郭紅霞白浩劉磊王昱力

（1.榆林學(xué)院能源工程學(xué)院榆林719000

2.強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室（華中科技大學(xué)）武漢430074 3.國(guó)網(wǎng)陜西省電力公司檢修公司榆林719000 4.中國(guó)電力科學(xué)研究院武漢430074）

統(tǒng)一電能交易市場(chǎng)下的虛擬電廠優(yōu)化調(diào)度模型

郭紅霞1白浩2劉磊3王昱力4

（1.榆林學(xué)院能源工程學(xué)院榆林719000

2.強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室（華中科技大學(xué)）武漢430074 3.國(guó)網(wǎng)陜西省電力公司檢修公司榆林719000 4.中國(guó)電力科學(xué)研究院武漢430074）

針對(duì)虛擬電廠調(diào)度模型中僅涉及日前市場(chǎng)的電能交易，建立了日前市場(chǎng)和實(shí)時(shí)市場(chǎng)統(tǒng)一協(xié)調(diào)的電能交易模型，突破日前市場(chǎng)必須按預(yù)測(cè)負(fù)荷采購(gòu)和售賣這一限制，優(yōu)化日前交易量，實(shí)現(xiàn)總體購(gòu)買費(fèi)用最低和售出收益最高。結(jié)合統(tǒng)一市場(chǎng)的電能交易模型和分布式電源、儲(chǔ)能系統(tǒng)以及可控負(fù)荷的運(yùn)行模型和約束條件，建立基于統(tǒng)一電力市場(chǎng)下的虛擬電廠優(yōu)化調(diào)度模型，通過合理調(diào)配虛擬電廠內(nèi)部分布式電源，可控負(fù)荷和儲(chǔ)能間的能量流動(dòng)以及優(yōu)化虛擬電廠整體與電力市場(chǎng)的電能交易，實(shí)現(xiàn)最大經(jīng)濟(jì)收益。算例分析結(jié)果表明了該模型對(duì)虛擬電廠優(yōu)化調(diào)度的合理性和有效性。

虛擬電廠統(tǒng)一電力市場(chǎng)分布式電源可中斷負(fù)荷儲(chǔ)能系統(tǒng)

3　引言

由于發(fā)電容量小、數(shù)量多，且分布分散，單臺(tái)分布式電源（Distributed Generation，DG）接入配網(wǎng)的成本較高。另外DG出力具有隨機(jī)性和間歇性，在電力市場(chǎng)運(yùn)營(yíng)中存在難以調(diào)度的缺點(diǎn)。目前主要采用微網(wǎng)作為DG的并網(wǎng)形式，它能夠很好地協(xié)調(diào)大電網(wǎng)DG的技術(shù)矛盾，并具備一定的能量管理功能［1，2］。但微網(wǎng)以DG與用戶就地應(yīng)用為主要控制目標(biāo)，且受到地理區(qū)域的限制，對(duì)多區(qū)域、大規(guī)模DG的有效利用及在電力市場(chǎng)中的規(guī)模化效益具有一定的局限性。虛擬電廠（Virtual Power Plant，VPP）是將DG、可控負(fù)荷（Interruptible Load，IL）、儲(chǔ)能裝置和電動(dòng)汽車有機(jī)結(jié)合，通過配套的調(diào)控技術(shù)及通信技術(shù)實(shí)現(xiàn)對(duì)各類分布式能源資源（Distributed Energy Resource，DER）進(jìn)行整合調(diào)控的載體，多點(diǎn)接入電網(wǎng)［3］。虛擬電廠通過上述元素進(jìn)行靈活合理的組合，實(shí)現(xiàn)分布式電源的互補(bǔ)，以“單一電廠”形式參與電力市場(chǎng)交易和向系統(tǒng)操作員提供便利服務(wù)［4］。

VPP通過與電網(wǎng)能量交換和內(nèi)部能量協(xié)調(diào)流動(dòng)兩種形式實(shí)現(xiàn)能量的最優(yōu)分配和電力供應(yīng)主體的利潤(rùn)最大化［5］。對(duì)于VPP的市場(chǎng)報(bào)價(jià)策略已有一些研究，根據(jù)電力價(jià)格、零售價(jià)格及負(fù)荷波動(dòng)，VPP與電力市場(chǎng)進(jìn)行合理的電力貿(mào)易［6］。文獻(xiàn)［7］建立了兩階段隨機(jī)混合整數(shù)規(guī)劃模型優(yōu)化調(diào)度VPP，并考慮采用多場(chǎng)景模擬風(fēng)機(jī)和日前市場(chǎng)電力價(jià)格的不確定性。文獻(xiàn)［8，9］都是基于日前市場(chǎng)，考慮VPP的收益、支出及運(yùn)行約束，提出了最優(yōu)的報(bào)價(jià)策略，不同的是文獻(xiàn)［8］考慮了間歇式分布式電源出力的不確定性，并采用點(diǎn)估計(jì)法模擬，而文獻(xiàn)［9］認(rèn)為DG為可控可調(diào)的。文獻(xiàn)［10］將電能交易分為日前市場(chǎng)和實(shí)時(shí)市場(chǎng)兩部分，以最大收益目標(biāo)函數(shù)，并采用benders分解方法求解。文獻(xiàn)［11］采用模糊C均值聚類算法和蒙特卡洛仿真法模擬電力價(jià)格和負(fù)荷的不確定性，建立概率多目標(biāo)優(yōu)化框架調(diào)度VPP中的6種DG。文獻(xiàn)［12］在第一階段制定VPP在日前電力市場(chǎng)的報(bào)價(jià)方案，第二階段協(xié)調(diào)VPP中的DG和儲(chǔ)能。研究中的電力市場(chǎng)通常為日前市場(chǎng)，忽略了實(shí)時(shí)市場(chǎng)或單獨(dú)考慮兩者。采用分割的電力市場(chǎng)，VPP制定的報(bào)價(jià)策略不能實(shí)現(xiàn)最優(yōu)的電能貿(mào)易方案。

VPP內(nèi)部的能量分配需要綜合考慮各元素的運(yùn)行模型和約束條件。文獻(xiàn)［13］中DG運(yùn)行約束包含DG的輸出功率約束、功率變化梯度限制、啟動(dòng)時(shí)間限制和關(guān)停時(shí)間限制。儲(chǔ)能系統(tǒng)（Energy Storage System， ESS）儲(chǔ)存電量和釋放電量必須處于合理的范圍內(nèi)，保證蓄電池避免過充和放電過量［14］，通常采用荷電狀態(tài)（State of Charge，SOC）建立約束條件。但是酸蓄電池和鋰電池在使用過程中，電池容量會(huì)逐漸損失且難以恢復(fù)，使用壽命受到限制。模型中只考慮蓄電池的荷電量，忽略對(duì)蓄電池容量損失的分析以及在深度放電后，如得不到及時(shí)再充，將造成蓄電池容量損失且難以恢復(fù)。為了確保蓄電池容量在最大范圍內(nèi)恢復(fù)，在深度放電后的再充時(shí)，使蓄電池處于微量的過充狀態(tài)，且在該過程未完成前禁止放電。VPP中的可控負(fù)荷（如洗衣機(jī)和空調(diào)等），根據(jù)調(diào)配計(jì)劃減少負(fù)荷量，維持VPP與電網(wǎng)的能量平衡。對(duì)于可控負(fù)荷的約束研究還需考慮可控負(fù)荷調(diào)配量不能超過負(fù)荷總量，且單位時(shí)間內(nèi)的減少量不能超過相應(yīng)的設(shè)定閾值。

本文提出基于統(tǒng)一電力市場(chǎng)的虛擬電廠優(yōu)化運(yùn)行模型，采用日前市場(chǎng)和實(shí)時(shí)市場(chǎng)結(jié)合的能量交易模式，可以實(shí)現(xiàn)總期望購(gòu)電費(fèi)用最小和售電收入最高。同時(shí)豐富了虛擬電廠的元素模型，約束了蓄電池的充放電周期以及深度放電后充電間隔時(shí)間，考慮了可中斷負(fù)荷的相關(guān)約束，采用算例驗(yàn)證了優(yōu)化運(yùn)行模型的有效性，遺傳算法所得結(jié)果表明VPP可優(yōu)化協(xié)調(diào)DER，并統(tǒng)一電能市場(chǎng)交易，優(yōu)化運(yùn)行模型可以減少分布式電源的調(diào)度難度和提高系統(tǒng)的收益。

3　統(tǒng)一電力市場(chǎng)模型

目前主要存在市場(chǎng)清算電價(jià)（PAB）和按發(fā)電方報(bào)價(jià)結(jié)算（MCP）兩種電價(jià)機(jī)制，本文提出的統(tǒng)一市場(chǎng)交易模型采用PAB電價(jià)機(jī)制。目前的電能交易采用日前市場(chǎng)和實(shí)時(shí)市場(chǎng)分開交易的模式，日前交易按照預(yù)測(cè)負(fù)荷采購(gòu)電能，實(shí)時(shí)交易則根據(jù)實(shí)際需求與預(yù)測(cè)負(fù)荷之間的差額部分購(gòu)買平衡電能。這種交易模型割裂了日前市場(chǎng)和實(shí)時(shí)市場(chǎng)之間的聯(lián)系，不能獲取最優(yōu)的電能交易方案。本文考慮日前市場(chǎng)不必根據(jù)預(yù)測(cè)負(fù)荷進(jìn)行采購(gòu)和售賣電能，將日前交易電量作為需要優(yōu)化確定的量，協(xié)調(diào)日前市場(chǎng)和實(shí)時(shí)市場(chǎng)，建立基于統(tǒng)一電力市場(chǎng)的交易模型。

1.1統(tǒng)一電力市場(chǎng)下購(gòu)買電能模型

研究中常用正態(tài)分布反映單負(fù)荷的不確定性，并在考慮多負(fù)荷的不確定性時(shí)，可以將其轉(zhuǎn)換為多個(gè)單正態(tài)分布負(fù)荷的疊加［15-17］。假設(shè)實(shí)際電力需求Dt服從正態(tài)分布，即DtL～N（StL，σt），StL為電力負(fù)荷的預(yù)測(cè)值，σt為預(yù)測(cè)值的方差，反映實(shí)際需求的波動(dòng)。日前市場(chǎng)購(gòu)買電能可以不等于預(yù)測(cè)負(fù)荷Lt，綜合考慮虛擬電廠中DG出力、ESS充放電以及IL切除量，實(shí)時(shí)市場(chǎng)購(gòu)買的電能服從正態(tài)分布，其表達(dá)式為

式中：i為DG的編號(hào)，i=1，2，3，…，G；j為IL的編號(hào)，j=1，2，3，…，IL；m為ESS的編號(hào)，m=1，2，3，…，ESS；t為時(shí)間；Ein為虛擬電廠內(nèi)部的總能量，主要由DG、ESS和IL決定；為日前市場(chǎng)購(gòu)買的電能；為實(shí)時(shí)市場(chǎng)購(gòu)買的電能；為切除的可中斷負(fù)荷總量；為ILj的切除量；為DG總出力；為 DGi的出力；為實(shí)時(shí)市場(chǎng)的預(yù)測(cè)購(gòu)買電能；為儲(chǔ)能系統(tǒng)的總充放電功率，正值表示放電，負(fù)值表示充電；為ESSm的充放電功率；均為布爾量，決定DG、IL、ESS的操作狀態(tài)。

基于市場(chǎng)清算機(jī)制，則統(tǒng)一市場(chǎng)下的總購(gòu)電費(fèi)用Cb為

式中：CDA為日前市場(chǎng)的購(gòu)電費(fèi)用；CRT為實(shí)時(shí)市場(chǎng)的購(gòu)電期望費(fèi)用；ρd.t為日前市場(chǎng)統(tǒng)一邊際價(jià)格；ρr.t為實(shí)時(shí)市場(chǎng)邊際價(jià)格；ft（BRT）為BRT.t的密度函數(shù)。

由于預(yù)測(cè)負(fù)荷與實(shí)際需求存在差值，在實(shí)時(shí)市場(chǎng)中以高于ρd.t的價(jià)格購(gòu)買日前市場(chǎng)中的差額，將多余購(gòu)買的電量以低于ρd.t的價(jià)格售向?qū)崟r(shí)市場(chǎng)。實(shí)時(shí)市場(chǎng)的電力價(jià)格分為購(gòu)電價(jià)格ρrb.t和售電價(jià)格ρrs.t，可表示為

實(shí)時(shí)市場(chǎng)的購(gòu)電費(fèi)用為

聯(lián)立式（5）和式（6），CRT可進(jìn)一步表示為

1.2統(tǒng)一電力市場(chǎng)下出售電能模型

實(shí)時(shí)市場(chǎng)出售的電能服從正態(tài)分布，其表達(dá)式為

聯(lián)立式（9）～式（11），ERT可表示為

2　VPP優(yōu)化運(yùn)行模型

如圖1所示，VPP協(xié)調(diào)內(nèi)部元素間的能量流動(dòng)，主要包括調(diào)整DG的出力、ESS充放電以及切除IL。同時(shí)作為整體與電力市場(chǎng)進(jìn)行電能交易，售賣和購(gòu)買電能。

圖1　虛擬電廠示意圖Fig.1 The schematic diagram of virtual power plant

2.1收益函數(shù)和約束條件

式中：fout為VPP在統(tǒng)一市場(chǎng)下交易電能的收益；fin為VPP內(nèi)部零售收益；El為VPP向內(nèi)部用戶出售電力的收益；SUCDG為DG開機(jī)費(fèi)用；SDCDG為DG關(guān)機(jī)費(fèi)用；OCDG為DG運(yùn)行費(fèi)用；OCESS為儲(chǔ)能系統(tǒng)運(yùn)行維護(hù)費(fèi)用；Ccl為切除可中斷負(fù)荷支付的補(bǔ)償費(fèi)用。

功率平衡約束為

2.2DG模型

1）DG運(yùn)行約束

2）DG的運(yùn)行費(fèi)用

DG的運(yùn)行成本模型為

DG由關(guān)機(jī)的冷卻狀態(tài)進(jìn)入開機(jī)狀態(tài)，需經(jīng)過預(yù)熱階段，并且關(guān)機(jī)冷卻時(shí)間越久，需消耗的費(fèi)用越多，則DG的開機(jī)費(fèi)用為

DG的關(guān)機(jī)費(fèi)用為

式中：γi，t和ζi，t均為布爾量，分別表示DG是否開機(jī)和關(guān)機(jī)；為時(shí)間常數(shù)，本文設(shè)定為1 h。

2.3可中斷負(fù)荷模型

考慮可中斷負(fù)荷后，VPP向內(nèi)部用戶售電收入可表示為

式中λt為零售價(jià)格。

切除可中斷負(fù)荷需要支付的賠償金額為

可中斷負(fù)荷運(yùn)行過程中主要考慮中斷的負(fù)荷量、中斷事件以及中斷次數(shù)等相關(guān)約束。

1）切除量約束

2）切除時(shí)間約束

單次中斷最長(zhǎng)持續(xù)時(shí)間約束為

中斷總持續(xù)時(shí)間滿足約束為

3）切除次數(shù)約束

2.4儲(chǔ)能系統(tǒng)模型

多次充放電后蓄電池會(huì)流失部分容量，電池容量下降到一定的容量水平時(shí)，就必須更換蓄電池，因此蓄電池運(yùn)行過程中的費(fèi)用主要指老化過程造成的消耗。相關(guān)研究表明，放電深度（Depth of Discharge，DoD）決定電池的循環(huán)壽命，由于缺乏關(guān)于DoD的直接數(shù)據(jù)，本文采用SOC表示電池的DoD，電池循環(huán)壽命和DoD之間的數(shù)學(xué)表達(dá)式為［18］

式中：cl為蓄電池壽命；D為DoD；DR為電池的額定DoD；β0=320，β1=1.703，β2=-3.59。

則電池的運(yùn)行費(fèi)用可表示為

式中：rc為單塊電池的更換費(fèi)用；rc/cli，t為每次放電造成的老化損耗。

電池的SOC必須被限制在一個(gè)合理范圍內(nèi)以避免過沖和深放電。

在同一時(shí)刻，蓄電池只能運(yùn)行在充電或放電，因此需對(duì)運(yùn)行狀態(tài)建立約束

式中di，t和ci，t均為布爾量，決定蓄電池是否放電和充電。

蓄電池在深度放電后，如得不到及時(shí)再充，將造成蓄電池容量損失且難以恢復(fù)。因此當(dāng)電池接近深度放電水平時(shí)（SOCi≤0.35），必須立刻進(jìn)行充電，并且在充滿前不允許放電操作，深度放電后再次充電時(shí)間滿足約束

3　優(yōu)化流程及解法

VPP的優(yōu)化調(diào)度主要涉及VPP與電能市場(chǎng)的交易情況和內(nèi)部元素間的能量流動(dòng)。在統(tǒng)一市場(chǎng)的交易模型中，本文在上層優(yōu)化中根據(jù)預(yù)測(cè)負(fù)荷以及電力市場(chǎng)的價(jià)格，調(diào)節(jié)VPP內(nèi)部的總能量Ein和日前電能市場(chǎng)交易能量，優(yōu)化實(shí)時(shí)市場(chǎng)的交易量，實(shí)現(xiàn)fout最大化。在下層優(yōu)化中，根據(jù)Ein、燃料費(fèi)用、儲(chǔ)能損耗費(fèi)用以及零售價(jià)格，實(shí)現(xiàn)IL切除量、ESS充放電和DG的調(diào)度控制，優(yōu)化fin。優(yōu)化流程如圖2所示。

圖2　優(yōu)化流程Fig.2 Optimize processes

VPP的優(yōu)化調(diào)度是一個(gè)混合整數(shù)非線性規(guī)劃問題，可采用遺傳算法進(jìn)行求解，具體步驟如下：

1）編碼。以布爾量0和1表示DG的開關(guān)機(jī)、IL和ESS運(yùn)行狀態(tài)以及日前市場(chǎng)和實(shí)時(shí)市場(chǎng)的交易狀態(tài)和VPP內(nèi)部能量的正負(fù)。實(shí)數(shù)表示DG的出力、IL的切斷量和ESS充放電量以及市場(chǎng)交易電量和VPP內(nèi)部能量的大小。

2）初始。采用隨機(jī)個(gè)體和近似最優(yōu)個(gè)體組成初始種群。隨機(jī)個(gè)體在滿足約束條件下隨機(jī)產(chǎn)生。采用較小的初始種群規(guī)模和較少的算法迭代次數(shù)進(jìn)行模型求解，快速求得一些比隨機(jī)個(gè)體優(yōu)越的初始個(gè)體，將這些粗略解作為近似最優(yōu)個(gè)體。

3）交叉。根據(jù)最大、最小交叉染色體適應(yīng)值以及種群平均適應(yīng)值建立自適應(yīng)交叉率Pc。采用線性組合方式進(jìn)行交叉編碼，交叉產(chǎn)生的子代個(gè)體為

4）變異。根據(jù)最大、最小交變異染色體適應(yīng)值以及種群平均適應(yīng)值建立自適應(yīng)變異率Pm。依據(jù)變異概率隨機(jī)選取一部分染色體對(duì)其進(jìn)行基因變異，得到新的染色體。

式中δ為（0，1）之間的均勻分布的隨機(jī)數(shù)。

5）精英保留。將父代群體和子代群體合并成一個(gè)新種群，其個(gè)體數(shù)為2N，按照適應(yīng)值的大小逐一選取個(gè)體，直到個(gè)體數(shù)量達(dá)到N就形成了新的父代種群。

3　算例分析

采用圖3所示的VPP來驗(yàn)證本文提出的模型和優(yōu)化調(diào)度策略。VPP包括4臺(tái)DG，DG的相關(guān)特性參數(shù)（如發(fā)電量上下限、運(yùn)行費(fèi)用系數(shù)、開關(guān)機(jī)時(shí)間限制、功率爬坡上下限以及開關(guān)機(jī)費(fèi)用）見表1。

圖4為VPP內(nèi)部的電力零售價(jià)格。圖5為實(shí)時(shí)市場(chǎng)購(gòu)買價(jià)格、售賣價(jià)格和日前市場(chǎng)價(jià)格。

圖3　虛擬電廠算例Fig.3 The study case of virtual power plant

表1　DG的運(yùn)行參數(shù)Tab.1 The characteristic parameters of DG

圖4　零售價(jià)格Fig.4 The retail price

圖5　日前市場(chǎng)和實(shí)時(shí)市場(chǎng)中的電力價(jià)格Fig.5 The electricity price in day ahead market and real timemarket

圖6　預(yù)測(cè)負(fù)荷需求Fig.6 Forecasted load

表3　預(yù)測(cè)負(fù)荷的偏差Tab.2 The variance of forecasted load

4.1VPP的電能交易情況

圖7為VPP在統(tǒng)一電力市場(chǎng)下的交易情況，正值表示VPP作為消費(fèi)者購(gòu)買電力，負(fù)值表示VPP作為生產(chǎn)者出售電力。圖8為Ein優(yōu)化曲線。VPP根據(jù)負(fù)荷需求、電力市場(chǎng)價(jià)格及DG運(yùn)行費(fèi)用，制定電能交易方案，并確定VPP的內(nèi)部能量。由圖7可知，在1∶00～5∶00，日前市場(chǎng)和實(shí)時(shí)市場(chǎng)上的電力價(jià)格低于DG的運(yùn)行費(fèi)用，VPP從日前市場(chǎng)和實(shí)時(shí)市場(chǎng)購(gòu)買電力。由于預(yù)測(cè)負(fù)荷的偏差，VPP沒有全部從日前市場(chǎng)購(gòu)買，部分差額從實(shí)時(shí)市場(chǎng)購(gòu)買。Ein為負(fù)，說明VPP內(nèi)部的電能產(chǎn)出小于消耗，同時(shí)Ein逐漸減小。

在6∶00～10∶00，DG運(yùn)行費(fèi)用低于實(shí)時(shí)市場(chǎng)購(gòu)買市場(chǎng)價(jià)格，但是高于日前市場(chǎng)價(jià)格。VPP傾向于從日前市場(chǎng)購(gòu)買，滿足負(fù)荷需求后，并在實(shí)時(shí)市場(chǎng)出售獲益。Ein為正，且逐漸增大。

在11∶00～15∶00，DG運(yùn)行費(fèi)用低于實(shí)時(shí)市場(chǎng)和日前市場(chǎng)價(jià)格，VPP決定在日前市場(chǎng)預(yù)售電能，因負(fù)荷存在偏差，若全部在日前市場(chǎng)進(jìn)行售電后，導(dǎo)致在實(shí)時(shí)市場(chǎng)以較高的價(jià)格購(gòu)買電量，同時(shí)實(shí)時(shí)市場(chǎng)也可通過出售電能獲益。此時(shí)Ein的變化趨勢(shì)為先減小后增大。

在16∶00～20∶00，電力價(jià)格降低，VPP決定主要從日前市場(chǎng)和實(shí)時(shí)市場(chǎng)購(gòu)買電能，并根據(jù)購(gòu)電收益分配兩個(gè)市場(chǎng)的電能份額。此時(shí)Ein先增加后減小。

在21∶00～24∶00，電力價(jià)格先高后低，則VPP出售電能，然后購(gòu)買電能。Ein持續(xù)降低。

圖7　統(tǒng)一電力市場(chǎng)下電能交易情況Fig.7 Electricity transaction in unification market

圖8　VPP內(nèi)部能量Fig.8 The inner energy of VPP

4.2VPP的內(nèi)部能量流動(dòng)

VPP內(nèi)部?jī)?yōu)化主要根據(jù)上層優(yōu)化決定的VPP內(nèi)部總能量、約束條件以及收益決定DG的出力狀態(tài)、IL的切除量和ESS的充放電情況，優(yōu)化結(jié)果分別如圖9～圖11所示。

在11∶00～15∶00，DG開始滿功率輸出，然后逐漸減少輸出功率。由于DG的開機(jī)費(fèi)用較高，且對(duì)爬坡時(shí)間具有限制，不能很好地響應(yīng)功率變化收益，VPP降低DG產(chǎn)能或直接將DG關(guān)機(jī)?？紤]到較高的開關(guān)機(jī)費(fèi)用以及較低的爬坡限制，DG2和DG3選擇降低產(chǎn)能，而DG4爬坡限制較高，則直接關(guān)機(jī)以降低輸出。由于零售價(jià)格高于電力市場(chǎng)價(jià)格，VPP可通過向用戶售電獲益，IL的切除量逐漸減少。由于下一個(gè)時(shí)段零售價(jià)格和電力價(jià)格都達(dá)到峰值，為了獲取更多收益，VPP逐漸減少ESS放電量，然后切換到充電狀態(tài)，為下一階段預(yù)留電量。

在16∶00～20∶00，電力市場(chǎng)價(jià)格降低，且零售價(jià)格低于電力市場(chǎng)價(jià)格，Ein處于上升狀態(tài)，VPP增加DG出力、IL切除量和ESS放電量，將多余電量出售獲益。

在21∶00～24∶00，Ein逐漸降低，且零售價(jià)格較低。VPP逐漸減少DG輸出功率。ESS選擇充電操作，且IL切除量逐漸減少為零。

圖9　DG的出力曲線Fig.9 Generation scheduling of DG

圖10　可中斷負(fù)荷的切除量曲線Fig.10 Interruptible loads

圖11　ESS的充放電曲線Fig.11 Charging and discharging behaviors of ESS

4.3統(tǒng)一市場(chǎng)與獨(dú)立市場(chǎng)收益對(duì)比

本文提出的統(tǒng)一市場(chǎng)模型在日前市場(chǎng)交易中可以不嚴(yán)格按照預(yù)測(cè)負(fù)荷進(jìn)行，而日前市場(chǎng)與實(shí)時(shí)市場(chǎng)獨(dú)立的交易模型則嚴(yán)格按照預(yù)測(cè)負(fù)荷制定日前市場(chǎng)交易方案，即=0和=0。表3為將VPP在統(tǒng)一電力市場(chǎng)和獨(dú)立市場(chǎng)下的收益數(shù)據(jù)，VPP總收益分別為11 483.83元和9 857.29元，結(jié)果說明本文中統(tǒng)一市場(chǎng)下的交易模型以日前市場(chǎng)電能交易量作為優(yōu)化量，購(gòu)買或出售電量以平衡預(yù)測(cè)負(fù)荷和實(shí)際負(fù)荷需求之間的差額，同時(shí)優(yōu)化VPP內(nèi)部的能量，協(xié)調(diào)IL、ESS以及DG，實(shí)現(xiàn)收益最大化。

表3　VPP在統(tǒng)一電力市場(chǎng)和獨(dú)立市場(chǎng)下的收益Tab.3 The net benefits in unification market and separatemarket（單元：元）

3　結(jié)論

本文突破日前交易電量必須等于預(yù)測(cè)負(fù)荷這一限制，基于隨機(jī)負(fù)荷需求，建立日前市場(chǎng)和實(shí)時(shí)市場(chǎng)統(tǒng)一電力市場(chǎng)下的電能交易模型，優(yōu)化日前時(shí)長(zhǎng)的電能交易量和VPP內(nèi)部能量，實(shí)現(xiàn)VPP與外部電力市場(chǎng)交易的總體購(gòu)買費(fèi)用最低和出售收益最高。同時(shí)VPP統(tǒng)一協(xié)調(diào)內(nèi)部分布式電源、可中斷負(fù)荷以及蓄電池之間的能量流動(dòng)，使VPP內(nèi)部收益最大化。算例分析了VPP與電能市場(chǎng)交易情況和VPP內(nèi)部元素的能量調(diào)配情況，同時(shí)比較VPP在統(tǒng)一電力市場(chǎng)和獨(dú)立市場(chǎng)下的收益，分析結(jié)果驗(yàn)證了本文所提模型和算法的有效性，說明該模型能夠?qū)崿F(xiàn)VPP的優(yōu)化調(diào)度。

［1］王成山，武震，李鵬.微電網(wǎng)關(guān)鍵技術(shù)研究［J］.電工技術(shù)學(xué)報(bào)，2014，29（2）：1-12.

Wang Chengshan，Wu Zhen，LiPeng.Research on key technologies of microgrid［J］.Transactions of China Electrotechnical Society，2014，29（2）：1-12.

［2］王新剛，艾芊，徐偉華.含分布式發(fā)電的微電網(wǎng)能量管理多目標(biāo)優(yōu)化［J］.電力系統(tǒng)保護(hù)與控制，2009，37（20）：79-83.

Wang Xingang，Ai Qian，Xu Weihua.Multi-objective optimal energy management ofmicrogrid with distributed generation［J］.Power System Protection and Control，2009，37（20）：79-83.

［3］衛(wèi)志農(nóng)，余爽，孫國(guó)強(qiáng).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.Concept and development of virtual power plant［J］.Automation of Electric Power Systems，2013，37（13）：1-9.

［4］衛(wèi)志農(nóng)，余爽，孫國(guó)強(qiáng).虛擬電廠歐洲研究項(xiàng)目述評(píng)［J］.電力系統(tǒng)自動(dòng)化，2013，37（21）：196-202.

Wei Zhinong，Yu Shuang，Sun Guoqiang.Review on european research projects of virtual power plant［J］. Automation of Electric Power Systems，2013，37（21）：196-202.

［5］Wille-Haussmann B，Erge T，Wittwer C.Decentralised optimisation of cogeneration in virtual power plants［J］. Solar Energy，2010，84（4）：604-611.

［6］Gong J，Xie D，Jiang C.Multiple objective compromised method for power management in virtual power plants［J］.Energies，2011，4（4）：700-716.

［7］Pand?ic'H，Morales JM，Conejo A J.Offering model for a virtual power plant based on stochastic programming［J］.Applied Energy，2013，105（5）：282-292.

［8］Peik-Herfeh M，SeifiH，Sheikh-El-EslamiM K.Decision making of a virtual power plant under uncertainties for bidding in a day-ahead market using point estimate method［J］.Electrical Power and Energy Systems，2013，44（1）：88-98.

［9］Mashhour E，Moghaddas-Tafreshi SM.Bidding strategy of virtual power plant for participating in energy and spinning reservemarkets2014 partⅠ：problem formulation［J］.IEEE Transactions on Power Systems，2011，26（2）：949-956.

［10］Seyyed M S，Javidi M H.VPP decision making in power markets using Benders decomposition［J］. International Transactions on Electrical Energy Systems，2014，24（7）：960-975.

［11］Vahidinasab V.Optimal distributed energy resources planning in a competitive electricity market：Multiobjective optimization and probabilistic design［J］.Renewable Energy，2014，66：354-363.

［12］Peik-herfeh M，Seifi H，Sheikh-El-Eslami M K.Twostage approach for optimal dispatch of distributed energy resources in distribution networks considering virtual power plant concept［J］.International Transactions on Electrical Energy Systems，2014，24（1）：43-63.

［13］Mnatsakanyan A，Kennedy S.Optimal demand response bidding and pricingmechanism：application for a virtual power plant［C］.1st IEEE Conference on Technologies for Sustainability，Portland，USA，2013：167-174.

［14］張純江，董杰，劉君.蓄電池與超級(jí)電容混合儲(chǔ)能系統(tǒng)的控制策略［J］.電工技術(shù)學(xué)報(bào)，2014，29（4）：335-340.

Zhang Chunjiang，Dong Jie，Liu Jun.A control strategy for battery-ultracapacitor hybrid energy storage system［J］.Transactions of China Electrotechnical Society，2014，29（4）：335-340.

［15］劉健，武曉朦，余健明.考慮負(fù)荷不確定性和相關(guān)性的配電網(wǎng)絡(luò)重構(gòu)［J］.電工技術(shù)學(xué)報(bào)，2006，21（12）：54-59.

Liu Jian，Wu Xiaomeng，Yu Jianming.Distribution network reconfiguration considering load uncertainty and dependence［J］.Transactions of China Electrotechnical Society，2006，21（12）：54-59.

［16］馬瑞，袁文偉.基于蒙特卡羅隨機(jī)選線最優(yōu)潮流的電壓崩潰臨界點(diǎn)算法［J］.電力系統(tǒng)保護(hù)與控制，2011，39（2）：65-69.

Ma Rui，Yuan Wenwei.An approach for determining voltage collapse critical point based on Monte Carlo stochastic line selection optimal power flow［J］.Power System Protection and Control，2011，39（2）：65-69.

［17］孫若笛，謝開貴.計(jì)及風(fēng)速一負(fù)荷相關(guān)性的配電網(wǎng)可靠性評(píng)估Monte Carlo模擬法［J］.電力系統(tǒng)保護(hù)與控制，2012，40（18）：12-18.

Sun Ruodi，Xie Kaigui.Reliability evaluation of distribution networks using Monte Carlo method considering correlations between wind speed and load［J］.Power System Protection and Control，2012，40（18）：12-18.

［18］Zhou C，Qian K，Allan M，et al.Modeling of the cost of EV battery wear due to V2G application in power systems［J］.IEEE Transactions on Energy Conversion，2011，26（4）：1041-1050.

Optimal Scheduling M odel of Virtual Power Plant in a Unified Electricity Trading M arket

Guo Hongxia1Bai Hao2Liu Lei3Wang Yuli4
（1.College of Energy Engineering Yulin University Yulin 719000 China 2.State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology Wuhan 430074 China 3.State Grid Shanxi Electric Power Corporation Maintenance Company Yulin 719000 China 4.China Electric Power Research Institute Wuhan 430074 China）

The conventional scheduling models of the virtual power plant（VPP）only consider the electricity trading in the day-ahead market.In this paper，a unified electricity trading model covering the dayahead market and the real time market is proposed.In thismodel，the limit，that the day-ahead market should purchase and sell electricity according to the forecasting load，is broken，and the electricity traded in day-ahead market is optimized to minimize the overall costs and maximize overall profits.Based on the electricity trading model in the unified market and the operating models and constraints of the elements，i.e.distributed sources，energy storage systems，and interruptible loads，in VPP，the optimal scheduling VPP model in the unified market is developed，which can reasonably allocate electricity among internal distributed generations，interruptible loads，and energy storage systems in VPP and optimize the electricity transaction between the VPP and the unified market to achieve maximum economic benefits.The consequence of the example analyses proves the correctness and the usefulness of the optimal schedulingmodel given by this paper.

Virtual power plant，unification electricitymarket，distributed generation，interruptible load，energy storage system

TM315

郭紅霞女，1983年生，碩士，講師，研究方向?yàn)榕潆娋W(wǎng)規(guī)劃、運(yùn)行和微電網(wǎng)經(jīng)濟(jì)運(yùn)行。

白浩男，1987年生，博士研究生，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行、分析與控制。（通信作者）

國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（51377068）、榆林學(xué)院課程建設(shè)項(xiàng)目（ZD1407）和榆林市科技局項(xiàng)目（2015CXY-22）資助。

2015-06-15改稿日期2015-08-17