基于風(fēng)光荷儲(chǔ)聯(lián)合優(yōu)化的虛擬電廠競(jìng)價(jià)策略

劉佳楠， 李 鵬， 楊德昌

(1. 天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院, 天津 300072；2. 中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083)

基于風(fēng)光荷儲(chǔ)聯(lián)合優(yōu)化的虛擬電廠競(jìng)價(jià)策略

劉佳楠1， 李 鵬1， 楊德昌2

(1. 天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院, 天津 300072；2. 中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083)

基于電力市場(chǎng)的競(jìng)價(jià)機(jī)制和虛擬電廠的運(yùn)行機(jī)制，構(gòu)建了以風(fēng)電-光伏-負(fù)荷-儲(chǔ)能聯(lián)合運(yùn)行體利潤(rùn)最大化為目標(biāo)的優(yōu)化決策模型。該模型充分考慮新能源機(jī)組，儲(chǔ)能與負(fù)荷運(yùn)行時(shí)的各項(xiàng)技術(shù)約束條件，通過(guò)虛擬電廠中風(fēng)-光-荷-儲(chǔ)間協(xié)調(diào)耦合運(yùn)行的發(fā)電策略與出力安排等，實(shí)現(xiàn)新能源與電動(dòng)汽車(chē)聯(lián)合參與市場(chǎng)競(jìng)價(jià)。構(gòu)建算例驗(yàn)證了該風(fēng)光儲(chǔ)聯(lián)合運(yùn)行優(yōu)化決策模型的正確性與有效性，并通過(guò)對(duì)多組場(chǎng)景對(duì)比，分析新能源出力波動(dòng)性對(duì)風(fēng)-光-荷-儲(chǔ)聯(lián)合運(yùn)行模式的競(jìng)價(jià)策略的影響。

虛擬電廠；新能源；出力波動(dòng)；聯(lián)合優(yōu)化

0 引言

近年來(lái)，隨著煤炭資源日益匱乏以及環(huán)保需求的升溫，針對(duì)可再生能源發(fā)電的研究不斷深入，大規(guī)模的新能源發(fā)電在能源市場(chǎng)中扮演著越來(lái)越重要的角色[1,2]。然而由于分布式能源(distributed energy resource，DER)存在隨機(jī)性、波動(dòng)性、不確定性等客觀問(wèn)題[3]，傳統(tǒng)電力系統(tǒng)的結(jié)構(gòu)、形態(tài)與運(yùn)行控制方式也需隨之變革，包括發(fā)電廠、電網(wǎng)及用戶在內(nèi)的整個(gè)電力系統(tǒng)都需要與之相適應(yīng)[4-6]。

在此背景下出現(xiàn)了虛擬電廠(virtual power plant，VPP)的概念，在不改變分布式能源的情況下，通過(guò)一定的控制、通信策略，將大量分布式電源、儲(chǔ)能、負(fù)荷等集合起來(lái)，統(tǒng)一參與電力市場(chǎng)調(diào)度運(yùn)行，解決了獨(dú)立分布式能源發(fā)電之間缺乏有效協(xié)調(diào)控制的問(wèn)題[7-9]，為電力市場(chǎng)運(yùn)營(yíng)提供了新思路。

目前針對(duì)VPP在新能源電力消納中的作用，國(guó)內(nèi)外文獻(xiàn)均有報(bào)道。文獻(xiàn)[10]提出一種對(duì)含有風(fēng)電機(jī)組和熱電聯(lián)產(chǎn)機(jī)組虛擬發(fā)電廠進(jìn)行控制的方法，以達(dá)到平抑風(fēng)電波動(dòng)、降低發(fā)電成本的目標(biāo)。文獻(xiàn)[11]針對(duì)大規(guī)模風(fēng)電場(chǎng)并網(wǎng)調(diào)度困難，提出將某區(qū)域風(fēng)電機(jī)組和常規(guī)的水、火電機(jī)組及儲(chǔ)能設(shè)備進(jìn)行等效聚合的虛擬發(fā)電廠設(shè)想，對(duì)區(qū)域內(nèi)機(jī)組設(shè)備實(shí)現(xiàn)電網(wǎng)功率的有效控制。文獻(xiàn)[12]針對(duì)中國(guó)現(xiàn)有電力環(huán)境，對(duì)接入風(fēng)電等清潔能源的問(wèn)題和可能方案進(jìn)行了討論，然而未給出具體的方案和分析。文獻(xiàn)[13]提出了考慮風(fēng)電的電力聯(lián)營(yíng)市場(chǎng)日前出清模型，借鑒“事后電價(jià)”的思想，根據(jù)概率性風(fēng)電功率預(yù)測(cè)的結(jié)果生成多場(chǎng)景模型，兼顧系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性。文獻(xiàn)[14]基于多代理技術(shù)，建立了含傳統(tǒng)發(fā)電商、風(fēng)電商、供電商、儲(chǔ)能服務(wù)商和用戶的多方電價(jià)聯(lián)動(dòng)博弈模型。文獻(xiàn)[15]提出了一種包含供給側(cè)和需求側(cè)的多代理雙層優(yōu)化模型，分析了風(fēng)電商、電動(dòng)汽車(chē)聚合商、提供需求響應(yīng)的零售商等市場(chǎng)成員的競(jìng)價(jià)博弈行為。文獻(xiàn)[16]基于多場(chǎng)景隨機(jī)規(guī)劃，建立了考慮網(wǎng)絡(luò)約束含風(fēng)電的單時(shí)段日前市場(chǎng)出清模型，針對(duì)風(fēng)電出力的隨機(jī)性，對(duì)日前能量和備用市場(chǎng)進(jìn)行聯(lián)合優(yōu)化，但未考慮火電機(jī)組生產(chǎn)具有連續(xù)性的特征。文獻(xiàn)[17]提出電力市場(chǎng)混合競(jìng)價(jià)模式及出清算法，對(duì)基礎(chǔ)負(fù)荷采用分段競(jìng)價(jià)，并按照排隊(duì)法進(jìn)行出清，對(duì)波動(dòng)負(fù)荷采用分時(shí)競(jìng)價(jià)，為市場(chǎng)競(jìng)價(jià)提供一種全新的思路。

在此基礎(chǔ)上，本文基于電力市場(chǎng)中的競(jìng)標(biāo)機(jī)制，在VPP的框架下，以VPP收益最大化為目標(biāo)函數(shù)，統(tǒng)籌風(fēng)電、光伏等新能源出力，聯(lián)合電動(dòng)汽車(chē)建立混合整數(shù)線性模型，從而進(jìn)行VPP聯(lián)合調(diào)度的優(yōu)化設(shè)計(jì)，并利用仿真算例驗(yàn)證了競(jìng)價(jià)策略的有效性。

1 風(fēng)光荷儲(chǔ)互補(bǔ)策略

1.1 VPP競(jìng)標(biāo)機(jī)制

VPP的本質(zhì)是對(duì)不同區(qū)域、多層次的新能源電站和儲(chǔ)能等設(shè)備進(jìn)行集中控制調(diào)度并完成市場(chǎng)運(yùn)營(yíng)[18]。在電網(wǎng)運(yùn)行中，調(diào)度中心不直接控制這些發(fā)電機(jī)組或儲(chǔ)能設(shè)備，而是通過(guò)控制VPP使其以整體的形式參與電網(wǎng)的運(yùn)行和調(diào)度[19]。因此，與常規(guī)電廠一樣，VPP同樣可以參與電力市場(chǎng)交易和系統(tǒng)調(diào)度。

由于目前新能源在國(guó)內(nèi)的應(yīng)用仍然有限，本文將VPP看作電力市場(chǎng)價(jià)格的接收者，即默認(rèn)其出力變化和策略優(yōu)化調(diào)整對(duì)市場(chǎng)價(jià)格不會(huì)產(chǎn)生影響。假定VPP在日前能量市場(chǎng)中的競(jìng)標(biāo)均按小時(shí)進(jìn)行，設(shè)定單位時(shí)間內(nèi)發(fā)電出力和電量在數(shù)值上相同，單位為MW。VPP利用風(fēng)力發(fā)電和光伏發(fā)電作為新能源電力并網(wǎng)，當(dāng)新能源產(chǎn)生出力偏差時(shí)會(huì)造成出力懲罰。

VPP在負(fù)荷低谷期從能量市場(chǎng)購(gòu)買(mǎi)電能安排電動(dòng)汽車(chē)充電，負(fù)荷高峰期電動(dòng)汽車(chē)電池為新能源提供備用，同時(shí)作為可控電源通過(guò)控制實(shí)際的充放電功率和計(jì)劃充放電功率(preferred operating point，POP)的偏差來(lái)向系統(tǒng)提供調(diào)節(jié)服務(wù)。電動(dòng)汽車(chē)一方面作為儲(chǔ)能部分，另一方面作為負(fù)荷環(huán)節(jié)參與到虛擬電廠的運(yùn)營(yíng)中。

1.2 新能源參與市場(chǎng)

新能源參與日前能量市場(chǎng)時(shí)，向獨(dú)立系統(tǒng)運(yùn)行機(jī)構(gòu)(independent system operator，ISO)提交次日各個(gè)時(shí)段t的日前競(jìng)標(biāo)出力，中標(biāo)后接受ISO的調(diào)度發(fā)電。時(shí)間T內(nèi)VPP競(jìng)標(biāo)收入Rn可表示為：

(1)

式中：Pn,b,t為新能源機(jī)組的競(jìng)標(biāo)出力；λe,t為日前能量市場(chǎng)的價(jià)格；Δt為單位時(shí)段的長(zhǎng)度。

電動(dòng)汽車(chē)通過(guò)充放電為VPP新能源競(jìng)標(biāo)出力提供的備用為Pev,c,t和Pev,dc,t。假設(shè)新能源實(shí)際出力大于、小于競(jìng)標(biāo)出力的偏差分別為Ppc,h,t和Ppc,l,t，對(duì)應(yīng)的懲罰系數(shù)分別為γpc,h和γpc,l，則新能源出力偏差導(dǎo)致的經(jīng)濟(jì)懲罰Cpc如下所示。

(2)

Ppc,h,t=Pn,r,t+Pev,dc,t-Pev,c,t-Pn,b,t

(3)

Ppc,l,t=Pn,b,t+Pev,c,t-Pev,dc,t-Pn,r,t

(4)

式中：Pn,r,t為新能源機(jī)組的實(shí)際出力；uh,t，ul,t為0-1變量，Ppc,h,t>0時(shí)uh,t為1，Ppc,l,t>0時(shí)ul,t為1。γpc,h；γpc,l取值均大于0。

1.3 電動(dòng)汽車(chē)參與市場(chǎng)

VPP中的電動(dòng)汽車(chē)參與調(diào)節(jié)市場(chǎng)競(jìng)價(jià)時(shí)，可同時(shí)提供上調(diào)備用、下調(diào)備用和旋轉(zhuǎn)備用服務(wù)，PPOP,t表示時(shí)段t電動(dòng)汽車(chē)計(jì)劃充放電功率。

VPP管理電動(dòng)汽車(chē)的收入分為閑置時(shí)對(duì)電網(wǎng)放電的收入，以及為電動(dòng)汽車(chē)充電向車(chē)主收取的電費(fèi)。總收入可表示為：

(5)

式中：PBEV,dc,u,t，PBEV,dc,d,t，PBEV,dc,r,t分別為時(shí)段t電動(dòng)汽車(chē)向電網(wǎng)提供的上調(diào)、下調(diào)、旋轉(zhuǎn)備用的功率；PBEV,dri,t為時(shí)段t電動(dòng)汽車(chē)充電功率；λt,u,λt,d,λt,r分別為調(diào)節(jié)市場(chǎng)的上調(diào)、下調(diào)和旋轉(zhuǎn)備用的容量?jī)r(jià)格；λc為VPP向車(chē)主收取的單位電價(jià)，VPP為電動(dòng)汽車(chē)用戶提供優(yōu)惠電費(fèi)以吸引其參與調(diào)度。

VPP在管理電動(dòng)汽車(chē)的過(guò)程中，某時(shí)間段可調(diào)度電動(dòng)汽車(chē)數(shù)量、電動(dòng)汽車(chē)與虛擬電廠持續(xù)連接時(shí)間等都不確定。本文假設(shè)參與調(diào)度的電動(dòng)汽車(chē)數(shù)量足夠多，忽略相關(guān)調(diào)整系數(shù)，將所有電動(dòng)汽車(chē)等值為一輛電動(dòng)汽車(chē)[20]。同理假設(shè)VPP中參與電力市場(chǎng)競(jìng)價(jià)的風(fēng)電機(jī)組、光伏電池板數(shù)量足夠且型號(hào)都相同，將所有風(fēng)機(jī)、光伏等值為一個(gè)風(fēng)機(jī)、一個(gè)光伏陣列。

本文假定VPP為了降低購(gòu)電成本，同時(shí)從雙邊合同市場(chǎng)和實(shí)時(shí)能量市場(chǎng)購(gòu)電為電動(dòng)汽車(chē)充電[21]。則電動(dòng)汽車(chē)的購(gòu)電成本如式(6)所示。

(6)

式中：λs,t為虛擬電廠從雙邊合同市場(chǎng)的購(gòu)電價(jià)格；λpur,t為實(shí)時(shí)能量市場(chǎng)的購(gòu)電價(jià)格；E(Pev,c,t)為電動(dòng)汽車(chē)實(shí)際充電功率的期望值；Qc表示虛擬電廠為電動(dòng)汽車(chē)充電而從合同市場(chǎng)的購(gòu)電量。

(7)

虛擬電廠的成本主要由購(gòu)電成本Cev,pur和電動(dòng)汽車(chē)電池?fù)p耗成本Cev,dc兩部分構(gòu)成。電動(dòng)汽車(chē)電池放電的損耗成本為：

(8)

式中：E(Pev,dc,t)為電動(dòng)汽車(chē)實(shí)際放電功率的期望值；ηdc為電池放電效率；cdis是常量，為單位電量放電損耗成本，單位為美元/(MW·h)。

2 風(fēng)光荷儲(chǔ)互補(bǔ)優(yōu)化模型

2.1 目標(biāo)函數(shù)

VPP環(huán)境下，風(fēng)機(jī)、光伏與電動(dòng)汽車(chē)聯(lián)合運(yùn)行的優(yōu)化決策目標(biāo)為聯(lián)合體的總利潤(rùn)最大化：

maxR=Rn+RBEV-Cpc-Cev,pur-Cev,dc

(9)

式中：R為虛擬電廠最終總收益；Rn為虛擬電廠參與市場(chǎng)競(jìng)標(biāo)獲得的收益。

1.2 約束條件

(1) 風(fēng)機(jī)、光伏出力約束。

uh,t+ul,t=1

(10)

Pn,min,t≤Pn,r,t≤Pn,max,t

(11)

式(10)為同一時(shí)段t中新能源機(jī)組的實(shí)際出力和競(jìng)標(biāo)出力的偏差約束，式(11)為各時(shí)段新能源機(jī)組出力上下限約束。

(2) 電動(dòng)汽車(chē)出力約束。

udc,t+uc,t=1

(12)

(13)

St,min≤St≤St,max

(14)

S1=S24

(15)

PBEV,dc,d,t+PPOP,t+Pev,dri+
Pev,c,t-Pev,dc,t≤Pev,max

(16)

PPOP,t+Pev,c,t-PBEV,dc,u,t-
PBEV,dc,r,t-Pev,dc,t≥-Pev,max

(17)

Pw,r,t,PBEV,dc,u,t,PBEV,dc,r,t,
PBEV,dc,d,t,Pev,dri,t,Pev,c,t,Pev,dc,t≥0

(18)

電動(dòng)汽車(chē)電池充放電約束如式(12—17)所示。式(12)為充放電狀態(tài)約束，式(13)中St為電動(dòng)汽車(chē)電池在時(shí)段t的SOC值，每一時(shí)刻電池SOC值由上一時(shí)間段決定。考慮電動(dòng)汽車(chē)具有行駛需求及電池?fù)p耗等因素，無(wú)法實(shí)現(xiàn)電池完全充放電，因此在式(14)中對(duì)SOC進(jìn)行約束，其中St,min和St,max分別為St的最小值和最大值。式(15)中，電池每日起始電量狀態(tài)與前一日結(jié)束時(shí)相同。此外,還需要考慮電動(dòng)汽車(chē)電池放電約束，見(jiàn)式(16)、式(17)，Pev,max為最大充放電功率約束。式(18)中限定了模型決策變量的取值均為非負(fù)值。

3 求解方法

由第2章分析可知，虛擬電廠的環(huán)境下，風(fēng)光荷儲(chǔ)聯(lián)合運(yùn)行的優(yōu)化決策模型為多時(shí)段、大規(guī)模的混合整數(shù)線性規(guī)劃模型(mixed integer linear programming，MILP)。本文基于GAMS優(yōu)化平臺(tái)調(diào)用CPLEX商業(yè)優(yōu)化軟件來(lái)進(jìn)行優(yōu)化求解[22]。其中針對(duì)線性規(guī)劃問(wèn)題，CPLEX采用單純形法進(jìn)行求解，如圖1所示。

圖1 單純形法求解流程Fig.1 PAD of simplex algorithm

4 算例分析

為驗(yàn)證上述模型的可用性，本文列舉算例模擬虛擬電廠調(diào)度風(fēng)機(jī)、光伏和電動(dòng)汽車(chē)參與電力市場(chǎng)運(yùn)行。考慮到新能源發(fā)電出力不確定性對(duì)市場(chǎng)的影響，算例最終分別得出多組場(chǎng)景下虛擬電廠收益并進(jìn)行相關(guān)分析。

4.1 基礎(chǔ)數(shù)據(jù)

針對(duì)風(fēng)機(jī)和光伏機(jī)組出力情況，假設(shè)虛擬電廠中新能源存在出力區(qū)間，24 h內(nèi)出力均在出力上下限之間波動(dòng)，具體數(shù)據(jù)如圖2所示。

圖2 新能源機(jī)組出力區(qū)間Fig.2 New energy unit output interval

算例針對(duì)波動(dòng)性，一共進(jìn)行五組場(chǎng)景模擬，五組場(chǎng)景中波動(dòng)值分別為0，2.5%，5%，10%，15%，如表1所示。

表1 多場(chǎng)景出力波動(dòng)情況Table 1 Multi-scene output fluctuations

假設(shè)虛擬電廠未來(lái)24 h新能源機(jī)組聯(lián)合競(jìng)標(biāo)出力期望值如圖3所示。

圖3 風(fēng)機(jī)、光伏競(jìng)標(biāo)出力情況Fig.3 Bidding output of wind turbines and photovoltaics

考慮電動(dòng)汽車(chē)參與調(diào)節(jié)市場(chǎng)競(jìng)價(jià)時(shí)同時(shí)提供上調(diào)、下調(diào)和旋轉(zhuǎn)備用服務(wù)，調(diào)節(jié)市場(chǎng)中的備用容量電價(jià)如圖4所示。

圖4 備用容量電價(jià)Fig.4 Reserve capacity price

假定虛擬電廠中單位電池容量的購(gòu)買(mǎi)成本為400 美元/(kW·h)；電池最大充放電功率為3 kW；電池平均充、放電效率均為0.95；電動(dòng)汽車(chē)充電電價(jià)為0.14 美元/(kW·h)。輸配電價(jià)費(fèi)用為0.07 美元/(kW·h)；虛擬電廠通過(guò)雙邊合同購(gòu)電的發(fā)電側(cè)電價(jià)為0.06 美元/(kW·h)，假定在優(yōu)化時(shí)段(24 h)內(nèi)合同電量為288 MW·h；設(shè)定Δt為1，即每天共24個(gè)時(shí)段；新能源機(jī)組實(shí)際出力高于競(jìng)標(biāo)出力和低于競(jìng)標(biāo)出力時(shí)的懲罰系數(shù)分別為0.95和1.05。

4.2 求解分析

按照設(shè)想，虛擬電廠通過(guò)調(diào)度電動(dòng)汽車(chē)充放電來(lái)彌補(bǔ)新能源出力實(shí)際值與競(jìng)標(biāo)值的偏差，避免相應(yīng)的違約懲罰，最終提高電力市場(chǎng)環(huán)境中虛擬電廠的總收益。

通過(guò)求解算例，可以分別得到五組場(chǎng)景下虛擬電廠最終收益的優(yōu)化結(jié)果，如圖5所示。

圖5 不同波動(dòng)下多場(chǎng)景競(jìng)標(biāo)收益對(duì)比Fig.5 Comparison of multi-scene bid revenue under different fluctuation

五組場(chǎng)景下虛擬電廠在電力市場(chǎng)中的實(shí)際出力如圖6所示。

圖6 不同波動(dòng)下多場(chǎng)景實(shí)際出力對(duì)比Fig.6 Comparison of actual output of multi-scene under different fluctuation

由圖5、圖6可以看出，VPP競(jìng)標(biāo)期望值相同時(shí)，隨著五組場(chǎng)景新能源出力區(qū)間波動(dòng)程度的增加，VPP中風(fēng)-光-荷-儲(chǔ)聯(lián)合體帶來(lái)的總收益逐漸增加，而最終優(yōu)化結(jié)果中新能源的實(shí)際出力卻逐漸減小。針對(duì)五組場(chǎng)景對(duì)比，分析這種情況出現(xiàn)的原因，可得結(jié)論如下：

(1) 隨著新能源組出力波動(dòng)區(qū)間的加大，VPP競(jìng)價(jià)結(jié)果違反競(jìng)標(biāo)的風(fēng)險(xiǎn)也變大，VPP起到的調(diào)度作用相應(yīng)加大，收入也隨之增加。

(2) VPP通過(guò)調(diào)度電動(dòng)汽車(chē)調(diào)節(jié)新能源出力波動(dòng)，電動(dòng)汽車(chē)為平抑新能源機(jī)組出力波動(dòng)所提供的備用出力也隨波動(dòng)加大而加大。

(3) 電動(dòng)汽車(chē)通過(guò)VPP調(diào)度，為新能源機(jī)組提供備用的同時(shí)，還參與到調(diào)節(jié)市場(chǎng)競(jìng)價(jià)中，為系統(tǒng)提供備用儲(chǔ)能而獲得收益。

5 結(jié)語(yǔ)

本文就VPP環(huán)境下，結(jié)合新能源機(jī)組與電動(dòng)汽車(chē)協(xié)同參與電力市場(chǎng)競(jìng)價(jià)的問(wèn)題做了探索性的研究工作。文中主要構(gòu)建了風(fēng)-光-荷-儲(chǔ)的協(xié)同競(jìng)價(jià)優(yōu)化模型，并結(jié)合相關(guān)算例進(jìn)行了多場(chǎng)景的模擬。算例結(jié)果表明，通過(guò)構(gòu)建優(yōu)化模型，研究風(fēng)-光-荷-儲(chǔ)聯(lián)合優(yōu)化的運(yùn)行策略，能夠有效提高VPP的盈利能力，一定程度上平抑新能源自身出力的波動(dòng)性，提高市場(chǎng)競(jìng)爭(zhēng)力。最后，希望本文所做的工作能在一定程度上為新能源消納與VPP發(fā)展提供有益的參考。

[1] [中發(fā)(2015)9號(hào)]中共中央國(guó)務(wù)院．關(guān)于進(jìn)一步深化電力體制改革的若干意見(jiàn)[Z]．2015．

[China Development (2015) No. 9] The CPC Central Committee and State Council. Several opinions on further deepening the electric power system reform[Z]. 2015.

[2] 國(guó)家發(fā)展和改革委員會(huì)能源研究所． 中國(guó)2050高比例可再生能源發(fā)展情景暨路徑研究[R]． 2015．

Energy Research Institute National Development and Reform Commission. China 2050 high renewable energy penetration scenario and roadmap study[R]． 2015．

[3] 張 寧，周天睿，段長(zhǎng)剛，等． 大規(guī)模風(fēng)電場(chǎng)接入對(duì)電力系統(tǒng)調(diào)峰的影響[J]．電網(wǎng)技術(shù)，2010，34(1)：152-158．

ZHANG Ning， ZHOU Tianrui， DUAN Changgang，et al． Impact of large-scale wind farm connecting with power grid on peak load regulation demand[J]． Power System Technology，2010，34(1)：152-158．

[4] 高明杰，惠 東，高宗和，等． 國(guó)家風(fēng)光儲(chǔ)輸示范工程介紹及其典型運(yùn)行模式分析[J]． 電力系統(tǒng)自動(dòng)化，2013，37(1)：59-64．

GAO Mingjie，HUI Dong，GAO Zonghe，et al． Presentation of national wind photovoltaic energy storage and transmission demonstration project and analysis of typical operation modes[J]．Automation of Electric Power System，2013，37(1)：59-64．

[5] 金 楚，黎嘉明，徐沈智，等． 大規(guī)模光伏發(fā)電并網(wǎng)概率潮流計(jì)算及對(duì)電網(wǎng)的影響[J]． 電力工程技術(shù)，2017 , 36(1) :1-8．

JIN Chu，LI Jiaming，XU Shenzhi，et al． Probabilistic load flow calculation and influence analysis for power grid connected with large scale photovoltaic generation system[J]．Electric Power Engineering Technology，2017 , 36(1) :1-8．

[6] 衛(wèi) 鵬，劉建坤，周 前，等． 基于半不變量和Gyam-Charlier級(jí)數(shù)展開(kāi)法的隨機(jī)潮流算法[J]． 電力工程技術(shù)，2017，36(1) :34-38．

WEI Peng，LIU Jiankun，ZHOU Qian，et al．A probabilistic power flow algorithm based on semi-variable and Gram-Charlier series expansion[J]．Electric Power Engineering Technology，2017，36(1) :34-38．

[7] 劉吉臻，李明揚(yáng)，房 方，等． 虛擬發(fā)電廠研究綜述[J]． 中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(29)：5103-5111.

LIU Jizhen，LI Mingyang，F(xiàn)ANG Fang，et al． Review on virtual power plants[J]． Proceedings of the CSEE，2014，34(29)：5103-5111.

[8] 季 陽(yáng)． 基于多代理系統(tǒng)的虛擬發(fā)電廠技術(shù)及其在智能電網(wǎng)中的應(yīng)用研究[D]. 上海：上海交通大學(xué)，2011．

JI Yang． Multi agent system based control of virtual power plant and its application in smart grid[D]． Shanghai：Shanghai Jiao Tong University，2011．

[9] 衛(wèi)志農(nóng)，余 爽，孫國(guó)強(qiáng)，等． 虛擬電廠的概念與發(fā)展[J] ． 電力系統(tǒng)自動(dòng)化，2013，37(13)：1-9．

WEI Zhinong，YU Shuang，SUN Guoqiang，et al. Concept and development of virtual power plan[J]. Power System Technology，2013，37(13):1-9.

[10] BELHOMME R,TRANCHITA C,VU A,et al．Overview and goals of the clusters of smart grid demonstration projects in France[C]2011 IEEE Power & Energy Society General Meeting, Detroit,USA:2011: 1-8．

[11] HOUWING M, PAPAEFTHYMIOU G, HEIJNEN P, et al．Balancing wind power with virtual power plants of micro-CHPs[C]2009 IEEE Bucharest Power Tech Conference, Bucharest, Romania:2009:1-7．

[12] SMITH C. Key issues for development of China′s power market considering large-scale renewables integration[J]. Electric Power，2012，45(12)：1-3.

[13] 邵成成，王錫凡，王秀麗，等. 考慮風(fēng)電的電力聯(lián)營(yíng)市場(chǎng)日前出清模型[J]. 電力系統(tǒng)動(dòng)化，2014，38(13)：45-50.

SHAO Chengcheng，WANG Xifan，WANG Xiuli，et al． An electricity market clearing model for day-ahead pool market considering wind power [J]. Automation of Electric Power System，2014，38(13)：45-50.

[14] 李 丹，劉俊勇，劉友波，等. 考慮風(fēng)儲(chǔ)參與的電力市場(chǎng)聯(lián)動(dòng)博弈分析[J]. 電網(wǎng)技術(shù)，2015，39(4)：1001-1007.

LI Dan，LIU Junyong，LIU Youbo，et al． Analysis on electricity market linkage game considering participation of wind power and energy storage[J]. Power System Technology，2015，39(4)：1001-1007.

[15] MIADREZA S K. A stochastic multi-layer agent-based model to study electricity market participants behavior[J]. IEEE Transactions on Power Systems，2015，30(2)：867-881.

[16] 王建學(xué)，張成剛，王秀麗，等. 電力市場(chǎng)混合競(jìng)價(jià)模式及其出清算法[J]. 電力系統(tǒng)自動(dòng)化，2011，35(7)：28-33.

WANG Jianxue，ZHANG Chenggang，WANG Xiuli, et al．A mixed bidding mode and its clearing algorithm for electricity market applications[J]. Automation of Electric Power System，2011，35(7)：28-33.

[17] MORALES J M，CONEJO A J，KAI L，et al. Pricing electricity in pools with wind producers[J]. IEEE Transactions on Power Systems，2012，27(3)：1366-1376.

[18] PANAYIOTIS M. Decision trees-aided active power reduction of a virtual power plant for power system over-frequency mitigation [J]. IEEE Transactions on Industrial Informatics，2015，11(1)：251-261.

[19] 魏向向，楊德昌，葉 斌，等. 能源互聯(lián)網(wǎng)中虛擬電廠的運(yùn)行模式及啟示[J]. 電力建設(shè)，2016，37(4)：1-9.

WEI Xiangxiang，YANG Dechang，YE Bin. Operation mode of virtual power plant in energy internet and its enlightenment[J]. Electric Power Construction，2016，37(4)：1-9.

[20] 陳 璨，吳文傳，張伯明，等． 基于多場(chǎng)景技術(shù)的有源配電網(wǎng)可靠性評(píng)估[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(34)：67-73．

CHEN Can，WU Wenchuan，ZHANG Boming，et al. An active distribution system reliability evaluation method based on multiple scenarios technique[J]. Proceedings of the CSEE，2012，32(34)：67-73．

[21] 楊甲甲，趙俊華，文福拴，等． 含電動(dòng)汽車(chē)和風(fēng)電機(jī)組的虛擬發(fā)電廠競(jìng)價(jià)策略[J]． 電力系統(tǒng)自動(dòng)化，2014，38(13) :92-102．

YANG Jiajia，ZHAO Junhua，WEN Fushuan，et al． Development of bidding strategies for virtual power plants considering uncertain outputs from plug-in electric vehicles and wind generators[J]．Automation of Electric Power System，2014，38(13) :92-102．

[22] RICHARD E. GAMS-a user’s guide[M]．Washington，DC，USA：GAMS Development Corporation，2014．

劉佳楠

劉佳楠(1995—)，女，內(nèi)蒙古赤峰人，碩士研究生，從事區(qū)域能源系統(tǒng)最優(yōu)容量配置和經(jīng)濟(jì)優(yōu)化調(diào)度研究(E-mail: 595224526@qq.com)；

李 鵬 (1981—)，男，天津人，副教授，碩導(dǎo)，從事電力系統(tǒng)仿真和智能配電網(wǎng)研究(E-mail:lip@tju.edu.cn)；

楊德昌(1983—)，男，山東淄博人，副教授，碩導(dǎo)，從事主動(dòng)配電網(wǎng)無(wú)功優(yōu)化和狀態(tài)估計(jì)(E-mail:yangdechang@cau.edu.cn)。

(編輯陳 娜)

BiddingStrategyAnalysisofVirtualPowerPlantBasedonJointOperationofWind-solar-load-storageSystem

LIU Jianan1, LI Peng1, YANG Dechang2

(1. School of Electrical Engineering and Automation, Tianjin University, Tianjin 300072, China;2. College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China)

According to the bidding mechanism in electricity market and operating principles, a profit-maximization optimized decision model is constructed under the environment of electric power market with the joint wind, solar units, loads and energy storage systems. Various technical constraints of new energy units and storages are fully considered in this model, the participation of new energy and electric vehicle in the market bidding through power generation strategy and the output arrangement of the coordinated operation of the virtual power plant are realized. Numerical examples are implemented to validate the correctness and validity of the optimal decision-making model of joint wind, solar units, loads and energy storage systems. The influences of the renewable energies output fluctuations on the joint system bidding strategies are compared under multi-operating scenarios.

virtual power plant; new energy; output fluctuation; joint optimization

TM74

A

2096-3203(2017)06-0032-06

2017-06-30；

2017-07-25

國(guó)家自然科學(xué)青年基金資助項(xiàng)目(51407186)