考虑负荷平移的虚拟电厂低碳经济调度

2022-11-01艾星贝闫庆友李金孟

科学技术与工程 2022年26期

艾星贝，闫庆友，李金孟

(华北电力大学经济与管理学院，北京 102206)

目前，中国正处于电力行业市场化转型阶段，分布式发电(distributed generation, DG)依靠自身加入电力市场并不可行[1]。虚拟电厂作为能够参与电网和电力市场运行的电源管理系统，能够实现对分布式能源的灵活控制，成为解决上述问题的有效途径[2-3]。然而，由于可再生能源出力的不确定性以及反调峰特性，虚拟电厂在实际运行过程中存在弃风弃光问题[4]，阻碍了其可再生能源消纳能力、低碳减排潜力的进一步发展。

需求侧的可平移负荷作为一种灵活性资源，具有实时、高效和精准的动态响应能力，能够与分布式能源高效互补，在解决能源供应不足、降低可再生能源出力不确定性以及促进可再生能源消纳等方面发挥着重要作用[5-6]。文献[7]针对大规模分散式光伏接入所导致的配电网节点电压受限以及弃光问题，建立了计及可平移负荷的主动配电网的日前调度模型。文献[8]综合考虑不同用电特性的可平移负荷单元，提出负荷求解策略，并在此基础上构建了由分布式能源集成的微电网动态规划经济调度模型。文献[9]考虑需求侧多能源的响应特性，构建了多能源市场交易及激励型综合需求响应的虚拟电厂两阶段优化模型，研究结果表明需求侧多能源响应在降低虚拟电厂调度成本、弥补用户舒适度损失方面具有良好优势。文献[10]提出了一种考虑柔性可控负荷、分布式能源、需求响应的虚拟电厂投资组合优化模型，通过协调可平移负荷等灵活资源可以有效提高系统的投资组合收益。文献[11]针对大规模风电并网消纳的难题，提出了计及需求响应的风电并网虚拟电厂经济调度模型，通过负荷平移实现系统的削峰填谷，促进风电消纳。上述研究证明了负荷平移在分布式能源管理上的重要作用，但是负荷平移模型中重点考虑负荷曲线自身波动的平抑，对负荷平移在追踪风光出力波动以及反调峰特性[12]方面的潜力鲜有研究。

此外，在实施需求响应后，由于可再生能源发电成本缺乏竞争力，虚拟电厂在实际运行过程中的风光消纳能力有限，研究者通过引入弃风弃光成本[13]、可再生能源消纳权重约束[14]等手段来保证可再生能源的消纳。但是，这些手段灵活性较低，无法真正调动虚拟电厂自身低碳减排的积极性。

现有研究表明，碳交易机制与绿色证书机制在促进电力系统减排与可再生能源消纳，以及平衡电力系统经济效益方面作用显著[15-16]。文献[17]综合各行业平均碳排放标准，在确定单位发电量碳排放配额的基础上，通过计算实际排放量与配额量之间的差值构建了计及碳交易机制的综合能源系统调度模型。文献[18]考虑碳交易成本，构建的热电联合调度模型验证了碳交易机制在降低火电机组出力、提高风电消纳量与实现系统低碳发展的有效性。文献[19]将碳交易机制与绿证机制耦合，构建的电力系统调度模型表明碳交易机制与绿证机制的综合考虑能够有效降低系统的运行成本。文献[20]分析了碳交易与绿证交易机制对电力市场的影响机理，构建了电力市场能源优化模型，证明了存在满足各发电厂商总利润最大化的最优碳配额和绿证的比例组合。文献[21]证明了柔性负荷可以更好地促进风电消纳和发挥“碳交易—绿证”机制的作用。上述研究重点考虑运用市场手段实现电力系统碳配额与可再生能源消纳责任，大多以提升经济效益为目标，缺少调度管理过程中对运行成本、碳排放量约束[22]的考虑，一定程度上导致了电力系统低碳化的假象。

综上所述，现基于虚拟电厂调度运行的特点，综合考虑可平移负荷、风光出力追踪、“碳交易-绿证”、运行成本约束等因素，将调度成本降低和CO2减排目标耦合，构建调度优化模型。首先，以风光出力追踪与用电负荷波动平抑为目标，构建新的负荷平移模型，同时提出新的“移出—汇总—分配”求解策略，减少模型中优化变量以及状态变量的个数，提升了求解效率；其次，引入“碳交易-绿证”机制，通过市场手段实现虚拟电厂的碳配额与可再生能源消纳责任，与用户侧负荷平移协同，激发系统低碳减排的积极性；然后，采用参照点法(reference point approach, RPA)[23]对多目标模型进行求解，并通过模糊理论与二元对比定权法[24]给出RPA度量标准取值模型，实现管理者目标诉求到实际优化模型构建的转化；最后，通过算例仿真证明负荷平移与“碳交易-绿证”可以有效提高虚拟电厂可再生能源消纳能力与低碳减排积极性。

1 虚拟电厂关键单元建模

1.1 风电机组出力模型

风电机组的出力与风速的关系为

(1)

(2)

式(2)中：v′为在高度h′处测得的风速大小；λ为转换系数。

1.2 光伏出力模型

光伏发电出力主要取决于太阳辐射强度、光照面积和转换效率等因素，因此光伏出力大小为

Ppv=ηpvSpvITt

(3)

式(3)中：ηpv为光伏的参考效率；Spv为光伏板受辐射面积；ITt为t时段太阳能辐射强度。

1.3 绿色证书交易模型

虚拟电厂需要通过绿证市场购买绿色证书以实现可再生能源消纳责任，并且通过售出绿色证书来提高可再生能源发电的经济效益。考核周期T内的市场交易模型为

(4)

1.4 碳排放权交易模型

虚拟电厂为满足系统碳配额需要，以独立实体参与碳市场的交易。基准线法[16]是中国目前确定发电企业碳配额分配的主要方法，该方法根据企业排放情况分配额度，且分配额度与系统发电量成正比。采用该方法确定每个时段的碳排放配额，计算公式为

(5)

式(5)中：Et为t时段系统的碳排放配额量；μ为碳配额系数，其取值根据“区域电网基准线排放因子”确定。

虚拟电厂排放的CO2量主要由火电机组供电消耗化石燃料产生，计算公式为

(6)

式(6)中：QCO2,t为虚拟电厂在t时段排放的CO2量；ψ为火电机组的CO2排放系数。

当系统在t时段的实际碳排放量高于该时段的配额量时，需要从碳市场购买超出部分的碳排放权；如果实际碳排放量低于配额量，则可以将剩余的碳排放权在碳市场进行售出。基于碳排放配额和实际CO2排放量的系统碳交易模型为

(7)

式(7)中：LCT为系统参与碳市场获得的收益；LCT,t为t时段系统通过碳交易获得的收益；pCT为单位碳交易价格。

1.5 多目标负荷平移模型

本文提出“移出—汇总—分配”的求解策略对可平移负荷模型进行改进。“移出”是指将每个时段的可平移负荷从总的用电负荷中移出；“汇总”是指将全部时段的可平移负荷按照种类进行汇总；“分配”是指将汇总后的可平移负荷量根据目标要求重新分配到不同时段。分配的目标为在不损失用户用电量的基础上实现用电负荷自身波动(峰谷差)的平抑，同时实现用电负荷对风光功率的有效追踪。改进后的可平移负荷模型可用目标函数[式(8)]和约束条件[式(9)]表示，目标函数表示优化后的负荷曲线与风光出力偏差和日均负荷偏差综合最小。

(8)

(9)

改进后的可平移负荷模型为混合整数规划模型，优化变量的个数为NST，已有负荷平移模型[8,25]的优化变量个数分别为NSTT和3NST，比较可知本文提出的求解策略可以有效降低模型中优化变量的个数，进而提高模型求解效率。改进后的负荷平移模型求解流程如图1所示。

图1 负荷平移模型求解流程Fig.1 Solution process of load shifting model

2 虚拟电厂多目标调度优化模型

结合中国虚拟电厂、碳交易与绿证市场的发展现状，本文采用的虚拟电厂运行结构如图2所示。在虚拟电厂系统中，调度中心统一协调系统的供需平衡，响应用户的用电需求，合理安排各个机组的发电计划；同时用户根据调度中心发出的用电信息，主动调整用电行为，进行合理的用电安排。系统的电源侧包括风电机组、光伏与火电机组，需求侧负荷主要包括居民基本生活用电负荷和可平移负荷。此外，虚拟电厂作为独立实体，拥有碳排放权和绿色证书并参与碳市场、绿证市场的交易，实现系统的可再生能源消纳责任与减排效益。

图2 虚拟电厂运行结构Fig.2 Operating structure of VPP

2.1 目标函数

虚拟电厂调度优化目标函数包括系统日运行成本和CO2排放量两方面。日运行成本包括风光机组发电成本、火电机组发电成本、碳交易收益与绿证交易收益；CO2排放主要为火电机组供电产生。

(1)风电机组发电成本：

(10)

式(10)中：Cwp为风电机组的发电成本；αwp为风电机组的单位发电成本。

(2)光伏机组发电成本：

(11)

式(11)中：Cpv为光伏机组的发电成本；αpv为光伏机组的单位发电成本。

(3)火电机组发电成本：

(12)

式(12)中：Ctp为火电机组的发电成本；b0、b1、b2为火电机组的发电成本系数。

综上所述，采用RPA法[23]对虚拟电厂日运行成本和CO2排放量双目标最小化进行调度优化，目标函数为

(13)

COP=Cwp+Cpv+Ctp-LTGC-LCT

(14)

2.2 约束条件

本文考虑的约束条件包括：参数变量约束、设备运行约束和电力平衡约束。考虑参数变量的物理特性和实际情况等因素，给出参数变量的取值约束为

(15)

设备运行约束主要为发电设备额定功率和额定容量约束，风电机组、光伏机组的运行约束为

(16)

火电机组需要满足的运行约束包括出力约束、爬坡约束和启停约束,即

(17)

可再生能源消纳责任与碳配额约束如式(4)～式(7)所示，虚拟电厂的运行成本约束为

COP≤ROP

(18)

式(18)表示实际调度优化过程中，运行成本不得超出参考水平，参考水平由管理者根据微电网实际运行情况设置。

系统的电力平衡约束为

(19)

2.3 RPA度量标准赋值

将模糊理论和二元对比定权法运用于RPA多目标求解方法中，对度量标准进行赋值。模糊理论和二元对比定权法相结合是一种定性排序和定量标度相结合的权系数确定方法。基于模糊理论和二元对比定权法对RPA度量标准进行赋值的步骤[24]如下。

首先，利用排序标度矩阵定性判断指标重要性。对各指标的重要性进行二元对比，若p比q重要，记排序标度为epq=1，eqp=0；反之，则记为epq=0，eqp=1；若p与q同样重要，记为epq=eqp=0.5。根据对比结果建立排序标度矩阵E。计算矩阵的各行元素之和，其大小顺序即为指标的重要性定性排序。

(20)

然后，根据模糊语气算子定量确定指标隶属度值。按照排序标度矩阵的结果，以顺序排名第一的指标为基准1，将该指标与其余指标进行重要性对比得到对应的语气算子。根据模糊标度与隶属度取值表(表1)确定隶属度值向量F=[Fp,Fq]。

最后利用式(21)将隶属度值变换为[1，+∞)之间，进而得到RPA度量标准值。

(21)

表1 模糊标度与隶属度取值表Table 1 Fuzzy scale and membership degree value comparison table

3 算例分析

3.1 基础数据

为了验证本文构建的调度优化模型在提高虚拟电厂系统运行调度经济效益和环境效益方面的适用性，选取中国某地区的虚拟电厂系统数据进行算例仿真分析。算例中运用的仿真模拟软件为HOMER，负荷平移和调度优化模型求解软件为GAMS。

算例中，风电机组总装机容量为20 MW，机组型号为Copy of Generic 10 kW，寿命为15年，轮毂高度为25 m；光伏机组总装机容量为10 MW，寿命为20年，降额因子为90%，地面反射率为20%。选取典型日的光辐射、风速，运用HOMER模拟得到日风光出力如图3所示。

图3 典型日风光出力曲线Fig.3 The output curve of daily scenery

根据文献[25]，本文选取烘干机、洗衣机和电热水器3类可平移负荷，参与负荷平移的设备参数和数量如表2和表3所示。日用电总负荷为87.05 MW，可再生能源消纳权重设置为0.75。

表2 参与负荷平移设备参数Table 2 Equipment parameters involved in load shifting

表3 参与负荷平移设备数量Table 3 Number of equipment involved in load shifting

虚拟电厂发电机组运行成本参数和CO2排放参数如表4所示[26-27]。

表4 成本参数及CO2排放参数Table 4 Cost parameters and CO2 emission parameter

以经济目标和环境目标重要性相同对度量标准进行赋值，参照表1与式(21)得到RPA度量标准取值均为1。ROP、RCO2参数的设置由决策制定者决定，为保证取值的公平性，算例中选取各目标进行单目标最优求解结果的均值，计算公式为

(22)

3.2 场景设置

设置6个场景进行对比分析，如表5所示。

表5 场景设置Table 5 Scenario setting

3.3 算例结果

3.3.1 负荷曲线优化结果

通过输入风光出力曲线建立目标曲线，并运用“移出—汇总—分配”策略对含有可平移负荷的虚拟电厂日用电负荷曲线进行多目标优化求解得到优化后的负荷曲线如图4所示。

图4 负荷曲线优化结果Fig.4 Load curve optimization results

由图4可知，优化后的负荷曲线更加贴近风光出力曲线，很好地适应了可再生能源发电出力的波动性。同时，负荷曲线的峰谷差由2.53 MW降到1.97 MW，减小幅度为22.13%，负荷曲线的标准差从0.814降到0.539。可知，优化后的负荷曲线更加平缓，实现了系统的削峰填谷。

3.3.2 虚拟电厂调度结果

运用GAMS软件对虚拟电厂优化调度模型进行求解，调度结果如表6和图5所示。按照式(22)，负荷平移前CO2排放量与日运行成本的参考水平分别为50.15 t和20 027.222元；负荷平移后CO2排放量与日运行成本的参考水平分别为46.144 t和20 974.940 5元。

表6 调度结果对比Table 6 Comparison of dispatching results

图5 VPP系统用电调度结果Fig.5 Electricity dispatching results of VPP

3.4 算例分析

3.4.1 多目标优化调度优势分析

以实现对虚拟电厂运行过程中成本消耗与CO2排放量的有效控制为目标构建多目标调度优化模型。为了验证模型的有效性，图6展现了各场景的成本与CO2排放量对比情况。观察可知，虚拟电厂的调度成本与CO2排放量无法同时达到最优，在减少CO2排放的同时必定会造成调度成本的增加。运用本文构建的优化模型进行调度时，调度成本比CO2排放单目标最优时得到了有效降低，同时CO2排放量比调度成本单目标最优时得到了有效减少。

图6 调度成本与CO2排放量对比Fig.6 Comparison of dispatching costs and CO2 emissions

为了进一步展现多目标模型求解的优势，引入单位减排成本的CO2排放强度指标对调度结果进行对比分析。该指标表示利用不同手段实现电力系统低碳化发展过程中，CO2排放减少量与成本增加量的比值，单位为t/元。基于此，S2、S3、S5、S6的计算结果如图7所示。观察可知，应用多目标调度优化模型求解时，指标值分别增加了0.024 6(S3vsS2)和0.044 5(S6vsS5)，减排效益显著。综上所述，本文构建模型在提高资金利用效率与促进电力系统低碳化发展等方面作用显著，可以有效实现减排效果与经济效益的均衡。

图7 单位减排成本的CO2排放强度Fig.7 CO2 emission intensity per unit abatement cost

3.4.2 负荷平移作用效果分析

通过3.3.1节的分析可知负荷平移可以有效实现对用电波动的平抑与风光出力的追踪。此外，负荷平移的作用效果还体现在综合效益、可再生能源消纳等维度。

综合效益维度：以成本单目标最优进行调度时，负荷平移后的调度成本比负荷平移前减少了17.469元；虽然以CO2排放单目标最优和多目标最优进行调度时，负荷平移后系统的调度成本在一定程度上有所增加，但是CO2排放量分别减少了9.163 t和7.774 t。根据CO2排放产生的环境成本计算方法[26]，CO2排放量减少产生的等效环境效益分别为192 4.23元和163 2.54元，这可以完全弥补调度成本的增加量。因此，负荷平移后，虚拟电厂的综合效益得到显著提高。

可再生能源消纳维度：负荷平移前，可再生能源消纳量的上限为67.97 MW·h，负荷平移后，可再生能源消纳量的上限变为75.937 MW·h。消纳权重上限由78.08%变为87.23%，增加了约10%。此外，按照多目标最优进行调度时，负荷平移后虚拟电厂实际的可再生能源消纳权重比负荷平移前增加了7.76%。因此，负荷平移可以显著提升虚拟电厂的可再生能源消纳能力。

3.4.3 “碳交易-绿证”作用效果分析

图8以S4和S6为例，展现了各时段虚拟电厂利用碳市场满足碳配额目标的交易情况。观察可知，碳市场满足了虚拟电厂在追求调度成本最优时各时段碳配额的要求。同时，通过售出多余的碳配额权，实现了对虚拟电厂进行多目标最优调度时成本的弥补，有效提升了系统的可再生能源消纳能力。

图8 各时段碳交易情况Fig.8 Carbon trading situation in various periods

可再生能源消纳保障机制下，通过绿证市场的交易，虚拟电厂不仅实现了可再生能源消纳责任，而且提升了系统利用可再生能源机组供电的自主性与灵活性。分析调度结果可知，多目标优化调度后，系统的绿证购买量比调度成本单目标最优时分别减少了39.611和47.375，通过售出绿证，虚拟电厂实现了追求低碳化发展过程中经济效益的增加(S3, 3 666.206；S6, 4 443.903)。负荷平移后，绿证市场的作用更加明显，体现了负荷平移、绿证市场在提高虚拟电厂可再生能源利用率方面的协同效果。