计及阻塞管理的虚拟电厂与配电网协同运行策略

兰 威 陈飞雄

计及阻塞管理的虚拟电厂与配电网协同运行策略

兰 威 陈飞雄

（福州大学电气工程与自动化学院，福州 350108）

新型配电网系统中，作为管理分布式资源的一种有效手段，虚拟电厂示范点开始集中涌现。多个虚拟电厂接入配电网后，若缺乏对内部资源协调及配电网的引导机制，将导致虚拟电厂收益低下与配电网潮流越限的问题。对此，本文构建虚拟电厂内产消者互助的点对点电能共享机制，并以电价引导方式建立虚拟电厂与配电网的协同运行模型。首先，虚拟电厂内采用分布式方法协调各类型产消者的电能管理，并求得对外与配电网的交互策略；同时，配电网基于拉格朗日乘子得到阻塞价格引导各虚拟电厂调整交互策略，实现在多虚拟电厂接入场景下的安全运行。最后，经算例验证表明，本文方法能兼顾配电网运行的安全性与虚拟电厂的经济性。

配电网；分布式资源；点对点电能共享；虚拟电厂；阻塞管理

0 引言

在“碳中和”的愿景下，我国能源结构逐步转型，分布式资源（distributed energy resources, DERs）在配用电侧大规模部署，致力于构建以新能源为主体的新型电力系统[1]。小规模DERs的高渗透率及其多元化特征增加了用户的灵活性[2]，有助于减少以煤炭燃料为主的传统发电量，进而有效抑制温室气体的排放，但也引发了可控性降低、不确定性增大等问题。对此，为解决配电网难以调度小规模DERs的难题[3]，虚拟电厂（virtual power plant, VPP）的概念被提出，其基于不同分布式资源的时空互补特性，整合源荷储资源进行优化调度[4-5]。

目前，针对虚拟电厂的研究主要围绕虚拟电厂内优化管理及虚拟电厂参与电网的市场与调控展开。虚拟电厂优化管理方面，主要以高效聚合DERs为目标设计运营管理机制[6]。不少学者基于虚拟电厂管控的资源特征，将虚拟电厂分为电源型和需求响应型[7-8]。然而，管控资源类型单一化存在调度局限性问题，使区域内可再生能源（renewable energy sources, RES）缺乏多样化消纳途径，且无法以源荷双重身份协同配电网运行。随着分布式资源类型的增多，应积极提高虚拟电厂聚合资源的多样性，以此促进区域内电能的自给自足。

此外，在协调分布式资源的运行方式中，得益于共享经济的蓬勃发展，点对点能源共享与交易模式在电力系统优化调度领域开始逐步应用[9]。有学者将点对点共享方式用于挖掘蓄电池在能源社区中的灵活性[10]。文献[11]以随机博弈成本最小化为目标，提出一种基于电能共享的微电网模型。此外，在智能楼宇的电能优化管理中，点对点电能共享方式有助于提升楼宇群的集体收益[12]。但是文献[10-11]采用集中管理策略，未充分考虑产消者对隐私安全的担忧。基于上述背景，本文研究的虚拟电厂包含多数量、多类型的DERs，对外能呈现较大范围的出力特性，同时通过内部各类产消者的互通互济，提升区域内可再生能源的消纳能力，因而将其定义为综合型虚拟电厂。

针对虚拟电厂参与电网市场与调控方面，许多学者将管理VPP运行的代理商与电网运营商视为两类主体。VPP与配电网系统交互时，不但要对自身管理的DERs进行优化，还需要兼顾配电网安全运行约束，从而实现双方相辅相成的协同优化[13-14]。文献[15]在多时间尺度层面研究主动配电网对多个用户的协调调度方式。但是上述文献更多考虑配电网的直接控制方式，即配电网下发调度指令，用户作为接收方被动执行，这种控制交互方式通常是单向的，不利于用户响应的积极性。随着购售电侧市场的改革，配电网逐步转向多资源主体并存的运行方式，因此能源交互机制被提出，核心方法是以价值为导向[16]，通过经济手段引导并调整配电网中各主体的运营策略。文献[17]表明在时域层面，通过电价能反映不同时刻系统供需情况；文献[18]考虑电能交互成本、损耗成本及阻塞成本，从空间层面出发，得到电网中不同区域的电价，反映各区域对系统资源的利用情况；文献[19]指出采用直流潮流研究节点边际电价具有足够的精度。但是上述文献大多针对配电网中的小型主体，对具有更大调控性能的多个虚拟电厂接入的场景研究较少。为此，在不同调度时段内，本文基于直流潮流计算各时刻的阻塞价格，引导各虚拟电厂自主调整与配电网的交互计划，从而缓解载荷过重线路的压力。

综上所述，研究新型配电系统中VPP的能量管理方案与多VPP参与配电网的运行策略尤显迫切[20]。对此，本文面向含有大规模DERs的综合型虚拟电厂，研究内部DERs的电能管理方式及与配电网协同运行策略。首先，考虑综合型虚拟电厂中产消者的差异化特征，建立三类典型产消者资源模型，基于一致性交替方向乘子法（consensus alternating direction method of multipliers, C-ADMM）在产消者间实行分布式点对点电能共享模式，以盈缺电能互助促进虚拟电厂内电能的自给自足；同时，考虑多虚拟电厂接入配电网可能引发的潮流越限问题，基于阻塞价格更新分时电价，进而引导虚拟电厂调整最优出力策略，协助配电网安全运行，为当前多虚拟电厂与配电网的协同优化调度提供解决方案。

1 综合型VPP分布式管理模型

虚拟电厂的管理以与电网系统的友好互动为前提。对于单个综合型VPP，基于电力网络和通信网络的相互连接，其管辖了多种类型的产消者，通过积极协调分布式资源不仅能满足内部电能平衡，还能对外参与和电网的功率交互。综合型VPP可以视为各类型产消者结盟所形成的组织，为进一步促进联盟内部成员的互惠互利，采用点对点电能共享的运营模式。基于点对点电能共享方式，具有电能盈亏的产消者间可以率先以电能无偿共享进行互助，减少向联盟外部的电网购买电能，从而实现综合型VPP全联盟的福利最大化。综合型VPP内的能量管理系统运行模式如图1所示。

在分布式电能优化过程中，综合型VPP代理商是产消者间，以及产消者和外部配电网交互信息的中介平台，结合配电网价格信息及各产消者提交的期望对外共享电能信息，协调优化产消者间的共享电能及和配电网的购售电能，接着将协调结果发布给各产消者进行下一轮的优化，通过产消者期望电能和代理商协调电能的迭代更新，最终实现产消者间电能管理的平衡。

图1 综合型虚拟电厂内能量管理系统

本节首先对产消者资源建模，进而研究综合型VPP在点对点电能共享模式下的分布式管理模型。

1.1 产消者资源建模

本文提出的综合型VPP管理模型主要围绕住宅园区、办公园区及商业园区三种类型产消者展开研究。各园区产消者所管理的分布式资源可归纳为：住宅园区产消者主要包括光伏（photovoltaic, PV）、风电（wind power, WP）、电动汽车（electric vehicle, EV）及小型家用储能；办公园区产消者配置高比例光-储系统、EV及部分工业发用电设备；商业园区产消者包含储能系统（engery storage system, ESS）、EV、大量PV、WP及商业用电负荷。由于能量调度管理是根据内部不可控资源的预测信息，制定可控资源的调度计划，此处将分布式资源模型按照可控制性进行分类。

1）可控分布式资源

（1）燃气机组

燃气机组的成本函数通常表示为二次函数，即

式中：分别为成本函数的二次与一次项系

率不能跳变，则有

（2）储能系统

（3）电动汽车集群

电动汽车并网进行充放电时需要考虑其蓄电池的充放电功率约束、容量约束及结束充电周期后需要满足EV的电量需求，即

2）不可控分布式资源

因此，时刻，风电和光伏发电的弃风弃光成本为

1.2 综合型VPP管理模型

综合型VPP以总运行成本最小为目标，采用点对点电能共享的运行模式。

1）目标函数

2）点对点电能共享模式的能量平衡约束

综合型VPP中，在点对点共享模式下产消者需要满足电能平衡约束，即

对于综合型VPP代理商，其内部采用点对点电能共享运行模式，所有产消者间流入与送出的共享电能之和应相等，即

此外，式（12）表示时段综合型VPP中所有产消者完成内部优化管理后，通过VPP代理商和电网购售盈缺电量。

3）VPP内电能传输容量约束

考虑到线路容量的限制，VPP内产消者所传输的功率必须小于线路允许的最大功率，即

当VPP内进行电能优化调度后，根据整体电能盈亏情况，需要进一步通过并网线路和配电网进行电能交互。因此，VPP和配电网传输功率大小必须低于并网点所允许的最大功率，即

综上所述，综合型VPP中，待优化的决策变量为燃气机组出力、电动汽车集群充放电量、储能系统充放电量、风光发电消纳量、产消者间共享电能出力，以及和配电网购售的功率。

1.3 基于C-ADMM的综合型VPP管理方法

上述的综合型VPP管理模型可采用集中式求解得到最优策略，但要求所有产消者将各自管辖的设备参数上报给VPP代理商。对VPP代理商而言，其整合的分布式资源种类多且数量大，采用集中式管理增加计算负担，影响决策效率；另一方面，对于产消者用户，提交设备信息将引发隐私安全的担忧。对此，基于交替方向乘子法（alternating direction method of multipliers, ADMM）的分布式求解方法已有广泛应用。考虑到标准型ADMM采用的是异步更新，不利于在多个主体间进行协同控制，本文在综合型VPP中采用一种C-ADMM方法[21]。

对于优化问题式（15），引入二次惩罚项构造增广拉格朗日函数，即

2 虚拟电厂与配电网的协同调度模型

在虚拟电厂接入的配电网系统中，存在着虚拟电厂代理商与配电网运营商多个主体，其调度对象互不相同。对此，本文提出一种多虚拟电厂与配电网的协同运行策略。综合型虚拟电厂与配电网协同运行架构如图2所示，综合型虚拟电厂基于配电网历史价格信息预测得到初始分时电价，通过电能共享方式协调内部产消者资源得到和配电网最优的购售交互功率计划；接着，根据各虚拟电厂代理商上报的交互功率，配电网运营商考虑系统的功率平衡及线路容量约束计算供需平衡价格和阻塞价格，并将两者之和作为更新的分时电价下发给各虚拟电厂代理商，各虚拟电厂继而响应电价并积极调整相应的交互功率计划。

图2 综合型虚拟电厂与配电网协同运行架构

2.1 配电网的调度模型

配电网的调度目标是在满足运行约束的前提下，基于各综合型VPP的最优出力策略，使配电网系统调度成本最小化。由于各综合型VPP通过不同节点接入配电网系统，为便于分析虚拟电厂交互计划对配电网潮流分布的影响，引入功率传输分布因子，通过式（21）映射电网中支路的直流潮流与各节点注入功率的关系。

为保证配电网的安全运行，各支路潮流应不超过线路容量限制；对此，基于直流潮流构建含多个VPP接入的配电网调度优化模型，即

2.2 综合型虚拟电厂与配电网的协同优化模型

接着，根据接收的分时购售电价，各综合型VPP基于目标函数式（28），采用式（18）～式（19）的方法协调内部产消者进行分布式优化，求得与配电网的最新交互功率。

2.3 基于阻塞管理的协同优化模型求解

配电网的阻塞管理，可以通过更新含有阻塞价格的分时电价实现，进而引导多个综合型VPP和配电网运营商间的友好互动。为兼顾虚拟电厂主体的经济性和配电网系统的安全性，将协同优化模型分解为两类主体的优化问题。

基于上述的协同优化策略，配电网运营商与综合型VPP两主体通过“交互功率-分时电价”的信息进行协同优化，直到配电网的潮流运行在线路允许范围内，此时即得到综合型VPP与配电网的协同优化运行结果。基于阻塞管理的综合型VPP与配电网协同优化求解流程如图3所示。

图3 基于阻塞管理的综合型VPP与配电网协同优化流程

3 算例分析

3.1 参数设置及策略设置

为了验证本文调度方法效果，在Matlab 2018b平台用YALMIP工具箱建模，调用GUROBI9.2求解器求解。模型及参数设置如下。

为了更明显地观察点对点电能共享运行模式下，综合型VPP内不同产消者的优化策略，VPP内配置了住宅园区型、办公园区型和商业园区型三类典型产消者。图4为三类产消者的日常固定负荷分布，负荷特性差异明显。产消者1和2在白天到晚上23:00前均呈现较高的用电需求；产消者3由于存在工业负荷，夜间负荷水平始终较高。图5为每个产消者都具有以风光发电为代表的RES单元，RES的种类和出力大小具有互补特性。

在可控分布式资源配置方面，每个产消者均包含了以燃气机组为代表的分布式电源、EV停车场和小型家用及工业储能。其中燃气轮机的最大出力为400kW，爬坡功率为100kW；EV集群和储能系统配置参考文献[8, 22]。

图4 VPP内产消者负荷预测值

图5 VPP内产消者风光出力预测值

3.2 基于电能共享的综合型VPP调度情况

为研究综合型VPP在点对点电能共享模式下的经济性，首先分析内部三类产消者的电能平衡策略。在电能共享运行模式下，图6～图8分别展示了综合型VPP中三类产消者的分布式资源出力、产消者之间及产消者和电网的共享与购售功率情况。上下对称的出力图表征每个产消者均可满足电能供需平衡。首先分析点对点模式下产消者的电能管理方式。在凌晨时段负荷水平较低，电价水平低，风光发电成本可忽略不计，因此产消者主要调用风电和部分燃气机组出力即可实现电能平衡，同时产消者1和3之间通过共享电能，进一步减少了燃气机组的出力，使发电成本降低，ESS和EV选择在此时段充电；在上午9～10时段及晚间19～22时段，商业负荷逐步增加，产消者2的可再生能源出力无法满足用电需求，此时产消者3风光资源较为充足，在满足自身平衡基础上将多余电能送给产消者2，减少了产消者2的发用电成本。

图6 产消者1功率平衡情况

图7 产消者2功率平衡情况

图8 产消者3功率平衡情况

在午间时段购售电价最高，因此各产消者选择多售电并尽可能减少购电，因此燃气机组处于最大出力状态，风光发电通过自消纳和共享平衡后，其余均出售给电网；18～22时段为晚间用电高峰时期，光伏发电量为0，由于向电网的购电价格较高，主要优先依靠燃气轮机和储能系统供电。

为分析综合型VPP采用电能共享运行模式的优势，与独立运行模式（产消者间不进行电能共享）的优化调度结果进行比对。图9对两种运行模式下产消者2的储能系统荷电状态情况进行分析，通过观察发现，储能系统荷电状态的差别主要出现在上午的9～10时段及晚间18～22时段。

图9 不同运行模式下产消者2的储能系统荷电状态

在上午9～10时段，产消者2在独立运行模式下光伏出力有限因此需要储能放电以满足平衡，而在电能共享模式下，风光资源丰富的产消者3将盈余的电能补给于产消者2，因此无需储能出力，能在一定程度上减少储能频繁充放带来的寿命损耗；在晚间18～22时段是用电高峰期，并且产消者2未配置风机，因此储能系统在独立运行模式下持续呈现最大放电状态，并且还需以峰值价格向配电网购电，相比之下，通过点对点电能共享模式，产消者2能够和风电充足的产消者1与3进行电能互济，避免了高价购电的成本。

接着，为验证分布式点对点电能共享模式下VPP的经济效益，首先对VPP运行的迭代情况进行分析。基于C-ADMM的综合型VPP运行成本迭代过程如图10所示，C-ADMM迭代过程的原始与对偶残差变化情况如图11所示。从图10和图11可得，基于C-ADMM方法，当迭代进行82轮后可满足式（20）的收敛判据，即得到点对点电能共享模式的最优运行成本。上述过程仅需通过互相传递共享电能及与配电网购售电能的信息来完成，减轻了集中式调度下VPP代理商的运算压力。

图10 基于C-ADMM的综合型VPP运行成本迭代过程

图11 C-ADMM迭代过程的原始与对偶残差变化情况

表1为综合型VPP采用分布式点对点电能共享模式的运行成本，并和集中式电能共享及产消者独立运行模式的成本进行比对，发现在调度周期内，电能共享模式的VPP总运行成本更具经济性。这是由于在独立运行模式下，产消者间无法进行电能互助，只能各自通过VPP代理商和电网交互，使全体产消者从电网购入的电能增多，故VPP总运行成本升高。此外，在同样采用电能共享模式下，分布式和集中式优化调度成本基本相同，偏差仅为0.04%。故在满足最优成本的前提下，采用分布式优化调度可以有效保护产消者隐私。

表1 综合型VPP不同运行模式下优化成本对比

3.3 多虚拟电厂与配电网的协同优化结果分析

1）场景设置

考虑到VPP接入配电网所带来的潮流越限问题，需进一步研究VPP对外与配电网的协同优化策略，算例采用含3个综合型VPP的IEEE 33节点系统，如图12所示。

图12 含3个综合型VPP的IEEE 33节点系统

为便于分析不同区域VPP对系统的影响，3个综合型VPP采用相同配置，分别接在11、24、31节点，配电网的线路容量为1 500kW[23]。系统中各时段的节点负荷分布参考文献[24]，可调度机组分布于18、22、25、33节点，机组参数见表2。

表2 配电网可调度机组参数

此外，当配电网内机组和虚拟电厂出力无法满足供需平衡时，配电网运营商（DSO）可以向根节点1所连的上级大电网购买缺额电量。协同优化的调度周期为24h，由于研究重点为虚拟电厂与配电网的协同优化方法，故不考虑风光预测的不确定性。

2）协同优化结果分析

对于含有3个VPP的配电网系统，通过配电网优化调度分析得到如图13所示的各时段下32条支路的潮流分布情况。图13中点划线框处表示发生了潮流越限，可以发现未进行协同优化的阻塞管理时，位于11节点的综合型VPP1和配电网交互会引发支路10的潮流越限问题。对此，以综合型VPP1为重点研究对象，分析在含阻塞费用分时电价引导下，VPP与配电网的协同优化结果。

图13 阻塞管理前含多VPP的配电网潮流分布

图14为施加了阻塞费用前后的电价变化情况，通过观察可知在午间11～12时段、晚间18时段与23～24时段，VPP1与配电网的购售分时电价均受到阻塞价格的影响，即此时VPP1的购售功率引发了系统中线路潮流越限。对此，配电网施加阻塞价格使VPP1分时售电价格降低，以此引导VPP1减少售电功率；根据更新的电价，VPP1重新调整内部产消者资源的出力，以配合配电网安全运行。

图14 VPP1与配电网分时电价变化

为进一步分析VPP1与配电网的协同方式，图15为配电网阻塞管理前后VPP1产消者资源相应的协同优化结果。在VPP1与配电网的购售交互功率中，产消者3所占比例最大，故选取产消者3分析VPP与配电网协同的资源优化调度策略。对比图15（a）与图15（b）可知，阻塞管理前在午间11～12时段、晚间18时段与23～24时段，由于风光发电充足且分时电价处于峰值，产消者3为获利积极向配电网出售电能；同时配电网中节点10负荷较大，VPP1通过支路10传送的潮流超过了线路容量，影响了配电网的安全运行。对此，配电网施加阻塞费用使VPP1的售电价格有所降低，观察图15（b）阻塞管理后产消者3的资源优化调度结果，发现VPP1中产消者3基于最新售电价格相应地削减了对外出售功率，主要通过减少相应时段燃气机组和储能的出力完成；同时，产消者3选择在其他时段如上午9时段、下午19～20时段及22时段进行储能放电，减少燃气机组出力的同时还能售出部分电能获利。综上，通过含阻塞费用分时电价的引导，VPP1能够积极协同配合，调整内部产消者资源的最优出力，以缓解配电网的线路阻塞情况。

图15 配电网阻塞管理前后产消者3的优化调度结果

通过VPP与配电网的协同运行，图16为支路10在调度周期各时段内进行阻塞管理前后的潮流变化情况，可以看见未进行阻塞管理时支路10在午间11～12时段、晚间18时段与23～24时段均会由于VPP1大量售电而引发线路阻塞；通过虚拟电厂与配电网两主体间进行“购售功率-分时电价”的信息交互，配电网基于阻塞费用更新分时电价，虚拟电厂配合电价进行购售功率调整，如图16（b）所示，支路10的潮流越限问题得到了有效缓解，反映了虚拟电厂与配电网协同优化方式的重要性。从经济效益方面，表3对比了综合型VPP1在两种运行模式下与配电网协同优化后的经济成本，从表3可知，在本文采用的点对点共享模式下，虚拟电厂的运行成本比独立运行方式更低，有利于虚拟电厂的经济性运行。

图16 支路10阻塞管理前后各时段潮流变化

表3 协同优化后综合型VPP1不同运行模式成本对比

4 结论

本文提出了一种考虑阻塞管理的虚拟电厂与配电网协同优化方法。面向聚合了多类型产消者的综合型虚拟电厂，内部采用点对点电能共享机制进行分布式管理；对外与配电网基于购售交互功率和分时电价信息进行协同优化，通过算例分析，得到以下结论：

1）通过综合型虚拟电厂整合具有互补特性的多类型产消者，有利于降低单一小规模产消者的调度局限性；在产消者间采用点对点电能共享运行模式，通过虚拟电厂内电能的互惠互助，有利于可再生能源消纳，并能提升虚拟电厂全联盟经济效益；同时，利用分布式控制方法，可在不影响经济性的前提下保护产消者隐私安全。

2）基于含阻塞费用分时电价及购售功率的信息交互，在多时段下以电价引导各虚拟电厂调整出力，有效缓解了配电网中潮流越限的问题，从而实现多虚拟电厂与配电网的友好协同互动。

下一步工作将围绕计及配电网安全运行的多虚拟电厂点对点交易机制展开研究。

[1] 徐韶峰. 拥抱碳中和, 助力构建电网低碳可持续未来[J]. 电气技术, 2020, 21(12): 7-8.

[2] 张迪, 苗世洪, 周宁, 等. 分布式发电市场化环境下各交易主体响应行为模型[J]. 电工技术学报, 2020, 35(15): 3327-3340.

[3] 郭庆来, 王博弘, 田年丰, 等. 能源互联网数据交易:架构与关键技术[J]. 电工技术学报, 2020, 35(11): 2285-2295.

[4] 李翔宇, 赵冬梅. 基于模糊-概率策略实时反馈的虚拟电厂多时间尺度优化调度[J]. 电工技术学报, 2021, 36(7): 1446-1455.

[5] 麻秀范, 余思雨, 朱思嘉, 等. 基于多因素改进Shapley的虚拟电厂利润分配[J]. 电工技术学报, 2020, 35(增刊2): 585-595.

[6] 田立亭, 程林, 郭剑波, 等. 虚拟电厂对分布式能源的管理和互动机制研究综述[J]. 电网技术, 2020, 44(6): 2097-2108.

[7] 徐慧. 基于风光水储互补发电系统的火电及碳捕集优化调度研究[D]. 昆明: 昆明理工大学, 2020.

[8] 周亦洲, 孙国强, 黄文进, 等. 计及电动汽车和需求响应的多类电力市场下虚拟电厂竞标模型[J]. 电网技术, 2017, 41(6): 1759-1767.

[9] 徐剑利, 赵勇, 连义成. 基于区块链的分布式电能交易系统技术研究[J]. 电气技术, 2020, 21(10): 7-14.

[10] LUTH A, ZEPTER J M, GRANADO P C D, et al. Local electricity market designs for peer-to-peer trading: the role of battery flexibility[J]. Applied Energy, 2018, 229: 1233-1243.

[11] PAUDEL A, CHAUDHARI K, LONG C, et al. Peer-to-peer energy trading in a prosumer-based community microgrid: a game-theoretic model[J]. IEEE Transactions on Industrial Electronics, 2019, 66(8): 6087-6097.

[12] 胡鹏, 艾欣, 杨昭, 等. 考虑电能共享的综合能源楼宇群日前协同优化调度[J]. 电力自动化设备, 2019, 39(8): 239-245.

[13] 汪宝, 匡洪海, 郑丽平, 等. 分布式发电与配电网的协调发展与技术展望[J]. 电气技术, 2017, 18(3): 5-9.

[14] 李玉齐, 张健. 关于微网的新型配电系统研究概述与思考[J]. 电气技术, 2020, 21(5): 1-5, 14.

[15] 耿博, 孙英英, 黄媚, 等. 考虑分布式电源与需求侧的主动配电网多级协调调度方法[J]. 电气技术, 2017, 18(7): 21-27.

[16] 吴界辰, 艾欣. 交互能源机制下的电力产消者优化运行[J]. 电力系统自动化, 2020, 44(19): 1-18.

[17] FLATH C M, ILG J P, GOTTWALT S, et al. Improving electric vehicle charging coordination through area pricing[J]. Transportation Science, 2014, 48(4): 619-634.

[18] 刘伟佳, 吴秋伟, 文福拴, 等. 电动汽车和可控负荷参与配电系统阻塞管理的市场机制[J]. 电力系统自动化, 2014, 38(24): 26-33.

[19] LI Fangxing, BO Rui. DCOPF-based LMP simulation: algorithm, comparison with ACOPF, and sensitivity[J]. IEEE Transactions on Power Systems, 2007, 22(4): 1475-1485.

[20] 孙惠, 翟海保, 吴鑫. 源网荷储多元协调控制系统的研究及应用[J]. 电工技术学报, 2021, 36(15): 3264-3271.

[21] BOYD S, PARIKH N, CHU E, et al. Distributed optimization and statistical learning via the alternating drection method of multipliers[M]. Delft, The Nether- lands: Now Publishers, 2011.

[22] 任文诗, 高红均, 刘友波, 等. 智能建筑群电能日前优化共享[J]. 电网技术, 2019, 43(7): 2568-2577.

[23] MORSTYN T, McCULLOCH M D. Multiclass energy management for peer-to-peer energy trading driven by prosumer preferences[J]. IEEE Transactions on Power Systems, 2019, 34(5): 4005-4014.

[24] BAI Linquan, WANG Jianhui, WANG Chengshan, et al. Distribution locational marginal pricing (DLMP) for congestion management and voltage support[J]. IEEE Transactions on Power Systems, 2018, 33(4): 4061-4073.

Cooperative operation strategy of distribution network and virtual power plants considering congestion management

LAN Wei CHEN Feixiong

(College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350108)

In the modern distribution system, as an effective method to manage distributed resources, the pilot projects of virtual power plant (VPP) are springing up. Multiple VPPs have accessed to the distribution network. Lacking of effective method to coordinate internal resources and guidance of distribution network may bring problems of low income and power flow off-limit. Therefore, a peer-to-peer electricity sharing mechanism is applied in VPP, and a cooperative operation model between VPP and distribution network is established. Firstly, based on the complementary characteristics of multiple prosumers integrated in VPP, a distributed optimization is adopted to manage the interaction strategy with the distribution network. In the distribution network, to ensure the safety operation with multiple VPPs, the congestion management price is obtained based on the Lagrange multiplier to guide the VPPs to adjust their scheduling strategy. The simulation results show that the proposed method can ensure the safety of distribution network operation and the economy of VPPs operation.

distribution network; distributed energy resources; peer-to-peer electricity sharing; virtual power plant; congestion management

2022-02-16

2022-03-15

兰 威（1997—），女，硕士研究生，研究方向为虚拟电厂的分布式控制。

福州大学科研启动基金（510773）

福建省教育厅中青年教师教育科研项目（JAT190039）