“雙碳”目標背景下面向并網型微電網的 虛擬電廠優化調度

趙晉輝，李玉凱，韓佳兵，趙鈞，梁聰

1.南瑞集團有限公司（國網電力科學研究院有限公司），江蘇南京，211106； 2.北京科東電力控制系統有限責任公司，北京，100192

0 引言

為實現“碳達峰、碳中和”目標，建設清潔低碳安全高效的能源節約型社會，習近平總書記在中央財經委員會上提出“實施可再生能源替代行動，構建以新能源為主體的新型電力系統”，分布式電源（distributed resources，DR）以其經濟、環保、安全、靈活等優點在“雙碳”目標布局中得到廣泛應用[1-4]。并網型微電網將DG、儲能單元及負載單元組成一個既能并網參與電力系統統一調配，又能在需要時與外網斷開獨立運作的系統，一定程度上解決了DG容量小、數量大、分布不均導致的單機接入成本高、管理困難的問題。但由于并網型微電網的主要目標是讓DG能夠就地消納以減小電能傳輸損耗，因此受地理區域限制，大規模、多區域DG的有效利用存在一定局限性。在此基礎上，虛擬電廠（virtual power plant，VPP）通過高級測量技術、控制技術、通信技術等手段將多種分布式發電單元、可控負荷以及儲能單元聚合起來[5-6]，以一個特殊電廠的身份參與電網運行協調管理和電力市場互動[7]，實現電源側多能互補和負荷側柔性互動，為真正實現DG的大規模并網提供了切實可行的解決方案。

為充分發揮VPP在DG消納、負荷管理等方面的優勢，需制定合適的優化調度策略以協調VPP內成員、網絡的運行。目前有關VPP優化調度的研究主要是在對各類分布式能源出力預測的基礎上制定其最優調度策略，以達到VPP內運行效益最大化的目的。楊毅等人的研究[8]對并網型微電網的經濟效益、電壓質量和電網調峰服務等方面的能力進行了綜合考慮，在原有的粒子群算法基礎上進行改進，大幅提高了微電網系統的運行水平；楊秋爽等人的研究[9]對風電、光伏和電儲能三類成員的協同運行方式進行了研究，得出了適當棄風棄光并利用電儲能設備進行調節可有效提高微電網經濟效益的結論；JULW等人的研究[10]建立了包含風電、儲能等分布式資源的VPP調度模型，以實現多能資源的互補；Kuzle I等人的研究[11-12]引入一個以VPP利潤最大化為目標的混合整數線性規劃（MILP）模型來解決內部VPP調度問題；范松麗等人的研究[13]則結合隨機模擬和遺傳算法進行求解并探討了VPP協調運行過程中如何綜合考慮系統的經濟效益和運行風險問題。在“雙碳”目標背景下，碳排放配額將成為決定發電主體市場競爭力的核心要素，而VPP中的燃煤/氣發電機組、儲能裝置等成員是碳排放配額的主要受限對象。因此，本文提出“雙碳”目標背景下考慮碳排放成本的VPP優化調度模型，旨在為VPP在“雙碳”目標布局下的推廣和應用提供支撐。

1 “雙碳”背景下的VPP模型

1.1 系統架構

本文研究的VPP主要包括光伏、風電等典型DG以及用戶側儲能和負荷等成員。在實際運行中，由VPP調控中心綜合考慮調度成本和碳排放成本，對各個成員的運行進行協調優化，以實現VPP的經濟、高效運行。整個VPP通過聯絡線接入外電網，能夠和外電網上的其他VPP進行信息與能量交互，還可以與主網進行能量交互（圖1）。

1.2 供能單元模型

（1）光伏發電系統。光伏（photovoltaic，PV）發電系統的出力可根據其標準出力和實際環境條件進行計算[14]，如式（1）所示：

式中，Ppv為系統出力，Pstc為系統標準出力（I=1.0kW/m2，θstc=25℃）；αθ為溫度系數；θt為t時刻光伏面板的溫度；It為t時刻實際太陽輻照強度。由于光伏發電系統本身的特點，通常將其邊際成本視為0。

（2）風力發電系統。采用韋布爾分布對風電機組（wind turbines，WT）的出力進行計算。首先利用風電機組歷史風速數據對尺度參數ξ與形狀參數k進行擬合，設隨機變量為v，如式（2）所示[13]：

式中m為風速。在此基礎上，風電機組的出力可由式（3）表示：

式中：Pwt為風電機組的原始模擬出力；mmin、mrated與mout分別為風電機組切入風速、額定風速與切出風速；R為風電機組的額定出力。由于風力發電機組本身的特點，通常將其邊際成本視為0。

（3）分布式發電系統。分布式發電系統主要包括燃氣輪機發電系統和用于調峰的內燃機發電系統、柴油機發電系統等。其發電主要成本CMT包括燃料和維護等各類成本，如式（4）所示：

式中：PDG(t)為t時刻機組的出力；ρDG、γDG、 DG為分布式發電系統的單位運行成本系數。

（4）電儲能系統。電儲能設備在運行過程中通常有三種工況，即充能工況、釋能工況和停運工況。其中，前兩種工況的數學模型如下：

式中：下標B代表電池儲能設備；δB為儲能過程中的消耗率；ηin和ηout分別是輸入轉化效率和輸出轉化效率；Δt是時間步長；Pin和Pout分別是能源輸入量和能源輸出量。

（5）碳排放模型。在我國“雙碳”背景下，政府既可以通過拍賣出售配額，也可以向相關主體免費發放配額。其中免費分配法主要包括歷史數據法、基準線法和基于產出與排放強度的配額分配法三種。由于基準線法在國內應用較廣，故本文選取其作為碳排放配額分配方法，計算方法如式（7）~（8）所示：

式中：Pt為虛擬電廠在時刻i的總發電量；PDG,i(t)為第i個DG在t時刻的出力；m為DG總數；Pbat,j(t)為第j電儲能系統在t時刻的電功率；n為電儲能系統總數；EQ為虛擬電廠總碳排放配額；ε為單位電量排放配額。

在虛擬電廠中，由于風力發電系統和光伏發電系統的碳排放量約等于0，因此，系統的碳排放主要指的是分布式發電系統和電儲能系統的碳排放情況，虛擬電廠的碳排放量可由式（9）計算得出：

式中：EC為虛擬電廠各個成員24小時碳排放量之和；δDG,i為第i個DG的碳排放強度；δbat,j為第j個電儲能系統的碳排放強度。

據工業碳排放公式，虛擬電廠的碳排放成本可由式（10）計算得出：

式中：CCE為系統碳排放成本；μ為虛擬電廠參與碳交易的單價；d為碳排放量階梯范圍系數；k為碳交易單價階梯增長系數。值得注意的是，當虛擬電廠存在EC＜EQ時，系統可通過出售EQ與EC之差的碳排放配額以獲得盈利。

1.3 約束條件

（1）設備輸出功率約束。

式中，Pi,max和Pi,min分別為VPP供能單元i的有功出力上限和下限。

（2）電儲能系統運行約束。電儲能系統的充能工況和釋能工況相互獨立，且均可在允許范圍內自由調整充/釋能功率，有以下約束：

電儲能系統的充能、釋能工況時長應當合理安排，做到系統能量能在一定周期內消耗完畢再重新充滿，達到系統利用效率的最大化。因此有如下約束：

式中：T是一個充能和釋能工況的完整周期；是電儲能系統在充能工況下的損耗。

（3）爬坡率約束。

式中：Pi,t-1為燃氣輪機、內燃機等分布式發電系統在（t-1，t)時段內的出力，和分別為其最大爬坡上升功率和爬坡下降功率。

（4）電功率平衡。

整個互動過程中，需滿足電能供給量與負荷的平衡約束，如式（15）所示：

其中，Pload(t)、PPV(t)、PWT(t)、PGT(t)、PIC(t)、PST(t)分別為用戶側電負荷功率、光伏發電系統功率、風力發電系統功率、燃氣輪機發電系統功率、內燃機發電系統功率和電儲能系統功率，Pcut(t)為系統在t時段的切負荷量。

（5）聯絡線容量約束。

式中，Pgrid,max為VPP與大電網間聯絡線允許的最大傳輸功率。

（6）系統失荷率約束。

式中：λLPSP表示虛擬電廠的失荷率（loss of power supply probability，LPSP），是評估供電系統供電可靠性的重要參數。為系統運行工況下允許的最大失荷率，Tsch為一個調度周期，而WLPSP則是一個調度周期內的總失荷量，在t時段系統負荷完全滿足時，λLPSP為0，反之則為λLPSP=Pcut(t)Δt。

2 面向并網型微電網的虛擬電廠優化調度策略

2.1 運行方式及策略

考慮碳排放成本的VPP運行流程如圖2所示。

2.2 優化目標

虛擬電廠運行優化的總體目標函數如下：

式中：CVPP、CPV、CWT、CGT、CIC分別表示虛擬電廠系統、光伏發電系統、風力發電系統、燃氣輪機發電系統和內燃機發電系統的運行成本，CCE是系統的碳排放成本。

2.3 求解方法及流程

由于前文獲得的是一個混合整數非線性優化模型，為提升其優化速度，采用周燦煌等人的研究[16]中提出的線性化方法將其轉化為混合整數線性模型。

對VPP的優化調度目標優化方法，首先，定義2個評估指標來分別評估VPP在經濟運行和碳排放方面的效益；其次，采用多目標粒子群算法（multi-objective particle swarm optimization，MOPSO）對該系統進行優化，得到一系列可行的Pareto解；最后，通過對Pareto解集中的多個解進行對比計算評估以得出最優解（圖3）。

3 算例分析

3.1 運行方式及策略

采用風/光/內/燃/儲并網型微網系統進行優化調度，該系統由1個50MW風電場、1個60MW光伏發電場、2臺100MW燃氣輪機、1臺10MW內燃發電機組以及45MW的電儲能系統組成，其中將電儲能系統在充能和釋能工況下的效率均取為95%，初始荷電狀態為0.18，碳排放強度為0.4。天然氣價格為2.28元/m3，系統允許最大失荷率λLPSP=0，不可控分布式發電機組和可控分布式發電機組參數分別見表1和表2。系統輸電線路損耗率為3%，不考慮系統內部損耗。

表1 不可控分布式發電機組參數

案例采用的典型日電負荷、風力發電功率及太陽輻照度預測曲線如圖4所示。

VPP與電網間的購電電價采用分時電價機制，如圖5所示。

本文所使用的算法迭代次數設定為300次，種群規模設定為100。在算例的碳排放模型中，設定μ=50元/t，d=40t，k=25%。本文所建立的虛擬電廠混合整數非線性優化模型在計算中采用商業求解器CPLEX進行求解，所采用的計算機為Intel Xeon 4216 @3.2GHz、64GB。

3.2 結果分析

在系統調度過程中，一方面需要分配燃氣輪機、調峰用內燃機和電儲能系統的出力以降低系統運行成本，另一方面需要利用電儲能系統的充放電使系統保持平衡，各個DG出力的優化結果如圖6所示。其中，為更好地展示儲能系統對負荷波動和清潔能源出力波動的平衡作用，將電負荷和儲能系統出力（充電為負值，放電為正值）之和視為折算負荷。

從圖6的優化結果中可以看出，本文所提算法能夠調節虛擬電廠的運行以實現對用戶負荷的良好適應。由于每個時段內的不同機組單位運行成本和碳排放成本均不同，故每個時段的出力組成也會有明顯差異。在19：00前，由于機組出力上下限約束，虛擬電廠使用不同分布式發電機組作為系統的主要電源。同時，由于光伏發電系統和風力發電系統的邊際成本和碳排放成本均為系統內最低，虛擬電廠系統始終優先使用二者來滿足用戶負荷。

表2 可控分布式發電系統參數

經過優化，能夠提升VPP的總體收益，詳見表3。

表3 VPP效益

從表3中可以看出，經過優化調節后，通過對風電、光伏等可再生能源的協調調度，棄風率由14.4%降低至5.0%，棄光率由38.6%降低至19.9%，有效提高了清潔能源消納水平。同時，可控分布式發電機組成本從1,792,534.75元降低至1,721,112.21元，提升了3.98%，“雙碳”成本也從原來的1,845.22元下降至-1,532.55元，實現了碳排放成本的由正轉負，即可通過出售碳配額進行獲益。上述結果表明本文所提算法能有效通過虛擬電廠DG之間的協同調度，降低VPP的碳排放成本以及清潔能源的未利用量。VPP調度的碳排放量與成本結果如圖7~8所示。

由圖8可以看出，調度后的碳排放成本在24小時內整體均呈現下降趨勢。特別是在00：00-07：00和9：00-16：00兩個時段內，通過對光伏發電、風力發電和儲能系統的利用，碳排放成本得到大幅降低。說明該調度模型能夠結合歷史數據和電儲能系統的運行狀態，提出系統內成員的優化運行策略，顯著降低VPP的碳排放成本。

4 結語

本文針對“雙碳”背景下的并網型微電網搭建VPP多目標優化調度模型，綜合考慮VPP系統中各機組發電成本、碳排放成本以及負荷波動及DG出力波動的影響，并對風/光/內/燃/儲并網型微網系統進行了計算分析，結論如下。

（1）本文綜合考慮碳排放成本與清潔能源消納對VPP運行的影響，通過調整可控DG的運行策略，在顯著降低VPP運行成本的同時提升了其環保水平，并且通過電儲能系統有效平抑了不可控DG的出力波動。

（2）相比于傳統的VPP調度模型，本文所提模型將碳排放成本和清潔能源消納水平作為調度策略制定的主要考慮因素，優化結果表明，該模型的發電成本降低了3.98%，棄光率降低18.7%，棄風率降低9.4%，碳排放成本減少了183.1%，實現了降低碳排放量、增加清潔能源消納量的目的。