考慮負荷平移的虛擬電廠低碳經濟調度

艾星貝， 閆慶友， 李金孟

(華北電力大學經濟與管理學院， 北京 102206)

目前，中國正處于電力行業市場化轉型階段，分布式發電(distributed generation, DG)依靠自身加入電力市場并不可行[1]。虛擬電廠作為能夠參與電網和電力市場運行的電源管理系統，能夠實現對分布式能源的靈活控制，成為解決上述問題的有效途徑[2-3]。然而，由于可再生能源出力的不確定性以及反調峰特性，虛擬電廠在實際運行過程中存在棄風棄光問題[4]，阻礙了其可再生能源消納能力、低碳減排潛力的進一步發展。

需求側的可平移負荷作為一種靈活性資源，具有實時、高效和精準的動態響應能力，能夠與分布式能源高效互補，在解決能源供應不足、降低可再生能源出力不確定性以及促進可再生能源消納等方面發揮著重要作用[5-6]。文獻[7]針對大規模分散式光伏接入所導致的配電網節點電壓受限以及棄光問題，建立了計及可平移負荷的主動配電網的日前調度模型。文獻[8]綜合考慮不同用電特性的可平移負荷單元，提出負荷求解策略，并在此基礎上構建了由分布式能源集成的微電網動態規劃經濟調度模型。文獻[9]考慮需求側多能源的響應特性，構建了多能源市場交易及激勵型綜合需求響應的虛擬電廠兩階段優化模型，研究結果表明需求側多能源響應在降低虛擬電廠調度成本、彌補用戶舒適度損失方面具有良好優勢。文獻[10]提出了一種考慮柔性可控負荷、分布式能源、需求響應的虛擬電廠投資組合優化模型，通過協調可平移負荷等靈活資源可以有效提高系統的投資組合收益。文獻[11]針對大規模風電并網消納的難題，提出了計及需求響應的風電并網虛擬電廠經濟調度模型，通過負荷平移實現系統的削峰填谷，促進風電消納。上述研究證明了負荷平移在分布式能源管理上的重要作用，但是負荷平移模型中重點考慮負荷曲線自身波動的平抑，對負荷平移在追蹤風光出力波動以及反調峰特性[12]方面的潛力鮮有研究。

此外，在實施需求響應后，由于可再生能源發電成本缺乏競爭力，虛擬電廠在實際運行過程中的風光消納能力有限，研究者通過引入棄風棄光成本[13]、可再生能源消納權重約束[14]等手段來保證可再生能源的消納。但是，這些手段靈活性較低，無法真正調動虛擬電廠自身低碳減排的積極性。

現有研究表明，碳交易機制與綠色證書機制在促進電力系統減排與可再生能源消納，以及平衡電力系統經濟效益方面作用顯著[15-16]。文獻[17]綜合各行業平均碳排放標準，在確定單位發電量碳排放配額的基礎上，通過計算實際排放量與配額量之間的差值構建了計及碳交易機制的綜合能源系統調度模型。文獻[18]考慮碳交易成本，構建的熱電聯合調度模型驗證了碳交易機制在降低火電機組出力、提高風電消納量與實現系統低碳發展的有效性。文獻[19]將碳交易機制與綠證機制耦合，構建的電力系統調度模型表明碳交易機制與綠證機制的綜合考慮能夠有效降低系統的運行成本。文獻[20]分析了碳交易與綠證交易機制對電力市場的影響機理，構建了電力市場能源優化模型，證明了存在滿足各發電廠商總利潤最大化的最優碳配額和綠證的比例組合。文獻[21]證明了柔性負荷可以更好地促進風電消納和發揮“碳交易—綠證”機制的作用。上述研究重點考慮運用市場手段實現電力系統碳配額與可再生能源消納責任，大多以提升經濟效益為目標，缺少調度管理過程中對運行成本、碳排放量約束[22]的考慮，一定程度上導致了電力系統低碳化的假象。

綜上所述，現基于虛擬電廠調度運行的特點，綜合考慮可平移負荷、風光出力追蹤、“碳交易-綠證”、運行成本約束等因素，將調度成本降低和CO2減排目標耦合，構建調度優化模型。首先，以風光出力追蹤與用電負荷波動平抑為目標，構建新的負荷平移模型，同時提出新的“移出—匯總—分配”求解策略，減少模型中優化變量以及狀態變量的個數，提升了求解效率；其次，引入“碳交易-綠證”機制，通過市場手段實現虛擬電廠的碳配額與可再生能源消納責任，與用戶側負荷平移協同，激發系統低碳減排的積極性；然后，采用參照點法(reference point approach, RPA)[23]對多目標模型進行求解，并通過模糊理論與二元對比定權法[24]給出RPA度量標準取值模型，實現管理者目標訴求到實際優化模型構建的轉化；最后，通過算例仿真證明負荷平移與“碳交易-綠證”可以有效提高虛擬電廠可再生能源消納能力與低碳減排積極性。

1 虛擬電廠關鍵單元建模

1.1 風電機組出力模型

風電機組的出力與風速的關系為

(1)

(2)

式(2)中：v′為在高度h′處測得的風速大小；λ為轉換系數。

1.2 光伏出力模型

光伏發電出力主要取決于太陽輻射強度、光照面積和轉換效率等因素，因此光伏出力大小為

Ppv=ηpvSpvITt

(3)

式(3)中：ηpv為光伏的參考效率；Spv為光伏板受輻射面積；ITt為t時段太陽能輻射強度。

1.3 綠色證書交易模型

虛擬電廠需要通過綠證市場購買綠色證書以實現可再生能源消納責任，并且通過售出綠色證書來提高可再生能源發電的經濟效益。考核周期T內的市場交易模型為

(4)

1.4 碳排放權交易模型

虛擬電廠為滿足系統碳配額需要，以獨立實體參與碳市場的交易。基準線法[16]是中國目前確定發電企業碳配額分配的主要方法，該方法根據企業排放情況分配額度，且分配額度與系統發電量成正比。采用該方法確定每個時段的碳排放配額，計算公式為

(5)

式(5)中：Et為t時段系統的碳排放配額量；μ為碳配額系數，其取值根據“區域電網基準線排放因子”確定。

虛擬電廠排放的CO2量主要由火電機組供電消耗化石燃料產生，計算公式為

(6)

式(6)中：QCO2,t為虛擬電廠在t時段排放的CO2量；ψ為火電機組的CO2排放系數。

當系統在t時段的實際碳排放量高于該時段的配額量時，需要從碳市場購買超出部分的碳排放權；如果實際碳排放量低于配額量，則可以將剩余的碳排放權在碳市場進行售出。基于碳排放配額和實際CO2排放量的系統碳交易模型為

(7)

式(7)中：LCT為系統參與碳市場獲得的收益；LCT,t為t時段系統通過碳交易獲得的收益；pCT為單位碳交易價格。

1.5 多目標負荷平移模型

本文提出“移出—匯總—分配”的求解策略對可平移負荷模型進行改進。“移出”是指將每個時段的可平移負荷從總的用電負荷中移出；“匯總”是指將全部時段的可平移負荷按照種類進行匯總；“分配”是指將匯總后的可平移負荷量根據目標要求重新分配到不同時段。分配的目標為在不損失用戶用電量的基礎上實現用電負荷自身波動(峰谷差)的平抑，同時實現用電負荷對風光功率的有效追蹤。改進后的可平移負荷模型可用目標函數[式(8)]和約束條件[式(9)]表示，目標函數表示優化后的負荷曲線與風光出力偏差和日均負荷偏差綜合最小。

(8)

(9)

改進后的可平移負荷模型為混合整數規劃模型，優化變量的個數為NST，已有負荷平移模型[8,25]的優化變量個數分別為NSTT和3NST，比較可知本文提出的求解策略可以有效降低模型中優化變量的個數，進而提高模型求解效率。改進后的負荷平移模型求解流程如圖1所示。

圖1 負荷平移模型求解流程Fig.1 Solution process of load shifting model

2 虛擬電廠多目標調度優化模型

結合中國虛擬電廠、碳交易與綠證市場的發展現狀，本文采用的虛擬電廠運行結構如圖2所示。在虛擬電廠系統中，調度中心統一協調系統的供需平衡，響應用戶的用電需求，合理安排各個機組的發電計劃；同時用戶根據調度中心發出的用電信息，主動調整用電行為，進行合理的用電安排。系統的電源側包括風電機組、光伏與火電機組，需求側負荷主要包括居民基本生活用電負荷和可平移負荷。此外，虛擬電廠作為獨立實體，擁有碳排放權和綠色證書并參與碳市場、綠證市場的交易，實現系統的可再生能源消納責任與減排效益。

圖2 虛擬電廠運行結構Fig.2 Operating structure of VPP

2.1 目標函數

虛擬電廠調度優化目標函數包括系統日運行成本和CO2排放量兩方面。日運行成本包括風光機組發電成本、火電機組發電成本、碳交易收益與綠證交易收益；CO2排放主要為火電機組供電產生。

(1)風電機組發電成本：

(10)

式(10)中：Cwp為風電機組的發電成本；αwp為風電機組的單位發電成本。

(2)光伏機組發電成本：

(11)

式(11)中：Cpv為光伏機組的發電成本；αpv為光伏機組的單位發電成本。

(3)火電機組發電成本：

(12)

式(12)中：Ctp為火電機組的發電成本；b0、b1、b2為火電機組的發電成本系數。

綜上所述，采用RPA法[23]對虛擬電廠日運行成本和CO2排放量雙目標最小化進行調度優化，目標函數為

(13)

COP=Cwp+Cpv+Ctp-LTGC-LCT

(14)

2.2 約束條件

本文考慮的約束條件包括：參數變量約束、設備運行約束和電力平衡約束。考慮參數變量的物理特性和實際情況等因素，給出參數變量的取值約束為

(15)

設備運行約束主要為發電設備額定功率和額定容量約束，風電機組、光伏機組的運行約束為

(16)

火電機組需要滿足的運行約束包括出力約束、爬坡約束和啟停約束,即

(17)

可再生能源消納責任與碳配額約束如式(4)～式(7)所示，虛擬電廠的運行成本約束為

COP≤ROP

(18)

式(18)表示實際調度優化過程中，運行成本不得超出參考水平，參考水平由管理者根據微電網實際運行情況設置。

系統的電力平衡約束為

(19)

2.3 RPA度量標準賦值

將模糊理論和二元對比定權法運用于RPA多目標求解方法中，對度量標準進行賦值。模糊理論和二元對比定權法相結合是一種定性排序和定量標度相結合的權系數確定方法。基于模糊理論和二元對比定權法對RPA度量標準進行賦值的步驟[24]如下。

首先，利用排序標度矩陣定性判斷指標重要性。對各指標的重要性進行二元對比，若p比q重要，記排序標度為epq=1，eqp=0；反之，則記為epq=0，eqp=1；若p與q同樣重要，記為epq=eqp=0.5。根據對比結果建立排序標度矩陣E。計算矩陣的各行元素之和，其大小順序即為指標的重要性定性排序。

(20)

然后，根據模糊語氣算子定量確定指標隸屬度值。按照排序標度矩陣的結果，以順序排名第一的指標為基準1，將該指標與其余指標進行重要性對比得到對應的語氣算子。根據模糊標度與隸屬度取值表(表1)確定隸屬度值向量F=[Fp,Fq]。

最后利用式(21)將隸屬度值變換為[1，+∞)之間，進而得到RPA度量標準值。

(21)

表1 模糊標度與隸屬度取值表Table 1 Fuzzy scale and membership degree value comparison table

3 算例分析

3.1 基礎數據

為了驗證本文構建的調度優化模型在提高虛擬電廠系統運行調度經濟效益和環境效益方面的適用性，選取中國某地區的虛擬電廠系統數據進行算例仿真分析。算例中運用的仿真模擬軟件為HOMER，負荷平移和調度優化模型求解軟件為GAMS。

算例中，風電機組總裝機容量為20 MW，機組型號為Copy of Generic 10 kW，壽命為15年，輪轂高度為25 m；光伏機組總裝機容量為10 MW，壽命為20年，降額因子為90%，地面反射率為20%。選取典型日的光輻射、風速，運用HOMER模擬得到日風光出力如圖3所示。

圖3 典型日風光出力曲線Fig.3 The output curve of daily scenery

根據文獻[25]，本文選取烘干機、洗衣機和電熱水器3類可平移負荷，參與負荷平移的設備參數和數量如表2和表3所示。日用電總負荷為87.05 MW，可再生能源消納權重設置為0.75。

表2 參與負荷平移設備參數Table 2 Equipment parameters involved in load shifting

表3 參與負荷平移設備數量Table 3 Number of equipment involved in load shifting

虛擬電廠發電機組運行成本參數和CO2排放參數如表4所示[26-27]。

表4 成本參數及CO2排放參數Table 4 Cost parameters and CO2 emission parameter

以經濟目標和環境目標重要性相同對度量標準進行賦值，參照表1與式(21)得到RPA度量標準取值均為1。ROP、RCO2參數的設置由決策制定者決定，為保證取值的公平性，算例中選取各目標進行單目標最優求解結果的均值，計算公式為

(22)

3.2 場景設置

設置6個場景進行對比分析，如表5所示。

表5 場景設置Table 5 Scenario setting

3.3 算例結果

3.3.1 負荷曲線優化結果

通過輸入風光出力曲線建立目標曲線，并運用“移出—匯總—分配”策略對含有可平移負荷的虛擬電廠日用電負荷曲線進行多目標優化求解得到優化后的負荷曲線如圖4所示。

圖4 負荷曲線優化結果Fig.4 Load curve optimization results

由圖4可知，優化后的負荷曲線更加貼近風光出力曲線，很好地適應了可再生能源發電出力的波動性。同時，負荷曲線的峰谷差由2.53 MW降到1.97 MW，減小幅度為22.13%，負荷曲線的標準差從0.814降到0.539。可知，優化后的負荷曲線更加平緩，實現了系統的削峰填谷。

3.3.2 虛擬電廠調度結果

運用GAMS軟件對虛擬電廠優化調度模型進行求解，調度結果如表6和圖5所示。按照式(22)，負荷平移前CO2排放量與日運行成本的參考水平分別為50.15 t和20 027.222元；負荷平移后CO2排放量與日運行成本的參考水平分別為46.144 t和20 974.940 5元。

表6 調度結果對比Table 6 Comparison of dispatching results

圖5 VPP系統用電調度結果Fig.5 Electricity dispatching results of VPP

3.4 算例分析

3.4.1 多目標優化調度優勢分析

以實現對虛擬電廠運行過程中成本消耗與CO2排放量的有效控制為目標構建多目標調度優化模型。為了驗證模型的有效性，圖6展現了各場景的成本與CO2排放量對比情況。觀察可知，虛擬電廠的調度成本與CO2排放量無法同時達到最優，在減少CO2排放的同時必定會造成調度成本的增加。運用本文構建的優化模型進行調度時，調度成本比CO2排放單目標最優時得到了有效降低，同時CO2排放量比調度成本單目標最優時得到了有效減少。

圖6 調度成本與CO2排放量對比Fig.6 Comparison of dispatching costs and CO2 emissions

為了進一步展現多目標模型求解的優勢，引入單位減排成本的CO2排放強度指標對調度結果進行對比分析。該指標表示利用不同手段實現電力系統低碳化發展過程中，CO2排放減少量與成本增加量的比值，單位為t/元。基于此，S2、S3、S5、S6的計算結果如圖7所示。觀察可知，應用多目標調度優化模型求解時，指標值分別增加了0.024 6(S3vsS2)和0.044 5(S6vsS5)，減排效益顯著。綜上所述，本文構建模型在提高資金利用效率與促進電力系統低碳化發展等方面作用顯著，可以有效實現減排效果與經濟效益的均衡。

圖7 單位減排成本的CO2排放強度Fig.7 CO2 emission intensity per unit abatement cost

3.4.2 負荷平移作用效果分析

通過3.3.1節的分析可知負荷平移可以有效實現對用電波動的平抑與風光出力的追蹤。此外，負荷平移的作用效果還體現在綜合效益、可再生能源消納等維度。

綜合效益維度：以成本單目標最優進行調度時，負荷平移后的調度成本比負荷平移前減少了17.469元；雖然以CO2排放單目標最優和多目標最優進行調度時，負荷平移后系統的調度成本在一定程度上有所增加，但是CO2排放量分別減少了9.163 t和7.774 t。根據CO2排放產生的環境成本計算方法[26]，CO2排放量減少產生的等效環境效益分別為192 4.23元和163 2.54元，這可以完全彌補調度成本的增加量。因此，負荷平移后，虛擬電廠的綜合效益得到顯著提高。

可再生能源消納維度：負荷平移前，可再生能源消納量的上限為67.97 MW·h，負荷平移后，可再生能源消納量的上限變為75.937 MW·h。消納權重上限由78.08%變為87.23%，增加了約10%。此外，按照多目標最優進行調度時，負荷平移后虛擬電廠實際的可再生能源消納權重比負荷平移前增加了7.76%。因此，負荷平移可以顯著提升虛擬電廠的可再生能源消納能力。

3.4.3 “碳交易-綠證”作用效果分析

圖8以S4和S6為例，展現了各時段虛擬電廠利用碳市場滿足碳配額目標的交易情況。觀察可知，碳市場滿足了虛擬電廠在追求調度成本最優時各時段碳配額的要求。同時，通過售出多余的碳配額權，實現了對虛擬電廠進行多目標最優調度時成本的彌補，有效提升了系統的可再生能源消納能力。

圖8 各時段碳交易情況Fig.8 Carbon trading situation in various periods

可再生能源消納保障機制下，通過綠證市場的交易，虛擬電廠不僅實現了可再生能源消納責任，而且提升了系統利用可再生能源機組供電的自主性與靈活性。分析調度結果可知，多目標優化調度后，系統的綠證購買量比調度成本單目標最優時分別減少了39.611和47.375，通過售出綠證，虛擬電廠實現了追求低碳化發展過程中經濟效益的增加(S3, 3 666.206；S6, 4 443.903)。負荷平移后，綠證市場的作用更加明顯，體現了負荷平移、綠證市場在提高虛擬電廠可再生能源利用率方面的協同效果。

4 結論

從經濟效益和碳減排效果出發，考慮負荷平移、碳配額、可再生能源消納責任、調度成本約束等因素，以系統日運行成本和CO2排放總量綜合最小為目標，構建了虛擬電廠多目標調度優化模型。利用HOMER仿真軟件與GAMS求解器對模型進行算例分析，驗證了模型的有效性。得出如下結論。

(1)本文中提出的“移出—匯總—分配”求解策略豐富了負荷平移模型求解理論的相關研究。改進后的模型中優化變量數量得到大幅降低，求解效率得到了一定提升。

(2)以風光出力為目標曲線，應用多目標負荷平移模型對負荷曲線進行優化后，實現了風光出力的追蹤與負荷波動的平抑。

(3)碳交易機制與綠證交易機制作為滿足系統碳配額要求與實現可再生能源消納責任的重要手段，提升了系統可再生能源發電的經濟效益，激發了虛擬電廠低碳減排的自主性。