計及環境成本的虛擬電廠最優調度

李鐵松,劉甲利,吳明雨

(1.東北電力大學 電氣工程學院,吉林 吉林 132012; 2.北京京能未來燃氣熱電有限公司,北京 102209)

?

計及環境成本的虛擬電廠最優調度

李鐵松1,劉甲利1,吳明雨2

(1.東北電力大學 電氣工程學院,吉林 吉林 132012; 2.北京京能未來燃氣熱電有限公司,北京 102209)

為了實現虛擬電廠(VPP)中分布式可控機組的最優調度,在考慮風電、光伏發電全部并網的同時,兼顧環境效益,結合儲能裝置與電力系統之間能量雙向流動的特點,在VPP集中調度模式下,建立了日前電力市場下的虛擬電廠最優調度模型,并在MATLAB中使用Yalmip工具箱建模求解。通過算例分析得知,在虛擬電廠的集中控制下,各分布式能源(DER)利用其各自特性相互配合,能很好地平抑可控機組出力的波動性,實現VPP系統的收益最大化,也由此表明了構建的VPP最優調度模型可行性。

虛擬電廠;環境成本;最優調度;MATLAB

傳統資源緊缺、環境問題突出、電力需求量增大等大量的問題使人們越來越關注新能源發電。然而新能源中分布式電源(distributed generator,DG)容量小、數量多、分布不均,造成接入成本的增加,同時也給電網帶來了潮流改變、線路阻塞、電壓閃變、諧波影響等[1]。因此,為了解決這些存在的問題,提出使用虛擬電廠(virtual power plant,VPP)。VPP在學術界尚沒有統一的定義,總的來說VPP是由能量管理系統和其所控制的小型和微型分布式能源資源組成的一類集成性的電廠[2],這些分布式能源(distributed energy resource,DER)不在接受電網調度中心的調度,而是受虛擬電廠集中調度中心的控制[3]。

在各DER中,風電發電是各種DG中裝機容量最多,發展最早,是當今新能源技術中最成熟的發電技術[4],預計到2030年,中國的風機裝機容量將達到全國總裝機容量的17.4%[5]。此外,光伏作為可再生、取之不盡用之不竭的一種新能源,近些年也得到了迅猛發展,根據中國《可再生能源中長期發展規劃》,到2020年光伏系統累計裝機容量將達到180萬kW。

為了解決DER的隨機性、波動性、不可控性等對電網的影響,國內外學者對其都進行了相應的研究。但他們在考慮DER的不確定性時,很少計及環境因素。本文在現有基礎上,考慮環境成本,建立了日前電力市場下VPP系統的最優調度模型,以VPP系統整體收益最大為目標函數,可控機組的出力、VPP系統售買電量和儲能裝置的充放電量作為決策量,負荷、風電、光伏發電為預測已知量,在MATLAB中使用Yalmip工具箱建模,調用Cplex求解器求解,實現VPP系統的最優調度。最后通過相應的案例,驗證了其可行性。

1　VPP模型構建

1.1VPP控制模型

VPP的核心就是“通信”和“聚合”,利用協調控制技術、智能計量技術、信息通信技術實現對DER的聚合和協調。VPP一般的控制結構有集中控制、集中-分散控制、分散控制結構[6]。本文所研究的VPP中DER主要包括風電、光伏、儲能裝置,采用集中控制結構,控制模型如圖1所示。

圖1　VPP控制模型

VPP的控制模型中主要有兩條路徑,能量流和信息流,VPP的中央控制單元實時掌握每個DER的具體信息,并根據供需變化、環境因素、電價高低等負荷需求,給出最優控制策略,實現VPP最大的總體收益。

假設VPP要上報第k日供電策略,則要在k-1日進行相應的預測。風電出力主要是和風速強度相關,根據對k日的天氣預報和歷史數據可得,同理,光伏發電的出力值和光照強度有關,其光照強度可基于對k日的天氣預報和歷史數據。儲能裝置的充放電量則和其容量相關。VPP的中央控制單元綜合風電出力、光伏發電、負荷信息和電價情況,以最終收益最大為目標,確定可控機組出力、儲能裝置的充放電量和向大電網出售或購買電量。

1.2數學模型

1.2.1風力發電

風機出力主要是受風速的影響,風速的不確定性決定了風機出力的隨機性,國內外學者曾經過大量的研究,發現一個地區的風速分布特性近似服從Weibull分布,其數學模型為[7]

(1)

式中:v為風速;kv為形狀參數;cv為尺度參數,可以通過統計該時段內的風速的均值和方差求得。

風機的有功出力和風速之間的關系為[8]:

(2)

式中:PWTr為風機的額定功率;vci為切入風速;vr為額定風速,vco為切出風速。

1.2.2光伏發電

光伏發電的輸出功率和太陽的光照強度密切相關。一段時間內的太陽光照強度是一個隨機變量,近似服從Beta分布,且光伏系統的輸出功率也服從Beta分布,相應的概率密度函數為[9]

(3)

式中:PPV為某時段的光伏系統發電功率;PPV,max為光伏系統的最大輸出功率;a、b為Beta分布的形狀參數。

(4)

(5)

式中:μPV為一段時間內太陽光照強度均值;σPV為太陽光照強度的標準差。

1.2.3儲能裝置

儲能裝置在電網中,即可以作為負荷又可以作為電源,能很好地解決DER并網帶來的不平衡性和波動性,儲能裝置對電網的影響和其容量、數量、充放電的功率密切相關,相應的數學模型為

(6)

式中:EB,k,t、EB,k,t-1為儲能裝置k在t、t-1時刻的容量(忽略其自放電的影響);PB,k,ch,t、PB,k,dc,t為儲能裝置k在t時間段內的充電功率和放電功率;ηB,k,ch、ηB,k,dc為儲能裝置k的充電效率和放電效率;rB,k,ch,t為儲能裝置k在t時段的充電狀態,0表示不充電,1表示充電;rB,k,dc,t為儲能裝置k在t時段的放電狀態,0為不放電,1為放電;rB,k,ch,t、rB,k,dc,t均為0、1變量。

1.2.4可控機組出力成本

可控機組出力成本和其發出功率密切相關,一般認為是功率的二次函數,其數學模型為

(7)

式中:ai、bi、ci分別為第i臺機組的燃料成本系數;PG,i,t為機組i在t時段的有功功率值。

1.2.5環境污染成本

可控機組運行中和向大電網購買電能會產生CO2、SO2、NO等污染物[10],相應的排污成本可表示為

(8)

式中:l為污染物的種類;am為排放污染氣體m的懲罰成本;βg,m、βG,m分別為為大電網和可控機組排放污染氣體m的排放因子;Ps,t為t時間段內VPP從外部電網購買的功率;nG為可控機組數目。

2　VPP協同調度模型

2.1目標函數

根據中國的法律法規,電網應能接納新能源發電入網。因此本文VPP在全部接納風光伏發電的同時,以可控機組出力、儲能裝置的充放電量和售買電力為決策量,以一天為一個調度周期,實現調度周期內VPP系統收益最大。

VPP系統的發電成本主要為可控機組發電成本和環境成本,不計及風機、光伏陣列的建設費用,忽略儲能裝置的充放電損耗。VPP系統的主要收益為儲能裝置利用電價高低差進行充放電和將剩余電量進行售買。最優目標函數為

(9)

式中：Ps,t為t時間段內VPP從外部電網購買電量,為負值時表示向外部電網出售電量；λs,t為對應該時段的電價；Pl,t為t時間段VPP系統內部負荷需求量；λl,t為此時刻的負荷電價；nB為儲能裝置數量。

2.2約束條件

2.2.1供需平衡約束

(10)

式中:nWT為風機數量；PWT,d,t為風電機組d在t時段的功率預測值；nPV為光伏機組數量；PPV,j,t為光伏機組j在t時段功率預測值。

2.2.2旋轉備用約束

(12)

式中:PG,i,tmax、PG,i,tmin分別為可控機組i在t時刻的最大出力值和最小出力值,由機組的出力極限和爬坡率決定;Rt為系統t時段所需的備用容量,取為各時刻負荷值得7%;μ為風光出力對可控機組的旋轉備用需求系數,設為20%。

2.2.3可控機組約束

每臺機組的出力的上、下限為

PG,i,min≤PG,i,t≤PG,i,max

(13)

可控機組單位時間內出力增加或減少都有幅值限制,相應的爬坡率約束為

-PG,i,d≤PG,i,t-PG,i,t-1≤PG,i,u

(14)

機組頻繁的啟停會增加啟停成本，同時縮短使用壽命,因此必須對一個調度周期內的啟停次數加以限制,VPP系統中的可控機組一般機組容量不大,該模型中忽略啟停成本。

(uG,i,t-uG,i,t-1)(tG,i,ton-TG,i,onmin)≥0

(15)

(uG,i,t-1-uG,i,t)(tG,i,toff-TG,i,offmin)≥0

(16)

(17)

式中:PG,i,min、PG,i,max分別為機組i出力的最小值和最大值;PG,i,d、PG,i,up分別為機組i單位時間內出力減少或增加的最大幅值;uG,i,t為機組i在t時段的啟停狀態,0表示停機,1表示開機;tG,i，ton和tG,i,toff分別為機組i在t時段開機和停機時間;TG,i,onmin和TG,i,offmin分別為機組i在調度周期內的最小連續運行和停運小時數。

2.2.4儲能裝置約束

儲能裝置并不產生電能,只是作為剩余能量的緩沖,在一個協調周期的開始和結束時刻儲能不變。

EB,k,0=EB,k,24

(18)

為了使儲能裝置在工作時具有較好的狀態和較長的工作壽命,在使用過程中應限制其容量。

EB,k,min≤EB,k,t≤EB,k,max

(19)

儲能裝置在同一時刻不能同時充電和同時放電,但可以既不充電也不放電,因此有:

rB,k,ch,t·rB,k,dc,t=0

(20)

式中:EB,k,0、EB,k,24為儲能裝置k在調度周期初始時刻和終止時刻的容量值;EB,k,min、EB,k,max為儲能裝置k保持穩定運行的最小和最大容量。

式(6)～(20)組成的優化調度模型為非線性混合整數規劃問題,對部分約束條件進行線型規劃,在MATLAB中應用Yalmip工具箱進行建模,調用Cplex求解器進行求解。

3　算例分析

3.1算例參數

為了驗證本文創建的模型,算例選取了包含1臺1 MW、1臺2 MW的可控機組、2臺0.5 MW的風電機組、4個0.2 MW的光伏機組,1個容量為0.5 MW·h的儲能裝置的VPP系統。1 MW機組爬坡率為10 kW/min,最小啟停時間為1 h,2 MW機組爬坡率為20 kW/min,最小啟停時間為1 h。儲能裝置的額定容量為0.5 kW·h,初始容量為0.05 kW·h,充電功率為0.2 MW,放電功率為0.1 MW,充電效率和放電效率全部為95%。環境懲罰成本和排放因子參數如表1所示。

表1　懲罰成本和排放因子Table 1　Penalty cost and emission factor

VPP的售電電價為實時電價,為鼓勵用戶參與VPP系統而不是用戶直接從外部電網購電,VPP系統內負荷電價為從外部售買電價的0.8倍,VPP系統從外部電網售買電價如表2所示。

表2　VPP系統從外部電網售買電價Table 2　Sale or buy price of VPP system from external power grid

風電參數切入風速為vci=3 m/s,額定風速vr=15 m/s,切出風速vco=25 m/s,形狀參數取kv為2.1,尺度參數cv為8.8。根據某地一周內的光照強度變化曲線,擬合得到光照強度參數a、b分別為0.44,9.19。風光功率及負荷預測如圖2所示。

圖2　風光功率及日負荷預測

3.2場景設置和結果分析

為比較是否參與外部電力市場對VPP系統經濟效益和各可控機組出力、儲能裝置的充放電情況的影響,本文設置了兩種場景,即不參與外部電力市場和參與外部電力市場。兩種情況下各機組出力和儲能裝置的充放電情況如圖3和圖4所示。

圖3　未參與外部電力市場場景

圖4　參與外部電力市場場景

由圖3可知,單獨依靠風、光伏發電并不能滿足負荷需求,需要增加可控機組出力。

從圖4中可以看出,1 MW機組的發電成本較小,基本一直處于滿發狀態;2 MW機組則是根據負荷變化、儲能裝置充放電情況調整出力值;1-6時段電價較低,負荷較少,儲能裝置進行充電,作為負載接入;12-16時段,負荷增加,相應的電價增高,儲能裝置進行放電,作為電源接入,平抑負荷的同時增加收入。

接入外部電網后,1-6時段電價較低,儲能裝置進行充電,由于此時電價較低,機組的發電和環境成本相對于向外部電網購電要高的多,因此選擇減少出力值,向外部電網購電以滿足負荷需求。在9-15時段電價較高,1 MW和2 MW機組基本處于滿發狀態,將剩余電量出售給電網,雖然增加了環境污染成本,但是也增加了VPP系統總的收益,同時降低了外部電網的環境成本。VPP系統兩種情況下的收益情況如表3所示。

表3　兩種運行方式下VPP系統收益 Tab.3　Revenue of VPP under two operating modes

從表3可以看出,未參與外部電力市場時,2 MW機組沒有滿發,造成了資源浪費,經濟效益較差。而參與外部電力市場后,收益提高了42.95%,降低了外部電網環境成本,提高了經濟效益。

4　結　語

本文利用風能、太陽能的互補特性,結合儲能裝置作為負載和電源的雙重特性,構建了VPP的組織機制。計及環境成本,優化調度策略,以VPP經濟收益最大為目標,通過相應的算例對其分析,結果表明,這些DER在VPP系統的統一調度下,利用互補特性協調出力,整體參與外部電力市場,在降低各自出力不確定性的同時,可以實現經濟利益最大化。

[1] 衛志農,余爽,孫國強,等. 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,et al.Concept and Develop of virtual power plant[J].Automation of Electric Power Systems,2013,37(13):1-9.

[2] 陳春武,李娜,鐘朋園,等. 虛擬電廠發展的國際經驗及啟示[J]. 電網技術,2013,37(8):2258-2263.

CHEN Zhiwu,LI Na,ZHONG Pengyuan,et al.Review of virtual power plant technology abroad and enlighten-ment to Chi-na[J].Power System Technology,2013,37(8):2258-2263.

[3] 劉吉臻,李明陽,房方,等. 虛擬發電廠研究綜述[J]. 中國電機工程學報,2014,34(29):5103-5111.

LIU Jizhen,LI Mingyang,FANG Fang.Review on virtual power plant[J].Proceedings of the CSEE,2014,34(29):5103-5111.

[4] 劉波,賀志佳,金昊. 風電系統雙PWM變換器直流母線電壓控制技術[J]. 東北電力大學學報,2015,35(2):41-47.

LIU Bo,HE Zhijia,JIN Hao.DC bus voltage constant control technology in wind power system with dual PWM converter[J].Journal of Northeast Dianli University,2015,35(2):41-47.

[5] 李正爍,孫宏斌,國慶來,等. 計及碳排放的輸電網輸電網側“風-車協調”研究[J]. 中國電機工程學報,2012,32(10):41-48.LI Zhengshuo,SUN Hongbin,GUO Qinglai,et al.Study on wind-EV complementation on the transmission grid side considering carbon emission[J].Proceedings of the CSEE,2012,32(10):41-48.

[6] NIKONOWICZ L, MILEWSKI J. Virtual power plants-general review: structure,application and optimization[J]. Journal of Power Technologies,2012,92(3):135-149.

[7] CELIKA N. Energy output estimation for small-scale wind power generators using Weibull representative wind data[J]. Journal of Wind Engineering and Industrial Aerodynamics,2003,91(5):693-707.

[8] 蔡德福,錢斌,陳金富,等. 含電動汽車充電負荷和風電的電力系統動態概率特性分析[J]. 電網技術,2013,37(3):590-596.CAI Defu,QIAN Bin,CHEN Jinfu,et al.Analysis on dynamic probabilistic characteristic of power grid connected with electric vehicle charging load and wind power[J].Power System Technology,2013,37(3):590-596.

[9] 范松麗,艾芊,賀興. 基于機會約束規劃的虛擬電廠調度風險分析[J]. 中國電機工程學報,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].Proceedings of the CSEE,2015,35(16):4025-4034.

[10] 羅捷,吳俊明,陳德超,等. 電動汽車參與下的虛擬電廠多目標優化調度[J]. 電力科學與工程,2015,31(2):50-54.

LUO Jie,WU Junming,CHEN Dehao,et al. Multi-objective optimization scheduling of virtual power plant with electric vehicl-es[J].Electric Power Science and Engineering,2015,31(2):

50-54.

(責任編輯郭金光)

Optimal dispatch of virtual power plant considering environmental cost

LI Tiesong1, LIU Jiali1, WU Mingyu2

(1.College of Electrical Engineering,Northeast Dianli University,Jilin 132012,China;2.Beijing Jingneng Future Gas Power Co. Ltd,Beijing 102209,China)

In order to realize the optimal dispatch of distributed control units in the virtual power plant (VPP), considering the wind power and Photo Voltaic power generation are all grid-connected, the environmental benefits, energy flows between the energy storage devices and the power system are bidirectional, In the mode of VPP centralized scheduling, the optimal scheduling model of the virtual power plant in the day ahead electricity market is established. Using Yalmip toolbox in MATLAB to solve the problem. Finally, the corresponding numerical examples are used to verify the feasibility of the algorithm. The results show that, under the control of the virtual power plant, the distributed energy resource(DER) can use their own characteristics to cooperate with each other, which can well control the fluctuation of the output of the controllable unit, and realize the maximization of VPP's income.

VPP; environmental cost; optimal dispatch; MATLAB

2016-03-18;

2016-04-20。

李鐵松(1990—),男,碩士研究生,研究方向為分布式能源并網。

TM734

A

2095-6843(2016)04-0287-05