韓志永，張宇華，李兵

(上海電力大學(xué) 電氣工程學(xué)院，上海 200090)

0 引 言

虛擬電廠(Virtual Power Plant，VPP)通過(guò)利用先進(jìn)的通信系統(tǒng)來(lái)聚合大量分布式能源(Distributed Energy Resource，DER)進(jìn)行優(yōu)化調(diào)度，參與電力市場(chǎng)交易，實(shí)現(xiàn)對(duì)電網(wǎng)的調(diào)節(jié)功能[1]。但DER具有不確定性，因此虛擬電廠的優(yōu)化調(diào)度成為研究的重點(diǎn)[2-3]。目前大多數(shù)對(duì)虛擬電廠的研究主要利用博弈論來(lái)優(yōu)化其投標(biāo)交易，對(duì)虛擬電廠內(nèi)部源荷儲(chǔ)的經(jīng)濟(jì)優(yōu)化調(diào)度研究不足，尤其缺乏對(duì)虛擬電廠冷熱電多能互補(bǔ)經(jīng)濟(jì)優(yōu)化調(diào)度方面的研究[4-5]。文獻(xiàn)[6]提出在虛擬電廠中利用風(fēng)電進(jìn)行制熱，通過(guò)風(fēng)電與熱能的多能互補(bǔ)實(shí)現(xiàn)熱電解耦，但在缺少儲(chǔ)能調(diào)節(jié)的情況下大規(guī)模使用風(fēng)電，降低了虛擬電廠的電能質(zhì)量。文獻(xiàn)[7]構(gòu)建了具有風(fēng)能、光伏、小水電和微型燃?xì)廨啓C(jī)的虛擬電廠模型，能源間的多能互補(bǔ)有效提高了能源利用率，但未考慮分時(shí)電價(jià)，加劇了電網(wǎng)峰谷落差、增大了運(yùn)行成本。文獻(xiàn)[8]提出風(fēng)-光-儲(chǔ)互補(bǔ)模型，通過(guò)進(jìn)行日前預(yù)測(cè)來(lái)提高其經(jīng)濟(jì)效益，但缺少冷、熱互補(bǔ)，一定程度上限制了經(jīng)濟(jì)效益。進(jìn)一步，文獻(xiàn)[9]針對(duì)風(fēng)電的預(yù)測(cè)誤差問(wèn)題，構(gòu)建電熱綜合能源系統(tǒng)以調(diào)節(jié)其不確定性。文獻(xiàn)[10-11]建立了微網(wǎng)中風(fēng)、光、荷不確定性模型，并利用多場(chǎng)景技術(shù)進(jìn)行模擬，但其都未考慮虛擬電廠中風(fēng)光出力和電、熱、冷負(fù)荷等多種不確定性的組合問(wèn)題。

針對(duì)上述問(wèn)題，文中通過(guò)對(duì)風(fēng)光出力及電、熱、冷負(fù)荷的不確定性進(jìn)行分析，利用拉丁超立方抽樣(Latin Hypercube Sampling，LHS)生成多種場(chǎng)景來(lái)模擬風(fēng)、光及多能負(fù)荷的波動(dòng)性，通過(guò)同步回代消除法(Simultaneous Backward Reduction，SBR)對(duì)場(chǎng)景生成結(jié)果進(jìn)行削減，得到典型風(fēng)光日出力曲線和多能負(fù)荷需求場(chǎng)景。在此基礎(chǔ)上建立多場(chǎng)景冷熱電虛擬電廠日前-實(shí)時(shí)兩階段協(xié)調(diào)優(yōu)化模型。日前調(diào)度階段，考慮多種成本和設(shè)備運(yùn)行約束，通過(guò)對(duì)虛擬電廠在多種場(chǎng)景下的優(yōu)化調(diào)度以降低運(yùn)行成本；實(shí)時(shí)校正階段，在考慮監(jiān)管成本的情況下對(duì)日前運(yùn)行計(jì)劃進(jìn)行實(shí)時(shí)修正，以降低虛擬電廠的實(shí)時(shí)運(yùn)行成本。

1 冷熱電虛擬電廠結(jié)構(gòu)

通過(guò)先進(jìn)的通信技術(shù)將區(qū)域內(nèi)的電、熱、冷、氣、風(fēng)、光等多種能源聚合到冷熱電虛擬電廠中，建立冷熱電多能互補(bǔ)綜合利用平臺(tái)。對(duì)虛擬電廠內(nèi)資源和設(shè)備的歷史數(shù)據(jù)進(jìn)行分析，通過(guò)日前預(yù)測(cè)技術(shù)，結(jié)合現(xiàn)有的儲(chǔ)能以及能量轉(zhuǎn)換設(shè)備，進(jìn)行統(tǒng)一調(diào)度、協(xié)調(diào)運(yùn)行。對(duì)風(fēng)光及多能負(fù)荷的不確定性進(jìn)行分析，提高風(fēng)光利用率和供能可靠性，降低冷熱電虛擬電廠的運(yùn)行成本。

文中研究的冷熱電虛擬電廠模型聚合了風(fēng)機(jī)(Wind Turbine，WT)、光伏(Photovoltaic，PV)、電儲(chǔ)(Battery Storage，BS)、燃?xì)廨啓C(jī)(Gas Turbine，GT)、燃?xì)忮仩t(Gas Boiler，GB)、余熱鍋爐(Heat Recovery Boiler，RB)、熱儲(chǔ) (Heart Storage，HS)、吸收式制冷機(jī)(Absorption Cooler，AC)、電制冷機(jī)(Electric Cooler，EC)以及多能負(fù)荷，冷熱電虛擬電廠系統(tǒng)如圖1所示，雙向箭頭表示能源可以雙向流動(dòng)。

圖1 冷熱電虛擬電廠模型

風(fēng)機(jī)、光伏模型參見(jiàn)文獻(xiàn)[4]，電儲(chǔ)、燃?xì)廨啓C(jī)、燃?xì)忮仩t、熱儲(chǔ)、電制冷機(jī)、吸收式制冷機(jī)模型參見(jiàn)文獻(xiàn)[12]，限于篇幅所限，此處不再贅述。

2 虛擬電廠優(yōu)化調(diào)度模型

文中通過(guò)日前調(diào)度和實(shí)時(shí)校正兩階段對(duì)虛擬電廠進(jìn)行優(yōu)化調(diào)度。日前調(diào)度階段，通過(guò)對(duì)虛擬電廠中風(fēng)機(jī)、光伏出力及負(fù)荷需求量的不確定性規(guī)律進(jìn)行分析，生成多個(gè)隨機(jī)場(chǎng)景。在滿足虛擬電廠內(nèi)各運(yùn)行約束的情況下，通過(guò)優(yōu)化設(shè)備出力，選擇綜合期望運(yùn)行成本最低的方案作為最優(yōu)的調(diào)度計(jì)劃；實(shí)時(shí)校正階段，實(shí)時(shí)修正可控設(shè)備的出力，消除預(yù)測(cè)誤差，在滿足功率平衡的情況下，盡可能降低運(yùn)行成本。

2.1 日前優(yōu)化調(diào)度模型

2.1.1 目標(biāo)函數(shù)

日前調(diào)度以每小時(shí)為時(shí)間間隔，考慮運(yùn)行維護(hù)成本、環(huán)境成本、購(gòu)電成本、購(gòu)氣成本、儲(chǔ)能老化成本，通過(guò)調(diào)節(jié)可控設(shè)備出力，降低其整體運(yùn)行成本，優(yōu)化調(diào)度的目標(biāo)函數(shù)為：

(1)

其中：

(2)

(3)

(4)

(5)

(6)

(7)

2.1.2 約束條件

(1)功率平衡約束。

(8)

(9)

(10)

(2)機(jī)組出力上下限約束。

(11)

(3)機(jī)組爬坡率約束。

(12)

(4)儲(chǔ)能約束。

(13)

考慮到儲(chǔ)能不能同時(shí)充放電，且調(diào)度周期結(jié)束儲(chǔ)能恢復(fù)到最初狀態(tài)，即：

Uj,ch,t+Uj,dis,t≤1

(14)

Wj,0=Wj,T

(15)

2.2 實(shí)時(shí)校正模型

2.2.1 目標(biāo)函數(shù)

通過(guò)實(shí)時(shí)調(diào)節(jié)設(shè)備出力，降低預(yù)測(cè)誤差造成的影響，實(shí)時(shí)校正周期為15 min，目標(biāo)函數(shù)為：

(16)

其中：

(17)

2.2.2 約束條件

(1)功率平衡約束。

(18)

(2)機(jī)組出力上下限約束。

(19)

式中Δut,s為機(jī)組相對(duì)于采樣值功率增量；Pmin、Pmax為機(jī)組功率上下限。

(3)機(jī)組爬坡率約束。

Δut,rd≤Δut,s≤Δut,ru

(20)

式中Δut,rd、Δut,ru為機(jī)組減少、增加的爬坡率。

3 考慮不確定因素的場(chǎng)景生成

虛擬電廠在實(shí)際運(yùn)行中采用DER和負(fù)荷的預(yù)測(cè)功率制定調(diào)度計(jì)劃，但風(fēng)機(jī)、光伏出力的隨機(jī)性、間歇性、波動(dòng)性及多能負(fù)荷需求的不確定性導(dǎo)致預(yù)測(cè)功率不可避免的出現(xiàn)預(yù)測(cè)誤差，致使在原有日前調(diào)度的基礎(chǔ)上改變?cè)O(shè)備出力計(jì)劃，收益降低的同時(shí)還會(huì)因調(diào)節(jié)電能質(zhì)量支付一定的監(jiān)管成本。因此有必要建立考慮不確定因素的多場(chǎng)景虛擬電廠優(yōu)化調(diào)度模型。

3.1 場(chǎng)景生成

虛擬電廠中的風(fēng)機(jī)、光伏出力及電、熱、冷負(fù)荷功率的預(yù)測(cè)誤差服從一定的分布函數(shù)。為不失一般性，文中假設(shè)電、熱、冷負(fù)荷的功率預(yù)測(cè)誤差服從高斯分布，并且已有研究表明，風(fēng)機(jī)、光伏出力的預(yù)測(cè)誤差分別服從Weibull分布、Beta分布[13]。

3.1.1 預(yù)測(cè)誤差的概率密度函數(shù)

(1)風(fēng)機(jī)出力的概率密度函數(shù)。

(21)

式中xWT為風(fēng)機(jī)實(shí)際運(yùn)行功率；kWT是風(fēng)機(jī)出力的形狀因子；r是比例因子。

(2)光伏出力的概率密度函數(shù)。

f(xPV)=xPVηmAPVηPVcosθ

(22)

式中xPV為光伏實(shí)際運(yùn)行功率；ηm為最大功率點(diǎn)的跟蹤率；APV是光伏的輻射區(qū)域；ηPV是轉(zhuǎn)換效率；θ是太陽(yáng)入射角。

(3)電、熱、冷負(fù)荷的概率密度函數(shù)。

(23)

式中xL為負(fù)荷實(shí)際運(yùn)行功率；μ為位置參數(shù)，即負(fù)荷功率采樣基準(zhǔn)點(diǎn)；σ為高斯分布的尺度參數(shù)。

3.1.2 基于概率分布的拉丁超立方抽樣

文中所采用的拉丁超立方抽樣的本質(zhì)是逆函數(shù)轉(zhuǎn)換的分層抽樣，與其他抽樣的概率分布離散化處理不同，拉丁超立方抽樣能夠在不改變?cè)济芏群瘮?shù)的情況下，使采樣樣本能夠均勻覆蓋整個(gè)樣本空間。

場(chǎng)景的準(zhǔn)確度與采樣值及不同采樣值的相關(guān)性有關(guān)，一般情況下，相關(guān)性越小準(zhǔn)確度越高。文中采用降低不同場(chǎng)景的相關(guān)性常用的Cholesky分解。根據(jù)場(chǎng)景之間的相關(guān)系數(shù)，構(gòu)建近似正交矩陣，對(duì)采樣元素位置重新排序，以降低其相關(guān)性。

3.2 場(chǎng)景削減

風(fēng)機(jī)、光伏出力及多能負(fù)荷模擬精度隨場(chǎng)景規(guī)模的增大而提高，但這增大了計(jì)算量，需要對(duì)抽樣場(chǎng)景進(jìn)行削減。采用同步回代消除法對(duì)N個(gè)初始場(chǎng)景進(jìn)行削減，以降低優(yōu)化調(diào)度的計(jì)算量，步驟如下：

步驟1：初始化，將生成的N個(gè)初始場(chǎng)景導(dǎo)入，設(shè)置迭代次數(shù)，任一場(chǎng)景概率均等，即：

pi=1/N

(24)

步驟2：任一個(gè)場(chǎng)景wi，計(jì)算與其距離最短的其他場(chǎng)景。

Di,min=minζjd(wi,wj),j=1,2,...,N,j≠i

(25)

式中ζj是場(chǎng)景wj發(fā)生的概率；d(wi，wj)為場(chǎng)景wi與場(chǎng)景wj之間的歐式距離。

步驟3：確定要?jiǎng)h除的場(chǎng)景wi。

Dmin=minζiDi,min,i=1,2,...,N

(26)

步驟4：更新場(chǎng)景數(shù)量N=N-1，將所刪除場(chǎng)景出現(xiàn)的概率加到與其歐式距離最近的場(chǎng)景上，確保所有場(chǎng)景出現(xiàn)的概率之和為1。并重復(fù)以上步驟，直到場(chǎng)景數(shù)達(dá)到削減場(chǎng)景的設(shè)定值。

4 算例分析

4.1 算例數(shù)據(jù)

典型算例如圖1所示，文中風(fēng)機(jī)與光伏容量分別為600 kW和400 kW，燃?xì)廨啓C(jī)額定功率400 kW、電儲(chǔ)和熱儲(chǔ)分別300 kW>·h和200 kW>·h。在現(xiàn)有實(shí)際運(yùn)行功率的基礎(chǔ)上，設(shè)定光伏、風(fēng)機(jī)的日前預(yù)測(cè)誤差在30%以內(nèi)，實(shí)時(shí)校正預(yù)測(cè)誤差在5%以內(nèi)；電、熱、冷負(fù)荷的日前預(yù)測(cè)誤差在20%以內(nèi)，實(shí)時(shí)校正預(yù)測(cè)誤差在3%以內(nèi)。分時(shí)購(gòu)電(售電)電價(jià)參見(jiàn)文獻(xiàn)[14]。天然氣價(jià)格為3.24元/m3，單位熱值為9.78 kW>·h/m3。利用拉丁超立方抽樣和同步回代消除法進(jìn)行場(chǎng)景生成和削減，抽樣規(guī)模取2 000，場(chǎng)景閾值取3，則風(fēng)機(jī)、光伏、電、熱、冷負(fù)荷分別削減至3個(gè)場(chǎng)景，共計(jì)35個(gè)隨機(jī)場(chǎng)景，對(duì)應(yīng)的概率為各場(chǎng)景的概率積，即：

Ns=NWTNPVNENHNC

(27)

ζs=ζWTζPVζEζHζC

(28)

式中NPV、NWT、NE、NH、NC分別為風(fēng)機(jī)、光伏、電、熱、冷負(fù)荷的場(chǎng)景數(shù)；ζWT、ζPV、ζE、ζH、ζC分別為風(fēng)機(jī)、光伏、電、熱、冷負(fù)荷場(chǎng)景所對(duì)應(yīng)的概率。

以風(fēng)機(jī)為例，場(chǎng)景生成與削減如圖2所示，每個(gè)場(chǎng)景發(fā)生的概率在圖例括號(hào)中標(biāo)出。

圖2 風(fēng)機(jī)樣本空間和其縮減場(chǎng)景

4.2 優(yōu)化結(jié)果分析

4.2.1 運(yùn)行流程

文中基于多場(chǎng)景技術(shù)的冷熱電虛擬電廠優(yōu)化調(diào)度流程如圖3所示

圖3 虛擬電廠優(yōu)化調(diào)度流程圖

4.2.2 日前調(diào)度優(yōu)化運(yùn)行分析

以多場(chǎng)景中某一場(chǎng)景為例，進(jìn)行冷熱電虛擬電廠的優(yōu)化調(diào)度，其電、熱、冷優(yōu)化調(diào)度結(jié)果如圖4～圖6所示。

圖4 電功率優(yōu)化調(diào)度結(jié)果

圖5 熱功率優(yōu)化調(diào)度結(jié)果

圖6 冷功率優(yōu)化調(diào)度結(jié)果

由圖4～圖6可知，虛擬電廠內(nèi)電、熱、冷負(fù)荷功率平衡，未出現(xiàn)棄風(fēng)、棄光的情況。光伏、風(fēng)機(jī)和燃?xì)廨啓C(jī)提供虛擬電廠中電負(fù)荷功率，通過(guò)電儲(chǔ)和外電網(wǎng)的電能交互實(shí)現(xiàn)功率調(diào)節(jié)功能。電制冷機(jī)和吸收式制冷機(jī)提供虛擬電廠中冷負(fù)荷功率，電制冷機(jī)補(bǔ)充吸收式制冷機(jī)的功率缺額，且電價(jià)較低時(shí)電制冷機(jī)制冷功率占比大，電價(jià)較高時(shí)其占比變小。余熱鍋爐、燃?xì)忮仩t和熱儲(chǔ)提供虛擬電廠中熱負(fù)荷功率。在各調(diào)度時(shí)段電儲(chǔ)充放電功率和熱儲(chǔ)蓄放熱功率均嚴(yán)格運(yùn)行在其上下限范圍內(nèi)。

其中00:00-06:00調(diào)度時(shí)段，電價(jià)處于谷時(shí)段，燃?xì)廨啓C(jī)不進(jìn)行出力，電負(fù)荷主要風(fēng)光出力來(lái)滿足，不足部分由電網(wǎng)購(gòu)電提供，電制冷機(jī)、燃?xì)忮仩t提供虛擬電廠中冷、熱負(fù)荷的功率。在07:00-10:00和15:00-17:00調(diào)度時(shí)段，電價(jià)處于平時(shí)段，風(fēng)光出力配合燃?xì)廨啓C(jī)供電，同時(shí)向電儲(chǔ)進(jìn)行充電。在此時(shí)段，電儲(chǔ)維持較高的荷電狀態(tài)。在11:00-14:00和18:00-21:00調(diào)度時(shí)段，電價(jià)處于峰時(shí)段，供電充足時(shí)，余電全額上網(wǎng)；供電不足時(shí)，由電儲(chǔ)進(jìn)行補(bǔ)充，避免在電價(jià)峰時(shí)向電網(wǎng)大量購(gòu)電，以降低其運(yùn)行成本和電網(wǎng)的供電壓力，實(shí)現(xiàn)虛擬電廠對(duì)電網(wǎng)的調(diào)節(jié)功能。在22:00-23:00調(diào)度時(shí)段，電價(jià)處于平時(shí)段，電負(fù)荷和冷負(fù)荷明顯降低，調(diào)整電儲(chǔ)荷電狀態(tài)至初試狀態(tài)。在23:00-24:00調(diào)度時(shí)段，電價(jià)處于谷時(shí)段，電負(fù)荷功率主要由風(fēng)光出力和燃?xì)廨啓C(jī)來(lái)滿足，不足部分由電網(wǎng)購(gòu)電提供。

4.2.3 日內(nèi)校正運(yùn)行分析

日前調(diào)度階段，對(duì)虛擬電廠所生成的每個(gè)場(chǎng)景進(jìn)行經(jīng)濟(jì)優(yōu)化調(diào)度，制定虛擬電廠內(nèi)可控設(shè)備的出力計(jì)劃，通過(guò)分析各場(chǎng)景出現(xiàn)概率及其運(yùn)行成本，選取綜合效益最佳的冷熱電虛擬電廠優(yōu)化調(diào)度方案；實(shí)時(shí)校正階段，通過(guò)對(duì)是否考慮多場(chǎng)景的冷熱電虛擬電廠實(shí)時(shí)校正階段總調(diào)整量進(jìn)行對(duì)比分析，以體現(xiàn)考慮多場(chǎng)景冷熱電虛擬電廠兩階段優(yōu)化調(diào)度的魯棒性優(yōu)勢(shì)，對(duì)比結(jié)果如圖7所示。

圖7 不同模式虛擬電廠實(shí)時(shí)校正階段總調(diào)整量

通過(guò)對(duì)不同模式下虛擬電廠實(shí)時(shí)校正階段的調(diào)整量進(jìn)行比較，考慮多場(chǎng)景的冷熱電虛擬電廠調(diào)整總量明顯降低。在風(fēng)、光及多能負(fù)荷功率較小時(shí)，調(diào)整量都較低，在其功率增大時(shí)，出現(xiàn)兩種情況：一種是風(fēng)光的預(yù)測(cè)誤差修正了多能負(fù)荷的預(yù)測(cè)誤差，虛擬電廠總調(diào)整量降低；另一種是風(fēng)光的預(yù)測(cè)誤差疊加了多能負(fù)荷的預(yù)測(cè)誤差，加劇了虛擬電廠的調(diào)度量。不考慮多場(chǎng)景的虛擬電廠預(yù)測(cè)誤差要大于考慮多場(chǎng)景的虛擬電廠，當(dāng)風(fēng)、光、荷預(yù)測(cè)誤差疊加時(shí)，對(duì)比則更加明顯。由圖7可知，基于多場(chǎng)景技術(shù)的冷熱電虛擬電廠調(diào)度模型能夠有效減少實(shí)時(shí)校正階段的調(diào)度量，提高了虛擬電廠運(yùn)行的魯棒性。

4.2.4 運(yùn)行成本分析

對(duì)是否考慮多場(chǎng)景的冷熱電虛擬電廠的總成本進(jìn)行對(duì)比分析，結(jié)果如表1所示。

表1 不同模式虛擬電廠運(yùn)行成本對(duì)比

對(duì)不同模式下虛擬電廠運(yùn)行成本進(jìn)行比較可知，考慮多場(chǎng)景相較于不考慮多場(chǎng)景的冷熱電虛擬電廠日前調(diào)度運(yùn)行成本有所提高。在考慮風(fēng)、光及多能負(fù)荷的不確定性造成的監(jiān)管成本后，不考慮多場(chǎng)景的冷熱電虛擬電廠實(shí)時(shí)校正成本增加明顯，且考慮多場(chǎng)景的冷熱電虛擬電廠總運(yùn)行成本明顯低于不考慮多場(chǎng)景冷熱電虛擬電廠的總運(yùn)行成本，驗(yàn)證了所提模型具有較好的經(jīng)濟(jì)性。

5 結(jié)束語(yǔ)

冷熱電虛擬電廠聚合區(qū)域內(nèi)的電、熱、冷、氣、風(fēng)、光等多種能源，通過(guò)先進(jìn)的通訊系統(tǒng)實(shí)現(xiàn)群管群控、協(xié)調(diào)管理。通過(guò)多能互補(bǔ)優(yōu)化調(diào)度提高虛擬電廠的經(jīng)濟(jì)效益。文中考慮風(fēng)、光出力及電、熱、冷負(fù)荷的不確定性，建立基于多場(chǎng)景冷熱電虛擬電廠日前-實(shí)時(shí)兩階段協(xié)調(diào)優(yōu)化模型，特點(diǎn)如下：

(1)針對(duì)虛擬電廠中風(fēng)、光出力及多能負(fù)荷需求的不確定性，采用多場(chǎng)景虛擬電廠隨機(jī)規(guī)劃方式，利用其預(yù)測(cè)值的不同分布特性，生成多個(gè)隨機(jī)預(yù)測(cè)場(chǎng)景，在滿足虛擬電廠內(nèi)部各種約束條件下，分析所有場(chǎng)景的調(diào)度方案，選取綜合效果最佳運(yùn)行方案；

(2)針對(duì)風(fēng)、光、荷預(yù)測(cè)誤差的分布特點(diǎn)，采用日前規(guī)劃與實(shí)時(shí)校正相結(jié)合的兩階段優(yōu)化調(diào)度策略。日前階段，考慮虛擬電廠運(yùn)行的經(jīng)濟(jì)性，采用多場(chǎng)景冷熱電虛擬電廠隨機(jī)規(guī)劃進(jìn)行經(jīng)濟(jì)性調(diào)度；實(shí)時(shí)校正階段，調(diào)整虛擬電廠內(nèi)可控機(jī)組出力，提高虛擬電廠運(yùn)行的魯棒性；

(3)算例仿真表明，所提模型能夠有效降低風(fēng)、光、荷預(yù)測(cè)誤差對(duì)冷熱電虛擬電廠運(yùn)行的影響，實(shí)現(xiàn)虛擬電廠經(jīng)濟(jì)性與魯棒性的協(xié)調(diào)運(yùn)行。