計及阻塞管理的虛擬電廠與配電網協同運行策略

蘭 威 陳飛雄

計及阻塞管理的虛擬電廠與配電網協同運行策略

蘭 威 陳飛雄

（福州大學電氣工程與自動化學院，福州 350108）

新型配電網系統中，作為管理分布式資源的一種有效手段，虛擬電廠示范點開始集中涌現。多個虛擬電廠接入配電網后，若缺乏對內部資源協調及配電網的引導機制，將導致虛擬電廠收益低下與配電網潮流越限的問題。對此，本文構建虛擬電廠內產消者互助的點對點電能共享機制，并以電價引導方式建立虛擬電廠與配電網的協同運行模型。首先，虛擬電廠內采用分布式方法協調各類型產消者的電能管理，并求得對外與配電網的交互策略；同時，配電網基于拉格朗日乘子得到阻塞價格引導各虛擬電廠調整交互策略，實現在多虛擬電廠接入場景下的安全運行。最后，經算例驗證表明，本文方法能兼顧配電網運行的安全性與虛擬電廠的經濟性。

配電網；分布式資源；點對點電能共享；虛擬電廠；阻塞管理

0 引言

在“碳中和”的愿景下，我國能源結構逐步轉型，分布式資源（distributed energy resources, DERs）在配用電側大規模部署，致力于構建以新能源為主體的新型電力系統[1]。小規模DERs的高滲透率及其多元化特征增加了用戶的靈活性[2]，有助于減少以煤炭燃料為主的傳統發電量，進而有效抑制溫室氣體的排放，但也引發了可控性降低、不確定性增大等問題。對此，為解決配電網難以調度小規模DERs的難題[3]，虛擬電廠（virtual power plant, VPP）的概念被提出，其基于不同分布式資源的時空互補特性，整合源荷儲資源進行優化調度[4-5]。

目前，針對虛擬電廠的研究主要圍繞虛擬電廠內優化管理及虛擬電廠參與電網的市場與調控展開。虛擬電廠優化管理方面，主要以高效聚合DERs為目標設計運營管理機制[6]。不少學者基于虛擬電廠管控的資源特征，將虛擬電廠分為電源型和需求響應型[7-8]。然而，管控資源類型單一化存在調度局限性問題，使區域內可再生能源（renewable energy sources, RES）缺乏多樣化消納途徑，且無法以源荷雙重身份協同配電網運行。隨著分布式資源類型的增多，應積極提高虛擬電廠聚合資源的多樣性，以此促進區域內電能的自給自足。

此外，在協調分布式資源的運行方式中，得益于共享經濟的蓬勃發展，點對點能源共享與交易模式在電力系統優化調度領域開始逐步應用[9]。有學者將點對點共享方式用于挖掘蓄電池在能源社區中的靈活性[10]。文獻[11]以隨機博弈成本最小化為目標，提出一種基于電能共享的微電網模型。此外，在智能樓宇的電能優化管理中，點對點電能共享方式有助于提升樓宇群的集體收益[12]。但是文獻[10-11]采用集中管理策略，未充分考慮產消者對隱私安全的擔憂?；谏鲜霰尘?，本文研究的虛擬電廠包含多數量、多類型的DERs，對外能呈現較大范圍的出力特性，同時通過內部各類產消者的互通互濟，提升區域內可再生能源的消納能力，因而將其定義為綜合型虛擬電廠。

針對虛擬電廠參與電網市場與調控方面，許多學者將管理VPP運行的代理商與電網運營商視為兩類主體。VPP與配電網系統交互時，不但要對自身管理的DERs進行優化，還需要兼顧配電網安全運行約束，從而實現雙方相輔相成的協同優化[13-14]。文獻[15]在多時間尺度層面研究主動配電網對多個用戶的協調調度方式。但是上述文獻更多考慮配電網的直接控制方式，即配電網下發調度指令，用戶作為接收方被動執行，這種控制交互方式通常是單向的，不利于用戶響應的積極性。隨著購售電側市場的改革，配電網逐步轉向多資源主體并存的運行方式，因此能源交互機制被提出，核心方法是以價值為導向[16]，通過經濟手段引導并調整配電網中各主體的運營策略。文獻[17]表明在時域層面，通過電價能反映不同時刻系統供需情況；文獻[18]考慮電能交互成本、損耗成本及阻塞成本，從空間層面出發，得到電網中不同區域的電價，反映各區域對系統資源的利用情況；文獻[19]指出采用直流潮流研究節點邊際電價具有足夠的精度。但是上述文獻大多針對配電網中的小型主體，對具有更大調控性能的多個虛擬電廠接入的場景研究較少。為此，在不同調度時段內，本文基于直流潮流計算各時刻的阻塞價格，引導各虛擬電廠自主調整與配電網的交互計劃，從而緩解載荷過重線路的壓力。

綜上所述，研究新型配電系統中VPP的能量管理方案與多VPP參與配電網的運行策略尤顯迫切[20]。對此，本文面向含有大規模DERs的綜合型虛擬電廠，研究內部DERs的電能管理方式及與配電網協同運行策略。首先，考慮綜合型虛擬電廠中產消者的差異化特征，建立三類典型產消者資源模型，基于一致性交替方向乘子法（consensus alternating direction method of multipliers, C-ADMM）在產消者間實行分布式點對點電能共享模式，以盈缺電能互助促進虛擬電廠內電能的自給自足；同時，考慮多虛擬電廠接入配電網可能引發的潮流越限問題，基于阻塞價格更新分時電價，進而引導虛擬電廠調整最優出力策略，協助配電網安全運行，為當前多虛擬電廠與配電網的協同優化調度提供解決方案。

1 綜合型VPP分布式管理模型

虛擬電廠的管理以與電網系統的友好互動為前提。對于單個綜合型VPP，基于電力網絡和通信網絡的相互連接，其管轄了多種類型的產消者，通過積極協調分布式資源不僅能滿足內部電能平衡，還能對外參與和電網的功率交互。綜合型VPP可以視為各類型產消者結盟所形成的組織，為進一步促進聯盟內部成員的互惠互利，采用點對點電能共享的運營模式?；邳c對點電能共享方式，具有電能盈虧的產消者間可以率先以電能無償共享進行互助，減少向聯盟外部的電網購買電能，從而實現綜合型VPP全聯盟的福利最大化。綜合型VPP內的能量管理系統運行模式如圖1所示。

在分布式電能優化過程中，綜合型VPP代理商是產消者間，以及產消者和外部配電網交互信息的中介平臺，結合配電網價格信息及各產消者提交的期望對外共享電能信息，協調優化產消者間的共享電能及和配電網的購售電能，接著將協調結果發布給各產消者進行下一輪的優化，通過產消者期望電能和代理商協調電能的迭代更新，最終實現產消者間電能管理的平衡。

圖1 綜合型虛擬電廠內能量管理系統

本節首先對產消者資源建模，進而研究綜合型VPP在點對點電能共享模式下的分布式管理模型。

1.1 產消者資源建模

本文提出的綜合型VPP管理模型主要圍繞住宅園區、辦公園區及商業園區三種類型產消者展開研究。各園區產消者所管理的分布式資源可歸納為：住宅園區產消者主要包括光伏（photovoltaic, PV）、風電（wind power, WP）、電動汽車（electric vehicle, EV）及小型家用儲能；辦公園區產消者配置高比例光-儲系統、EV及部分工業發用電設備；商業園區產消者包含儲能系統（engery storage system, ESS）、EV、大量PV、WP及商業用電負荷。由于能量調度管理是根據內部不可控資源的預測信息，制定可控資源的調度計劃，此處將分布式資源模型按照可控制性進行分類。

1）可控分布式資源

（1）燃氣機組

燃氣機組的成本函數通常表示為二次函數，即

式中：分別為成本函數的二次與一次項系

率不能跳變，則有

（2）儲能系統

（3）電動汽車集群

電動汽車并網進行充放電時需要考慮其蓄電池的充放電功率約束、容量約束及結束充電周期后需要滿足EV的電量需求，即

2）不可控分布式資源

因此，時刻，風電和光伏發電的棄風棄光成本為

1.2 綜合型VPP管理模型

綜合型VPP以總運行成本最小為目標，采用點對點電能共享的運行模式。

1）目標函數

2）點對點電能共享模式的能量平衡約束

綜合型VPP中，在點對點共享模式下產消者需要滿足電能平衡約束，即

對于綜合型VPP代理商，其內部采用點對點電能共享運行模式，所有產消者間流入與送出的共享電能之和應相等，即

此外，式（12）表示時段綜合型VPP中所有產消者完成內部優化管理后，通過VPP代理商和電網購售盈缺電量。

3）VPP內電能傳輸容量約束

考慮到線路容量的限制，VPP內產消者所傳輸的功率必須小于線路允許的最大功率，即

當VPP內進行電能優化調度后，根據整體電能盈虧情況，需要進一步通過并網線路和配電網進行電能交互。因此，VPP和配電網傳輸功率大小必須低于并網點所允許的最大功率，即

綜上所述，綜合型VPP中，待優化的決策變量為燃氣機組出力、電動汽車集群充放電量、儲能系統充放電量、風光發電消納量、產消者間共享電能出力，以及和配電網購售的功率。

1.3 基于C-ADMM的綜合型VPP管理方法

上述的綜合型VPP管理模型可采用集中式求解得到最優策略，但要求所有產消者將各自管轄的設備參數上報給VPP代理商。對VPP代理商而言，其整合的分布式資源種類多且數量大，采用集中式管理增加計算負擔，影響決策效率；另一方面，對于產消者用戶，提交設備信息將引發隱私安全的擔憂。對此，基于交替方向乘子法（alternating direction method of multipliers, ADMM）的分布式求解方法已有廣泛應用?？紤]到標準型ADMM采用的是異步更新，不利于在多個主體間進行協同控制，本文在綜合型VPP中采用一種C-ADMM方法[21]。

對于優化問題式（15），引入二次懲罰項構造增廣拉格朗日函數，即

2 虛擬電廠與配電網的協同調度模型

在虛擬電廠接入的配電網系統中，存在著虛擬電廠代理商與配電網運營商多個主體，其調度對象互不相同。對此，本文提出一種多虛擬電廠與配電網的協同運行策略。綜合型虛擬電廠與配電網協同運行架構如圖2所示，綜合型虛擬電廠基于配電網歷史價格信息預測得到初始分時電價，通過電能共享方式協調內部產消者資源得到和配電網最優的購售交互功率計劃；接著，根據各虛擬電廠代理商上報的交互功率，配電網運營商考慮系統的功率平衡及線路容量約束計算供需平衡價格和阻塞價格，并將兩者之和作為更新的分時電價下發給各虛擬電廠代理商，各虛擬電廠繼而響應電價并積極調整相應的交互功率計劃。

圖2 綜合型虛擬電廠與配電網協同運行架構

2.1 配電網的調度模型

配電網的調度目標是在滿足運行約束的前提下，基于各綜合型VPP的最優出力策略，使配電網系統調度成本最小化。由于各綜合型VPP通過不同節點接入配電網系統，為便于分析虛擬電廠交互計劃對配電網潮流分布的影響，引入功率傳輸分布因子，通過式（21）映射電網中支路的直流潮流與各節點注入功率的關系。

為保證配電網的安全運行，各支路潮流應不超過線路容量限制；對此，基于直流潮流構建含多個VPP接入的配電網調度優化模型，即

2.2 綜合型虛擬電廠與配電網的協同優化模型

接著，根據接收的分時購售電價，各綜合型VPP基于目標函數式（28），采用式（18）～式（19）的方法協調內部產消者進行分布式優化，求得與配電網的最新交互功率。

2.3 基于阻塞管理的協同優化模型求解

配電網的阻塞管理，可以通過更新含有阻塞價格的分時電價實現，進而引導多個綜合型VPP和配電網運營商間的友好互動。為兼顧虛擬電廠主體的經濟性和配電網系統的安全性，將協同優化模型分解為兩類主體的優化問題。

基于上述的協同優化策略，配電網運營商與綜合型VPP兩主體通過“交互功率-分時電價”的信息進行協同優化，直到配電網的潮流運行在線路允許范圍內，此時即得到綜合型VPP與配電網的協同優化運行結果?；谧枞芾淼木C合型VPP與配電網協同優化求解流程如圖3所示。

圖3 基于阻塞管理的綜合型VPP與配電網協同優化流程

3 算例分析

3.1 參數設置及策略設置

為了驗證本文調度方法效果，在Matlab 2018b平臺用YALMIP工具箱建模，調用GUROBI9.2求解器求解。模型及參數設置如下。

為了更明顯地觀察點對點電能共享運行模式下，綜合型VPP內不同產消者的優化策略，VPP內配置了住宅園區型、辦公園區型和商業園區型三類典型產消者。圖4為三類產消者的日常固定負荷分布，負荷特性差異明顯。產消者1和2在白天到晚上23:00前均呈現較高的用電需求；產消者3由于存在工業負荷，夜間負荷水平始終較高。圖5為每個產消者都具有以風光發電為代表的RES單元，RES的種類和出力大小具有互補特性。

在可控分布式資源配置方面，每個產消者均包含了以燃氣機組為代表的分布式電源、EV停車場和小型家用及工業儲能。其中燃氣輪機的最大出力為400kW，爬坡功率為100kW；EV集群和儲能系統配置參考文獻[8, 22]。

圖4 VPP內產消者負荷預測值

圖5 VPP內產消者風光出力預測值

3.2 基于電能共享的綜合型VPP調度情況

為研究綜合型VPP在點對點電能共享模式下的經濟性，首先分析內部三類產消者的電能平衡策略。在電能共享運行模式下，圖6～圖8分別展示了綜合型VPP中三類產消者的分布式資源出力、產消者之間及產消者和電網的共享與購售功率情況。上下對稱的出力圖表征每個產消者均可滿足電能供需平衡。首先分析點對點模式下產消者的電能管理方式。在凌晨時段負荷水平較低，電價水平低，風光發電成本可忽略不計，因此產消者主要調用風電和部分燃氣機組出力即可實現電能平衡，同時產消者1和3之間通過共享電能，進一步減少了燃氣機組的出力，使發電成本降低，ESS和EV選擇在此時段充電；在上午9～10時段及晚間19～22時段，商業負荷逐步增加，產消者2的可再生能源出力無法滿足用電需求，此時產消者3風光資源較為充足，在滿足自身平衡基礎上將多余電能送給產消者2，減少了產消者2的發用電成本。

圖6 產消者1功率平衡情況

圖7 產消者2功率平衡情況

圖8 產消者3功率平衡情況

在午間時段購售電價最高，因此各產消者選擇多售電并盡可能減少購電，因此燃氣機組處于最大出力狀態，風光發電通過自消納和共享平衡后，其余均出售給電網；18～22時段為晚間用電高峰時期，光伏發電量為0，由于向電網的購電價格較高，主要優先依靠燃氣輪機和儲能系統供電。

為分析綜合型VPP采用電能共享運行模式的優勢，與獨立運行模式（產消者間不進行電能共享）的優化調度結果進行比對。圖9對兩種運行模式下產消者2的儲能系統荷電狀態情況進行分析，通過觀察發現，儲能系統荷電狀態的差別主要出現在上午的9～10時段及晚間18～22時段。

圖9 不同運行模式下產消者2的儲能系統荷電狀態

在上午9～10時段，產消者2在獨立運行模式下光伏出力有限因此需要儲能放電以滿足平衡，而在電能共享模式下，風光資源豐富的產消者3將盈余的電能補給于產消者2，因此無需儲能出力，能在一定程度上減少儲能頻繁充放帶來的壽命損耗；在晚間18～22時段是用電高峰期，并且產消者2未配置風機，因此儲能系統在獨立運行模式下持續呈現最大放電狀態，并且還需以峰值價格向配電網購電，相比之下，通過點對點電能共享模式，產消者2能夠和風電充足的產消者1與3進行電能互濟，避免了高價購電的成本。

接著，為驗證分布式點對點電能共享模式下VPP的經濟效益，首先對VPP運行的迭代情況進行分析。基于C-ADMM的綜合型VPP運行成本迭代過程如圖10所示，C-ADMM迭代過程的原始與對偶殘差變化情況如圖11所示。從圖10和圖11可得，基于C-ADMM方法，當迭代進行82輪后可滿足式（20）的收斂判據，即得到點對點電能共享模式的最優運行成本。上述過程僅需通過互相傳遞共享電能及與配電網購售電能的信息來完成，減輕了集中式調度下VPP代理商的運算壓力。

圖10 基于C-ADMM的綜合型VPP運行成本迭代過程

圖11 C-ADMM迭代過程的原始與對偶殘差變化情況

表1為綜合型VPP采用分布式點對點電能共享模式的運行成本，并和集中式電能共享及產消者獨立運行模式的成本進行比對，發現在調度周期內，電能共享模式的VPP總運行成本更具經濟性。這是由于在獨立運行模式下，產消者間無法進行電能互助，只能各自通過VPP代理商和電網交互，使全體產消者從電網購入的電能增多，故VPP總運行成本升高。此外，在同樣采用電能共享模式下，分布式和集中式優化調度成本基本相同，偏差僅為0.04%。故在滿足最優成本的前提下，采用分布式優化調度可以有效保護產消者隱私。

表1 綜合型VPP不同運行模式下優化成本對比

3.3 多虛擬電廠與配電網的協同優化結果分析

1）場景設置

考慮到VPP接入配電網所帶來的潮流越限問題，需進一步研究VPP對外與配電網的協同優化策略，算例采用含3個綜合型VPP的IEEE 33節點系統，如圖12所示。

圖12 含3個綜合型VPP的IEEE 33節點系統

為便于分析不同區域VPP對系統的影響，3個綜合型VPP采用相同配置，分別接在11、24、31節點，配電網的線路容量為1 500kW[23]。系統中各時段的節點負荷分布參考文獻[24]，可調度機組分布于18、22、25、33節點，機組參數見表2。

表2 配電網可調度機組參數

此外，當配電網內機組和虛擬電廠出力無法滿足供需平衡時，配電網運營商（DSO）可以向根節點1所連的上級大電網購買缺額電量。協同優化的調度周期為24h，由于研究重點為虛擬電廠與配電網的協同優化方法，故不考慮風光預測的不確定性。

2）協同優化結果分析

對于含有3個VPP的配電網系統，通過配電網優化調度分析得到如圖13所示的各時段下32條支路的潮流分布情況。圖13中點劃線框處表示發生了潮流越限，可以發現未進行協同優化的阻塞管理時，位于11節點的綜合型VPP1和配電網交互會引發支路10的潮流越限問題。對此，以綜合型VPP1為重點研究對象，分析在含阻塞費用分時電價引導下，VPP與配電網的協同優化結果。

圖13 阻塞管理前含多VPP的配電網潮流分布

圖14為施加了阻塞費用前后的電價變化情況，通過觀察可知在午間11～12時段、晚間18時段與23～24時段，VPP1與配電網的購售分時電價均受到阻塞價格的影響，即此時VPP1的購售功率引發了系統中線路潮流越限。對此，配電網施加阻塞價格使VPP1分時售電價格降低，以此引導VPP1減少售電功率；根據更新的電價，VPP1重新調整內部產消者資源的出力，以配合配電網安全運行。

圖14 VPP1與配電網分時電價變化

為進一步分析VPP1與配電網的協同方式，圖15為配電網阻塞管理前后VPP1產消者資源相應的協同優化結果。在VPP1與配電網的購售交互功率中，產消者3所占比例最大，故選取產消者3分析VPP與配電網協同的資源優化調度策略。對比圖15（a）與圖15（b）可知，阻塞管理前在午間11～12時段、晚間18時段與23～24時段，由于風光發電充足且分時電價處于峰值，產消者3為獲利積極向配電網出售電能；同時配電網中節點10負荷較大，VPP1通過支路10傳送的潮流超過了線路容量，影響了配電網的安全運行。對此，配電網施加阻塞費用使VPP1的售電價格有所降低，觀察圖15（b）阻塞管理后產消者3的資源優化調度結果，發現VPP1中產消者3基于最新售電價格相應地削減了對外出售功率，主要通過減少相應時段燃氣機組和儲能的出力完成；同時，產消者3選擇在其他時段如上午9時段、下午19～20時段及22時段進行儲能放電，減少燃氣機組出力的同時還能售出部分電能獲利。綜上，通過含阻塞費用分時電價的引導，VPP1能夠積極協同配合，調整內部產消者資源的最優出力，以緩解配電網的線路阻塞情況。

圖15 配電網阻塞管理前后產消者3的優化調度結果

通過VPP與配電網的協同運行，圖16為支路10在調度周期各時段內進行阻塞管理前后的潮流變化情況，可以看見未進行阻塞管理時支路10在午間11～12時段、晚間18時段與23～24時段均會由于VPP1大量售電而引發線路阻塞；通過虛擬電廠與配電網兩主體間進行“購售功率-分時電價”的信息交互，配電網基于阻塞費用更新分時電價，虛擬電廠配合電價進行購售功率調整，如圖16（b）所示，支路10的潮流越限問題得到了有效緩解，反映了虛擬電廠與配電網協同優化方式的重要性。從經濟效益方面，表3對比了綜合型VPP1在兩種運行模式下與配電網協同優化后的經濟成本，從表3可知，在本文采用的點對點共享模式下，虛擬電廠的運行成本比獨立運行方式更低，有利于虛擬電廠的經濟性運行。

圖16 支路10阻塞管理前后各時段潮流變化

表3 協同優化后綜合型VPP1不同運行模式成本對比

4 結論

本文提出了一種考慮阻塞管理的虛擬電廠與配電網協同優化方法。面向聚合了多類型產消者的綜合型虛擬電廠，內部采用點對點電能共享機制進行分布式管理；對外與配電網基于購售交互功率和分時電價信息進行協同優化，通過算例分析，得到以下結論：

1）通過綜合型虛擬電廠整合具有互補特性的多類型產消者，有利于降低單一小規模產消者的調度局限性；在產消者間采用點對點電能共享運行模式，通過虛擬電廠內電能的互惠互助，有利于可再生能源消納，并能提升虛擬電廠全聯盟經濟效益；同時，利用分布式控制方法，可在不影響經濟性的前提下保護產消者隱私安全。

2）基于含阻塞費用分時電價及購售功率的信息交互，在多時段下以電價引導各虛擬電廠調整出力，有效緩解了配電網中潮流越限的問題，從而實現多虛擬電廠與配電網的友好協同互動。

下一步工作將圍繞計及配電網安全運行的多虛擬電廠點對點交易機制展開研究。

[1] 徐韶峰. 擁抱碳中和, 助力構建電網低碳可持續未來[J]. 電氣技術, 2020, 21(12): 7-8.

[2] 張迪, 苗世洪, 周寧, 等. 分布式發電市場化環境下各交易主體響應行為模型[J]. 電工技術學報, 2020, 35(15): 3327-3340.

[3] 郭慶來, 王博弘, 田年豐, 等. 能源互聯網數據交易:架構與關鍵技術[J]. 電工技術學報, 2020, 35(11): 2285-2295.

[4] 李翔宇, 趙冬梅. 基于模糊-概率策略實時反饋的虛擬電廠多時間尺度優化調度[J]. 電工技術學報, 2021, 36(7): 1446-1455.

[5] 麻秀范, 余思雨, 朱思嘉, 等. 基于多因素改進Shapley的虛擬電廠利潤分配[J]. 電工技術學報, 2020, 35(增刊2): 585-595.

[6] 田立亭, 程林, 郭劍波, 等. 虛擬電廠對分布式能源的管理和互動機制研究綜述[J]. 電網技術, 2020, 44(6): 2097-2108.

[7] 徐慧. 基于風光水儲互補發電系統的火電及碳捕集優化調度研究[D]. 昆明: 昆明理工大學, 2020.

[8] 周亦洲, 孫國強, 黃文進, 等. 計及電動汽車和需求響應的多類電力市場下虛擬電廠競標模型[J]. 電網技術, 2017, 41(6): 1759-1767.

[9] 徐劍利, 趙勇, 連義成. 基于區塊鏈的分布式電能交易系統技術研究[J]. 電氣技術, 2020, 21(10): 7-14.

[10] LUTH A, ZEPTER J M, GRANADO P C D, et al. Local electricity market designs for peer-to-peer trading: the role of battery flexibility[J]. Applied Energy, 2018, 229: 1233-1243.

[11] PAUDEL A, CHAUDHARI K, LONG C, et al. Peer-to-peer energy trading in a prosumer-based community microgrid: a game-theoretic model[J]. IEEE Transactions on Industrial Electronics, 2019, 66(8): 6087-6097.

[12] 胡鵬, 艾欣, 楊昭, 等. 考慮電能共享的綜合能源樓宇群日前協同優化調度[J]. 電力自動化設備, 2019, 39(8): 239-245.

[13] 汪寶, 匡洪海, 鄭麗平, 等. 分布式發電與配電網的協調發展與技術展望[J]. 電氣技術, 2017, 18(3): 5-9.

[14] 李玉齊, 張健. 關于微網的新型配電系統研究概述與思考[J]. 電氣技術, 2020, 21(5): 1-5, 14.

[15] 耿博, 孫英英, 黃媚, 等. 考慮分布式電源與需求側的主動配電網多級協調調度方法[J]. 電氣技術, 2017, 18(7): 21-27.

[16] 吳界辰, 艾欣. 交互能源機制下的電力產消者優化運行[J]. 電力系統自動化, 2020, 44(19): 1-18.

[17] FLATH C M, ILG J P, GOTTWALT S, et al. Improving electric vehicle charging coordination through area pricing[J]. Transportation Science, 2014, 48(4): 619-634.

[18] 劉偉佳, 吳秋偉, 文福拴, 等. 電動汽車和可控負荷參與配電系統阻塞管理的市場機制[J]. 電力系統自動化, 2014, 38(24): 26-33.

[19] LI Fangxing, BO Rui. DCOPF-based LMP simulation: algorithm, comparison with ACOPF, and sensitivity[J]. IEEE Transactions on Power Systems, 2007, 22(4): 1475-1485.

[20] 孫惠, 翟海保, 吳鑫. 源網荷儲多元協調控制系統的研究及應用[J]. 電工技術學報, 2021, 36(15): 3264-3271.

[21] BOYD S, PARIKH N, CHU E, et al. Distributed optimization and statistical learning via the alternating drection method of multipliers[M]. Delft, The Nether- lands: Now Publishers, 2011.

[22] 任文詩, 高紅均, 劉友波, 等. 智能建筑群電能日前優化共享[J]. 電網技術, 2019, 43(7): 2568-2577.

[23] MORSTYN T, McCULLOCH M D. Multiclass energy management for peer-to-peer energy trading driven by prosumer preferences[J]. IEEE Transactions on Power Systems, 2019, 34(5): 4005-4014.

[24] BAI Linquan, WANG Jianhui, WANG Chengshan, et al. Distribution locational marginal pricing (DLMP) for congestion management and voltage support[J]. IEEE Transactions on Power Systems, 2018, 33(4): 4061-4073.

Cooperative operation strategy of distribution network and virtual power plants considering congestion management

LAN Wei CHEN Feixiong

(College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350108)

In the modern distribution system, as an effective method to manage distributed resources, the pilot projects of virtual power plant (VPP) are springing up. Multiple VPPs have accessed to the distribution network. Lacking of effective method to coordinate internal resources and guidance of distribution network may bring problems of low income and power flow off-limit. Therefore, a peer-to-peer electricity sharing mechanism is applied in VPP, and a cooperative operation model between VPP and distribution network is established. Firstly, based on the complementary characteristics of multiple prosumers integrated in VPP, a distributed optimization is adopted to manage the interaction strategy with the distribution network. In the distribution network, to ensure the safety operation with multiple VPPs, the congestion management price is obtained based on the Lagrange multiplier to guide the VPPs to adjust their scheduling strategy. The simulation results show that the proposed method can ensure the safety of distribution network operation and the economy of VPPs operation.

distribution network; distributed energy resources; peer-to-peer electricity sharing; virtual power plant; congestion management

2022-02-16

2022-03-15

蘭 威（1997—），女，碩士研究生，研究方向為虛擬電廠的分布式控制。

福州大學科研啟動基金（510773）

福建省教育廳中青年教師教育科研項目（JAT190039）