考虑电能共享的楼宇虚拟电厂协调优化调度

2022-04-11胡晓龙孙改平田英杰杜楠楠

电力科学与技术学报 2022年1期

杨秀，胡晓龙，孙改平，方陈，田英杰，杜楠楠

(1.上海电力大学电气工程学院，上海 200090； 2.上海市电力公司电力科学研究院，上海 200437)

随着能源短缺和温室效应的日益加重，国家对清洁能源的重视程度不断地提高，这使得具有节能、环保等优点的分布式能源被广泛应用[1]，楼宇侧也开始集成越来越多的分布式能源[2-4]。通过对分布式能源的协调优化管理，可以提高楼宇运行的经济性，充分挖掘楼宇建筑节能减排与调峰的潜力[5-6]。然而，由于各楼宇通常都是独立运行，彼此间缺乏信息交流以及能量交互，难以实现整体经济效益的最大化[7]。构建以楼宇为主体的楼宇虚拟电厂(virtual power plant, VPP)系统，为解决上述问题提供了手段。VPP通过先进的信息通信技术对各楼宇内分布式能源进行协调优化管理，可以有效地解决楼宇内分布式能源随机性大、可控性低等问题，充分利用不同楼宇用电行为的良好互补特性，提升系统整体的经济效益。如何对楼宇VPP进行协同优化管理是目前研究的热点。

国内外已有众多学者针对VPP的优化调度展开相关研究。文献[8]考虑了可削减负荷、可转移负荷以及可平移负荷3类柔性负荷，以柔性负荷作为虚拟电厂主要的可调度资源，建立了成本最低、环保效益最优的多目标优化模型；文献[9]计及分布式储能对虚拟电厂收益的影响，比较了不同类型储能设备参与下的调度结果；文献[10]提出了一种含新能源发电机组、电动汽车以及燃气轮机的VPP经济调度优化模型，通过电动汽车和可控电源的配合平抑新能源出力的偏差，并且分析了在不同渗透率下电动汽车对VPP经济性和各单元出力的影响；文献[11]研究了多区域VPP的经济调度，实现了不同区域、不同类型分布式能源间的协调互补，以多区域间电能共享的方式提高了VPP内电能的利用率，有效地降低VPP的总成本。

上述文献侧重地考虑了柔性负荷、储能设备、电动汽车以及新能源机组等分布式能源的优化，但极少有文献将楼宇内多种类分布式能源作为调度对象，而且针对VPP内不同性质区域间协调优化的研究相对较少。在此背景下，本文提出一种考虑不同性质楼宇间电能共享的楼宇VPP日前优化调度模型。首先，综合考虑楼宇内风电、光伏(photo voltaic, PV)、储能设备(energy storage system, ESS)、电动汽车(electric vehicle, EV)以及柔性负荷，阐述了楼宇VPP的结构与基本原理，其中柔性负荷在楼宇中主要包含以下3类。

1)可削减负荷。可承受一定中断或降功率、减少时间运行的负荷，根据供需情况对其进行部分或全部削减。

2)可转移负荷。各时间段用电量可灵活调节，但要满足转移后整个周期负荷总量与转移前保持不变。

3)可平移负荷。负荷供电时间可按计划变动，负荷需整体平移，用电时间跨越多个调度时段。

其次，建立以VPP净成本最低为目标的优化模型，制定楼宇内各单元的日前出力计划，并通过楼宇间的电能共享实现电能的就近消纳，提高了电能在内部的利用效率，进一步降低了VPP的净成本。最后，以一个包含居民楼、商业楼、办公楼的楼宇VPP为例进行分析，验证了上述模型的有效性。

1 楼宇VPP的结构与基本原理

根据功能不同，楼宇通常分为居民楼宇、商业楼宇以及办公楼宇，本文所研究的楼宇类型主要包括这3种类型。不同性质的楼宇在负荷特征、新能源以及储能等方面具有一定区别。在负荷特征上，由于3类楼宇社会职能不同，居民楼宇全天负荷波动不大，而商业楼宇与办公楼宇负荷规律较为相似，即在营业时间负荷较大，停业时间负荷几乎为零。由于楼宇功能性不同，因此与商业楼宇相比，办公楼宇的特征在于各时刻负荷总量较小。新能源发电和储能容量的大小通常与楼宇规模有关，通常居民楼宇和商业楼宇规模较大，其新能源出力以及储能容量不小于办公楼宇。由于不同楼宇的在负荷、新能源和储能上的区别，使得楼宇间电能具有一定互补性，因此楼宇间电能共享具有可行性。楼宇VPP的结构如图1所示。考虑每个楼宇内部均包含风电、PV、ESS、EV以及柔性负荷，由VPP控制中心对VPP内部各聚合单元进行统一协调控制。VPP控制中心负责收集电网以及楼宇内部各单元的信息，根据所整合的信息，实现经济高效日前用电计划的制定，并发送调度指令控制各单元的运行。

图1 楼宇虚拟电厂Figure 1 Structure of building VPP

为了实现电能在VPP内部的高效利用，减少因电网购售电的电价差所带来的运行费用[12-13]，由VPP控制中心控制协调楼宇间电能的双向流动，考虑楼宇间电能的共享，当某个楼宇出现缺电的情况，VPP控制中心将会发送调度指令，控制余电的楼宇向缺电的楼宇传输电能，多余的部分电能直接在VPP内部消耗，而不再向电网售电。单栋楼宇内部的结构如图2所示[7]。

图2 楼宇内部结构Figure 2 Internal structure of the building

2 楼宇VPP的优化调度模型

2.1 目标函数

VPP控制中心根据收集到的信息，合理地控制楼宇内部各单元的出力，协调楼宇间的电能共享过程，优先在VPP内部消纳电能，当VPP整体出现电能缺额时，再与电网进行交互。VPP以整体的净成本最小为优化目标，其最小净成本为

(1)

1)楼宇VPP同电网的交互成本为

(2)

2)为了维护风电、光伏的正常运行，通常会产生一定的维护费用，即

(3)

3)ESS充放电会产生一定的运行维护费用，即

(4)

4)由于EV电池总循环寿命有限，随着充电次数增加，EV电池会不断损耗[14]。本文只考虑EV集群的有序充电状态，不考虑EV集群的放电情况，因此EV电池损耗成本为

(5)

5)为了激励电力用户参与需求响应，实现削峰填谷，需要给予用户一定的补偿费用[15-16]，即

(6)

可削减负荷根据供能的充裕程度，对该时段的负荷功率进行一定比例的削减。可削减负荷的补偿成本为

(7)

(8)

(9)

2.2 约束条件

1)楼宇内部功率平衡。

(10)

2)储能设备约束。

(11)

(12)

(13)

(14)

(15)

(16)

3)EV集群约束。本文考虑EV集群有序充电的建模，并未考虑EV的放电情况，因此楼宇i内的EV集群在t时段的充电功率要小于该时段可调度电动汽车的最大充电功率，即

(17)

同时，由于本文考虑楼宇内EV集群参与调度的情况，EV数量较多，因此采用宏观上平均化出力[17]，对EV集群的电量做如下约束：

(18)

此外，调度周期内各楼宇中EV的充电电量总额应满足调度周期内EV的充电电量需求，即

(19)

最后，鉴于目前文献中关于EV的调度模型均未计及EV用户出行的满意度情况，本文考虑EV用户的满意度约束，指标详见文献[18]。假设EV用户根据自身出行习惯进行充电时，其满意度最高，则约束为

(20)

4)柔性负荷约束。对于可削减负荷，为了保证用户用电的舒适性，不能频繁的对用户负荷进行削减，需要对削减次数以及削减时间进行约束[19]，即

(21)

(22)

(23)

对于可转移负荷，由于设备的频繁启停会影响用户的正常用电，因此除了对转移功率进行约束外，还需要对可转移负荷的最小持续时间进行约束，即

(24)

(25)

对于可平移负荷，只需满足平移后负荷的运行时间在用户可接受的时间范围内，即

(26)

(27)

5)楼宇间电能交互约束。

(28)

(29)

(30)

2.3 模型求解

由于上述模型为混合整数线性规划模型，因此本文在MATLAB2016b平台下调用CPLEX线性求解器对模型进行求解。

3 算例分析

3.1 算例数据

本文以一个包含居民楼、商业楼、办公楼的楼宇VPP作为研究对象验证上述模型的合理性。每个楼宇均含有风电、PV、ESS、EV以及柔性负荷，每个楼宇在满足自身用电需求的前提下均可对外输送电能。

1)电价参数。本文以1 h为一个时段，共24个调度时段。本文所用分时电价见表1，其中峰时段为10:00—15:00、18:00—21:00；平时段为07:00—10:00、15:00—18:00、21:00—23:00；谷时段为00:00—7:00、23:00—24:00。

表1 系统购电及售电价格Table 1 Purchase and sale price of electricity 元

2)风光预测值以及负荷相关数据。居民楼、商业楼、办公楼的风光出力以及负荷的预测情况如图3所示。3类柔性负荷的相关参数如表2～4所示。

表2 可削减负荷调度参数Table 2 Reducable load scheduling parameters

图3 风光出力和负荷的预测情况Figure 3 Predicted power curve of photovoltaic, wind and load

3)ESS参数。本文中ESS的额定容量为500 kW·h，最低容量为额定容量的30%，最大容量为额定容量的95%，初始容量为额定容量的40%。

4)EV参数。3个楼宇内均包含30辆可调度的EV，单辆EV单位时间最大充电功率为7 kW，电池容量为64 kW·h。此外，通过蒙特卡洛模拟算法可以预测出考虑用户出行规律的EV充电负荷曲线，具体方法见文献[20]，预测结果如图4所示。

表3 可转移负荷调度参数Table 3 Transferable load scheduling parameters

表4 可平移负荷调度参数Table 4 Shiftable load scheduling parameters

图4 EV充电负荷预测Figure 4 Predicted charging load of EV

3.2 仿真结果分析

由图3可知，人员的活动规律和负荷的变化有着密切的关联。居民楼负荷功率全天波动不大，变化相对平稳，00：00时负荷相对较低，用能高峰期出现在10：00—14：00和20：00—22：00时段，呈现双峰特性；商业楼和办公楼负荷曲线相似，其白天的负荷用量很大，夜晚的用量几乎为0。商业楼和办公楼自营业开始起，负荷功率迅速提升，营业时间内一直保持高峰电力负荷，营业时间外保持较低的用能以满足部分设备运行。由于不同楼宇用能高峰出现在不同时刻，负荷特性差异较大，具有互补互济的特点，因此在满足自身用电需求的情况下，各楼宇间可以实现有效的电能共享。居民楼、商业楼、办公楼的优化结果见图5～7。

图5 居民楼功率分配情况Figure 5 Power distribution of residential building

由图5可知，VPP通过对分布式能源的合理调度使得楼宇同电网的交互电量发生了变化。由于风电、PV属于可再生能源，因此设置风光维护成本低于购电价格，激励用户对风光出力进行全消纳，减少用户从电网的购电量。在分时电价的引导下，EV用户选择在电价较低的时段充电，但在满意度的约束下，用户不能完全摒弃原有的充电习惯。EV原本的充电高峰期在18：00—21：00时段，而其中18：00—20：00恰好处于电价的峰时段，因此用户避免了在该时段充电，选择在晚间凌晨低电价时段充电。柔性负荷的分布也发生了变化。由于削减次数限制，可削减负荷优先在10：00—13：00及18：00—21：00这2个负荷高峰时段进行削减；由于最小持续时间的限制，可转移负荷转移到了04：00—08：00负荷低谷时段；可平移负荷整体平移至05：00—09：00，保持了负荷的连续性。在电价低谷时段ESS选择充电储存电量，而在10：00—14：00和19：00—20：00电价较高，因此ESS在该时段内向楼宇供电，降低了楼宇在电价高峰时段的购电量，从而减少楼宇的净成本。另外，在00：00—06：00，其他楼宇的电能有所剩余，而居民楼宇自给的电能不足以满足用能需求，因此其他楼宇向居民楼宇供电，若仍未满足电能需求再向电网购电。由于电能共享具有不计成本、共享互惠的特点，因此通过楼宇间的电能交互，可以减少居民楼宇的购电费用。

由图6可知，商业楼宇的负荷特性与居民楼宇不同，其负荷的峰谷差远远大于居民楼宇。在00：00—06：00，商业楼宇负荷量很小，因此除了用于满足用户负荷以及ESS的充电外，大量的风电出力输送至其他楼宇。由于电价较低，多数EV用户也选择在00：00—06：00充电，减少其充电成本，同样存在部分用户不愿完全放弃原有的充电习惯，选择在原有的时段进行充电。可削减负荷在11：00—14：00与17：00—20：00这2个负荷高峰时段进行削减；可转移负荷转移至01：00—06：00，可平移负荷平移至01：00—05：00，均实现了一定程度上的削峰填谷。而在电价的峰时段，ESS向商业楼宇供电，使得商业楼宇从电网购入的电功率减少。除此之外，在10：00—13：00存在余电楼宇向商业楼宇供电，进一步减少了该时段商业楼宇的购电量。

图6 商业楼功率分配情况Figure 6 Power distribution of commercial building

由图7可知，办公楼宇的负荷特性与商业楼宇相似，但其负荷总量小于商业楼宇。因此，除00：00—06：00，办公楼宇在10：00—13：00同样出现电能过剩，在这2个时段内办公楼宇向缺电楼宇供电，减轻其供电压力。由于负荷特性相似，因此办公楼宇柔性负荷优化后的分布相似于商业楼宇。而办公楼宇和商业楼宇中EV用户的充电习惯不同，因此其EV充电负荷的分布有一定的区别，但在电价引导下，EV用户仍选择电价较低的时段进行充电。

图7 办公楼功率分配情况Figure 7 Power distribution of office building

图8为VPP内楼宇的电能共享情况。在00：00—06：00，商业楼宇以及办公楼宇向居民楼宇传输电能，以满足居民楼宇的用能需求。通过电能共享，居民楼宇从电网的购电量大大减少，在03：00—05：00甚至无需从电网购电。另外，由于商业楼宇与办公楼宇的负荷曲线规律较为相似，缺电与余电时段大致相同，电能的互补性、共享性相对较弱，因此在大多数时段两者间不存在电能共享，但办公楼宇各个时段负荷量较少，在10：00—13：00电能有所剩余，而商业楼宇负荷较重，在该时段缺电较为严重，因此办公楼宇的剩余的电量并没有出售给电网，而是输送给负荷较重的商业楼宇，在一定程度上减少了其购电成本。

图8 电能共享情况Figure 8 Power sharing between buildings

3.3 场景分析

为验证楼宇内部单元合理调度以及楼宇间电能共享对VPP净成本的影响，本文设置3种场景进行对比分析。场景1，楼宇内部单元不参与VPP的优化调度；场景2，楼宇内部单元参与VPP的调度，但不考虑楼宇间的电能共享；场景3，楼宇内部单元参与VPP的调度，考虑楼宇间的电能共享。

楼宇VPP的构建不仅可以减少净成本、提高经济性，还能对负荷起到一定的调节作用。本文将除去楼宇VPP自给电能后，需要由电网供能的负荷定义为等效负荷，等效负荷的峰谷差可以反映VPP的优化运行对系统负荷的影响，因此本文将VPP的净成本和等效负荷的峰谷差作为评估优化结果的2个指标。

1)成本对比。表5对比了3种场景下的各项成本。由表5可知，场景1中柔性负荷用户不参与需求响应，ESS不工作，无需支付柔性负荷的补偿费用以及ESS的维护费用，因此其补偿成本和维护成本均低于场景2。但场景2中楼宇内部单元参与VPP的优化调度，各单元相互协调配合，充分地利用了VPP内部资源实现电能自给，减少了向电网的购电电量，因此场景2的购电成本相较于场景1减少了18.9%，反而使得场景2的净成本减少了12.8%；

表5 3种场景下的成本对比Table 5 Comparison of costs under different scenarios 元

相比于场景2，场景3的购电成本进一步减少。这是由于场景3中考虑了楼宇间的功率的共享，实现了重负荷楼宇向轻负荷楼宇供电，减少了重负荷楼宇的购电电量，从而使净成本减少了2.31%。说明与各个楼宇单独优化相比，多个楼宇联合调度的 VPP模型能够更加有效地利用楼宇内的电能，实现资源的合理分配，从而获得更好的经济效益。

2)等效负荷对比。表6对比了3种场景下等效负荷的相关数据。

表6 3种场景下的等效负荷对比Table 6 Comparison of equivalent loads under different scenarios kW

由表6可知，与场景1相比，场景2中由于EV、ESS、柔性负荷的调节，VPP在峰时段和平时段从电网购入的电能减少，更多的在谷时段购入电能，这使得其等效负荷的最小值从-721 kW(等效负荷为负表示向电网卖电)增加到-259 kW，最大值从2 142 kW减少到1 992 kW，等效负荷的峰谷差值降低了21.38%。与场景2相比，由于场景3中考虑了电能共享，余电楼宇会将电能传输至缺电楼宇，减少了负荷低谷时段向电网的馈电量，进一步提高了电能在内部的利用率，使得等效负荷的峰谷差减少了11.51%。

综合上述分析，楼宇内部单元的优化协调和楼宇间的电能共享均可以有效地降低VPP的净成本、减少等效负荷的峰谷差。证明了本文所提模型，无论在经济性上还是对负荷的改善作用上均有一定优势。