摘 要：

為提升高比例可再生能源的消納水平和推進(jìn)區(qū)域低碳化，建立電制氫合成甲醇的廣義儲能模型參與虛擬電廠（VPP）調(diào)度，提出考慮多元柔性負(fù)荷的VPP分層優(yōu)化策略。其中上層模型通過廣義儲能跟蹤風(fēng)光發(fā)電并消納部分出力，中層模型通過分時(shí)電價(jià)和激勵進(jìn)行負(fù)荷靈活調(diào)節(jié)，下層模型通過火電機(jī)組、廣義儲能以及對外界電能交易保證VPP電能供需平衡。使用CPLEX商業(yè)求解器對所建模型進(jìn)行求解分析，并與多個(gè)VPP方案進(jìn)行對比。結(jié)果表明，所提策略能夠有效促進(jìn)可再生能源消納，提高VPP的低碳效益，對于工程實(shí)踐具有重要理論指導(dǎo)價(jià)值。

關(guān)鍵詞：

虛擬電廠; 廣義儲能; 三層模型; 分時(shí)電價(jià); 仿真驗(yàn)證

中圖分類號： TM734

文獻(xiàn)標(biāo)志碼： A

文章編號： 2095-8188（2024）11-0073-09

DOI：

10.16628/j.cnki.2095-8188.2024.11.009

Hierarchical Optimal Scheduling of Virtual Power Plants Considering Multiple Flexible Loads

WEI Xiaogang1， LI Zhaoze2， ZHANG Jihong2， WU Zhenkui2， ZHANG Zilei2

（1.CNOOC New Energy Erenhot Wind Power Co，.Ltd.， Erenhot 011100， China;

2.School of Automation and Electrical Engineering，Inner Mongolia University of Science and Technology， Baotou 014010， China）

Abstract：

To enhance the consumption of high-penetration renewable energy and promote regional decarbonization，a generalized energy storage model for the synthesis of methanol via electrolysis of hydrogen is established to participate in the dispatch of a virtual power plant （VPP）.A hierarchical optimization strategy for VPP considering multiple flexible loads is proposed.In the upper-level model，the generalized energy storage tracks the wind and solar power generation and absorbs part of the output.The mid-level model flexibly adjusts the load through time-of-use pricing and incentives.The lower-level model ensures the balance of power supply and demand in VPP through the thermal power units，the generalized energy storage，and the external electricity transactions.The CPLEX commercial solver is used to analyze and solve the proposed model.By comparing multiple VPP schemes，it is demonstrated that the proposed strategy effectively promotes the consumption of renewable energy，enhances the low-carbon benefits of VPP，and provides the important theoretical guidance for engineering practice.

Key words：

virtual power plant （VPP）; generalized energy storage; three-layer model; time-of-use price; simulation verification

0 引 言

隨著我國經(jīng)濟(jì)的快速發(fā)展，國內(nèi)能源需求進(jìn)一步增長，尤其是分布式能源（DER）以其結(jié)構(gòu)簡單、獲取便利、綠色環(huán)保等優(yōu)勢受到了人們的高度關(guān)注。為充分發(fā)揮DER的作用，虛擬電廠（VPP）的概念應(yīng)運(yùn)而生并引起廣泛關(guān)注［1-9］。VPP集傳統(tǒng)電廠、DER和靈活性負(fù)荷于一體，參與電力市場競爭和電力系統(tǒng)運(yùn)行。在能量管理系統(tǒng)（EMS）協(xié)調(diào)下，VPP可以保證電網(wǎng)安全運(yùn)行，實(shí)現(xiàn)電力供應(yīng)主體利潤最大化等目標(biāo)［10］。本文采用合成甲醇系統(tǒng)作為廣義儲能，將風(fēng)力、光伏、廣義儲能、中央空調(diào)（CACS）、電動汽車（EV）、靈活性負(fù)荷和傳統(tǒng)火電機(jī)組聚合為VPP，促進(jìn)對風(fēng)光能源的消納，實(shí)現(xiàn)源網(wǎng)協(xié)同、供需互補(bǔ)。

目前，已有許多學(xué)者對多種柔性負(fù)荷參與VPP調(diào)度進(jìn)行了研究。文獻(xiàn)［11］建立考慮數(shù)量影響的EV參與電網(wǎng)的模型，將區(qū)間優(yōu)化模型轉(zhuǎn)化為2個(gè)子模型求解，并驗(yàn)證模型的經(jīng)濟(jì)性和準(zhǔn)確性。文獻(xiàn)［12］建立包含EV的2層優(yōu)化模型，以解決VPP運(yùn)營商和EV之間的利益分配問題，最終驗(yàn)證模型在調(diào)節(jié)利益關(guān)系和減碳方面的有效性。文獻(xiàn)［13］考慮在不同天氣情況下通過分時(shí)電價(jià)引導(dǎo)用電負(fù)荷響應(yīng)，使EV靈活接入電網(wǎng)時(shí)功率波動更平滑，減少電力資源浪費(fèi)。文獻(xiàn)［14］建立含EV的VPP經(jīng)濟(jì)優(yōu)化調(diào)度模型，該模型能夠使VPP具有良好的經(jīng)濟(jì)性，同時(shí)EV加入VPP調(diào)度可以提高儲能容量。文獻(xiàn)［15］探討空調(diào)負(fù)荷參與VPP調(diào)度的控制策略和負(fù)荷預(yù)測算法等問題，指出要充分考慮預(yù)測的準(zhǔn)確性和不確定性，同時(shí)保證用戶隱私。文獻(xiàn)［16］將空調(diào)負(fù)荷作為典型資源參與VPP調(diào)度，提出面向廣域分布式資源的高效聚合方法，并分析該方法的有效性。文獻(xiàn)［17］充分調(diào)動智能樓宇中EV和空調(diào)負(fù)荷的功率實(shí)時(shí)響應(yīng)潛力，驗(yàn)證其參與VPP調(diào)頻的有效性和可行性。

部分學(xué)者致力于促進(jìn)區(qū)域低碳化發(fā)展，并已有較多研究。文獻(xiàn)［18］將熱電聯(lián)產(chǎn)機(jī)組產(chǎn)生的CO2捕集并封存，再將CO2與H2反應(yīng)合成CH4，提升VPP的經(jīng)濟(jì)性與低碳性。文獻(xiàn)［19］提出計(jì)及電轉(zhuǎn)氣協(xié)同的含碳捕集與垃圾焚燒VPP優(yōu)化調(diào)度模型，該模型在“削峰填谷”的同時(shí)可降低VPP的碳排放。文獻(xiàn)［20］采用2層優(yōu)化模型對VPP內(nèi)各單元進(jìn)行優(yōu)化調(diào)度，提升可再生能源的消納水平，同時(shí)采用分時(shí)電價(jià)的抽水蓄能控制策略有效地減少凈負(fù)荷峰谷差。文獻(xiàn)［21］考慮需求響應(yīng)建立VPP雙層優(yōu)化模型，并驗(yàn)證模型的經(jīng)濟(jì)性和魯棒性。文獻(xiàn)［22］構(gòu)建多源VPP調(diào)控模型支撐需求側(cè)資源的分層分區(qū)互補(bǔ)調(diào)控，經(jīng)驗(yàn)證該模型能夠促進(jìn)電網(wǎng)安全穩(wěn)定運(yùn)行。

綜上，本文提出采用合成甲醇的廣義儲能配合用戶側(cè)需求響應(yīng)對可再生能源出力進(jìn)行疏通消納，并建立包含廣義儲能、CACS、EV、靈活性負(fù)荷和傳統(tǒng)火電機(jī)組的VPP模型。在此基礎(chǔ)上，提出3層優(yōu)化調(diào)度模型，上層模型以消除風(fēng)光出力偏差防止棄風(fēng)棄光為目標(biāo)，廣義儲能消納部分風(fēng)光出力并對風(fēng)光出力偏差進(jìn)行補(bǔ)償;中層模型以減小凈負(fù)荷峰谷差為目標(biāo)，為引導(dǎo)負(fù)荷需求響應(yīng)，提出采用分時(shí)電價(jià)和補(bǔ)償激勵的方法調(diào)節(jié)柔性負(fù)荷;下層模型以VPP低碳經(jīng)濟(jì)運(yùn)行為目標(biāo)，采用火電機(jī)組作為調(diào)節(jié)機(jī)組配合廣義儲能和對外電交易滿足VPP的電能供需平衡。最后，通過仿真驗(yàn)證所建模型的合理性，以及控制策略在弱化棄風(fēng)棄光、減少碳排放和提高經(jīng)濟(jì)效益方面的有效性。

1 VPP三層模型構(gòu)建及基本原理

VPP模型結(jié)構(gòu)如圖1所示。本文將風(fēng)力、光伏、廣義儲能、CACS、EV、靈活性負(fù)荷和傳統(tǒng)火電機(jī)組聚合為VPP，由于規(guī)模龐大、參與組件眾多，故利用EMS將其分為3層進(jìn)行優(yōu)化。在3層優(yōu)化中，風(fēng)力發(fā)電只參與上層優(yōu)化，CACS、EV、靈活性負(fù)荷只參與中層優(yōu)化，傳統(tǒng)火電機(jī)組和對外購售電只參與下層優(yōu)化。各層間只交換有限的數(shù)據(jù)信息，有利于提高求解效率，保護(hù)用戶隱私。

2 VPP三層優(yōu)化調(diào)度數(shù)學(xué)模型

本文所研究內(nèi)容以1 h為時(shí)間尺度，調(diào)度覆蓋24 h。模型的主要功能是在運(yùn)行日前，根據(jù)預(yù)測的負(fù)荷需求、可再生能源的出力和市場價(jià)格，提前制訂出次日的調(diào)度計(jì)劃;同時(shí)確保在較大時(shí)間尺度上實(shí)現(xiàn)VPP的經(jīng)濟(jì)性和可靠性，并可以對電力系統(tǒng)的整體運(yùn)行進(jìn)行規(guī)劃。

2.1 各部分?jǐn)?shù)學(xué)模型

2.1.1 廣義儲能數(shù)學(xué)模型

由文獻(xiàn)［23-24］可知，合成甲醇的廣義儲能總能耗中，電解水制氫能耗占總能耗的約90%，其余能耗主要為合成甲醇過程中壓縮機(jī)的能耗。其工作模型為

PGESt=PMet+Pelt

PMet=ωMeQMet

QC，Met=eC，MeQMet

QHt=eHQMet

Pelt=ωHQHt/ηH（1）

式中： PGESt——廣義儲能功率;

PMet——t時(shí)段合成甲醇耗電功率;

ωMe——甲醇耗電系數(shù);

QMet——t時(shí)段合成甲醇的質(zhì)量;

QC，Met——t時(shí)段合成甲醇消耗CO2的質(zhì)量;

eC，Me——合成甲醇的用碳系數(shù);

QHt——t時(shí)段參與合成甲醇的H2質(zhì)量;

eH——合成甲醇用氫系數(shù);

Pelt——t時(shí)段電解水功率;

ωH——制備H2的耗電系數(shù);

ηH——H2的利用率，為0.93。

其中，ωMe=0.837 9 MWh/t，eC，Me=1.49，eH=0.189，ωH=53.751 4 MWh/t。

2.1.2 CACS數(shù)學(xué)模型

CACS通過分時(shí)電價(jià)引導(dǎo)參與需求響應(yīng)，其在保證室內(nèi)舒適度的前提下，在電價(jià)較低時(shí)增大用電功率，在電價(jià)較高時(shí)減小用電功率。其工作模型為

Tin，t=Tin，t－1αT+（1－αT）（γTt－Qcoolt）/βT

Qcoolt=Qcht－Qstt+Qret

Sct=Sct-1+（Qsttηst－Qret/ηre）Δt

Pcoldt=Qcht/ηelch+Qsttηelst+Qretηelre（2）

式中： Tin，t——t時(shí)段室內(nèi)溫度;

Qcoolt——t時(shí)段CACS產(chǎn)生的冷能;

αT、βT——CACS的個(gè)體特性參數(shù);

γTt——CACS的溫度特性參數(shù);

Qcht——t時(shí)段制冷機(jī)的制冷量;

Qstt——t時(shí)段蓄冷池蓄冷量;

Qret——t時(shí)段蓄冷池釋冷量;

Sct——t時(shí)段蓄冷池的冷能容量;

ηst——蓄冷池蓄冷效率;

ηre——蓄冷池釋冷效率;

Pcoldt——t時(shí)段CACS的用電功率;

ηelch、ηelst、ηelre——能量轉(zhuǎn)換比。

其中，αT=0.312 744 3，βT=0.130 3，ηst=0.95，ηre=0.92，ηelch=5.6，ηelst=0.008，ηelre=0.007。

2.1.3 EV數(shù)學(xué)模型

在VPP中，將參與需求響應(yīng)的EV聚合為1個(gè)變?nèi)萘?、變功率的虛擬電池。每個(gè)EV除在行駛狀態(tài)下，其余時(shí)段同樣通過分時(shí)電價(jià)引導(dǎo)EV參與需求響應(yīng)，谷價(jià)時(shí)充電、峰價(jià)時(shí)放電。其工作模型為

SEVi，t=SEVi，t－1+ηEVPEVc，i，t－PEVf，i，tηEV－dEVi，tEv（3）

式中： ηEV——充/放電效率;

PEVc，i，t——t時(shí)段第i輛EV的充電功率;

PEVf，i，t——t時(shí)段第i輛EV的放電功率;

dEVi，t——t時(shí)段第i輛EV行駛的距離;

Ev——EV單位行駛距離所需的電功率。

其中，ηEV=0.95，Ev=0.229 kWh/km。

2.1.4 靈活性負(fù)荷數(shù)學(xué)模型

靈活性負(fù)荷包括可平移負(fù)荷和可中斷負(fù)荷，這些負(fù)荷資源擁有靈活的調(diào)控能力，分別通過電價(jià)引導(dǎo)和激勵刺激其參與需求響應(yīng)。其工作模型為

Ppyt=ξpyPloadt，1

∑Mm=1Pzdt，m=∑Mm=1（ξzdmPloadt，1）（4）

式中： Ppyt——t時(shí)段可平移負(fù)荷功率;

Pzdt，m——t時(shí)段第m類可中斷負(fù)荷功率;

Ploadt，1——t時(shí)段優(yōu)化前負(fù)荷需求功率;

ξpy——可平移負(fù)荷在總負(fù)荷中的占比;

ξzdm——可中斷負(fù)荷在總負(fù)荷中的占比。

其中，ξpy=0.07，ξzdm=0.06、0.04和0.03。

2.1.5 火電機(jī)組數(shù)學(xué)模型

火電機(jī)組在VPP中擔(dān)任調(diào)節(jié)機(jī)組，其工作模型為

QCO2t=ξC3 600PGtqcηc（5）

式中： QCO2t——t時(shí)段火電機(jī)組排碳量;

ξC——CO2排放系數(shù);

PGt——t時(shí)段火電機(jī)組出力;

ηc——煤電轉(zhuǎn)換效率;

qc——煤的熱值。

其中，ξC=2.66，ηc=0.4。

2.2 上層模型優(yōu)化

2.2.1 優(yōu)化目標(biāo)

日前調(diào)度主要依賴于預(yù)測值，但預(yù)測值與實(shí)際值存在一定的偏差。為體現(xiàn)出力偏差對廣義儲能響應(yīng)的影響，引入風(fēng)力與光伏的實(shí)際值。上層模型考慮風(fēng)光偏差懲罰，通過廣義儲能跟蹤風(fēng)光發(fā)電計(jì)劃，消除出力偏差，使中層和下層模型在實(shí)際操作中依舊可以按照預(yù)測值進(jìn)行調(diào)度，目標(biāo)函數(shù)為

minF1=∑24t=1（ΔPWTtlWT+ΔPPVtlPV）（6）

ΔPWTt=PWTt，1－PWTt，2

ΔPPVt=PPVt，1－PPVt，2（7）

式中： ΔPWTt、ΔPPVt——t時(shí)段風(fēng)力和光伏出力偏差;

lWT、lPV——風(fēng)力和光伏單位出力偏差懲罰成本;

PWTt，1、PWTt，2——t時(shí)段風(fēng)力的預(yù)測值與實(shí)際值;

PPVt，1、PPVt，2——t時(shí)段光伏的預(yù)測值與實(shí)際值。

2.2.2 約束條件

功率約束為

PNEoutt=PWTt，1+PPVt，1－PGESt，1（8）

式中： PNEoutt——t時(shí)段上層模型風(fēng)光凈出力;

PGESt，1——t時(shí)段廣義儲能上層優(yōu)化用電功率。

上層廣義儲能約束為

PGESt，1=PGES*－（ΔPWTt+ΔPPVt）

PGESmin≤PGESt，1≤PGESmax（9）

式中： PGES*——廣義儲能基礎(chǔ)功率;

PGESmin——廣義儲能用電功率最小值;

PGESmax——廣義儲能用電功率最大值。

2.3 中層模型優(yōu)化

2.3.1 優(yōu)化目標(biāo)

中層模型通過分時(shí)電價(jià)和補(bǔ)償激勵引導(dǎo)刺激需求響應(yīng)對負(fù)荷曲線進(jìn)行優(yōu)化，考慮凈負(fù)荷方差σ1、CACS用電成本CCACSt、EV電池折舊成本CEVt、可平移負(fù)荷平移后節(jié)約費(fèi)用Cpyt和可中斷負(fù)荷激勵成本Czdt，在減小凈負(fù)荷方差的同時(shí)考慮VPP經(jīng)濟(jì)性。目標(biāo)函數(shù)為

minF2=α1σ1+∑24t=1（CCACSt+CEVt+Cpyt+Czdt）（10）

CCACSt=∑Ll=1λtPcoldt（11）

CEVt=∑Ii=1CbiLciSEVidDODiPEVf，i，tηEV+EvdEVi，t（12）

Cpyt=λtPpyt（13）

Czdt=λt∑3m=1Pzdt，m（14）

式中： α1——凈負(fù)荷方差系數(shù);

λt——t時(shí)段VPP內(nèi)部用電電價(jià);

Cbi——第i輛EV的電池購買成本;

Lci——第i輛EV生命周期內(nèi)充放電循環(huán)次數(shù);

SEVi——第i輛EV電池容量;

dDODi——第i輛EV可用電池放電深度。

其中，α1=1 000。

2.3.2 約束條件

功率約束為

Ploadt，2－Ploadt，1=∑Ll=1ΔPcoldt+∑Ii=1（PEVc，i，t－ """""PEVf，i，t）－Ppyt－∑Mm=1Pzdt，m

Pnett=Ploadt，2－PNEoutt（15）

式中： Ploadt，2——t時(shí)段優(yōu)化后的負(fù)荷需求功率;

ΔPcoldt——優(yōu)化前后的CACS用電功率差。

CACS約束為

Tmin≤Tin，t≤Tmax

0≤Qcht≤Qchmax

0≤Qstt≤Qstmax

0≤Qret≤Qremax

0≤Sct≤Scmax（16）

式中： Tmin——室內(nèi)舒適溫度的最小值;

Tmax——室內(nèi)舒適溫度的最大值;

Qchmax——制冷機(jī)最大制冷量;

Qstmax——蓄冷池最大蓄冷量;

Qremax——蓄冷池最大釋冷量;

Scmax——蓄冷池最大容量。

其中，Qchmax=10 kWh，Qstmax=5 kWh，Qremax=5 kWh，Scmax=26.4 kWh。

EV約束為

0≤PEVc，i，t≤μEVc，tPEVc，i，max

0≤PEVf，i，t≤μEVf，tPEVf，i，max

μEVc，t+μEVf，t≤1

ξEVSminSEVi，max≤SEVi，t≤ξEVSmaxSEVi，max（17）

式中： PEVc，i，max——最大充電功率;

PEVf，i，max——最大放電功率;

μEVc，t、μEVf，t——充/放電狀態(tài)，1表示正在充/放電，0則反之;

SEVi，max——第i輛EV的最大電池容量;

ξEVSmin——電池電量最小值;

ξEVSmax——電池電量最大值。

其中，SEVi，max=57 kWh，ξEVSmin=0.15，ξEVSmax=0.95。

靈活性負(fù)荷約束為

－Ppyt≤Ppy1t≤Ppyt

∑24t=1Ppy1t=0

0≤Pzd1t，m≤Pzdt，m（18）

式中： ΔPpymax——t時(shí)段負(fù)荷平移功率的最大值;

Pzd1t，m——t時(shí)段第m類可中斷負(fù)荷的功率。

2.4 下層模型優(yōu)化

2.4.1 優(yōu)化目標(biāo)

下層模型以VPP經(jīng)濟(jì)成本和碳排放量最小為目標(biāo)，考慮VPP對外購售電成本CEt、火電機(jī)組發(fā)電成本CGt、碳交易成本CCO2t以及廣義儲能用電成本CGESt。目標(biāo)函數(shù)為

minF3=∑24t=1（CEt+CGt+CCO2t+CGESt）（19）

CEt=λbuytPbuyt－λselltPsellt（20）

CGt=λcQct+λmPGt+PGt∑Kk=1Qk（Vk+Yk）（21）

CCO2t=λCO2QCO2VPP， 0≤QCO2VPPlt;d

λCO2d+λCO2（1+δ）（QCO2VPP－d）， d≤QCO2VPPlt;2d

λCO2（2+δ）d+λCO2（1+2δ）（QCO2VPP－2d）， 2d≤QCO2VPP（22）

CGESt=λtPGESt（23）

式中： λbuyt——t時(shí)段VPP對外購電電價(jià);

λsellt——t時(shí)段VPP對外售電電價(jià);

Pbuyt——t時(shí)段VPP對外購電功率;

Psellt——t時(shí)段VPP對外售電功率;

λc——煤炭成本;

λm——火電機(jī)組固定成本;

Qk——火電機(jī)組第k項(xiàng)污染氣體排放強(qiáng)度;

Vk——火電機(jī)組第k項(xiàng)污染污染氣體環(huán)境價(jià)值;

Yk——火電機(jī)組第k項(xiàng)污染氣體罰款數(shù)量級;

λCO2——階梯式碳交易基價(jià);

QCO2VPP——碳交易量;

d——階梯式碳交易區(qū)間;

δ——價(jià)格增長系數(shù)。

其中，λc=1 036.68元/t，λm=19元/MWh，λCO2=80元，d=30 t，δ=2。

2.4.2 約束條件

功率約束為

Pbuyt+PGt=Psellt+Pnett+PGESt，3（24）

式中： PGESt，3——t時(shí)段廣義儲能下層優(yōu)化用電功率。

購售電約束為

0≤Pbuyt≤μbuytPbuymax

0≤Psellt≤μselltPsellmax

μsellt+μbuyt≤1（25）

式中： Pbuymax——VPP對購電的最大功率;

Psellmax——VPP對售電的最大功率;

μbuyt——購電狀態(tài)，布爾值，1代表正在購/售電，0則反之;

μsellt——售電狀態(tài)，布爾值，1代表正在購/售電，0則反之。

其中，Pbuymax=220 MW，Psellmax=220 MW。

火電機(jī)組約束為

PGmin≤PGt≤PGmax

－ΔPGmax≤PGt－PGt－1≤ΔPGmax（26）

式中： PGmin、PGmax——火電機(jī)組出力下限和上限;

ΔPGmin、ΔPGmax——火電機(jī)組爬坡速率的下限和上限。

其中，PGmin=20 MW，PGmax=300 MW，ΔPGmin=100 MW。

碳交易約束為

QCO2VPP=QCO2t－QC，Met

0lt;d

0≤δ（27）

下層廣義儲能約束為

PGESt=PGESt，1+PGESt，3

PGESmin≤PGESt≤PGESmax

∑24t=1QMet=347

－ΔPGESmax≤PGESt－PGESt－1≤ΔPGESmax（28）

式中： ΔPGES——廣義儲能最大變化功率;

PGESmin——廣義儲能最小用電功率;

PGESmax——廣義儲能最大用電功率。

其中，ΔPGES=100 MW，PGESmin=20 MW，PGESmax=300 MW。

3 算例分析

3.1 算例模型介紹

為驗(yàn)證所提模型的合理性，本文上層模型由2個(gè)250 MW的風(fēng)力發(fā)電場、3個(gè)100 MW的光伏發(fā)電站以及電化工廠構(gòu)成，中層模型由基礎(chǔ)負(fù)荷、CACS聚合單元以及電動汽車聚合單元構(gòu)成，下層模型由1個(gè)300 MW的火電機(jī)組以及上層模型所提的電化工廠組成，3層模型協(xié)調(diào)運(yùn)行構(gòu)成VPP。在MATLAB中使用CPLEX商業(yè)求解器對中下層模型進(jìn)行求解。風(fēng)光預(yù)測出力和實(shí)際出力曲線及負(fù)荷功率曲線如圖2所示;分時(shí)電價(jià)如圖3所示。VPP內(nèi)部電價(jià)采用分時(shí)電價(jià)，峰谷時(shí)段由上層模型風(fēng)光凈出力和VPP基礎(chǔ)負(fù)荷功率決定，大電網(wǎng)電價(jià)趨勢與VPP內(nèi)部電價(jià)相同。為體現(xiàn)VPP與大電網(wǎng)之間的交互行為，假設(shè)大電網(wǎng)具有足夠的接納能力和穩(wěn)定性來滿足VPP的需求，且假設(shè)VPP可以隨時(shí)接入大電網(wǎng)，能夠在電價(jià)低時(shí)從大電網(wǎng)購電，在電價(jià)高時(shí)將電力賣回給大電網(wǎng)。

3.2 對比方案構(gòu)建與分析

為對比分析廣義儲能、需求響應(yīng)和階梯碳交易對所提優(yōu)化模型運(yùn)行成本以及用戶用電成本的影響，設(shè)計(jì)了4種對比方案。VPP對比方案如表1所示;不同VPP構(gòu)建方案成本和收益優(yōu)化結(jié)果如表2所示。

由表1和表2可知，方案1和方案2分別未考慮CACS和EV聚合單元參與需求響應(yīng)，方案4較2種方案，凈負(fù)荷方差分別減少43.99和2 237.14，表明CACS聚合單元和EV聚合單元對凈負(fù)荷曲線具有“削峰填谷”的作用;CACS聚合單元參與需求響應(yīng)使得用電成本減少8 870.62元，下層調(diào)度成本節(jié)約5 616.13元;EV聚合單元在電價(jià)低時(shí)充電，電價(jià)高時(shí)放電，在平抑負(fù)荷曲線的同時(shí)使EV聚合單元收益31 105元。

方案3未考慮階梯碳交易，由于方案4采用階梯碳價(jià)，碳交易成本隨著碳排放量的增加而增加，故方案4比方案3的碳交易成本增加78 695.6元，但火力發(fā)電出力減少，節(jié)省成本202 871元，因此碳排放量減少113.62 t。由于方案4中火力機(jī)組發(fā)電量減少，為彌補(bǔ)火電機(jī)組減少的出力，VPP向外界的購電量增加200.43 MWh，成本增加115 921元，售電量減少379.50 MWh，利潤減少139 500元。

綜上可知，聚合多種負(fù)荷參與需求響應(yīng)能夠降低凈負(fù)荷方差，減少用戶用電成本，提高VPP的整體收益，同時(shí)階梯碳交易機(jī)制和廣義儲能的引入使得VPP的碳排放量顯著減少。

4 VPP低碳經(jīng)濟(jì)運(yùn)行分析

4.1 上層模型分析

上層模型中，廣義儲能的目的是消除圖2中風(fēng)光預(yù)測出力與實(shí)際出力間的偏差，配合風(fēng)光發(fā)電跟蹤發(fā)電計(jì)劃，并消納部分風(fēng)光出力。上層模型廣義儲能用電功率和風(fēng)光凈出力曲線如圖4所示。并將廣義儲能用電功率傳遞到下層模型中，將風(fēng)光凈出力曲線傳遞到中層模型中。

4.2 中層模型分析

中層模型主要包含VPP的各類負(fù)荷，其優(yōu)化目的是在考慮經(jīng)濟(jì)性的同時(shí)，減小負(fù)荷需求與風(fēng)光凈出力間的偏差，以減小凈負(fù)荷曲線的峰谷差。風(fēng)光凈出力曲線及相關(guān)負(fù)荷曲線如圖5所示;靈活性負(fù)荷、CACS單體及EV集群的優(yōu)化結(jié)果分別如圖6～圖8所示。

在02：00～03：00、15：00～16：00和21：00～24：00時(shí)，風(fēng)光出力較大，分時(shí)電價(jià)處于谷值，以此引導(dǎo)所有柔性負(fù)荷增加用電功率，實(shí)現(xiàn)負(fù)荷曲線的“填谷”;由于電量過剩，大量可平移負(fù)荷移入此時(shí)段，無可中斷負(fù)荷參與響應(yīng);CACS提升制冷功率以增加蓄冷池蓄冷量;EV集群以較低的成本進(jìn)行充電。在04：00～07：00、09：00～13：00和19：00～20：00時(shí)，風(fēng)光出力較小，分時(shí)電價(jià)處于峰值，以此引導(dǎo)所有柔性負(fù)荷減少用電功率，實(shí)現(xiàn)負(fù)荷曲線的“削峰”;由于電量不足，大量可平移負(fù)荷移出此時(shí)段，各類可中斷負(fù)荷積極參與響應(yīng);CACS減少制冷功率，蓄冷池釋放冷量維持室內(nèi)舒適溫度;部分時(shí)段EV集群以較高價(jià)格向VPP售電。01：00、08：00、14：00和17：00～18：00時(shí)，分時(shí)電價(jià)處于平常值，可平移負(fù)荷移入此時(shí)段，以減小用電功率，少量可中斷負(fù)荷進(jìn)行響應(yīng);CACS部分時(shí)段提升制冷功率，以增加蓄冷池蓄冷量;EV集群進(jìn)行充電，以便在峰值時(shí)向電網(wǎng)售電獲取收益。

綜上，充分考慮中層模型優(yōu)化目標(biāo)，各類負(fù)荷參與需求響應(yīng)，達(dá)到了減小凈負(fù)荷峰谷差的目的，并將所得的凈負(fù)荷曲線傳遞至下層模型。

4.3 下層模型分析

下層模型根據(jù)中層模型凈負(fù)荷曲線對各個(gè)時(shí)段的火電機(jī)組、對外購售電量和廣義儲能用電量進(jìn)行優(yōu)化，保證VPP的低碳經(jīng)濟(jì)運(yùn)行?；痣姍C(jī)組及VPP購售電優(yōu)化結(jié)果如圖9所示;廣義儲能各時(shí)段用電優(yōu)化結(jié)果如圖10所示。

在02：00～03：00、15：00～16：00和21：00～24：00時(shí)，凈負(fù)荷為負(fù)且分時(shí)電價(jià)處于谷值，火電機(jī)組保持較小的發(fā)電量，對外的購售電量較小，廣義儲能增加用電功率以減少峰值電價(jià)時(shí)的用電成本。在04：00～07：00、09：00～13：00和19：00～20：00時(shí)，凈負(fù)荷為正且分時(shí)電價(jià)處于峰值，火電機(jī)組保持較大的發(fā)電量，滿足負(fù)荷需求的同時(shí)對外進(jìn)行售電獲取利潤，廣義儲能減少用電功率以減少用電成本。在01：00、08：00、14：00和17：00～18：00時(shí)，凈負(fù)荷較少且分時(shí)電價(jià)處于平常值，火電機(jī)組、對外購售電通道和廣義儲能相互配合維持VPP電力平衡。

綜上，下層模型實(shí)現(xiàn)VPP的低碳經(jīng)濟(jì)運(yùn)行，VPP通過對外購電降低火電發(fā)電成本和碳交易成本，通過對外售電獲取利潤。廣義儲能在滿足日產(chǎn)量的同時(shí)對不同時(shí)段的用電進(jìn)行調(diào)節(jié)，保證廣義儲能的經(jīng)濟(jì)性。

對3層模型的分析可知，本文提出的考慮多元柔性負(fù)荷的VPP分層優(yōu)化調(diào)度模型，可以實(shí)現(xiàn)各參與單元間的協(xié)調(diào)運(yùn)行，保證VPP低碳經(jīng)濟(jì)運(yùn)行。

5 結(jié) 語

為促進(jìn)區(qū)域低碳化并防止高比例可再生能源電力系統(tǒng)的棄風(fēng)棄光，本文綜合考慮風(fēng)光出力和負(fù)荷需求的不確定性，構(gòu)建了包含廣義儲能、CACS、EV、靈活性負(fù)荷和傳統(tǒng)火電機(jī)組的VPP模型。研究分析表明：

（1） 引入合成甲醇系統(tǒng)作為廣義儲能提高了VPP對可再生能源的消納能力，同時(shí)廣義儲能需要消耗CO2作為原料，促進(jìn)了VPP低碳化發(fā)展。

（2） 將用戶側(cè)資源有效整合，通過分時(shí)電價(jià)和補(bǔ)償激勵引導(dǎo)刺激用戶側(cè)參與需求響應(yīng)，能夠?qū)崿F(xiàn)對凈負(fù)荷的“削峰填谷”，解決供需不匹配問題。

（3） 分層優(yōu)化調(diào)度降低了計(jì)算復(fù)雜度，各層之間只進(jìn)行有限的信息交流，充分保護(hù)了VPP參與者的隱私。

綜上所述，所提模型具有一定的理論和實(shí)踐意義，為電化工行業(yè)廣義儲能替代儲能電站參與VPP低碳經(jīng)濟(jì)運(yùn)行提供了參考。

【參 考 文 獻(xiàn)】

［1］ 康重慶， 陳啟鑫， 蘇劍， 等.新型電力系統(tǒng)規(guī)?；`活資源虛擬電廠科學(xué)問題與研究框架［J］.電力系統(tǒng)自動化，2022，46（18）：3-14.

［2］ 田立亭， 程林， 郭劍波， 等.虛擬電廠對分布式能源的管理和互動機(jī)制研究綜述［J］.電網(wǎng)技術(shù)，2020，44（6）：2097-2108.

［3］ 王宣元， 劉敦楠， 劉蓁， 等.泛在電力物聯(lián)網(wǎng)下虛擬電廠運(yùn)營機(jī)制及關(guān)鍵技術(shù)［J］.電網(wǎng)技術(shù)，2019，43（9）：3175-3183.

［4］ 李建林， 丁子洋， 游洪灝， 等.構(gòu)網(wǎng)型儲能支撐新型電力系統(tǒng)穩(wěn)定運(yùn)行研究［J］.高壓電器，2023，59（7）：1-11.

［5］ 張?jiān)骑w， 周強(qiáng)， 丁戈， 等.考慮多源相關(guān)不確定性的鄉(xiāng)村虛擬電廠自治優(yōu)化運(yùn)行［J］.廣東電力，2023，36 （10）：47-56.

［6］ 羅其華， 李平， 張少迪.考慮需求響應(yīng)和階梯碳交易的虛擬電廠低碳經(jīng)濟(jì)調(diào)度［J］.浙江電力，2023，42（6）：51-59.

［7］ 閆濤， 陳繼忠， 閆雪生， 等.構(gòu)網(wǎng)型儲能系統(tǒng)現(xiàn)場調(diào)試平臺電網(wǎng)擾動控制策略研究［J］.高壓電器，2023，59（7）：30-38.

［8］ 倪宇凡， 鄭漳華， 馮利民， 等.近年來國外嚴(yán)重停電事故對我國構(gòu)建新型電力系統(tǒng)的啟示［J］.電器與能效管理技術(shù)，2023（5）：1-8.

［9］ 李嘉媚， 艾芊， 殷爽睿.虛擬電廠參與調(diào)峰調(diào)頻服務(wù)的市場機(jī)制與國外經(jīng)驗(yàn)借鑒［J］.中國電機(jī)工程學(xué)報(bào)，2022，42（1）：37-56.

［10］ LIU J， HU H， YU S S， et al.Virtual power plant with renewable energy sources and energy storage systems for sustainable power grid-formation，control techniques and demand response［J］.Energies，2023，16（9）：3705-3733.

［11］ 楊俊琛.考慮電動汽車數(shù)量影響的電網(wǎng)日前調(diào)度區(qū)間優(yōu)化［J］.電器與能效管理技術(shù)，2022（5）：41-46.

［12］ 程明， 張新燕， 王志磊， 等.考慮接入電動汽車充電站的虛擬電廠低碳經(jīng)濟(jì)調(diào)度［J］.科學(xué)技術(shù)與工程，2024，24（19）：8115-8126.

［13］ 何兆蓉， 高逸云， 黃瀚霆， 等.基于電網(wǎng)分時(shí)電價(jià)機(jī)制考慮電動汽車靈活充電的微電網(wǎng)能量管理［J］.電器與能效管理技術(shù)，2022（5）：65-70.

［14］ 潘振華， 孫麗江.含電動汽車的虛擬電廠經(jīng)濟(jì)優(yōu)化調(diào)度分析［J］.上海電機(jī)學(xué)院學(xué)報(bào)，2024，27（3）：131-136.

［15］ 郭松， 張玥劼.虛擬電廠中的空調(diào)負(fù)荷控制策略分析［J］.電子技術(shù)，2023，52（10）：410-411.

［16］ 徐天韻， 陳濤， 張鑫， 等.基于奇諾多面體的虛擬電廠分布式資源廣域聚合調(diào)控方法［J］.電力系統(tǒng)自動化，2024，48（18）：139-148.

［17］ 湛歸， 殷爽睿， 艾芊， 等.智能樓宇型虛擬電廠參與電力系統(tǒng)調(diào)頻輔助服務(wù)策略［J］.電力工程技術(shù)，2022，41（6）：13-20，57.

［18］ 薛太林， 楊海翔， 張海霞， 等.考慮P2G及碳捕集的熱電聯(lián)產(chǎn)虛擬電廠低碳優(yōu)化調(diào)度［J］.山東電力技術(shù)，2024，51（5）：1-8.

［19］ 孫惠娟， 劉昀， 彭春華， 等.計(jì)及電轉(zhuǎn)氣協(xié)同的含碳捕集與垃圾焚燒虛擬電廠優(yōu)化調(diào)度［J］.電網(wǎng)技術(shù)，2021，45（9）：3534-3545.

［20］ 趙豐明， 樊艷芳.分時(shí)電價(jià)影響下的多能源虛擬電廠雙層優(yōu)化調(diào)度［J］.電力系統(tǒng)保護(hù)與控制，2019，47（20）：33-40.

［21］ 呂小紅， 劉維， 劉克恒， 等.虛擬電廠供需側(cè)雙層協(xié)調(diào)自適應(yīng)魯棒優(yōu)化調(diào)度［J］.全球能源互聯(lián)網(wǎng)，2024，7（4）：431-442.

［22］ 張葉青， 陳文彬， 徐律軍， 等.面向多虛擬電廠的分層分區(qū)多層互補(bǔ)動態(tài)聚合調(diào)控策略［J］.發(fā)電技術(shù)，2024，45（1）：162-169.

［23］ 程歡， 任洲洋， 孫志媛， 等.電能-甲醇跨區(qū)協(xié)同輸運(yùn)下的電-氫耦合系統(tǒng)調(diào)度［J］.電工技術(shù)學(xué)報(bào)，2024，39（3）：731-744.

［24］ 楊國山， 朱杰， 楊昌海， 等.適應(yīng)波動性風(fēng)電的電制氫合成甲醇系統(tǒng)柔性優(yōu)化調(diào)度［J］.電力建設(shè)，2023，44（11）：149-162.

收稿日期： 2024-09-10

魏曉鋼（1978—），男，工程師，主要從事新能源發(fā)電與儲能控制研究工作。

李兆澤（1999—），男，碩士研究生，研究方向?yàn)樘摂M電廠分布式靈活性資源聚合及其優(yōu)化調(diào)度。

張繼紅（1975—），男，教授，研究方向?yàn)樾履茉窗l(fā)電及其儲能控制技術(shù)和智能微電網(wǎng)系統(tǒng)。

*基金項(xiàng)目：內(nèi)蒙古自治區(qū)科技重大專項(xiàng)（2020ZD0017）;內(nèi)蒙古自治區(qū)重點(diǎn)研發(fā)與成果轉(zhuǎn)化項(xiàng)目（2022YFHH0019）;內(nèi)蒙古自治區(qū)新型重要能源綜合利用技術(shù)集成攻關(guān)大平臺（2023PTXM001）