虚拟电厂内部资源优化调度综述

张思博，郭权利，孔令伟，周玉玲，刘 冬

（1.沈阳工程学院 电力学院，辽宁 沈阳 110136；2.吉林电力股份有限公司二道江发电公司，吉林 通化 134000）

虚拟电厂可被认为是使用先进信息通信技术和软件系统，实现分布式电源、储能系统、可控负荷、电动汽车等分布式能源的集合和协调优化，作为一个特殊电厂参与电力市场与电网运行的电源协调管理系统。虚拟电厂不改变分布式电源的并网方式，而是通过技术实现对分布式能源的优化聚合［1］。

现阶段对虚拟电厂的研究主要集中在4 个方面：一是虚拟电厂的模型搭建，研究主要集中在虚拟电厂内部资源种类的选择上，需要考虑各内部资源的搭配情况；二是虚拟电厂的优化调度，热点在于对虚拟电厂各内部资源的出力特性进行深入研究并对各内部资源实现合理调度；三是虚拟电厂的协调控制问题，主要研究虚拟电厂稳定运行的相关问题；四是虚拟电厂参与市场竞价的相关问题。虚拟电厂的优化调度问题是研究的热点也是重点。如何更好地利用各内部资源的运行特性，使得各内部资源能够发挥优势；如何更好地利用各内部资源之间的协同互补，弥补各内部资源的劣势：都可以通过虚拟电厂优化调度实现。

1 虚拟电厂内部资源的概述

虚拟电厂的提出是为了整合各种不同类型的分布式能源，并且打破地理位置的界限，通过分布式电力管理将电网中的分布式电源、可控负荷和储能装置合成一个虚拟的集合体，参与电网的运行与调度，协调智能电网与分布式电源间的矛盾［2］。虚拟电厂的内部资源包括不可控机组、可控机组、可控负荷、不可控负荷及储能单元。其中，不可控机组包括风力发电机组和光伏发电机组，可控机组包括火力发电机组、水力发电机组、微型燃气轮机机组、微型热电联产机组和具有调频能力的风电机组，可控负荷主要包括电动汽车、温控负荷以及与电力公司签订协议的可中断负荷等。图1 为虚拟电厂的内部资源组成。

图1 虚拟电厂的组成

虚拟电厂打破了发电侧与用电侧的界限，通过先进的控制、计量、通信技术聚合分布式能源，协调多个分布式能源的优化运行，更好地发挥各类内部资源的优势。

2 虚拟电厂的优化调度

2.1 调度模型的构建

虚拟电厂按照所涵盖的主体内部资源可以分为供给侧虚拟电厂、需求响应虚拟电厂和混合资产虚拟电厂。构建虚拟电厂模型要考虑虚拟电厂本身所具有的运行特点、不同分布式能源的互补性与出力特点，根据不同的优化目标，合理地协调各内部资源的出力情况。

供给侧虚拟电厂主要是从发电侧进行考虑。风电参与调频控制策略主要有附加储能［3］和利用风电机组自身进行功率控制［4］两种方式，如图2 所示。当一定数量的具有调频能力的风电机组聚合形成较为大型的风电场时，构建成虚拟电厂模型。具有虚拟电厂特性的风电场在运行方面更加灵活可靠，较好地解决了风力发电在并网时出现的波动性、不确定性等问题。

图2 风电参与调频控制策略方式

文献［5］将一个区域内的风力发电机组、常规的火电机组、水电机组及储能系统聚合为虚拟电厂，通过常规机组和储能来消除风力发电时的不确定性与随机性，保证了该区域虚拟电厂的稳定运行。文献［6-7］将热电联产、传统机组、储热装置和热负荷构建成虚拟电厂模型，利用热电联产和储热装置实现了“热电解耦”，提高了能源利用效率，并且大大地促进了可再生能源的消纳。针对当前储能设备造价高、投资周期长等问题，可以充分发挥用户侧（如电动汽车和温控负荷等可控负荷）的潜力，提高虚拟电厂运行的经济性。文献［8］将新能源发电机组、燃气轮机、电转气（power-to-gas，P2G）装置、储气装置和可控负荷集成为虚拟电厂，该虚拟电厂的P2G 装置和储气装置在提高燃气轮机发电效率的同时，减少了CO2的排放。文献［9-11］在搭建虚拟电厂模型时，考虑到CO2的排放问题，在虚拟电厂的模型中加入碳捕捉装置和P2G装置，将火电或热电发电后产生的CO2进行捕集，然后传输给P2G装置，产生的气体作为燃气轮机机组的燃料加以利用，完成了虚拟电厂内部的碳循环，在消纳可再生能源的基础上，减少了温室气体的排放。文献［12］构建了包含楼宇空调、燃气轮机、光伏发电和燃料电池组的虚拟电厂模型，在充分考虑楼宇空调用户满意度的基础上，利用楼宇空调的储能特性平抑新能源发电的波动。文献［13-14］中的虚拟电厂模型除了包含新能源发电机组与微型燃气轮机外，利用电动汽车的可调容量抑制可再生能源发电的不确定性与随机性，且考虑用户的参与度，使得含有电动汽车的虚拟电厂模型更加完善。文献［15］以光伏、热电联产机组和可中断负荷聚合为虚拟电厂，搭建了同时包含发电侧与需求侧的虚拟电厂调度模型，且对需求响应和热电互补机制进行研究，以虚拟电厂收益最大和电力公司补偿成本最小为目标函数，验证了模型的可行性。

在进行虚拟电厂模型搭建时，首先需要考虑的是虚拟电厂所包含的内部资源类型，对不同种类的内部资源聚合时，需要详细研究其发电和运行特性，利用不同内部资源的优势，充分发挥不同区域内分布式电源的时差互补和季节互补特性，实现虚拟电厂各内部资源的合理配置，使虚拟电厂能够在稳定运行的同时获得可观的收益。对于燃气轮机和热电联产机组应该配以P2G、储气和储热罐等装置，进一步提高燃气轮机和热电联产机组发电效率，同时提高虚拟电厂的收益，这些装置加入到虚拟电厂中可以进一步增加虚拟电厂内部资源的有效开发和合理利用。

2.2 调度算法优化

虚拟电厂的优化调度问题是一个高维数、多变量、多约束条件、非线性、同时具有连续变量和离散变量的复杂优化问题。对于传统的非线性规划问题，如可以运用牛顿法、内点法和简化梯度法求解。但是，传统调度算法没有考虑虚拟电厂的内部资源发时电具有弹性，很容易会造成过多冗余解。文献［16］针对传统的调度算法存在的问题进行改进，以包含热电联产机组、储热设备和热负荷的虚拟电厂为例，对比混合整数规划参照法、热负荷启发式算法和线性规划启发式算法，最后得出3 种改进算法所适用的不同类型的虚拟电厂调度模型。文献［17-18］构建含有电动汽车的虚拟电厂模型，利用粒子群优化算法对模型进行求解，相比于常规的非线性规划算法，收敛性更好，寻找最优解的运算时间大大减少。文献［19］建立了含有风力发电厂、火电厂和储能电池的虚拟电厂模型，使用遗传算法对所构建的模型进行求解。文献［20］利用改进人工鱼群算法（Artificial Fish School Algorithm，AFSA）对虚拟电厂的模型进行求解，并与遗传算法比较，通过算例结果分析得出，AFSA 法的运算速度和寻优结果优于遗传算法。

对于调度模型求解算法主要有两种优化方向：第一种是在传统电力系统调度算法的基础上进行改进，对虚拟电厂所含内部资源的运行特点有针对性的改进，使得该虚拟电厂处于最优状态；第二种是基于虚拟电厂的调度模型具有多变量、多约束、高维数、非线性等特点，所以采用智能算法，使得运算时长大大减少且寻优结果更为准确。但是，这类优化算法有时无法满足在线实时计算应用，在某些方面无法代替传统非线性规划算法，这时可以利用智能算法和传统算法结合的方式消除两者在优化调度方面的缺陷。

2.3 调度手段

在对虚拟电厂调度过程进行研究时，不仅要对不同的分布式能源进行建模，了解其出力的约束条件，同时也需要对各个分布式能源的配合方式进行探究。文献［21-22］利用分时电价引导电动汽车和抽水蓄能装置，使得电动汽车的充放电行为由“无序”到“有序”；抽水蓄能受电价影响而减少峰谷差，使得虚拟电厂能够稳定运行。文献［23］利用实时电机协调热电机组、电锅炉和柔性负荷的出力，并以此制定运行策略，使得虚拟电厂在稳定运行的同时，保证经济性。文献［24］提出利用动态电价管理分布式能源，协调各个分布式能源的出力时间和出力量，防止发生电网阻塞。

3 虚拟电厂调度的关键技术

3.1 多代理技术

虚拟电厂聚合各种分布式能源，以一个整体的形式参与电网的运行。具有间歇性处理特点的清洁能源的渗透率以及电网复杂程度在不断增大，对虚拟电厂的稳定运行造成了威胁。多代理系统（Multi-Agent System，MAS）具有智能性、独立性和协调性等特点［25］。将一个高维数、非线性的系统转为多层次、多个控制系统的分层优化系统，可以大大降低虚拟电厂建模与求解的难度，应用MAS 系统可以实现电网的分层控制。MAS 将电网分为主导层、区域协调层和设备层［26］（如图3 所示），每一层根据所含的内部资源特点构建各级代理，每层的各个代理在保证自身稳定性与经济性的同时，实现多成员的协调互补调度，最大程度上削弱可再生能源发电的间歇性与随机性。

图3 基于多代理系统的虚拟电厂分层控制架构

利用多代理技术将虚拟电厂分为设备层、协调层和主导层进行协调优化。

1）在设备层，发电单元主要分为可控发电单元和不可控发电单元。不可控发电单元以风电和光伏发电为主，需要满足发电单元的功率约束；可控发电单元需要满足爬坡速率要求，对于储能代理单元，需要实时上传其充电功率及荷电态，快速跟踪不可控发电机组和负荷的变化情况，保证虚拟电厂能稳定运行。负荷单元分柔性负荷和刚性负荷，其中柔性负荷可以响应激励政策调整自身的用电行为，包括电热水器、空调等温控负荷和电动汽车。

2）协调层可以根据主导层下达的自治目标和相关激励搭建目标函数。虚拟电厂协调层的目标函数有运行成本最小化、环境影响最小化和网损最小化3 种，约束条件主要有功率平衡约束、联络线功率约束和网络安全约束3类［27］。

运行成本最小化目标函数为

式中，T为调度经历周期；Δt为调度的时间间隔；N为设备层单元数量；为第i台发电机组在t时刻的运维成本；为第i台发电机组在t时刻所消耗的燃料成本；分别为t时刻虚拟电厂从电网购买的功率和向电网售卖的功率；分别为t时刻虚拟电厂从电网购电和向电网售电的价格；ui,t为第i台发电机组在t时刻的启停状态；为第i个发电机组的单位运维成本；Pi,t为第i台发电机组在t时刻的发出功率。

环境影响最小化目标函数为

式中，Np为产生污染物种类；αj为第j类污染物的治理成本；ni,j为第i台分布式发电机组产生污染物j的排放量。

网络损耗最小化目标函数为

式中，i∈j表示两个节点相连；Gij为节点i与节点j的相连线路的导纳值；Ui,t为t时刻节点的电压；θij,t为t时刻i和j两节点之间的相角差。

3）主导层的功能主要有向协调层下达激励信号以及对虚拟电厂整体的安全运行约束监督。激励信号的主要作用是令各区域协调层依据激励信号并考虑设备层的运行情况制定目标函数，完成优化调度。安全运行约束的主要作用是保证虚拟电厂可以在较优的状态下稳定运行。

3.2 大数据分析技术

大数据是指无法在一定时间内，用常规的数据库管理工具或数据处理应用对其内容进行获取、存储、管理、搜索、分析的结构复杂、类型众多的大型复杂数据集合［28］。随着虚拟电厂构成主体的逐渐规模化与多元化，其运行方式更为灵活，增大了主体认知及调度管理的难度［29］（虚拟电厂需要实时处理海量的数据），这给虚拟电厂本身的运行带来较大的运算负担。通过数据分析技术中的主成分分析对采集的数据进行降维，可以极大地提高虚拟电厂数据处理中心的信息处理能力与效率。主成分分析法的主要思想是利用原有变量之间的相关性，用数量较少的综合变量代替原有的复杂数据［30］。

假定虚拟电厂包含4 种内部资源，即风力发电、光伏发电、燃气轮机发电和储能，其出力曲线共有m条，每条曲线含有n个数据，这些样本数据组成的数据矩阵X为

将原变量记为x1,x1,…,xn，设主成分分析后的综合变量为f1,f2,…,fq，且q≤n，则有：

式中，L为主成分载荷矩阵。

对数据矩阵X标准化处理：

式中，sj为矩阵X第j列的标准差；i=1,2,…,m;j=1,2,…,n。

计算标准化后相关系数矩阵R：

利用特征方程 |λI-R|=0，求解出按照从大到小排序后的特征值λi(i=1,2,…,n)及各特征值对应的特征向量ei=[ei1,ei2…,ein]T。

由上述计算可得到各个主成分的贡献率αi为

进而求出累计贡献率βi为

一般当累计贡献率为85%～90%时，取q个主成分来综合表示原来的n个变量，将原数据矩阵进行降维处理，大大地提高了虚拟电厂数据处理中心的数据分析速度和信息交互效率，使虚拟电厂的协调控制中心可以更好地完成对各内部资源的优化调度。

3.3 态势感知技术

在虚拟电厂中包含大量的如风力发电、光伏发电的分布式电源，可控负荷集群和储能装置。因此，负荷需求响应的随机性、新能源发电的不确定性与波动性给虚拟电厂的运行带来了不确定性因素，这对于虚拟电厂的稳定运行有不利影响。态势感知技术可以实时感知虚拟电厂中分布式能源的变化情况，态势感知主要分为3 个层次：一级态势感知为态势觉察，二级态势感知为态势理解，三级态势感知为态势预测［31］。

虚拟电厂下的可控负荷集群可以有效地消纳新能源发电，提高虚拟电厂运行的稳定性。但是，可控负荷集群（如温控负荷集群）的需求响应具有不确定性，根据高级计量设备温控负荷集群中各温控负荷测量数据（包括负荷群的温度状态、用户的用电需求所在前一时刻的新能源发电消纳量），利用卡尔曼最优预测法进行态势预测，估计下一时刻负荷群的全部负荷分布情况，将预估的温控负荷温度分布与历史时刻各温度变化趋势进行比对，修正估计值，得到误差最小的负荷群预测值。卡尔曼最优预测法基于最优估计理论，并以线性最小方差为准则，滤除系统的噪声干扰，得到下一时刻的最优估计值，进而实现温控负荷集群的下一时刻的态势估计［32］。

考虑外界环境因素影响的温控负荷指数模型如下：

式中，xout(t)为外界环境温度；x(t)为t时刻的温控负荷温度状态；xg为温度变化增益；S(t)表示负荷的开/关状态；τ为温控负荷的控制周期；R和C分别为负荷的热阻和热容。

依据式（13）构建温控负荷集群的状态模型［33］与测量方程为

式中，z(t)为温控负荷集群在各个温度区间的状态分布；A(t+1,t)为负荷群在t到t+1 的负荷状态转移矩阵；w(t)为系统噪声；zc(t)为温控负荷群的状态观测值；H(t)为负荷群状态观测矩阵；v(t)为测量噪声。

利用卡尔曼最优估计算法进行递推，对所建模型的温度状态进行估计，结合获取的量测值进行修正，得出下一时刻温控负荷集群的最优估计。

通过对温控负荷集群状态的估计，可以进一步计算出集群的可消纳量，将负荷集群状态的估计数据和可消纳量传送给虚拟电厂的协调控制中心，虚拟电厂可以根据各内部资源的状态，实现调度任务在各内部资源间的合理分配，使虚拟电厂在稳定运行的同时，获得可观的收益。

4 虚拟电厂的未来

1）通过对虚拟电厂模型的建立以及求解算法的优化，虚拟电厂可以在保证稳定运行的基础上，获得较为可观的收益，但是关于收益在虚拟电厂内部的分配问题的文献以及研究较少。文献［34］通过Nash-Harsanyi讨价还价的方式研究了剩余利益的分配。对于虚拟电厂的利益分配问题仍然是研究的热点，需要形成一套公平合理的利益分配机制，这种机制会吸引更多的分布式能源加入到虚拟电厂系统中，实现共赢。

2）利用分布式能源的互补性减少出力的不确定性。现阶段对虚拟电厂的研究主要是关于虚拟电厂目前计划的制定方法的，在制定发电计划时，应该充分发挥不同区域内分布式电源的时差互补和季节互补特性，进一步提升可再生能源的利用率和虚拟电厂的效益。

3）对于虚拟电厂来说，既要满足大量的分布式能源参与电力市场获取收益，又要对分布式电源进行高效控制，保证系统的稳定运行。运用能实现这种协调控制的技术是现阶段的一个难题，区块链技术凭借着其透明性、去中心性和安全性等特点被广泛应用于经济、金融和社会系统中［35］。区块链的去中心化的特点与虚拟电厂的完全分散控制本质是一致的［36］，这就为将区块链技术应用到虚拟电厂中提供了前提条件。

5 结语

虚拟电厂作为一种新型的能源聚合形式，其内部资源的种类和数量较多，通过相关的技术整合不同种类的内部资源，使虚拟电厂处于较优的运行状态。利用多代理技术将调度问题分级解决，利用大数据分析技术缓解虚拟电厂信息处理负担，利用态势感知技术实现资源的合理分配：这3 种技术都有助于优化虚拟电厂的调度问题。综合来看，对内部资源的优化调度问题仍然是现阶段的研究重点，采取更优的解决方式有助于实现供给侧与需求侧的共赢。