統一電能交易市場下的虛擬電廠優化調度模型

郭紅霞白浩劉磊王昱力

（1.榆林學院能源工程學院榆林719000

2.強電磁工程與新技術國家重點實驗室（華中科技大學）武漢430074 3.國網陜西省電力公司檢修公司榆林719000 4.中國電力科學研究院武漢430074）

統一電能交易市場下的虛擬電廠優化調度模型

郭紅霞1白浩2劉磊3王昱力4

（1.榆林學院能源工程學院榆林719000

2.強電磁工程與新技術國家重點實驗室（華中科技大學）武漢430074 3.國網陜西省電力公司檢修公司榆林719000 4.中國電力科學研究院武漢430074）

針對虛擬電廠調度模型中僅涉及日前市場的電能交易，建立了日前市場和實時市場統一協調的電能交易模型，突破日前市場必須按預測負荷采購和售賣這一限制，優化日前交易量，實現總體購買費用最低和售出收益最高。結合統一市場的電能交易模型和分布式電源、儲能系統以及可控負荷的運行模型和約束條件，建立基于統一電力市場下的虛擬電廠優化調度模型，通過合理調配虛擬電廠內部分布式電源，可控負荷和儲能間的能量流動以及優化虛擬電廠整體與電力市場的電能交易，實現最大經濟收益。算例分析結果表明了該模型對虛擬電廠優化調度的合理性和有效性。

虛擬電廠統一電力市場分布式電源可中斷負荷儲能系統

3　引言

由于發電容量小、數量多，且分布分散，單臺分布式電源（Distributed Generation，DG）接入配網的成本較高。另外DG出力具有隨機性和間歇性，在電力市場運營中存在難以調度的缺點。目前主要采用微網作為DG的并網形式，它能夠很好地協調大電網DG的技術矛盾，并具備一定的能量管理功能［1，2］。但微網以DG與用戶就地應用為主要控制目標，且受到地理區域的限制，對多區域、大規模DG的有效利用及在電力市場中的規模化效益具有一定的局限性。虛擬電廠（Virtual Power Plant，VPP）是將DG、可控負荷（Interruptible Load，IL）、儲能裝置和電動汽車有機結合，通過配套的調控技術及通信技術實現對各類分布式能源資源（Distributed Energy Resource，DER）進行整合調控的載體，多點接入電網［3］。虛擬電廠通過上述元素進行靈活合理的組合，實現分布式電源的互補，以“單一電廠”形式參與電力市場交易和向系統操作員提供便利服務［4］。

VPP通過與電網能量交換和內部能量協調流動兩種形式實現能量的最優分配和電力供應主體的利潤最大化［5］。對于VPP的市場報價策略已有一些研究，根據電力價格、零售價格及負荷波動，VPP與電力市場進行合理的電力貿易［6］。文獻［7］建立了兩階段隨機混合整數規劃模型優化調度VPP，并考慮采用多場景模擬風機和日前市場電力價格的不確定性。文獻［8，9］都是基于日前市場，考慮VPP的收益、支出及運行約束，提出了最優的報價策略，不同的是文獻［8］考慮了間歇式分布式電源出力的不確定性，并采用點估計法模擬，而文獻［9］認為DG為可控可調的。文獻［10］將電能交易分為日前市場和實時市場兩部分，以最大收益目標函數，并采用benders分解方法求解。文獻［11］采用模糊C均值聚類算法和蒙特卡洛仿真法模擬電力價格和負荷的不確定性，建立概率多目標優化框架調度VPP中的6種DG。文獻［12］在第一階段制定VPP在日前電力市場的報價方案，第二階段協調VPP中的DG和儲能。研究中的電力市場通常為日前市場，忽略了實時市場或單獨考慮兩者。采用分割的電力市場，VPP制定的報價策略不能實現最優的電能貿易方案。

VPP內部的能量分配需要綜合考慮各元素的運行模型和約束條件。文獻［13］中DG運行約束包含DG的輸出功率約束、功率變化梯度限制、啟動時間限制和關停時間限制。儲能系統（Energy Storage System， ESS）儲存電量和釋放電量必須處于合理的范圍內，保證蓄電池避免過充和放電過量［14］，通常采用荷電狀態（State of Charge，SOC）建立約束條件。但是酸蓄電池和鋰電池在使用過程中，電池容量會逐漸損失且難以恢復，使用壽命受到限制。模型中只考慮蓄電池的荷電量，忽略對蓄電池容量損失的分析以及在深度放電后，如得不到及時再充，將造成蓄電池容量損失且難以恢復。為了確保蓄電池容量在最大范圍內恢復，在深度放電后的再充時，使蓄電池處于微量的過充狀態，且在該過程未完成前禁止放電。VPP中的可控負荷（如洗衣機和空調等），根據調配計劃減少負荷量，維持VPP與電網的能量平衡。對于可控負荷的約束研究還需考慮可控負荷調配量不能超過負荷總量，且單位時間內的減少量不能超過相應的設定閾值。

本文提出基于統一電力市場的虛擬電廠優化運行模型，采用日前市場和實時市場結合的能量交易模式，可以實現總期望購電費用最小和售電收入最高。同時豐富了虛擬電廠的元素模型，約束了蓄電池的充放電周期以及深度放電后充電間隔時間，考慮了可中斷負荷的相關約束，采用算例驗證了優化運行模型的有效性，遺傳算法所得結果表明VPP可優化協調DER，并統一電能市場交易，優化運行模型可以減少分布式電源的調度難度和提高系統的收益。

3　統一電力市場模型

目前主要存在市場清算電價（PAB）和按發電方報價結算（MCP）兩種電價機制，本文提出的統一市場交易模型采用PAB電價機制。目前的電能交易采用日前市場和實時市場分開交易的模式，日前交易按照預測負荷采購電能，實時交易則根據實際需求與預測負荷之間的差額部分購買平衡電能。這種交易模型割裂了日前市場和實時市場之間的聯系，不能獲取最優的電能交易方案。本文考慮日前市場不必根據預測負荷進行采購和售賣電能，將日前交易電量作為需要優化確定的量，協調日前市場和實時市場，建立基于統一電力市場的交易模型。

1.1統一電力市場下購買電能模型

研究中常用正態分布反映單負荷的不確定性，并在考慮多負荷的不確定性時，可以將其轉換為多個單正態分布負荷的疊加［15-17］。假設實際電力需求Dt服從正態分布，即DtL～N（StL，σt），StL為電力負荷的預測值，σt為預測值的方差，反映實際需求的波動。日前市場購買電能可以不等于預測負荷Lt，綜合考慮虛擬電廠中DG出力、ESS充放電以及IL切除量，實時市場購買的電能服從正態分布，其表達式為

式中：i為DG的編號，i=1，2，3，…，G；j為IL的編號，j=1，2，3，…，IL；m為ESS的編號，m=1，2，3，…，ESS；t為時間；Ein為虛擬電廠內部的總能量，主要由DG、ESS和IL決定；為日前市場購買的電能；為實時市場購買的電能；為切除的可中斷負荷總量；為ILj的切除量；為DG總出力；為 DGi的出力；為實時市場的預測購買電能；為儲能系統的總充放電功率，正值表示放電，負值表示充電；為ESSm的充放電功率；均為布爾量，決定DG、IL、ESS的操作狀態。

基于市場清算機制，則統一市場下的總購電費用Cb為

式中：CDA為日前市場的購電費用；CRT為實時市場的購電期望費用；ρd.t為日前市場統一邊際價格；ρr.t為實時市場邊際價格；ft（BRT）為BRT.t的密度函數。

由于預測負荷與實際需求存在差值，在實時市場中以高于ρd.t的價格購買日前市場中的差額，將多余購買的電量以低于ρd.t的價格售向實時市場。實時市場的電力價格分為購電價格ρrb.t和售電價格ρrs.t，可表示為

實時市場的購電費用為

聯立式（5）和式（6），CRT可進一步表示為

1.2統一電力市場下出售電能模型

實時市場出售的電能服從正態分布，其表達式為

聯立式（9）～式（11），ERT可表示為

2　VPP優化運行模型

如圖1所示，VPP協調內部元素間的能量流動，主要包括調整DG的出力、ESS充放電以及切除IL。同時作為整體與電力市場進行電能交易，售賣和購買電能。

圖1　虛擬電廠示意圖Fig.1 The schematic diagram of virtual power plant

2.1收益函數和約束條件

式中：fout為VPP在統一市場下交易電能的收益；fin為VPP內部零售收益；El為VPP向內部用戶出售電力的收益；SUCDG為DG開機費用；SDCDG為DG關機費用；OCDG為DG運行費用；OCESS為儲能系統運行維護費用；Ccl為切除可中斷負荷支付的補償費用。

功率平衡約束為

2.2DG模型

1）DG運行約束

2）DG的運行費用

DG的運行成本模型為

DG由關機的冷卻狀態進入開機狀態，需經過預熱階段，并且關機冷卻時間越久，需消耗的費用越多，則DG的開機費用為

DG的關機費用為

式中：γi，t和ζi，t均為布爾量，分別表示DG是否開機和關機；為時間常數，本文設定為1 h。

2.3可中斷負荷模型

考慮可中斷負荷后，VPP向內部用戶售電收入可表示為

式中λt為零售價格。

切除可中斷負荷需要支付的賠償金額為

可中斷負荷運行過程中主要考慮中斷的負荷量、中斷事件以及中斷次數等相關約束。

1）切除量約束

2）切除時間約束

單次中斷最長持續時間約束為

中斷總持續時間滿足約束為

3）切除次數約束

2.4儲能系統模型

多次充放電后蓄電池會流失部分容量，電池容量下降到一定的容量水平時，就必須更換蓄電池，因此蓄電池運行過程中的費用主要指老化過程造成的消耗。相關研究表明，放電深度（Depth of Discharge，DoD）決定電池的循環壽命，由于缺乏關于DoD的直接數據，本文采用SOC表示電池的DoD，電池循環壽命和DoD之間的數學表達式為［18］

式中：cl為蓄電池壽命；D為DoD；DR為電池的額定DoD；β0=320，β1=1.703，β2=-3.59。

則電池的運行費用可表示為

式中：rc為單塊電池的更換費用；rc/cli，t為每次放電造成的老化損耗。

電池的SOC必須被限制在一個合理范圍內以避免過沖和深放電。

在同一時刻，蓄電池只能運行在充電或放電，因此需對運行狀態建立約束

式中di，t和ci，t均為布爾量，決定蓄電池是否放電和充電。

蓄電池在深度放電后，如得不到及時再充，將造成蓄電池容量損失且難以恢復。因此當電池接近深度放電水平時（SOCi≤0.35），必須立刻進行充電，并且在充滿前不允許放電操作，深度放電后再次充電時間滿足約束

3　優化流程及解法

VPP的優化調度主要涉及VPP與電能市場的交易情況和內部元素間的能量流動。在統一市場的交易模型中，本文在上層優化中根據預測負荷以及電力市場的價格，調節VPP內部的總能量Ein和日前電能市場交易能量，優化實時市場的交易量，實現fout最大化。在下層優化中，根據Ein、燃料費用、儲能損耗費用以及零售價格，實現IL切除量、ESS充放電和DG的調度控制，優化fin。優化流程如圖2所示。

圖2　優化流程Fig.2 Optimize processes

VPP的優化調度是一個混合整數非線性規劃問題，可采用遺傳算法進行求解，具體步驟如下：

1）編碼。以布爾量0和1表示DG的開關機、IL和ESS運行狀態以及日前市場和實時市場的交易狀態和VPP內部能量的正負。實數表示DG的出力、IL的切斷量和ESS充放電量以及市場交易電量和VPP內部能量的大小。

2）初始。采用隨機個體和近似最優個體組成初始種群。隨機個體在滿足約束條件下隨機產生。采用較小的初始種群規模和較少的算法迭代次數進行模型求解，快速求得一些比隨機個體優越的初始個體，將這些粗略解作為近似最優個體。

3）交叉。根據最大、最小交叉染色體適應值以及種群平均適應值建立自適應交叉率Pc。采用線性組合方式進行交叉編碼，交叉產生的子代個體為

4）變異。根據最大、最小交變異染色體適應值以及種群平均適應值建立自適應變異率Pm。依據變異概率隨機選取一部分染色體對其進行基因變異，得到新的染色體。

式中δ為（0，1）之間的均勻分布的隨機數。

5）精英保留。將父代群體和子代群體合并成一個新種群，其個體數為2N，按照適應值的大小逐一選取個體，直到個體數量達到N就形成了新的父代種群。

3　算例分析

采用圖3所示的VPP來驗證本文提出的模型和優化調度策略。VPP包括4臺DG，DG的相關特性參數（如發電量上下限、運行費用系數、開關機時間限制、功率爬坡上下限以及開關機費用）見表1。

圖4為VPP內部的電力零售價格。圖5為實時市場購買價格、售賣價格和日前市場價格。

圖3　虛擬電廠算例Fig.3 The study case of virtual power plant

表1　DG的運行參數Tab.1 The characteristic parameters of DG

圖4　零售價格Fig.4 The retail price

圖5　日前市場和實時市場中的電力價格Fig.5 The electricity price in day ahead market and real timemarket

圖6　預測負荷需求Fig.6 Forecasted load

表3　預測負荷的偏差Tab.2 The variance of forecasted load

4.1VPP的電能交易情況

圖7為VPP在統一電力市場下的交易情況，正值表示VPP作為消費者購買電力，負值表示VPP作為生產者出售電力。圖8為Ein優化曲線。VPP根據負荷需求、電力市場價格及DG運行費用，制定電能交易方案，并確定VPP的內部能量。由圖7可知，在1∶00～5∶00，日前市場和實時市場上的電力價格低于DG的運行費用，VPP從日前市場和實時市場購買電力。由于預測負荷的偏差，VPP沒有全部從日前市場購買，部分差額從實時市場購買。Ein為負，說明VPP內部的電能產出小于消耗，同時Ein逐漸減小。

在6∶00～10∶00，DG運行費用低于實時市場購買市場價格，但是高于日前市場價格。VPP傾向于從日前市場購買，滿足負荷需求后，并在實時市場出售獲益。Ein為正，且逐漸增大。

在11∶00～15∶00，DG運行費用低于實時市場和日前市場價格，VPP決定在日前市場預售電能，因負荷存在偏差，若全部在日前市場進行售電后，導致在實時市場以較高的價格購買電量，同時實時市場也可通過出售電能獲益。此時Ein的變化趨勢為先減小后增大。

在16∶00～20∶00，電力價格降低，VPP決定主要從日前市場和實時市場購買電能，并根據購電收益分配兩個市場的電能份額。此時Ein先增加后減小。

在21∶00～24∶00，電力價格先高后低，則VPP出售電能，然后購買電能。Ein持續降低。

圖7　統一電力市場下電能交易情況Fig.7 Electricity transaction in unification market

圖8　VPP內部能量Fig.8 The inner energy of VPP

4.2VPP的內部能量流動

VPP內部優化主要根據上層優化決定的VPP內部總能量、約束條件以及收益決定DG的出力狀態、IL的切除量和ESS的充放電情況，優化結果分別如圖9～圖11所示。

在11∶00～15∶00，DG開始滿功率輸出，然后逐漸減少輸出功率。由于DG的開機費用較高，且對爬坡時間具有限制，不能很好地響應功率變化收益，VPP降低DG產能或直接將DG關機。考慮到較高的開關機費用以及較低的爬坡限制，DG2和DG3選擇降低產能，而DG4爬坡限制較高，則直接關機以降低輸出。由于零售價格高于電力市場價格，VPP可通過向用戶售電獲益，IL的切除量逐漸減少。由于下一個時段零售價格和電力價格都達到峰值，為了獲取更多收益，VPP逐漸減少ESS放電量，然后切換到充電狀態，為下一階段預留電量。

在16∶00～20∶00，電力市場價格降低，且零售價格低于電力市場價格，Ein處于上升狀態，VPP增加DG出力、IL切除量和ESS放電量，將多余電量出售獲益。

在21∶00～24∶00，Ein逐漸降低，且零售價格較低。VPP逐漸減少DG輸出功率。ESS選擇充電操作，且IL切除量逐漸減少為零。

圖9　DG的出力曲線Fig.9 Generation scheduling of DG

圖10　可中斷負荷的切除量曲線Fig.10 Interruptible loads

圖11　ESS的充放電曲線Fig.11 Charging and discharging behaviors of ESS

4.3統一市場與獨立市場收益對比

本文提出的統一市場模型在日前市場交易中可以不嚴格按照預測負荷進行，而日前市場與實時市場獨立的交易模型則嚴格按照預測負荷制定日前市場交易方案，即=0和=0。表3為將VPP在統一電力市場和獨立市場下的收益數據，VPP總收益分別為11 483.83元和9 857.29元，結果說明本文中統一市場下的交易模型以日前市場電能交易量作為優化量，購買或出售電量以平衡預測負荷和實際負荷需求之間的差額，同時優化VPP內部的能量，協調IL、ESS以及DG，實現收益最大化。

表3　VPP在統一電力市場和獨立市場下的收益Tab.3 The net benefits in unification market and separatemarket（單元：元）

3　結論

本文突破日前交易電量必須等于預測負荷這一限制，基于隨機負荷需求，建立日前市場和實時市場統一電力市場下的電能交易模型，優化日前時長的電能交易量和VPP內部能量，實現VPP與外部電力市場交易的總體購買費用最低和出售收益最高。同時VPP統一協調內部分布式電源、可中斷負荷以及蓄電池之間的能量流動，使VPP內部收益最大化。算例分析了VPP與電能市場交易情況和VPP內部元素的能量調配情況，同時比較VPP在統一電力市場和獨立市場下的收益，分析結果驗證了本文所提模型和算法的有效性，說明該模型能夠實現VPP的優化調度。

［1］王成山，武震，李鵬.微電網關鍵技術研究［J］.電工技術學報，2014，29（2）：1-12.

Wang Chengshan，Wu Zhen，LiPeng.Research on key technologies of microgrid［J］.Transactions of China Electrotechnical Society，2014，29（2）：1-12.

［2］王新剛，艾芊，徐偉華.含分布式發電的微電網能量管理多目標優化［J］.電力系統保護與控制，2009，37（20）：79-83.

Wang Xingang，Ai Qian，Xu Weihua.Multi-objective optimal energy management ofmicrogrid with distributed generation［J］.Power System Protection and Control，2009，37（20）：79-83.

［3］衛志農，余爽，孫國強.虛擬電廠的概念與發展［J］.電力系統自動化，2013，37（13）：1-9.

Wei Zhinong，Yu Shuang，Sun Guoqiang.Concept and development of virtual power plant［J］.Automation of Electric Power Systems，2013，37（13）：1-9.

［4］衛志農，余爽，孫國強.虛擬電廠歐洲研究項目述評［J］.電力系統自動化，2013，37（21）：196-202.

Wei Zhinong，Yu Shuang，Sun Guoqiang.Review on european research projects of virtual power plant［J］. Automation of Electric Power Systems，2013，37（21）：196-202.

［5］Wille-Haussmann B，Erge T，Wittwer C.Decentralised optimisation of cogeneration in virtual power plants［J］. Solar Energy，2010，84（4）：604-611.

［6］Gong J，Xie D，Jiang C.Multiple objective compromised method for power management in virtual power plants［J］.Energies，2011，4（4）：700-716.

［7］Pand?ic'H，Morales JM，Conejo A J.Offering model for a virtual power plant based on stochastic programming［J］.Applied Energy，2013，105（5）：282-292.

［8］Peik-Herfeh M，SeifiH，Sheikh-El-EslamiM K.Decision making of a virtual power plant under uncertainties for bidding in a day-ahead market using point estimate method［J］.Electrical Power and Energy Systems，2013，44（1）：88-98.

［9］Mashhour E，Moghaddas-Tafreshi SM.Bidding strategy of virtual power plant for participating in energy and spinning reservemarkets2014 partⅠ：problem formulation［J］.IEEE Transactions on Power Systems，2011，26（2）：949-956.

［10］Seyyed M S，Javidi M H.VPP decision making in power markets using Benders decomposition［J］. International Transactions on Electrical Energy Systems，2014，24（7）：960-975.

［11］Vahidinasab V.Optimal distributed energy resources planning in a competitive electricity market：Multiobjective optimization and probabilistic design［J］.Renewable Energy，2014，66：354-363.

［12］Peik-herfeh M，Seifi H，Sheikh-El-Eslami M K.Twostage approach for optimal dispatch of distributed energy resources in distribution networks considering virtual power plant concept［J］.International Transactions on Electrical Energy Systems，2014，24（1）：43-63.

［13］Mnatsakanyan A，Kennedy S.Optimal demand response bidding and pricingmechanism：application for a virtual power plant［C］.1st IEEE Conference on Technologies for Sustainability，Portland，USA，2013：167-174.

［14］張純江，董杰，劉君.蓄電池與超級電容混合儲能系統的控制策略［J］.電工技術學報，2014，29（4）：335-340.

Zhang Chunjiang，Dong Jie，Liu Jun.A control strategy for battery-ultracapacitor hybrid energy storage system［J］.Transactions of China Electrotechnical Society，2014，29（4）：335-340.

［15］劉健，武曉朦，余健明.考慮負荷不確定性和相關性的配電網絡重構［J］.電工技術學報，2006，21（12）：54-59.

Liu Jian，Wu Xiaomeng，Yu Jianming.Distribution network reconfiguration considering load uncertainty and dependence［J］.Transactions of China Electrotechnical Society，2006，21（12）：54-59.

［16］馬瑞，袁文偉.基于蒙特卡羅隨機選線最優潮流的電壓崩潰臨界點算法［J］.電力系統保護與控制，2011，39（2）：65-69.

Ma Rui，Yuan Wenwei.An approach for determining voltage collapse critical point based on Monte Carlo stochastic line selection optimal power flow［J］.Power System Protection and Control，2011，39（2）：65-69.

［17］孫若笛，謝開貴.計及風速一負荷相關性的配電網可靠性評估Monte Carlo模擬法［J］.電力系統保護與控制，2012，40（18）：12-18.

Sun Ruodi，Xie Kaigui.Reliability evaluation of distribution networks using Monte Carlo method considering correlations between wind speed and load［J］.Power System Protection and Control，2012，40（18）：12-18.

［18］Zhou C，Qian K，Allan M，et al.Modeling of the cost of EV battery wear due to V2G application in power systems［J］.IEEE Transactions on Energy Conversion，2011，26（4）：1041-1050.

Optimal Scheduling M odel of Virtual Power Plant in a Unified Electricity Trading M arket

Guo Hongxia1Bai Hao2Liu Lei3Wang Yuli4
（1.College of Energy Engineering Yulin University Yulin 719000 China 2.State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology Wuhan 430074 China 3.State Grid Shanxi Electric Power Corporation Maintenance Company Yulin 719000 China 4.China Electric Power Research Institute Wuhan 430074 China）

The conventional scheduling models of the virtual power plant（VPP）only consider the electricity trading in the day-ahead market.In this paper，a unified electricity trading model covering the dayahead market and the real time market is proposed.In thismodel，the limit，that the day-ahead market should purchase and sell electricity according to the forecasting load，is broken，and the electricity traded in day-ahead market is optimized to minimize the overall costs and maximize overall profits.Based on the electricity trading model in the unified market and the operating models and constraints of the elements，i.e.distributed sources，energy storage systems，and interruptible loads，in VPP，the optimal scheduling VPP model in the unified market is developed，which can reasonably allocate electricity among internal distributed generations，interruptible loads，and energy storage systems in VPP and optimize the electricity transaction between the VPP and the unified market to achieve maximum economic benefits.The consequence of the example analyses proves the correctness and the usefulness of the optimal schedulingmodel given by this paper.

Virtual power plant，unification electricitymarket，distributed generation，interruptible load，energy storage system

TM315

郭紅霞女，1983年生，碩士，講師，研究方向為配電網規劃、運行和微電網經濟運行。

白浩男，1987年生，博士研究生，研究方向為電力系統運行、分析與控制。（通信作者）

國家自然科學基金重點項目（51377068）、榆林學院課程建設項目（ZD1407）和榆林市科技局項目（2015CXY-22）資助。

2015-06-15改稿日期2015-08-17