計(jì)及風(fēng)險(xiǎn)約束的虛擬電廠二階段最優(yōu)調(diào)度策略研究

劉華鋒，文福拴

（1.國(guó)網(wǎng)襄陽(yáng)供電公司，湖北襄陽(yáng) 441000；2.浙江大學(xué)海南研究院，海南三亞 572000）

0 引言

隨著“雙碳”目標(biāo)的提出，可再生能源在電網(wǎng)的滲透率將不斷增加以降低緩解能源危機(jī)、降低碳排放，電力系統(tǒng)的節(jié)能減排技術(shù)成為研究熱點(diǎn)[1-5]。而虛擬電廠通過(guò)智能信息系統(tǒng)集合多個(gè)分布式電源、儲(chǔ)能系統(tǒng)和不同類(lèi)型客戶(hù)的信息，在可再生能源發(fā)電與需求側(cè)管理之間進(jìn)行耦合中，發(fā)揮能源的合理調(diào)配來(lái)有效實(shí)現(xiàn)能源的高效利用[6-9]。由于系統(tǒng)面臨著可再生能源出力、負(fù)荷預(yù)測(cè)誤差及能源價(jià)格等多重不確定性，參與電力市場(chǎng)會(huì)給虛擬電廠（Virtual Power Plant，VPP）的調(diào)度決策帶來(lái)風(fēng)險(xiǎn)，研究風(fēng)險(xiǎn)約束下的虛擬電廠最優(yōu)調(diào)度策略對(duì)于提升電力系統(tǒng)穩(wěn)定性、低碳發(fā)展具有重要意義。

針對(duì)虛擬電廠的調(diào)度問(wèn)題，國(guó)內(nèi)外已有較多的研究報(bào)道[10-17]。在能源互聯(lián)網(wǎng)環(huán)境中，用戶(hù)資源主要以需求響應(yīng)的形式參與電力系統(tǒng)來(lái)改變或重塑負(fù)荷曲線(xiàn)，以緩解可再生能源發(fā)電等不確定資源帶來(lái)的挑戰(zhàn)[18-19]。文獻(xiàn)[20]整合了熱電聯(lián)產(chǎn)機(jī)組、分布式電源及需求側(cè)資源，建立的VPP 調(diào)度模型以最大收益為目標(biāo)，分析了不確定性因素下用戶(hù)對(duì)VPP 調(diào)度的影響。文獻(xiàn)[21]在VPP 調(diào)度策略中考慮了電動(dòng)汽車(chē)的分布式移動(dòng)電源作用，將電動(dòng)汽車(chē)的充電和放電功率整合到電力市場(chǎng)、日前能量和儲(chǔ)備中，考慮了電動(dòng)汽車(chē)的到達(dá)和離開(kāi)時(shí)間、電池可用時(shí)剩余的電量及電動(dòng)汽車(chē)數(shù)量不確定性，實(shí)現(xiàn)了能源的高效利用。文獻(xiàn)[22]在電力市場(chǎng)環(huán)境下構(gòu)建了VPP 與獨(dú)立系統(tǒng)運(yùn)營(yíng)商（Independent System Operator，ISO）之間的能源交易框架，同時(shí)采用條件風(fēng)險(xiǎn)價(jià)值解決了可再生能源中的不確定性，將發(fā)電量嚴(yán)重短缺的風(fēng)險(xiǎn)限制在一定的置信水平內(nèi)。文獻(xiàn)[23]利用場(chǎng)景法模擬了分布式電源出力和電價(jià)的不確定性，提出一種兩階段隨機(jī)規(guī)劃的VPP 調(diào)度模型，通過(guò)條件風(fēng)險(xiǎn)價(jià)值衡量了交易的風(fēng)險(xiǎn)。文獻(xiàn)[24]考慮用戶(hù)的需求響應(yīng)，提出VPP 的能源管理策略，描述了電價(jià)和分布式電源的不確定性，但能源管理問(wèn)題中的不確定性風(fēng)險(xiǎn)尚未得到解決。文獻(xiàn)[25]建立了日前市場(chǎng)的能源價(jià)格預(yù)測(cè)模型，提出的VPP 優(yōu)化調(diào)度模型有效解決了能源價(jià)格和負(fù)荷需求的不確定性，但虛擬電廠運(yùn)營(yíng)商決策的不確定風(fēng)險(xiǎn)未得到描述。

本文提出一種計(jì)及風(fēng)險(xiǎn)約束的虛擬電廠二階段最優(yōu)調(diào)度策略，以?xún)?yōu)化VPP 的能源和備用服務(wù)調(diào)度。在第1 階段，VPP 提交日前電能市場(chǎng)和旋轉(zhuǎn)備用市場(chǎng)中每個(gè)交易時(shí)段的投標(biāo)參量；在第2 階段，基于日前電能市場(chǎng)和旋轉(zhuǎn)備用市場(chǎng)的清算結(jié)果，VPP 與主電網(wǎng)進(jìn)行交易，針對(duì)每個(gè)交易時(shí)段對(duì)分布式發(fā)電機(jī)組、儲(chǔ)能裝置和需求側(cè)靈活資源進(jìn)行實(shí)時(shí)調(diào)度。利用條件風(fēng)險(xiǎn)價(jià)值（Conditional Value-at-Risk，CVaR）量化不確定性對(duì)虛擬電廠造成的風(fēng)險(xiǎn)，引入風(fēng)險(xiǎn)規(guī)避加權(quán)參數(shù)β對(duì)虛擬電廠收益與風(fēng)險(xiǎn)進(jìn)行權(quán)衡，以模擬VPP 運(yùn)營(yíng)商在不同條件下的風(fēng)險(xiǎn)規(guī)避行為。最后通過(guò)算例仿真驗(yàn)證了本文所提方法的有效性。

1 VPP結(jié)構(gòu)及調(diào)度策略

本文VPP 結(jié)構(gòu)由可調(diào)度分布式電源機(jī)組、風(fēng)力發(fā)電機(jī)組、儲(chǔ)能裝置及參與需求響應(yīng)的用戶(hù)組成。VPP 運(yùn)營(yíng)商根據(jù)能源供需信息、電價(jià)及可再生能源出力等信息進(jìn)行交易決策以實(shí)現(xiàn)自身利益最大化，同時(shí)參與需求響應(yīng)的用戶(hù)能夠通過(guò)管理智能家用電器的使用來(lái)減少電費(fèi)，在VPP 運(yùn)營(yíng)商決策時(shí)需進(jìn)行考慮。

本文所提出的調(diào)度策略分2 個(gè)階段進(jìn)行，在第1 階段，VPP 提交第2 日日前市場(chǎng)和旋轉(zhuǎn)備用市場(chǎng)能源和儲(chǔ)備的每小時(shí)投標(biāo)決策。這一階段，在了解未來(lái)市場(chǎng)價(jià)格、負(fù)荷需求和可再生能源發(fā)電量之前的非預(yù)期下做出決策，得出日前每個(gè)交易時(shí)段的投標(biāo)參量?；谌涨半娔苁袌?chǎng)和旋轉(zhuǎn)備用市場(chǎng)的清算結(jié)果，在第2 階段，VPP 決定與主電網(wǎng)進(jìn)行交易決策，針對(duì)每個(gè)交易時(shí)段對(duì)分布式發(fā)電機(jī)組、儲(chǔ)能裝置和需求側(cè)靈活資源進(jìn)行實(shí)時(shí)調(diào)度決策。包括分布式電源機(jī)組（Distributed Generators，DGs）的狀態(tài)、DGs 的最佳輸出功率、實(shí)施需求響應(yīng)（Demand Response，DR）后的負(fù)荷需求、DGs 和供需資源的旋轉(zhuǎn)儲(chǔ)備。由于隨機(jī)變量導(dǎo)致的不確定性，VPP 在決策過(guò)程中存在一定風(fēng)險(xiǎn)。因此，本文利用CVaR 來(lái)量化不確定性對(duì)虛擬電廠造成的風(fēng)險(xiǎn)，引入風(fēng)險(xiǎn)規(guī)避的加權(quán)參數(shù)β對(duì)虛擬電廠收益與風(fēng)險(xiǎn)之間的權(quán)衡進(jìn)行建模，以研究VPP 運(yùn)營(yíng)商在不同條件下的風(fēng)險(xiǎn)規(guī)避行為。

2 計(jì)及風(fēng)險(xiǎn)約束的VPP 二階段調(diào)度模型

2.1 目標(biāo)函數(shù)

本文以VPP 的收益最大化為目標(biāo)，目標(biāo)函數(shù)F包括VPP 的收益fpro、運(yùn)營(yíng)成本fco和不確定性對(duì)VPP 造成的風(fēng)險(xiǎn)fris，表示為：

VPP 的收益fpro包括VPP 與日前市場(chǎng)主電網(wǎng)之間的電量交換收入、向用戶(hù)售電的收入及為電網(wǎng)提供備用服務(wù)的收入，可以表示為：

式中:NT,NJ,NS,NG分別為時(shí)段、用戶(hù)、場(chǎng)景和分布式電源機(jī)組的集合；ξs為情景s的發(fā)生概率；為時(shí)段t在日前市場(chǎng)中虛擬電廠出售的總有功功率；為時(shí)段t在日前市場(chǎng)中VPP 售電電價(jià)；為時(shí)段t用戶(hù)j在情景s下參與需求響應(yīng)后的負(fù)荷需求為轉(zhuǎn)移的有功功率；ρj,t,s為時(shí)段t用戶(hù)j在情景s下的電價(jià)；為時(shí)段t分布式電源i向上/向下旋轉(zhuǎn)的售電競(jìng)標(biāo)電價(jià)；為時(shí)段t分布式電源i提供的上旋/下旋備用電量。

VPP 的運(yùn)營(yíng)成本fco由2 部分組成，即fco=fco1+fco2。其中，fco1為分布式電源及儲(chǔ)能系統(tǒng)的運(yùn)營(yíng)成本；fco2為用戶(hù)參與DR 與主電網(wǎng)提供的備用成本，表示為：

本文利用CVaR 量值為VCaR來(lái)量化不確定性對(duì)虛擬電廠造成的風(fēng)險(xiǎn)，引入風(fēng)險(xiǎn)規(guī)避的加權(quán)參數(shù)β對(duì)虛擬電廠收益與風(fēng)險(xiǎn)之間的權(quán)衡進(jìn)行建模，保守型運(yùn)營(yíng)商會(huì)選擇較大的β值來(lái)增加風(fēng)險(xiǎn)權(quán)重，而風(fēng)險(xiǎn)中立型運(yùn)營(yíng)商則偏好較高的風(fēng)險(xiǎn)以獲得更高的利潤(rùn)?？梢员硎緸椋?/p>

式中：ηs,ζ分別為計(jì)算VCaR的輔助變量和風(fēng)險(xiǎn)值；α為虛擬電廠的置信水平。

2.2 需求響應(yīng)模型

用戶(hù)通過(guò)負(fù)荷轉(zhuǎn)移與負(fù)荷削減來(lái)參與虛擬電廠的需求響應(yīng)以最小化自身的用電成本，分別采用自彈性系數(shù)和交叉彈性系數(shù)來(lái)表示可轉(zhuǎn)移負(fù)荷和可削減負(fù)荷對(duì)價(jià)格的敏感性，即：

用戶(hù)通過(guò)負(fù)荷削減與負(fù)荷削減參與需求響應(yīng)時(shí)的經(jīng)濟(jì)模型可以表示為：

2.3 約束條件

1）功率平衡約束：

為確保從主電網(wǎng)購(gòu)買(mǎi)的電力與虛擬電廠發(fā)電機(jī)組產(chǎn)生的電力能夠滿(mǎn)足客戶(hù)的需求，節(jié)點(diǎn)n處功率平衡約束可描述為：

3）分布式電源運(yùn)行約束：

5）虛擬電廠電量交易約束：

虛擬電廠可將自身剩余/短缺電力通過(guò)出售和購(gòu)買(mǎi)電力與主電網(wǎng)進(jìn)行交易，其約束為：

3 算例與結(jié)果

為驗(yàn)證本文所提調(diào)度策略的有效性，利用文獻(xiàn)[26]中的15 節(jié)點(diǎn)虛擬電廠拓?fù)溥M(jìn)行仿真分析，并采用Matlab+Yalmip/Cplex 對(duì)本文所提混合整數(shù)線(xiàn)性規(guī)劃模型進(jìn)行求解。虛擬電廠風(fēng)力發(fā)電機(jī)組輸出功率的預(yù)測(cè)值詳見(jiàn)文獻(xiàn)[20]。日前電價(jià)及負(fù)荷需求如圖1 所示。將日負(fù)荷曲線(xiàn)分為3 個(gè)不同的時(shí)段，即谷底時(shí)段（00:00—5:00）、平時(shí)段（5:00—10:00，16:00—19:00 和22:00—24:00）和高峰時(shí)段（11:00—15:00和20:00—22:00），上升和下降旋轉(zhuǎn)備用價(jià)格為日前電價(jià)的15%，需求響應(yīng)的彈性系數(shù)如表1 所示；DG和ESS 裝置的參數(shù)分別如表2 和表3 所示。

圖1 日前電價(jià)及負(fù)荷需求Fig.1 Day-ahead electricity price and load demand

表1 需求響應(yīng)的彈性系數(shù)Table 1 Elastic coefficient of demand response

表2 分布式電源機(jī)組的相關(guān)參數(shù)Table 2 Relevant parameters of DGs

表3 儲(chǔ)能裝置的相關(guān)參數(shù)Table 3 Relevant parameters of energy storage devices

為了研究不同風(fēng)險(xiǎn)條件下不同用戶(hù)需求響應(yīng)對(duì)VPP 調(diào)度決策的影響，考慮4 種場(chǎng)景進(jìn)行數(shù)據(jù)分析。場(chǎng)景1：未考慮用戶(hù)需求響應(yīng)的虛擬電廠最優(yōu)調(diào)度；場(chǎng)景2：考慮用戶(hù)負(fù)荷削減的虛擬電廠最優(yōu)調(diào)度；場(chǎng)景3：考慮用戶(hù)負(fù)荷轉(zhuǎn)移的虛擬電廠最優(yōu)調(diào)度；場(chǎng)景4：同時(shí)考慮客戶(hù)用戶(hù)負(fù)荷削減與轉(zhuǎn)移的虛擬電廠最優(yōu)調(diào)度。

4 種場(chǎng)景下虛擬電廠用戶(hù)的負(fù)荷需求分布如圖2 所示。

圖2 4種場(chǎng)景下的負(fù)荷需求分布Fig.2 Load demand distribution in four scenarios

從圖2 可知，場(chǎng)景2 中用戶(hù)在高峰時(shí)段的負(fù)荷需求減少，以減少電費(fèi)，但其他時(shí)段沒(méi)有變化；場(chǎng)景3 中用戶(hù)在高峰時(shí)段減少用電量，并將部分消費(fèi)轉(zhuǎn)移到其他時(shí)段，尤其是低谷時(shí)段。由于用戶(hù)每日的能源需求不變，通過(guò)負(fù)荷轉(zhuǎn)移來(lái)改變能源消耗模式，從而可以降低用電成本。

不同場(chǎng)景下參數(shù)β對(duì)應(yīng)的VPP 的收益和VCaR值如圖3 和圖4 所示。

圖3 參數(shù)β 下的VPP收益情況Fig.3 VPP revenue corresponding to β in four scenarios

圖4 參數(shù)β 下的VCaR 值Fig.4 VCaR value corresponding to β in four scenarios

從圖3 和圖4 可知，VPP 的收益在隨著β的增加而減少。在β值較低時(shí)，風(fēng)險(xiǎn)規(guī)避對(duì)VPP 的收益和VCaR的影響較小，而在β值較高的情況下，所有場(chǎng)景下的調(diào)度方案收益降幅增大。相對(duì)于其他場(chǎng)景，在場(chǎng)景4 中，由于綜合考慮了用戶(hù)的需求響應(yīng)，所以該場(chǎng)景相對(duì)于其他場(chǎng)景的收益最高，且VCaR值最低，具有較好的調(diào)度經(jīng)濟(jì)性。風(fēng)險(xiǎn)厭惡導(dǎo)致日前市場(chǎng)中買(mǎi)賣(mài)能源交易的減少，在風(fēng)險(xiǎn)規(guī)避情況下，相對(duì)于主網(wǎng)，VPP 傾向于從其本地DG 機(jī)組購(gòu)電來(lái)滿(mǎn)足更多的負(fù)荷需求。因此，風(fēng)險(xiǎn)規(guī)避情況下的能源交易小于風(fēng)險(xiǎn)中性情況下的能源交易，由于VPP表現(xiàn)出更為規(guī)避風(fēng)險(xiǎn)的行為，它傾向于從DG 機(jī)組供應(yīng)負(fù)荷，以消除市場(chǎng)價(jià)格的波動(dòng)。

設(shè)置4 個(gè)不同的β值來(lái)分析風(fēng)險(xiǎn)規(guī)避對(duì)VPP儲(chǔ)量調(diào)度的影響，表4 為4 種場(chǎng)景下DG 和用戶(hù)DR提供的總上升和下降旋轉(zhuǎn)備用。

表4 VPP調(diào)度的能源備用情況Table 4 Energy reserves with VPP

從表4 可知，在所有場(chǎng)景下，用戶(hù)通過(guò)參與需求響應(yīng)會(huì)導(dǎo)致分布式機(jī)組備用的減少。然而，在場(chǎng)景4 中，用戶(hù)可通過(guò)負(fù)荷轉(zhuǎn)移與負(fù)荷削減來(lái)參與備用服務(wù)，從而對(duì)備用供電的影響大于其他場(chǎng)景。此外，在β值較大的情況下，整個(gè)調(diào)度備用增加，以減少意外情況下的切負(fù)荷，并保證系統(tǒng)可靠運(yùn)行。通過(guò)增加β值，系統(tǒng)面臨的惡劣情節(jié)將減少，從而緩解虛擬電廠所面臨的多重不確定性影響。

4 結(jié)語(yǔ)

本文提出一種計(jì)及風(fēng)險(xiǎn)約束的虛擬電廠二階段最優(yōu)調(diào)度策略，并利用CVaR 量化了不確定性對(duì)虛擬電廠造成的風(fēng)險(xiǎn)，同時(shí)，引入風(fēng)險(xiǎn)規(guī)避的加權(quán)參數(shù)β對(duì)虛擬電廠收益與風(fēng)險(xiǎn)之間的權(quán)衡進(jìn)行建模，以研究VPP 運(yùn)營(yíng)商在不同條件下的風(fēng)險(xiǎn)規(guī)避行為。仿真結(jié)果表明：用戶(hù)參與需求響應(yīng)可以有效提成虛擬電廠參與主網(wǎng)的市場(chǎng)收益，且不同類(lèi)型的需求響應(yīng)行為可提高VPP 的利潤(rùn)。在風(fēng)險(xiǎn)規(guī)避的加權(quán)參數(shù)β值較低時(shí)，風(fēng)險(xiǎn)規(guī)避對(duì)VPP 的收益和CVaR 的影響較小，而在β值較高的情況下，所有場(chǎng)景下的調(diào)度方案收益降幅增大，基于不同加權(quán)參數(shù)可為不同風(fēng)險(xiǎn)偏好的VPP 運(yùn)營(yíng)商提供調(diào)度參考。