王天旺,高赟,姜孟,杜濤

(1.西安科技大學(xué)電氣與控制工程學(xué)院,西安市 710054； 2. 云南電網(wǎng)有限責(zé)任公司西雙版納供電局,云南省西雙版納市 666100; 3. 國網(wǎng)青島供電公司,山東省青島市, 266002)

虛擬電廠下計及分布式風(fēng)電與儲能系統(tǒng)的電力系統(tǒng)優(yōu)化調(diào)度

王天旺1,高赟1,姜孟2,杜濤3

(1.西安科技大學(xué)電氣與控制工程學(xué)院,西安市 710054； 2. 云南電網(wǎng)有限責(zé)任公司西雙版納供電局,云南省西雙版納市 666100; 3. 國網(wǎng)青島供電公司,山東省青島市, 266002)

清潔的可再生能源在電力系統(tǒng)中的滲透率不斷提升。隨著智能電網(wǎng)技術(shù)的發(fā)展，越來越多的分布式可再生能源接入電力系統(tǒng)運(yùn)行。風(fēng)電是最具商業(yè)潛力及發(fā)展前景的可再生能源之一。該文提出將分布式風(fēng)電機(jī)組與儲能設(shè)備構(gòu)成虛擬電廠(virtual power plant,VPP)參與電力系統(tǒng)運(yùn)行，并建立了計及虛擬電廠的電力系統(tǒng)優(yōu)化調(diào)度模型。模型中同時考慮了功率及備用容量的優(yōu)化調(diào)度，并利用條件風(fēng)險價值(conditional value at risk，CVaR)對系統(tǒng)運(yùn)行成本進(jìn)行風(fēng)險管理。無須對電網(wǎng)的結(jié)構(gòu)進(jìn)行改變，虛擬電廠更適用于地理聚集程度較低的可再生分布式能源的調(diào)度和管理。同時，相較于常規(guī)的風(fēng)電-儲能聯(lián)合運(yùn)行模式，基于虛擬電廠的分布式可再生能源調(diào)度在降低系統(tǒng)風(fēng)險的同時也提高了系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。

虛擬電廠(VPP)；分布式電源；風(fēng)電；儲能設(shè)備；優(yōu)化調(diào)度

0 引 言

近年來，隨著化石能源儲量的減少及環(huán)境保護(hù)意識的提高，可再生能源在電力系統(tǒng)中的滲透率不斷提高。其中，風(fēng)電作為技術(shù)最為成熟且最具有商業(yè)價值的可再生能源，其在電力系統(tǒng)中的應(yīng)用具有廣闊的發(fā)展前景[1]。作為可再生能源，風(fēng)力發(fā)電受環(huán)境和氣候因素影響巨大，其出力具有很強(qiáng)的波動性和不確定性，對電力系統(tǒng)調(diào)度和運(yùn)行帶來重要影響[2]。專家和學(xué)者對此進(jìn)行了大量研究，主要包括風(fēng)電并網(wǎng)后，電力系統(tǒng)的日前能量調(diào)度[3]以及調(diào)頻[4]、備用[5]等輔助服務(wù)決策。

相比大規(guī)模風(fēng)電場，分布式風(fēng)電在系統(tǒng)運(yùn)行中具有更加靈活且靠近負(fù)荷中心的特點，是大電網(wǎng)的有益補(bǔ)充[6]。分布式風(fēng)電在電力系統(tǒng)中的應(yīng)用正不斷增加，但單個分布式電源容量較小，且往往位于配電網(wǎng)末端而難以對其進(jìn)行有效調(diào)度。目前，對分布式風(fēng)電的研究主要集中在電源的優(yōu)化配置[7-8]及出力不確定性對系統(tǒng)安全和電能質(zhì)量的影響[9]等方面。調(diào)度運(yùn)行方面，文獻(xiàn)[10]對分布式電源接入電網(wǎng)后系統(tǒng)的有功調(diào)度進(jìn)行了研究，而對分布式風(fēng)電并網(wǎng)后功率與輔助服務(wù)的聯(lián)合優(yōu)化調(diào)度研究較少。

為了減少風(fēng)電出力波動性及不確定性對電力系統(tǒng)運(yùn)行造成的影響，通常配置儲能設(shè)備與風(fēng)電機(jī)組聯(lián)合運(yùn)行[11-12]。相比常規(guī)的風(fēng)電-儲能聯(lián)合運(yùn)行，本文提出以分布式風(fēng)電機(jī)組與儲能設(shè)備組成虛擬電廠，參與電力系統(tǒng)的優(yōu)化調(diào)度。虛擬電廠(virtual power plant，VPP)可定義為通過通信技術(shù)來整合發(fā)電機(jī)組構(gòu)成的虛擬企業(yè)[13]。借助分布式控制及通信技術(shù)將分布式發(fā)電機(jī)組、可控負(fù)荷和分布式儲能設(shè)施有機(jī)結(jié)合，VPP作為一個整體參與電力系統(tǒng)運(yùn)行，而無須對原有電網(wǎng)結(jié)構(gòu)進(jìn)行改變[14]。VPP可對分布式電源的出力進(jìn)行預(yù)測，并通過儲能設(shè)備平抑其出力波動，以提升分布式電源運(yùn)行效益，降低電力系統(tǒng)運(yùn)行成本[15-16]。文獻(xiàn)[17]對儲能設(shè)備與分布式風(fēng)電構(gòu)成虛擬電廠參與系統(tǒng)優(yōu)化調(diào)度的運(yùn)行方式進(jìn)行了分析，并研究了虛擬電廠運(yùn)行的經(jīng)濟(jì)性，但并未計及風(fēng)電出力的不確定性。文獻(xiàn)[18]對計及虛擬電廠參與的電力系統(tǒng)能量優(yōu)化調(diào)度進(jìn)行了分析，但并未將虛擬電廠的輔助服務(wù)考慮在內(nèi)。

本文計及分布式風(fēng)電出力及負(fù)荷預(yù)測的不確定性，建立由分布式風(fēng)電與儲能設(shè)備構(gòu)成的虛擬電廠參與的電力系統(tǒng)優(yōu)化調(diào)度模型。在分析電力系統(tǒng)運(yùn)行經(jīng)濟(jì)性的同時，利用條件風(fēng)險價值(conditional value at risk，CVaR)方法，衡量電力系統(tǒng)優(yōu)化調(diào)度風(fēng)險。通過與風(fēng)電獨立并網(wǎng)運(yùn)行、常規(guī)風(fēng)電-儲能聯(lián)合運(yùn)行模式進(jìn)行對比，說明VPP在可再生分布式能源滲透背景下電力系統(tǒng)優(yōu)化調(diào)度運(yùn)行中的重要作用。

1 VPP內(nèi)部調(diào)度模型

文獻(xiàn)[19]指出，對并網(wǎng)運(yùn)行的分布式風(fēng)電采用集中控制和管理具有一定的必要性。本文中分布式風(fēng)電機(jī)組與儲能設(shè)備構(gòu)成虛擬電廠，參與電力系統(tǒng)優(yōu)化調(diào)度。在電力系統(tǒng)中，可按傳統(tǒng)發(fā)電廠對其進(jìn)行處理。

1.1 風(fēng)力發(fā)電機(jī)組及儲能設(shè)備模型

風(fēng)力發(fā)電機(jī)組的出力主要受到風(fēng)速和風(fēng)電機(jī)組功率特性兩方面的影響。其中，風(fēng)電機(jī)組的輸出功率特性如式(1)所示:

(1)

式中：Pw為風(fēng)電機(jī)組輸出的有功功率；vw為風(fēng)速；vci為風(fēng)電機(jī)組的切入風(fēng)速；vco為風(fēng)電機(jī)組的切出風(fēng)速；vr為風(fēng)電機(jī)組的額定風(fēng)速；Pr為風(fēng)電機(jī)組的額定功率。

風(fēng)速受到眾多地理、氣候等自然因素的影響?？紤]風(fēng)速的不確定性，建立風(fēng)速概率模型。為了更好地描述風(fēng)速波動的短期隨機(jī)性，用式(2)—(3)對風(fēng)速進(jìn)行建模:

vw,t=vwa,t+Δvw,t

(2)

vwa,t=vwf,t+Δvwf,t

(3)

式中：vw,t為t時刻的實際風(fēng)速；vwa,t為平均預(yù)測風(fēng)速；Δvw,t為平均預(yù)測風(fēng)速誤差；vwf,t為預(yù)測風(fēng)速；Δvwf,t為預(yù)測風(fēng)速誤差。

儲能設(shè)備與分布式風(fēng)力互補(bǔ)運(yùn)行，可充分彌補(bǔ)風(fēng)電出力的不確定性和波動性，保障VPP出力和運(yùn)行的可靠性。儲能設(shè)備最重要的特征是電池荷電狀態(tài)(state of charge，SOC)，其計算如式(4)所示：

(4)

為了保障儲能設(shè)備的使用壽命，SOC及充、放電功率必須維持在一定范圍內(nèi)。SOC和充、放電功率的約束條件為：

0

(5)

(6)

(7)

1.2 VPP模型

VPP在參與電力系統(tǒng)調(diào)度提供電能的同時，由于儲能設(shè)備的可控性，允許VPP同時提供一定的備用容量。虛擬電廠自身的調(diào)度目標(biāo)是其運(yùn)營效益最大化，如式(8)所示：

虛擬電廠的功率平衡約束及出力約束為：

(9)

(10)

為保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行，對虛擬電廠提供的備用容量限制如下：

(11)

以上，本節(jié)在分布式風(fēng)電機(jī)組及儲能設(shè)備模型的基礎(chǔ)上建立了以VPP運(yùn)營效益最大化為目標(biāo)的運(yùn)行調(diào)度模型。

2 電力系統(tǒng)優(yōu)化調(diào)度模型

2.1 電力系統(tǒng)優(yōu)化調(diào)度模型

前已述及，電力系統(tǒng)可將VPP作為常規(guī)電廠進(jìn)行統(tǒng)一調(diào)度和管理。同時考慮能量及輔助服務(wù)(本文僅考慮向上備用容量)，以系統(tǒng)運(yùn)行成本最小為目標(biāo)的電力系統(tǒng)綜合調(diào)度模型如式(12)所示：

min fsys=CΣ=CE+CB+CL

(12)

式中：fsys為電力系統(tǒng)綜合調(diào)度模型的目標(biāo)函數(shù)；CΣ是系統(tǒng)調(diào)度運(yùn)行總成本；CE為發(fā)電成本；CB為備用購買成本；CL為系統(tǒng)的停電損失。

發(fā)電成本CE、備用購買成本CB可表達(dá)為：

(13)

(14)

式中：ai、bi為常規(guī)發(fā)電機(jī)組i的發(fā)電成本系數(shù)；mi，ni為常規(guī)發(fā)電機(jī)組i的備用報價系數(shù)(假設(shè)系統(tǒng)以發(fā)電機(jī)組的備用報價向其購買備用容量)；Pi,t、Bi,t分別為常規(guī)發(fā)電機(jī)組i在t時刻的出力及提供的備用容量；N是系統(tǒng)中常規(guī)發(fā)電機(jī)組臺數(shù)。

系統(tǒng)的停電損失CL可計算如下：

(15)

(16)

由于停電損失被計入目標(biāo)函數(shù)，因此不再對系統(tǒng)運(yùn)行的可靠性進(jìn)行約束，而通過系統(tǒng)調(diào)度運(yùn)行的經(jīng)濟(jì)性進(jìn)行自動調(diào)節(jié)。因此，系統(tǒng)調(diào)度優(yōu)化模型的約束條件僅包括常規(guī)機(jī)組的運(yùn)行及備用約束。式(17)—(18)給出了系統(tǒng)調(diào)度優(yōu)化模型的約束條件：

Pi,min≤Pi,t≤Pi,max

(17)

(18)

Bi,min≤Bi,t≤Bi,max

(19)

Bi,min=max(Pi,t-Pi,min,0)

(20)

(21)

2.2 風(fēng)險管理模型

由于VPP的出力受到風(fēng)電出力不確定性的影響，同時計及系統(tǒng)負(fù)荷的波動，電力系統(tǒng)的運(yùn)行調(diào)度成本CΣ是一個隨機(jī)量。本文利用CVaR對運(yùn)行調(diào)度成本進(jìn)行衡量和管理，CVaR作為優(yōu)于方差的風(fēng)險計量指標(biāo)，具有凸性，可以進(jìn)行一致性風(fēng)險測量。利用風(fēng)險厭惡系數(shù)β將電力系統(tǒng)綜合調(diào)度模型改寫如下：

min fsys=CΣ+βφc

(22)

式中φc為置信水平c下的CVaR。

根據(jù)文獻(xiàn)[21]，CVaR可由風(fēng)險價值(value at risk，VaR)計算得到。選定置信水平c，VaR和CVaR的計算如下：

Vc=V|{Pprob(CΣ≤V)=c}

(23)

φc=E[CΣ|CΣ>Vc]

(24)式中：V為VaR ；Vc為置信水平c下的VaR；Pprob(CΣ≤V) 表示系統(tǒng)運(yùn)行調(diào)度成本CΣ不高于VaR的概率。

由式(24)可知，CVaR是系統(tǒng)運(yùn)行調(diào)度成本CΣ高于其VaR時的條件均值。

以上，建立了考慮虛擬電廠參與的可再生分布式能源滲透背景下電力系統(tǒng)的優(yōu)化調(diào)度模型，其結(jié)構(gòu)如圖1所示。上述模型求解過程中，首先使用蒙特卡洛模擬生成風(fēng)電及負(fù)荷場景，并使用粒子群算法(particle swarm optimization，PSO)進(jìn)行求解。

圖1 考慮虛擬電廠參與的電力系統(tǒng)調(diào)度結(jié)構(gòu)

3 算例分析

本文采用IEEE 30節(jié)點系統(tǒng)對上述計及VPP的電力系統(tǒng)調(diào)度模型進(jìn)行驗證。系統(tǒng)中有6臺常規(guī)發(fā)電機(jī)組，相關(guān)參數(shù)見表1。平均預(yù)測風(fēng)速及負(fù)荷曲線如圖2所示。

VPP的分布式風(fēng)電機(jī)組單臺額定功率為 1.5 MW，接入臺數(shù)為50臺，滲透率為10 %。風(fēng)電機(jī)組的切入、切出及額定風(fēng)速分別是3，25， 15 m/s。風(fēng)速預(yù)測相關(guān)參數(shù)δ2及H均為0.15。VPP配置與風(fēng)險機(jī)組總?cè)萘肯嗟鹊膬δ茉O(shè)備。充、放電效率均為80 %；充、放電功率是儲能安裝總?cè)萘康?0 %；儲能設(shè)備

圖2 預(yù)測平均風(fēng)速及負(fù)荷曲線

SOC上、下限分別為0.9和0.2。系統(tǒng)向VPP支付的電價數(shù)據(jù)來自文獻(xiàn)[22]。條件風(fēng)險價值CVaR的置信水平α取為0.95。

調(diào)整系統(tǒng)調(diào)度的風(fēng)險厭惡系數(shù)k從0開始逐步增大，通過Pareto方法得到的系統(tǒng)運(yùn)行成本與CVaR最優(yōu)前沿集如圖3所示。

圖3 系統(tǒng)運(yùn)行成本及CVaR

如圖3所示，調(diào)整風(fēng)險厭惡系數(shù)β，系統(tǒng)運(yùn)行成本及CVaR均具有較大的變化幅度。這說明考慮VPP的電力系統(tǒng)調(diào)度在系統(tǒng)運(yùn)行成本和CVaR的調(diào)節(jié)上具有較大靈活性。隨著風(fēng)險厭惡系數(shù)β的增加，系統(tǒng)運(yùn)行成本升高，CVaR降低。曲線左側(cè)陡度較大，可見在系統(tǒng)運(yùn)行成本較小時，隨著系統(tǒng)運(yùn)行成本的提高，CVaR降低較快，反之亦成立。β=0.5時，系統(tǒng)中常規(guī)機(jī)組的出力及備用情況如圖4所示。

圖4 常規(guī)機(jī)組出力及提供的備用容量

分布式可再生能源接入電力系統(tǒng)時，除了單獨運(yùn)行，常配置儲能設(shè)備以平抑其出力的波動性和不確定性，但分布式電源與儲能設(shè)備通常獨立運(yùn)行。取β=0.2，以上兩種運(yùn)營模式與VPP運(yùn)營模式下電力系統(tǒng)的運(yùn)行情況的對比結(jié)果見表2。

表2中對比了不同風(fēng)電滲透率下分布式風(fēng)電單獨運(yùn)行、風(fēng)電-儲能常規(guī)聯(lián)合運(yùn)行、風(fēng)電-儲能組成VPP運(yùn)行3種模式下的系統(tǒng)調(diào)度成本及CVaR值。可見，以虛擬電廠模式組織分布式風(fēng)電與儲能設(shè)備聯(lián)合運(yùn)行與分布式風(fēng)電的兩種常規(guī)調(diào)度模式相比，可同時降低系統(tǒng)的運(yùn)行成本及風(fēng)險。隨著風(fēng)電滲透率的提高，這種效果則更加明顯。

需要注意的是，雖然與儲能設(shè)備聯(lián)合運(yùn)行或采用虛擬電廠模式均可一定程度上降低分布式風(fēng)電接入成本及風(fēng)險，為了保持系統(tǒng)的穩(wěn)定性，風(fēng)電在系統(tǒng)中的滲透率不可一味提高。

分布式風(fēng)電在接入電力系統(tǒng)運(yùn)行時，一方面提升了系統(tǒng)的總裝機(jī)容量，可替代部分常規(guī)機(jī)組發(fā)電，降低系統(tǒng)運(yùn)行成本；另一方面由于其出力的波動性及不確定性，要求提高系統(tǒng)的備用容量從而造成系統(tǒng)運(yùn)行成本增加。對比圖5所示不同風(fēng)電滲透率下考慮虛擬電廠參與的電力系統(tǒng)運(yùn)行成本及風(fēng)險可知，風(fēng)電滲透率提高時，保持風(fēng)險水平不變，則需提升系統(tǒng)運(yùn)行成本；而保持系統(tǒng)運(yùn)行成本不變，則系統(tǒng)運(yùn)行的風(fēng)險會上升。

圖5 不同分布式風(fēng)電滲透率下的系統(tǒng)運(yùn)行成本及CVaR

4 結(jié) 論

通過將分布式風(fēng)電與儲能系統(tǒng)組成虛擬電廠，本文建立了計及系統(tǒng)運(yùn)行中的機(jī)組、備用容量以及系統(tǒng)調(diào)度的經(jīng)濟(jì)性和風(fēng)險的電力系統(tǒng)調(diào)度模型。

與分布式風(fēng)電獨立并網(wǎng)和分布式風(fēng)電-儲能設(shè)備常規(guī)聯(lián)合并網(wǎng)相比，VPP下分布式風(fēng)電與儲能設(shè)備聯(lián)合運(yùn)行可同時降低系統(tǒng)的運(yùn)行成本及風(fēng)險，并且隨著風(fēng)電滲透率的提高，運(yùn)行成本及風(fēng)險的降低更加明顯。

[1]賈宏杰, 穆云飛, 余曉丹.對我國綜合能源系統(tǒng)發(fā)展的思考[J]. 電力建設(shè), 2015, 36(1)：16-25. JIA Hongjie, MU Yunfei, YU Xiaodan. Thought about the integrated energy system in China[J]. Electric Power Construction, 2015, 36(1)：16-25.

[2]薛禹勝, 雷興, 薛峰,等. 關(guān)于風(fēng)電不確定性對電力系統(tǒng)影響的評述[J]. 中國電機(jī)工程學(xué)報, 2014，34(29):5029-5040. XUE Yusheng, LEI Xing, XUE Feng, et al. A review on impacts of wind power uncertainties on power systems [J]. Proceeding of the CSEE, 2014,34(29):5029-5040.

[3]王蓓蓓, 劉小聰, 李揚(yáng). 面向大容量風(fēng)電接入考慮用戶側(cè)互動的系統(tǒng)日前調(diào)度和運(yùn)行模擬研究[J]. 中國電機(jī)工程學(xué)報, 2013, 33(22): 35-44. WANG Beibei, LIU Xiaocong, LI Yang. Day-ahead generation scheduling and operation simulation considering demand response in large-capacity wind power integrated systems [J]. Proceeding of the CSEE, 2013, 33(22): 35-44.

[4]劉巨, 姚偉, 文勁宇, 等. 大規(guī)模風(fēng)電參與系統(tǒng)頻率調(diào)整的技術(shù)展望[J]. 電網(wǎng)技術(shù), 2014,38(3): 638-646. LIU Ju, YAO Wei, WEN Jinyu, et al. Prospect of technology for large-scale wind farm participating into power grid frequency regulation [J]. Power System Technology, 2014, 38(3): 638-646.

[5]薛志英, 周明, 李庚銀. 大規(guī)模風(fēng)電接入電力系統(tǒng)備用決策評述[J]. 電力系統(tǒng)保護(hù)與控制, 2013，41(4):148-155. XUE Zhiying, ZHOU Ming, LI Gengyin. Survey on reserve decision of power systems with large scale wind power integration [J]. Power System Protection and Control, 2013，41(4):148-155.

[6]匡洪海. 分布式風(fēng)電并網(wǎng)系統(tǒng)的暫態(tài)穩(wěn)定及電能質(zhì)量改善研究[D]. 長沙：湖南大學(xué), 2013. KUANG Honghai. Improvement research on transient stability and power quality of distributed wind power integrated system [D]. Changsha：Hunan University, 2013.

[7]李靜, 韋巍, 辛煥海,等. 基于概率潮流的風(fēng)電分布式電源優(yōu)化配置[J]. 電力系統(tǒng)自動化, 2014, 38(14):70-76. LI Jing, WEI Wei, XIN Huanhai, et al. Optimal allocation of wind power distributed generator based on probabilistic power flow [J]. Automation of Electric Power Systems, 2014, 38(14):70-76.

[8]符楊,蔣一鎏,李振坤. 基于混合量子遺傳算法的微電網(wǎng)電源優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制,2013,41(24):50-57. FU Yang, JIANG Yiliu, Li Zhenkun. Optimal allocation of distributed generation for microgrid based on hybrid quantum genetic algorithm[J]. Power System Protection and Control, 2012, 41 (24): 50-57.

[9]鄧佳佳. 考慮分布式能源的電力系統(tǒng)優(yōu)化運(yùn)營模型研究[D].北京：華北電力大學(xué), 2012. DENG Jiajia. Research on optimization models in power system operation based on distributed energy [D]. Beijing：North China Electric Power University, 2012.

[10]吳雄, 王秀麗, 李駿,等. 風(fēng)電儲能混合系統(tǒng)的聯(lián)合調(diào)度模型及求解[J]. 中國電機(jī)工程學(xué)報, 2013, 33(13):10-17. WU Xiong, WANG Xiuli, LI Jun. et al. A joint operation model and solution for hybrid wind energy storage systems [J]. Proceeding of the CSEE, 2013, 33(13):10-17.

[11]SOLOMON A A, KAMMEN D M, CALLAWAY D. The role of large-scale energy storage design and dispatch in the power grid: a study of very high grid penetration of variable renewable resources[J]. Applied Energy, 2014, 134(12):75-89.

[12]HRVOJE P, IGOR K, TOMISLAV C. Virtual power plant mid-term dispatch optimization[J]. Applied Energy, 2013, 1(1)：134-141.

[13]張小敏. 虛擬發(fā)電廠在大規(guī)模風(fēng)電并網(wǎng)中的應(yīng)用[J]. 電力建設(shè), 2011, 32(9):11-13. ZHANG Xiaomin. Application of virtual power plant on large-scale wind power grid integration [J]. Electric Power Construction, 2011, 32(9):11-13.

[14]范松麗, 艾芊, 賀興. 基于機(jī)會約束規(guī)劃的虛擬電廠調(diào)度風(fēng)險分析[J]. 中國電機(jī)工程學(xué)報, 2015, 35(16):4025-4034. FAN Songli，AI Qian，HE Xing. Risk analysis on dispatch of virtual power plant based on chance constrained programming [J]. Proceeding of the CSEE, 2015, 35(16):4025-4034.

[15]YUAN Y, WEI Z, SUN G, et al. A real-time optimal generation cost control method for virtual power plant [J]. Neurocomputing, 2014, 143(16):322-330.

[16]魏向向, 楊德昌, 葉斌. 能源互聯(lián)網(wǎng)中虛擬電廠的運(yùn)行模式及啟示[J]. 電力建設(shè), 2016, 37(4):1-9. WEI Xiangxiang, YANG Dechang, YE Bin. Operation mode of virtual power plant in energy internet and its enlightenment [J]. Electric Power Construction, 2016, 37(4):1-9.

[17]許佳佳. 基于虛擬發(fā)電廠的分布式電源調(diào)度管理模式的研究[D].北京：華北電力大學(xué), 2013. XU Jiajia. Study on distributed generation dispatching management mode base on virtual power plant [D]. Beijing：North China Electric Power University, 2013.

[18]李軍軍, 吳政球, 譚勛瓊,等. 風(fēng)力發(fā)電及其技術(shù)發(fā)展綜述[J]. 電力建設(shè), 2011, 32(8):64-72. LI Junjun, WU Zhengqiu, TAN Xunqiong, et al. Review of wind power generation and relative technology development [J]. Electric Power Construction, 2011, 32(8):64-72.

[19]李東東, 陳陳. 風(fēng)力發(fā)電系統(tǒng)動態(tài)仿真的風(fēng)速模型[J]. 中國電機(jī)工程學(xué)報, 2005, 25(21): 41-44. LI Dongdong, CHEN Chen. Wind speed model for dynamic simulation of wind power generation system [J]. Proceeding of the CSEE, 2005, 25(21): 41-44.

[20]董文略, 王群, 楊莉. 含風(fēng)光水的虛擬電廠與配電公司協(xié)調(diào)調(diào)度模型[J]. 電力系統(tǒng)自動化, 2015，39(9): 75-81. DONG Wenlue, WANG Qun, YANG Li. A coordinated dispatching model for a distribution utility and virtual power plants with wind/photovoltaic/hydro generators [J]. Automation of Electric Power Systems, 2015,39(9): 75-81.

[21]ROCKAFELLAR R T, URYASEV S. Conditional value-at-risk for general loss distributions[J]. Journal of Banking & Finance, 2002, 26(7): 1443-1471.

[22]李明煒. 考慮新能源及虛擬電廠的電力系統(tǒng)隨機(jī)優(yōu)化調(diào)度[D]. 上海：上海交通大學(xué), 2015. LI Mingwei. The stochastic optimization dispatch of power systems considering renewable energy and virtual power plant [D]. Shanghai：Shanghai Jiao Tong University, 2015.

(實習(xí)編輯 郭文瑞)

Power System Optimal Scheduling including Distributed Wind Power and Energy Storage System via Virtual Power Plant

WANG Tianwang1, GAO Yun1, JIANG Meng2,DU Tao3

(1.College of Electrical and Control Engineering, Xi’an University of Science and Technology, Xi’an 710054, China; 2. Xishuangbanna Power Supply Bureau of Yunnan Power Grid Co., Ltd., Xishuangbanna 666100, Yunnan Province,China; 3. State Grid Qingdao Power Supply Company, Qingdao 266002, Shandong Province,China)

Penetration of renewable energy has been increasing in the power system for its environmental benefits. With the prosperity of smart grid technologies, more integration of renewable distributed generation is expected. Wind power is one of the renewable energy resources which have the most potential in both commercial and technical fields. This paper proposes a virtual power plant composed of distributed wind turbines and energy storage system to participate in the operation of power system, and establishes the optimal scheduling model for the power system with the virtual power plant. The proposed model takes the optimal scheduling of power and reserve capacity into account at the same time, and adopts conditional value at risk (CVaR) for the risk management of the total system operation cost. Without the network modification, the virtual power plant is more applicable to the scheduling and management of distributed renewable energy resources that are dispersedly located. More economic benefits can be obtained through the distributed renewable energy scheduling based on the virtual power plant compared to the conventional co-operation of wind power and energy storage. Furthermore, the risk of system operation can be reduced at the same time.

virtual power plant(VPP); distributed generation; wind power; energy storage; optimal scheduling

國家自然科學(xué)基金項目(51337006)；陜西省教育廳專項科研計劃資助項目(2013JK0867)

TM 734

A

1000-7229(2016)11-0108-07

10.3969/j.issn.1000-7229.2016.11.016

2016-06-12

王天旺(1988)，男，碩士研究生，研究方向為電力市場理論、電力系統(tǒng)調(diào)度優(yōu)化、電能質(zhì)量分析與控制；

高赟(1957)，男，博士，教授，研究方向為電機(jī)與電器控制、電力市場理論等；

姜孟(1991)，男，助理工程師，研究方向為變電站運(yùn)行操作和設(shè)備管理工作。

Project supported by the National Natural Science Foundation of China(51337006)