電力市場(chǎng)環(huán)境下虛擬電廠兩階段能量經(jīng)濟(jì)優(yōu)化調(diào)度

趙力航，常偉光，楊敏，楊強(qiáng)，秦剛?cè)A

(1. 浙江省太陽能利用及節(jié)能技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 311121；2. 浙江浙能技術(shù)研究院有限公司，浙江 杭州311121；3. 浙江大學(xué) 電氣工程學(xué)院，浙江 杭州 310027)

0 引言

近年來，化石燃料的大量使用和其導(dǎo)致的環(huán)境污染問題使得可再生能源發(fā)電技術(shù)引起了廣泛的關(guān)注[1-2]。大規(guī)模的分布式能源(distributed energy resource, DER)接入電網(wǎng)給電網(wǎng)的運(yùn)行帶來了一定的影響[3-4]，因此為了更好地管理較大范圍的內(nèi)的DER，虛擬電廠（virtual power plant, VPP）的概念逐漸出現(xiàn)并被應(yīng)用[5]。本質(zhì)上來說，虛擬電廠是一種管理一定范圍內(nèi)DER 的技術(shù)，他聚合了一定區(qū)域內(nèi)的地域分散、種類多樣的分布式電源、儲(chǔ)能設(shè)備（energy storage system, ESS）、可控發(fā)電機(jī)（如柴油發(fā)電機(jī)）和負(fù)荷，作為一個(gè)整體接入電網(wǎng)，參與電網(wǎng)的運(yùn)行。通常來說，VPP 內(nèi)部設(shè)有能量管理系統(tǒng)（energy management system, EMS），來實(shí)現(xiàn)VPP 內(nèi)部的能量調(diào)度、發(fā)電預(yù)測(cè)和參與電力市場(chǎng)的功能[6-7]。

VPP 內(nèi)部DER 發(fā)電的不確定性和波動(dòng)性使得VPP 需要充分地挖掘各個(gè)單元的發(fā)電潛力，施以合適的能量協(xié)同調(diào)控策略，提高VPP 內(nèi)部的資源利用率。近年來，針對(duì)VPP 的能量管理調(diào)度已有很多學(xué)者做出了大量的的研究。文獻(xiàn)[8]考慮了包含電價(jià)、風(fēng)電出力和需求響應(yīng)等不確定性因素，基于工程博弈思想進(jìn)行模型的構(gòu)建和簡(jiǎn)化，最后使用粒子群優(yōu)化算法求得了魯棒最優(yōu)解。文獻(xiàn)[9]在考慮風(fēng)光出力不確定性的基礎(chǔ)上，核算單位環(huán)境外部性成本并將其計(jì)入VPP 的單位發(fā)電成本，通過算例仿真驗(yàn)證了模型的魯棒性和計(jì)算簡(jiǎn)便性。文獻(xiàn)[10] 綜合考慮了VPP 中負(fù)荷聚合商、儲(chǔ)能設(shè)備和用戶的效益，在3 種不同的需求響應(yīng)參與場(chǎng)景下開展了不同對(duì)象的經(jīng)濟(jì)收益變化的研究，通過算例仿真驗(yàn)證了所提出模型的經(jīng)濟(jì)性。此外，隨著VPP 概念的不斷推廣，更多的能源載體形式也被并入VPP 的范疇之中。文獻(xiàn)[11]考慮了將抽水蓄能電站納入VPP 的能量調(diào)度中，并使用一種改進(jìn)的快速非支配排序遺傳算法（NSGA）對(duì)所提出模型進(jìn)行了求解，結(jié)果表明VPP 中的級(jí)聯(lián)水電-光伏-抽水蓄能混合發(fā)電的聯(lián)合調(diào)度可以根據(jù)節(jié)能、航運(yùn)和生態(tài)的需要做出靈活的決策。文獻(xiàn)[12]考慮大規(guī)模DER、電動(dòng)汽車接入的情況，提出了面向VPP 的負(fù)荷均衡管理策略，提出了一種分層電力調(diào)度系統(tǒng)完成對(duì)用電負(fù)荷的調(diào)度。最后，通過算例驗(yàn)證所提出方案可以實(shí)現(xiàn)多類資源的有效互補(bǔ)。隨著中國電力市場(chǎng)的改革，各種類型的區(qū)域供電系統(tǒng)如微電網(wǎng)、虛擬電廠及其集群需要逐步納入市場(chǎng)交易中，國內(nèi)外學(xué)者已針對(duì)虛擬電廠參與電力市場(chǎng)交易開展了廣泛研究。文獻(xiàn)[13]基于懲罰機(jī)制，以VPP 收益最大為目標(biāo)建立了VPP 參與多類電力市場(chǎng)的模型，通過算例仿真驗(yàn)證了所建模型的合理性，兼顧了VPP 經(jīng)濟(jì)性和安全性。文獻(xiàn)[14]考慮到VPP 運(yùn)營商與外部市場(chǎng)、內(nèi)部資源具有雙側(cè)互動(dòng)的特點(diǎn)，提出了一種VPP 運(yùn)營商對(duì)外參與電能量市場(chǎng)和調(diào)峰市場(chǎng)、對(duì)內(nèi)與各成員協(xié)作配合的內(nèi)外協(xié)調(diào)競(jìng)標(biāo)策略，建立運(yùn)營商與內(nèi)部成員的多主體雙層競(jìng)標(biāo)模型，最后通過算例分析證明了所提策略的有效性和合理性。目前多數(shù)的文獻(xiàn)并沒有考慮VPP 與電力市場(chǎng)的交互，且未考慮電力市場(chǎng)的運(yùn)行機(jī)制對(duì)于VPP 自身調(diào)度決策的影響，對(duì)于考慮不同電力市場(chǎng)規(guī)則下的VPP 調(diào)度也缺乏研究，且在實(shí)際中，VPP 的日前調(diào)度計(jì)劃制定的必要性未被充分考慮，因此本文開展的非管制電力市場(chǎng)環(huán)境下的VPP 能量經(jīng)濟(jì)調(diào)度具有一定的現(xiàn)實(shí)價(jià)值和工程意義。

VPP 中存在多種不確定性源，單一的日前計(jì)劃或日內(nèi)實(shí)時(shí)調(diào)度方法無法很好地兼顧虛擬電廠調(diào)度的經(jīng)濟(jì)性與實(shí)時(shí)性，因此本文將VPP 的能量調(diào)度問題設(shè)置在非管制電力市場(chǎng)的環(huán)境下，通過電力市場(chǎng)交易的規(guī)則來引導(dǎo)VPP 進(jìn)行需求響應(yīng)，以VPP 的調(diào)度成本最低為目標(biāo)函數(shù)，構(gòu)建日前-日內(nèi)兩階段的VPP 能量調(diào)度模型，使用商業(yè)求解器Gurobi 對(duì)模型進(jìn)行求解，最后通過算例仿真驗(yàn)證所提出模型的經(jīng)濟(jì)性和可行性。

1 模型預(yù)測(cè)控制與電力市場(chǎng)模型

1.1 模型預(yù)測(cè)控制

VPP 的典型結(jié)構(gòu)如圖1 所示。根據(jù)本文提出的模型，VPP 需要在日前依據(jù)預(yù)測(cè)信息制定次日的調(diào)度計(jì)劃，并在次日的實(shí)時(shí)調(diào)度階段跟蹤前日的計(jì)劃曲線。由于分布式能源的出力很難提前進(jìn)行準(zhǔn)確預(yù)測(cè)，在日內(nèi)調(diào)度階段需要采用某種調(diào)度策略來盡可能地減少供需側(cè)不確定性對(duì)優(yōu)化問題的影響。本文中所采用的日內(nèi)調(diào)整策略基于模型預(yù)測(cè)控制（model predict control, MPC）。MPC 是有限時(shí)域內(nèi)閉環(huán)最優(yōu)控制的算法，它能夠克服一般的優(yōu)化方法所難以解決的諸如參數(shù)、環(huán)境具有的時(shí)變性、非線性這樣的難題。MPC 是基于模型的，但是對(duì)于模型的要求并不高，因此在工業(yè)控制過程中得到了較好的應(yīng)用[14-16]。MPC 的核心思想為：在每一個(gè)優(yōu)化采樣的時(shí)刻，系統(tǒng)將使用當(dāng)前時(shí)刻的預(yù)測(cè)值及實(shí)際測(cè)量值，基于約束條件的限制和目標(biāo)函數(shù)，優(yōu)化得到將來時(shí)刻的一系列最優(yōu)控制決策變量。隨著采樣優(yōu)化時(shí)刻的推進(jìn)，更新初始狀態(tài)，采用相同的方法來重復(fù)上述的滾動(dòng)優(yōu)化過程。采用基于MPC的實(shí)時(shí)調(diào)度策略，能夠較好地達(dá)到策略調(diào)整的實(shí)時(shí)性和最優(yōu)性。圖2 展示了MPC 方法的一般性框架。

圖1 VPP 結(jié)構(gòu)示意Fig. 1 Diagram of virtual power plant

圖2 模型預(yù)測(cè)控制框架Fig. 2 Framework of model predict control

1.2 電力市場(chǎng)模型

非管制電力市場(chǎng)即放松管制的電力市場(chǎng)，由供需平衡來決定市場(chǎng)價(jià)格。國際上比較成熟的非管制電力市場(chǎng)案例是美國的PJM（賓夕法尼亞州-新澤西州-馬里蘭州互聯(lián)電網(wǎng)）電力市場(chǎng)，該市場(chǎng)保證電力服務(wù)提供商受政府監(jiān)管，但他們?nèi)匀豢梢栽谧陨斫M織的市場(chǎng)上出售電力。PJM 市場(chǎng)的組織者認(rèn)為隨著發(fā)電公司的增多，購買力的批發(fā)率將下降。同時(shí)，這類市場(chǎng)可以為客戶提供更多選擇，讓他們選擇電力公司提供服務(wù)，將在服務(wù)提供商之間創(chuàng)造良性競(jìng)爭(zhēng)，從而降低整體消費(fèi)價(jià)格。在監(jiān)管方面，PJM 除了受聯(lián)邦能源管理委員會(huì)（FERC）、各州公共事業(yè)管理委員會(huì)的監(jiān)督外，還有獨(dú)立市場(chǎng)監(jiān)管機(jī)構(gòu)負(fù)責(zé)每年發(fā)布監(jiān)管報(bào)告以改進(jìn)市場(chǎng)設(shè)計(jì)、提高市場(chǎng)表現(xiàn)。在2016 年度報(bào)告中，該機(jī)構(gòu)認(rèn)為PJM 能量市場(chǎng)中電力批發(fā)價(jià)格基本接近邊際成本，整體上實(shí)現(xiàn)了有效競(jìng)爭(zhēng)。

此外在歐洲，比利時(shí)和英國是唯一成功地完全解除對(duì)電力行業(yè)管制的國家。歐洲其他國家則維持著公私合營的混合模式，政府負(fù)責(zé)對(duì)用戶的電力監(jiān)管，而私營部門則負(fù)責(zé)發(fā)電。

本文中VPP 的能量調(diào)度模型是設(shè)置在非管制電力市場(chǎng)環(huán)境下的，其中包括日前市場(chǎng)（dayahead market, DM）和日內(nèi)平衡市場(chǎng)（intra-day balancing market, IBM）[17]。在日前市場(chǎng)中，市場(chǎng)的組織者使用受安全性約束的經(jīng)濟(jì)調(diào)度模型來生成清算電價(jià)并下發(fā)給市場(chǎng)的參與者。市場(chǎng)的參與者需要在日前階段進(jìn)行自身的電量-價(jià)格報(bào)價(jià)。在日前市場(chǎng)清算完成后，市場(chǎng)的參與者和組織者之間將會(huì)簽訂購/售電合同。因此，在日內(nèi)實(shí)時(shí)調(diào)度階段，如果實(shí)時(shí)交易的電量與日前的不符，那么市場(chǎng)參與者需要承擔(dān)相應(yīng)的罰款[18]。相較于日前購/售電計(jì)劃，如果臨時(shí)購買更多的電量或出售更少的電量，那么這部分電量會(huì)以高于實(shí)時(shí)電價(jià)的價(jià)格進(jìn)行額外收費(fèi)，否則將以低于實(shí)時(shí)電價(jià)的價(jià)格進(jìn)行額外收費(fèi)[19]。

2 兩階段虛擬電廠能量?jī)?yōu)化調(diào)度模型

2.1 長短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

VPP 需要基于預(yù)測(cè)信息在日前制定次日的最優(yōu)調(diào)度計(jì)劃，因此需要對(duì)次日的風(fēng)力、光伏發(fā)電和負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測(cè)。本文將采用長短期記憶神經(jīng)網(wǎng)絡(luò)（long-short term memory, LSTM）對(duì)上述數(shù)據(jù)進(jìn)行較高精度的預(yù)測(cè)。LSTM 是循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network, RNN）的一種，其特殊的長短期記憶選擇單元，可以用來解決“普通RNN 無法捕捉長期記憶中隱含規(guī)律”的問題[20]。因此，LSTM 很適合出力連續(xù)的時(shí)間序列，在電力系統(tǒng)中的應(yīng)用廣泛[21-23]。

在本文的工作中，輸入到LSTM 中的數(shù)據(jù)為兩天前的真實(shí)歷史數(shù)據(jù)，輸出數(shù)據(jù)為次日一整天的出力數(shù)據(jù)，其時(shí)間分辨率為15 min?？紤]到風(fēng)力發(fā)電固有的隨機(jī)性和波動(dòng)性，其預(yù)測(cè)精度很難保證，因此本文假設(shè)風(fēng)力發(fā)電的預(yù)測(cè)誤差滿足正態(tài)分布[24]。本文使用某地區(qū)一年的歷史數(shù)據(jù)（時(shí)間間隔為5 min）訓(xùn)練網(wǎng)絡(luò)使其學(xué)習(xí)時(shí)間序列的內(nèi)在規(guī)律，為了方便網(wǎng)絡(luò)學(xué)習(xí)，數(shù)據(jù)在使用前進(jìn)行了歸一化處理。預(yù)測(cè)結(jié)果如圖3 所示。

圖3 預(yù)測(cè)數(shù)據(jù)Fig. 3 Forecasting data

2.2 數(shù)學(xué)模型

2.2.1 日前階段

在日前階段，VPP 需要根據(jù)預(yù)測(cè)信息來進(jìn)行本地的能量?jī)?yōu)化調(diào)度，制定出次日的最優(yōu)運(yùn)行計(jì)劃，并將次日的購/售電計(jì)劃上報(bào)給市場(chǎng)組織者。

（2）約束條件。

在日前階段，約束條件主要包括功率平衡約束、設(shè)備出力上下限約束、DG 爬坡約束、ESS 荷電狀態(tài)（state of charge, SoC）約束、聯(lián)絡(luò)線功率上下限約束。

①功率平衡約束為

④ESS 的SoC 約束為

2.2.2 日內(nèi)階段

在日內(nèi)階段，VPP 需要根據(jù)當(dāng)前的實(shí)時(shí)信息和預(yù)測(cè)信息，針對(duì)日前計(jì)劃進(jìn)行實(shí)時(shí)調(diào)整，消除預(yù)測(cè)誤差的同時(shí)，盡可能地跟蹤日前計(jì)劃曲線以減少來自電力市場(chǎng)的罰款。

（1）目標(biāo)函數(shù)為

日內(nèi)平衡市場(chǎng)會(huì)對(duì)超出日前購電計(jì)劃或低于日前售電計(jì)劃的電量以高于實(shí)時(shí)電價(jià)的價(jià)格進(jìn)行罰款，φ為控制罰款價(jià)格的參數(shù)；對(duì)低于日前購電計(jì)劃或超出日前售電的電量以低于實(shí)時(shí)電價(jià)的價(jià)格進(jìn)行罰款，ω為控制罰款價(jià)格的參數(shù)。

（2）約束條件。

與日前階段相似，約束主要包括功率平衡約束、設(shè)備的出力上下限約束、DG 爬坡約束、ESS 的荷電狀態(tài)約束、聯(lián)絡(luò)線功率上下限約束。需要指出的是，在日內(nèi)階段，在一個(gè)優(yōu)化時(shí)間窗口[t,t+M-1]內(nèi)，在t時(shí)刻的負(fù)荷、光伏發(fā)電、風(fēng)力發(fā)電的出力值采用的是真實(shí)值，其余時(shí)刻則采用的是預(yù)測(cè)值。

①功率平衡約束為其中SoC 的計(jì)算方式參照式（8）。

⑤聯(lián)絡(luò)線功率上下限約束為

本文所建立的模型的求解流程如圖4 所示。

圖4 所提出模型的流程Fig. 4 Flow chart of the proposed model

3 算例仿真分析

3.1 相關(guān)數(shù)據(jù)

本文考慮的虛擬電廠由1 個(gè)700 kW 的風(fēng)電場(chǎng)、1 個(gè)1 000 kW 的光伏電站、1 個(gè)500 kW 的柴油發(fā)電機(jī)、1 個(gè)容量為5 000 kW·h 的儲(chǔ)能設(shè)備和總額為1 800 kW 的負(fù)荷組成[25]。

3.2 虛擬電廠日前最優(yōu)調(diào)度計(jì)劃

日前階段，虛擬電廠各個(gè)設(shè)備運(yùn)行計(jì)劃如圖5 a)所示，日內(nèi)電價(jià)和儲(chǔ)能設(shè)備SoC 變化如圖5 b)所示。

圖5 中光伏發(fā)電和風(fēng)力發(fā)電之間的部分是凈負(fù)荷。對(duì)于虛擬電廠來講，其日前最優(yōu)調(diào)度計(jì)劃的制定主要取決于市場(chǎng)電價(jià)和凈負(fù)荷的大小。如果當(dāng)前時(shí)刻的電價(jià)較低，如10:00—12:00，此時(shí)虛擬電廠對(duì)比柴油發(fā)電機(jī)組和儲(chǔ)能設(shè)備出力成本與電網(wǎng)電價(jià)，傾向于從電網(wǎng)購電，否則儲(chǔ)能設(shè)備和柴油發(fā)電機(jī)將會(huì)出力來維持虛擬電廠內(nèi)部的功率平衡（如20:00—22:00）。此外，當(dāng)電價(jià)較高的時(shí)刻，虛擬電廠會(huì)選擇將多余的電量包括儲(chǔ)能中儲(chǔ)存的電量出售以降低整體的運(yùn)行成本（如04:00—08:00）。觀察儲(chǔ)能設(shè)備的SoC 曲線也可以看出，儲(chǔ)能設(shè)備所起的作用是將多余的發(fā)電量進(jìn)行時(shí)間上的平移，即將過剩的電量存儲(chǔ)起來，在新能源發(fā)電量不足的時(shí)候?qū)ν夥烹姡档土速忞姵杀?。從圖5 b)中也可以看出其變化趨勢(shì)較為平緩，說明虛擬電廠內(nèi)部的各個(gè)單元能夠達(dá)到協(xié)同互補(bǔ)的效果，其管轄范圍內(nèi)的分布式資源得到了很好的利用。

圖5 虛擬電廠日前調(diào)度結(jié)果Fig. 5 Day-ahead scheduling solution for VPP

3.3 虛擬電廠日內(nèi)調(diào)整計(jì)劃

圖6 展示了日內(nèi)階段虛擬電廠各個(gè)單元的出力相較于日前計(jì)劃的調(diào)整，從圖6 a) 可以看出，日內(nèi)的交易計(jì)劃大致上完成了對(duì)日前計(jì)劃的跟蹤。在日內(nèi)階段，實(shí)際的風(fēng)電出力、光伏出力和負(fù)荷的數(shù)值與日前預(yù)測(cè)結(jié)果存在偏差，因此虛擬電廠需要協(xié)同調(diào)節(jié)內(nèi)部?jī)?chǔ)能設(shè)備和可控柴油發(fā)電機(jī)的出力來消除出現(xiàn)的凈負(fù)荷波動(dòng)，同時(shí)盡可能跟蹤日前交易計(jì)劃以減少IBM 的罰款。虛擬電廠對(duì)日前計(jì)劃的調(diào)整和當(dāng)前時(shí)刻的IBM 電價(jià)和凈負(fù)荷波動(dòng)有著直接的聯(lián)系，08:00—12:00，虛擬電廠對(duì)于交易計(jì)劃的調(diào)整較大，因?yàn)榇藭r(shí)的IBM 電價(jià)較低，直接承擔(dān)罰款相較于調(diào)節(jié)設(shè)備出力更為劃算。而在IBM 電價(jià)較高的0 5:0 0—06:00 和18:00—20:00，虛擬電廠對(duì)于交易計(jì)劃的調(diào)整較少，而是由儲(chǔ)能設(shè)備和柴油發(fā)電機(jī)協(xié)調(diào)彌補(bǔ)凈負(fù)荷出現(xiàn)的波動(dòng)，以減少整體運(yùn)行成本。

圖6 日內(nèi)調(diào)整計(jì)劃結(jié)果Fig. 6 Results of the intra-day redispatch

此外，對(duì)于儲(chǔ)能設(shè)備的調(diào)整并沒有完全呈現(xiàn)出與調(diào)整交易計(jì)劃相似的趨勢(shì)，在某些時(shí)刻其調(diào)整幅度較大（如12:00、12:15、12:30、12:45、16:00），出現(xiàn)這種現(xiàn)象的原因是儲(chǔ)能設(shè)備受式（15）（16）的約束，需要在一天的始末保持相同的SoC，因此會(huì)在某些時(shí)刻選擇充/放電來維持自身電量，從而能夠滿足其電量約束。

3.4 經(jīng)濟(jì)性評(píng)估

為評(píng)估所提出方法的經(jīng)濟(jì)性，本文隨機(jī)抽取了一年中10 天的運(yùn)行數(shù)據(jù)進(jìn)行仿真，并與以下2 種方法的總調(diào)度成本進(jìn)行對(duì)比。

（1）假設(shè)虛擬電廠知曉次日分布式能源出力和負(fù)荷的真實(shí)數(shù)據(jù)，并制定全局最優(yōu)調(diào)度計(jì)劃。

（2）虛擬電廠只根據(jù)日前預(yù)測(cè)信息制定日前最優(yōu)調(diào)度計(jì)劃，日內(nèi)針對(duì)儲(chǔ)能設(shè)備和柴油發(fā)電機(jī)的出力不做任何調(diào)整，只調(diào)整與電網(wǎng)的交易計(jì)劃來滿足日內(nèi)出現(xiàn)的凈負(fù)荷波動(dòng)，承擔(dān)IBM 的罰款。

圖7 展示了在所抽取的10 天中3 種方法運(yùn)行成本的對(duì)比。總的成本包含4 個(gè)部分：DG 成本、ESS 成本、IBM 罰款和DM 交易費(fèi)用。整體的調(diào)度成本可以理解為設(shè)備成本（DG 和ESS 成本）和電力市場(chǎng)交易成本（IBM 罰款和DM 交易成本）。DG 和ESS 成本指的是在經(jīng)過日前和日內(nèi)階段的調(diào)度之后兩種設(shè)備實(shí)際所產(chǎn)生的成本。VPP 與電力市場(chǎng)的交易結(jié)算是兩階段的，其中IBM 罰款指的是在日內(nèi)階段因?yàn)榕c電網(wǎng)的交易電量與日前計(jì)劃不符所產(chǎn)生的相關(guān)罰款；DM 交易費(fèi)用是指在日前階段與電力市場(chǎng)簽訂的次日購/售電合約中的電量所產(chǎn)生的交易費(fèi)用。

圖7 經(jīng)濟(jì)性評(píng)估Fig. 7 Economic performance

總體來看，方法1 對(duì)應(yīng)的運(yùn)行成本是最低的，這是因?yàn)榉椒? 中無預(yù)測(cè)信息的誤差，所制定的運(yùn)行調(diào)度計(jì)劃是全局最優(yōu)的，方法2 的成本是最高的。對(duì)比本文提出的方法和方法2 可以看出，本文方法對(duì)應(yīng)的儲(chǔ)能設(shè)備和柴油發(fā)電機(jī)對(duì)應(yīng)的成本要高于方法2，而IBM 罰款一般低于方法2，這是因?yàn)榉椒? 在日內(nèi)階段沒有主動(dòng)的調(diào)整，而本文所提出的方法通過日內(nèi)階段使用模型預(yù)測(cè)控制策略來協(xié)同虛擬電廠內(nèi)部的設(shè)備，依據(jù)IBM 電價(jià)和凈負(fù)荷波動(dòng)的大小，在必要的時(shí)刻調(diào)整儲(chǔ)能設(shè)備和柴油發(fā)電機(jī)的出力，盡可能地降低IBM 的罰款，減少總體的運(yùn)行成本。然而需要指出的是，在某些天（如第1 天、第7 天）本文提出的方法對(duì)應(yīng)的總體運(yùn)行成本反而高于方法2 對(duì)應(yīng)的成本，出現(xiàn)這種現(xiàn)象的原因是本文提出的方法在日內(nèi)階段的調(diào)整仍然是基于日內(nèi)預(yù)測(cè)信息的，因此在某些天如果可再生能源出力波動(dòng)過大會(huì)造成算法無法求得最優(yōu)結(jié)果，即運(yùn)行成本反而在日內(nèi)調(diào)整過后不減反增。

4 結(jié)論

本文針對(duì)虛擬電廠提出了一種非管制電力市場(chǎng)環(huán)境下的兩階段能量經(jīng)濟(jì)優(yōu)化調(diào)度方法。該方法分為日前計(jì)劃和日內(nèi)調(diào)整2 部分。在日前階段，基于對(duì)次日可再生能源出力和負(fù)荷的預(yù)測(cè)，虛擬電廠制定次日最優(yōu)運(yùn)行計(jì)劃并與電力市場(chǎng)簽訂協(xié)議作為次日的運(yùn)行計(jì)劃參考。在日內(nèi)階段，以日前提交的運(yùn)行計(jì)劃為基準(zhǔn)，基于模型預(yù)測(cè)控制調(diào)控策略，協(xié)調(diào)虛擬電廠內(nèi)部的設(shè)備以平衡預(yù)測(cè)誤差導(dǎo)致的凈負(fù)荷波動(dòng)，同時(shí)盡可能降低IBM 罰款和總體的運(yùn)行成本。仿真實(shí)驗(yàn)表明了通過日前計(jì)劃和日內(nèi)調(diào)控，虛擬電廠能夠很好地管理管轄范圍內(nèi)的可再生能源，提高其利用效率，降低總體的運(yùn)行成本。與2 種其他方法的對(duì)比實(shí)驗(yàn)顯示出本文所提出算法的經(jīng)濟(jì)性和實(shí)用性，此外本文考慮了實(shí)際的電力市場(chǎng)背景下虛擬電廠的調(diào)度問題，具備一定的工程實(shí)際意義。本文所考慮的虛擬電廠規(guī)模較小，涵蓋的能源形式略顯不足，將更多的能源形式（氫能、水能、天然氣等）納入虛擬電廠的范疇中并參與電網(wǎng)調(diào)度，是需要進(jìn)一步研究的內(nèi)容。