考虑需求侧多能源响应的虚拟电厂优化运行策略

丛 琳，王 冰，王 楠，周喜超，孙 毅，郑顺林

(1.国网综合能源服务集团有限公司，北京 100052；2.华北电力大学电气与电子工程学院，北京 102206)

由于可再生能源在电网中的渗透率逐步提升[1]，以及热电联产等技术的成熟，传统电网正向集成分布式能源和多类能流的局域综合能源系统演变[2]。但由于分布式能源的地域分散性和不同能流系统的独立性，对该类系统的调度和运行优化成为了一大研究热点[3]。目前的大量研究是基于物理系统进行的能流研究和优化[4]，较少文献研究了基于虚拟电厂(virtual power plant, VPP)架构的综合能源协调优化与运行策略。

目前，关于虚拟电厂在电力调度、电能交易及分布式能源协调优化等方面的研究已得到了中外学者的广泛关注，文献[5]利用动态Stackelberg博弈理论，建立了VPP参与市场交易的电价、电量竞价模型。文献[6]综合考虑了调度发电机组、随机出力发电机组、储电设备和柔性负荷，建立了计及条件风险价值(conditional value at risk,CVaR)的VPP两阶段优化模型。文献[7]联合供给侧与负荷侧资源提出了一种综合考虑火电、核电和VPP的三阶段调峰算法。文献[8]为解决风光不确定性的问题，利用鲁棒随机优化理论建立了计及风光不确定性和需求响应的VPP随机调度优化模型。文献[9]提出了一种考虑VPP参与的售电公司双层优化调度模型。文献[10]建立了一种计及需求响应和分布式风电并网的VPP日前最优经济调度模型。文献[11]利用随机规划理论对可再生能源出力的随机性、负荷波动性及市场交易电价的不确定性进行了分析和建模，并提出了一种VPP参与日前、日内和实时市场的三阶段竞标模型。文献[12]建立了一种包括分布式风光机组、微型燃气轮机组储电单元和需求响应的VPP优化调度模型。文献[13]提出了一种考虑辅助服务市场碳电一体化交易的VPP投标策略。文献[14]通过设计有功和无功综合电价，提出了一种多VPP的有功配电网协同管理的双层规划方法。文献[15]提出了一种用于解决虚拟发电厂在能源和备用电力市场交易的日前自调度问题的优化算法。文献[16]提出了一种基于深度强化学习(deep reinforcement learning, DRL)的VPPs在线经济调度优化算法。文献[17]在考虑价格和风电产量不确定性以及电动汽车所有者偏好的情况下，提出了一种新的VPP运行策略。

以上研究为虚拟电厂参与电力调度、电能交易及分布式能源协调优化等方面提供了先进的模型和算法，但并未涉及综合能源在虚拟电厂模式下的优化调度策略。文献[18]提出一种基于热电联产(combined heat and power, CHP)的热电耦合VPP建立了一种综合考虑VPP收益和售能公司补偿成本的多目标优化运行模型。文献[19]基于局域热电厂、风电场、光伏电站组成的VPP，提出了一种同时考虑热、电负荷的VPP优化调度模型。文献[20]以聚合风电机组、CHP机组、燃气锅炉、热电负荷及储能设备的VPP参与电网互动为背景，建立了考虑用户舒适度的热电耦合系统的协同优化运行模型。文献[21]以VPP形式聚合风电场、CHP 机组、燃气锅炉及热、电负荷作为整体参与电力市场运行，通过VPP联合调度平台，实现热电联动协调优化调度。文献[22]在聚合风电、光伏、微型燃气轮机、燃气锅炉、储能、电负荷及热负荷等组成VPP的基础上，增加了电转气单元，并提出一种VPP参与多种市场的优化调度模型。文献[23]针对多能源场景下虚拟电厂参与日前能源市场的优化调度模型。文献[24]针对具有灵活负荷和冷热电联供(combined cool heat and power, CCHP)的VPP系统，提出了基于需求侧竞价和多能源协调的交互式调度策略以实现利用CCHP和可中断负荷实现一定的减负荷。文献[25]针对热电耦合系统，提出了一种面向多能源耦合虚拟电站架构。文献[26]提出了一种虚拟燃气发电厂(virtual gas power plant, VGPP)在提供ER方面对DSR灵活性进行建模方法，并分析了VGPP的可调度能力、耗气量曲线、成本曲线等特性。

以上模型均是基于调度层面的虚拟电厂模型，并未涉及虚拟电厂市场交易框架，而且未考虑到用户侧的激励型多能源响应。基于此，现考虑VPP内多能源聚合商参与需求响应竞价为背景，建立一种综合考虑了储能设备，能源耦合设备(CHP，电锅炉，燃气轮机等)、分布式可再生能源发电、多能源市场交易及激励型综合需求响应的VPP两阶段优化运行模型，提出一种考虑VPP内用户综合需求响应的VPP优化运行策略。并通过仿真算例证明策略在降低虚拟电厂调度成本、聚合商补偿成本以及用户的舒适度损失方面的良好优势。

1 虚拟电厂架构

1.1 面向多能源耦合的虚拟电厂组成架构

如图1所示，多能源耦合的虚拟电厂主要由4部分组成：

(1)分布式可再生能源，包括分布式风电和屋顶光伏等，其作用是向虚拟电厂提供清洁经济的能源供给。

(2)能源转换/耦合设备，包括电锅炉，燃气发电机和热电联产机组(combined heat and power, CHP)，其作用是实现各类能源的互补利用和协调转化。

(3)储能(energy storage，ES)设备，包括电储能，气储能和热储能，其作用是转换能源的利用的时段实现削峰填谷。

(4)终端用户的电负荷、气负荷和热负荷。各个部分通过虚拟电厂管控平台进行协调优化，最终实现以最小的成本实现能源的供需平衡。

1.2 考虑需求侧多能源响应的虚拟电厂运行架构

如图2所示，虚拟电厂的优化运行包含两个阶段。第一个阶段由虚拟电厂管控平台实现：在优化时段内，虚拟电厂需要预测可再生能源的出力情况和终端负荷的用能量，调节多能源耦合设备的运行状态和储能设备的充放能状态，根据聚合商的竞价策略进行需求响应任务量的分配和下发，并向多能源交易市场购电、购气和够热以满足能源的供需平衡。第二个阶段为综合需求响应阶段，由能源聚合商(电能聚合商、热能聚合商和气能聚合商)与用户之间的互动实现：能源聚合商在接收到来自虚拟电厂管控平台响应任务量后，依据用户的历史响应情况针对不同用户提供差异化的单位激励价格；用户在接收到聚合商的激励价格后，根据自身的用能水平和用能习惯进行负荷量的改变；最终以完成虚拟电厂调控平台向聚合商下发响应任务。

图2 考虑需求侧多能源响应的虚拟电厂运行架构

2 需求侧多能源响应模型

由图2可知，虚拟电厂背景下的需求侧多能源响应模型包含两类主体：聚合商主体；用户主体。聚合商主体包括电能聚合商、热能聚合商和燃气聚合商，它们的作用是将一定区域范围内的分散负荷(电/热/气)整合起来，通过一定的激励手段实现虚拟电厂管控平台下发的响应任务量。聚合商主体扮演着实现多能源响应的关键角色。用户主体是实现响应任务量的实际参与者，具有多能源需求的终端用户在接收到聚合商主体的激励信号后，根据自身的用能习惯自主参与到聚合商发布的需求响应项目中。

2.1 聚合商主体模型

聚合商主体在接收到虚拟电厂管控平台的需求响应信息后，通过向其下层用户释放激励型号，最终实现用户的响应总量等于其任务响应量。聚合商的首要目标是维持能源供给平衡，即其必须使下层用户的响应量严格等于其任务的响应量。因为若聚合商不能满足能源平衡，其将遭受来自供能主体的较大的经济惩罚，并且会对聚合商自身的信誉值造成不良影响。因此，聚合商主体的最主要目标是维持能源供需平衡，其次则是在此基础上通过调节对下层用户的单位激励价格使自身的响应成本最小。因此，聚合商模型可表示为

(1)

2.2 用户主体模型

作为需求响应的实际参与者，用户在接收到聚合商的激励价格后，用户根据聚合商的自主制订响应策略以使自身的效益最大。用户在参与需求响应获得激励补贴的同时也会损失一定的用能满意度，因此用户模型可表示为

(2)

(3)

3 考虑需求侧多能源响应的虚拟电厂优化运行模型

由图2可知，虚拟电厂管控平台在制订虚拟电厂优化运行策略时，需要考虑4个方面：①预测虚拟电厂内分布式可再生能源的出力情况；②调节虚拟电厂内的能源转换设备和储能设备的运行状态；③根据聚合商提供的竞价策略确定不同类型聚合商的响应任务量；④在能源交易市场进行电/热/气能源的购买。在此基础上，虚拟电厂管控平台以最小成本满足虚拟电厂内的能源供需平衡。

3.1 目标函数

虚拟电厂管控平台根据对风电、光伏和负荷的预测功率值，在考虑能源转换、能源储存和多能源需求响应的前提下，以运行成本最小为目标，建立虚拟电厂源荷储协调优化模型为

(4)

式(4)中：T为VPP优化运行周期；CDevice,k为虚拟电厂内设备运行成本，包括储能设备运行成本及能源转换设备(电锅炉，燃气发电机和CHP)的运行成本；CMarket,k为虚拟电厂从能源市场的购能成本，包括购电成本，购气成本及购热成本；CRES,k为分布式可再生能源的运行成本，包括分布式风电和屋顶光伏；CDR,k为向电/热/气聚合商提供的需求响应成本。

3.1.1 设备运行成本

虚拟电厂内设备运行成本，包括储能设备运行成本及电锅炉、燃气发电机和CHP等能源转换设备的运行成本。

kCHPGCHP,k+kGTGGT,k+kEBPEB,k

(5)

3.1.2 分布式可再生能源运行成本

分布式可再生能源(分布式风电，屋顶光伏)运行成本包括两部分，其一是风电、光伏的出力成本，其二是弃风、弃光的惩罚成本。

(6)

3.1.3 能源市场的能源购买成本

虚拟电厂中的能源购买成本包括购电成本、购热本及购气成本。

(7)

3.1.4 综合需求响应成本

虚拟电厂管控平台的需求响应成本为实施需求响应过程中向电/热/气负荷聚合商提供的补偿成本，该补偿成本为单位补偿价格与总响应功率的乘积。

(8)

3.2 约束条件

3.2.1 设备运行约束

虚拟电厂内的设备约束包括电锅炉、燃气发电机和CHP等能源转换设备的端口特性约束及储能设备的容量约束。

(1)电锅炉。

(9)

(2)燃气轮机。

(10)

(3)CHP。

(11)

(4)储能约束。

(12)

(13)

(14)

3.2.2 分布式可再生能源出力约束

(15)

3.2.3 市场购能约束

(16)

3.2.4 市场购能约束

(17)

3.2.5 市场购能约束

对于电、热、气耦合的虚拟电厂，其内部存在3种能源的守恒关系。

PMar,k-PEB,k-PES,k+PGT,k+PCHP,k=

(18)

HMar,k-HES,k+HEB,k+HCHP,k=

(19)

GMar,k-GES,k-GGT,k-GCHP,k=

(20)

3.3 模型求解

综上可知，考虑需求侧多能源响应的虚拟电厂优化运行是一个两阶段优化模型。

第一阶段：由式(4)～式(8)可知，第一阶段的目标函数为一个二次函数；由式(9)～式(20)可知，第一阶段的约束条件均为线性约束，由此可知，第一阶段的优化模型为一个典型的二次规划模型，可采用基于梯度的方法予以求解。

第二阶段：由式(1)～式(3)可知，第二阶段为一个类似于Stackleberg博弈双目标规划问题，为求解此问题，先将该问题转化为一个单目标规划问题。

由式(2)和式(3)可知，用户的响应模型为一个典型的二次规划模型，且目标函数的一阶和二阶偏导数为

(21)

(22)

由式(22)可知，用户模型的目标函数为一个严格凹函数，令目标函数的一阶导数等于零，并考虑到用户模型中决策变量的上下限约束，容易求得用户模型的最优解为

(23)

将式(23)作为式(1)的约束条件，则第二阶段的双目标规划问题可转化为如下的单目标规划问题。

(24)

易知式(25)也是一个二次规划问题，亦可采用基于梯度的方法予以求解。

4 算例分析

图3 用户24个时段的基线负荷

图4 分布式风电和屋顶光伏预测出力

4.1 第一阶段仿真结果

图7 日前市场出清后，虚拟电厂的功率缺额

图8 各时段虚拟电厂管控平台的调度电能、热能和燃气能出力

由图8(a)可知，虚拟电厂向电力市场的购能时段主要在第1、2、3、5、6、11时段，因为该时段的市场交易电价(图5)为谷时段电价。除此之外，在第19、20、21时段，虚拟电厂向市场也有电能的购买，这是因为这3个时段的电能功率较大且市场气能价格较高，因此此时的功率缺额通过市场电能购买和用户的电能需求响应进行填补是相比于利用燃气轮机/CHP发电更经济的方式。而实施需求响应的主要在电价和气价均较高的阶段，如第12、14～23时段。

由图8(b)可知，CHP的运行时段主要集中在第1、2、3、4、5、6、7、8、9、10、24时段，这是因为在这些时段天然气的价格处于谷时段价格，利用天然进行制热和发电有助于降低填补功率缺额的成本。此外电锅炉的运行时段主要集中于第4、10、24电价处于谷时段电价的时段，在第13时段，电锅炉也有出力是因为此时的气价较高且电功率缺额较低而热功率缺额较高。

由图8(c)可知，天然气的购买量主要集中于气价低谷时段，并且这些时段的部分天然气通过CHP进行了制电和制热。虽然在天然气价格较高的时段也有天然气的购买，但此时的购买量相对较小，这些时段的天然气仅作为填补其功率的缺额，不用于制热和产电，且气价越高天然气的购买量越低，而通过终端用户进行天然气响应的响应量越高。

图9和表1对比了在考虑综合需求响应、仅考虑电负荷响应、不考虑任何需求响应场景下的各个时段调度成本和总调度成本。由图9可知，在绝大部分时段，考虑综合需求响应相比于仅考虑电能需求响应和不考虑任何需求响应有更低的调度成本。由表1可知，提出的考虑综合需求响应的虚拟电厂调度策略对降低调度成本作用显著。

图9 不同场景下虚拟电厂各个时段的调度成本

表1 不同场景下虚拟电厂调度总成本

4.2 第二阶段仿真结果

由第一阶段的优化结果可得到电/热/气聚合商在各个时段下第二阶段的任务响应量，如图10所示。

图10 电/热/气聚合商在各个时段下的任务响应量

在第二个阶段中，参与需求响应的用户数为300户，参数取值范围如表2所示。

表2中各个参数在设置区间内随机选择。为比较用户参与综合需求响应与仅参与单一需求响应的响应效果，设置了以下两种场景：场景1中300个用户参与综合需求响应；场景2中100个用户参与电能需求响应，100个用户参与热能响应，100个用户参与气能响应。图11(a)比较了这两种场景下聚合商的激励成本。图11(b)比较了这两种场景下用户的舒适度损失。

表2 用户参数

图11 两种场景下的激励成本和用户舒适度损失比较

由图11(a)可知，场景1的激励成本在各个时段均低于场景2，这是因为在场景1中，各个用户的电、热、气响应潜力均被聚合得到了较好的利用，这有助于降低聚合商的激励成本。在场景2中，单个用户仅能响应单个聚合商，这对于消除聚合商之间的竞争非常重要，但聚合商的激励成本却较大。对于聚合商之间的竞争问题，在综合需求响应模式下，因为各类聚合商的响应能源类型不同，所以即便单用户能够接收到不同聚合商的激励信号，所以用户对不同聚合商的响应量不存在此消彼长的关系，该模式能够满足不同类型聚合商的响应任务。

由图11(b)可知，在场景1下，用户在参与需求响应的舒适度损失相比于场景2更低，这是因为综合需求响应模式下，用户通过对3种能源的调节而非单一能源的调节能够使其在响应过程中综合考虑各类能源的响应量以减少其在响应过程中的舒适度损失。

5 结论

考虑VPP内多能源聚合商参与需求响应竞价为背景，建立了一种综合考虑了储能设备，能源耦合设备(CHP，电锅炉，燃气轮机等)、分布式可再生能源发电、多能源市场交易及激励型综合需求响应的VPP两阶段优化运行模型，提出了一种考虑VPP内用户综合需求响应的VPP优化运行策略，并通过仿真实验验证了策略在降低虚拟电厂调度成本、聚合商补偿成本以及用户的舒适度损失方面具有良好优势。