diào)度模型，上層CVPP以收益最大為目標(biāo)函數(shù)優(yōu)化用戶用電負荷，下層TVPP以滿足上層優(yōu)化結(jié)果為約束，以成本最低為目標(biāo)函數(shù)優(yōu)化DG出力，經(jīng)過求解模型得出以下結(jié)論：

1)針對用戶負荷制定的分時電價與DL調(diào)度策略相結(jié)合可以改變用戶的用電習(xí)慣，有效削峰填谷，減小CVPP在實時市場高電價時段的購電量，提高VPP的收益；

2)分時電價雖然可以適當(dāng)減小用戶負荷峰谷差，但不如與DL的調(diào)度配合效果明顯，且不能直接控制用戶負荷，調(diào)節(jié)方式不夠靈活；

3)提出風(fēng)光燃儲一體化TVPP出力模型并引入棄風(fēng)棄光懲罰函數(shù)，在低電價時段停發(fā)、高電價時段滿發(fā)，充分利用新能源發(fā)電，從而減少了VPP的購電成本。

本文為VPP的運營管理提供了模型參考，對VPP的發(fā)展有一定的指導(dǎo)意義，但沒有考慮實時市場電價的不確定性，后續(xù)會繼續(xù)研究更貼合實際的VPP模型。