林彤彤，周晉杭，葉曉杰，蔡婉雯，邵崇

（國(guó)網(wǎng)臺(tái)州供電公司臺(tái)州灣新區(qū)供電分公司，臺(tái)州 318000）

引言

當(dāng)分布式能源接入網(wǎng)架薄弱、調(diào)度不合理和自動(dòng)化水平低的配電網(wǎng)中時(shí)，在控制和運(yùn)行過(guò)程中的可靠性較低[1]。在此背景下提出了虛擬電廠，虛擬電廠是指利用數(shù)字化和智能化技術(shù)，將分散的可再生能源、能量?jī)?chǔ)存設(shè)備、能耗設(shè)備等整合在一起，形成一個(gè)能夠自主運(yùn)行和管理的系統(tǒng)。虛擬電廠可以解決負(fù)荷側(cè)和電源側(cè)存在的一些弊端，在電網(wǎng)調(diào)度過(guò)程中協(xié)調(diào)負(fù)荷側(cè)和電源側(cè)之間的平衡[2]。但目前虛擬電廠微網(wǎng)源荷調(diào)度效果較差，為此，需要建立一個(gè)優(yōu)化調(diào)度模型，以保證虛擬電網(wǎng)微網(wǎng)的高效、可靠運(yùn)行。

陸秋瑜等[3]分兩個(gè)階段實(shí)現(xiàn)調(diào)度，首先根據(jù)負(fù)荷需求預(yù)測(cè)數(shù)據(jù)和風(fēng)力發(fā)電出力數(shù)據(jù)在日前階段構(gòu)建隨機(jī)優(yōu)化模型，以此提高微網(wǎng)的日運(yùn)行收益，其次，在時(shí)前階段建立確定性?xún)?yōu)化模型，對(duì)電池儲(chǔ)能充放電功率、風(fēng)力發(fā)電出力和燃油發(fā)電機(jī)組出力展開(kāi)調(diào)節(jié)，以此提高時(shí)運(yùn)行收益，該方法無(wú)法準(zhǔn)確的預(yù)測(cè)風(fēng)電和光伏出力，存在預(yù)測(cè)精度低的問(wèn)題。楊秀等[4]將最大化用戶(hù)側(cè)收益作為目標(biāo)，基于分時(shí)電價(jià)優(yōu)化可控負(fù)荷，同時(shí)將最小電源出力成本作為優(yōu)化目標(biāo)，提高發(fā)電側(cè)與需求側(cè)的收益，該方法調(diào)度后的微網(wǎng)棄風(fēng)電量高、風(fēng)電利用率低。

為了解決上述方法中存在的問(wèn)題，提出虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法。

1 虛擬電廠場(chǎng)景構(gòu)建

虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法在正態(tài)分布概率模型[5-6]、光伏、風(fēng)機(jī)概率模型、負(fù)荷概率模型和可轉(zhuǎn)移負(fù)荷基礎(chǔ)上展開(kāi)場(chǎng)景構(gòu)建，以此實(shí)現(xiàn)不同空間的資源控制。

1.1 正態(tài)分布概率模型

由概率統(tǒng)計(jì)理論可知，正態(tài)分布的性質(zhì)較好，被廣泛的應(yīng)用在誤差預(yù)測(cè)領(lǐng)域中。

預(yù)測(cè)值在實(shí)際預(yù)測(cè)過(guò)程中存在邊界，因此需要?dú)w一化處理范圍內(nèi)的概率，用f( )μ表示概率密度函數(shù)，其表達(dá)式如下：

式中：

σ0、μ0—正態(tài)分布的標(biāo)準(zhǔn)差和期望。

1.2 光伏、風(fēng)機(jī)概率模型

針對(duì)風(fēng)機(jī)出力和光伏出力的預(yù)測(cè)，目前國(guó)內(nèi)已經(jīng)存在較多研究成果，但風(fēng)速和光照的隨機(jī)性較高，在預(yù)測(cè)過(guò)程中容易產(chǎn)生誤差。認(rèn)為電機(jī)和光伏的預(yù)測(cè)誤差符合正態(tài)分布，用表示時(shí)段虛擬電廠微網(wǎng)中風(fēng)機(jī)和光伏出力最高值對(duì)應(yīng)的概率密度函數(shù)，其表達(dá)式分別如下：

式中：

σW—風(fēng)機(jī)的標(biāo)準(zhǔn)差；

PWN、PPVN—風(fēng)機(jī)和光伏在虛擬電廠微網(wǎng)中的裝機(jī)容量；

σPV—光伏對(duì)應(yīng)的預(yù)測(cè)標(biāo)準(zhǔn)差。

1.3 負(fù)荷概率模型

1）固定負(fù)荷

設(shè)PL,t、PLP,t代表的是固定負(fù)荷在微網(wǎng)運(yùn)行t時(shí)段內(nèi)的實(shí)際值與預(yù)測(cè)值，設(shè)f(PL,t)代表的是t時(shí)段固定負(fù)荷對(duì)應(yīng)的概率密度函數(shù)，其表達(dá)式如下：

式中：

PLN—描述的是固定負(fù)荷總量；

σL—固定負(fù)荷預(yù)測(cè)對(duì)應(yīng)的標(biāo)準(zhǔn)差。

2）可中斷負(fù)荷

未對(duì)可中斷負(fù)荷采取中斷措施之前，t時(shí)段客戶(hù)i的可中斷負(fù)荷使用情況對(duì)應(yīng)的概率分布可表示為：

式中：

XILi,t、XILPi,t—客戶(hù)i在虛擬電廠微網(wǎng)運(yùn)行t時(shí)段內(nèi)的可中斷負(fù)荷使用實(shí)際值和預(yù)測(cè)值，當(dāng)其值為1 時(shí)，表明使用，當(dāng)其值為0 時(shí)，表明不使用。

1.4 可轉(zhuǎn)移負(fù)荷

將客戶(hù)的可轉(zhuǎn)移負(fù)荷使用情況作為依據(jù)，對(duì)其分類(lèi)：在實(shí)施實(shí)時(shí)電價(jià)后，I 類(lèi)客戶(hù)和II 類(lèi)客戶(hù)分別改變和不改變可轉(zhuǎn)移負(fù)荷的使用情況，其對(duì)應(yīng)的概率密度函數(shù)分別為f(NTL)、f(pTII,t)：

式中：

NTL、pTII,t—I 類(lèi)客戶(hù)可轉(zhuǎn)移負(fù)荷比例與II 類(lèi)客戶(hù)可轉(zhuǎn)移負(fù)荷使用率的實(shí)際值；

NTLP、pTIIP,t—I 類(lèi)客戶(hù)可轉(zhuǎn)移負(fù)荷比例與II 類(lèi)客戶(hù)可轉(zhuǎn)移負(fù)荷使用率的預(yù)測(cè)值；

σN、σTII—NTL、pTII,t的標(biāo)準(zhǔn)差。

1.5 場(chǎng)景構(gòu)建

針對(duì)上述單元的不確定性，采用拉丁超立方抽樣方法[7-8]生成樣本。設(shè)置隨機(jī)變量數(shù)量n和抽樣規(guī)模m，則滿足正態(tài)分布的樣本為X=[x1,x2, …,xn]，第i個(gè)樣本表示為Xi=[xi1,xi2, …,xin]，虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法的具體抽樣過(guò)程為：

1）確定狀態(tài)為xwj的隨機(jī)變量xw的總數(shù)mp(xwj)，p(xwj)代表的是變量xw處于狀態(tài)xwj時(shí)對(duì)應(yīng)的概率；

2）建立樣本X的m×n維狀態(tài)矩陣Xs，由mp(xwj)個(gè)狀態(tài)xwj構(gòu)成矩陣的第w列元素；

3）在第i次抽樣過(guò)程中，采用隨機(jī)抽樣的方式依次從狀態(tài)矩陣Xs中抽取樣本[9,10]，獲得樣本值xiw。

上述抽樣獲取的樣本數(shù)量較大，為此，通過(guò)下述過(guò)程削減樣本：

1）計(jì)算樣本Xi、Xj之間存在的距離dij：

2）針對(duì)Adi=pi ci最小的樣本i予以刪除，其中，ci代表的是i對(duì)應(yīng)的密度距離；pi c描述的是i出現(xiàn)的概率。

3）設(shè)pl、pk分別代表的是樣本l、k出現(xiàn)的概率，通過(guò)下式對(duì)其展開(kāi)更新：

式中：

dik、d ij—樣本i與樣本l、k之間存在的距離。

4）重復(fù)上述過(guò)程，當(dāng)樣本數(shù)量符合場(chǎng)景構(gòu)建的要求時(shí)停止，獲得NPV個(gè)個(gè)PL,t、NIL個(gè)XILi,t、NI個(gè)NTL、NTII個(gè)pTII,t，獲得的虛擬電廠場(chǎng)景為Ns：

2 源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建

2.1 源荷協(xié)同優(yōu)化調(diào)度模型及約束條件

構(gòu)建虛擬電廠場(chǎng)景與構(gòu)建源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建之間存在密切的關(guān)系。虛擬電廠場(chǎng)景的構(gòu)建是為了模擬實(shí)際運(yùn)行中可能出現(xiàn)的各種情況和變化，這些概率模型描述了不同要素（如風(fēng)機(jī)、光伏、負(fù)荷）在不同時(shí)段內(nèi)的實(shí)際值和預(yù)測(cè)值，以及它們符合的概率密度函數(shù)，幫助預(yù)測(cè)各個(gè)要素的變化和波動(dòng)程度，以便于源荷協(xié)同優(yōu)化調(diào)度模型在這些變化中實(shí)現(xiàn)能源的最優(yōu)分配和調(diào)度。

完成場(chǎng)景構(gòu)建后，將最小運(yùn)行成本、最大可再生能源消納量和最小環(huán)境成本作為優(yōu)化目標(biāo)，建立虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型[11,12]：

式中：

g1—虛擬電廠微網(wǎng)的運(yùn)行成本；

VOM—運(yùn)行過(guò)程中機(jī)組產(chǎn)生的維護(hù)成本；

Vf—運(yùn)行過(guò)程中機(jī)組對(duì)應(yīng)的燃料成本；

VW—風(fēng)電場(chǎng)發(fā)電時(shí)產(chǎn)生的成本；

VPV—光伏電站發(fā)電時(shí)產(chǎn)生的成本；

VIL—可中斷負(fù)荷調(diào)度過(guò)程中產(chǎn)生的成本；

g2—可再生能源消納總量。

T= 24；

?T—調(diào)度時(shí)段；

g3—環(huán)境成本；

Ve—氮氧化物產(chǎn)生的環(huán)境成本；

MG—常規(guī)電源發(fā)電組在微網(wǎng)中的數(shù)量；

βz、χz、ηz、?z—常規(guī)機(jī)組z在運(yùn)行過(guò)程中排放氮氧化物的特性參數(shù)；

在優(yōu)化調(diào)度過(guò)程中，設(shè)置虛擬電廠微網(wǎng)的功率平衡約束條件：

式中：

Lt0—實(shí)施分時(shí)電價(jià)前t時(shí)刻的負(fù)荷；

Lt—實(shí)施分時(shí)電價(jià)后t時(shí)刻的負(fù)荷。

設(shè)置常規(guī)機(jī)組在虛擬電廠微網(wǎng)中的爬坡速率約束條件：

式中：

ΨGz,up—機(jī)組z在上爬坡過(guò)程中對(duì)應(yīng)的速率；

ΨGz,down—機(jī)組z在下爬坡過(guò)程中對(duì)應(yīng)的速率。

2.2 模型求解

虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法采用螢火蟲(chóng)優(yōu)化算法[13,14]求解源荷協(xié)同優(yōu)化調(diào)度模型，實(shí)現(xiàn)調(diào)度，具體過(guò)程如下：

1）根據(jù)公式（9）所示的優(yōu)化調(diào)度模型，設(shè)置螢火蟲(chóng)優(yōu)化算法在源荷協(xié)同優(yōu)化調(diào)度過(guò)程中的擾動(dòng)因子、光吸收系數(shù)；螢火蟲(chóng)個(gè)體數(shù)量、算法迭代次數(shù)以及最大吸引度；

2）通過(guò)下述公式對(duì)螢火蟲(chóng)位置ix展開(kāi)更新：

式中：

κ、r—擾動(dòng)隨機(jī)參數(shù)，其主要作用是避免螢火蟲(chóng)優(yōu)化算法在優(yōu)化調(diào)度過(guò)程中陷入局部最優(yōu)，增大模型最優(yōu)解的搜索區(qū)域；

xi、xj—螢火蟲(chóng)i、j在模型尋優(yōu)過(guò)程中所處的位置；

αi—引火蟲(chóng)對(duì)應(yīng)的吸引度，可通過(guò)下式計(jì)算得到：

式中：

rij—螢火蟲(chóng)i、j的笛卡爾距離；

α0—螢火蟲(chóng)自身產(chǎn)生的亮度。

3）用x*表示更新后的螢火蟲(chóng)所處的位置，設(shè)置螢火蟲(chóng)優(yōu)化算法的終止條件：

式中：

φ—設(shè)置的閾值，當(dāng)螢火蟲(chóng)更新后的位置滿足上述條件時(shí)，表明螢火蟲(chóng)處于最優(yōu)位置，即源荷協(xié)同優(yōu)化調(diào)度模型最優(yōu)解，當(dāng)螢火蟲(chóng)更新后的位置不滿足上述條件時(shí)，返回步驟（2）中重新更新，直到滿足上述終止條件位置，完成虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度。

3 實(shí)驗(yàn)與分析

為了驗(yàn)證虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法的整體有效性，需要對(duì)其展開(kāi)測(cè)試。設(shè)置螢火蟲(chóng)優(yōu)化算法的擾動(dòng)因子為0.5、光吸收系數(shù)為0.6、螢火蟲(chóng)個(gè)體數(shù)量為50、算法迭代次數(shù)為：100 次、最大吸引度為1.0。

選取某虛擬電廠微網(wǎng)作為調(diào)度對(duì)象，采用虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法展開(kāi)調(diào)度測(cè)試，該微網(wǎng)的分時(shí)電價(jià)如表1 所示。

表1 分時(shí)電價(jià)

3.1 光伏、風(fēng)電出力預(yù)測(cè)分析

采用上述方法展開(kāi)光伏、風(fēng)電出力預(yù)測(cè)，結(jié)果如圖1 所示。

圖1 不同方法的出力預(yù)測(cè)結(jié)果

分析圖1 可知，所提方法預(yù)測(cè)的風(fēng)電出力和光伏出力與實(shí)際出力相符，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的預(yù)測(cè)結(jié)果與實(shí)際出力之間偏差較大，通過(guò)上述測(cè)試可知，所建立模型具有較高的預(yù)測(cè)精度，因?yàn)樗岱椒ㄔ谡{(diào)度之前建立了虛擬電廠微網(wǎng)場(chǎng)景，獲得虛擬電廠的實(shí)際運(yùn)行情況，因此可準(zhǔn)確的完成風(fēng)電和光伏的出力預(yù)測(cè)。

3.2 棄風(fēng)電量和風(fēng)電利用率分析

采用所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法展開(kāi)源荷調(diào)度，三種方法的棄風(fēng)電量和風(fēng)電利用率分別如圖2、圖3 所示。

圖2 不同方法的棄風(fēng)電量

圖3 不同方法的風(fēng)電利用率

由圖2 可知，隨著運(yùn)行時(shí)間的增加，所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的棄風(fēng)電量呈上升趨勢(shì)，但在運(yùn)行時(shí)間相同和迭代次數(shù)相同的情況下，所提方法的棄風(fēng)電量遠(yuǎn)低于文獻(xiàn)[3]方法和文獻(xiàn)[4]方法，表明所提方法具有良好的調(diào)度效果，因?yàn)樗岱椒ㄔ谡{(diào)度過(guò)程中將最大可再生能源消納量作為優(yōu)化目標(biāo)，因此減小了棄風(fēng)電量。

由圖3 可知，在不同場(chǎng)景下所提方法的風(fēng)電利用率均是最高的，表明所提方法調(diào)度后的虛擬電廠微網(wǎng)可有效利用能源，資源浪費(fèi)的現(xiàn)象較少，符合我國(guó)可持續(xù)發(fā)展策略。

4 結(jié)束語(yǔ)

針對(duì)目前源荷優(yōu)化調(diào)度方法存在的風(fēng)電、光伏出力預(yù)測(cè)精度低、棄風(fēng)電量高和風(fēng)電利用率低的問(wèn)題，提出虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度模型構(gòu)建方法，為了準(zhǔn)確的獲取微網(wǎng)的運(yùn)行狀態(tài)，建立了場(chǎng)景集，在此基礎(chǔ)上建立源荷協(xié)同優(yōu)化調(diào)度模型，并引入螢火蟲(chóng)優(yōu)化算法求解模型最優(yōu)解，實(shí)現(xiàn)虛擬電廠微網(wǎng)源荷協(xié)同優(yōu)化調(diào)度，經(jīng)驗(yàn)證，所提方法可有效解決目前調(diào)度方法存在的問(wèn)題，促進(jìn)了虛擬電廠技術(shù)的發(fā)展。