考慮多元柔性負荷的虛擬電廠分層優(yōu)化調(diào)度

摘 要：

為提升高比例可再生能源的消納水平和推進區(qū)域低碳化，建立電制氫合成甲醇的廣義儲能模型參與虛擬電廠（VPP）調(diào)度，提出考慮多元柔性負荷的VPP分層優(yōu)化策略。其中上層模型通過廣義儲能跟蹤風光發(fā)電并消納部分出力，中層模型通過分時電價和激勵進行負荷靈活調(diào)節(jié)，下層模型通過火電機組、廣義儲能以及對外界電能交易保證VPP電能供需平衡。使用CPLEX商業(yè)求解器對所建模型進行求解分析，并與多個VPP方案進行對比。結(jié)果表明，所提策略能夠有效促進可再生能源消納，提高VPP的低碳效益，對于工程實踐具有重要理論指導(dǎo)價值。

關(guān)鍵詞：

虛擬電廠; 廣義儲能; 三層模型; 分時電價; 仿真驗證

中圖分類號： TM734

文獻標志碼： A

文章編號： 2095-8188（2024）11-0073-09

DOI：

10.16628/j.cnki.2095-8188.2024.11.009

Hierarchical Optimal Scheduling of Virtual Power Plants Considering Multiple Flexible Loads

WEI Xiaogang1， LI Zhaoze2， ZHANG Jihong2， WU Zhenkui2， ZHANG Zilei2

（1.CNOOC New Energy Erenhot Wind Power Co，.Ltd.， Erenhot 011100， China;

2.School of Automation and Electrical Engineering，Inner Mongolia University of Science and Technology， Baotou 014010， China）

Abstract：

To enhance the consumption of high-penetration renewable energy and promote regional decarbonization，a generalized energy storage model for the synthesis of methanol via electrolysis of hydrogen is established to participate in the dispatch of a virtual power plant （VPP）.A hierarchical optimization strategy for VPP considering multiple flexible loads is proposed.In the upper-level model，the generalized energy storage tracks the wind and solar power generation and absorbs part of the output.The mid-level model flexibly adjusts the load through time-of-use pricing and incentives.The lower-level model ensures the balance of power supply and demand in VPP through the thermal power units，the generalized energy storage，and the external electricity transactions.The CPLEX commercial solver is used to analyze and solve the proposed model.By comparing multiple VPP schemes，it is demonstrated that the proposed strategy effectively promotes the consumption of renewable energy，enhances the low-carbon benefits of VPP，and provides the important theoretical guidance for engineering practice.

Key words：

virtual power plant （VPP）; generalized energy storage; three-layer model; time-of-use price; simulation verification

0 引 言

隨著我國經(jīng)濟的快速發(fā)展，國內(nèi)能源需求進一步增長，尤其是分布式能源（DER）以其結(jié)構(gòu)簡單、獲取便利、綠色環(huán)保等優(yōu)勢受到了人們的高度關(guān)注。為充分發(fā)揮DER的作用，虛擬電廠（VPP）的概念應(yīng)運而生并引起廣泛關(guān)注［1-9］。VPP集傳統(tǒng)電廠、DER和靈活性負荷于一體，參與電力市場競爭和電力系統(tǒng)運行。在能量管理系統(tǒng)（EMS）協(xié)調(diào)下，VPP可以保證電網(wǎng)安全運行，實現(xiàn)電力供應(yīng)主體利潤最大化等目標［10］。本文采用合成甲醇系統(tǒng)作為廣義儲能，將風力、光伏、廣義儲能、中央空調(diào)（CACS）、電動汽車（EV）、靈活性負荷和傳統(tǒng)火電機組聚合為VPP，促進對風光能源的消納，實現(xiàn)源網(wǎng)協(xié)同、供需互補。

目前，已有許多學(xué)者對多種柔性負荷參與VPP調(diào)度進行了研究。文獻［11］建立考慮數(shù)量影響的EV參與電網(wǎng)的模型，將區(qū)間優(yōu)化模型轉(zhuǎn)化為2個子模型求解，并驗證模型的經(jīng)濟性和準確性。文獻［12］建立包含EV的2層優(yōu)化模型，以解決VPP運營商和EV之間的利益分配問題，最終驗證模型在調(diào)節(jié)利益關(guān)系和減碳方面的有效性。文獻［13］考慮在不同天氣情況下通過分時電價引導(dǎo)用電負荷響應(yīng)，使EV靈活接入電網(wǎng)時功率波動更平滑，減少電力資源浪費。文獻［14］建立含EV的VPP經(jīng)濟優(yōu)化調(diào)度模型，該模型能夠使VPP具有良好的經(jīng)濟性，同時EV加入VPP調(diào)度可以提高儲能容量。文獻［15］探討空調(diào)負荷參與VPP調(diào)度的控制策略和負荷預(yù)測算法等問題，指出要充分考慮預(yù)測的準確性和不確定性，同時保證用戶隱私。文獻［16］將空調(diào)負荷作為典型資源參與VPP調(diào)度，提出面向廣域分布式資源的高效聚合方法，并分析該方法的有效性。文獻［17］充分調(diào)動智能樓宇中EV和空調(diào)負荷的功率實時響應(yīng)潛力，驗證其參與VPP調(diào)頻的有效性和可行性。

部分學(xué)者致力于促進區(qū)域低碳化發(fā)展，并已有較多研究。文獻［18］將熱電聯(lián)產(chǎn)機組產(chǎn)生的CO2捕集并封存，再將CO2與H2反應(yīng)合成CH4，提升VPP的經(jīng)濟性與低碳性。文獻［19］提出計及電轉(zhuǎn)氣協(xié)同的含碳捕集與垃圾焚燒VPP優(yōu)化調(diào)度模型，該模型在“削峰填谷”的同時可降低VPP的碳排放。文獻［20］采用2層優(yōu)化模型對VPP內(nèi)各單元進行優(yōu)化調(diào)度，提升可再生能源的消納水平，同時采用分時電價的抽水蓄能控制策略有效地減少凈負荷峰谷差。文獻［21］考慮需求響應(yīng)建立VPP雙層優(yōu)化模型，并驗證模型的經(jīng)濟性和魯棒性。文獻［22］構(gòu)建多源VPP調(diào)控模型支撐需求側(cè)資源的分層分區(qū)互補調(diào)控，經(jīng)驗證該模型能夠促進電網(wǎng)安全穩(wěn)定運行。

綜上，本文提出采用合成甲醇的廣義儲能配合用戶側(cè)需求響應(yīng)對可再生能源出力進行疏通消納，并建立包含廣義儲能、CACS、EV、靈活性負荷和傳統(tǒng)火電機組的VPP模型。在此基礎(chǔ)上，提出3層優(yōu)化調(diào)度模型，上層模型以消除風光出力偏差防止棄風棄光為目標，廣義儲能消納部分風光出力并對風光出力偏差進行補償;中層模型以減小凈負荷峰谷差為目標，為引導(dǎo)負荷需求響應(yīng)，提出采用分時電價和補償激勵的方法調(diào)節(jié)柔性負荷;下層模型以VPP低碳經(jīng)濟運行為目標，采用火電機組作為調(diào)節(jié)機組配合廣義儲能和對外電交易滿足VPP的電能供需平衡。最后，通過仿真驗證所建模型的合理性，以及控制策略在弱化棄風棄光、減少碳排放和提高經(jīng)濟效益方面的有效性。

1 VPP三層模型構(gòu)建及基本原理

VPP模型結(jié)構(gòu)如圖1所示。本文將風力、光伏、廣義儲能、CACS、EV、靈活性負荷和傳統(tǒng)火電機組聚合為VPP，由于規(guī)模龐大、參與組件眾多，故利用EMS將其分為3層進行優(yōu)化。在3層優(yōu)化中，風力發(fā)電只參與上層優(yōu)化，CACS、EV、靈活性負荷只參與中層優(yōu)化，傳統(tǒng)火電機組和對外購售電只參與下層優(yōu)化。各層間只交換有限的數(shù)據(jù)信息，有利于提高求解效率，保護用戶隱私。

2 VPP三層優(yōu)化調(diào)度數(shù)學(xué)模型

本文所研究內(nèi)容以1 h為時間尺度，調(diào)度覆蓋24 h。模型的主要功能是在運行日前，根據(jù)預(yù)測的負荷需求、可再生能源的出力和市場價格，提前制訂出次日的調(diào)度計劃;同時確保在較大時間尺度上實現(xiàn)VPP的經(jīng)濟性和可靠性，并可以對電力系統(tǒng)的整體運行進行規(guī)劃。

2.1 各部分數(shù)學(xué)模型

2.1.1 廣義儲能數(shù)學(xué)模型

由文獻［23-24］可知，合成甲醇的廣義儲能總能耗中，電解水制氫能耗占總能耗的約90%，其余能耗主要為合成甲醇過程中壓縮機的能耗。其工作模型為

PGESt=PMet+Pelt

PMet=ωMeQMet

QC，Met=eC，MeQMet

QHt=eHQMet

Pelt=ωHQHt/ηH（1）

式中： PGESt——廣義儲能功率;

PMet——t時段合成甲醇耗電功率;

ωMe——甲醇耗電系數(shù);

QMet——t時段合成甲醇的質(zhì)量;

QC，Met——t時段合成甲醇消耗CO2的質(zhì)量;

eC，Me——合成甲醇的用碳系數(shù);

QHt——t時段參與合成甲醇的H2質(zhì)量;

eH——合成甲醇用氫系數(shù);

Pelt——t時段電解水功率;

ωH——制備H2的耗電系數(shù);

ηH——H2的利用率，為0.93。

其中，ωMe=0.837 9 MWh/t，eC，Me=1.49，eH=0.189，ωH=53.751 4 MWh/t。

2.1.2 CACS數(shù)學(xué)模型

CACS通過分時電價引導(dǎo)參與需求響應(yīng)，其在保證室內(nèi)舒適度的前提下，在電價較低時增大用電功率，在電價較高時減小用電功率。其工作模型為

Tin，t=Tin，t－1αT+（1－αT）（γTt－Qcoolt）/βT

Qcoolt=Qcht－Qstt+Qret

Sct=Sct-1+（Qsttηst－Qret/ηre）Δt

Pcoldt=Qcht/ηelch+Qsttηelst+Qretηelre（2）

式中： Tin，t——t時段室內(nèi)溫度;

Qcoolt——t時段CACS產(chǎn)生的冷能;

αT、βT——CACS的個體特性參數(shù);

γTt——CACS的溫度特性參數(shù);

Qcht——t時段制冷機的制冷量;

Qstt——t時段蓄冷池蓄冷量;

Qret——t時段蓄冷池釋冷量;

Sct——t時段蓄冷池的冷能容量;

ηst——蓄冷池蓄冷效率;

ηre——蓄冷池釋冷效率;

Pcoldt——t時段CACS的用電功率;

ηelch、ηelst、ηelre——能量轉(zhuǎn)換比。

其中，αT=0.312 744 3，βT=0.130 3，ηst=0.95，ηre=0.92，ηelch=5.6，ηelst=0.008，ηelre=0.007。

2.1.3 EV數(shù)學(xué)模型

在VPP中，將參與需求響應(yīng)的EV聚合為1個變?nèi)萘?、變功率的虛擬電池。每個EV除在行駛狀態(tài)下，其余時段同樣通過分時電價引導(dǎo)EV參與需求響應(yīng)，谷價時充電、峰價時放電。其工作模型為

SEVi，t=SEVi，t－1+ηEVPEVc，i，t－PEVf，i，tηEV－dEVi，tEv（3）

式中： ηEV——充/放電效率;

PEVc，i，t——t時段第i輛EV的充電功率;

PEVf，i，t——t時段第i輛EV的放電功率;

dEVi，t——t時段第i輛EV行駛的距離;

Ev——EV單位行駛距離所需的電功率。

其中，ηEV=0.95，Ev=0.229 kWh/km。

2.1.4 靈活性負荷數(shù)學(xué)模型

靈活性負荷包括可平移負荷和可中斷負荷，這些負荷資源擁有靈活的調(diào)控能力，分別通過電價引導(dǎo)和激勵刺激其參與需求響應(yīng)。其工作模型為

Ppyt=ξpyPloadt，1

∑Mm=1Pzdt，m=∑Mm=1（ξzdmPloadt，1）（4）

式中： Ppyt——t時段可平移負荷功率;

Pzdt，m——t時段第m類可中斷負荷功率;

Ploadt，1——t時段優(yōu)化前負荷需求功率;

ξpy——可平移負荷在總負荷中的占比;

ξzdm——可中斷負荷在總負荷中的占比。

其中，ξpy=0.07，ξzdm=0.06、0.04和0.03。

2.1.5 火電機組數(shù)學(xué)模型

火電機組在VPP中擔任調(diào)節(jié)機組，其工作模型為

QCO2t=ξC3 600PGtqcηc（5）

式中： QCO2t——t時段火電機組排碳量;

ξC——CO2排放系數(shù);

PGt——t時段火電機組出力;

ηc——煤電轉(zhuǎn)換效率;

qc——煤的熱值。

其中，ξC=2.66，ηc=0.4。

2.2 上層模型優(yōu)化

2.2.1 優(yōu)化目標

日前調(diào)度主要依賴于預(yù)測值，但預(yù)測值與實際值存在一定的偏差。為體現(xiàn)出力偏差對廣義儲能響應(yīng)的影響，引入風力與光伏的實際值。上層模型考慮風光偏差懲罰，通過廣義儲能跟蹤風光發(fā)電計劃，消除出力偏差，使中層和下層模型在實際操作中依舊可以按照預(yù)測值進行調(diào)度，目標函數(shù)為

minF1=∑24t=1（ΔPWTtlWT+ΔPPVtlPV）（6）

ΔPWTt=PWTt，1－PWTt，2

ΔPPVt=PPVt，1－PPVt，2（7）

式中： ΔPWTt、ΔPPVt——t時段風力和光伏出力偏差;

lWT、lPV——風力和光伏單位出力偏差懲罰成本;

PWTt，1、PWTt，2——t時段風力的預(yù)測值與實際值;

PPVt，1、PPVt，2——t時段光伏的預(yù)測值與實際值。

2.2.2 約束條件

功率約束為

PNEoutt=PWTt，1+PPVt，1－PGESt，1（8）

式中： PNEoutt——t時段上層模型風光凈出力;

PGESt，1——t時段廣義儲能上層優(yōu)化用電功率。

上層廣義儲能約束為

PGESt，1=PGES*－（ΔPWTt+ΔPPVt）

PGESmin≤PGESt，1≤PGESmax（9）

式中： PGES*——廣義儲能基礎(chǔ)功率;

PGESmin——廣義儲能用電功率最小值;

PGESmax——廣義儲能用電功率最大值。

2.3 中層模型優(yōu)化

2.3.1 優(yōu)化目標

中層模型通過分時電價和補償激勵引導(dǎo)刺激需求響應(yīng)對負荷曲線進行優(yōu)化，考慮凈負荷方差σ1、CACS用電成本CCACSt、EV電池折舊成本CEVt、可平移負荷平移后節(jié)約費用Cpyt和可中斷負荷激勵成本Czdt，在減小凈負荷方差的同時考慮VPP經(jīng)濟性。目標函數(shù)為

minF2=α1σ1+∑24t=1（CCACSt+CEVt+Cpyt+Czdt）（10）

CCACSt=∑Ll=1λtPcoldt（11）

CEVt=∑Ii=1CbiLciSEVidDODiPEVf，i，tηEV+EvdEVi，t（12）

Cpyt=λtPpyt（13）

Czdt=λt∑3m=1Pzdt，m（14）

式中： α1——凈負荷方差系數(shù);

λt——t時段VPP內(nèi)部用電電價;

Cbi——第i輛EV的電池購買成本;

Lci——第i輛EV生命周期內(nèi)充放電循環(huán)次數(shù);

SEVi——第i輛EV電池容量;

dDODi——第i輛EV可用電池放電深度。

其中，α1=1 000。

2.3.2 約束條件

功率約束為

Ploadt，2－Ploadt，1=∑Ll=1ΔPcoldt+∑Ii=1（PEVc，i，t－ """""PEVf，i，t）－Ppyt－∑Mm=1Pzdt，m

Pnett=Ploadt，2－PNEoutt（15）

式中： Ploadt，2——t時段優(yōu)化后的負荷需求功率;

ΔPcoldt——優(yōu)化前后的CACS用電功率差。

CACS約束為

Tmin≤Tin，t≤Tmax

0≤Qcht≤Qchmax

0≤Qstt≤Qstmax

0≤Qret≤Qremax

0≤Sct≤Scmax（16）

式中： Tmin——室內(nèi)舒適溫度的最小值;

Tmax——室內(nèi)舒適溫度的最大值;

Qchmax——制冷機最大制冷量;

Qstmax——蓄冷池最大蓄冷量;

Qremax——蓄冷池最大釋冷量;

Scmax——蓄冷池最大容量。

其中，Qchmax=10 kWh，Qstmax=5 kWh，Qremax=5 kWh，Scmax=26.4 kWh。

EV約束為

0≤PEVc，i，t≤μEVc，tPEVc，i，max

0≤PEVf，i，t≤μEVf，tPEVf，i，max

μEVc，t+μEVf，t≤1

ξEVSminSEVi，max≤SEVi，t≤ξEVSmaxSEVi，max（17）

式中： PEVc，i，max——最大充電功率;

PEVf，i，max——最大放電功率;

μEVc，t、μEVf，t——充/放電狀態(tài)，1表示正在充/放電，0則反之;

SEVi，max——第i輛EV的最大電池容量;

ξEVSmin——電池電量最小值;

ξEVSmax——電池電量最大值。

其中，SEVi，max=57 kWh，ξEVSmin=0.15，ξEVSmax=0.95。

靈活性負荷約束為

－Ppyt≤Ppy1t≤Ppyt

∑24t=1Ppy1t=0

0≤Pzd1t，m≤Pzdt，m（18）

式中： ΔPpymax——t時段負荷平移功率的最大值;

Pzd1t，m——t時段第m類可中斷負荷的功率。

2.4 下層模型優(yōu)化

2.4.1 優(yōu)化目標

下層模型以VPP經(jīng)濟成本和碳排放量最小為目標，考慮VPP對外購售電成本CEt、火電機組發(fā)電成本CGt、碳交易成本CCO2t以及廣義儲能用電成本CGESt。目標函數(shù)為

minF3=∑24t=1（CEt+CGt+CCO2t+CGESt）（19）

CEt=λbuytPbuyt－λselltPsellt（20）

CGt=λcQct+λmPGt+PGt∑Kk=1Qk（Vk+Yk）（21）

CCO2t=λCO2QCO2VPP， 0≤QCO2VPPlt;d

λCO2d+λCO2（1+δ）（QCO2VPP－d）， d≤QCO2VPPlt;2d

λCO2（2+δ）d+λCO2（1+2δ）（QCO2VPP－2d）， 2d≤QCO2VPP（22）

CGESt=λtPGESt（23）

式中： λbuyt——t時段VPP對外購電電價;

λsellt——t時段VPP對外售電電價;

Pbuyt——t時段VPP對外購電功率;

Psellt——t時段VPP對外售電功率;

λc——煤炭成本;

λm——火電機組固定成本;

Qk——火電機組第k項污染氣體排放強度;

Vk——火電機組第k項污染污染氣體環(huán)境價值;

Yk——火電機組第k項污染氣體罰款數(shù)量級;

λCO2——階梯式碳交易基價;

QCO2VPP——碳交易量;

d——階梯式碳交易區(qū)間;

δ——價格增長系數(shù)。

其中，λc=1 036.68元/t，λm=19元/MWh，λCO2=80元，d=30 t，δ=2。

2.4.2 約束條件

功率約束為

Pbuyt+PGt=Psellt+Pnett+PGESt，3（24）

式中： PGESt，3——t時段廣義儲能下層優(yōu)化用電功率。

購售電約束為

0≤Pbuyt≤μbuytPbuymax

0≤Psellt≤μselltPsellmax

μsellt+μbuyt≤1（25）

式中： Pbuymax——VPP對購電的最大功率;

Psellmax——VPP對售電的最大功率;

μbuyt——購電狀態(tài)，布爾值，1代表正在購/售電，0則反之;

μsellt——售電狀態(tài)，布爾值，1代表正在購/售電，0則反之。

其中，Pbuymax=220 MW，Psellmax=220 MW。

火電機組約束為

PGmin≤PGt≤PGmax

－ΔPGmax≤PGt－PGt－1≤ΔPGmax（26）

式中： PGmin、PGmax——火電機組出力下限和上限;

ΔPGmin、ΔPGmax——火電機組爬坡速率的下限和上限。

其中，PGmin=20 MW，PGmax=300 MW，ΔPGmin=100 MW。

碳交易約束為

QCO2VPP=QCO2t－QC，Met

0lt;d

0≤δ（27）

下層廣義儲能約束為

PGESt=PGESt，1+PGESt，3

PGESmin≤PGESt≤PGESmax

∑24t=1QMet=347

－ΔPGESmax≤PGESt－PGESt－1≤ΔPGESmax（28）

式中： ΔPGES——廣義儲能最大變化功率;

PGESmin——廣義儲能最小用電功率;

PGESmax——廣義儲能最大用電功率。

其中，ΔPGES=100 MW，PGESmin=20 MW，PGESmax=300 MW。

3 算例分析

3.1 算例模型介紹

為驗證所提模型的合理性，本文上層模型由2個250 MW的風力發(fā)電場、3個100 MW的光伏發(fā)電站以及電化工廠構(gòu)成，中層模型由基礎(chǔ)負荷、CACS聚合單元以及電動汽車聚合單元構(gòu)成，下層模型由1個300 MW的火電機組以及上層模型所提的電化工廠組成，3層模型協(xié)調(diào)運行構(gòu)成VPP。在MATLAB中使用CPLEX商業(yè)求解器對中下層模型進行求解。風光預(yù)測出力和實際出力曲線及負荷功率曲線如圖2所示;分時電價如圖3所示。VPP內(nèi)部電價采用分時電價，峰谷時段由上層模型風光凈出力和VPP基礎(chǔ)負荷功率決定，大電網(wǎng)電價趨勢與VPP內(nèi)部電價相同。為體現(xiàn)VPP與大電網(wǎng)之間的交互行為，假設(shè)大電網(wǎng)具有足夠的接納能力和穩(wěn)定性來滿足VPP的需求，且假設(shè)VPP可以隨時接入大電網(wǎng)，能夠在電價低時從大電網(wǎng)購電，在電價高時將電力賣回給大電網(wǎng)。

3.2 對比方案構(gòu)建與分析

為對比分析廣義儲能、需求響應(yīng)和階梯碳交易對所提優(yōu)化模型運行成本以及用戶用電成本的影響，設(shè)計了4種對比方案。VPP對比方案如表1所示;不同VPP構(gòu)建方案成本和收益優(yōu)化結(jié)果如表2所示。

由表1和表2可知，方案1和方案2分別未考慮CACS和EV聚合單元參與需求響應(yīng)，方案4較2種方案，凈負荷方差分別減少43.99和2 237.14，表明CACS聚合單元和EV聚合單元對凈負荷曲線具有“削峰填谷”的作用;CACS聚合單元參與需求響應(yīng)使得用電成本減少8 870.62元，下層調(diào)度成本節(jié)約5 616.13元;EV聚合單元在電價低時充電，電價高時放電，在平抑負荷曲線的同時使EV聚合單元收益31 105元。

方案3未考慮階梯碳交易，由于方案4采用階梯碳價，碳交易成本隨著碳排放量的增加而增加，故方案4比方案3的碳交易成本增加78 695.6元，但火力發(fā)電出力減少，節(jié)省成本202 871元，因此碳排放量減少113.62 t。由于方案4中火力機組發(fā)電量減少，為彌補火電機組減少的出力，VPP向外界的購電量增加200.43 MWh，成本增加115 921元，售電量減少379.50 MWh，利潤減少139 500元。

綜上可知，聚合多種負荷參與需求響應(yīng)能夠降低凈負荷方差，減少用戶用電成本，提高VPP的整體收益，同時階梯碳交易機制和廣義儲能的引入使得VPP的碳排放量顯著減少。

4 VPP低碳經(jīng)濟運行分析

4.1 上層模型分析

上層模型中，廣義儲能的目的是消除圖2中風光預(yù)測出力與實際出力間的偏差，配合風光發(fā)電跟蹤發(fā)電計劃，并消納部分風光出力。上層模型廣義儲能用電功率和風光凈出力曲線如圖4所示。并將廣義儲能用電功率傳遞到下層模型中，將風光凈出力曲線傳遞到中層模型中。

4.2 中層模型分析

中層模型主要包含VPP的各類負荷，其優(yōu)化目的是在考慮經(jīng)濟性的同時，減小負荷需求與風光凈出力間的偏差，以減小凈負荷曲線的峰谷差。風光凈出力曲線及相關(guān)負荷曲線如圖5所示;靈活性負荷、CACS單體及EV集群的優(yōu)化結(jié)果分別如圖6～圖8所示。

在02：00～03：00、15：00～16：00和21：00～24：00時，風光出力較大，分時電價處于谷值，以此引導(dǎo)所有柔性負荷增加用電功率，實現(xiàn)負荷曲線的“填谷”;由于電量過剩，大量可平移負荷移入此時段，無可中斷負荷參與響應(yīng);CACS提升制冷功率以增加蓄冷池蓄冷量;EV集群以較低的成本進行充電。在04：00～07：00、09：00～13：00和19：00～20：00時，風光出力較小，分時電價處于峰值，以此引導(dǎo)所有柔性負荷減少用電功率，實現(xiàn)負荷曲線的“削峰”;由于電量不足，大量可平移負荷移出此時段，各類可中斷負荷積極參與響應(yīng);CACS減少制冷功率，蓄冷池釋放冷量維持室內(nèi)舒適溫度;部分時段EV集群以較高價格向VPP售電。01：00、08：00、14：00和17：00～18：00時，分時電價處于平常值，可平移負荷移入此時段，以減小用電功率，少量可中斷負荷進行響應(yīng);CACS部分時段提升制冷功率，以增加蓄冷池蓄冷量;EV集群進行充電，以便在峰值時向電網(wǎng)售電獲取收益。

綜上，充分考慮中層模型優(yōu)化目標，各類負荷參與需求響應(yīng)，達到了減小凈負荷峰谷差的目的，并將所得的凈負荷曲線傳遞至下層模型。

4.3 下層模型分析

下層模型根據(jù)中層模型凈負荷曲線對各個時段的火電機組、對外購售電量和廣義儲能用電量進行優(yōu)化，保證VPP的低碳經(jīng)濟運行?；痣姍C組及VPP購售電優(yōu)化結(jié)果如圖9所示;廣義儲能各時段用電優(yōu)化結(jié)果如圖10所示。

在02：00～03：00、15：00～16：00和21：00～24：00時，凈負荷為負且分時電價處于谷值，火電機組保持較小的發(fā)電量，對外的購售電量較小，廣義儲能增加用電功率以減少峰值電價時的用電成本。在04：00～07：00、09：00～13：00和19：00～20：00時，凈負荷為正且分時電價處于峰值，火電機組保持較大的發(fā)電量，滿足負荷需求的同時對外進行售電獲取利潤，廣義儲能減少用電功率以減少用電成本。在01：00、08：00、14：00和17：00～18：00時，凈負荷較少且分時電價處于平常值，火電機組、對外購售電通道和廣義儲能相互配合維持VPP電力平衡。

綜上，下層模型實現(xiàn)VPP的低碳經(jīng)濟運行，VPP通過對外購電降低火電發(fā)電成本和碳交易成本，通過對外售電獲取利潤。廣義儲能在滿足日產(chǎn)量的同時對不同時段的用電進行調(diào)節(jié)，保證廣義儲能的經(jīng)濟性。

對3層模型的分析可知，本文提出的考慮多元柔性負荷的VPP分層優(yōu)化調(diào)度模型，可以實現(xiàn)各參與單元間的協(xié)調(diào)運行，保證VPP低碳經(jīng)濟運行。

5 結(jié) 語

為促進區(qū)域低碳化并防止高比例可再生能源電力系統(tǒng)的棄風棄光，本文綜合考慮風光出力和負荷需求的不確定性，構(gòu)建了包含廣義儲能、CACS、EV、靈活性負荷和傳統(tǒng)火電機組的VPP模型。研究分析表明：

（1） 引入合成甲醇系統(tǒng)作為廣義儲能提高了VPP對可再生能源的消納能力，同時廣義儲能需要消耗CO2作為原料，促進了VPP低碳化發(fā)展。

（2） 將用戶側(cè)資源有效整合，通過分時電價和補償激勵引導(dǎo)刺激用戶側(cè)參與需求響應(yīng)，能夠?qū)崿F(xiàn)對凈負荷的“削峰填谷”，解決供需不匹配問題。

（3） 分層優(yōu)化調(diào)度降低了計算復(fù)雜度，各層之間只進行有限的信息交流，充分保護了VPP參與者的隱私。

綜上所述，所提模型具有一定的理論和實踐意義，為電化工行業(yè)廣義儲能替代儲能電站參與VPP低碳經(jīng)濟運行提供了參考。

【參 考 文 獻】

［1］ 康重慶， 陳啟鑫， 蘇劍， 等.新型電力系統(tǒng)規(guī)?；`活資源虛擬電廠科學(xué)問題與研究框架［J］.電力系統(tǒng)自動化，2022，46（18）：3-14.

［2］ 田立亭， 程林， 郭劍波， 等.虛擬電廠對分布式能源的管理和互動機制研究綜述［J］.電網(wǎng)技術(shù)，2020，44（6）：2097-2108.

［3］ 王宣元， 劉敦楠， 劉蓁， 等.泛在電力物聯(lián)網(wǎng)下虛擬電廠運營機制及關(guān)鍵技術(shù)［J］.電網(wǎng)技術(shù)，2019，43（9）：3175-3183.

［4］ 李建林， 丁子洋， 游洪灝， 等.構(gòu)網(wǎng)型儲能支撐新型電力系統(tǒng)穩(wěn)定運行研究［J］.高壓電器，2023，59（7）：1-11.

［5］ 張云飛， 周強， 丁戈， 等.考慮多源相關(guān)不確定性的鄉(xiāng)村虛擬電廠自治優(yōu)化運行［J］.廣東電力，2023，36 （10）：47-56.

［6］ 羅其華， 李平， 張少迪.考慮需求響應(yīng)和階梯碳交易的虛擬電廠低碳經(jīng)濟調(diào)度［J］.浙江電力，2023，42（6）：51-59.

［7］ 閆濤， 陳繼忠， 閆雪生， 等.構(gòu)網(wǎng)型儲能系統(tǒng)現(xiàn)場調(diào)試平臺電網(wǎng)擾動控制策略研究［J］.高壓電器，2023，59（7）：30-38.

［8］ 倪宇凡， 鄭漳華， 馮利民， 等.近年來國外嚴重停電事故對我國構(gòu)建新型電力系統(tǒng)的啟示［J］.電器與能效管理技術(shù)，2023（5）：1-8.

［9］ 李嘉媚， 艾芊， 殷爽睿.虛擬電廠參與調(diào)峰調(diào)頻服務(wù)的市場機制與國外經(jīng)驗借鑒［J］.中國電機工程學(xué)報，2022，42（1）：37-56.

［10］ LIU J， HU H， YU S S， et al.Virtual power plant with renewable energy sources and energy storage systems for sustainable power grid-formation，control techniques and demand response［J］.Energies，2023，16（9）：3705-3733.

［11］ 楊俊琛.考慮電動汽車數(shù)量影響的電網(wǎng)日前調(diào)度區(qū)間優(yōu)化［J］.電器與能效管理技術(shù)，2022（5）：41-46.

［12］ 程明， 張新燕， 王志磊， 等.考慮接入電動汽車充電站的虛擬電廠低碳經(jīng)濟調(diào)度［J］.科學(xué)技術(shù)與工程，2024，24（19）：8115-8126.

［13］ 何兆蓉， 高逸云， 黃瀚霆， 等.基于電網(wǎng)分時電價機制考慮電動汽車靈活充電的微電網(wǎng)能量管理［J］.電器與能效管理技術(shù)，2022（5）：65-70.

［14］ 潘振華， 孫麗江.含電動汽車的虛擬電廠經(jīng)濟優(yōu)化調(diào)度分析［J］.上海電機學(xué)院學(xué)報，2024，27（3）：131-136.

［15］ 郭松， 張玥劼.虛擬電廠中的空調(diào)負荷控制策略分析［J］.電子技術(shù)，2023，52（10）：410-411.

［16］ 徐天韻， 陳濤， 張鑫， 等.基于奇諾多面體的虛擬電廠分布式資源廣域聚合調(diào)控方法［J］.電力系統(tǒng)自動化，2024，48（18）：139-148.

［17］ 湛歸， 殷爽睿， 艾芊， 等.智能樓宇型虛擬電廠參與電力系統(tǒng)調(diào)頻輔助服務(wù)策略［J］.電力工程技術(shù)，2022，41（6）：13-20，57.

［18］ 薛太林， 楊海翔， 張海霞， 等.考慮P2G及碳捕集的熱電聯(lián)產(chǎn)虛擬電廠低碳優(yōu)化調(diào)度［J］.山東電力技術(shù)，2024，51（5）：1-8.

［19］ 孫惠娟， 劉昀， 彭春華， 等.計及電轉(zhuǎn)氣協(xié)同的含碳捕集與垃圾焚燒虛擬電廠優(yōu)化調(diào)度［J］.電網(wǎng)技術(shù)，2021，45（9）：3534-3545.

［20］ 趙豐明， 樊艷芳.分時電價影響下的多能源虛擬電廠雙層優(yōu)化調(diào)度［J］.電力系統(tǒng)保護與控制，2019，47（20）：33-40.

［21］ 呂小紅， 劉維， 劉克恒， 等.虛擬電廠供需側(cè)雙層協(xié)調(diào)自適應(yīng)魯棒優(yōu)化調(diào)度［J］.全球能源互聯(lián)網(wǎng)，2024，7（4）：431-442.

［22］ 張葉青， 陳文彬， 徐律軍， 等.面向多虛擬電廠的分層分區(qū)多層互補動態(tài)聚合調(diào)控策略［J］.發(fā)電技術(shù)，2024，45（1）：162-169.

［23］ 程歡， 任洲洋， 孫志媛， 等.電能-甲醇跨區(qū)協(xié)同輸運下的電-氫耦合系統(tǒng)調(diào)度［J］.電工技術(shù)學(xué)報，2024，39（3）：731-744.

［24］ 楊國山， 朱杰， 楊昌海， 等.適應(yīng)波動性風電的電制氫合成甲醇系統(tǒng)柔性優(yōu)化調(diào)度［J］.電力建設(shè)，2023，44（11）：149-162.

收稿日期： 2024-09-10

魏曉鋼（1978—），男，工程師，主要從事新能源發(fā)電與儲能控制研究工作。

李兆澤（1999—），男，碩士研究生，研究方向為虛擬電廠分布式靈活性資源聚合及其優(yōu)化調(diào)度。

張繼紅（1975—），男，教授，研究方向為新能源發(fā)電及其儲能控制技術(shù)和智能微電網(wǎng)系統(tǒng)。

*基金項目：內(nèi)蒙古自治區(qū)科技重大專項（2020ZD0017）;內(nèi)蒙古自治區(qū)重點研發(fā)與成果轉(zhuǎn)化項目（2022YFHH0019）;內(nèi)蒙古自治區(qū)新型重要能源綜合利用技術(shù)集成攻關(guān)大平臺（2023PTXM001）