含EV集群的VPP參與主輔聯合市場綜合優化調度

鄧振立，馮心雨，王世謙，李虎軍，劉軍會

（1.國網河南省電力公司經濟技術研究院，鄭州 450052；2.東南大學電氣工程學院，南京 210096）

近年來，國家大力發展綠色經濟，可再生能源滲透率與新能源電動汽車EV（electric vehicle）保有量顯著提高，而風電、光伏等可再生能源受自然環境的影響具有很強的波動性，大量EV無序接入也加劇了負荷的不確定性，給調峰、備用等輔助服務提出了更高的要求[1]。為緩解壓力，需求側資源的靈活性調節潛力成為關注焦點[2-4]。

需求側資源的利用需要克服單體容量小、資源服從性差、不確定性強等缺點[5]。虛擬電廠VPP（virtual power plant）通過聚合分布式電源DG（distributed generation）、EV集群、儲能設備與負荷等需求側資源，控制其靈活性消費，有助于提高電網調峰備用、安全應急等響應能力[6-8]。文獻[9]利用博弈交叉效率的數據包絡分析法，對火電廠、風電場、儲能電站、企業進行綜合效率評價，構建了火-風-儲-高載能企業VPP成員選擇模型，驗證了VPP聚合各類成員的優越性。現如今，針對VPP的研究主要集中在優化調度[10-11]、運行控制[12]與市場投標[13-14]方面。早期，虛擬電廠市場競標主要針對單一日前市場?，F階段，隨著電力市場改革的推進，售電側逐漸對外開放，越來越多的研究注意到VPP作為需求側資源聚合商的商業價值，通過能量管理系統EMS（energy management system）協調優化控制，VPP可聚合多類靈活性資源參與多類電力市場[15]。文獻[16]采取VPP同時直接參與電力交易市場與調峰市場的運營模式，考慮風光出力不確定性研究VPP日前優化運行模型；文獻[17]建立受端電網參與電力市場的電能及備用市場聯合競價均衡模型，優化其期望凈利潤；文獻[18]為量化VPP靈活調峰能力，建立了VPP參與能量、備用、調峰市場的最優投標策略，并說明了VPP在滿足輔助服務的同時可以利用主輔市場獲得收益。

為擴大需求側參與容量與響應能力，文獻[19]提出在不考慮經濟的情況下引入短期存儲設備；文獻[20]通過添加抽水蓄能裝置增加VPP儲能容量，參與旋轉備用輔助服務，而EV作為一種具有儲能特性的特殊電力負荷，無需額外投資配置成本，將其加入VPP需求側，有助于新能源消納與儲能存量增效和增量降本，提高系統安全響應能力；文獻[21]提出應用EV、儲能和自動化技術提供有針對性的支持，組成“災難恢復技術集群”，可提高電網韌性與運行安全性?，F階段，關于EV集群參與市場交易的商業模式并不成熟，文獻[22]針對EV聚合商、電網與用戶三方問題，提出了日前、實時、結算三階段的市場交易運行框架；文獻[23]提出了一種EV聚合商的最優運行策略，該聚合商在能源市場中進行能源套利，EV集群參與輔助服務的同時向EV提供充電服務，以在能源市場中實現利潤最大化。

然而以上研究均直接對每一輛EV進行功率分配，大量的EV直接調度將導致“維數災”問題及通信負荷。為解決EV大規模入網調度問題，文獻[24]將EV集群劃分為若干不同優先級的集群進行分層求解，而其本質并未壓縮EV集群調度維度，而是將維度拆分并行求解。文獻[25]則采用基于戴維南的模型作為電池等效電路模型分析EV集群動態特性，卻忽略了EV集群中EV個體差異。若能充分挖掘與評估EV集群可調度潛力，可為VPP控制其協調優化調度提供有力的數據支撐。

受制于資源挖掘困難和調度模式缺失，電力需求側的發展還有很長的路要走。為解決以上難題，本文在前人研究的基礎上，進行以下工作。

（1）首先定義可調度域概念，采用充放電模型與累計能量邊界模型繪制可調度域邊界，從而界定EV個體可調度域，并利用閔可夫斯基加法將各類EV聚合為廣義儲能設備參與VPP協調控制。

（2）將電力市場交易流程分為3個階段，利用日前-實時雙層優化模型刻畫VPP參與市場交易的優化調度模型，最后利用平衡市場結算上報交易與實際交易的偏差。

（3）本文設置VPP參與主輔聯合市場中的能量市場、備用服務以及調峰服務，保證系統安全穩定運行的同時利用價差使得經濟最大化。

1 EV可調度域模型

1.1 可調度域定義

本文將可調度域定義為EV成為廣義儲能設備的調節域與儲備域的決策空間交集，在可調度域內，EV的任意一條充放電線均為一種可行的調度方案。EV的調節域由EV充放電功率表征，反映EV參與輔助服務時的響應特性；儲備域則由EV集群的可充放電電量表征，反映EV參與能量市場的動態能量平衡能力。

EV個體可調度域模型由EV個體充放電模型與累計能量邊界模型構成，充放電模型計算EV個體調節域，累計能量邊界模型計算EV個體儲備域。若干EV個體可調度域決策空間疊加便構成了EV集群可調度域。

1.2 EV個體可調度域建模

1.2.1 EV個體充放電模型

EV接入電網有2種充電模式：快充與慢充?？紤]到快充下的EV以最高功率持續充電且接入電網時間較短，故本文認為快充下的EV不參與調度。慢充下的EV具有平移負荷、參與電網互動的能力，將其視為具有調度潛力的柔性負荷。

EV參與電網互動需滿足充放電約束，其EV充電模型為

為便于將EV個體儲備域的歐幾里得空間累加為EV集群儲備域，本文提出了充放電累計能量邊界模型。

1.2.2 EV個體累計能量邊界模型

EV可充放電能量邊界包含可充電上界與可放電下界，根據其在網時間長短分2種情況討論。當EV入網時間較長時，在網時間可滿足EV完成一次全放全充的要求，該情況下單輛EV的累計能量邊界如圖1所示。

圖1 入網時間較長時累計能量邊界Fig.1 Cumulative energy boundary for a long time of grid entry

圖1中，En，e為第n輛EV期望離開時的電量，本文認為En，e是保證EV壽命的前提下的最大存儲電量；為第n輛EV所需保留的最低電量；分別為第n輛EV接入電網、離開的時間；折線abc為第n輛EV接入電網后的累計可注入電能的上界，直線ab的斜率為，bc為一條水平的直線，表示當EV接入后立即以最大功率充電，充到最大狀態則停止動作直至離開；折線adec則代表第n輛EV接入電網后的累計可放電的下界，直線ad斜率為，直線ec斜率為，直線de為一條水平的直線，表示EV接入后以最大功率放電到最極限狀態，再延遲充電不動作，直至離開前恰好充到期望狀態?？沙潆娚辖缗c可充電下界的繪制框定了EV的可充放電域，即本文所提儲備域，任意一條在abced變量空間中的折線都是一種可行的EV充放電方式，折線 fgc便為其中一條可行的累計電能曲線。由于充電需求約束，處，相重合。

經分析，最終得到相應邊界模型為

當EV入網時間較短時，EV不能在入網時段內完成一次全放全充，該情況下的單輛EV的累計能量邊界如圖2所示。

圖2 入網時間較短時累計能量邊界Fig.2 Cumulative energy boundary for a short time of grid entry

圖2中，h點為EV的最大放電點，與上一種情況不同的是，為滿足EV離開時的期望電量，充電曲線在沒有完全放電的情況下開始充電，折線ahc則構成EV的累計放電能量下界。其能量邊界模型為

2種情況下的時間參數分別為

式（1）～（7）構成每輛EV的可調度域，則可調度域參數集合為

1.3 EV集群可調度域模型

EV是作為整體參與電力市場交易的，且不同類別EV的充電特性不同，可充分利用其在時間特性上的互補性，為靈活、高質量提供調峰備用輔助服務提供保障。本文考慮了4種EV（私家車、公交車、網約車和專用車），不同EV的特性在后文中給出。由上文可知單一EV車輛調度的決策空間，此時需要將若干個決策空間疊加，作為一個整體參與市場。本文利用閔可夫斯基加法累加歐幾里和空間將EV集群聚合為廣義儲能設備，最終得到EV集群可調度域參數，分別為

式中：m=1、2、3、4分別代表電動私家車、公交車、網約車和專用車；Nm為m類EV保有量；Xm，n，t為第n輛m類EV在t時段的狀態，X=1表示EV接入電網，X=0則不在網；T為參與市場交易的時段集合；為第n輛m類EV的最大充、放電功率；為第n輛m類EV在t時段的充放電上、下界；為EV集群充電功率上界與放電功率下界；分別為EV集群可充電能量上界與放電能量下界；WEV為計算所得EV集群的可調度域參數集合。

2 VPP參與主輔聯合市場三階段交易模型

光伏、風電等可再生能源具有滲透率高、分布廣、清潔環保等優點，但因其不確定性無法穩健參與各類市場交易。本文采用VPP技術，將DG、EV集群、儲能設備和基礎負荷聚合為VPP整體，利用EMS控制VPP有效運行，參與市場交易[26-29]，且VPP主要參與主輔聯合市場中能量市場、旋轉備用市場和靈活調峰服務。本文假定VPP總體投標量小，其作為價格接受者不影響市場出清價格，VPP沒有競爭者，投標量即為市場交易量。圖3為VPP參與主輔市場交易流程，分為以下3個階段[30～32]。

圖3 VPP的三階段綜合交易流程Fig.3 Flow chart of VPP three-stage comprehensive transaction

1）階段1

交易時間：交易日前一天10：00—13：00。

輸入：EMS根據歷史數據預測出的交易日的DG出力、EV調度潛力、負荷用電情況與主輔市場日前價格。

輸出：相應競標策略并上報日前投標量。

2）階段2

交易時間：交易日的每時段逐個開啟。

輸入：EMS根據歷史數據預測出的交易日的DG出力、EV調度潛力、負荷用電情況與主輔市場實時價格；日前出清結果。

輸出：實時競標策略并上報。

3）階段3

結算時間：實時市場閉市后開啟。

輸入：交易日實際DG出力、EV調度潛力、負荷用電情況；日前實時出清結果。

輸出：偏差成本與收益。

2.1 階段1

VPP需于日前簽訂雙邊合同并提交日前投標交易量。投標時，日前與實時投標量應滿足功率平衡約束，實時投標策略會影響日前投標策略的制定，所以本文在日前競標時考慮實時競標，階段1的投標模型中也有實時投標量。同時本文認為VPP是第三方運營機構，本質通過賺取差價來盈利。因此階段1以優化VPP參與能量市場、備用服務與調峰服務的收益最高為目標，得到日前與實時投標量。最終階段1提交日前投標量，需注意的是此時所得實時的投標量并不是階段2的決策。日前交易模型為

VPP在運行時應滿足以下約束。

（1）VPP參與市場交易功率約束為

（2）DG約束為

（3）EV集群約束為

（4）儲能約束。儲能可看作是無需滿足出行需求的特殊動力電池，故儲能約束與EV集群約束相同，除此之外，則需滿足的電量守恒約束為

（5）負荷約束為

（6）輔助服務約束為

2.2 階段2

這一階段日前市場已出清，日前交易電量與電價便為已知量。t時段以前的決策變量也為已知量，故t時段的交易模型為

其中，帶有上標“～”均為階段1中日前出清后的已知量。

約束條件分別與階段1中約束對應，表示為

2.3 階段3

消納可再生能源與EV集群出力偏差并向VPP收取費用。最終得到VPP交易日的總收益為

式中：R為VPP交易日的總收益；RDA和RRT分別為日前與實時市場收益；為平衡市場t時段平衡可再生能源與靈活性資源偏差費用；分別為t時段風電、光伏發電、EV集群出力計劃值；分別為t時段風電、光伏、EV集群實際出力值；分別為時段平衡市場購電、售電單價。

3 算例分析

本文利用Yalmip語言下的Cplex求解器驗證所提可調度域模型與交易模型的有效性。表1為EV相關參數設置，其余仿真所用參數設置如表2所示，其中電動汽車各類信息為河南省某地區調研數據。

表1 各類EV參數設置Tab.1 Parameter setting for all kinds of EV

表2 各類EV充電時間分布Tab.2 Distribution of charging time for all kinds of EV

本文采用河南省平均出力水平，分布式電源出力情況如圖4所示。結合參考文獻[1，18]設置的仿真參數，電價信息如圖5所示。

圖4 風電、光伏出力Fig.4 Wind power and photovoltaic output

圖5 多類電力市場電價Fig.5 Electricity prices in multiple power markets

3.1 EV集群可調度域結果分析

本文考慮4種類型的EV（私家車、公交車、網約車、專用車）參與市場交易，且交易日為工作日。圖6為由歷史數據預測所得EV集群日前可調度域，由圖可知，當EV集群充放電功率、累計電量分別處于調節域與儲備域中時，此時的EV集群狀態便是可行的充放電決策，EV集群可調度域則為EV聚合成為廣義儲能設備的約束條件?？烧{度域的大小決定著EV集群參與市場交易的靈活性潛力與商業潛力，可調度域的界定也為后續進行市場交易提供數據輸入與輔助決策。圖中顯示，EV集群夜間18：00到次日06：00有著較強的充放電潛力，符合EV集群參與電網互動的特性，可見利用EV集群可調度域可幫助EV聚合為廣義儲能設備參與市場交易。

圖6 EV集群日前可調度域Fig.6 Day-ahead schedulable domain of EV cluster

3.2 VPP參與主輔聯合市場交易優化結果分析

負荷高峰時為保證系統穩定運行，VPP參與輔助服務市場，此時，輔助服務市場電價一般高于能量市場，本文設置輔助服務需求如表3所示。

表3 輔助服務交易日需求Tab.3 Auxiliary service demand on trading day

VPP某交易日參與能量市場、備用服務和靈活調峰服務的日前、實時和總決策交易結果如圖7～圖9所示。圖9中，VPP參與各類市場的交易量為日前與實時兩階段的總投標量之和，EV集群在此階段優先放電以滿足輔助服務需求，當VPP參與輔助服務電量不夠時，會向能量市場購電以可滿足輔助需求，經過三階段交易流程后，所設置的輔助服務需求均能被滿足。

圖7 VPP參與主輔聯合市場交易日前交易結果Fig.7 Day-ahead transaction results of VPP participating in main and auxiliary joint markets

圖8 VPP參與主輔聯合市場交易實時交易結果Fig.8 Real-time transaction results of VPP participating in main and auxiliary joint markets

圖9 VPP參與主輔聯合市場交易結果Fig.9 Transaction results of VPP participating in main and auxiliary joint markets

3.3 VPP參與主輔聯合市場的經濟性分析

本文所提出的主輔聯合市場交易模型能夠利用能量市場進行峰谷套利，同時也可利用主輔市場價差獲得更高收益。除此之外，EV集群加入VPP參與市場調度，不僅能夠幫助電網消納新能源，還可減少自身充電成本并獲取額外利潤。為驗證EV集群的加入與主輔市場的聯合對VPP投標的影響，本文設置5種不同的參與場景，對比分析。5種參與場景設置如表4所示。

表4 5種參與場景設置Tab.4 Setting of five participating scenarios

表5為5種場景下VPP經過三階段優化調度流程后的收益結果。

表5 5種參與場景收益結果對比Tab.5 Comparison of revenue in five participating scenarios

對比表4中場景1、5的總收益，兩者的差值為EV集群為VPP帶來的凈收益，可見EV集群的加入給VPP帶來了更大的利潤。EV集群的加入，使得平衡市場購電平衡成本與收益均增加，給VPP功率調度帶來了不確定性，但EV集群的加入極大地增加了VPP日前、實時收益，故而總收益依舊是增加的。場景2、3、4、5中，場景4收益最低，2、3場景其次，場景5收益最高，說明VPP的收益隨參與市場種類的增多而逐漸提升，也證明了VPP參與主輔聯合市場能獲得更高收益。各場景中的平衡市場結算收益不同，可見平衡市場主要是用來消納新能源與EV集群出力不平衡，場景不同，平衡結果便不相同。綜上所述，VPP參與主輔聯合市場、聚合EV集群均可有效提高VPP運營商收益。

3.4 可調度域方法的準確性分析

為驗證本文所提EV集群可調度域模型能夠保證EV聚合后預測出力的計算準確性，本文將其與直接調度法計算日前與實時市場交易情況做對比?？紤]到表2和圖4、圖5中所設置EV集群直接調度會因增設變量而求解困難，故將對比場景選擇為只調度夜間充電車輛。采用直接調度法與本文所提出可調度域法優化時間對比如表6所示。

表6 兩種方法優化時間對比Tab.6 Comparison of optimization time between two methods

圖10和圖11分別為采用直接調度法與本文所提出可調度域法日前與實時總交易結果。由圖可見，兩種調度結果相差不大，總收益結果均為4 808.6元，從調度曲線及總體收益兩方面均驗證了本方法的準確性。同時，從表6中可見，本文所提可調度域法在計算時間上遠優于直接調度。在未來電動汽車保有量日漸增加的情景下，本文所提方法的優越性會更為突出。

圖10 采用直接調度法所得交易結果Fig.10 Transaction result obtained using direct scheduling method

圖11 采用可調度域法所得交易結果Fig.11 Transaction result obtained using schedulable domain method

4 結語

本文通過研究EV個體調節及儲備性能建立了EV集群可調度域模型，并基于可調度域的計算結果研究了包含EV集群的VPP參與主輔聯合市場的三階段調度交易模型。經仿真分析，得到了以下結論。

（1）EV充放電模型與累計能量邊界模型能夠實現EV個體調節域與儲備域的界定，從而確立EV集群的可調節域，降低了模型的維度與計算量，同時保留決策變量的約束關系，保證EV集群參與市場交易的可信度。

（2）包含EV集群的VPP參與主輔聯合市場的交易模型充分挖掘了EV集群的商業價值與多類市場的價格優勢，為需求側靈活性資源參與市場交易提供了商業模式。

當VPP投標達到一定規模時，將會對市場出清價格有所影響，故而今后的研究將會進一步考慮VPP對市場出清價格的影響，提出包含EV集群的VPP競價策略。