基于需求响应虚拟电厂双层优化调度研究

福州大学电气工程与自动化学院 苏 捷

当前，具有先进通信和控制技术的虚拟电厂（Virtual Power Plant，VPP）不仅能够聚合各类负荷和分布式资源为一个整体，实现多源协同优化控制，还能提高系统的灵活性和新能源的消纳率，引起了广泛关注，并取得了丰硕的成果，但也存在功率调节差和信号响应慢的不足。国内外关于VPP优化调度广泛研究。文献[1]基于价格型需求响应，引导用户合理用电，实现了VPP协调运行；文献[2]研究了包含风光、水电和储能系统的VPP发电侧优化调度模型。文献[1-2]从需求侧或发电侧进行了VPP优化调度研究，但单侧调度已不能满足现阶段优化需求，需建立供需两侧的协同优化调度模型。文献[3]建立了计及风电和储备市场需求不确定性源的VPP日前优化调度模型。文献[4]以运行成本最小为目标，构建了基于多风能预测结果的VPP柔性优化调度模型，设计了VPP出力计划的日内滚动调度策略；文献[3-4]分别针对日前和日内优化调度进行了研究，但单阶段的单目标优化无法实现整体效益最优。

1 VPP聚合管理分布式能源的需求与适应性

具有不确定性的分布式新能源高比例接入电网系统，不仅改变了潮流流向，引起了电压波动，影响了电网可靠性，还提高了电网结构及资源调控升级改造的需求，同时也给电网的灵活性和经济性带来了较大的挑战。在此背景下，传统能量管理模式已无法适应新型电力系统，亟须引入新型管理模型。目前，有提升区域自治促进新能源高效消纳，以及提高分布式能源基础监管设施两种分布式能源并网管理路径，其智能化管理方法主要包括主动配电系统管理、微电网管理、电价管理和市场管理四种方式，其中主动配电系统管理和微电网管理注重提升本区域自治水平，电价管理和市场管理是基于广泛物联实现能源利用最大化。本文从分布式能源强制性、市场成熟度和信息通信技术三个视角将VPP与上述四种方式进行比较，见表1。

表1 VPP与其他分布式能源管理方式对比

由表1可知，VPP基于已有平台管理分散的分布式能源不仅能降低投资，还能获取分布式能源的容量、接入位置和设备等信息。VPP基于主通信网采用光纤或利用公共以太网采用光纤、无线、电话线等多种方式通过签订通信协议形成虚拟专用网络（Virtual Private Network,VPN）进行信息传递，研究表明现有通信协议标准均可适用。VPP参与能量市场、容量市场和辅助服务市场，灵活提供服务，避免了分布式能源直接参与电力市场的复杂手续和准入条件；VPP通过利益分配促进分布式能源有序发展，较低的强制性管控需求使各主体具有更多的自主选择性，能更好支持分布式能源的分散性、多样性和异构性。

基于上述分析，VPP对分布式能源的管理和传递更具动态性、自由性和灵活性，能更好地适应当前电力市场和信息通信技术设施建设。

2 考虑需求响应的VPP双层调度模型

2.1 VPP管理架构

为解决不确定性分布式新能源并网引发的一系列问题，需制定高效合理的VPP优化调度方案，以实现电网整体系统能源的优化配置，促进新能源消纳，减少弃风、弃光现象，无法实现高精度调度优化。本文中VPP运营受电力市场价格波动、分布式能源出力特性和负荷需求三方面因素影响，其架构如图1所示。商业型虚拟电厂（CVPP）管理小型工商业负荷和居民负荷两种，可分为基础负荷和可控负荷。其中，基础负荷是不参加控制中心调度的负荷，可控负荷通过与CVPP签订合约接受控制中心调度。主要起到管理用户负荷、平衡电力市场交易的作用。技术型虚拟电厂（TVPP）监控风光伏机组、燃气轮机和储能系统等多种分布式电源的运行状态，制定出力计划。

2.2 VPP双层调度优化模型

我国地区用电存在“尖峰”特性，增加了电力发电成本，造成了经济损失。需求侧管理用户负荷能有效实现削峰填谷。为此，本文从供需两侧构建VPP双层优化调度模型。上层为商业型VPP，以用户最大效益为目标进行负荷管理，通过分时电价优化不同类型的可控负荷，并基于价格和激励两种需求响应机制最大化调度作用。下层为技术型VPP，以电源出力成本最小为目标，引入弃风弃光惩罚，兼顾供需侧利益，实现系统各类能源协同优化管理。

上层CVPP模型目标函数为：

式中：F1为VPP总利润；ΔT、T为调度时长和调度个数；ρse,t、ρbuy.F,t为CVPP与用户交易电价和签订的购电电价；PF,t为CVPP与用户签订购电电量；PD,T为分时电价后时段CVPP用户用电量；ρbuy.S,t为CPVV与实时市场交易电价；PS,t为CPVV与实时市场交易电量，向市场售电时PS,t为正，向市场购电时PS,t为负；FTVPP为总发电成本。

包含售电电价约束、负荷削减量与削减次数约束、可转移负荷约束、可平移负荷约束和功率平衡约束的上层约束条件为：

通过上层调度优化模型式优化结果得TVPP出力结果，建立TVPP发电成本最优的下层目标函数：

式中：Frq,j,t为燃气轮机j在t时段运行成本；Fwt,t为风机t时段运行成本；Fpv,t为光伏t时段运行成本；Fes,t为储能t时段运行成本。

下层约束条件为售实时功率平衡约束、燃气轮机运行约束、爬坡率约束、风光电源出力约束和储能系统容量约束，公式为：

2.3 列约生成算法求解

耦合双层优化模型的求解难度较大，C&CG可以通过不同切割平面，引入子问题变量和约束，在紧凑原目标函数下界值将目标分成主子问题进行最优求解，减少了迭代次数，高效求解多层次优化问题。因此，本文提出运用列约束生成算法求解VPP双层优化调度模型，求解流程如图2所示。

图2 C&CG求解VPP优化模型流程图

3 算例分析

本文以文献[4]中的源荷预测中为基础数据，运用IEEE33标准节点结构进行本文所构建VPP双层模型的有效性验证，其中光伏、风机、储能等设备接入、设备容量、储能设备参数和可削减、可平移可转移负荷调度参数。以及各分布式电源设备的电量耗量特性、分时电价的相关数据[5]。在最大化上层CVPP用户的收益中，由图3所示负荷实际功率和经双层模型交互迭代后的期望功率对比可知：上层CVPP模型可以将在19：00～21:00和23:00电价高峰期的负荷电能需求转移到01:00～7：00和24:00，降低用户用电成本，VPP双层优化模型中上层调度方案能更保证用户收益。

图3 上层需求响应负荷的实际和期望功率

在图4下层TVPP可控电源和储能系统调度方案中，储能功率放电为正，充电为负。根据分时电价与上层CVPP需求响应结果，储能系统在低电价时间段01:00～06:00以及24:00充电储存电量，20:00～22:00高电价时间段功率放电，通过响应分时电价降低下层运行成本。风机和光伏可控电源响应负荷需求，在负荷需求较低和分时电价较低时的01:00～05:00时段和24:00时段，减小功率输出，较高时可控电源尽可能多出力，在满足负荷需求的同时，提高电源输出功率收益，综合降低VPP成本。

图4 可控电源和储能系统的下层调度方案

表2给出了传统方法与本文所提方法在经济效益和新能源消纳率的对比结果。本文所提出的方法使得上层用户和下层电源效益分别提高了1600.3元和3331.5元，新能源利用率分别提高了8.3%。

表2 VPP调控效益与传统对比

4 结语

本文考虑需求响应构建了VPP双层优化模型，通过算例分析验证得出下列结论：一是从分布式能源强制性、市场成熟度和信息通信技术视角得出VPP聚合各类灵活调控资源管理能够降低投资，更具动态性、自由性和灵活性，更好适应电力市场和信息通信技术设施建设的优势；二是通过VPP双层优化模型更保证用户收益、提高电源输出功率收益，相比于传统优化调度方法，提高了系统效益4931.8元，提升了新能源利用率8.3%。