王哲1，杨鹏2，刘思源3，储真荣2，艾芊3
(1.国网江苏省电力公司经济技术研究院，南京市 210008；2.中国电力工程顾问集团华东电力设计院有限公司，上海市 201200；3.上海交通大学电气工程系，上海市 200240)
摘 要：随着能源互联网技术的发展，源-网-荷互动和热、电等多能源互动成为解决分布式能源(distributed energy resource，DER)系统高可靠性和效率利用的有效方案。采用虚拟电厂(virtual power plant，VPP)协调各机组运行，引入源-网-荷互动模型，用来描述不同类型电源和负荷之间的互相支持和电量交易，引入热电联产(combined heat and power，CHP)系统，建立考虑多能互补的需求响应(demand response，DR)互动优化模型，实现虚拟电厂内部的协调互动。考虑虚拟电厂收益最大化与电力公司热电负荷补偿成本最小化这2个目标，建立多目标互动优化模型，采用遗传算法对模型进行求解。算例的仿真结果验证了该策略和模型的有效性。
关键词：虚拟电厂(VPP)；源-网-荷互动模型；需求响应(DR)；多能互补；优化调度
进入21世纪以来，随着化石能源的不断匮乏和环境问题的不断凸显，清洁可再生能源得到越来越广泛的研究和应用。我国作为能源利用大国，相继出台了众多能源战略和法规[1]，以实现节能减排和以风能、太阳能为主的可再生能源发展。为了适应分布式能源(distributed energy resource，DER)渗透率的不断提高以及负荷需求的持续增长，虚拟电厂(virtual power plant，VPP)的概念被提出并得到了广泛关注[2-4]。VPP是分散安装的分布式电源、受控负荷和分布式储能的有机结合，通过统一协调优化各类DER，实现各个成员之间的互补协同调度，提高用户供电可靠性，并为电网和用户带来经济效益。
VPP是未来智能电网的重要发展方向，目前在考虑需求响应(demand response，DR)的VPP优化运行方面已展开研究。文献[5]考虑了包含风力发电和电动汽车的VPP，在VPP内部以最大效益为目标的优化中，利用电动汽车的移动储能方式来平衡风电出力的不确定性。文献[6]提出了考虑“多级协调、逐级细化”的柔性负荷的多时间尺度互动响应调度模型，在4种不同时间尺度下进行分析，得到柔性负荷可以有效平抑风电带来的波动，并能降低备用容量。文献[7]将需求响应看作一种特殊的发电厂参与系统运行，建立了考虑不确定性的基于激励和价格的VPP需求响应模型。文献[8]整合电源出力和需求侧管理，利用需求响应平衡VPP内部可再生能源出力波动，实现VPP整体出力的可控性，提高VPP收益。但这些研究大多侧重于源-网-荷在电网中的互动，而随着能源互联网的发展，电网、供热网等多种能源网络的耦合越来越紧密，需要研究多种能源资源之间的互补协调。
针对多能源优化调度，文献[9]考虑热电联合运行，提出日前热力和电力调度的新优化算法，并对VPP中积极与电网能量互动的成员进行经济奖励。文献[10]利用电锅炉消纳风力发电，并在供热侧加装储热装置，实现热电解耦和直接转换，达到消纳风力发电的目的。文献[11]建立VPP热电负荷优化模型，利用风电供热设备实现热电联产(combined heating and power，CHP)机组的“热电解耦”，在VPP内部实现供热与供电的联动调度，有效减少了弃风和环保的代价，但其并没有考虑热电需求的转化，且忽略了源-网-荷作为不同利益主体的经济性。
本文以含光伏(photovoltaic cell，PV cell)、CHP和可中断负荷(interruptible load，IL)的VPP为例，研究需求响应和热电互补机制，以VPP收益和电力公司热电负荷补偿成本为目标建立VPP协调优化模型，充分利用热、电在内的广义需求侧资源，促进可再生能源的高效利用和热电资源互补，并通过算例进行验证。
已有研究表明，一定时间内的光照强度可以近似为Beta分布，根据PV输出功率与光照强度的相关性，PV出力也服从Beta分布[12-13]。由于历史数据、预测模型等因素，风、光等清洁能源出力预测及负荷预测存在一定的预测误差[14-15]，光伏出力的预测误差
(1)
(2)
t时刻的负荷需求
(3)
(4)
式中
2.1 下层单元模型
2.1.1 可中断负荷
负荷侧的需求响应可以分为激励型需求响应和价格型需求响应[7]，其中激励型需求响应主要为可中断负荷的形式，能够实时响应电网需求并参与电力供需平衡。在实际运行中，VPP控制中心向大用户发布负荷削减指令，用户根据自身情况响应并获得相应的补偿。假设多个理性用户愿意参与可中断负荷的管理，且用户获得的可中断补偿随调用量阶段性递增。
(5)
(6)
(7)
(8)
式中
负荷侧由于参与需求响应而获得的利润可以表示为少缴纳的电费和中断补偿的总和。
(9)
式中
2.1.2 光伏发电
PV的出力模型见文献[17]，由于使用清洁能源，不存在燃料成本和环境治理成本，仅考虑运维费用。
(10)
式中
2.1.3 具有热电联产功能的微型燃气轮机
CHP的成本可以表示为
(11)
式中
2.2 VPP优化模型
本文考虑一个商业型的VPP，重点考虑其经济性问题，相关的底层电网的技术性限制被忽略。VPP控制中心作为调度部门，能够统筹DER的出力和负荷信息，对每一种DER的具体出力及其与电网间的能量传输进行协调。在考虑热负荷和电负荷的VPP中，经CHP实现热、电能量的转化和交互，可以由电力公司通过热补偿的方式激励CHP多发电，参与需求响应，目标函数如下详述。
VPP的最大收益F1为：
F1=
(12)
(13)
(14)
(15)
式中：T为系统运行时段总数；
电力公司热电负荷的最小补偿成本F2(转为最大化模型)为
(16)
由于存在2个目标，且具有同样的量纲和数量级，建立决策模型。
maxF=ω1F1+ω2F2
(17)
ω1+ω2=1
(18)
式中ω1、ω2分别为对应目标分量的权重。
2.3 约束条件
(1)功率平衡约束。
(19)
(2)CHP机组约束。CHP通常分为背压式和抽凝式热电联产机组[18]，对于背压式机组，热电比固定，不具有可调性，而抽凝式机组在运行区间，热电比有一定的可调性，相对较灵活。CHP热电出力约束如下详述，其中：式(20)—(21)为CHP电出力约束；式(22)为热电转换关系；式(23)—(24)为热出力约束。
(20)
(21)
(22)
(23)
(24)
式中
(3)IL约束。在式(6)—(8)的基础上，还应满足中断时间约束。
(25)
式中
(4)电网联络线安全约束。由于VPP经联络线可以与多个上层电力市场交易，交易量受到每条联络线的限制。本文考虑VPP参与1个电力市场的情况，其线路传输功率限值约束为：
(26)
式中
(5)电网最大交易电量约束。VPP从外部电网年净购入电量通常有一定限制，平均到每日，为
(27)
式中ηgrid为日净购入电量比例，本文取20%。
(6)备用约束。为减小系统内资源的不确定性对系统调度可靠性的影响，系统需要预留足够的备用资源。系统的备用容量可以由普通机组和需求响应共同提供。根据机会约束方法，需要满足式(28)。
(28)
式中α为置信水平，本文设为0.95。
2.4 机会约束规划问题转化
对于较为简单的机会约束规划问题，可以根据事先给定的置信水平转化为等价的确定性数学规划模型[19]。在本文涉及到的机会约束中，由于仅考虑2个不确定性变量，且变量均服从正态分布，可以直接转化成确定性问题求解。机会约束规划问题可以转化为
(29)
式中φ(·)为概率分布函数。
3.1 算例说明
本文考虑1个包含PV、CHP、IL的VPP，其中CHP运行于“以热定电”方式，具体参数见表1—2，污染物治理费用及排放系数见文献[20-21]。VPP中负荷预测和光伏预测曲线如图1所示，设PV预测波动方差为0.1，负荷预测波动方差为0.01。执行大工业峰谷电价，电价参数见表3。
表1 微源参数
Table 1 Parameters of PV and CHPs
表2 可中断负荷参数
Table 2 Parameters of interruptible load
图1 热电负荷、光伏出力预测曲线
Fig.1 Curves of PV output and heat/power load
表3 电价参数
Table 3 Price in electric market
3.2 结果分析
本文设置3种运行策略：(1)策略1为VPP与电网互动，DR不参与；(2)策略2为VPP与电网互动，DR参与；(3)策略3为VPP与电网互动，采用本文提出的热电互补策略。
利用遗传算法求解该问题，当权重系数变化时，电力公司成本与VPP收益这2个目标取值变化关系如图2所示。
图2 双目标最优解集
Fig.2 Double-objective optimal front
从图2中可以看出，当VPP收益增大时，电力公司为刺激用户削减负荷以及增加热出力的补偿成本也相应增大。为保证VPP和电网的利益，需要2者之间均衡。取两者权重均为0.5时的情况作为策略3。
策略2与策略3用户负荷削减量如图3所示，引入热电互补后，由于热补偿价格略低于可中断负荷补偿成本，电力公司优先使CHP增加发电量，用户可中断负荷削减量在时段和削减量上均有所减少。策略3考虑热电互补时根据电网指令增发的电量和用户负荷削减量如图4所示。由于可中断补偿随调用量阶段性递增，因此在高电价时段，VPP为获取更大利润，每个用户均削减负荷，且补偿费用较低的用户优先削减负荷。由于CHP1单位成本较小，优先增加CHP1出力，直至CHP1出力上限。在14：00—16：00和19：00—21：00高峰电价时段，由于CHP2发电成本低于从电网购电成本，以及电力公司对热出力的补偿作用，CHP2出力增加。
图3 策略2与策略3中断负荷对比
Fig.3 Interruptible load comparison between strategy 2 and 3
图4 策略3热电负荷改变量
Fig.4 Heat/power load change in strategy 3
3种策略下的优化结果如图5所示，其中负荷曲线是考虑用户削减后的负荷曲线。
其中：VPP与电力市场交易电量为正，表示VPP向外售电；VPP与电力市场交易电量为负，表示VPP从电网购电。从图5中可以看出，策略2考虑可中断负荷的削减后，相比策略1，VPP从电网购电量有所减少，这是由于峰时段和平时段削减可中断负荷的成本小于从电网购电价格，优先削减用户可中断负荷。策略3考虑热电互补，由于热补偿价格略低于可中断负荷补偿成本，电力公司优先使CHP增加发电量，随着待削峰量的增加，削峰指标在08：00—15：00由热的增出力和用户中断负荷共同承担。在12：00—15：00和19：00—22：00处于电价高峰时段，VPP为获得更高收益，向电网售电，因此策略2中负荷削减量适当增加，策略3通过电力公司补偿的方式，激励CHP增加出力。
3种策略的收益见表4。仅考虑可中断负荷调整时，电力公司补偿费用为4.835万元；计及热电互补时，电力公司补贴成本为4.102万元，成本降低了15.16%，而VPP收益增加了17.57%。由此可以证明，可中断负荷参与响应以及热电互补协调均能提高VPP的收益，且考虑热电互补的情况更优。
(1)本文提出考虑源-网-荷互动和热电互补的VPP协调优化策略，建立包含VPP收益最大化与电力公司热电负荷补偿成本最小化两个目标的多目标优化模型，实现VPP内部的协调互动，缓解了系统内部清洁能源发电和负荷不确定性对电网可靠性造成的压力，提高了能源利用效率。
图5 优化曲线
Fig.5 Optimization curves
表4 不同策略优化结果
Table 4 Optimization results of different strategies
(2)算例证明了本文模型的有效性，并为VPP的扩展提供了可行的理论参考。但本文仅考虑了日前优化情况，对日内及实时情况下的互动模式的研究是下一阶段的任务。
5 参考文献：
[1]贾智彬, 孙德强, 张映红, 等. 美国能源战略发展史对中国能源战略发展的启示[J]. 中外能源, 2016, 21(2): 1-7. JIA Zhibin, SUN Deqiang, ZHANG Yinghong, et al. What China can learn from the US history of energy strategy development[J] . Sino-Global Energy, 2016, 21(2): 1-7.
[2]季阳. 基于多代理系统的虚拟发电厂技术及其在智能电网中的应用研究[D]. 上海：上海交通大学, 2011. JI Yang. Multi agent system based control of virtual power plant and its application in smart grid[D]. Shanghai: Shanghai Jiao Tong University, 2011.
[3]卫志农, 余爽, 孙国强, 等. 虚拟电厂的概念与发展[J]. 电力系统自动化, 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.
[4]陈春武, 李娜, 钟朋园, 等. 虚拟电厂发展的国际经验及启示[J]. 电网技术, 2013, 37(8): 2258-2263. CHEN Chunwu, LI Na, ZHONG Pengyuan, et al. Review of virtual power plant technology abroad and enlightenment to China[J]. Power System Technology, 2013, 37(8): 2258-2263.
[5]许佳佳. 基于虚拟发电厂的分布式电源调度管理模式的研究[D]. 保定：华北电力大学, 2013. XU Jiajia. Study on distributed generation dispatching management mode base on virtual power plant[D]. Baoding: North China Electric Power University, 2013.
[6]杨胜春, 刘建涛, 姚建国, 等. 多时间尺度协调的柔性负荷互动响应调度模型与策略[J]. 中国电机工程学报, 2014, 34(22): 3664-3673. YANG Shengchun, LIU Jiantao, YAO Jianguo, et al. Model and strategy for multi-time scale coordinated flexible load interaction scheduling[J]. Proceedings of the CSEE, 2014, 34(22): 3664-3673.
[7]牛文娟, 李扬, 王蓓蓓. 考虑不确定性的需求响应虚拟电厂建模[J]. 中国电机工程学报, 2014, 34(22): 3630-3637. NIU Wenjuan, LI Yang, WANG Beibei. Demand response based virtual power plant modeling considering uncertainty[J]. Proceedings of the CSEE, 2014, 34(22): 3630-3637.
[8]夏榆杭, 刘俊勇, 冯超, 等. 计及需求响应的虚拟发电厂优化调度模型[J]. 电网技术, 2016, 40(6): 1666-1674. XIA Yuhang, LIU Junyong, FENG Chao, et al. Optimal scheduling model of virtual power plant considering demand response[J]. Power System Technology, 2016, 40(6): 1666-1674.
[9]GIUNTOLI M, POLI D. Optimized thermal and electrical scheduling of a large scale virtual power plant in the presence of energy storages[J]. IEEE Transactions on Smart Grid, 2013, 4(2): 942-955.
[10]崔杨, 陈志, 严干贵, 等. 基于含储热热电联产机组与电锅炉的弃风消纳协调调度模型[J]. 中国电机工程学报, 2016, 36(15): 4072-4080. CUI Yang, CHEN Zhi, YAN Gangui, et al. Coordinated wind power accommodating dispatch model based on electric boiler and CHP with thermal energy storage[J]. Proceedings of the CSEE, 2016, 36(15): 4072-4080.
[11]袁桂丽,王琳博,王宝源. 基于虚拟电厂“热电解耦”的负荷优化调度及经济效益分析[J/OL]. 中国电机工程学报, 2017, http://www.cnki.net/kcms/detail/11.2107.TM.20170216.0844.003.html. DOI: 10.13334/j.0258-8013.pcsee.161300. YUAN Guili, WANG Linbo, WANG Baoyuan. Optimal dispatch of heat-power load and economy benefit analysis based on decoupling of heat and power of virtual power plant[J/OL]. Proceedings of the CSEE, 2017, http://www.cnki.net/kcms/detail/11.2107.TM.20170216.0844.003.html. DOI: 10.13334/j.0258-8013.pcsee.161300.
[12]季美红. 基于粒子群算法的微电网多目标经济调度模型研究[D]. 合肥：合肥工业大学, 2010. JI Meihong. Research of multi-objective economic dispatch model for a micro-grid based on particle swarm optimization[D].Heifei：Hefei University of Technology, 2010.
[13]KHATOD D K, PANT V, SHARMA J. Evolutionary programming based optimal placement of renewable distributed generators[J]. IEEE Transactions on Power systems, 2013, 28(2): 683-695.
[14]HERNANDEZ L, BALADRON C, AGUIAR J M, et al. A multi-agent system architecture for smart grid management and forecasting of energy demand in virtual power plants[J]. IEEE Communications Magazine, 2013, 51(1): 106-113.
[15]SIMOGLOU C K, KARDAKOS E G, BAKIRTZIS E A, et al. An advanced model for the efficient and reliable short-term operation of insular electricity networks with high renewable energy sources penetration[J]. Renewable and Sustainable Energy Reviews, 2014, 38: 415-427.
[16]ORTEGA-VAZQUEZ M A, KIRSCHEN D S. Estimating the spinning reserve requirements in systems with significant wind power generation penetration[J]. IEEE Transactions on Power Systems, 2009, 24(1): 114-124.
[17]江全元, 石庆均, 李兴鹏, 等. 风光储独立供电系统电源优化配置[J]. 电力自动化设备, 2013, 33(7): 19-26. JIANG Quanyuan, SHI Qingjun, LI Xingpeng, et al. Optimal configuration of standalone wind-solar-storage power supply system[J]. Electric Power Automation Equipment, 2013, 33(7): 19-26.
[18]吕泉, 陈天佑, 王海霞, 等. 配置储热后热电机组调峰能力分析[J]. 电力系统自动化, 2014, 38(11): 34-41. LYU Quan, CHEN Tianyou, WANG Haixia, et al. Analysis on peak-load regulation ability of cogeneration unit with heat accumulator[J]. Automation of Electric Power Systems, 2014, 38(11): 34-41.
[19]麻倩倩. 一类随机机会约束规划的算法及应用研究[D]. 保定：华北电力大学, 2007. MA Qianqian. Research on the algorithm and application for a class of stochastic chance-constrained programming[D].Baoding: North China Electric Power University, 2007.
[20]PIPATTANSOMPORN M, WILLINGHAM M, RAHMAN S. Implications of on-site distributed generation for commercial/industrial facilities[J]. IEEE Transactions on Power Systems, 2005, 20(1): 206-212.
[21]魏学好，周浩．中国火力发电行业减排污染物的环境价值标准估算[J]．环境科学研究，2003，16(1): 53-56. WEI Xuehao，ZHOU Hao．Evaluating the environmental value schedule of pollutants mitigated in China thermal power industry[J]．Research of Environmental Sciences，2003，16(1): 53-56.
(编辑 景贺峰)
Coordination and Optimization Strategy of VPP Considering Demand Response and Multi-Energy Coordination
WANG Zhe1，YANG Peng2，LIU Siyuan3，CHU Zhenrong2，AI Qian3
(1. Economic Research Institute of State Grid Jiangsu Electric Power Company, Nanjing 210008, China;2. East China Electric Power Design Institute Co., Ltd. of China Power Engineering Consulting Group, Shanghai 201200, China;3. Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)
ABSTRACT：With the development of energy internet, source-grid-load interaction and multi-energy interaction (such as heat, power, etc.) have become an effective approach to improve the reliability and efficiency of distributed energy resource (DER) system. This paper uses virtual power plant (VPP) to coordinate the operation of each unit, and introduces source-grid-load interaction model to describe the electricity trading and the mutual support between different types of power and loads. Then, this paper introduces combined heat and power (CHP) system, and establishes a multi-energy based interactive optimization model considering demand response (DR) to realize the coordinated interaction of VPP. With considering the maximization of VPP revenue and the minimization of the thermal/load compensation cost of power company, this paper constructs the multi-objective interactive optimization model, and uses genetic algorithm to solve the model. The case study shows the effectiveness of the strategy and model.
KEYWORDS：virtual power plant (VPP); source-gird-load interaction model; demand response (DR); multi-energy coordination; optimization scheduling
基金项目：国家自然科学基金项目(51577115)
中图分类号：TM 62
文献标志码：A
文章编号：1000-7229(2017)09-0060-07
DOI：10.3969/j.issn.1000-7229.2017.09.009
收稿日期：2017-05-30
作者简介：
王哲(1977)，男，高级工程师，主要从事智能化规划和二次系统设计方面的研究工作；
杨鹏(1979)，男，高级工程师，主要从事电力二次系统、智能电网规划设计方面的研究工作；
刘思源(1993)，女，硕士研究生，主要从事新能源、微网与虚拟电厂的优化调度方面的研究工作；
储真荣(1968)，男，教授级高级工程师，主要从事电力二次系统、智能电网规划设计方面的研究工作；
艾芊(1969)，男，博士，教授，主要从事电能质量、人工智能以及在电力系统中的应用、电力系统元件建模、电力系统继电保护、故障诊断与定位方面的研究工作。
Project supported by National Natural Science Foundation of China(51577115)
联系客服
