李鐵松，劉甲利，莊明振

(東北電力大學 電氣工程學院，吉林 吉林 132012)

?

基于多代理的虛擬電廠協(xié)調(diào)優(yōu)化調(diào)度策略研究

李鐵松，劉甲利，莊明振

(東北電力大學 電氣工程學院，吉林 吉林 132012)

智能電網(wǎng)的發(fā)展為分布式能源(distributed energy resources, DER)的大量并網(wǎng)及對其進行協(xié)調(diào)優(yōu)化調(diào)度提供了技術支持。結合各類DER的特點設計了基于多代理系統(tǒng)(multi-agent system, MAS)的虛擬電廠(virtual power plant,VPP)協(xié)調(diào)優(yōu)化調(diào)度策略。針對風電機組、傳統(tǒng)機組和既可作為電源又可作為負載的電動汽車特殊負荷，通過建立相應的出力或負荷數(shù)學模型，對其進行分類分層控制，在MATLAB中使用YALMIP工具箱建模，通過加權方法進行多目標優(yōu)化求解。最后通過算例分析驗證此調(diào)度策略的合理性與有效性，它可以利用各類DER特性，使其相互協(xié)調(diào)配合，在平抑負荷波動的同時，可以實現(xiàn)各類DER最大程度并網(wǎng)。

多代理系統(tǒng)；分布式能源；虛擬電廠；調(diào)度策略；MATLAB

中國《能源發(fā)展“十二五”規(guī)劃》提出推動能源方式變革的重要任務，即大力發(fā)展分布式能源(distributed Energy Resources, DER)，推進智能電網(wǎng)建設。智能電網(wǎng)最關鍵就是能實時交流互動，即信息交流互動和能量交流互動[1-2]，先進的智能測量、信息通信技術為其實現(xiàn)提供了技術支持。

在電網(wǎng)的發(fā)展過程中，風電、太陽能發(fā)電等分布式電源(distributed generator, DG)占有的份額逐漸增加。風力發(fā)電是DG中裝機容量最大，發(fā)展最早的，預計到2030年，中國的風電裝機容量將達到全國總裝機容量的17.4%；太陽能作為一種新型能源，近些年也得到了迅猛發(fā)展，根據(jù)我國《可再生能源中長期發(fā)展規(guī)劃》，到2020年光伏系統(tǒng)累計裝機容量最大將達到1 800 MW[3-5]。盡管這些DG擁有可靠、經(jīng)濟、靈活、環(huán)保等特點，但是DG容量小、數(shù)量大、分布不均勻，目前“安裝即忘記(fit-and-forget)”的接入方式使其很難參加到電力系統(tǒng)的經(jīng)濟調(diào)度中來[6]。然而虛擬電廠(virtual power plant, VPP)的提出為上述問題的解決提供了新的思路。

VPP是將一些小型和微型的分布式能源資源進行打包，由能量管理系統(tǒng)統(tǒng)一控制，形成一種集成性的電廠[7-9]。VPP的核心是“通信”和“聚合”，基本的運行控制方式有集中控制、集中分散控制、完全分散控制結構[10]。從整個世界范圍來看，VPP項目的研究主要集中在歐洲和北美，但他們又各有側重點，歐洲的VPP技術的研究和試點項目中，DG占有主要部分，主要實現(xiàn)DG的可靠并網(wǎng)和電力市場運營，美國的VPP項目主要是基于需求響應發(fā)展計劃而來，可控負荷占有主要成分。文獻[11]介紹了歐洲開展的VPP項目，它各有側重點，又形成一個統(tǒng)一的整體；文獻[12]利用可控負荷抑制風電出力的波動性；文獻[13]對大規(guī)模儲能裝置進行集中調(diào)度，優(yōu)化電力系統(tǒng)的運行特性。

多代理系統(tǒng)(multi-agent system, MAS)是由多個物理分散而行為自治的Agent形成的進化系統(tǒng)。MAS將大而復雜的系統(tǒng)劃分成小的且彼此聯(lián)系相互通信、易于協(xié)調(diào)控制的系統(tǒng)，現(xiàn)已廣泛應用于微電網(wǎng)中。文獻[14]在智能電網(wǎng)環(huán)境下基于MAS對商業(yè)用戶的可控負荷進行協(xié)調(diào)管理，提高整體舒適度，文獻[15]基于MAS對含有VPP的配電網(wǎng)的電壓穩(wěn)定性進行協(xié)調(diào)控制，通過信息之間的交互，設置多智能體的反饋控制器。文獻[16]通過信息和通信技術建立了分層聚合的MAS，使可控負荷更好的參與到調(diào)度中來。

針對不同的DER參與VPP系統(tǒng)有著不同的目的需求，本文基于MAS技術，設計了分層聚合的VPP協(xié)調(diào)調(diào)度模型，根據(jù)風電機組、可控機組、電動汽車不同的物理特性建立了不同的數(shù)學模型，為了滿足風電并網(wǎng)最大化、可控機組出力平穩(wěn)化、電動汽車收益最大化進行分層協(xié)調(diào)調(diào)度，最后應用加權求解多目標優(yōu)化，然后通過算例計算驗證所提方法的有效性和合理性。

1　MAS設計

采用MAS進行控制，根據(jù)不同DER的擁有者不同的并網(wǎng)目的，從功能模塊上將系統(tǒng)劃分為多個Agent，進行分層控制，各個Agent之間相互通信，共同服從中央集中控制Agent的命令，使系統(tǒng)具有很好地靈活性和魯棒性?；贛AS的VPP調(diào)度模型如圖1所示。

圖1　MAS結構

從圖1可看到，根據(jù)各模塊的分散性和功能不同，分為三層，即DER分散控制層，DER分類控制層和DER集中控制層。在一個調(diào)度周期開始，電網(wǎng)Agent根據(jù)歷史數(shù)據(jù)和實際情況發(fā)送一天24 h的負荷預測值和電價信息，風電機組Agent、可控機組Agent、電動汽車Agent分別上報一天的預測出力值、發(fā)電機組的數(shù)量和額定功率、參與VPP系統(tǒng)的電動汽車的可調(diào)用數(shù)量，DER分類控制層計算出各個單目標函數(shù)最值，傳送給DER集中控制層，中央集中控制Agent綜合各類信息，進行加權求解多目標優(yōu)化。

2　MAS數(shù)學模型

本文設計的VPP系統(tǒng)包括風電機組、可控機組和電動汽車等分布式能源。下面描述MAS模型中各層數(shù)學模型。

2.1DER分散控制層

2.1.1風電機組Agent

風電機組Agent主要是根據(jù)預測風速上報風電預測出力。風電機組出力主要和風速有關，風速和風機出力的關系式為：

式中：Pw為風電機組的額定功率; v、vi、vr、vo分別為風力發(fā)電機的實際風速、切入風速、額定風速和切出風速。

2.1.2可控機組Agent

可控機組Agent主要是根據(jù)機組出力上報污染成本。可控機組一般為火電機組，火電機組的污染物排放量函數(shù)

(2)

式中：αi、βi、γi為機組i的污染物排放系數(shù)；PG,i為機組i的出力值。

2.1.3電動汽車Agent

電動汽車Agent主要是根據(jù)汽車電池充放電狀態(tài)上報電池剩余容量，判斷是否滿足并網(wǎng)要求。電動汽車參與VPP系統(tǒng)調(diào)度，既可作為電源又可作為負載，相應的數(shù)學模型[17]為

(3)

2.2DER分類控制層

2.2.1風電機組控制Agent

風電機組控制Agent的主要目標是使整體風電最大并網(wǎng)，達到最小棄風，以計劃出力作為決策變量，忽略可控機組開停機，風電機組并網(wǎng)的最大功率表示為：

(4)

(5)

(7)

(8)

2.2.2可控機組控制Agent

可控機組控制Agent以環(huán)境污染最小為目標函數(shù)。數(shù)學模型為：

(9)

(10)

(11)

(12)

(13)

(14)

2.2.3電動汽車控制Agent

電動汽車控制Agent根據(jù)電價高低通過調(diào)控汽車電池充放電狀態(tài)，在削峰填谷的同時，獲得收益最大。為使電動汽車用戶參與VPP系統(tǒng)，進行充放電調(diào)控，對其充電電價進行補貼，以彌補對其調(diào)度放電時產(chǎn)生的電池損耗。

(15)

(16)

(17)

(18)

(19)

(20)

2.3DER集中控制層

DER分類控制層中不同的目標函數(shù)具有不同的量綱和數(shù)量級，DER集中控制層需要進行去量綱化，通過加權重使其變?yōu)闊o量綱單目標函數(shù)。

對于不同的子目標函數(shù)，有的需要求取最大值，本文稱為偏大型目標函數(shù)，有的需要求取最小值，本文稱為偏小型目標函數(shù)，本文對它們做歸一化處理。

(22)

求解時的約束條件為各子目標函數(shù)求解極值時的約束條件。由于上式為非線性混合整合規(guī)劃問題，對部分約束條件進行線性化處理[18]，在MATLAB中使用YALMIP建模調(diào)用CPLEX求解器進行計算。

3　算例分析

3.1算例參數(shù)

為了驗證上述模型，設定VPP系統(tǒng)包含某地區(qū)的額定容量為5MW風電機組9臺，3臺額定容量為55MW的可控機組，電池容量為60kW的汽車50輛。可控機組功率上限為55MW，出力最小值為10MW，爬坡率為40MW/h，電動汽車并網(wǎng)時間為每天的18:00—07:00，初始荷電狀態(tài)服從20%～50%(并網(wǎng)時電動汽車剩余電量的百分數(shù))的截斷正態(tài)分布，期望值為40%，均方差為12，用戶期望離網(wǎng)時荷電狀態(tài)為80%，充電功率為20kW，放電功率為15kW，充放電效率為95%。各時段電價和風電、負荷預測值見表1和如圖2所示。圖2中風機和負荷預測為標幺值，風機出力的基準值為功率上限，負荷預測基準值取150MW。

3.2結果分析

圖3和圖4分別是未參與VPP系統(tǒng)和參與VPP系統(tǒng)風電機組的出力變化情況。

表1　各時段電價　　　　　　　元/kWh

圖2　風機輸出功率及負荷預測值

圖3　未參與VPP系統(tǒng)風電出力變化

圖4　參與VPP系統(tǒng)風電機組出力變化

結合圖2可知，在02:00—06:00時段，負荷曲線出現(xiàn)低谷，而風電機組出力較大，考慮負荷風電備用和可控機組最小出力的情況下，出現(xiàn)了較大規(guī)模的棄風，造成了資源的浪費。

由表1可知，在02:00—06:00時段，由于電價較低，VPP系統(tǒng)中央集中控制單元通過集中調(diào)度，使汽車電車在此階段充電，增加負荷量，從而有效地減少了棄風量，提高了資源的綜合利用率。

圖5為參與VPP系統(tǒng)時汽車電池的電量變化和參與VPP系統(tǒng)前后可控機組出力變化情況。

圖5　汽車電池電量和機組出力變化

從圖5可知道，在08:00—17:00時段，由于電動汽車不滿足并網(wǎng)時間約束，所以并不參與VPP系統(tǒng)調(diào)度，在并網(wǎng)滿足調(diào)度時，因為行駛一天電量較低，且此時電價也低于以后某些時段，所以進行充電，在19:00—20:00時段負荷曲線出現(xiàn)峰值電價較高，作為電源進行放電，在降低峰谷差和減少棄風量的同時獲得電價差的收益，而后在02:00—06:00時段電價最低時段充電以滿足離網(wǎng)時用戶的電量期望值。由可控機組參與VPP系統(tǒng)前后出力可知，在02:00—06:00時段汽車充電，減少了棄風量，機組仍以最小功率運行，在19:00—22:00時段，汽車作為電源的形式接入電網(wǎng)，使得機組出力相對減小。

4　結束語

本文根據(jù)DER特點，設計了基于MAS的VPP協(xié)調(diào)優(yōu)化調(diào)度策略，建立了風電機組、可控機組和電動汽車的電源或負荷數(shù)學模型，根據(jù)不同DER的不同的并網(wǎng)需求，將DER分類分層控制，最后由中央集中控制Agent集中調(diào)度，在MATLAB中應用YALMIP建模調(diào)用CPLEX求解器，進行加權求取最優(yōu)解。為了驗證模型的可行性，對某地區(qū)的負荷情況進行計算，結果表明，參與VPP系統(tǒng)后，風電機組棄風明顯減少，可控機組出力較以前也相對平穩(wěn)，電動汽車參與VPP系統(tǒng)收益增加，充分證明了所提出模型的可行性、合理性和經(jīng)濟型。

[1]張欽. 智能電網(wǎng)下需求響應熱點問題探討[J]. 中國電力, 2013,46(6):85-89.

ZHANGQin.ExplorationofHotIssuesonDemandResponseinSmartGrids[J].ElectricPower, 2013, 46(6):85-89.

[2]王蓓蓓，李楊，高賜威. 智能電網(wǎng)框架下的需求側管理展望與思考[J]. 電力系統(tǒng)自動化, 2009, 33(20):17-22.

WANGBeibei,LIYang,GAOCiwei.DemandSideManagementOutlookUnderSmartGridInfrastructure[J].AutomationofElectricPowerSystems, 2009, 33(20):17-22.

[3]劉波，賀志佳，金昊. 風電系統(tǒng)雙PWM變換器直流母線電壓控制技術[J]. 東北電力大學學報, 2015, 35(2):41-47.

LIUBo,HEZhijia,JINHao.DCBusVoltageConstantControlTechnologyinWindPowerSystemwithDualPWMConverter[J].JournalofNortheastDianliUniversity,2015, 35(2):41-47.

[4]李正爍，孫宏斌，郭慶來，等. 計及碳排放的輸電網(wǎng)側“風-車協(xié)調(diào)” 研究[J]. 中國電機工程學報, 2012, 32(10):41-48.

LIZhengsuo,SUNHongbin,GUOQinglai,etal.StudyonWind-EVComplementationontheTransmissionGridSideConsideringCarbonEmission[J].ProceedingsoftheCSEE, 2012,32(10):41-48.

[5]中華人民共和國國家發(fā)展和改革委員會.可再生能源中長期發(fā)展規(guī)劃[Z]. 北京：中華人民共和國國家發(fā)展和改革委員會，2007.

[6]衛(wèi)志農(nóng)，余爽，孫國強，等. 虛擬電廠的概念與發(fā)展[J]. 電力系統(tǒng)自 動化, 2013, 37(13):1-9.

WEIZhinong,YUShuang,SUNGuoqiang,etal.ConceptandDevelopofVirtualPowerPlant[J].AutomationofElectricPowerSystems, 2013, 37 (13):1-9.

[7]陳春武，李娜，鐘朋園，等. 虛擬電廠發(fā)展的國際經(jīng)驗及啟示[J]. 電網(wǎng)技術, 2013, 37(8): 2258-2263.

CHENChunwu,LINa,ZHONGPengyuan,etal.ReviewofVirtualPlantTechnologyAbroadandEnlightenmenttoChina[J].PowerSystemTechnology, 2013, 37(8): 2258-2263.

[8]ASMUSP.MicrogridsVirtualPowerPlantsandOurDistributedEnergyFuture[J].TheElectricityJournal, 2010, 23(10):72-82.

[9]VASIRANIM,KOTAR,CAVALCANTER,etal.AnAgent-basedApproachtoVirtualPlantsofWindPowerGeneratorsandElectricVehicles[J].IEEETransactionsonSmartGrid, 2013, 4(3):1314-1322.

[10]劉吉臻，李明揚，房方，等. 虛擬發(fā)電廠研究綜述[J]. 中國電機工程學報, 2014, 34(29): 5103-5111.

LIUJizhen,LIMingyang,FANGFang,etal.ReviewonVirtualPowerPlant[J].ProceedingsoftheCSEE, 2014, 34(29):5103-5111.

[11]衛(wèi)志農(nóng)，余爽，孫國強，等. 虛擬電廠歐洲研究項目評述[J]. 電力系統(tǒng)自動化, 2013, 37(21):196-202.

WEIZhinong,YUShuang,SUNGuoqiang,etal.ReviewonEuropeanReserachProjectsofVirtualPowerPlant[J].AutomationofElectricPowerSystems, 2013, 37(21):196-202.

[12]MOHAMMADIJ,RAHIMIKIANA,GHAZIZADEHMS.AggregatedWindPowerandFlexibleLoadOfferingStrategy[J].IETRenewablePowerGeneration, 2007, 5(6):439-447.

[13]PUDJANTOD,RAMSAYC,STRBACG.VirtualPowerPlantandSystemIntegrationofDistributedEnergyResources[J].RenewablePowerGeneration，2007,1(1)：10-16.

[14]于娜，于樂征，李國慶. 智能電網(wǎng)環(huán)境下基于多代理的商業(yè)用戶可控負荷管理策略[J]. 電力系統(tǒng)自動化,2015, 39(17):89-95.

YUNa,YULezheng,LIGuoqing.ControllableLoadManagementStrategyforCommercialUsersBasedonMulti-agentinSmartGridEnvironment[J].AutomationofElectricPowerSystems, 2015, 39(17): 89-95.

[15]楊志淳，樂健，劉開培，等. 基于多智能體的含虛擬發(fā)電廠配電網(wǎng)的電壓穩(wěn)定性協(xié)調(diào)控制[J]. 電力自動化設備, 2013, 33(11):32-37.

YANGZhichun,LEJian,LIUKaipei,etal.CoordinativeVoltageStabilityControlBasedonMulti-agentTheoryforDistributionNetworkwithVPP[J].ElectricPowerAutomationEquipment, 2013, 33(11):32-37.

[16]KARFOPOULOSE,TENABL,TORRESA,etal.AMulti-agentSystemProvidingDemandResponseServicesfromResidentialConsumers[J].ElectricPowerSystemsResearch, 2015, 120(3):163-176.

[17]劉春陽，王秀麗，劉世民，等. 計及蓄電池使用壽命的微電網(wǎng)經(jīng)濟調(diào)度模型[J]. 電力自動化設備, 2015, 35(10):29-36.

LIUChunyang,WANGXiuli,LIUShiming,etal.EconomicDispatchModelConsideringBatteryLifetimeforMicrogrid[J].ElectricPowerAutomationEquipment,2015, 35(10):29-36.

[18]CARRIONM,ARROYOJM.AComputationallyEfficientMixed-integerLinearFormulationfortheThermalUnitCommitmentProblem[J].IEEETransactionsonPowerSystems, 2006, 21(3):1371-1378.

(編輯王夏慧)

Research on Coordinated and Optimized Dispatching Strategy for Virtual Power Plant Based on Multi-agent System

LI Tiesong, LIU Jiali, ZHUANG Mingzhen

(College of Electric Engineering, Northeast Dianli University, Jilin, Jilin 132012, China)

Development of smart grid provides technical support for mass grid-connection of distributed energy resources (DER) as well as coordinated and optimized dispatching on DER. This paper designs coordinated and optimized dispatching strategy for virtual power plant (VPP) based on multi-agent system (MAS) by combining characteristics of various types of DER. In allusion to wind power generators, traditional units and special load of electric vehicle which can be both taken as power supply and load, corresponding mathematical model for output or load is established for hierarchical classification control. In MATLAB software, YALMIP toolbox is used for modeling and weighted method is adopted for multi-objective solution. Example analysis verifies reasonability and effectiveness of this dispatching strategy. It proves that this strategy is able to make use of characteristics of various DER to realize coordination and cooperation, which can finally achieve grid-connection of each DER extremely at the same time of restraining load fluctuation.Key words： multi-agent system(MAS); distributed energy resource (DER); virtual power plant; dispatching strategy; MATLAB

2016-02-10

2016-05-18

10.3969/j.issn.1007-290X.2016.08.007

TM734

A

1007-290X(2016)08-0032-06

李鐵松(1990)，男，山東德州人。在讀碩士研究生，主要研究方向為分布式能源并網(wǎng)。

劉甲利(1989)，男，山東菏澤人。在讀碩士研究生，主要研究方向為微網(wǎng)的優(yōu)化運行、電動汽車入網(wǎng)等。

莊明振(1989)，女，山東聊城人。在讀碩士研究生，主要研究方向為柔性直流輸電等。