基于需求响应的虚拟电厂高弹性调度研究

徐丹露 蒋丰庚 杨跃平 应笑冬

（1.国网浙江省电力有限公司宁波供电公司 浙江省宁波市 315000 2.国网浙江双创中心 浙江省杭州市 310051）

随着我国年发电量的日益增加，中国已成全球第二大发电大国，具有高水平的电力供应能力。经济快速发展用电量飞速提升的同时，高能耗问题也随之而来。据统计我国单位GDP产值能耗是国际平均水平的3.8倍，是邻国日本的11倍，能源利用水平较低，导致我国仍然存在“电荒”现象。能耗高意味着节电潜力大，国内电网负荷峰谷差逐年增大，设备容量利用率低，利用柔性负荷需求响应特性[1-2]和虚拟电厂电源调节特性[3]参与电网运行可以降低负荷峰谷差、平滑电力需求曲线，从而降低电网运行成本、提高能源利用率。

虚拟电厂（Virtual power plant, VPP）作为一个特殊的电厂参与电力市场调节和电网运行管理[4]，在电力市场具有较大的应用潜力，是解决电力紧张和能源利用效率低的有效手段。需求响应通过改变用户的用电行为直接参与电力调节。虚拟电厂、需求响应参与电网运行可以减小负荷峰谷差，平滑负荷曲线。本文以柔性负荷参与需求响应的运行成本最小、削峰填谷效应最大为目标建立高弹性调度数学模型，通过引入权重系数将多目标函数转变为单目标函数，运用CPLEX对模型进行求解，并设计算例进行验证。结果表明，在不影响用户用电体验和电网侧虚拟电厂运行成本最低的前提下，需求响应前后储能系统和电动汽车的充放电功率发生显著变化，响应后负荷曲线波动变小，说明模型具有良好的削峰填谷效果。

1 虚拟电厂结构分析

1.1 虚拟电厂的构成

VPP通过先进的信息通信技术，将可再生能源、储能系统（Energy Storage System, ESS）、 电动汽车（Electric Vehicle,EV）、柔性负荷等为代表的分布式能源资源汇聚成一个特殊电厂参与电力市场调节和电网运行管理。VPP等效为一个综合的能源协调管理系统，其核心技术包括协调控制技术、精准预测技术和信息通信技术。本文所研究的虚拟电厂中可再生能源为光伏发电（Photovoltaic power generation, PV），柔性负荷主要为工业、商业楼宇中的空调、照明、洗衣机、烘干机等负荷，其结构如图1所示。

图1：虚拟电厂的基本结构

1.2 负荷预测模型

虚拟电厂可对用户侧负荷进行精准计量从而预测负荷波动特性，这对日前-日中经济调度具有重要影响。负荷预测的方法很多，本文通过模糊聚类方法进行负荷集群预测，通过对历史负荷数据进行全面的预处理和时间序列分析，对负荷集群进行划分，综合考虑温度、体感温度、湿度、用电量、节假日等外部因素的影响提取负荷特征向量，使用特征工程和回归分析法研究上述因素对负荷特性的影响。负荷预测模型详见文献[5]，负荷预测流程如图2所示。

图2：负荷预测流程图

1.3 光伏发电预测

我国光照资源丰富，2020年光伏并网发电量达2605亿千瓦时，年平均利用小时数可达1160小时[6]。光伏发电噪声小、污染少、维护方便，但受天气影响较大，出力具有较大的不确定性。本文在对光伏出力进行预测时，综合考虑了天气和季节对发电量的影响。由于光伏电站白天才能发电，故对06:30到18:00的光伏出力进行预测，每30分钟作为一个时段，共23个出力时刻（受不同季节日照影响，夏天增加两个出力时刻，冬季则减少两个光伏出力时刻）。利用历史发电数据，通过k-means聚类法将天气划分为晴天、阴天和雨天三种类型，生成三种典型天气的光伏出力曲线，详见文献[7]中图2。待预测日天气聚类划分后，采用长短时记忆（Long Short Term Memory, LSTM）神经网络对光伏出力进行预测，并根据天气预报信息中的温度、体感温度、湿度、风速等数据对预测结果进行修正，直至满足精度要求。

1.4 电动汽车出力模型

一天中汽车的行驶时间通常不超过10%，绝大部分时间处于停驶状态[8]，EV的充放电特性使其在非行驶状态下可参与电力市场调节。假设虚拟电厂区域中有N辆EV，在t时刻可接受调度的EV台数Nc(t)如下：

EV的电池电量通常用荷电状态（State of Charge, SOC）来表示，t时刻EV的可调度电量可表示如下：

1.5 储能系统模型

ESS是虚拟电厂的重要组成部分，对于提高电网对新能源发电的消纳能力，保障电网的安全稳定运行十分必要。假设在t0时段末时刻，ESS的电量为那么过了时间后，ESS的电量为：

（3）式为ESS处于放电状态，（4）式为ESS处于充电状态，为ESS能量转换效率。

2 需求响应模型

需求响应是指电力用户根据电力企业提供的价格补偿或者电价变化而改变其固有的用电模式以响应电力供应的活动，是需求侧管理的一种手段。能源管理部门鼓励EV、ESS、空调等柔性负荷参与电力市场调节以降低电网运行成本。智能电网双向互动技术的推广应用为需求响应（demand response，DR）提供保障[9]。欧美国家电力市场较早实施 DR 管理，项目多、种类全，重点发展电力现货市场和自动需求响应。我国处于电力改革的关键时期，着重从可持续发展的角度制定DR相关政策，2020年政府部门出台文件鼓励需求侧资源参与中长期电力市场，重点发挥价格型DR的调节作用[10]。

2.1 需求响应方式

为引导用户用电，DR按照响应方式分为价格型和激励性两种，前者改善中长期负荷特性，后者优化短时负荷波动。价格型DR指用户在实行分时电价、可中断电价、需求侧竞价及实时电价等政策后调整用电方式。电价政策的实施可以将一部分电力负荷从高峰转移到低谷，起到削峰填谷平滑负荷曲线的作用。用户负荷随着电价的波动表现出弹性现象，详见文献[3]中图2。激励型DR以经济补偿的方式（通常为电价补偿）激励用户参与响应，虚拟电厂为DR获取更多的需求侧资源，并为源网荷友好互动系统培养负荷聚合商。

2.2 负荷时移特性

电力市场需求侧管理可调节用户用电行为，用户通过停止空调、照明等负荷用电或者改变洗衣机、烘干机等负荷的工作时间参与需求响应。中小型工商业用电负荷是主要的柔性负荷，电力企业与其签订经济合同后可根据负荷变化情况控制签约用户用电行为实施高弹性调度。柔性负荷主要通过两种响应方式参与调节：可转移负荷和可中断负荷[11-12]。

2.2.1 可转移负荷

可转移负荷指从高电价时刻转移至低电价时刻的负荷，如洗衣机、烘干机、电动汽车和ESS充电负荷等。用户通过转移负荷收益如下：

式中：CTRA为用户转移负荷获得的补偿收益；为第i个用户在t时段的补偿价格；为0、1变量，取1时表明第i个用户在t时段参与响应，反之则不参与（此时为0）；K1、K2为价格系数；为用户i在t时段参与DR前后的有功功率。

2.2.2 可中断负荷

可中断负荷是指在用电高峰时经用户同意可直接中断供电的重要性不高的负荷，如照明、空调等。它受用户最大可中断功率、可中断次数及可中断时长的限制。用户通过中断负荷用电收益如下：

式中：CIN为用户转移负荷获得的补偿收益；为第i个用户在t时段中止用电的补偿价格；K3、K4为中断用电的价格系数；为第j个用户在t时段可中断用电的有功功率。

3 经济调度数学模型

3.1 目标函数

本文从电力企业角度考虑，以虚拟电厂运行成本最小即柔性负荷参与DR收益最小、削峰填谷效应最大为目标进行优化，2个目标函数如下：

3.1.1 用户参与DR收益

用户参与需求响应的收益包括可转移负荷的收益（电动汽车利用充放电特性进行负荷转移和烘干机、洗衣机变换工作时间获得的收益等）和可中断负荷的收益（工商业用户在用电高峰时减少空调、照明负荷获得的收益等），建立的模型如下：

式中：F1为调度周期内用户柔性负荷参与DR获得的收益，用户获得的收益越大，则电网运行成本越高。

3.1.2 削峰填谷效应

电力企业主导的虚拟电厂高弹性调度的第二个目标是削峰填谷效应，通过优化日前-日内调度策略降低负荷峰谷差，平滑负荷曲线。负荷的波动程度可用方差来表示，方差小表明负荷波动程度小，即峰谷差值小。削峰填谷效应的目标函数如下：

式中：F2为负荷波动方差，PG(t)为t时段电网侧根节点注入的有功功率，PPV(t)为t时段光伏发电可用功率；PESS(t)为t时段ESS可用功率，值为正时放电，值为负时充电；PEV(t)为t时段参与调度的所有EV可用功率；ρ(t)为0、1变量，ESS和EV放电时取1，充电时取0（此时为负荷特性）；为用户侧等效负荷均值。为避免柔性负荷参与DR后出现削峰为谷、填谷为峰的现象，应限制签订经济合同的柔性可调负荷的上限。

3.2 约束条件

根据式（8）、式（9）可以确定虚拟电厂高弹性调度的多目标函数，为了虚拟电厂的安全稳定运行还需满足下述约束条件：

3.2.1 功率供需平衡约束

式中：PL(t)为电力需求功率。PESS(t)为正值，ESS放电，表现为电源特性；为负值，ESS充电，表现为负荷特性。电动汽车和ESS一样，同时具备电源特性和负荷特性。

3.2.2 价格需求响应约束

为防止出现削峰为谷、填谷为峰的现象发生，需对虚拟电厂中柔性可调负荷有功功率进行限制。同时为保障用户的用电需求和用电满意度，需对可中断负荷的响应时间、次数等作出限制。可转移负荷总体用电需求不变，用户用电满意程度影响不大，本文暂不考虑。用户参与DR应满足以下约束条件：

3.2.3 光伏出力约束

光伏出力预测精度满足要求，历史发电数据足够详细的条件下，每个光伏电站的出力不得超过其在相同环境下历史最大、最小功率值：

3.2.4 电动汽车充放电约束

电动汽车充放电功率在每个时段应小于其最大功率限制。为满足用户动态出行需求，也为保障电动汽车电池使用寿命，电池在任意时段的荷电状态应满足相关要求。故电动汽车充放电应满足以下条件：

3.2.5 ESS充放电约束

ESS的电量在每个时段应满足其设备容量要求，且为了延长ESS的使用寿命，每次充放电应留有一定的电量裕度，充放电功率应小于其最大功率。ESS应满足以下约束条件：

本文假设虚拟电厂区域内无功负荷、电压质量、线路最大载流量等均满足电网安全稳定运行要求，且不考虑执行调度指令所用的爬坡时间。

3.3 多目标模型求解

本文构建的虚拟电厂高弹性调度模型涉及到电网运行效益、负荷波动两个方面的优化，共有两个目标函数。为便于求解，引入权重系数ω为目标函数赋权将多目标函数转化为单目标函数，运用CPLEX进行求解。

4 算例分析

4.1 算例介绍

为验证本文所提计及需求响应的虚拟电厂高弹性调度模型的有效性，以某区域虚拟电厂为例进行优化调度研究。以1700kW的光伏机组、800kW的ESS、调度周期内可参与DR的700kW的电动汽车群、500kW的柔性负荷集成虚拟电厂。参照文献[11]，本文ESS最大、最小荷电状态分别取0.9、0.1。电动汽车荷电状态的上限值取为1，下限值取0.2。某典型工作日（晴天）电力负荷需求、光伏发电可用功率如图3所示。文中在进行研究时，假设光伏出力全部并网使用，不存在弃光现象；对部分柔性负荷中断供电造成用电量下降产生的电费损失忽略不计；EV和ESS每个调度周期内初始值相同，充放电性能相同。本文认为两个目标函数同等重要，权重因子取0.5。

图3：典型日内电力需求和光伏发电功率曲线

4.2 运行结果分析

综合考虑虚拟电厂运行成本和削峰填谷效果，本区域虚拟电厂根据电力需求变化情况采取高弹性调度策略，通过日前-日内调度控制柔性负荷的响应时长和响应次数以及ESS、EV的充放电状态。柔性负荷参与DR前后的电力需求如图4所示，EV和ESS响应前后的充放电功率如图5、图6所示。

图4：响应前后电力需求用电功率

图5：响应前后EV充放电功率

图6：响应前后ESS充放电功率

从图4可以看出，需求响应后的电力需求曲线比响应前平滑很多，负荷方差由原来的50.38变为响应后的11.67，很大程度上降低了负荷波动。需求响应实施后，虚拟电厂区域的负荷峰谷差由4.8MW降低为2.3MW，较原来下降了近52%，其中最大负荷降低了约13%，最小负荷增加了约18%，表明模型具有显著的削峰填谷作用。

从图5可以看出，需求响应实施前，由于无经济补偿，电动汽车只充电不放电，而且在低电价时段充电功率大且分布均匀；需求响应实施后，电动汽车在高峰负荷时段放电在低谷时段充电以获得收益，充电功率分布与电网负荷波动有关，负荷低时补偿高充电功率大。

从图6可以看出，ESS在需求响应实施前充、放电功率分布均匀，需求响应实施后，高峰负荷和低谷负荷充、放电功率变大，峰谷负荷差值较小的地方充放电功率变低。

5 小结

本文介绍了虚拟电厂的基本结构、负荷预测模型、光伏发电模型、电动汽车用电模型和ESS模型，并引入需求响应使空调、洗衣机等柔性负荷参与电网运行，以虚拟电厂运行成本最小、削峰填谷效应最大为目标建立高弹性调度数学模型，通过引入权重系数将多目标函数转变为单目标函数，运用CPLEX对模型进行求解，并设计算例进行验证，可得到以下结论：

（1）在不影响用户用电体验和虚拟电厂运行成本较小的前提下，需求响应能够平滑负荷曲线，具有良好的削峰填谷效应。

（2）需求响应前、后，EV、ESS的充放电功率显著不同，响应后充放电功率随着负荷的变化而变化，具有较好的响应特性。