考虑虚拟电厂参与调峰的电源容量规划

王建军，傅 晨，费 斐，兰 莉

（国网上海市电力公司 经济技术研究院，上海 200233）

0 引言

近年来，我国部分城市经济飞速发展，以温控负荷为代表的尖峰负荷占比不断攀升，电力负荷峰值快速增长，年最大负荷功率峰值不断刷新。尖峰负荷用电时间较短，导致电源装机利用率降低，给传统电源容量规划带来巨大困扰［1—2］。以江苏电网2020年用电情况为例，超过95%的年最大负荷持续时间仅为25 h，超过97%的年最大负荷持续时间仅为10 h，严重影响了江苏省电源侧的投资效益［3］。另一方面，我国不断深化电力市场改革，逐步完善电力市场的市场化竞争机制，将虚拟电厂（virtual power plant，VPP）纳入电力市场新型参与主体，降低电力市场新型参与主体的准入门槛，推动灵活性资源的深度挖掘和充分利用，可有效缓解用电高峰期电力供应紧张问题，实现延缓电源侧电力投资［4］。因此，研究考虑灵活性资源聚合参与调峰的电源装机容量规划，具有重大的现实意义。

VPP 是电力市场的新型参与主体，由地理位置相对分散的分布式电源、可控负荷、电动汽车以及储能等资源聚合形成，通过一定的优化控制策略和数据交互通信技术，在系统安全稳定运行的前提下参加电网运行［5］。VPP运营商在接收到调度中心发布在电力市场的调峰需求后，申报可调度容量与价格，根据市场出清结果制定发电计划［6］。VPP 运营商在申报参与容量前，须对VPP 内部可调度资源进行量化评估。

目前，在电源容量规划方面的研究中，较多学者关注新能源的不确定性与相关性［7—9］、源荷协调规划［10］，较少考虑VPP 参与调峰的电源容量规划研究。文献［7］提出了一种考虑风-光-荷联合时序场景的分布式电源接入容量规划模型。文献［8］提出了一种基于Copula 理论和风光出力概率分布的多维时空相关性的电源规划方法。文献［9］利用生成对抗网络技术应对风光出力的不确定性，提出一种基于中长期时序生产模拟的电源容量配置模型。文献［10］研究了负荷侧通过需求响应参与削峰服务对电源容量规划产生的影响。

在可调度容量估计的研究中，一部分集中在温控负荷［11—12］、电动汽车（electric vehicle，EV）［13—14］等单种类型可控设备的聚合模型，另一部分关注工业用电［15］、居民用电［16］的可调度容量评估，缺少对城市级虚拟电厂（city level virtual power plant，CLVPP）可调度容量估计的研究。文献［11］考虑用户热舒适度、意愿度及可控度等多重因素，提出大规模空调负荷近似聚合响应潜力评估模型。文献［12］提出了一种考虑模型参数和运行状态辨识的温控负荷响应能力计算方法。文献［13］考虑EV 用户充电行为，对住宅小区EV 有序充电潜力进行定量评估。文献［14］考虑EV 不确定性的时空耦合关系，提出EV 集群的可调度能力评估方法。文献［15］采用共性与个性结合的方式实现大规模工业负荷可调度容量评估。文献［16］提出一种基于用户现实用电数据的调峰潜力评估方法。

为此，本文做了以下工作：①提出了一种CLVPP 可调度容量估计方法。依据用户用电行为差异性将可调资源进行领域划分，考虑用户参与度、收益敏感度、资源可控度、可控规模4 个指标，基于模糊区间进行可调度容量评估；②提出了一种考虑VPP 参与调峰的电源容量规划方法。该方法在满足电源备用容量的情况下，以电源扩展安装容量最小为目标函数构建规划模型，考虑了不同电源结构、新能源出力不确定性、VPP 可调度容量等多种因素；③以华东地区某城市电网为背景，进行了算例验证。

1 CLVPP可调度容量估计

1.1 估计流程

本文所提出的CLVPP 可调度容量估计方法流程如图1所示，具体步骤如下。

图1 可调度容量估计流程Fig.1 Process of schedulable capacity estimation

步骤1：将CLVPP 可调度容量估计任务分解。由于用户用电行为存在差异性，将其进行任务分解，如表1所示。

表1 CLVPP任务分解Table 1 CLVPP task breakdown

步骤2：可调度容量评估指标选取［17—18］。选取评估指标为用户参与度、收益敏感度、资源可控度、可控规模。实际情况中，所选取的4 个评估指标可能存在耦合关系，其相关性程度难以量化，本文假设4个评估指标相互独立。

步骤3：指标的评级设置及模糊量化。将各指标评级设置为低/小、较低/较小、中、较高/较大、高/大，其依据如表2 所示。考虑到对评价指标量化过程中存高阶不确定性，精确量化难以实现，将各指标评级量化为模糊区间［19］，如表3所示。

表2 评价指标及评级依据Table 2 Evaluation indicators and rating basis

表3 评价指标模糊量化Table 3 Fuzzy quantification of evaluation indexes

步骤4：CLVPP 可调度容量估计。具体计算过程如第1.2节所示。

1.2 基础数据与估计模型

CLVPP 可调度容量估计分为两阶段处理，分别是基础数据的获取和可调度容量的模糊计算。以年份n为基准年份，进行某城市VPP 可调度容量估计，其过程如下。

1.2.1 基础数据

基础数据分别为：①某城市年份为n时CI、DI、PD、CD、RD面积；②不同类型建筑的单位面积负荷密度参考值；③各评估指标的评级设置及模糊量化结果；④某城市年份为n时各类EV保有量、充电功率；⑤可调度容量年增长率预测值。

1.2.2 估计模型

分别对某城市年份为n时的工业、建筑、交通领域可调用容量进行估算，模型如下

式中：Cn,ind,min、Cn,bui,min、Cn,ev,min分别为某城市年份为n时工业、建筑、交通领域可调用容量的范围下限；Cn,ind,max、Cn,bui,max、Cn,ev,max分别为某城市年份为n时工业、建筑、交通领域可调用容量的范围上限；x，y，z分别为工业、建筑、交通领域类型；cn,x,ind、cn,y,bui、cn,z,ev分别为某城市在年份为n时工业、建筑、交通领域内不同类型资源的总容量；αind,min、αbui,min、αev,min分别为某城市工业、建筑、交通领域可调用资源容量占比的范围下限；αind,max、αbui,max、αev,max分别为某城市工业、建筑、交通领域可调用资源容量占比的范围上限。其中

式中：mn,x,ind为第x类工业的场地所占面积；mn,y,bui为第y类建筑的面积；mn,z,ev为第z类电动汽车的数量；γx,ind为第x类工业的单位面积负荷密度；γy,bui为第y类建筑的单位面积负荷密度；γz,ev为第z类EV 的功率；δx,ind为第x类工业用电的同时率；δy,bui为第y类建筑用电的同时率；δz,ev为第z类EV充电的同时率。

用户参与度、收益敏感度、资源可控度、可控规模分别影响可调度容量在总容量中的占比，假设用户参与度、收益敏感度、资源可控度、可控规模相互独立，工业、建筑、交通领域可调用容量占比模型如下

式中：wind,min、wbui,min、wev,min分别为工业、建筑、交通领域可调用容量下限的修正系数；wind,max、wbui,max、wev,max分别为工业、建筑、交通领域可调用容量上限的修正系数；dx,q,min、dy,q,min、dz,q,min分别为工业、建筑、交通领域可调用容量占比的4个评估指标模糊范围的下限；dx,q,max、dy,q,max、dz,q,max分别为工业、建筑、交通领域可调用容量占比的4个评估指标模糊范围的上限。全部可调用容量上下限可表示为

式中：Cn,all,min、Cn,all,max分别为某城市年份为n时全部的可调用容量的范围下限和上限；βall为某城市可调用容量的年增长率预测值。

2 考虑VPP参与调峰的城市级电源容量规划

2.1 基础数据

考虑VPP 参与调峰的城市级电源容量规划所需的基础数据分别为：①某城市内部现有电源装机结构及规模容量；②某城市的外部供电规模；③某城市内部电源机组退役计划安排；④某城市内部已有的新能源装机计划；⑤发生年最大负荷功率事件时刻的新能源出力标幺值；⑥某城市向外部供电的

计划；⑦VPP 参与调峰的可调度容量；⑧某城市年最大负荷功率预测值；⑨备用系数。

2.2 规划模型

以电源扩展安装容量最小为目标函数，构建考虑VPP参与调峰的电源容量规划模型，模型如下

式中：Pn,exi为城市内部现存电源的可发电功率；Pn,ins为已有装机计划的发电功率；Pn,ret为计划退役机组的发电功率；Pn,tp、Pn,wp、Pn,wt、Pn,pv和Pn,oth分别为火、水、风机、光伏和其他发电功率。

由于风机、光伏发电存在不确定性，发电功率不稳定。为了平抑风机、光伏的随机性，取历史年最大负荷功率时刻新能源出力标幺值的均值，风机、光伏发电功率模型为

式中：sn,wt、sn,pv分别为某城市内年份为n时风机、光伏的装机容量；uwt、upv分别为历史年最大负荷功率时刻风机、光伏出力标幺值的均值。

3 算例分析

以华东地区A 城市为背景进行算例分析。以2019年为基准年份，电源容量规划周期为2020年至2035年，规划的时间尺度为年。

3.1 可调度容量估计

3.1.1 基础数据

根据A城市2019年度统计年鉴、新能源汽车公共数据采集和监测平台的报告可计算工业、建筑、交通领域中各类型用户的用电功率，负荷密度、充电功率、同时率系数均取其均值，如表4 和表5 所示。EV充电模式分为快充和慢充，本文仅考虑慢充模型。

表4 工业、建筑领域参数Table 4 Parameters in industrial and construction fields

表5 交通领域参数Table 5 Parameters in traffic field

参考文献［20］，并结合A城市的实际情况，对不同领域、不同类型的用户参与度d1、收益敏感度d2、资源可控度d3、可控资源规模d4进行评级，其评级结果如表6 所示，指标评级标准参照表3。工业、建筑、交通领域可调用容量范围上、下限的修正系数均取1。

表6 评级结果Table 6 Rating results

3.1.2 估计结果及分析

将3.1.1 节中的基础数据运用到本文所提出的CLVPP 可调度容量估计模型中，可得到A 城市VPP参与调峰的可调度容量，如表7所示，并将其结果与A 城市电力部门实际调研结果对比，实际调研结果已在文献［20］中说明。

表7 A城市可调度容量结果Table 7 Results of schedulable capacity in city A MW

基于本文所提出的估计方法，工业领域拥有可调度容量702.6～1 501.3 MW，公共建筑领域拥有可调度容量40.9～144.4 MW，商业建筑拥有可调度容量1 381.9～2 569.7 MW，居民建筑拥有可调度容量2 167.5～4 269.3 MW，交通领域拥有可调度容量17.5～50.1 MW。由于实际场景中可调度资源量化存在的高阶不确定性，本文所提方法将可调度资源量化为模糊区间，而实际调研的结果均在本文所估计模糊区间内。因此，可以验证本文所提出估计方法的有效性。

3.2 电源容量规划

3.2.1 基础数据

历史年最大负荷功率时刻风机、光伏出力标幺值的均值分别为0.56和0.75，备用系数为0.3，现有电源容量为26 644 MW，其中火电机组24 746 MW、风机812 MW、光伏1 086 MW，向城市外部供电规模为0，年最大负荷功率预测及城市外部电源供电规模如图2所示，备用及机组退役计划如图3所示，风机、光伏安装计划如图4所示，可调度容量的年增长率预测值为3%，CLVPP参与调峰的可调度容量如图5所示。

图2 年最大负荷功率预测及市外供电功率Fig.2 Annual maximum load power forecasting and external power supply

图3 备用及机组退役计划Fig.3 Standby and unit decommissioning plan

图4 风机、光伏安装计划Fig.4 Installation plan of wind turbine and photovoltaic

图5 CLVPP参与调峰的可调度容量Fig.5 Schedulable capacity of CLVPP participating in peak shaving

3.2.2 规划结果及分析

为了验证所提出规划方法的有效性，设置3 种不同算例，其中算例1为传统电源容量规划方法，算例2和算例3皆为考虑VPP 参与调峰的电源容量规划，其中算例2偏保守型（可调度容量取模糊区间内的最小值），算例3 偏激进型（可调度容量取模糊区间内的最大值），电源容量规划结果如图6所示。

图6 电源容量规划结果Fig.6 Results of power capacity planning

据图6 可知，算例1 需要从2021 年开始安装583.2 MW 的电源，算例2 需要从2025 年开始安装2 532.5 MW 的电源，算例3需要从2028年开始安装845.4 MW 的电源。本文所提出的考虑VPP 参与调峰的电源容量规划方法，可有效延缓电源投资4至8年时间。

在算例1 中，从2020 年至2035 年共需安装19 638.6 MW电源，在算例2中，从2020年至2035年共需安装13 720.0 MW电源，在算例3中，从2020年至2035 年共需安装8 007.5 MW 电源。本文所提出的考虑VPP 参与调峰的电源容量规划方法，在满足备用的情况下，可有效降低30.1%～59.2%电源安装容量。

4 结束语

随着用电负荷趋向尖峰化发展，在进行电源容量规划时，如何充分利用灵活性资源来提升电源利用率是急需考虑的问题。因此提出了一种考虑VPP参与调峰的电源容量规划方法。该方法在满足电力系统备用的情况下，可有效缓解电源投资4 至8年时间，降低30.1%～59.2%的电源安装容量，从而提升电网中电源部分的投资效益。

此外，针对CLVPP参与调峰的可调度容量难以精细化评估，提出了一种CLVPP可调度容量模糊量化方法。该方法兼顾考虑了不同领域、不同类型的用户参与度、收益敏感度、资源可控度和资源规模，利用城市统计年鉴等公开数据，可有效评估可调度容量，减少电力部门对灵活性资源实际调研工作量。

本文在规划电源容量时，仅模糊量化了CI、DI、PD、CD、RD和EV的可调度容量，市场的交易模型和报价策略将作为未来研究工作。D