新能源全消納并網友好型虛擬發電廠優化調度研究

徐天奇，田業，高鑫，李紅坤，李琰

(1.云南民族大學電氣信息工程學院,云南 昆明 650500；2.江西洪都航空工業集團有限責任公司，江西 南昌330001)

0 引言

新能源發電是有效解決氣候變暖等問題的方法之一[1]，但其不可控性和隨機性十分突出[2]，因此當新能源大規模并網時，會嚴重妨礙電網的穩定、經濟運行[3—4]。新能源發電的快速發展，已經給傳統電力系統造成巨大壓力[5—6]，棄風棄光現象比較嚴重。

分布式新能源發電投資小、靈活方便，近年來得到快速發展。雖然分布式新能源發電單機容量小，但當其大規模并網時，由于規模效應和氣候條件時空相關性，出力不確定性可能會被放大，從而給電力系統頻率穩定和可靠性帶來嚴重挑戰，反而可能會限制分布式新能源的發展[7—8]。

虛擬發電廠(virtual power plant，VPP)技術是解決這個問題的可行性方案之一。VPP通過分布式控制、精確計量和實時通信等技術，把分布在不同地域的不同類型分布式電源、儲能系統、可控負荷、傳統負荷等元件在邏輯上聚合在一起，通過實時調度軟件實現整體的協調和優化運行，使其從電網角度看來與一個傳統電廠類似[9—11]。作為一種新的運營管理模式，VPP在整合分布式新能源方面顯現出巨大的潛力。利用VPP的協調控制優化，可以顯著降低分布式電源因分別單獨并網對電力系統造成的不利影響。通過分布式電源有序接入電網，增加整個系統運行的可靠性，在充分利用新能源出力的同時，可顯著改善電網出力不穩定的情況，既能保證電力供應安全、優質、經濟、環保的基本需求，也能滿足充分消納可再生資源的要求[12—13]。另外，利用VPP技術，不需要對電網進行改造，也不會改變各個分布式電源與電網連接的方式。

文獻[14]把建筑當做VPP來管理，利用可延遲負荷作為資源進行調度，實際上只是需求側響應而并不是真正的VPP；文獻[15]將新能源分布式發電、水電站、抽水蓄能以及當地負荷組成VPP，以主網交換電量最低及電費最低為目標進行調度；文獻[16]提出由風電、可再生能源發電技術(power to gas，P2G)、燃氣機組炭捕集以及熱點聯產燃氣機組聚合為VPP,以VPP受益最大為目標進行調度；文獻[17]從電力市場的角度考慮VPP的調度問題，同時對日前市場和實時市場交易進行優化，引入條件風險價值系數來衡量日前市場和風光出力預測的不確定性，僅把風險作為一個可選擇的參數并入利潤，未能體現不確定性對調度的影響。這些研究都未將新能源消納作為調度目標之一，也未考慮VPP并網功率的平穩性。

為了盡可能地消納新能源，并使VPP更加平穩地向電網輸送電能，文中提出波動因子及獎懲機制，以可中斷負荷和儲能系統為調度資源，構建新能源全消納的VPP并網經濟效益最大化模型，通過粒子群算法[18]進行尋優，得到VPP的利潤最優值。算例對比驗證了此調度模型可使VPP獲得最大經濟效益，同時提高并網功率的平穩性。

1 VPP模型

文中考慮以一個包含分布式風力發電、光伏發電、儲能系統、普通負荷和可中斷負荷的VPP向電網供電，如圖1所示。

圖1 含分布式新能源的VPPFig.1 VPP containing distributed new energy power generation

以促進分布式新能源發電并網規模化應用為目標，考慮的VPP內部的發電單元僅包含分布式新能源而不包含傳統分布式電源。

針對圖1所示含分布式新能源的VPP，以儲能系統和可中斷負荷作為調度資源，對新能源進行全部消納，可中斷負荷良好的可調節性[19]以及儲能系統的轉移特性[20—21]一定程度上可以彌補新能源發電出力隨機性給電網帶來的負面影響。

2 VPP成本模型及獎懲機制

2.1 電池儲能系統成本模型

文獻[22—23]提出考慮壽命損耗成本的儲能單元分布式協同控制策略，但該成本模型只考慮了電池儲能系統的壽命成本。在此基礎上，文中提出一個更加完整的電池儲能系統成本模型，不僅考慮電池儲能系統的壽命成本，還包括了電池儲能系統的運維的成本和能量損失成本，如下所示：

CB=∑(Cbl+CO&M+Cpl)

(1)

其中：

(2)

(3)

(4)

2.2 可中斷負荷的成本模型

可中斷負荷的成本包括可中斷容量成本和中斷電量成本[24—25]，即：

(5)

其中：

(6)

CILk,t=∑(CILk0,tQILk,t)

(7)

2.3 波動因子

分布式新能源自身的不可控性會嚴重影響新能源發電并網的穩定性，為了有效保證VPP能安全穩定地向電網輸送電能，引入波動因子參數來衡量VPP輸出穩定性。文中使用VPP出力的標準差來定義波動因子參數，標準差是反映一組數據離散程度最常用的一種量化形式，是衡量精確度的重要指標。從定義上看，如果波動因子參數的數據離散程度越高，穩定性越差；反之，穩定性越好。波動因子參數的表達式為：

(8)

式中：σ為波動因子參數；Pt為t時刻VPP向電網輸送的有功功率；μ為T時間段內VPP向電網輸送的有功功率的平均值。

2.4 基于波動因子的獎懲機制

為了保證波動因子參數σ的有效性，引入基于波動因子的獎懲機制。當波動因子參數控制在某一個較小數值的區間范圍內時，說明VPP向電網輸送電能的穩定性較好，VPP將會得到一定來自電網的獎勵；反之，當波動因子參數在一個較大數值的區間范圍波動時，說明VPP向電網輸送電能的穩定性較差，VPP將會受到一定的懲罰。波動因子獎懲值表示為：

(9)

式中：σ0為VPP未協調控制前分布式新能源向電網輸送電能的初始標準差。

3 考慮新能源消納的VPP優化調度模型

3.1 目標函數

以儲能裝置的充/放電功率和可中斷負荷作為有效調控資源，考慮電池儲能系統損耗成本及可中斷負荷成本，通過最大化消納可再生能源資源來實現VPP的最優經濟效益。目標函數為：

(10)

其中：

(11)

(12)

式中：R為VPP整體的凈利潤；T為新能源消納的時間段，取24 h；Pt為VPP向電網輸送的電能；Nw為風力發電廠的個數；Np為光伏發電站的個數；Pwi,t為風電場i在t時段的有功出力；Ppj,t為光伏發電站j在t時段的有功出力；λD,t為t時段的日前電價；λL,t為t時段的內部負荷供電電價；PL,t為t時段的內部負荷的消耗量；PIL,t為t時段的可中斷負荷調用值；CB為電池儲能系統的總損耗成本；C(PIL,t)為可中斷負荷在t時段的調用成本；NIL為可中斷負荷組數；CILck,t為可中斷負荷用戶k在t時段的電價折扣；QILck,t為可中斷負荷用戶k在t時段的可中斷容量；CILk0,t為可中斷負荷用戶k在t時段單位削減成本；QILk,t為用戶k的t時段負荷削減量。

3.2 約束條件

(1) 可中斷負荷調用約束條件。

(13)

式中：PIL,min,t，PIL,max,t分別為t時段可中斷負荷的調用容量上、下限；SILk,t為可中斷負荷k在t時段的調用狀態，為0表示可中斷負荷k在t時段沒有被調用，為1表示可中斷負荷k在t時段被調用；PILk為可中斷負荷k的調用容量。

(2) 電池儲能系統的約束條件。

gbmin≤gb,t≤gbmax?b∈B

(14)

ub,t+vb,t≤1

(15)

(16)

(17)

(18)

4 算例分析

4.1 算例介紹

建立一個VPP，其中包括1個風電場，1個光伏電站，負荷(含可中斷負荷)和儲能4種分布式組成單元。VPP中的風力出力曲線如圖2所示，光伏出力曲線如圖3所示，內部負荷曲線如圖4所示。

圖2 VPP風力出力曲線Fig.2 Wind power output curve of VPP

圖3 VPP光伏出力曲線Fig.3 Photovoltaic power output curve of VPP

圖4 VPP內部負荷曲線Fig.4 Internal load curve of VPP

VPP內部負荷供電電價和VPP賣給電網的電能都采用固定電價，如購電價格490元/(MW·h)，售電價格380元/(MW·h)，可中斷負荷的參數信息如表1所示。在儲能系統中，電池儲能系統容量為300 MW·h，初始狀態時電池深度為0，建設成本為4 500元/(MW·h)，充電效率為0.87，壽命成本參數a=1 534，b=2.4，運維成本為59元/(MW·h)，能量損失為25.3元/(MW·h)，儲能電池剩余電量的上、下限分別為300 MW·h和0。

表1 可中斷負荷參數信息Table 1 Parameter information of interruptible load

4.2 優化結果及分析

根據文中所提出的模型，采用粒子群算法對其求解，以驗證文中所提模型的可行性和波動因子有效性。其中，粒子群算法參數設置為：種群規模為100，最大迭代次數為300，慣性權重因子w為0.7，學習因子C1，C2均為2.05。尋優結果如圖5所示，可以看出，大約迭代80次左右收斂，最終得到的總收益利潤最大為1 745 834元。

圖5 總收益進化過程Fig.5 Evolution of total revenue

當VPP利潤最優時，可中斷負荷和儲能系統一天內各個時刻的調用情況如圖6所示，圖中可中斷負荷的取值代表本小時本中斷的負荷功率，儲能系統狀態則代表充放電功率，正半軸為充電狀態，負半軸為放電狀態。調用中斷負荷和儲能系統放電，意味著新能源發電不足或內部總負荷增加，而儲能系統充電則意味著新能源發電過剩，若全部輸出到電網可能引起VPP輸出功率波動過大。

圖6 可中斷負荷和儲能系統調度狀態Fig.6 Dispatching states of interruptible load and energy storage system

圖7為加入波動因子前和加入波動因子后VPP一天內各個時刻向電網輸送功率的變化曲線。可以看出，加入波動因子后，出力變化曲線明顯變得平緩，說明了引入波動因子的有效性。圖7中引入波動因子前的曲線出現負值的原因是VPP具有“源荷”雙重性，既可以作為電源向電網供電，又可以作為負荷向電網購買電能。

圖7 VPP并網功率的變化曲線Fig.7 Variatio curve of grid-connected power of VPP

5 結論

文中構建了基于VPP的分布式能源消納優化調度模型，此模型把儲能系統和可中斷負荷作為調度資源，在考慮儲能系統和可中斷負荷調度成本的基礎上，引入波動因子參數并對其大小所屬區間采取相應的獎懲機制來保證VPP出力穩定性，同時以VPP總體收益最大為目標進行優化。采用粒子群算法進行尋優，結果表明：(1) 電池儲能系統成本模型不僅應考慮壽命成本，即安裝成本，還應考慮運維成本和能量損失成本；(2) 引入波動因子來衡量輸出穩定性，可以在一定程度上降低新能源出力的不確定性對電網造成的影響，并提高新能源消納的水平；(3) 不可控新能源大規模入網時，通過可中斷負荷和儲能系統聯合運行，可以彌補彼此的局限性和成本代價，使VPP獲得良好的經濟效益，提高電網的電能質量。