能源互联网下虚拟电厂调度及市场竞价综述

2022-01-23叶刚进沈欣炜尹建兵黄天恩

浙江电力 2021年12期

杨隨，骆哲，叶刚进，沈欣炜，尹建兵，黄天恩

（1.国网浙江省电力有限公司杭州供电公司，杭州 310009；2.清华-伯克利深圳学院（清华大学深圳国际研究生院，清华大学），广东深圳 518000）

0 引言

能源互联网是在“能量-信息-经济”三元驱动下由物理互联、信息融合、经济融通的长期演化而形成的。具体而言，能源互联网通过多能系统的物理信息深度融合来全面获取整个网络的信息，同时基于科学的电力市场设计来实现资源优化配置，最终达到多能源系统可持续发展的目的[1]。在技术层面上，随着信息、控制、可再生能源发电以及储能等技术的不断进步，能源互联网得到了快速的发展与变革[2-3]。在社会层面上，发展能源互联网需要与电力市场机制相结合，通过电力市场来引导能源互联网发展[4]，发展催生出的新模式对传统电力市场提出了新的要求，具体表现为：能量市场需要提供相关政策机制，从而为可再生能源提供与其他电源竞价上网的条件[5]；辅助服务市场需要引入需求侧灵活资源参与市场交易，从而改变传统市场中仅由发电侧提供服务的模式，通过充分发挥其需求响应潜力来降低系统的调节成本[6]。现阶段，我国能源互联网发展仍存在一些瓶颈：一方面，能源互联网所涉及的范畴较大，需要对其中的关键性问题进行梳理；另一方面，分布式发电和需求侧响应等能源互联网关键技术的研究需要结合我国电力市场改革及发展提出新的解决方案[4]。

VPP（虚拟电厂）作为高效组织多类型分布式灵活资源参与市场、促进可再生能源消纳的重要模式，是健全电力市场、实现能源互联网建设的重要形式[7-9]。VPP 着重考察其聚合形成的整体对外呈现的功能，因此并不限制分布式能源的地理位置及其并网方式，而是以整体的形式参与电力市场运营。VPP 为分布式能源参与电力市场提供了有效方案，通过实现多种分布式能源的出力互补，降低系统整体的不确定性，从而减少了可再生能源以及灵活性资源直接参与电力市场时可能会引发的电网运行安全等问题，提高电力系统运行的稳定性[10]。随着VPP 参与主体的多样化及其规模的扩大，电力网络的复杂性增加了VPP 对其内部主体的认知及调度管理的难度。一方面，VPP 内部分布式能源以及用户行为等具有不确定性，对其物理模型难以进行精准构建；另一方面，由于不同资源之间存在耦合关系，VPP 进行能量管理的难度增加，同时为其参与电力市场交易带来新的挑战。因此，全面认识VPP、构建VPP 与电力市场互动关系、实现VPP内部资源合理调度、制定最优竞价策略等，对于VPP 的研究以及能源互联网的发展具有重要意义。

1 能源互联网背景下的虚拟电厂架构

DERs（分布式能源）近年来取得蓬勃发展，逐步取代了传统大规模电力生产的能源模式；其特点包括灵活、可靠、经济和环保，该方案易于实现对可再生能源的就地消纳。然而，由于DERs存在地理位置分散、机组容量小、出力不稳定等问题，如何对其实现综合能源管理以及优化调度成为新的难题。随着信息技术的广泛应用，在能源互联网发展的大背景下，VPP 逐渐成为未来电网发展的重点。

基于能源互联网“能量-信息-经济”三元驱动的理念，VPP 从逻辑上也可以分为能量层、信息层和经济层3 个层次。

1）能量层基于微观层面，以VPP 内部资源为对象，针对具体资源的市场潜力进行用于实际操作层面的调查分析。

2）信息层探讨中观层面，以VPP 内部形成的本地市场为对象，充分考虑其内部子系统的特性，考察子系统参与本地能源交易的可行性。

3）经济层涉及宏观层面，以VPP 整体区域为对象，通过解决VPP 参与电力市场的竞价问题，探讨其与电力市场的耦合关系及相互影响，可用于政府层面的规划参考。VPP 的基本架构如图1所示。

图1 VPP 架构

2 VPP 控制方式及其内部资源调度机制

以下介绍VPP 的3 种控制方式、其内部资源的调度机制以及VPP 可参与的市场交易。

2.1 VPP 控制方式

2.1.1 集中控制方式

在集中控制方式下，VPP 对内部资源具有最高控制权限，并通过该方式收集、处理系统内外所有信息用于决策，因此其控制能力对通信网络的依赖程度很高。具体而言，VPP 通过建立CEMS（中心能量管理系统）来保证其对所有资源/集成商的绝对调度权[11-12]，并发送调度信息到终端设备。VPP 采用集中控制方式的优势体现在：它可以通过聚集原本分散的低容量发电资源来增强系统的集成度，同时形成大规模发电容量[13-14]，提升其对电力系统及市场出清过程的影响力。然而，采用该方式的VPP 需要确定所有资源的操作决策，当系统规模扩大时，CEMS 的计算难度将会增大。

2.1.2 集中-分散控制方式

为解决计算量的问题，VPP 控制方式由集中控制向分散控制转变，其中，集中-分散控制方式[15-16]是综合二者特性的过渡式方案。如图2 所示，该控制方式包括2 个子控制层：一级子控制层采用集中控制并通过CEMS 来协调管理下层的分布式代理；二级子控制层则采用分布式控制，引入分布式代理将VPP 整体划分为不同控制区域并进行资源管理。

图2 集中-分散控制方式[19]

集中-分散控制方式的优势在于：

1）VPP 通过分层结构将CEMS 的计算量分配给下层代理[17]，各代理只负责其区域内的优化调度，最终提高了VPP 中心优化的计算速度。

2）下层代理将其区域内的运营概况提交给VPP 进行整体优化，CEMS 通过集中管理可以避免各代理之间的无序竞争，保证了VPP 整体的竞价均衡。

然而，由于存在不同层级之间的信息交换，集中-分散控制方式在通信层面存在缺陷，容易造成通信堵塞以及受到网络攻击[18]。

2.1.3 完全分散控制方式

在完全分散控制方式下，VPP 也被分为2 个独立的层次，但是此时的VPP 不再拥有对子系统的控制能力，而仅作为通信服务器为各个子系统提供信息交换服务；该层作为VPP 中央通信层。第二层是由各个资源聚合形成的独立子系统，每个系统以自我利益最大化为目标对其管辖区域内的资源进行调度[20-21]。VPP 通过部署分布式算法，在满足通信网络连通性的前提下，各个子系统通过VPP 中央通信层进行信息交互，该方案可以协助不同的主体进行非博弈型合作，从而提高VPP 整体的效益。完全分散控制方式的优势在于：所有资源并不是由VPP 直接控制，因此可以在较大程度上避免集中式VPP 可能造成的市场垄断问题；通过应用分布式算法，VPP 系统的计算负担可以得到缓解。基于完全分散控制方式，VPP 调度方法主要涉及到博弈论[22]以及分布式算法[23]的应用。文献[23]引入“代理”的概念，提出各子系统代理的主要目标是最大化子系统的利润，并通过共享各主体的投标信息，将其组合为一个具有多代理的调控系统。

综上所述，采用集中控制方式的VPP 需要完全掌握分布式设备的所有信息并满足所有区域的电力需求。在最佳运行状态下，采用该控制方式的VPP 具有更大的决策潜力，但是其兼容性和可扩展性有限。采用集中-分散控制方式的VPP在本地运行中采用分布式运行模式，针对性地弥补了集中控制方式在信息收集及本地调度中的弱点，但是由于其需要以CEMS 作为整个发电系统的最上层来维持系统运行的经济性和安全性，其可扩展性有限。而完全分散控制方式中，每个节点都具备信息采集、处理的能力，能更加灵活地感知及分析周围环境变化，具有最佳的开放性和可扩展性。

2.2 VPP 内部资源调度机制

为了解决VPP 内部资源的调度问题，文献[24]在市场合约机制的基础上建立了基于多目标优化的调度模型。该模型的调度目标为最大化VPP 净利润以及在考虑用户用电满意度的基础上最小化用户的购电成本，同时通过引入市场合约机制，在一定程度上规避了不确定性因素导致的惩罚。文献[25]采用基于集中优化方式的调度机制，考虑VPP 内部电力用户的不同特性，提出了数据驱动的需求响应算法，为VPP 内部资源提供最优的调度决策。文献[26]基于多用户的主从博弈竞价方式，分别研究了VPP 的电量竞标模型以及电价竞标模型。

从市场的角度出发，VPP 可以参与现货市场、辅助服务市场以及需求响应市场。基于现货市场，文献[27]根据电网调整需求和内部单元的响应意愿，建立基于日内调整的VPP 互动机制，得到VPP 的日内调整计划。考虑VPP 在提供能量与灵活性辅助时的耦合效应，文献[28]建立了VPP 同时参与能量市场以及辅助服务市场的优化模型，并采用鲁棒优化方法来处理可再生能源实际出力的不确定性问题，从而降低VPP 可能受到的偏差惩罚和投标风险。针对需求响应市场，文献[29]考虑了需求侧负荷的灵活性，并提出计及需求响应的VPP 风电并网系统调度优化模型。文献[30]则引入需求价格弹性系数的概念来表征用户对电价的敏感度，并采用分时电价及可中断负荷的方式引导用户进行能量优化调度。

3 VPP 竞价策略研究

随着我国能源互联网技术的快速发展以及电力市场机制的不断完善，VPP 等能源业务也得到发展。针对VPP 参与电力市场竞价的问题，本研究对其竞价策略开展讨论，主要从时间尺度、优化模型、不确定性因素3 个方面进行具体分析（见表1）。

表1 VPP 研究文献比较

3.1 基于市场时间尺度的分析

3.1.1 日前市场竞价策略

在日前市场，VPP 基于其内部各类资源的预测值来参与市场投标过程，最终决定其参与能量市场或辅助服务市场的容量值。一般情况下，VPP 通过EMS（能量管理系统）进行优化调度并提出竞价策略。具体过程如下：

1）在日前阶段，EMS 收到的信息主要包括电力市场次日负荷预测值、VPP 内部灵活性负荷预测值以及分布式资源预测值。

2）基于上述信息，EMS 通过构建内部优化模型生成竞价策略。

3）市场运营商根据EMS 竞价策略将日前市场的所有报价进行出清。

4）EMS 获取出清价格及第二天出力计划。

在技术层面，不同的模型需要考虑多种因素（如安全、不确定以及多竞争者环境）并进行适当建模来解决日前市场报价问题。基于日前市场的研究，文献[31]提出了双层市场机制，该机制以VPP 内部分布式发电资源的收益最大为目标，确定的电价信息可以反映VPP 内部真实供需水平，通过减少VPP 整体的不确定性来提升其在市场交易中的竞争力。文献[32]提出基于单位价格的非平衡模型，并采用遗传算法来求解VPP 竞价策略。

3.1.2 实时市场竞价策略

与日前市场不同，实时市场是以时间段（一般以15 min 或1 h 作为单位时间段）为基础逐段开启的，在此过程中，日前市场出清结果则作为已知量被EMS 获取。同时，EMS 接收当前时刻的准确信息以及对未来时刻的预测信息，最终基于上述信息提交各时间段的竞价曲线。对比日前市场竞价策略，VPP 在实时市场的竞价策略主要有以下特征[33]：

1）EMS 提出实时市场竞标策略时，以日前市场-价格及交易结果作为已知量。

2）实时条件下，EMS 可以较为准确地预测或获取可再生能源发电信息。

3）基于实时市场当前时刻的出清结果，EMS将在线更新其后续时间的交易参数，并改进竞价模型中的不确定性变量，从而提供更为准确的优化调度信息。

文献[33]聚焦于负荷需求以及实时价格的不确定性对VPP 调度策略的影响，提出了一个三阶段随机双层模型解决VPP 最优竞价策略问题。

3.1.3 混合时间尺度竞价策略

在实际运行当中，日前市场和实时市场之间存在耦合关系，VPP 在日前阶段的竞价决策可能会影响其在实时市场的竞价策略。针对上述问题，相关文献一般会选择联合优化方案，即基于混合时间尺度对VPP 竞价过程进行建模。具体而言，混合时间尺度问题的关键点有3 个：

1）日前市场的决策不再只是考虑当前市场的信息，而是需要同时考虑实时市场预测信息对相关决策变量的影响。

2）在日前阶段，仅提供针对日前市场的竞价曲线，并不涉及对实时市场的预判。

3）在实时阶段，需要考虑已经在日前市场交易中确定的交易电量，同时使得实时电量保持动态平衡。

文献[34]对基于电热耦合构成的VPP 交易机制进行分析，并从日前-实时2 个时间尺度建立了两阶段优化模型。考虑电网中其他VPP 的竞价策略的影响，文献[35]提出了一种交互式调度模式及投标策略。文献[36] 基于日前市场和平衡市场，提出了一个两阶段随机MILP（混合整数线性规划）模型来确定VPP 竞价策略。

3.2 基于不确定性因素的分析

参与电力市场时，VPP 面临多种不确定性因素，包括其分布式能源、电动汽车等内部电源受气象、交通等因素的影响而造成的供电变化，内部负荷变化以及电力市场电价变化。因此，必须考虑不确定性因素来设计VPP 优化调度方案[36-38]。当前主要包括以下3 种研究方法。

3.2.1 随机优化

该方法用于对不确定性因素建模，根据随机变量的连续或离散特性，一般分为连续随机过程或离散随机过程。其中，对于连续随机过程的求解几乎无法实现，因此，当前研究基于离散随机过程[37]，一般采用场景生成方法（如蒙特卡洛方法）来实现建模[39-42]。然而，由于该方法需要已知不确定因素的概率分布等信息，同时需要进行大量场景生成，对VPP 的计算能力有较高要求。基于能量市场和旋转备用辅助服务联合市场，文献[39]提出两阶段随机规划方案，建立VPP 最优竞价模型，该模型可以有效规避交易中由于不确定性因素而导致的风险。文献[42]聚焦于VPP 中的储能系统，利用场景分析方法为其建立报价曲线，其中，场景生成是通过每小时替换预测点的方法来实现的。文献[43-44]同时考虑储能系统以及需求响应策略，针对市场电价的不确定性，都采用随机规划的方案解决最优决策问题，并引入CVaR（条件风险价值）或一阶随机优势约束来管控VPP 的调度风险。基于场景的随机优化模型实现较为简单，但是随着场景数量的增加，其规模会急剧增大，从而带来巨大的计算负担。

3.2.2 鲁棒优化

综合考虑不确定性问题以及计算负担，有研究者提出基于鲁棒优化的建模方法[45-46]，通过在不确定性参数置信区间内取值来简化场景生成问题，但是会降低模型的灵活性[47]。鲁棒优化的优点体现在[48]：

1）鲁棒优化问题通常比随机优化问题在计算上更易于处理，计算负担相对较低[49]，增强了算法的有效性。

2）鲁棒优化着重考虑最坏条件下的优化结果，因此具有很强的鲁棒性。文献[32-33]将最小化不确定性因素影响作为优化目标来解决竞价问题。

3.2.3 随机鲁棒优化

随着VPP 规模的扩大以及模型复杂度的增加，越来越多的研究综合利用随机优化及鲁棒优化的优势对VPP 竞价提供最优策略。基于随机鲁棒优化方案，文献[37，50]根据历史数据来建立不确定性因素的序列。文献[47]针对市场电价的不确定性采用随机场景建模的方法，而针对风力发电的不确定性则采用鲁棒优化建模的方法。除了可再生能源不确定性，文献[51]还引入需求响应资源的不确定性影响，文献[52]则同时考虑上述所有不确定性因素。文献[53]提出随机自适应鲁棒优化方法，相比静态鲁棒优化具有更好的优化性能。

4 VPP 研究展望

4.1 多元融合高弹性VPP

随着能源与信息技术的发展，VPP 内部灵活性资源不再局限于电、热、冷、气等传统能源系统，将会更多地引入可控负荷、电动汽车、储能等设备。多种资源的加入一方面可以提高VPP 对外出力的稳定性，另一方面也面临着调度复杂化等问题。因此，如何构建多元融合高弹性VPP 可以作为后续发展的研究方向。为实现不同资源的融合互动，需要为VPP 提供更稳健的运行网络。通过利用先进的信息技术，为不同资源提供信息分享的可行性，从而保证能源网络的安全运行。