面向綜合能源協調的虛擬電廠調控平臺設計與規劃優化

潘凱巖，胡林麟，吳俊越，馬力，張琦，黃宇翔，張建剛

（1.東方電子股份有限公司，山東煙臺 264000；2.廣東電網有限責任公司廣州供電局，廣東 廣州518000；3.華南理工大學，廣東 廣州 510641）

0 引言

虛擬電廠（Virtual Power Plant，VPP）是通過信息技術將能量管理系統以及較小規模的分布式能源集合而成的能源管理體系，能夠實現對分散分布的新能源項目進行高效并網，并進行實時調控[1，2]。通過對多種分布式資源的聚合實現協調控制，從而獲得電力系統最佳調度特性。針對電力系統多級能源協調調度，VPP應當構建與之適應的調控平臺，設計相應的架構和功能。同時針對該平臺的架構應用，需要以面向綜合能源協調調度為目標，對包括光伏、風機、電池儲能、氫氣池、燃料電池等多種形式能源在內的項目進行綜合利用，從成本和可靠性兩個方面解決新能源綜合協調調度的最佳容量配置問題。

目前針對VPP的研究主要集中在以下方面。

①多能源集成：研究多能源（風能、光伏、儲能等）的集成[3]，以最大化能源的綜合利用。這包括在不同能源之間建立協同關系，以應對可再生能源的間歇性特性[4，5]。

②智能控制與優化：VPP強調了智能控制和優化技術的應用。通過高級算法、人工智能和大數據分析，可以實時調整電力生成、儲存和分配，以滿足電力需求和市場要求[6]。

③可持續性和可靠性：VPP旨在提高電力系統的可持續性和可靠性。它可以降低碳排放，提供更加可靠的電力供應，特別是在可再生能源大規模集成時[7]。

④市場參與：越來越強調VPP在電力市場中的參與，這包括市場交易、市場定價和市場規則的考慮，以實現經濟效益最大化[8]。

⑤VPP平臺架構：包括云邊協同[9]、通信網絡架構[10]、邊緣計算架構[11]、面向服務架構[12]等。

而上述研究存在一定的不足，具體包括以下幾方面。

①市場交互的不足：VPP的成功與電力市場的有效互動有關。然而，目前尚未充分解決VPP與市場之間的互操作性問題，包括市場規則和合規性。

②綜合能源系統優化：VPP的優化調度通常集中在電力系統。然而，現代能源系統越來越涉及多種能源形式，包括熱能、冷能和燃氣，未來的研究需要更多關注跨能源系統的優化。

③復雜性管理：隨著VPP規模的增長和多樣性的增加，管理和協調的復雜性也隨之增加，有效的VPP管理方法仍然需要進一步研究。

④市場的不確定性：市場價格和需求的不確定性對VPP的優化調度產生重大影響，需要更好地處理不確定性，并開發適應性算法。

可見，已有文獻大多針對綜合能源參與VPP調度進行優化，選取的設備以風電、光伏、電池儲能、電動汽車為主，并未針對電解池、燃料電池與電池儲能的作用以及系統成本和經濟性等問題進行分析，同時也未針對不同架構的VPP進行案例分析。

為此，本文首先構建了面向綜合能源協調調度的VPP調控平臺，并進行架構設計?；谠摷軜嫎嫿司C合能源協調調控模型，分別分析相應的設備元件模型和總體調度優化模型，并進行了模型論證。

1 虛擬電廠研究框架概述

VPP是以智能電網技術為支撐的綜合分布式電源和可響應負荷的微電網能源管理系統?？身憫摵勺鳛槟茉词褂梅娇梢园üI用戶、居民用戶，其特點是可根據能源價格對用能需求作出調整[2]。能源供應商則負責能源管理，并根據網絡結構和分布式電源特性提供能源支撐。VPP集成的可響應負荷、分布式電源以及儲能系統具有在價格較低時段從主網購買能源、在價格較高時段出售能源的能力。與此同時，VPP不會對市場價格起決定作用。

能源管理系統收集能源供應商的信息，包括市場電價、傳統能源和分布式電源可用性?；谶@類信息，能源管理系統在向用戶供能之前確定最優用能比例、儲能電量、各時段電能交換功率[13]。同時，網絡設備可用度的信息，主要包括機組信息、輸電線路信息，根據調度計劃向能源管理系統進行更新。如果出現偏差或故障，能源管理系統會在能源分配之前做出調整。

VPP是建立在傳統物理網架結構上形成的綜合能源管理系統，示意圖如圖1所示。與傳統電廠不同，VPP是匯集了可調度和不可調度分布式電源、傳統機組、可控負荷的綜合性能源管理系統，將互聯網、現代信息技術嵌入管理系統中，實現各類資源的有序調節和協同優化，尤其是針對新能源和可再生電源對于電網的支撐，包括提供調頻、調峰、備用等形式的輔助服務以及參與新能源規劃優化[14]。

圖1 虛擬電廠示意圖Fig.1 Illustration of VPP

2 虛擬電廠調控平臺設計

2.1 VPP架構設計

考慮VPP的多參與主體、多業務類型、多層級等特點，分析海量數據接入后的云邊數據交互模式，設計虛擬電廠“云-邊-端”協同互動調控系統架構（圖2），實現云邊協同、泛接入、彈性定制和就地決策，滿足海量接入和超大規模計算需求。

圖2 虛擬電廠架構Fig.2 Architecture of VPP

VPP調控管理系統在云側，包括VPP調控系統及VPP管理系統兩部分。其中，VPP調控系統更多的是涉及控制部分及對實時性要求較高的功能，VPP管理系統部署在安全三區，更多的是側重于離線分析及對實時性要求不高的功能匯集。

VPP調控管理系統橫向從市場交易系統獲得出清結果。聚合商運營管理系統部署在邊側，聚合商運營管理系統將響應的數據監測信息上送VPP調控管理系統，同時接受VPP管理系統的調節目標。智能交互終端部署在端側，將采集的信息上送至聚合商運營管理系統。

2.2 功能架構

網源協調的VPP調控管理系統，基于電網動態拓撲實現VPP分層分區聚合，支撐VPP優化調度、實時控制等各項應用，協調VPP參與大電網調峰、調頻等輔助服務，并參與區域電網潮流控制和電壓調節，實現VPP高效經濟運行并與電網友好互動。

網源協調的VPP調控管理系統功能架構基于云技術理念進行設計，建設采用虛擬化、容器化、微服務化設計方案，基于統一的彈性調控平臺架構支撐業務應用及一體化展示，其總體架構分為資源層、平臺層和應用層，如圖3所示。

圖3 虛擬電廠功能架構Fig.3 Functional architecture of VPP

①資源層

資源層提供系統運行所需的物理資源或虛擬資源，包括計算、存儲及網絡資源。在云計算部署模式下，通過虛擬化平臺完成硬件資源的池化，實現虛擬計算節點的統一動態管理并支持硬件資源的在線擴容。分布式存儲為應用提供高性能、高可靠、彈性擴容且管理簡單的存儲系統，突破傳統存儲硬件的局限性，降低因硬件升級與更換對業務系統帶來的影響。

②平臺層

平臺層基于容器化引擎提供構建可彈性伸縮的邊緣集群運行系統的平臺支撐。實現對公共資源層服務的封裝，為VPP應用業務提供良好的集群管理、基礎服務及治理、數據集成與治理環境，支撐建設VPP業務應用。

③應用層

應用層功能包括生產控制大區應用及生產管理大區應用。生產控制大區應用主要針對實時控制類，包括實時調峰類、實時調頻類及實時調壓類等，其部署的基礎功能支撐包括動態分層分區、動態聚合、實時數據接入及異常監視等。生產管理大區應用側重于非實時分析類功能，包括日前需求響應、評估管理類及仿真類等幾部分功能，其部署的基礎功能支撐包括虛擬電廠建模、動態分層分區、動態聚合、電源點追蹤、供電范圍分析等。

2.3 網絡架構

網絡架構如圖4所示，包括調控管理系統I區和調控管理系統III區。調控管理系統I區通過安全接入區獲取實時數據信息，調控管理系統III區通過信息中心的隔離區（Demilitarized Zone，DMZ）及III區安全接入區與外部數據進行交互。聚合商系統與安全接入區或電廠DMZ的交互通信模式為5G專用切片或5G通用切片模式。根據需要，聚合商內部可再劃分為生產控制區、管理系統區及互聯網區。不同區根據業務需求分別與VPP管理平臺進行數據交互和對接。

圖4 虛擬電廠網絡架構Fig.4 Network architecture of VPP

2.4 數據流架構

整體數據流架構如圖5所示。通過數據流圖展示了VPP的i單場調控系統與上級中調之間的數據交互，以及地級VPP系統中不同區之間的數據交互。

圖5 虛擬電廠數據流架構Fig.5 Data flow architecture of VPP

3 基于調控平臺的虛擬電廠規劃優化模型

3.1 VPP模型

圖6給出了在市場框架下多級能源交互的主要架構。如圖6所示，本文考慮的系統包括風電機組、光伏太陽能電池、電解設備、氫燃料儲能、燃料電池、電池儲能、交直流轉換器和負荷。在自治微電網中，分布式電源能夠以足夠的容量提供電能，同時可實現與上級網絡孤島運行。在本文模型中，各類電能僅在日前市場向上級配電網絡出售電能，從而實現經濟效益最大化。

圖6 虛擬電廠模型Fig.6 Model of VPP

利用光照輻射強度轉化為光伏輸出功率，計算式如下：

式中：G為垂直于光伏陣列表面的光照輻射強度；PPVr為光伏陣列額定功率；ηPV為DC陣列和相應節點之間功率轉換系數。

其中任意角度θPV下，光照輻射強度的表達式為

式中：GV（t）和GH（t）分別為垂直和水平輻射強度。

風力發電機組輸出功率與風速有關，具體表達式采用雙饋感應式風機輸出模型。

式中：Pwind，Pr分別為風力發電機的有功輸出功率、額定有功輸出功率；v，vi，vr，vo，voc，vh分別為實際風速、切入風速、額定風速、切出風速、切出風速上限、實際出力風速。

電解器的功能是通過電解原理將水轉化分解為氫和氧。由此，直流電通過水中兩電極對水進行分解，分別在陽極和陰極生成氧氣和氫氣。對于燃料電池效率ηFC為0.9的電解器，氫氣的熱值為3.4 kJ/m3，消耗的電能為41.97 kW?h/kg。

燃料電池的功率輸出計算式為

式中：PFCt為燃料電池總功率。

容器中儲存的氫能計算式為

式中：Δt為反應時長；Pel為電解到氫儲存器之間的傳輸功率；ηst為儲能系統效率，包括泄漏和壓縮的能量損失；PtaFC為氫燃料電池輸出功率。

電池儲能用于彌補可再生能源出力波動性等不足，通過儲能充放電實現平滑電力輸出曲線的目的。其充放電能的表達式為

式中：Eb（t）為電池儲能電量；Pb為電池儲能功率；ηbc和ηbdc分別為充、放電效率。

3.2 可靠性指標

本文選取負荷期望損失（LOLE）、能量期望損失（LOEE）或缺供期望電能（EENS）、功能損失概率（LPSP）、損失因數（ELF）進行可靠性判定，利用馬爾科夫鏈計算可靠性參數。具體表達式如下。

式中：ps為狀態s的概率；Ts為損失負荷時間；N為總時段數；Qs為損失負荷電量；D（t）為負荷需求電量；Q（t）為總負荷。

3.3 目標函數

壽命周期成本分析評估了在設備使用期限范圍內的所有成本。凈現值成本包括初始安裝成本、置換成本、維修和維護成本、故障成本、聯網成本。在計算過程中，成本均為正、收益均為負。在評估年限中，所有成本和支出利用固定利率進行計算。在這種評估方法中，為了在分析過程末期提高計算率，應當利用凈現值成本并考慮受通貨膨脹影響的實際利率的波動。實際利率為名義利率和通貨膨脹率之差。設備凈現值成本計算式如下。

式中：Ni為設備容量；CIi為初始投資成本；CRi為項目壽命周期內置換及維護成本；CNPi為氫氣初始購置成本，作為電解池投資和實際利率成本，利用名義利率和年通貨膨脹率計算；Y和L分別為設備置換和使用壽命；Ki，COMi，R，ri，n分別為壽命周期內總利率、運維成本系數、年利率、利率、計算時間年限。

對于系統的各個元件，與第零年的投資成本相同，設定為初始成本，可根據設備使用壽命末期以及項目每年運行維護成本替換的需求進行置換成本計算。置換成本與初始成本具有較大變化，其中原因之一是考慮到壽命周期的有效性，在初始投資時設備進行擴容而無需進行置換。

負荷中斷成本為引起用戶停電而造成損失的成本，這一成本有不同的測量方法。例如，可以基于用戶對網絡擴建的意愿或由工業產品損失價值計算。本文年損失期望的計算方法如下：

損失負荷的凈現值計算式為

式中：Closs為損失負荷成本系數。

式（17）表示了由于電源未接通造成的平均單位電能損失。

本文目標是最小化運行成本，引入向上級電網售電的收益。其凈現值成本計算式為

式中：Cs為向上級電網售電產生的收益，取決于功率交換的時間和交換時刻的電價。

考慮到成本和收益的影響，目標函數定義如下：

式中：CNPi為電網內第i個設備；CNPm，CNPtd分別為網絡維護成本、交易成本。

3.4 約束條件

在任意時刻，電能應當實時保持平衡，如下：

式中：PL（t），Ps（t），PG（t），PFC（t）分別為總負荷需求（可中斷負荷和不可中斷負荷）、上級網絡功率、由分布式電源向電池傳輸的功率、由燃料電池向DC/AC轉換器儲存的暫態功率。

由于每時段中負荷的10%作為可終端負荷，因此，在可靠性計算中可不考慮負荷的中斷。但在可靠性計算中需要考慮ELF，其約束條件如下：

另外，向上級電網售電不應超過限制。

氫中存儲的能量和電池中的能量應當滿足以下約束。

式（25），（26）表明在每年結束時，儲存的電能不應小于年初時的儲存電能，由此確保系統的可靠性。

機組發電約束：

機組爬坡約束：

分布式電源出力約束：

上述模型利用粒子群算法進行求解，該方法不再贅述。

4 算例分析

4.1 算例說明

為驗證本文所提出模型的有效性，構建了VPP系統進行仿真分析。風電機組的容量為7.5 kW，光伏陣列功率為1 kW，電解功率和燃料電池功率分別為1 kW，氫氣池容量為1 kg，電池儲能的電量為9.6 kW?h。表1給出了本文系統的相關參數，利率選擇0.08。

表1 仿真數據Table 1 Simulation data

風機額定輸出功率為8 kW，額定風速為11 m/s。

上級網絡可提供的最大功率為500 kW。從上級網絡購電的價格在1-8時為0.1$/（kW?h），9-17時為0.15 $/（kW?h），18-22時為0.3 $/（kW?h），23-24時為0.1$/（kW?h）。

可中斷負荷的成本為0.1$/（kW?h），不可中斷負荷的成本為0.5$/（kW?h）。向居民用戶售電的價格分為可中斷和不可中斷兩類，分別為0.1$/（kW?h）和0.5$/（kW?h）。輸電網絡的投資成本為設備成本的5%。設備的運行和維護成本比例為38%。

為說明本文算法的有效性，選取圖7～9 3種網絡結構。

圖7 虛擬電廠系統1Fig.7 System 1 of VPP

圖8 虛擬電廠系統2Fig.8 System 2 of VPP

圖9 虛擬電廠系統3Fig.9 System 3 of VPP

4.2 結果分析

（1）平臺有效性分析

本文以VPP調控平臺對上級網絡的電力交易作為研究對象，分析不同任務數量下調度交易完成的時間，結果如圖10所示。

圖10 任務完成時間Fig.10 Task completion time

從圖10中可以看出，隨著處理任務數量的增加，本文系統平臺相比原始系統更加高效，這得益于相關資源網架結構的協調部署和數據流結構的優化，節省了數據傳輸時間，提升了效率。

（2）規劃優化分析

網絡優化后的成本如表2所示。

表2 成本優化結果Table 2 Cost optimization results

從表2中可以看出，利用電池作為儲能裝置將會提升系統總成本，而電解、氫氣儲能、燃料電池成本相對較低。因此，在含有電池儲能系統較高的網絡中運行成本會增加。

考慮價格在非峰值時段對上級電網交換功率的影響，得到售電價格對最佳容量和成本的影響，結果如表3所示。

表3 機組配置結果對比Table 3 Comparison of unit configuration results

從表3中可以看出，向上級電網售電價格的增加，會增加向上級電網的售電量，從而降低系統總運行成本，提升收益。

考慮可靠性指標ELF的影響，系統可靠性指標約束增加對最佳容量和成本的影響結果如表4所示。

表4 機組配置結果對比Table 4 Comparison of unit configuration results

從表4中可以看出，系統可靠性的增加會提升系統運行成本。在本文中，將光伏和風電機組作為發電設備，所提出的系統包括兩種負荷，數學模型考慮微網架構，目標函數為最小化運行成本。不同求解算法下的成本如表5所示。

表5 成本及可靠性指標結果Table 5 Cost and reliability indicator results

采用本文算法，隨著迭代次數的增加，總成本的變化如圖11所示。由圖11可以看出，當迭代到240次左右時，達到收斂結果，總成本最小，說明本文所提出的模型能夠有效收斂，得到最優解。

圖11 算法收斂結果Fig.11 Algorithm convergence results

5 結論

本文提出了面向綜合能源協調調度的含風、光、儲VPP調控平臺及架構設計，分析了VPP功能架構、網絡架構、數據流架構，提出了綜合能源協調的VPP調度模型。通過仿真分析說明，從運行成本和可靠性兩個方面可以實現對VPP性能的提升。在運行成本方面，多種綜合能源（風電、光伏、儲能等）共同運行會降低系統成本。同時，使用電池儲能的系統成本會高于燃料電池的系統成本，將燃料電池和氫氣池聯合使用可以降低系統總成本。在可靠性方面，風電和光伏的投入使用會提升系統可靠性，VPP系統的可靠性與機組最佳布置數量有關，隨著可靠性的提升，系統的運行成本也會相應增加。