趙玲霞，王興貴，丁穎杰，郭永吉，李錦健

(蘭州理工大學電氣工程與信息工程學院,蘭州市 730050)

0 引言

分布式電源(distributed generation,DG)在緩解能源危機、實現節(jié)能減排的同時,因其間歇性和隨機性給電網管理及調度運行增加了難度[1]。虛擬電廠(virtual power plant,VPP)是解決分布式電源并網運行及管理的一種有效方式[2],利用先進的信息技術大規(guī)模聚合風電、光伏、儲能、可控負荷等類型各異、地域分散的分布式資源,通過能量管理系統(tǒng)(energy management system,EMS)協(xié)調優(yōu)化,抑制新能源出力的隨機波動性,使VPP 具有類似常規(guī)電源的可調度性,從而滿足DG 高效利用和市場化運營需求[3-4]。

VPP 中的風電、光伏出力具有不確定性,在向電網申報日前出力的過程中,將導致實際出力偏離申報值[5-6]。因此,在VPP 優(yōu)化調度中,通常采用可控電源出力或儲能電池去平衡分布式風電、光伏的出力波動性,使其具有最優(yōu)申報電量。可控電源主要包括火電、燃氣輪機、梯級水電、抽水蓄能等,其中火電在運行過程中會產生碳排放,且實時調節(jié)能力有限,梯級水電和抽水蓄能受地域條件限制。儲能電池雖然具有較快的響應速度,但受技術及成本限制,故其規(guī)模一般較小,在平抑大規(guī)模風、光出力時能力受限。

為克服單一可控能源的不足和局限性,通常將可控DG與儲能電池相結合。文獻[7-8]分別以常規(guī)能源火電、水電作為可控電源,對風光出力進行平抑。文獻[9]利用梯級水電短期輸出的靈活性和火電的有效調峰性能補償VPP 中光伏發(fā)電的隨機輸出。文獻[10]將燃氣輪機和儲能電池共同作為VPP 調節(jié)電源,以促進分布式風光能源的優(yōu)化利用。文獻[11]以風電、燃氣輪機、抽蓄電站組成VPP,采用魯棒優(yōu)化法處理風電出力和市場電價的不確定性。配有儲熱的光熱電站(concentrating solar power plant,CSP),其出力可調,因此在虛擬電廠中也可作為靈活調節(jié)電源。文獻[12]利用光熱出力可控的特點,將光熱聚合到風-火虛擬電廠中,使其參與申報出力,并在實時調度中參與輔助平衡市場。為降低碳排放量,減小風電和負荷不確定性對電網調度的影響,文獻[13]以光熱電站和碳捕集機組作為可控單元,構建風電-光熱-碳捕集虛擬電廠。文獻[14]考慮電價、光熱產生的熱能、居民需求響應參與因子等不確定性因素,提出了將光熱與部分住宅和工業(yè)負荷響應相結合的虛擬電廠風險約束日前調度策略,利用成熟的信息差距決策理論來對沖由這些不確定性引起的風險。

鑒于西北地區(qū)可再生能源項目建設實際和多能互補項目并網運行的啟示,利用風光發(fā)電與光熱發(fā)電互補特性,本文提出由分布式風電、光伏、光熱及儲能電池組成虛擬電廠。其中,光熱儲熱電站在平抑風光出力波動時,與儲能電池相比,具有較大的轉動慣量,能為系統(tǒng)安全運行提供一定支撐,但投資成本較高。儲能電池響應速度較快,可瞬時平滑風光出力,但其規(guī)模較小。故在大規(guī)模新能源并網時,將二者結合,可兼顧各自的局限性。運行中通過對二者聯(lián)合調節(jié),可減小VPP 實際出力跟蹤申報出力的電量偏差。此外,應用于配電網中的分時電價對分布式DG 參與電網調峰具有一定的激勵作用[15-16],因此可基于分時電價制定相應的VPP 運行策略及優(yōu)化調度模型。為實現虛擬電廠的經濟運行,在日前-實時兩階段優(yōu)化調度中,以各時段內凈收益最大為目標,并在實時階段采用自適應粒子群算法對所建模型進行求解。最后,通過仿真驗證模型的有效性和優(yōu)化調度策略的可行性。

1 含光熱的VPP 聚合單元特性

1.1 光熱發(fā)電能量轉換模型及特性

光熱電站一般由太陽島和常規(guī)島兩部分組成,其中太陽島主要包括光場(solar field,SF)、儲熱裝置(thermal storage system,TSS)、熱力循環(huán)(power cycle,PC)三部分,各組成部分之間采用導熱流體(heattransfer fluid,HTF)進行能量傳遞[17],其能量轉化結構如圖1 所示。光場將收集的太陽能通過集熱裝置轉化為熱能,經導熱流體將其輸送至熱力循環(huán)系統(tǒng)并產生蒸汽,發(fā)電單元利用蒸汽進行發(fā)電,從而實現了光-熱-電的轉化過程。儲熱裝置用于熱能存儲,并根據調度需要進行放熱發(fā)電,從而使得光熱電站的出力可調。

圖1 CSP 電站能量轉化結構Fig.1 Energy conversion structure of CSP plant

光場收集的熱功率可表示為:

在收集的熱功率中,除去棄光功率,可得系統(tǒng)能利用的熱功率為:

聚光集熱裝置經光-熱轉化所得熱功率,可通過導熱流體儲存在儲熱裝置中,或供給熱力循環(huán)系統(tǒng),根據熱功率流向可表示為:

儲熱裝置在充熱及放熱過程中均存在熱能損耗,其特性可用式(4)描述:

考慮TSS 在熱能存儲期間產生的熱耗散,高溫罐熱能存儲狀態(tài)方程可表示為:

熱力循環(huán)系統(tǒng)的熱功率可能由光場直接供給,也可能來自儲熱裝置。系統(tǒng)運行時根據能量平衡關系及式(3)、(4)可得:

其中,儲熱裝置充放熱功率必須滿足:

式(7)表示儲熱和放熱過程不能同時進行。

熱力循環(huán)系統(tǒng)將從導熱流體中吸收的熱功率轉換為蒸汽,輸送至常規(guī)島中的汽輪機中,從而推動汽輪發(fā)電機組發(fā)電,使CSP 輸出電能。忽略熱電轉換過程中的熱能損耗,可得CSP 最終輸出的電功率表達式為:

1.2 儲能電池能量模型

虛擬電廠中儲能電池可以和光熱電站配合,以抑制風、光出力的隨機波動性,具有充電和放電2 種運行狀態(tài),其電量計算公式為:

1.3 多能源VPP 結構及運行特性

由風電、光伏、光熱及儲能電池組成的VPP 結構如圖2 所示,系統(tǒng)主要由協(xié)調控制中心、能量流網絡及信息通信網絡3 個部分組成。其中,協(xié)調控制中心是VPP的核心,其主要功能有可再生能源發(fā)電功率預測、內部各單元功率協(xié)調控制及運行優(yōu)化、以一個整體參與電力市場運營等[18]。圖中由實線所連接的各分布式電源為能量網,表示VPP 內部各單元之間及VPP與電網間的電能傳輸;用虛線所連接的各部分為信息通信網絡,各分布式單元通過信息網與協(xié)調控制中心連接,實現了各單元與控制中心之間的雙向通信,便于VPP 內部各單元的整合。

圖2 VPP 結構簡化示意Fig.2 Schematic diagram of VPP structure

內部各單元聯(lián)合運行時,風電和光伏出力可分為兩部分,一部分直接供給電網,另一部分用于電池充電儲能。光熱電站因其汽輪發(fā)電機組具有快速的調節(jié)能力,15 min 內即可實現80% 額定容量的調節(jié)[19],故在VPP 中被用于平抑風光出力波動。儲能電池則基于分時電價,在分時電價谷段充電、峰段放電,通過削峰填谷實現電量轉移,從而提高VPP的經濟效益。控制中心根據信息采集及通信網絡,對光熱電站出力和儲能電池電量進行聯(lián)合調節(jié),使VPP的實時出力較為準確地跟蹤日前申報計劃,進而減小出力偏差。

2 考慮光熱特性的多能源虛擬電廠調度運行策略

在虛擬電廠運行過程中,其運行策略對優(yōu)化調度具有重要影響。本文以最大程度地消納風電和光伏為前提,根據光熱電站和儲能電池的運行特性,基于分時電價,制定其運行策略,從而提高可再生能源的消納效率和VPP 運行的經濟效益。在風電-光伏-光熱-儲能電池多能源VPP 中,光熱發(fā)電與風電、光伏作為主力電源共同參與日前申報計劃出力,VPP 調度運行優(yōu)化流程如圖3 所示。

圖3 多能源VPP 調度優(yōu)化流程Fig.3 Flow chart of multi-energy VPP scheduling optimization

首先,VPP 根據對次日風速、光照強度的預測得到風電、光伏、光熱的預測出力;其次,將可再生能源預測出力與配電網分時電價及各分布式發(fā)電單元的運行成本相結合,優(yōu)化申報出力,并通過協(xié)調控制中心向上層電網調度中心申報出力計劃。待申報計劃確認后,安排VPP 內部各發(fā)電單元出力,然后根據計劃出力與實際出力偏差進行調度優(yōu)化,并給出次日實時調度優(yōu)化結果。

實時調度運行策略具體如下:

風、光發(fā)電系統(tǒng)運行策略:在VPP 內部,風電和光伏發(fā)電作為不可控電源優(yōu)先利用,政策上全額上網。

光熱電站運行策略:因風光資源具有隨機性,尤其是風力資源,導致申報出力與實際出力具有一定的偏差,可由光熱電站的儲熱裝置與儲能電池聯(lián)合運行進行補償。1)當偏差量大于0,即風電-光伏-光熱實際發(fā)電量低于計劃值時,先判斷光熱電站出力是否達最大,若出力未達最大值時,儲熱裝置放熱發(fā)電;若出力已達最大值或放熱后仍不滿足,則令儲能電池放電,以補償偏差。2)當偏差量小于0,即風電-光伏-光熱實際發(fā)電量超出計劃值時,先計算偏差量的大小,若偏差量較小,則光熱電站進行儲熱,以降低聯(lián)合出力;若偏差量較大,則光熱儲熱的同時儲能電池利用多余的風電及光伏電量充電儲能。

儲能電池運行策略:儲能電池具有轉移電量的特性,在分時電價谷平時段且在其能量范圍內,最大化存儲富余的風電和光伏發(fā)電電量;在分時電價峰時段,根據出力偏差量和放電約束進行售電,實現風電-光伏-光熱-儲能電池聯(lián)合發(fā)電時VPP 收益最大,同時實現削峰填谷的目的。

3 基于分時電價的虛擬電廠優(yōu)化調度模型

在日前申報階段,根據VPP 調度運行優(yōu)化流程,以VPP 獲得收益最大為目標,對風電、光伏、光熱的出力進行預測,向電網調度中心申報計劃出力;在次日實時調度階段,綜合風光實際出力,對光熱電站儲熱裝置的充放熱進行動態(tài)調節(jié),結合儲能電池電量控制,以減小申報出力偏差,使VPP 在參與電力市場實時交易中獲得更高收益。

3.1 日前申報出力模型

在日前申報中,為了讓VPP 獲得最大收益,以光熱電站出力及其儲熱量為控制量,綜合日前分時電價、風光預測出力及光熱運行成本等因素,制定并申報出力方案。VPP 凈收益計算公式為:

式中:F為VPP 在t時段的凈收益;ISE,t為售電收入;COP,t為VPP 內部各分布式單元運行成本;pt為t時段售電電價;PW,t、PPV,t、PCPS,t分別為t時段風電、光伏、光熱預測出力;kW、kPV、kCSP分別為風電、光伏、光熱電站單位產能運行成本系數。

3.2 實時調度優(yōu)化模型

在實時調度階段,根據日前調度結果,結合超短期風電、光伏預測出力及光熱儲熱狀況,對光熱出力及時調整以跟隨風光出力變化,并輔以儲能電池減小虛擬電廠出力偏差量,使實時收益最大。另外在計算實時收益時,還須考慮實時出力偏離申報值時的懲罰成本及儲能電池平衡風光出力所獲得的收益,其表達式為:

式中:所有帶“′”的變量其含義同日前調度;kb為儲能電池運行成本系數;CPE,t為出力偏差懲罰成本;pf為偏離單位申報出力的懲罰電價;ΔP為申報偏差功率,當ΔP＞0 時,計劃出力大于實際出力,不足部分需要以高于日前分時售電電價的價格買入,從而促進風電場、光伏電站提高出力預測精度,提高整個虛擬電廠的可調度性,當ΔP＜0 時,計劃出力小于實際出力,剩余電量應以低于日前分時售電電價的價格售出,以降低棄風率及棄光率。故懲罰電價可表示為:

式(18)表示,當ΔP＞0 或ΔP＜0 時,懲罰電價pf以分時售電電價pt為基準,分別進行上調或下調,此處調節(jié)比例設為50%。

3.3 約束條件

1)日前申報出力約束。

2)實時調度運行約束。

3)光熱電站運行約束。

儲熱裝置容量約束:

儲熱裝置充、放熱約束如下:

4)儲能電池容量及充放電約束。

儲能電池容量約束為:

儲能電池充、放電功率約束為:

式中:分別表示充放電功率上限值;表示充放電功率下限值。

5)風、光出力約束。

4 基于自適應粒子群算法的調度模型優(yōu)化

本文采用粒子群算法 (particle swarm optimization,PSO)對實時調度模型進行求解。PSO是一種智能搜索算法,在尋優(yōu)過程中根據適應度函數得到個體最優(yōu)值和群體最優(yōu)值,并對2 個最優(yōu)值進行迭代更新,其更新公式為[21]:

因粒子群算法在迭代后期收斂速度變慢,易陷入局部最優(yōu)。針對該問題本文采用自適應慣性權重粒子群算法,根據粒子當前適應度值與目標值的距離動態(tài)調節(jié)慣性權重,更好地平衡全局搜索能力和局部搜索能力,提高算法收斂速度及精度,表達式為:

式中:wmax、wmin分別為慣性權重最大、最小值;分別為第n次迭代時所有粒子適應度的最大值和平均值;為第n次迭代時第i個粒子的當前適應度值。

5 算例分析

5.1 仿真情景設定

在日前及實時兩階段優(yōu)化調度中,分別設定2 種不同的仿真情景:

1)日前調度:該階段儲能電池不參與出力申報。

情景1:光熱與風電-光伏各自申報出力;

情景2:光熱與風電-光伏聯(lián)合申報出力。

2)實時調度:

情景3:光熱與風電-光伏聯(lián)合運行,無儲能電池;

情景4:光熱與風電-光伏聯(lián)合運行,引入儲能電池。

5.2 算例參數

本文以西北某地區(qū)的新能源電站為例,選取1 個200 MW的風電場、2 個光伏電站(容量分別為30、20 MW)、100 MW的光熱電站及50 MW的儲能電池構成VPP。針對VPP 日前及實時調度優(yōu)化運行進行研究,對比分析聯(lián)合申報出力與獨立申報出力及無儲能和有儲能時的經濟效益。每隔15 min 對風、光出力進行一次預測,日前預測出力和實時出力如圖4所示,其運維參數參照文獻[22];光熱相關參數見表1,其運維系數參照文獻[23],太陽直射輻射強度(direct normal irradiance,DNI)如圖5 所示;儲能電池相關參數見表2。按照各時段負荷大小,對24 h 峰、谷、平時段進行劃分,對應電網分時電價見表3。

表2 儲能電池相關參數Table 2 Relevant parameters of energy storage battery

表3 電網峰谷平各時段分時電價Table 3 Time-of-use electricity price for peak,valley,flat periods of power grid

圖4 風電、光伏預測出力及實時出力曲線Fig.4 Predicted and real-time output curves of photovoltaic and wind power

圖5 DNI 預測值及實時值Fig.5 DNI predicted value and real-time value

表1 光熱電站相關參數Table 1 Relevant parameters of CSP plant

5.3 仿真結果分析

5.3.1 日前調度結果及分析

根據日前調度運行策略及調度模型,結合分時電價和風電、光伏預測出力及DNI 預測值,向電網調度中心申報計劃出力,如圖6 所示。在日前優(yōu)化調度中,風電-光伏與光熱在獨立申報及聯(lián)合申報2 種不同情景下,其出力不變。風電和光伏不受分時電價影響,全部上網。光熱根據分時電價、儲熱量及DNI 預測值申報出力。在谷時段,無光照且電價較低,受儲熱容量限制機組按最小出力運行;平時段光照一般比較充足,峰時段電價較高,故在這2 個時段機組一般按最大出力運行。

圖6 日前申報時2 種不同情景下的出力曲線Fig.6 Output curves under two different scenarios at the stage of day-ahead declaration

5.3.2 實時調度結果及分析

在實時調度中,VPP 協(xié)調控制中心根據風電、光伏出力偏差及DNI 預測偏差,結合分時電價,以凈收益最大為目標,對光熱出力及儲能電池充放電功率進行調節(jié)。同時,給出了VPP 在調節(jié)電源僅含光熱及光熱+儲能電池2 種情景下的出力及偏差功率,并對其成本及收益進行了對比分析。

圖7—10 給出了實時調度情景3 風電-光伏-光熱協(xié)調運行時的VPP 出力及偏差功率曲線。圖7 為光熱在不同儲熱容量下的出力曲線;圖8 為與之對應的充放熱功率及儲熱量變化情況。

圖7 實時調度情景3 下光熱在不同儲熱容量下的出力曲線Fig.7 In real-time scheduling scenario 3,the output of CSP under different thermal storage capacity

圖8 實時調度情景3 下光熱儲能裝置充放熱功率及儲熱量變化情況Fig.8 In real-time scheduling scenario 3,changes of charging and discharging heat power and heat storage of CSP thermal storage device

圖9 VPP 日前-實時(情景3)兩階段出力情況Fig.9 Output of VPP under day-ahead real-time(scenario 3) two stage

圖10 兩種不同申報模式下VPP 日前-實時(情景3)申報偏差功率Fig.10 Declaration deviation power of day-ahead real-time (scenario 3) two stage of VPP under different declaration modes

結合圖7—10 可知,在谷時段,光熱通過儲熱放熱發(fā)電,受儲熱容量限制及低電價影響,光熱按最小出力運行。當風電、光伏偏差功率大于0 時,如時段5—13,表示VPP 計劃出力大于實際出力,光熱須增加出力,以減小風光出力正偏差,此時儲熱裝置放熱,充放熱功率為負,儲熱量負向增大;而當風光偏差功率小于0 時,如時段1—4 及14—21 這2 個時段區(qū)間,表示VPP 計劃出力小于實際出力,光熱須減小出力。因光熱機組此時已運行于最小出力模式,無法再降低出力,故無法消除風光出力負偏差。

在光照充足及電價較高的時段,如早高峰時段37—44 及晚高峰部分時段(如時段82—96),光熱按最大出力運行。當風光偏差功率大于0 時,表明VPP少發(fā),但光熱無法再增加出力以減小風光偏差;反之,若風光偏差功率小于0 時,如時段46—81,表明VPP多發(fā),光熱可降出力運行,以減小偏差功率。此外,在時段48—76,光照較強,儲熱量增加到上限值后保持不變,直到時段76 后,因DNI 減小,光熱開始放熱發(fā)電,充放熱功率變負,儲熱量開始下降。

由上述可知,VPP 中的光熱電站在一定程度上可以減小申報偏差,降低懲罰成本。但VPP 僅含光熱一種調節(jié)電源時,在谷時段風光偏差功率小于0(即VPP 多發(fā))且光熱機組運行于最小出力模式、或峰平時段偏差功率大于0(即VPP 少發(fā))而光熱運行于最大出力模式2 種情況下,均無法消除其出力偏差,從而使實時階段凈收益低于日前申報值。風電-光伏-光熱聯(lián)合運行時的VPP 收益及成本如表4所示。

由表4 可知,實時調度情景3 下,風電-光伏-光熱聯(lián)合運行,且光熱儲熱容量為1 000 MW·h 時,VPP 實時凈收益為166.7 萬元,低于日前申報值297.5 萬元。當儲熱容量增大到1 680 MW·h 時,光熱在晚高峰時段放熱時長增加,售電收益隨之增加,但懲罰成本沒變,因光熱在該時段以最大出力運行,無法再通過增大出力來降低風光正偏差。VPP 實時凈收益隨售電收益的增加而增加,但仍低于日前申報值。因此引入儲能電池,配合光熱對VPP 中風光出力偏差進行調節(jié),從而進一步降低VPP 申報偏差功率。

表4 不含儲能電池時的VPP 收益及成本Table 4 VPP revenue and cost without energy storage battery

圖11—14 為實時調度情景4 含儲能電池時的風電-光伏-光熱-儲能電池多能源VPP 出力及偏差功率波形。

圖11 實時調度情景4 下光熱在不同儲熱容量下的出力曲線Fig.11 In real-time scheduling scenario 4,the output of CSP under different thermal storage capacity

對比圖7 和圖11,結合圖14(a)可知,加入儲能電池后,在時段46—80,風光偏差功率小于0,即VPP多發(fā)時,光熱仍然按最大出力運行,與其申報出力一致,負偏差用于儲能電池充電儲能,儲電容量增加。結合圖12 及14(a)可知,在谷時段1—4 及14—21區(qū)間內,當風光偏差功率小于0 時,儲能電池充電,充放電功率為正,儲電量增加;在早高峰時段37—44、晚高峰部分時段82—92 及平時段32—36 內,風光偏差大于0 時,儲能電池放電,充放電功率為負,儲電量減小。比較圖9(b)和圖14(a)可知,加入儲能后,在上述時段,VPP 實時出力與日前申報出力偏差明顯降低。

圖12 實時調度情景4 下儲能電池充放電功率及儲電量Fig.12 In real-time scheduling scenario 4,charging and discharging power and storage capacity of energy storage battery

圖13 VPP 日前-實時(情景4)兩階段出力情況Fig.13 Output of VPP under day-ahead real-time(scenario 4) two stage

圖14 兩種不同申報模式下VPP 日前-實時(情景4)申報偏差功率Fig.14 Declaration deviation power of day-ahead real-time(scenario 4) two stage of VPP under different declaration modes

圖13、14 分別為儲能電池在不同容量下的VPP出力及偏差功率,對比可知,在時段28—30 及43—44 這2 個時段內,隨著儲能電池容量的增加,VPP 申報偏差進一步減小。懲罰成本進一步降低,凈收益隨之提高。

表5 為實時調度階段情景4 下的VPP 收益及成本,表5 給出了VPP 在不同光熱儲熱容量和儲能電池容量組合下對應的收益及成本值。對照表5 和表4 可知,隨著儲能電池的加入,VPP 懲罰成本在光熱調節(jié)的基礎上進一步下降,以=1 000 MW·h為例,無儲能電池時,其懲罰成本為114.2 萬元,加入儲能電池且容量=100 MW·h 時,懲罰成本降為46.6 萬元,而凈收益由166.7 萬元提高到237.6萬元,有了較大提升。同時,通過對比表5 前1、2 組數據可以發(fā)現,當儲熱容量=1 000 MW·h 保持不變,而儲能電池容量從100 MW·h 增加到200 MW·h,懲罰成本進一步降低,在不考慮容量投資成本的前提下,凈收益隨著儲能容量的增加及懲罰成本的降低而提高。通過比較表5 第2、3 組數據可知,在儲能電池容量一定,而儲熱容量增加時,凈收益將隨售電收益的增加而增加,但懲罰成本不變,原因同表4 分析所述。

表5 含儲能電池時的VPP 收益及成本Table 5 VPP revenue and cost with energy storage battery

6 結論

本文基于分時電價并結合光熱發(fā)電特性,構建了風電-光伏-光熱-儲能電池多能源虛擬電廠模型,并制定了相應的運行策略。在此基礎上通過仿真對比分析了日前調度階段,VPP 中風電-光伏、光熱在獨立申報及聯(lián)合申報2 種情景下的出力及偏差、收益及成本;同時還分析了實時調度階段,加入儲能電池前后的風電-光伏-光熱VPP 運行情況。結果表明:光熱可通過儲熱充放熱降低風電-光伏的出力偏差,但受光照、儲熱容量及分時電價影響,其調節(jié)作用受限;加入儲能電池后,進一步降低了VPP 申報偏差,實現了將谷平時段富裕風光電能轉移到高峰時段出售,在降低棄風棄光的同時,提高了凈收益。此外,在風電場、光伏電站及光熱電站容量一定的前提下,提高儲能電池容量,可進一步降低懲罰成本,提高VPP 凈收益。