向佳霓, 赵建立, 唐 啸, 张少迪

(1.国网上海市电力公司, 上海 200122;2.上海市智能电网需求响应重点实验室, 上海 200063;3.上海电器科学研究院, 上海 200063)

0 引 言

与传统能源相比,分布式能源具有清洁、减排、经济等特点获得了世界各国的青睐。但是分布式能源在地理位置上分布比较分散且发电具有随机性和不确定性,给电力系统调度带来了挑战[1]。

虚拟电厂(Virtual Power Plant,VPP)是指通过先进的通信技术和智能计量技术,将不同空间的分布式电源、储能、可调负荷等一种或几种分布式能源聚合起来,实现分布式能源的协调优化控制,参与电力市场和电力系统运行[2-3]。虚拟电厂的协调控制优化可以减少分布式能源并网对电网造成的伤害,降低分布式电源接入电网的技术难度,提高电力系统运行的稳定性以及电网对可再生能源的消纳能力[4]。

需求响应(Demand Response,DR)[5]是智能电网的核心技术[4],同时在虚拟电厂中发挥着重要的作用,电力用户根据电力市场动态价格信号和激励机制,在需求响应阶段调整用电习惯和用能量。近年来,随着国家建设可持续发展的号召,虚拟电厂资源不再仅仅局限于工业领域非连续生产具有高调节能力的用户,建筑领域中也含有大量的虚拟电厂资源,如空调、照明、天梯、电采暖等,虚拟电厂资源开始面向建筑负荷。目前,我国建筑虚拟电厂项目正在进行试验阶段,如上海黄浦区商业建筑虚拟电厂示范项目。

在虚拟电厂中,分布式发电单元和其他负荷的功率波动是不可忽视的,另外,市场上的电价和能源需求也是不可预测的,这些问题会影响最优调度的结果。在这问题上,储能系统和需求响应被认为是提高系统效率和稳定性的合适工具[5]。文献[6]建立了分布式风电与储能设备所构成的虚拟电厂优化调度模型,利用储能设备平抑分布式风电接入电力系统导致的出力不确定性和波动性。文献[7]针对风电并网对电力系统稳定性的不利影响,将储能系统和需求响应引入需求侧和发电侧,建立了风电储能系统两阶段优化调度模型,利用粒子群算法进行求解。文献[8]在微电网的优化运行中,引入电池储能和需求响应,分析了电池储能老化特性、价格型和激励型需求响应以及风电出力的不确定性的影响,建立日前-日内多时间尺度的微电网优化运行模型[9]。考虑储能设备和需求响应,建立虚拟电厂的日前优化调度模型,采用混合整数线性规划进行最优调度结果的求解。

根据传统建筑负荷控制参与电网峰谷调节时,虚拟电厂中仅考虑了建筑负荷以及发电厂之间的需求响应关系,在建立优化求解模型时并没有考虑分布式发电单元的扰动以及储能单元的运行状态。本文提出了一种基于需求响应的建筑负荷与储能单元的协调调度策略。

1 虚拟电厂优化调度模型

1.1 虚拟电厂结构

虚拟电厂聚集了建筑负荷、分布式光伏、储能系统、需求响应,结构示意图如图1所示。

从图1可以看出,虚拟电厂与各个单元相连,实现了双向信息交流。电力系统中的发电单元与建筑能耗通过虚拟电厂建立了联系,并借助先进的通信技术和智能计量技术实现建筑负荷和储能系统的协调优化。建筑负荷需求一部分由光伏发电和储能提供,当光伏和储能满足不了建筑负荷需求时,不足的电量需要向电网购买;当光伏发电量大于实际建筑负荷需求时,剩余电量利用储能存储起来,其次就是需求响应技术的引入,通过制定激励电价,引导用户在需求响应阶段减少用电量并给予一定奖励。由于不同时刻负荷需求以及电价的不一致,需要制定储能的充放电策略,以达到虚拟电厂运行成本最低。

图1 虚拟电厂结构示意图

1.2 电池储能模型

储能系统能够弥补分布式电源的功率波动,还能根据实时电价的变化改变充放电功率,在电价高峰时段,利用储能系统供电,减少从电网购电的成本;在电价低谷时段,给储能系统充电,充分利用储能与分时电价的特点,减少建筑用电成本。

电池储能可以解决建筑高峰时期的用电需求,然而电池储能的充电容量和充放电速率受自身的物理结构和使用寿命的限制,所以制定电池储能的调度策略时要考虑这些因素,确保电池储能工作时的安全性和可靠性。电池储能有放电、充电和闲置三种状态,其状态为

(1)

式中:B(t)——t时刻电池储能的状态;

Pchar——电池储能的充电速率;

η——电池储能的充电效率;

Pdis——电池储能的放电速率;

ζ——电池储能的放电效率;

Δt——电池储能充/放电时间步长。

(1)电池储能电量约束

Battery(t+1)=Battery(t)±kp(t)

(2)

Bmin≤Battery(t)≤Bmax

(3)

式中: Battery(t)——当前时间t时刻的电池电量;

Battery(t+1)——下一时间t+1时刻的电池电量;

p(t)——电池的充放电量;

k——充放电量对应的系数;

Bmin、Bmax——电池电量的下限和上限,分别设为120 kWh和15 kWh。

(2)电池储能充放电速率约束

Pchar=Pdis=20

(4)

电池储能的充放电速率会影响到电池的使用寿命,进而关系到建筑的能耗成本,所以电池储能的充放电速率需要设定在合理的范围,因此本文将充放电速率设置为一个定值。

1.3 DR模型

DR分为两种类型,一种是基于价格的DR,另一种是基于激励的DR[10]。基于价格的DR是指通过电价信号来引导用户调整用电习惯和用电量。目前,市场上有三种不同的电价销售方式,如分时电价、实时电价和尖峰电价。基于激励的DR是指制定确定性的政策,这种需要先与用户签订合同,当电力系统可靠性受到威胁时,及时响应并削减指定的负荷量,如果用户完成指标,则给予一定的奖励费,如果不能完成,则需要接受相应的惩罚。本文采用基于激励的DR,响应时段为中午12∶00～14∶00,时长为2 h。

DR约束:

Demand(t)≤GridDemand(t)max

(5)

式中: Demand(t)——t时刻的需求响应量;

GridDemand(t)max——t时刻建筑负荷可调节的最大量。

1.4 混合整数规划模型

混合整数规划(Mixed Integer Programming,MIP)是涉及到整数或离散变量的一类数学规划问题[11]。本文虚拟电厂优化调度问题主要涉及到建筑负荷与储能系统的协调优化,由于决策变量不全是整数,该问题可以转换为一个混合整数规划问题。

(1)混合整数规划的数学表达式为

式(6)为目标函数,本文设计以Z最大为目标;式(7)为数学模型的等式约束条件;式(8)为数学模型的不等式约束条件,其中x为状态变量,u为控制变量,umax和umin表示控制变量的上限、下限。

状态变量x={pv,load};控制变量u={gd,gb}。pv、load分别表示光伏和负荷量,gd、gb分别表示需求响应电量和从电网购买电量,另外对电池的充放电的状态设置为0/1的二进制数约束。

(2)约束条件。模型需要满足功率平衡约束:

(9)

式中: Load(t)——t时刻的负荷消耗量;

PV(t)——t时刻光伏发电输出量;

Battery(t)——t时刻电池的充放电量;

Demand(t)——t时刻与需求响应的电量;

Grid(t)——t时刻与电网交换的电量。

(3)目标函数。本文目标函数设定为控制周期内虚拟电厂通过与电网能量交换和需求响应的过程中获得最大的运行收益。以一天24 h的控制周期为例,控制周期内累计的买卖电量与实时对应的电价相匹配之后获得的最终收益,因为24 h控制周期内在满足功率平衡的前提下,从电网的买电量可能大于周期内的卖电量,因此此收益有可能是负的。控制周期内累计收益之和为

z=demand(t)·ps(t)-buy(t)·pb(t)

(10)

式中: demand(t)——当前时刻从电网的需求响应量;

ps(t)——当前时刻的买电电价;

buy(t)——当前时刻向电网的卖电量;

pb(t)——当前时刻的卖电电价。

优化器通过控制电池充放电的变化,剩余的由电网来补偿,从而获得最大的运行收益。

2 仿真结果与分析

以某光伏电站实测数据为例,利用GAMS建模软件,将虚拟电厂调度策略问题转化为混合整数规划问题,并利用CPLEX(MIP)优化求解器进行求解。通过GAMS建立虚拟电厂优化调度模型,该模型包含足够多的虚拟电厂信息,比如典型日的光伏发电量、建筑负荷消耗量、电池初始电量水平以及功率平衡和电池物理限制约束等信息;最后,利用CPLEX(MIP)优化求解器进行最优化求解得到典型日的最优收益,根据一天24 h控制周期的调度策略进行评估。冬天各时刻的光伏量、负荷量分别如图2、图3所示。

图2 冬天各时刻的光伏量

图3 冬天各时刻的负荷量

Gams软件求解结果如图4所示。

图4 Gams软件求解结果

电池充电、放电控制结果如表1、表2所示。

由图4、表1、表2得到针对原始数据的24 h周期内的充放电策略:Rev2=-3 645.007元,即虚拟电厂需要支出3 645.007元;设定充电动作为正,放电动作为负。因此,电池充放电动作策略集合A=[0,0,1,1,1,1,-1,0,1,0,-1,-1,-1,-1,-1,1,1,-1,1,-1,-1,0,1,-1]。

表1 电池充电控制结果

表2 电池放电控制结果

电池储能调度结果如图5所示。在电价低谷时段向电网购买电,利用电池储能存储起来,在电价高峰时段,减少向电网的购电量,优先使用电池储能的电。在用电高峰12∶00、13∶00,购买的电量比较少的原因有两方面,一方面是电池储能给建筑供电,另一方面是实施了需求响应,分别减少了80 kWh和60 kWh。

需求响应建筑负荷前后变化如图6所示,在中午12∶00～14∶00进行了需求响应,初始电负荷最大值为210.43 kW,经过负荷削减后,建筑负荷降至130.43 kW。按实施需求响应的激励电价1.6元/kW计算,可以获利128元。

图6 需求响应建筑负荷前后变化

3 结 语

针对传统建筑负荷控制参与电网峰谷调节时,并没有考虑实际虚拟电厂中的建筑分布式发电单元和储能单元,分布式发电单元以及其他负荷的功率波动将会带来不确定性和复杂性,基于此提出了一种基于需求响应的建筑负荷与储能单元协调控制策略,建立了储能系统和需求响应的数学模型,通过Gams软件调用cplex求解器,给出了电池储能的调控策略。结果证明基于需求响应的建筑负荷可以通过激励电价,鼓励用户改变用能习惯和用能量,储能系统能够平抑分布式能源并网带来的功率波动问题,还可以充分利用电网分时电价的特点,在电价高峰时段供能,减少从电网的购电成本,在电价低谷时段,购买电给储能系统存储起来,从而获得一定的经济收益。