王瑞東，吳杰康，蔡志宏，劉國新，張宏業(yè)，蔡錦建

(廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣州510006)

0 引言

隨著“十四五”我國正式將碳達(dá)峰、碳中和納入生態(tài)文明整體建設(shè)布局，作為能源消耗的重要行業(yè)，電力系統(tǒng)的節(jié)能減排已成為勢不可擋的趨勢[1]；而虛擬電廠(virtual power plant，VPP)作為一種新型的分布式能源協(xié)調(diào)管理技術(shù)，在聚合規(guī)模效益驅(qū)動(dòng)下，利用通信、控制、計(jì)算機(jī)等技術(shù)將獨(dú)立的分布式能源(distributed energy resource，DER)聚合統(tǒng)一，讓它們有效率地參與各級(jí)市場[2]，一方面提高了虛擬電廠組成各部分的經(jīng)濟(jì)效益，另一方面增強(qiáng)了電網(wǎng)新能源的消納能力與電網(wǎng)運(yùn)行可靠性[3]，可以大大減少二氧化碳排放，這對(duì)于實(shí)現(xiàn)低碳電力以及可持續(xù)發(fā)展具有重要意義。

相較于微電網(wǎng)，VPP更強(qiáng)調(diào)通過聚合多區(qū)域、大規(guī)模的分布式能源、儲(chǔ)能、負(fù)荷參與系統(tǒng)調(diào)度進(jìn)而參與到市場獲得收益[4]，關(guān)于虛擬電廠參在各級(jí)市場中的交易，國內(nèi)外已經(jīng)有許多學(xué)者對(duì)其做出了研究，有學(xué)者對(duì)虛擬電廠內(nèi)可轉(zhuǎn)移負(fù)荷進(jìn)行研究，構(gòu)建可轉(zhuǎn)移負(fù)荷模型，將其融入日前電力市場調(diào)度中，提高調(diào)度的靈活性[5]；一些研究通過碳捕集設(shè)備將燃?xì)廨啓C(jī)排放的二氧化碳進(jìn)行捕集，設(shè)置虛擬電廠碳排放超額懲罰，以虛擬電廠在市場中的凈收益最大為目標(biāo)，構(gòu)建含碳捕集虛擬電廠環(huán)保經(jīng)濟(jì)調(diào)度模型[6]；一些學(xué)者在虛擬電廠中引進(jìn)儲(chǔ)氣罐以及電轉(zhuǎn)氣設(shè)備，提出電氣互聯(lián)虛擬電廠的概念，以電轉(zhuǎn)氣設(shè)備所產(chǎn)生天然氣供給一部分VPP所需量，并引入最大碳排放限額指標(biāo)，考慮虛擬電廠在電力市場中近零碳運(yùn)營方案的可行性[7]；而有些學(xué)者在其基礎(chǔ)上進(jìn)行研究，提出氣電虛擬電廠參與多能源市場，電轉(zhuǎn)氣設(shè)備所產(chǎn)生的天然氣不僅供應(yīng)給虛擬電廠內(nèi)的燃?xì)廨啓C(jī)，同時(shí)參與天然氣市場的競標(biāo)，通過兩個(gè)市場同一時(shí)段的氣電價(jià)格差異，協(xié)調(diào)優(yōu)化電轉(zhuǎn)氣和燃?xì)廨啓C(jī)的出力，靈活參與兩個(gè)市場[8]；

目前的這些研究中大多只是對(duì)虛擬電產(chǎn)單市場或氣-電市場中的調(diào)度進(jìn)行研究，對(duì)于VPP碳排放大多是采用超額懲罰機(jī)制，設(shè)置環(huán)境成本，未考慮到參與碳交易系統(tǒng)中，對(duì)于虛擬電廠在碳交易市場下的優(yōu)化調(diào)度研究較少，但隨著我國2021年起《碳排放權(quán)交易管理辦法》的施行，建立全國碳排放權(quán)注冊(cè)登記和全國碳排放交易機(jī)構(gòu)和系統(tǒng)已逐步走上正軌，碳排放交易市場將成為虛擬電廠的主要交易市場之一，碳交易市場與原有各類市場的協(xié)同聯(lián)系以及在此背景下虛擬電廠下的調(diào)度優(yōu)化將成為研究的熱點(diǎn)問題。

電動(dòng)汽車作為一種新型交通工具，其大規(guī)模的運(yùn)用對(duì)于緩解環(huán)境壓力，解決不可再生能源帶來的污染問題有著巨大的作用[9]，同時(shí)考慮到電動(dòng)汽車具有電源以及負(fù)荷的雙重特性可以將電動(dòng)汽車聚合到虛擬電廠中，近年來，針對(duì)含電動(dòng)汽車虛擬電廠的運(yùn)行產(chǎn)生了大量研究，文獻(xiàn)資料表明，虛擬電廠可以利用電動(dòng)汽車的充放電特性，有效平抑風(fēng)光出力的波動(dòng)，促進(jìn)新能源的消納[10]，增加虛擬電廠在電力市場的經(jīng)濟(jì)效益[11]，同時(shí)由于聚合電動(dòng)汽車帶來的儲(chǔ)能特性，虛擬電廠可以減少內(nèi)部固定儲(chǔ)能配置容量，節(jié)省初期投入成本；另外，電動(dòng)汽車整合在虛擬電廠內(nèi)管理也可以大大降低電動(dòng)汽無序充電對(duì)電網(wǎng)造成的不良影響[12]。

綜上，為進(jìn)一步提高VPP的運(yùn)行經(jīng)濟(jì)收益以及降低碳排放量，研究風(fēng)光不確定性、電動(dòng)汽車管理策略對(duì)VPP的影響，本文將風(fēng)光分布式能源、燃?xì)廨啓C(jī)、電儲(chǔ)能、電轉(zhuǎn)氣、碳捕集設(shè)備以及電動(dòng)汽車聚合成虛擬電廠，針對(duì)電動(dòng)汽車提出先抽樣再聚類的充放電管理策略，采用SCK魯棒算法處理風(fēng)光可再生能源出力的不確定性，通過電轉(zhuǎn)氣與碳捕集設(shè)備的協(xié)同運(yùn)行，實(shí)現(xiàn)電-氣-碳三級(jí)市場的聯(lián)合調(diào)度。分析比較了虛擬電廠在不同運(yùn)行場景下的經(jīng)濟(jì)收益與碳排放量，驗(yàn)證了本文所提出模型的經(jīng)濟(jì)性與環(huán)保性，最后分析了電動(dòng)汽車不同管理策略以及魯棒系數(shù)對(duì)虛擬電廠在多市場下收益的影響。

1 電動(dòng)汽車充放電管理與多市場交易框架

1.1 電動(dòng)汽車充放電管理

本研究利用虛擬電廠先進(jìn)的調(diào)控技術(shù)、智能計(jì)量技術(shù)和信息通信技術(shù)聚合電動(dòng)汽車(electric vechicle，EV)，可以有效地克服大量電動(dòng)汽車無序充放電給電網(wǎng)帶來的負(fù)面影響，為了積極引導(dǎo)用戶注冊(cè)電動(dòng)汽車成為VPP可調(diào)度使用的虛擬儲(chǔ)能，VPP會(huì)向用戶提供相應(yīng)的補(bǔ)貼，當(dāng)用戶電動(dòng)汽車成為VPP內(nèi)參與調(diào)度運(yùn)行的一部分后，VPP通過集中控制器對(duì)注冊(cè)電動(dòng)汽車進(jìn)行充放電的管理，根據(jù)歷史數(shù)據(jù)得到電動(dòng)汽車的使用信息，包括EV入網(wǎng)和離網(wǎng)時(shí)段、EV離網(wǎng)時(shí)期望的電池荷電狀態(tài)(state of charge，SOC)、預(yù)期的行駛里程等，通過歷史數(shù)據(jù)得到電動(dòng)汽車各項(xiàng)指標(biāo)近似的概率分布函數(shù)后，通過拉丁超立方抽樣得到電動(dòng)汽車離并網(wǎng)時(shí)間等各項(xiàng)數(shù)據(jù)；但由于簽約電動(dòng)汽車數(shù)量較多，若單獨(dú)考慮每個(gè)電動(dòng)汽車在虛擬電廠中的充放電管理，其求解會(huì)很復(fù)雜，所以本研究擬采用NJW頻譜聚類對(duì)具有相似離并網(wǎng)時(shí)間，充放電功率以及充電結(jié)束后荷電量的電動(dòng)汽車進(jìn)行聚類，方便將大部分電動(dòng)汽車進(jìn)行統(tǒng)一的調(diào)度管理，其流程如下。

1)通過拉丁超立方抽樣獲得每輛電動(dòng)汽車的參數(shù)：入網(wǎng)時(shí)間Tstart,j、離網(wǎng)時(shí)間Tend,j、結(jié)束荷電狀態(tài)SOCend,j，得到所有電動(dòng)汽車數(shù)據(jù)集X={x1,x2,…,xn}，這些代表了電動(dòng)汽車的需求信息，將數(shù)據(jù)進(jìn)行極值歸一化，根據(jù)式(1)計(jì)算數(shù)據(jù)點(diǎn)間的歐氏距離，再根據(jù)式(2)計(jì)算兩點(diǎn)間的高斯距離，進(jìn)而構(gòu)成相似矩陣K。

(1)

(2)

式中：Dij為樣本點(diǎn)之間的歐氏距離；xi、xj代表不同的電動(dòng)汽車個(gè)體；ζ為決定樣本點(diǎn)之間衰減速度的尺度參數(shù)。

2)根據(jù)相似矩陣K構(gòu)造拉普拉斯矩陣L，進(jìn)一步構(gòu)造正則化拉普拉斯矩陣Lsym。

3)計(jì)算Lsym的前i個(gè)最大特征值對(duì)應(yīng)的特征集合{u1,u2,u3,…,ui}，將其作為各列構(gòu)造矩陣,將矩陣的行向量轉(zhuǎn)化為單位向量，得到矩陣B，將矩陣的每一行看做一個(gè)點(diǎn)，使用k-means算法將其劃分為i個(gè)類簇。

聚類完成后，具有相似特征的電動(dòng)汽車被歸為一類，同一組的電動(dòng)汽車由聚合器統(tǒng)一管理，聚合器的出力限制，離并網(wǎng)時(shí)間以及結(jié)束時(shí)荷電狀態(tài)以聚合器內(nèi)所有電動(dòng)汽車的幾何中心表示。

本文對(duì)電動(dòng)汽車的研究集電動(dòng)汽車單個(gè)建模管理以及集群管理的優(yōu)點(diǎn)于一體，綜合考慮不同電動(dòng)車在VPP中的不同表現(xiàn)以及對(duì)每個(gè)電動(dòng)汽車進(jìn)行單獨(dú)管理優(yōu)化的復(fù)雜性，先通過抽樣獲得不同電動(dòng)汽車個(gè)體的不同特性，再將具有相同特性的電動(dòng)汽車進(jìn)行聚類進(jìn)行統(tǒng)一調(diào)度管理，這種處理調(diào)度比電動(dòng)汽車單個(gè)建模處理更易于管理優(yōu)化，得到的結(jié)果也比普通的集中電動(dòng)汽車充放電管理結(jié)果更加精確。

1.2 虛擬電廠多市場調(diào)度框架

本文虛擬電廠由燃?xì)廨啓C(jī)、電動(dòng)汽車、風(fēng)電機(jī)組、光電機(jī)組、電儲(chǔ)能、電轉(zhuǎn)氣設(shè)備以及碳捕集設(shè)備組成，基于VPP自身容量限制，假定虛擬電廠在電力市場、碳交易市場、天然氣市場中均為價(jià)格接受者，只需根據(jù)預(yù)測風(fēng)光出力、各市場交易價(jià)格優(yōu)化虛擬電廠在電-氣-碳協(xié)同市場中的調(diào)度策略，VPP多市場運(yùn)營框架如圖1所示。

圖1 含電動(dòng)汽車虛擬電廠多市場運(yùn)營框架

本文碳交易市場機(jī)制確定采用CDM機(jī)制，在CDM機(jī)制中，需要預(yù)先對(duì)參與碳交易的經(jīng)濟(jì)主體分配碳排放量標(biāo)準(zhǔn)，即碳交易配額。如果VPP在某時(shí)段的實(shí)際碳排放量低于其在該時(shí)段所分得的碳交易配額，則可將剩余碳排放權(quán)在碳交易市場上出售獲利；如果VPP在該時(shí)段的實(shí)際碳排放量高于碳排放配額，則必須購買超額部分的碳排放權(quán)。

由圖1可以得到，在每個(gè)時(shí)刻，VPP根據(jù)3個(gè)市場的氣電碳價(jià)格差異，協(xié)調(diào)優(yōu)化電轉(zhuǎn)氣、燃?xì)廨啓C(jī)以及碳捕集設(shè)備的出力，在售電價(jià)格較高時(shí)，VPP將生產(chǎn)的多余電力出售給電網(wǎng)，而當(dāng)售電價(jià)格低于電轉(zhuǎn)氣設(shè)備以及碳捕集聯(lián)合效益時(shí)，VPP則將電力供應(yīng)給電轉(zhuǎn)氣以及碳捕集設(shè)備，參與天然氣以及碳交易市場進(jìn)行獲益，此時(shí)VPP通過碳捕集設(shè)備捕捉燃?xì)廨啓C(jī)所釋放的二氧化碳，使得VPP擁有更多的碳排放配額用于出售獲利，而電轉(zhuǎn)氣設(shè)備利用VPP所生產(chǎn)電力以及碳捕集設(shè)備捕獲的二氧化碳轉(zhuǎn)化生成甲烷，可以減少VPP的購氣成本以及向天然氣市場售氣獲得收益。

2 含電動(dòng)汽車虛擬電廠的多市場調(diào)度模型

2.1 目標(biāo)函數(shù)

虛擬電廠的利潤為其在電-氣-碳協(xié)同市場中的收益與各構(gòu)成單元設(shè)備成本或補(bǔ)償差值，以日前預(yù)測情況下虛擬電廠利潤最大為目標(biāo)，構(gòu)建考慮風(fēng)光不確定和含電動(dòng)汽車、電轉(zhuǎn)氣、碳捕集、燃?xì)廨啓C(jī)的虛擬電廠調(diào)度模型，其目標(biāo)函數(shù)為：

maxfel+fc+fgas-fev-fCO2-fP2G

(3)

式中：fel為VPP日售電收益；fgas為天然氣市場日收益；fc為碳交易市場日收益；fev為電動(dòng)汽車補(bǔ)償成本；fCO2為碳捕集設(shè)備日運(yùn)行成本；fP2G為電轉(zhuǎn)氣設(shè)備日運(yùn)行成本；總體收益由6個(gè)部分組成，每部分具體表達(dá)如下。

1)電力市場日收益

(4)

2)碳交易市場日收益

fc=ecΔM

(5)

ΔMt=MD,t-MC,t

(6)

MD,t=εPGT,t

(7)

MC,t=PGT,tQg

(8)

式中：ec為單位碳排放價(jià)格；ΔMt為t時(shí)刻VPP碳排放配額與碳排放總量之差；MD,t為t時(shí)刻VPP所分配到的碳排放額度，單位為噸；ε為燃?xì)廨啓C(jī)碳排放單位排放配額；PGT,t為燃?xì)廨啓C(jī)時(shí)段t的發(fā)電功率；MC,t為t時(shí)刻VPP排放的二氧化碳質(zhì)量，單位為噸；Qg為燃?xì)廨啓C(jī)g的單位電量碳排放強(qiáng)度，單位為t/MWh。

3)天然氣市場日收益

(9)

式中：egas為單位體積天然氣價(jià)格，取2.4元/m3；Vsell,t為虛擬電廠時(shí)段t的售氣體積；Vbuy,t為虛擬電廠時(shí)段t的購氣體積。

4)電動(dòng)汽車補(bǔ)償成本

顯然虛擬電廠調(diào)控電動(dòng)汽車放電最終會(huì)縮短電池的壽命，并且會(huì)給車主帶來額外的成本，一般稱之為降級(jí)成本。最近許多研究通過研究不同電池的充電和放電對(duì)其電池壽命的影響，但是，為了避免進(jìn)一步的復(fù)雜性和增加非線性性，在本文模型中，對(duì)于每一次電池放電，考慮一個(gè)懲罰系數(shù)對(duì)VPP進(jìn)行懲罰[13]，如式(10)所示。

(10)

式中：eev為電動(dòng)汽車進(jìn)行放電時(shí)VPP對(duì)其的補(bǔ)償成本；Pdisc,t為電動(dòng)汽車時(shí)段t的放電功率；N為NJW頻譜聚類形成的電動(dòng)汽車聚類數(shù)量。

5)碳捕集設(shè)備日運(yùn)行成本

(11)

PCO2,t=λGEMabs,t/ηCO2

(12)

式中：eCO2為單位功率碳捕集設(shè)備的運(yùn)行成本；PCO2,t為碳捕集設(shè)備時(shí)段t的功率；λGE為碳捕集設(shè)備出力單位CO2所需的運(yùn)行能耗；Mabs,t為碳捕集設(shè)備捕捉到的CO2質(zhì)量；ηCO2為碳捕集設(shè)備的碳捕集率，即碳捕集設(shè)備的效率系數(shù)。

6)電轉(zhuǎn)氣設(shè)備日運(yùn)行成本

(13)

式中：fP2G為電轉(zhuǎn)氣設(shè)備日運(yùn)行成本；eP2G為單位功率碳捕集設(shè)備的運(yùn)行成本；eb為電轉(zhuǎn)氣設(shè)備單位質(zhì)量碳購買成本；MCO2,t為電轉(zhuǎn)氣設(shè)備時(shí)段t購買的碳原料質(zhì)量。

2.2 約束條件

含電動(dòng)汽車虛擬電廠需滿足如下的約束條件。

1)燃?xì)廨啓C(jī)約束

(14)

(15)

2)電動(dòng)汽車約束

(16)

(17)

(18)

(19)

(20)

3)電轉(zhuǎn)氣設(shè)備約束

(21)

(22)

4)碳捕集設(shè)備約束[6]

(23)

(24)

5)各市場下虛擬電廠內(nèi)部平衡約束

(1)虛擬電廠電力供需平衡約束

(25)

式中Psell,t為VPP在時(shí)刻t向電網(wǎng)售電量大小。

(2)虛擬電廠天然氣供需平衡約束

Vsell,t+VGT,t=Vbuy,t+VP2G,t

(26)

(27)

(28)

式中：VGT,t為燃?xì)廨啓C(jī)t時(shí)刻耗氣量；VP2G,t為電轉(zhuǎn)氣設(shè)備t時(shí)刻轉(zhuǎn)換生成的天然氣體積；ηG為燃?xì)廨啓C(jī)的電效率；HL為天然氣的低位熱值，取9.7kWh/m3；λ為電轉(zhuǎn)氣設(shè)備的轉(zhuǎn)化系數(shù)，一般取3.6；ηP2G為電轉(zhuǎn)氣設(shè)備的工作效率。

(3)虛擬電廠內(nèi)碳供需平衡約束

MD,t+Mabs,t=MC,t+Msell,t

(29)

MP2G,t=Mabs,t+MCO2,t

(30)

由電轉(zhuǎn)氣轉(zhuǎn)化原理可知，參與反應(yīng)的二氧化碳與最后生成的甲烷體積是相等的，因此有：

MP2G,t=ρCO2VP2G,t

(31)

式中：Msell,t為虛擬電廠t時(shí)刻出售的碳排放額度；MP2G,t為電轉(zhuǎn)氣設(shè)備所消耗的CO2的質(zhì)量；ρCO2為二氧化碳?xì)怏w密度。

2.3 不確定因素的處理

2.3.1 風(fēng)光不確定集構(gòu)建

本文構(gòu)建風(fēng)-光不確定集來描述風(fēng)光預(yù)測的不確定性，將風(fēng)光出力合并為可再生能源出力，采用一個(gè)不確定集來描述其的不確定性，減少不確定優(yōu)化時(shí)的計(jì)算量，具體表達(dá)式如下；

PNER(t)=PWIN(t)+PPV(t)

(32)

式中：PWIN(t)、PPV(t)為t時(shí)刻風(fēng)力發(fā)電與光伏發(fā)電的功率值。

(33)

(34)

構(gòu)建不確定集后，VPP內(nèi)部各部分出力分為日前預(yù)測出力以及考慮風(fēng)光波動(dòng)的調(diào)整出力，如式(35)所示。

(35)

本文引入燃?xì)廨啓C(jī)、電轉(zhuǎn)氣以及碳捕集設(shè)備的調(diào)節(jié)系數(shù)，并按線性分配策略來對(duì)應(yīng)可再生能源功率波動(dòng)，減少對(duì)主網(wǎng)穩(wěn)定運(yùn)行的影響[14]。

(36)

(37)

C(t)+P(t)+G(t)=1

(38)

式中:C(t)、P(t)、G(t)分別為燃?xì)廨啓C(jī)出力、電轉(zhuǎn)氣以及碳捕集設(shè)備在t時(shí)段的功率分配系數(shù)。

2.3.2 SCK魯棒模型

本文采用基于隨機(jī)變量分布信息的魯棒線性優(yōu)化方法來求解含風(fēng)光不確定性的調(diào)度優(yōu)化模型，該方法由Seng-Cheol Kang于2008年提出，改進(jìn)了不確定性參數(shù)的取值問題，并提出魯棒性指標(biāo)來平衡優(yōu)化模型的經(jīng)濟(jì)性和魯棒性。對(duì)于含隨機(jī)變量參數(shù)的調(diào)度模型，可以表示成式(39)所示的數(shù)學(xué)簡式。

(39)

式中：x,u,l∈Rn分別為優(yōu)化模型的優(yōu)化變量及其上、下限取值；c∈Rn為優(yōu)化模型的目標(biāo)函數(shù)系數(shù)向量；A∈Rmn、b∈Rm分別為模型的約束條件系數(shù)矩陣和系數(shù)向量。

設(shè)隨機(jī)變量參數(shù)出現(xiàn)在約束條件的系數(shù)矩陣中，記Ji表示A的第i行隨機(jī)變量集合，|Ji|表示集合的個(gè)數(shù)。引入魯棒性指標(biāo)Γi(Γi≤|Ji|)，表示第i個(gè)不等式約束的不確定性測度，根據(jù)SCK型魯棒優(yōu)化方法的思想，對(duì)于A中含隨機(jī)變量的第i行矢量ai，與Γi之間的關(guān)系可以表示為：

(40)

(41)

式中：zi、pik分別為變換時(shí)引入對(duì)偶變量。

2.2.3 魯棒對(duì)等轉(zhuǎn)換

計(jì)及隨機(jī)變量后，燃?xì)廨啓C(jī)出力不等式約束右不等式變?yōu)椋?/p>

(42)

將可調(diào)變量代入后，變形可得：

(43)

引入魯棒性指標(biāo)Γt表示微電網(wǎng)運(yùn)行周期的各個(gè)時(shí)段魯棒性強(qiáng)度。根據(jù)魯棒轉(zhuǎn)換模型轉(zhuǎn)化為SCK型魯棒對(duì)等模型，表達(dá)式子如下：

(44)

通過類似方法可將含不確定性變量的電轉(zhuǎn)氣及碳捕集設(shè)備約束轉(zhuǎn)化為SCK型魯棒對(duì)等模型，由此，含不確定性變量調(diào)度規(guī)劃問題轉(zhuǎn)化為確定性的混合整數(shù)線性規(guī)劃問題。

3 算例分析

3.1 模型參數(shù)

本文虛擬電廠整合了風(fēng)電機(jī)組、光伏機(jī)組、燃?xì)廨啓C(jī)、電轉(zhuǎn)氣、碳捕集設(shè)備以及300輛電動(dòng)汽車。風(fēng)電機(jī)組以及光伏機(jī)組預(yù)測出力如圖2所示。各時(shí)段電價(jià)如圖3所示。

圖2 風(fēng)力發(fā)電、光伏發(fā)電預(yù)測數(shù)據(jù)

圖3 購電與售電實(shí)時(shí)電價(jià)

300輛電動(dòng)汽車的初始SOCev,i統(tǒng)一設(shè)定為0.5，充電時(shí)結(jié)束的SOC取[0.8，0.95]，之間均勻分布的隨機(jī)數(shù)，假設(shè)電動(dòng)汽車的電池為統(tǒng)一型號(hào)，充放電最大功率為6 kW，電池最大容量為23 kWh，電動(dòng)汽車離并網(wǎng)時(shí)間服從下式(45)—(46)描述的概率密度函數(shù)[17]。

(45)

(46)

式中：μdep=8.92；σdep=3.24；μarr=17.47；σarr=3.41。

通過拉丁超立方抽樣后，本文利用NJW頻譜聚類將300輛電動(dòng)汽車聚類為10類，電動(dòng)車聚類的離并網(wǎng)時(shí)間以及結(jié)束時(shí)荷電狀態(tài)如表1所示。

表1 聚類后電動(dòng)汽車各項(xiàng)特征

燃?xì)廨啓C(jī)采用最小最大運(yùn)行功率為1.5 MW/5MW，上下爬坡功率為1.6 MWh，電轉(zhuǎn)化效率為40%；燃?xì)廨啓C(jī)碳排放強(qiáng)度為0.065t/GJ，配額系數(shù)為0.102t/GJ，碳交易市場中碳配額交易價(jià)格為190元/t[18]；電轉(zhuǎn)氣設(shè)備運(yùn)行成本為138元/MWh，碳原料價(jià)格為50元/t，碳捕集設(shè)備成本為234元/t，碳捕集設(shè)備的碳捕捉效率為90%[19]。

3.2 場景分析

3.2.1 場景設(shè)置

本節(jié)分析電轉(zhuǎn)氣設(shè)備、碳捕集設(shè)備對(duì)于VPP參與多市場調(diào)度中協(xié)同調(diào)度優(yōu)化的影響，并且考慮電動(dòng)汽車管理策略不同對(duì)虛擬電廠調(diào)度的影響，設(shè)置4種虛擬電廠運(yùn)行模式進(jìn)行分析。

1)采用優(yōu)化充電策略管理電動(dòng)汽車，不包含電轉(zhuǎn)氣、碳捕集設(shè)備的虛擬電廠參與電-氣-碳三者獨(dú)立市場。

2)采用優(yōu)化充電策略管理電動(dòng)汽車，包含電轉(zhuǎn)氣設(shè)備，不包含碳捕集設(shè)備的虛擬電廠參與電-氣協(xié)同市場以及碳交易市場。

3)采用優(yōu)化充電策略管理電動(dòng)汽車，包含電轉(zhuǎn)氣和碳捕集的虛擬電廠參與電-氣-碳協(xié)同市場。

4)采用本文優(yōu)化充放電策略管理電動(dòng)汽車，包含電轉(zhuǎn)氣和碳捕集設(shè)備的虛擬電廠參與電-氣-碳協(xié)同市場。

3.2.2 不同場景下虛擬電廠各部分運(yùn)行功率以及各市場收益分析

本文采用MATLAB中Yalmip+Cplex求解器進(jìn)行求解運(yùn)算,系統(tǒng)以24 h為周期，1 h為步長進(jìn)行仿真，此時(shí)設(shè)置魯棒性指標(biāo)Γ=0，得到4種場景下虛擬電廠在多市場種運(yùn)行優(yōu)化結(jié)果如圖4—8所示。

圖4 各場景下虛擬電廠燃?xì)廨啓C(jī)功率與購售電功率

圖4為各場景下燃?xì)廨啓C(jī)出力功率以及虛擬電廠購售電功率，值為正表示向電網(wǎng)售電，值為負(fù)表示從電網(wǎng)購電。圖5中值為正表示出售天然氣，值為負(fù)表示購買天然氣，圖6為不同場景下碳捕集設(shè)備功率以及VPP凈碳排放量大小數(shù)據(jù)，綜合圖4—6可得，場景一在電價(jià)低谷時(shí)刻，售電收益低于燃?xì)廨啓C(jī)成本，燃?xì)廨啓C(jī)以最小功率進(jìn)行工作，在電價(jià)高峰時(shí)刻，燃?xì)廨啓C(jī)以最高功率進(jìn)行出力，此時(shí)虛擬電廠在電力市場中全為售電，在天然氣市場中全為購氣，碳交易市場收益為剩余碳排放額度的售賣；在場景二中，加入電轉(zhuǎn)氣設(shè)備后，電轉(zhuǎn)氣設(shè)備將電能轉(zhuǎn)化為天然氣，將其供應(yīng)給燃?xì)廨啓C(jī)發(fā)電或者在天然氣市場進(jìn)行售賣，通過電轉(zhuǎn)氣設(shè)備將電力市場與天然氣市場聯(lián)系起來，在電價(jià)低谷時(shí)刻，電轉(zhuǎn)氣設(shè)備帶來收益高于購電成本但低于燃?xì)廨啓C(jī)的發(fā)電成本，虛擬電廠在電價(jià)低谷時(shí)刻向電網(wǎng)購電滿足電轉(zhuǎn)氣設(shè)備的用電需求，在電價(jià)高峰時(shí)刻，由于售電收益遠(yuǎn)大于電轉(zhuǎn)氣設(shè)備帶來收益，燃?xì)廨啓C(jī)以及風(fēng)力發(fā)電、光伏發(fā)電功率全部向由網(wǎng)售賣，電轉(zhuǎn)氣設(shè)備功率為0，由圖5虛擬電廠購售天然氣體積曲線可得，加入電轉(zhuǎn)氣設(shè)備后，大部分時(shí)候虛擬電廠仍需在天然氣市場進(jìn)行購氣，但在0:00—7:00電價(jià)低谷時(shí)刻，電轉(zhuǎn)氣設(shè)備產(chǎn)生的天然氣供燃?xì)廨啓C(jī)使用后還有剩余在天然氣市場進(jìn)行出售，減少了虛擬電廠的購氣成本。

圖5 各場景下電轉(zhuǎn)氣設(shè)備功率以及購售天然氣體積

圖6 不同場景下碳捕集設(shè)備功率以及凈碳排放質(zhì)量

在場景三中，加入碳捕集設(shè)備后，碳捕集設(shè)備可以捕捉燃?xì)廨啓C(jī)發(fā)電時(shí)產(chǎn)生的二氧化碳并供應(yīng)給電轉(zhuǎn)氣設(shè)備進(jìn)行反應(yīng)，即節(jié)省了一部分電轉(zhuǎn)氣設(shè)備所需碳原料成本，又增加了虛擬電廠在碳交易市場中可出售的碳排放額度，由于電轉(zhuǎn)氣設(shè)備以及碳捕集設(shè)備聯(lián)合運(yùn)行的綜合收益大于燃?xì)廨啓C(jī)的發(fā)電成本，在電價(jià)低谷時(shí)刻，燃?xì)廨啓C(jī)的出力高于場景二中燃?xì)廨啓C(jī)出力，在18：00-20：00時(shí)刻，此時(shí)虛擬電廠售電收益低于電轉(zhuǎn)氣與碳捕集設(shè)備聯(lián)合運(yùn)行收益，虛擬電廠在此時(shí)段內(nèi)提升電轉(zhuǎn)氣設(shè)備以及碳捕集運(yùn)行水平，以期在天然氣市場與碳交易市場獲得更高的收益，在其他非電價(jià)高峰時(shí)刻電轉(zhuǎn)氣設(shè)備的功率也普遍高于場景二中出力功率，虛擬電廠在天然氣市場的收益得到提升，由圖6可得，在0:00-7:00電價(jià)低谷時(shí)刻，通過電轉(zhuǎn)氣設(shè)備以及碳捕集裝置的聯(lián)合運(yùn)行，虛擬電廠實(shí)現(xiàn)了凈碳排放為0，在其他時(shí)刻凈碳排放量也有所下降，大幅度提升了虛擬電廠在碳交易市場中的收益。

圖7為4個(gè)場景下電儲(chǔ)能充放電功率，值為正時(shí)表示充電功率，值為負(fù)時(shí)表示放電功率，由圖可得，在電價(jià)低谷時(shí)期，由于此時(shí)售電電價(jià)較低，VPP對(duì)外售電收益小于發(fā)電成本，場景一中儲(chǔ)能基本都為充電操作，而在其他場景中VPP此時(shí)可以在天然氣市場以及碳交易市場中獲得收益，VPP將電力供應(yīng)給電轉(zhuǎn)氣以及碳捕集設(shè)備，以期在協(xié)同市場中獲得更大利益，因此相較于場景一，其他場景下電儲(chǔ)能在這些時(shí)刻進(jìn)行放電操作；在場景四中，電動(dòng)汽車優(yōu)化充電策略轉(zhuǎn)化為優(yōu)化充放電策略，如圖8所示，值為正時(shí)表示充電，值為負(fù)時(shí)表示放電，優(yōu)化充電策略通過轉(zhuǎn)移電動(dòng)汽車充電時(shí)間，在電價(jià)低谷時(shí)刻對(duì)電動(dòng)汽車進(jìn)行充電，增加虛擬電廠在電價(jià)高峰時(shí)刻的售電功率，提高其在電力市場中的收益，而在優(yōu)化充放電策略中，虛擬電廠通過對(duì)電動(dòng)汽車進(jìn)行充放電管理，在電價(jià)高峰時(shí)對(duì)電動(dòng)汽車進(jìn)行充電，在電價(jià)低谷時(shí)對(duì)電動(dòng)汽車進(jìn)行充電，從而使得虛擬電廠在電力市場中獲得更大收益。

圖7 各場景下電儲(chǔ)能充放電功率

圖8 電動(dòng)汽車優(yōu)化充電與優(yōu)化充放電策略比較

同時(shí)，電動(dòng)汽車優(yōu)化充放電策略使得電動(dòng)汽車具有儲(chǔ)能的特性，使得固定儲(chǔ)能配置具有更大的靈活性，可以避免一次性投入大量資金進(jìn)行固定儲(chǔ)能的配置，優(yōu)化充電策略與優(yōu)化充放電策略下，固定儲(chǔ)能容量不同時(shí)虛擬電廠的收益如表2所示。

由表2可得，在相同的儲(chǔ)能容量下，對(duì)電動(dòng)汽車采取優(yōu)化充放電策略都高于采取優(yōu)化充電策略下虛擬電廠的收益，并且當(dāng)對(duì)電動(dòng)汽車采用優(yōu)化充放電策略進(jìn)行管理時(shí)，由于其充放帶來的儲(chǔ)能特性，虛擬電廠中固定儲(chǔ)能容量可以得到較大的減少，當(dāng)固定儲(chǔ)能配置為3 MW時(shí)，優(yōu)化充放電策略下虛擬電廠收益基本與5 MW固定儲(chǔ)能容量下采取優(yōu)化充電策略虛擬電廠收益持平，這些結(jié)果表明，對(duì)電動(dòng)汽車采用優(yōu)化充放電策略進(jìn)行管理不僅可以增加虛擬電廠收益，還可以將電動(dòng)汽車視為靈活儲(chǔ)能配置，減少虛擬電廠中固定儲(chǔ)能配置，避免一次性投入大量資金，減少初期的建設(shè)成本。

表2 不同儲(chǔ)能容量下虛擬電廠收益

各個(gè)場景下虛擬電廠在各市場收益以及各項(xiàng)成本如表3所示。

表3 虛擬電廠各市場收益及成本

由綜合表3可得，場景一的電力市場收益最高，因?yàn)榇藭r(shí)虛擬電網(wǎng)各時(shí)段均為售電，而由于未加入電轉(zhuǎn)氣設(shè)備，虛擬電廠在天然氣市場中為一個(gè)消費(fèi)者的角色，其在天然氣市場的收益最低。相比于場景一，場景二中加入電轉(zhuǎn)氣設(shè)備，通過電轉(zhuǎn)氣設(shè)備使電力市場與天然氣市場聯(lián)系更加緊密，虛擬電廠在低價(jià)低谷時(shí)期向電網(wǎng)購電，向天然氣市場售氣，其電力市場收益減少了14.91%，但天然氣市場收益提高了52.17%，總體收益得到極大的提升。在場景三中，增加碳捕集設(shè)備，通過捕捉燃?xì)廨啓C(jī)排放的二氧化碳，既可以增加虛擬電廠在碳交易市場的交易配額，還可以減少電轉(zhuǎn)氣設(shè)備所需的碳原料成本，相比于未裝設(shè)碳捕集設(shè)備的場景一與場景二，碳交易市場收益由5 599.39元提高到了8 577.25元，碳交易市場收益漲幅較大，天然氣市場收益也得到進(jìn)一步提升，虛擬電廠的凈收益增加了。而在場景四中，相較于優(yōu)化充電策略，電動(dòng)汽車優(yōu)化充放電策略使得虛擬電廠在電價(jià)高峰時(shí)售電量增加，虛擬電廠在電力市場中得收益相較于場景三有所增加,由74 440.72升至76 029.2元。而在天然氣市場以及碳交易市場，采用電動(dòng)汽車優(yōu)化充放電管理策略后，因?yàn)殡妱?dòng)汽車在電價(jià)低谷時(shí)進(jìn)行充電，這些時(shí)刻燃?xì)廨啓C(jī)出力增大，VPP在天然氣市場出售天然氣量降低，收益減少了一部分，但同時(shí)碳捕集設(shè)備功率大大提高，碳交易市場收益得到顯著提升，由8 577.25升至8 910.94元。

圖9和圖10展示了不同魯棒系數(shù)下VPP與電網(wǎng)電力交易功率的變化情況以及虛擬電廠總體收益情況，可以看出，隨著魯棒系數(shù)Γ的增大，風(fēng)光的實(shí)際出力與預(yù)測出力的偏差逐漸增大，風(fēng)光出力不確定集的范圍隨之變大，會(huì)擾亂虛擬電廠根據(jù)自身資源條件制定的多協(xié)同市場下的優(yōu)化調(diào)度策略，為了保證虛擬電廠對(duì)外能輸出較穩(wěn)定的電力功率，當(dāng)偏差越大時(shí)，各部分出力功率以及VPP電力市場購售電策略就更保守，VPP在多協(xié)同市場下的收益也逐步降低。

圖9 不同魯棒系數(shù)下虛擬電廠電力市場交易功率

圖10 不同魯棒系數(shù)下虛擬電廠收益

4 結(jié)論

本文提出一種含電動(dòng)汽車虛擬電廠在電-氣-碳三協(xié)同市場中優(yōu)化調(diào)度模型，通過加入電轉(zhuǎn)氣與碳捕集設(shè)備，增加了3個(gè)市場間的聯(lián)系緊密程度，增強(qiáng)了虛擬電廠在這3個(gè)市場間調(diào)度的靈活性，虛擬電廠在3個(gè)市場中即作為消費(fèi)者又可作為出售者，在協(xié)同市場中取得的收益大為增加；電動(dòng)汽車優(yōu)化充放電策略相對(duì)于優(yōu)化充電策略，使得電動(dòng)汽車具有儲(chǔ)能的特性，使虛擬電廠調(diào)度更為靈活，在電價(jià)低谷時(shí)充電，高峰時(shí)放電，即減少了電動(dòng)汽車無序充電帶來的不良影響，對(duì)虛擬電廠的收益也具有一定的增幅作用，同時(shí)還可以減少虛擬電廠內(nèi)部固定儲(chǔ)能配置容量大小，避免一次性投入大量資金，減少初期建設(shè)成本。同時(shí)采用魯棒優(yōu)化的方式考慮了風(fēng)光出力的不確定性，增加虛擬電廠在電力市場交易的穩(wěn)定性與可靠性。

本文提出的多協(xié)同市場調(diào)度模型主要考慮的是日前預(yù)測情況，負(fù)荷側(cè)柔性負(fù)荷只考慮了電動(dòng)汽車，比較單一，在后續(xù)研究中可考慮實(shí)時(shí)平衡市場偏差懲罰，同時(shí)負(fù)荷側(cè)虛擬儲(chǔ)能與實(shí)際電儲(chǔ)能組成的廣義儲(chǔ)能對(duì)虛擬電廠調(diào)度經(jīng)濟(jì)性影響也是后續(xù)研究的重點(diǎn)。