考慮可控負荷參與的虛擬電廠協調優化調度模型

劉 然，張曉宇，林酉闊

(1.國網天津市電力公司檢修公司，天津 300000；2.國網河北省電力有限公司物資分公司，石家莊050000)

0 引 言

圍繞能源危機和環境污染問題，以太陽能、風能等清潔能源替代化石能源進行發電，完成以電代煤、以電代油的能源模式轉變，是盡快擺脫化石能源依賴的唯一出路[1]。未來幾十年，高污染的傳統火力發電機組的裝機容量會逐漸減小，清潔可再生能源發電容量的比例將大幅提升[2]。以風、光為代表的新能源出力波動性一直以來都是各學者研究的熱點，如何解決未來大范圍可再生能源接入電網后的有效消納，逐漸成為重點研究方向。

微網是目前解決局部地區內數量龐大、形式多樣的分布式電源并網問題的常用方法[3]。但構建微網對地理條件和能源結構要求嚴格[4-5]，且其在大電網故障后會主動解開公共耦合點“逃離”。近年來，一種有效整合新能源并網發電的技術手段——虛擬電廠(Virtual Power Plant，VPP)被廣泛討論。無須改變電網結構，VPP更適用于地理聚集程度較低的可再生分布式能源的調度和管理，VPP將規模化的、地理位置分散的分布式電源和傳統電源通過通信設施集成一個實體，可充分發揮各個供電單元的靈活性，有效平抑新能源功率波動性，實現新能源的有效消納[6-7]。

需求響應資源伴隨著智能電網的發展而得到廣泛應用[8]。文獻[9]針對新能源接入電網后給系統帶來的穩定性問題，研究了長時間尺度下含風電的用戶側分時電價定價方法，用基于價格的需求響應方式來加強對風電的消納。文獻[10]提出了一種替代作用的分散式主動需求響應系統，通過對所選擇的負載組進行作用，可以最大限度地降低峰值負載，同時使終端用戶使用能量的舒適度最小化。負荷側需求管理是改善用戶用電行為、優化系統能源管理重要的一環[11]，將其和VPP結合起來，對大范圍內有效消納可再生能源具有重大意義。文獻[12]依據不同需求響應機理，建立了基于激勵的和基于價格的需求響應VPP模型，并對其參與機組組合優化調度問題進行了研究。文獻[13]考慮機組運行約束和需求響應約束，以最大化VPP收益為目標建立了VPP內部需求響應的VPP優化調度模型，得出了需求響應能提高VPP對主網售電量、促進整體收益的結論。文獻[14]的恒溫可控電器設備主動參與到VPP能量管理中去，以減少負荷高峰切負荷總量為目的，極大發揮恒溫可控負荷在保證用戶供電可靠性方面的作用。文獻[15]將可中斷負荷作為系統備用，建立了以調度費用期望值最小為目標函數的優化調度模型。而文中的需求響應是某些電力用戶智能用電的表現，即以該電力用戶和VPP運營管理者日前協定的具有彈性特性的可控負荷作輔助備用，通過遠程控制終端接受VPP能量管理中心的直接控制。

首先，提出基于負荷分級理論的可控負荷概念，然后將其作為新型需求響應成分引入VPP，構建可控負荷參與的多源結構VPP；其次，以上網聯絡線功率穩定為目標，兼顧風、光實時消納，建立考慮可控負荷參與的VPP協調優化調度模型；最后，對IEEE14算例進行仿真，驗證所提模型的有效性。

1 可控負荷模型

1.1 負荷分級與可控負荷

電力負荷依重要程度不同可分為三級：一級和二級負荷要求可靠的電力供應，從系統能量管理角度視為不可控負荷；三級負荷在系統高峰期可進行分段切除，為電網的實時功率平衡做彈性貢獻。將三級負荷中可以隨時下調或切除而不會對用戶造成明顯影響的負荷成分定義為可控負荷，比如功率可調的取暖、制冷、充電樁等彈性較大的負荷。

電力負荷隨國民經濟發展而不斷豐富，隨產業結構的調整和居民用電水平的提高，整體用電結構和需求發生較大變化，可控負荷的比例在逐漸增加。不論是工業負荷、農業負荷、商用負荷，還是民用及其他負荷，內部均可細分為可控負荷和不可控負荷。這里需要與可中斷負荷的概念進行區分，后者僅適用于大型工業用戶或商業用戶，其以所簽訂合同為約束去調動用戶積極主動參與[16]，而前者是基于負荷分級，在與某些或全部三級負荷間協定后，直接受能量管理中心調度控制的彈性負荷成分。

1.2 可控負荷儲備率與可控負荷參與度

定義可控負荷儲備率為

全天可控負荷儲備率理論上為一時變函數，可依據歷史數據擬合得到。依據負荷變化規律及生活習慣，將時變函數近似線性簡化為分段函數，原因有如下兩點：考慮到人們的日常生活習慣，負荷低谷期用電多為剛性需求，負荷彈性小，可控負荷比例較小；在負荷高峰時段，可控負荷密集，集中效應下的彈性更為突出。

因此，可將日負荷曲線劃分為4個時間段[17]，來建立以日為單位、小時為尺度的全天可控負荷儲備率分段函數，其表達式為

式中：ΔTlow為低谷時段：(0∶00-7∶00)；ΔTmorhigh為早高峰時段：(8∶00-12∶00)；ΔTnighigh為晚高峰時段：(19∶00-21∶00)；ΔTflat為平緩時段：(7∶00-8∶00、12∶00-19∶00、21∶00-23∶59)。

考慮到負荷彈性與系統運行安全問題，實際可控負荷參與度較好的區間設定為[0.6，0.8]，其值過低會導致儲備浪費、過高會造成備用不足。

2 可控負荷參與的虛擬電廠建模

將可控負荷響應成分作為VPP多能體系的一部分，定義VPP為以先進能量管理系統和可靠通信控制設備為基礎，將地理位置分散的分布式能源、傳統發電單元及可參與負荷調節的彈性電力用戶集成在一起的類電廠空間實體。如圖1所示，VPP實例包含風力發電、光伏發電、傳統發電機組和用戶側可控負荷響應成分。

圖1 可控負荷參與的VPP實體

模型以信息流和能量流為核心。信息流經通信控制中心，實現VPP各個單元和能量管理中心間的雙向交互。首先，通信控制系統采集各單元本時段運行狀態信息，并傳送至能量管理中心；然后，能量管理中心經過優化決策，再由通信控制系統將下一時段的計劃下達給各發電單元；最后，由控制系統完成協議控制。能量流是信息流決策結果的具體表現，用以協調VPP內各單元間的功率分配。

由于VPP只可運行于并網狀態，所以大電網強制要求VPP上網聯絡線為穩定可靠的功率值，否則系統可能會因多個VPP出力帶來的多源擾動問題而崩潰。完善VPP內多能源結構間的協調優化配合，是解決這一問題的有效手段。

3 虛擬電廠協調調度優化模型

基于所構建的VPP，以日為單位、小時為尺度，以VPP時序上網聯絡線功率穩定性最大為目標，把VPP對內和對外聯絡線的電力供需平衡、機組出力范圍和爬坡速率限制、可控負荷參與度及VPP整體上網功率波動范圍要求作為約束，建立考慮可控負荷參與的VPP協調調度優化模型。

目標函數為

考慮各約束分別如下：

①功率平衡約束

②傳統電廠出力范圍約束

需要說明的是，該研究側重VPP內各出力單元間的協調優化調度，此處不考慮傳統電廠內部機組組合問題，只簡化考慮其整體出力水平。

③傳統電廠相鄰時間段整體爬坡速率約束

式中：ΔPup和ΔPdown分別為傳統電廠的爬坡上限和爬坡下限。

④可控負荷參與度約束

0.6≤ξt≤0.8

⑤VPP整體上網功率波動范圍約束

4 算例分析

4.1 數據說明

如圖2所示，改進IEEE14標準系統包含1臺發電機(G)、3臺無功補償設備(C)，14條母線(帶載母線11條)；另在配網接入2個額定容量為49.5 MW的風電場(W)和3個額定容量為10 MW的光伏電站(PV)。引入能量管理系統和通信控制設備，并考慮帶載母線中可控負荷成分，構成多能源結構的VPP實體。

圖2 改進IEEE14系統

VPP內各單元參數設置如下：

①火電廠的技術參數

Pg,min=50 MW、Pg,max=350 MW

ΔPup=40 MW/h、ΔPdown=30 MW/h

②可控負荷參數

考慮不同可控負荷參與下的VPP模型，設置4個VPP場景：場景1無可控負荷參與；場景2考慮可控負荷儲備率統一為20%；場景3采用所建立的可控負荷儲備率分段函數，考慮了更符合實際用電情況的可控負荷比例；場景4比場景3整體的可控負荷比例增大1.5倍。具體參數如表1所示。

表1 4個場景的參數設置Table 1 Parameter settings for 4 scenarios

③VPP上網功率波動范圍

Ps,min=50 MW、Ps,max=70 MW

場景1作為對照組，由于無可控負荷參與，其上網功率波動范圍設定為[5，35]。

④負荷及新能源發電預測結果

選定非極端天氣下的某正常工作日，對次日轄區負荷以及風電場和光伏電站出力進行預測，將新能源出力在VPP能量管理中心進行合成，所得負荷及風光預測曲線如圖3所示。由圖可知，風光合計出力在2∶00-5∶00出現小波動、7∶00-11∶00出現爬坡陡升、18∶00-23∶00與負荷預測結果對比呈現明顯反調峰特性型。

圖3 負荷及風光預測曲線

4.2 仿真結果及分析

該考慮可控負荷參與的VPP協調調度優化模型為典型的二次規劃模型，用LINGO軟件進行編程，帶入4個算例場景分別進行求解，得到VPP協調優化結果，如表2和圖4～8所示。

圖4 時序可控負荷參與度

表2 4個場景的優化結果Table 2 Optimization results for 4 scenarios

由表2可知，考慮可控負荷參與后，VPP整體上送功率明顯增加，且可控負荷儲備率越高，VPP整體上送功率越大。相比于場景3，場景4的上送功率提高程度不明顯，這是因為場景3的可控負荷儲備率已經足夠應對其內部新能源的波動性。同理，場景4比場景3可控負荷參與度均值小，也說明其可控負荷儲備率偏高，造成備用浪費。

由圖4可知，場景2可控負荷參與度波動較大，低谷時段參與度低、高峰時段參與度偏高，分別造成了備用浪費和備用不足問題；而場景3和場景4大部分時刻的可控負荷參與度均落在0.6～0.8之間。從可控負荷整體分布進行分析，場景3可控負荷參與度接近0.8，場景4則更接近0.6；說明場景3的可控負荷儲備率調節能力得到了較好地發揮，而場景4則參與程度偏低，但場景4可控負荷儲備率有容納更大容量的波動性新能源的潛力。

由圖5可知，場景1無可控負荷成分，其VPP上送功率在9∶00-10∶00及18∶00-19∶00發生了小范圍波動，在21∶00-23∶00發生了較大波動。

由圖6可知，場景2中VPP整體上網功率值穩定為51.52 MW。這是由于可控負荷在新能源整體波動范圍較大的8∶00-12∶00和18∶00-22∶00時間段積極參與了輔助調峰，且傳統機組的工作環境相比場景1得到了明顯改善，爬坡曲線相對平緩，在8∶00-11∶00和18∶00-21∶00時間段尤為突出。

圖6 場景2優化結果

如圖6和圖7所示，將場景3和場景2的優化結果進行對比。對曲線局部變化情況進行分析，在負荷低谷時期1∶00-6∶00，雖然場景2的可控負荷儲備率高于場景3，但場景3的可控負荷削減量明顯高于場景2，即可控負荷參與度更高，且場景3傳統機組出力可穩定在200 MW以上；由于場景3比場景2在負荷低谷期出力水平高，在早高峰7∶00-11∶00階段場景3的傳統電機組出力爬坡要更緩和；從16∶00過渡到21∶00，場景3比場景2的傳統機組爬坡更平緩。對曲線總體變化水平進行分析，場景3的傳統機組整體出力范圍以及波動情況明顯好于場景2。以上分析說明，場景3中VPP模型設置的可控負荷分段函數參數比場景2中可控負荷取為一恒定值在協調優化調度模型中有更好的適應性，能更好地輔助調峰，減輕傳統機組的調峰壓力。

圖7 場景3優化結果

如圖7和圖8所示，對比場景3和場景4的優化結果曲線。在可控負荷儲備率增加1.5倍后，傳統機組的曲線整體出力變化范圍有所減小，但其波動程度和VPP整體上送功率并未得到明顯改善。由此可知，場景4可控負荷儲備率偏高，輔助調節能力未能全部發揮。

圖8 場景4優化結果

可控負荷儲備率應按照VPP內部新能源裝機容量和波動情況來合理確立，過高的可控負荷儲備會造成輔助浪費，額外增加VPP管理者的運營成本。

5 結 語

基于負荷分級理論，深度挖掘三級負荷潛力，以可控負荷儲備作為改善負荷曲線的方法，增加了需求側彈性。通過將該可控負荷引入VPP，建立了考慮可控負荷參與的VPP協調優化調度模型，以實時消納新能源發電和保證上網功率穩定為目的，兼顧VPP內各單元的技術約束，使VPP整體達到了有效平抑新能源波動和減輕傳統機組運行壓力的效果。將考慮可控負荷參與的VPP協調調度優化模型的4個場景用LINGO軟件進行仿真求解，仿真結果表明：

1)依托VPP技術，可在大地理范圍內實現新能源的有效并網消納。

2)考慮可控負荷參與后，VPP系統的整體上網功率水平提高，且所建立的可控負荷儲備率函數比簡單考慮可控負荷儲備率為一恒定值在模型中有更好的適應性，可使可控負荷以更高的參與度參與到協調調度中，更大程度減小傳統機組出力的峰谷差，改善爬坡環境，并進一步提高VPP整體上網功率。

3)盲目增加可控負荷儲備率可造成過度備用，導致資源浪費。可控負荷合理儲備率由VPP發展規模和新能源波動程度共同決定。