計(jì)及用戶(hù)分級(jí)的虛擬電廠經(jīng)濟(jì)調(diào)度

李英量，周麗雯，王德明，高兆迪，武曉朦

計(jì)及用戶(hù)分級(jí)的虛擬電廠經(jīng)濟(jì)調(diào)度

李英量1，周麗雯1，王德明2，高兆迪1，武曉朦1

(1.西安石油大學(xué)電子工程學(xué)院，陜西 西安 710065；2.陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西 渭南 714000)

虛擬電廠(Virtual Power Plant, VPP)通過(guò)需求響應(yīng)(Demand Response, DR)引導(dǎo)用戶(hù)參與電力市場(chǎng)，充分發(fā)揮了分布式電源的調(diào)度靈活性。而傳統(tǒng)的VPP調(diào)度策略局限于單一響應(yīng)用戶(hù)類(lèi)型，為此，提出了一種計(jì)及分級(jí)用戶(hù)邊際停電成本的VPP經(jīng)濟(jì)優(yōu)化調(diào)度模型，并綜合考慮風(fēng)、光、DR不確定性影響。首先基于各用戶(hù)響應(yīng)的共性及特性，建立了DR激勵(lì)模型。其次以激勵(lì)相容為約束，建立了兼顧系統(tǒng)運(yùn)行成本和DR效用的VPP經(jīng)濟(jì)優(yōu)化調(diào)度模型。最后通過(guò)算例分析驗(yàn)證了所提模型的可行性。結(jié)果表明，相較傳統(tǒng)需求響應(yīng)激勵(lì)策略，計(jì)及用戶(hù)主動(dòng)性和多元性可進(jìn)一步提升VPP內(nèi)供需雙方經(jīng)濟(jì)效益，實(shí)現(xiàn)供需側(cè)效益均衡。

虛擬電廠；經(jīng)濟(jì)調(diào)度；需求響應(yīng)；用戶(hù)分級(jí)；激勵(lì)策略

0 引言

隨著“雙碳”目標(biāo)的提出以及新能源向主力型電源的轉(zhuǎn)變，以風(fēng)、光為代表的新能源大規(guī)模并網(wǎng)問(wèn)題亟需解決[1-4]。而虛擬電廠(Virtual Power Plant, VPP)依托通信技術(shù)，通過(guò)分布式電力管理系統(tǒng)將分布式電源(Distributed Generation, DG)、需求響應(yīng)(Demand Response, DR)、儲(chǔ)能裝置等資源聚合成一個(gè)虛擬可控集合體[5-7]，以整體形式加入電力市場(chǎng)，有效解決新能源容量小、位置分散、難以單獨(dú)參與電力市場(chǎng)的問(wèn)題[8-9]。

VPP經(jīng)濟(jì)調(diào)度通過(guò)協(xié)調(diào)多能互補(bǔ)，在提高系統(tǒng)經(jīng)濟(jì)效益的同時(shí)，改善新能源消納問(wèn)題[10-12]。DR技術(shù)是提高VPP經(jīng)濟(jì)調(diào)度靈活性的有效手段之一，其通過(guò)供需雙側(cè)聯(lián)動(dòng)，緩解DG出力波動(dòng)性帶來(lái)的影響[13-15]。針對(duì)考慮DR的VPP優(yōu)化調(diào)度問(wèn)題，學(xué)者們主要研究DR對(duì)系統(tǒng)峰值負(fù)荷的調(diào)節(jié)能力以及對(duì)VPP運(yùn)營(yíng)商經(jīng)濟(jì)效益優(yōu)化作用，文獻(xiàn)[16]提出考慮電源、負(fù)荷雙重不確定性的VPP參與DR的優(yōu)化調(diào)度方法；文獻(xiàn)[17]建立以VPP經(jīng)濟(jì)效益最大為目標(biāo)的調(diào)度模型，并研究風(fēng)險(xiǎn)規(guī)避問(wèn)題；文獻(xiàn)[18]提出一種考慮需求響應(yīng)最優(yōu)VPP能源管理的新框架，制定考慮風(fēng)險(xiǎn)約束的兩階段隨機(jī)規(guī)劃模型。為進(jìn)一步分析不同類(lèi)型需求響應(yīng)輸出特性，文獻(xiàn)[19]構(gòu)建以基于價(jià)格的需求響應(yīng)(Price-based Demand Response, PBDR)為主導(dǎo)，基于激勵(lì)的需求響應(yīng)(Incentive- based Demand Response, IBDR)為備用的DR模型，實(shí)現(xiàn)VPP與能源消費(fèi)者之間的交互協(xié)調(diào)；文獻(xiàn)[20]建立同時(shí)考慮PBDR和IBDR約束的VPP優(yōu)化調(diào)度模型；文獻(xiàn)[21]提出了一個(gè)應(yīng)用于工業(yè)環(huán)境的VPP隨機(jī)調(diào)度模型，并在應(yīng)急條件下進(jìn)行了風(fēng)險(xiǎn)管理研究，同時(shí)應(yīng)用了基于價(jià)格彈性的PBDR和IBDR相結(jié)合的DR方案。但上述研究?jī)H從VPP運(yùn)行商角度尋求經(jīng)濟(jì)最優(yōu)，未考慮用戶(hù)自身效益。

從用戶(hù)側(cè)效益出發(fā)，量化DR為用戶(hù)帶來(lái)的效用，能更好地評(píng)價(jià)DR優(yōu)越性，文獻(xiàn)[22]建立了面向居民用戶(hù)需求響應(yīng)的VPP優(yōu)化調(diào)度模型，將每個(gè)用戶(hù)分為基礎(chǔ)負(fù)荷、可調(diào)節(jié)負(fù)荷、電動(dòng)汽車(chē)負(fù)荷，通過(guò)長(zhǎng)短期記憶網(wǎng)絡(luò)計(jì)算其效益系數(shù)；文獻(xiàn)[23]研究了考慮PBDR的VPP經(jīng)濟(jì)調(diào)度，建立了以VPP收益最大為上層目標(biāo)，用戶(hù)購(gòu)電成本最小為下層目標(biāo)的雙層優(yōu)化模型；文獻(xiàn)[24]建立一種碳交易機(jī)制下計(jì)及用電行為的虛擬電廠經(jīng)濟(jì)調(diào)度模型，提高了虛擬電廠的減排效益。文獻(xiàn)[25]提出一種考慮需求響應(yīng)和用戶(hù)滿(mǎn)意度的主動(dòng)配電網(wǎng)多時(shí)間尺度調(diào)度方法，在保證用戶(hù)利益的同時(shí)有效改善配電系統(tǒng)的運(yùn)行狀況。目前，對(duì)用戶(hù)側(cè)的研究主要針對(duì)同一類(lèi)型用戶(hù)，而VPP中DR用戶(hù)種類(lèi)多、分布廣、響應(yīng)復(fù)雜，需要加強(qiáng)對(duì)DR用戶(hù)類(lèi)型多樣化以及IBDR激勵(lì)策略的研究。

為此，本文研究了計(jì)及用戶(hù)用能特性的DR模型，并以含風(fēng)光、柴油發(fā)電機(jī)、IBDR的VPP為例，建立其經(jīng)濟(jì)調(diào)度模型。首先，基于負(fù)荷削減規(guī)律，建立計(jì)及需求主動(dòng)性和用戶(hù)多樣性的DR邊際成本模型；然后，量化需求響應(yīng)效用，建立以VPP發(fā)電成本最低、需求響應(yīng)效用最大為目標(biāo)的VPP優(yōu)化調(diào)度模型，在保證VPP經(jīng)濟(jì)效益的同時(shí)實(shí)現(xiàn)供需雙側(cè)效益均衡；最后通過(guò)算例分析驗(yàn)證了本文所建模型的有效性。

1 需求響應(yīng)模型

DR是通過(guò)增減用戶(hù)用電量來(lái)調(diào)節(jié)供需平衡的一種手段，可以有效緩解發(fā)電壓力，實(shí)現(xiàn)用戶(hù)和發(fā)電商之間的互動(dòng)。DR主要分為PBDR和IBDR，PBDR是通過(guò)采取分時(shí)電價(jià)來(lái)調(diào)節(jié)用戶(hù)用電情況，平緩用電負(fù)荷曲線；IBDR是通過(guò)激勵(lì)補(bǔ)償政策來(lái)調(diào)節(jié)用戶(hù)響應(yīng)行為，具有很強(qiáng)的削峰效應(yīng)[20]。為優(yōu)化VPP需求響應(yīng)激勵(lì)策略，本文主要對(duì)IBDR進(jìn)行研究。

1.1 傳統(tǒng)IBDR模型

常規(guī)的IBDR通過(guò)激勵(lì)補(bǔ)償政策，引導(dǎo)客戶(hù)在系統(tǒng)可靠性降低或負(fù)荷峰谷時(shí)參與需求響應(yīng)。其響應(yīng)成本包括用戶(hù)因調(diào)整用電需求而造成的損失以及用戶(hù)參與響應(yīng)得到的政府補(bǔ)貼，常表示為需求響應(yīng)電量的二次函數(shù)[26]。

1.2 計(jì)及用戶(hù)響應(yīng)意愿的IBDR模型

為綜合考慮用戶(hù)用能特性，本文在設(shè)計(jì)IBDR激勵(lì)函數(shù)時(shí)引入用戶(hù)響應(yīng)意愿[27-28]，從而將用戶(hù)類(lèi)型參數(shù)化。用戶(hù)分級(jí)的方法是以用戶(hù)中斷特性為依據(jù)，根據(jù)用戶(hù)響應(yīng)意愿對(duì)用戶(hù)進(jìn)行分級(jí)。把響應(yīng)意愿相同的用戶(hù)劃分為一種用戶(hù)等級(jí)并構(gòu)建其停電成本函數(shù)，該分級(jí)方法便于同時(shí)調(diào)度多種類(lèi)型需求響應(yīng)負(fù)荷。最后，該需求響應(yīng)模型從用戶(hù)和VPP運(yùn)營(yíng)商效益均衡的角度進(jìn)行考慮。

1.2.1用戶(hù)側(cè)

1) 用戶(hù)中斷成本

用戶(hù)的中斷成本是指當(dāng)用戶(hù)參與需求響應(yīng)時(shí)，因削減負(fù)荷所造成的停電損失。用戶(hù)削減負(fù)荷會(huì)改變其原有的用電習(xí)慣，從而造成用電滿(mǎn)意度下降。削減的負(fù)荷越多，用戶(hù)中斷成本越高；用戶(hù)響應(yīng)意愿越強(qiáng)烈，中斷邊際成本越低，具有越高的邊際效益[27]。

因此，用戶(hù)中斷成本函數(shù)構(gòu)建有如下假設(shè)：

(1) 隨著削減負(fù)荷的增加，用戶(hù)的停電成本逐漸增加，用戶(hù)的邊際效益隨之下降；

(2) 用戶(hù)停電成本函數(shù)是凸函數(shù)，即邊際成本的變化率隨著用戶(hù)削減負(fù)荷的增加而增加。

同樣，若用戶(hù)從響應(yīng)意愿最高到最低進(jìn)行排序，則滿(mǎn)足式(4)。

當(dāng)用戶(hù)削減量為0的時(shí)候，削減成本應(yīng)為0。只要保證停電成本函數(shù)不是減函數(shù)，可任選以上其中一種排序方式。本文根據(jù)用戶(hù)響應(yīng)意愿由低到高進(jìn)行排序，即式(3)的情況，用戶(hù)停電成本函數(shù)應(yīng)滿(mǎn)足式(5)—式(7)。

因此，用戶(hù)停電成本函數(shù)可以表示為

2) 用戶(hù)效益

1.2.2 VPP運(yùn)營(yíng)商

VPP運(yùn)營(yíng)商主要考慮VPP整體效益，在含有IBDR的系統(tǒng)中，VPP應(yīng)在激勵(lì)用戶(hù)參與響應(yīng)的同時(shí)，提高自身收益，從而提高社會(huì)福利。

VPP效用是指因?qū)嵤〥R項(xiàng)目而產(chǎn)生的滿(mǎn)足感，具體量化為因減少發(fā)電量而產(chǎn)生的邊際效益減去用戶(hù)補(bǔ)貼成本?？梢员硎緸?/p>

該模型還應(yīng)滿(mǎn)足消費(fèi)者利潤(rùn)保障約束[29]：

式(11)用于保證顧客利益始終為正，以鼓勵(lì)用戶(hù)參與響應(yīng)，式(12)是激勵(lì)相容約束，以確保用戶(hù)因削減負(fù)荷而得到合適的補(bǔ)償。

2 VPP協(xié)同優(yōu)化調(diào)度模型

2.1 調(diào)度流程

本文所建立的VPP調(diào)度方式如圖1所示，VPP運(yùn)營(yíng)商以最大限度利用可再生能源發(fā)電的原則對(duì)其所管轄范圍內(nèi)的所有發(fā)電機(jī)組(傳統(tǒng)DG機(jī)組和可再生DG機(jī)組)、DR單元進(jìn)行調(diào)度。同時(shí)，VPP作為一個(gè)整體可以參與電力市場(chǎng)進(jìn)行電量交易，在電價(jià)低的時(shí)候向電網(wǎng)購(gòu)電，減少內(nèi)部發(fā)電以降低成本，在電價(jià)高的時(shí)候向電網(wǎng)售電，增加內(nèi)部發(fā)電以增加VPP運(yùn)營(yíng)商收益。由于風(fēng)力發(fā)電和光伏發(fā)電具有較強(qiáng)的隨機(jī)性，本文對(duì)風(fēng)速模型用Weibull分布函數(shù)來(lái)描述，光伏發(fā)電用Beta分布函數(shù)對(duì)其描述[30]。最后該模型以VPP發(fā)電成本最低、需求響應(yīng)效用最大為目標(biāo)函數(shù)進(jìn)行調(diào)度優(yōu)化。

圖1 VPP調(diào)度流程

2.2 目標(biāo)函數(shù)

1) VPP運(yùn)行成本1

VPP運(yùn)行成本主要包括發(fā)電商發(fā)電成本及功率交互成本，其目標(biāo)函數(shù)為

每部分具體表達(dá)式為

加入激勵(lì)型需求響應(yīng)后，VPP運(yùn)營(yíng)商需要給響應(yīng)用戶(hù)支付補(bǔ)貼費(fèi)，即激勵(lì)成本，該成本同時(shí)反映了用戶(hù)側(cè)效益。此外，VPP內(nèi)DEG因少發(fā)電會(huì)獲得成本效用。以VPP需求響應(yīng)效益最大為優(yōu)化目標(biāo)，其表達(dá)式為

3) 模型目標(biāo)函數(shù)

為綜合考慮VPP運(yùn)行成本最小和VPP需求響應(yīng)效益最大，本文目標(biāo)函數(shù)為

2.3 約束條件

1) 負(fù)荷供需平衡約束

2) DEG出力約束

3) 需求響應(yīng)約束

4) 功率交互約束

5) 風(fēng)光出力約束

2.4 不確定性處理

上述模型沒(méi)有考慮風(fēng)、光和DR的不確定性影響，在實(shí)際情況中，實(shí)時(shí)風(fēng)光出力和響應(yīng)行為不能被準(zhǔn)確預(yù)測(cè)。為此，本文構(gòu)建了計(jì)及不確定性的魯棒隨機(jī)優(yōu)化模型[31-33]。魯棒隨機(jī)優(yōu)化是一種基于區(qū)間擾動(dòng)信息的不確定決策方法，通過(guò)構(gòu)建不確定集描述不確定性變量的波動(dòng)范圍。

風(fēng)、光、DR的不確定形式為

令

則式(34)為

將式(31)—式(33)代入式(36)，可得

從而，具有不確定量的線性規(guī)劃轉(zhuǎn)化為確定性規(guī)劃，即在滿(mǎn)足2.2、2.3節(jié)所示目標(biāo)函數(shù)和約束條件的基礎(chǔ)上增加式(38)、(39)所示的約束條件。

3 算例分析

3.1 算例數(shù)據(jù)

為驗(yàn)證本文所建模型的可行性和經(jīng)濟(jì)性，在Matlab構(gòu)建算例模型，并采用粒子群優(yōu)化算法進(jìn)行求解。VPP由1個(gè)風(fēng)電場(chǎng)、1個(gè)光伏電場(chǎng)、4個(gè)DEG機(jī)組和1個(gè)IBDR構(gòu)成。風(fēng)電、光伏、DEG參數(shù)如表1所示；IBDR分成3個(gè)用戶(hù)等級(jí)，每類(lèi)用戶(hù)參數(shù)如表2所示；風(fēng)、光、負(fù)荷預(yù)測(cè)如圖2所示；日前電價(jià)[34]如圖3所示。

表1 虛擬電廠內(nèi)機(jī)組參數(shù)

表2 IBDR參數(shù)

圖2 日前預(yù)測(cè)曲線

圖3 日前電價(jià)

為了對(duì)結(jié)果進(jìn)行對(duì)比分析，本文設(shè)置3種運(yùn)行場(chǎng)景。

場(chǎng)景1：無(wú)DR參與，系統(tǒng)內(nèi)由1個(gè)風(fēng)電場(chǎng)、1個(gè)光伏電場(chǎng)、4個(gè)DEG機(jī)組參與調(diào)度，可與大電網(wǎng)進(jìn)行功率交互，以VPP發(fā)電成本最小為目標(biāo)函數(shù)進(jìn)行優(yōu)化；

場(chǎng)景2：DR選取單一用戶(hù)意愿，系統(tǒng)內(nèi)由1個(gè)風(fēng)電場(chǎng)、1個(gè)光伏電場(chǎng)、4個(gè)DEG機(jī)組、1個(gè)單一用戶(hù)響應(yīng)意愿的IBDR參與調(diào)度，可與大電網(wǎng)進(jìn)行功率交互，以VPP運(yùn)營(yíng)商成本最低，DR效用最大為目標(biāo)函數(shù)進(jìn)行優(yōu)化；

場(chǎng)景3：DR選用分級(jí)用戶(hù)意愿，考慮用戶(hù)用能意愿，對(duì)場(chǎng)景2中用戶(hù)分成3個(gè)等級(jí)，其他參數(shù)同場(chǎng)景2。

3.2 結(jié)果分析

3.2.1調(diào)度情況分析

1) 無(wú)DR參與

場(chǎng)景1即無(wú)DR參與時(shí)的調(diào)度結(jié)果如圖4、圖5所示。其中，VPP與大電網(wǎng)交互電量為正，表示VPP向電網(wǎng)購(gòu)買(mǎi)電量；VPP與大電網(wǎng)交互電量為負(fù)，表示VPP向電網(wǎng)出售電量。圖4為DEG出力曲線，07：00之前和19：00之后DEG出力明顯增加，是由于這段時(shí)間內(nèi)沒(méi)有光伏發(fā)電，需要DEG發(fā)電保持供需平衡。圖5為VPP與市場(chǎng)功率交互情況。可以看出，當(dāng)市場(chǎng)電價(jià)較高時(shí)，VPP向電網(wǎng)出售電量以獲取收益；當(dāng)市場(chǎng)電價(jià)較低時(shí)，其購(gòu)電成本低于機(jī)組發(fā)電成本，因此增加VPP購(gòu)電量，減少系統(tǒng)內(nèi)發(fā)電量。

圖4 場(chǎng)景1時(shí)DEG出力曲線

圖5 場(chǎng)景1時(shí)VPP與主網(wǎng)交互功率

2) DR參與時(shí)的出力情況

以場(chǎng)景3為例，設(shè)定DR1—DR3用戶(hù)響應(yīng)意愿遞增，分別為0、0.14、0.26。每一級(jí)用戶(hù)響應(yīng)曲線如圖6所示，響應(yīng)前后總需求變化如圖7所示?？梢钥闯?，14：00—16：00時(shí)段內(nèi)削減較多，這是因?yàn)樵摃r(shí)段內(nèi)市場(chǎng)電價(jià)最高，為了減少購(gòu)電量，提高VPP效益，削減了用戶(hù)電量。07：00時(shí)，光伏機(jī)組開(kāi)始出力，VPP發(fā)電量增加，供給充足，DR削減量大幅度降低。01：00—06：00、20：00—24：00時(shí)段，負(fù)荷需求量較低，DR削減量也相應(yīng)很低，幾乎為0。19：00時(shí)光伏機(jī)組退出運(yùn)行，為了平緩負(fù)荷波動(dòng)，大幅增加DR削減量。在其他時(shí)刻，隨著市場(chǎng)電價(jià)、風(fēng)光出力、負(fù)荷需求波動(dòng)，DR削減量也相應(yīng)變化。

圖6 分級(jí)用戶(hù)需求響應(yīng)曲線

圖7 需求變化曲線

場(chǎng)景3時(shí)DEG出力曲線如圖8所示，從出力趨勢(shì)可以看出，為了優(yōu)先保證新能源出力，08：00—18：00時(shí)段內(nèi)DEG出力較少，01：00—03：00、21：00—24：00時(shí)段，由于電價(jià)較低，優(yōu)先向電網(wǎng)購(gòu)電，所以DEG出力較少。

圖9為VPP與電網(wǎng)交互功率曲線，可以看出，電價(jià)低的時(shí)候，向電網(wǎng)購(gòu)電，電價(jià)高的時(shí)候，向電網(wǎng)售電，從而獲得更大收益。

圖8 場(chǎng)景3時(shí)DEG出力曲線

圖9 場(chǎng)景3時(shí)VPP與主網(wǎng)交互功率

3.2.2經(jīng)濟(jì)性分析

為與3.1節(jié)中場(chǎng)景的經(jīng)濟(jì)性進(jìn)行對(duì)比，本文對(duì)場(chǎng)景2中的IBDR進(jìn)行3種試驗(yàn)，其響應(yīng)意愿分別設(shè)定為0、0.14、0.26，再與場(chǎng)景1和場(chǎng)景3對(duì)比。

幾種運(yùn)行場(chǎng)景的經(jīng)濟(jì)效益情況如表3所示，可以看出，未加入DR前，DEG發(fā)電成本為12 662.5081美元；DR加入后DEG發(fā)電成本分別降低了17.3%、18.2%、17.9%、19.0%。DR激勵(lì)成本分別增加了1927.1356美元、1580.0170美元、1313.5905美元、1540.8419美元，但低于DEG發(fā)電成本降低部分，且VPP獲得了DR效用，量化后分別為5470.1美元、5747.6美元、6071.8美元、5783.4美元。因此，可中斷負(fù)荷參與響應(yīng)，實(shí)現(xiàn)從負(fù)荷側(cè)改變用戶(hù)用電習(xí)慣，減少用電需求，可以降低傳統(tǒng)DG機(jī)組發(fā)電需求，從而有效緩解環(huán)境污染問(wèn)題。

僅計(jì)及單一用戶(hù)等級(jí)時(shí)，其效益如表3第3～5列所示。當(dāng)系統(tǒng)均使用=0時(shí)的激勵(lì)策略時(shí)，DR的效用為5470.1美元，激勵(lì)成本為1927.1356美元，VPP綜合運(yùn)行成本為8359.2439美元；均使用= 0.14時(shí)的激勵(lì)策略時(shí)，DR的效用為5747.6美元，激勵(lì)成本為1580.0170美元，VPP綜合運(yùn)行成本為8168.6837美元；均使用= 0.26時(shí)的激勵(lì)策略時(shí)，DR的效用為6071.8美元，激勵(lì)成本為1313.5905美元，VPP綜合運(yùn)行成本為7906.4123美元。分析可知，用戶(hù)響應(yīng)意愿越強(qiáng)烈，DR效用越大，激勵(lì)成本越低，VPP綜合成本越低，但用戶(hù)效益更小，這是因?yàn)橐徊糠滞ｋ姵杀靖叩挠脩?hù)獲得了更少的補(bǔ)貼。所以，僅采用折中的統(tǒng)一激勵(lì)政策來(lái)激勵(lì)用戶(hù)響應(yīng)的方式不能實(shí)現(xiàn)供需側(cè)利益最大化，不能促進(jìn)用戶(hù)響應(yīng)積極性。

表3 多種場(chǎng)景結(jié)果對(duì)比

采用分級(jí)用戶(hù)策略時(shí)，其效益如表3最后一列所示，其DR效用為5783.4美元，激勵(lì)成本為1540.8419美元，VPP綜合運(yùn)行成本為8102.0308美元。相較于均使用= 0.26時(shí)的激勵(lì)策略，該情況下VPP運(yùn)營(yíng)商的DR效用降低了，但用戶(hù)側(cè)收益提高了。所以該策略可以較全面地考慮各類(lèi)用戶(hù)的激勵(lì)成本，平衡系統(tǒng)總成本，提高用戶(hù)效益，從而實(shí)現(xiàn)供需效益均衡。該策略可以促進(jìn)用戶(hù)響應(yīng)積極性，提高可中斷負(fù)荷響應(yīng)參與率，進(jìn)一步降低傳統(tǒng)DG機(jī)組發(fā)電需求，提高電力系統(tǒng)可調(diào)度性。

當(dāng)= 0時(shí)，可以看作傳統(tǒng)的IBDR優(yōu)化調(diào)度模型，該方法為簡(jiǎn)化激勵(lì)成本函數(shù)，通常選擇折中的統(tǒng)一參數(shù)計(jì)算所有用戶(hù)的補(bǔ)貼成本，沒(méi)有考慮不同用戶(hù)的用能特性。將其與考慮分級(jí)用戶(hù)意愿的情況進(jìn)行對(duì)比可以看出，當(dāng)系統(tǒng)根據(jù)用戶(hù)響應(yīng)意愿對(duì)用戶(hù)進(jìn)行分類(lèi)時(shí)，可以合理制定用戶(hù)激勵(lì)成本方案。在保證VPP經(jīng)濟(jì)效益的同時(shí)，綜合考慮用戶(hù)效益，實(shí)現(xiàn)供需側(cè)的雙贏，有效提高用戶(hù)參與需求側(cè)管理的積極性。

3.2.3不確定性分析

圖10 風(fēng)、光出力預(yù)測(cè)誤差為15%時(shí)，DR不確定性對(duì)VPP發(fā)電成本和DR效用的影響

4 結(jié)論

本文構(gòu)建了考慮多用戶(hù)類(lèi)型的VPP優(yōu)化調(diào)度模型，對(duì)VPP內(nèi)部發(fā)電機(jī)組和DR單元進(jìn)行協(xié)調(diào)優(yōu)化，以獲得經(jīng)濟(jì)性更優(yōu)的日前調(diào)度方案。并使用粒子群優(yōu)化算法對(duì)模型進(jìn)行求解，通過(guò)算例分析得出以下結(jié)論：

1) 本文所構(gòu)建的需求響應(yīng)模型考慮了用戶(hù)響應(yīng)等級(jí)，激勵(lì)計(jì)劃充分考慮用戶(hù)用電習(xí)慣，并計(jì)及激勵(lì)相容約束，模型更符合實(shí)際情況，調(diào)度結(jié)果也滿(mǎn)足用電規(guī)律，達(dá)到了預(yù)期效果。

2) 本文所建立的以VPP運(yùn)行成本最小、DR效用最大為目標(biāo)的優(yōu)化調(diào)度模型，較全面地度量了引入DR所帶來(lái)的效益。該模型有效提高了系統(tǒng)的可調(diào)度性，VPP在獲得DR效用的同時(shí)降低了發(fā)電成本，提高了VPP運(yùn)行經(jīng)濟(jì)性與穩(wěn)定性。

[1] KORAKI D, STRUNZ K. Wind and solar power integration in electricity markets and distribution networks through service-centric virtual power plants[J]. IEEE Transactions on Power Systems, 2018, 33(1): 473-485.

[2] 徐天奇, 田業(yè), 高鑫, 等. 新能源全消納并網(wǎng)友好型虛擬發(fā)電廠優(yōu)化調(diào)度研究[J]. 電力工程技術(shù), 2021, 40(2): 33-38.

XU Tianqi, TIAN Ye, GAO Xin, et al. Optimal dispatching of virtual power plant with new energy power generation full consumption and friendly integration into power grids[J]. Electric Power Engineering Technology, 2021, 40(2): 33-38.

[3] 楊謙, 劉繼春, 蔣萬(wàn)梟. 光伏不同滲透率下考慮源網(wǎng)荷儲(chǔ)深度互動(dòng)的電力系統(tǒng)調(diào)峰策略[J]. 電力建設(shè), 2021, 42(9): 74-84.

YANG Qian, LIU Jichun, JIANG Wanxiao. Peak regulation strategy of power system considering the interaction of source-network-load-storage under different penetration rate of PV[J]. Electric Power Construction, 2021, 42(9): 74-84.

[4] 任景, 薛晨, 馬曉偉, 等. 計(jì)及新能源資源分級(jí)的柔性調(diào)度模型預(yù)測(cè)控制[J]. 智慧電力, 2020, 48(9): 30-36, 88.

REN Jing, XUE Chen, MA Xiaowei, et al. Flexible scheduling model predictive control based on new energy resource classification[J]. Smart Power, 2020, 48(9): 30-36, 88.

[5] 胡健, 秦玉杰, 焦提操, 等. 泛在電力物聯(lián)網(wǎng)環(huán)境下考慮碳排放權(quán)約束的VPP理性調(diào)峰模型[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(3): 49-57.

HU Jian, QIN Yujie, JIAO Ticao, et al. Rational peak shaving model of VPP considering carbon emission rights constraints in ubiquitous power internet of things environment[J]. Power System Protection and Control, 2020, 48(3): 49-57.

[6] 衛(wèi)志農(nóng), 余爽, 孫國(guó)強(qiáng), 等. 虛擬電廠的概念與發(fā)展[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(13): 1-9.

WEI Zhinong, YU Shuang, SUN Guoqiang, et al. Concept and development of virtual power plant[J]. Automation of Electric Power Systems, 2013, 37(13): 1-9.

[7] 孟月, 張宏立. 虛擬電廠配電網(wǎng)復(fù)雜網(wǎng)絡(luò)的能效分析研究[J]. 電測(cè)與儀表, 2020, 57(16): 33-38.

MENG Yue, ZHANG Hongli. Study on energy efficiency analysis of complex network of distribution network in virtual power plant[J]. Electrical Measurement & Instrumentation, 2020, 57(16): 33-38.

[8] ZHANG R, HREDZAK B. Distributed dynamic clustering algorithm for formation of heterogeneous virtual power plants based on power requirements[J]. IEEE Transactions on Smart Grid, 2021, 12(1): 192-204.

[9] 張濤, 李逸鴻, 郭玥彤, 等. 考慮虛擬電廠調(diào)度方式的售電公司多時(shí)間尺度滾動(dòng)優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(11): 79-87.

ZHANG Tao, LI Yihong, GUO Yuetong, et al. Multi-time scale rolling optimization of electricity retailers considering virtual power plant scheduling[J]. Power System Protection and Control, 2021, 49(11): 79-87.

[10]袁桂麗, 陳少梁, 劉穎, 等. 基于分時(shí)電價(jià)的虛擬電廠經(jīng)濟(jì)性?xún)?yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2016, 40(3): 826-832.

YUAN Guili, CHEN Shaoliang, LIU Ying, et al. Economic optimal dispatch of virtual power plant based on time-of-use power price[J]. Power System Technology, 2016, 40(3): 826-832.

[11] AI Qian, FAN Songli, PIAO Longjian. Optimal scheduling strategy for virtual power plants based on credibility theory[J]. Protection and Control of Modern Power Systems, 2016, 1(1): 48-55.

[12] 賈德香, 柳占杰, 高騫, 等. 計(jì)及碳—電一體化交易的虛擬電廠競(jìng)價(jià)策略[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2021, 36(2): 89-97.

JIA Dexiang, LIU Zhanjie, GAO Qian, et al. Bidding strategy of the virtual power plant based on the consideration of carbon-electricity integration trading in auxiliary service market[J]. Journal of Electric Power Science and Technology, 2021, 36(2): 89-97.

[13]南思博, 李庚銀, 周明, 等. 智能小區(qū)可削減柔性負(fù)荷實(shí)時(shí)需求響應(yīng)策略[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(10): 42-50.

NAN Sibo, LI Gengyin, ZHOU Ming, et al. Real-time demand response of curtailable flexible load in smart residential community[J]. Power System Protection and Control, 2019, 47(10): 42-50.

[14] MING Hao, XIA Bainan, LEE K Y, et al. Prediction and assessment of demand response potential with coupon incentives in highly renewable power systems[J]. Protection and Control of Modern Power Systems, 2020, 5(2): 124-137.

[15]胡晶, 陳紅坤, 陳磊, 等. 考慮多主體利益與需求響應(yīng)的分布式電源優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(15): 38-46.

HU Jing, CHEN Hongkun, CHEN Lei, et al. Distributed generation planning in an active distribution network considering multi-agent interests and demand response[J]. Power System Protection and Control, 2021, 49(15): 38-46.

[16]劉井軍, 劉濤, 周旭, 等. 含不確定源荷虛擬電廠參與需求響應(yīng)優(yōu)化控制方法[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2021, 33(4): 84-89.

LIU Jingjun, LIU Tao, ZHOU Xu, et al. VPP demand response control method considering uncertainties in source and load[J]. Proceedings of the CSU-EPSA, 2021, 33(4): 84-89.

[17] VAHEDIPOUR-DAHRAIE M, RASHIDIZADEH- KERMANI H, ANVARI-MOGHADDAM A, et al. Risk-averse probabilistic framework for scheduling of virtual power plants considering demand response and uncertainties[J]. International Journal of Electrical Power & Energy Systems, 2020, 121.

[18] LIANG Z, ALSAFASFEH Q, JIN T, et al. Risk- constrained optimal energy management for virtual power plants considering correlated demand response[J]. IEEE Transactions on Smart Grid, 2019, 10(2): 1577-1587.

[19] WANG Y, AI X, TAN Z, et al. Interactive dispatch modes and bidding strategy of multiple virtual power plants based on demand response and game theory[J]. IEEE Transactions on Smart Grid, 2016, 7(1): 510-519.

[20]徐輝, 焦揚(yáng), 蒲雷, 等. 計(jì)及不確定性和需求響應(yīng)的風(fēng)光燃儲(chǔ)集成虛擬電廠隨機(jī)調(diào)度優(yōu)化模型[J]. 電網(wǎng)技術(shù), 2017, 41(11): 3590-3597.

XU Hui, JIAO Yang, PU Lei, et al. Stochastic scheduling optimization model for virtual power plant of integrated wind-photovoltaic-energy storage system considering uncertainty and demand response[J]. Power System Technology, 2017, 41(11): 3590-3597.

[21] NOSRATABADI S M, HOOSHMAND R A. Stochastic electrical energy management of industrial Virtual Power Plant considering time-based and incentive-based Demand Response programs option in contingency condition[J]. International Journal of Emerging Electric Power Systems, 2020, 21(2).

[22] 陳張宇, 劉東, 劉浩文, 等. 基于精細(xì)化需求響應(yīng)的虛擬電廠優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2021, 45(7): 2542-2550. CHEN Zhangyu, LIU Dong, LIU Haowen, et al. Optimal dispatching of virtual power plant based on refined demand response[J]. Power System Technology, 2021, 45(7): 2542-2550.

[23] 劉鑫, 吳紅斌, 王鯨杰, 等. 市場(chǎng)環(huán)境下考慮需求響應(yīng)的虛擬電廠經(jīng)濟(jì)調(diào)度[J]. 中國(guó)電力, 2020, 53(9): 172-180.

LIU Xin, WU Hongbin, WANG Jingjie, et al. Economic dispatch of a virtual power plant considering demand response in electricity market environment[J]. Electric Power, 2020, 53(9): 172-180.

[24]張立輝, 戴谷禹, 聶青云, 等. 碳交易機(jī)制下計(jì)及用電行為的虛擬電廠經(jīng)濟(jì)調(diào)度模型[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(24): 154-163.

ZHANG Lihui, DAI Guyu, NIE Qingyun, et al. Economic dispatch model of virtual power plant considering electricity consumption under a carbon trading mechanism[J]. Power System Protection and Control, 2020, 48(24): 154-163.

[25] SHENG H, WANG C, LI B, et al. Multi-timescale active distribution network scheduling considering demand response and user comprehensive satisfaction[J]. IEEE Transactions on Industry Applications, 2021, 57(3): 1995-2005.

[26]何奇琳, 艾芊. 售電側(cè)放開(kāi)環(huán)境下含需求響應(yīng)虛擬電廠的電力市場(chǎng)競(jìng)價(jià)策略[J]. 電力建設(shè), 2019, 40(2): 1-10.

HE Qilin, AI Qian. Bidding strategy of electricity market including virtual power plant considering demand response under retail power market deregulation[J]. Electric Power Construction, 2019, 40(2): 1-10.

[27] FAHRIOGLU M, ALVARADO F L. Using utility information to calibrate customer demand management behavior models[J]. IEEE Transactions on Power Systems, 2001, 16(2): 317-322.

[28]燕智超, 姚一鳴, 謝開(kāi)貴, 等. 面向配電網(wǎng)可靠性的微電網(wǎng)最優(yōu)需求響應(yīng)策略[J]. 供用電, 2021, 38(7): 40-44.

YAN Zhichao, YAO Yiming, XIE Kaigui, et al. Optimal demand response strategy of microgrid for distribution network reliability[J]. Distribution & Utilization, 2021, 38(7): 40-44.

[29] FAHRIOGLU M, ALVARADO F L. Designing incentive compatible contracts for effective demand management[J]. IEEE Transactions on Power Systems, 2000, 15(4): 1255-1260.

[30]丁明, 吳義純, 張立軍. 風(fēng)電場(chǎng)風(fēng)速概率分布參數(shù)計(jì)算方法的研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(10): 107-110.

DING Ming, WU Yichun, ZHANG Lijun. Study on the algorithm to the probabilistic distribution parameters of wind speed in wind farms[J]. Proceedings of the CSEE, 2005, 25(10): 107-110.

[31]蔡瑤, 盧志剛, 孫可, 等. 計(jì)及源荷不確定性的獨(dú)立型交直流混合微網(wǎng)多能源協(xié)調(diào)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(19): 4107-4120.

CAI Yao, LU Zhigang, SUN Ke, et al. Multi-energy coordinated optimal scheduling of isolated AC-DC hybrid microgrids considering generation and load uncertainties[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4107-4120.

[32]王冠, 李鵬, 焦揚(yáng), 等. 計(jì)及風(fēng)光不確定性的虛擬電廠多目標(biāo)隨機(jī)調(diào)度優(yōu)化模型[J]. 中國(guó)電力, 2017, 50(5): 107-113.

WANG Guan, LI Peng, JIAO Yang, et al. Multi-objective stochastic scheduling optimization model for virtual power plant considering uncertainty of wind and photovoltaic power[J]. Electric Power, 2017, 50(5): 107-113.

[33] 宋雪瑩, 陳杰, 刁利, 等. 雙碳目標(biāo)下考慮源荷不確定性多能互補(bǔ)系統(tǒng)優(yōu)化運(yùn)行模型[J]. 電測(cè)與儀表, 2021, 58(11): 8-15.

SONG Xueying, CHEN Jie, DIAO Li, et al. Optimal operation model of multi-energy complementary system considering source-load uncertainty under double carbon target[J]. Electrical Measurement & Instrumentation, 2021, 58(11): 8-15.

[34] NWULU N I, XIA X. Optimal dispatch for a microgrid incorporating renewables and demand response[J]. Renewable Energy, 2017, 101: 16-28.

Virtual power plant economic dispatching considering user classification

LI Yingliang1, ZHOU Liwen1, WANG Deming2, GAO Zhaodi1, WU Xiaomeng1

(1. School of Electronic Engineering, Xi’an Shiyou University, Xi'an 710065, China; 2. Shaanxi Railway Institute, Weinan 714000, China)

A virtual power plant (VPP) guides users to participate in the electricity market through demand response (DR), giving full play to the flexibility of distributed generation dispatching. However, the traditional VPP dispatching strategy has the limitation of single user type. To tackle this limitation, this paper proposes a VPP economic optimization dispatching model which takes into account the marginal blackout cost of hierarchical usersand takes into consideration the uncertainty of wind, solar and DR. First, the DR incentive model is established based on the commonality and characteristics of each user’s response behavior. Then, considering an incentive compatibility constraint, a VPP economic optimization scheduling model is constructed, one which takes into account the system operating cost and DR utility at the same time. Finally, a simulation analysis of a detailed case study verifies the feasibility of the proposed model. Compared with the traditional incentive strategy, the proposed approach, which takes into account the initiative and diversity of users, can enhance and balance the economic benefits of both supply and demand sides.

virtual power plant; economic dispatch; demand response; user classification; incentive strategy

10.19783/j.cnki.pspc.211449

This work is supported by the Natural Science Basic Research Program of Shaanxi Province (No. 2020JM-542).

陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目資助(2020JM-542)；國(guó)家自然科學(xué)基金企業(yè)創(chuàng)新發(fā)展聯(lián)合基金重點(diǎn)項(xiàng)目資助(U20B2029)；陜西省科技計(jì)劃基礎(chǔ)研究項(xiàng)目資助(2021JM-404)；西安石油大學(xué)研究生創(chuàng)新與實(shí)踐能力培養(yǎng)項(xiàng)目資助(YCS21213199)

2021-10-28；

2022-02-13

李英量(1979—)，男，通信作者，博士，教授，研究方向?yàn)殡娏ο到y(tǒng)穩(wěn)定控制、配電網(wǎng)規(guī)劃與繼電保護(hù)；E-mail：yingliang.li@hotmail.com

周麗雯(1997—)，女，碩士研究生，研究方向?yàn)樘摂M電廠、分布式發(fā)電技術(shù)。

(編輯 周金梅)