考慮可靠性及靈活性的風光儲虛擬電廠分層容量配置

白雪巖，樊艷芳，劉雨佳，宋雨露

考慮可靠性及靈活性的風光儲虛擬電廠分層容量配置

白雪巖，樊艷芳，劉雨佳，宋雨露

(新疆大學電氣工程學院，新疆 烏魯木齊 830017)

可再生能源出力的隨機波動性和不確定性使得系統(tǒng)可靠性在急劇下降的同時，系統(tǒng)靈活性需求劇增，這會導致可再生能源消納能力大幅下降，資源浪費現(xiàn)象嚴重。針對上述問題，提出一種兼顧可靠性、靈活性和經(jīng)濟性的風光儲虛擬電廠分層容量配置策略。其中，上層模型從利用分時電價引導用戶響應可再生能源出力變化的角度，制定可削減、可轉(zhuǎn)移負荷的調(diào)度方案。中層模型從可靠性最佳的角度，制定儲能電池容量配置方案。下層模型在靈活性指標的約束下，從綜合運行成本最優(yōu)的角度，進一步完善中層模型制定的儲能電池容量配置方案。最后，以新疆某地區(qū)負荷數(shù)據(jù)為例，進行了仿真驗證。結(jié)果表明所提方法具有明顯的經(jīng)濟效益，為碳達峰、碳中和提供新思路。

可再生能源；虛擬電廠；分時電價；可靠性；靈活性；容量配置；儲能電池

0 引言

隨著我國碳達峰與碳中和目標的提出，可再生能源在一次能源消費中的比重不斷增加，逐漸呈現(xiàn)出“風光領(lǐng)跑、多源協(xié)調(diào)”的態(tài)勢，可再生能源在新型電力系統(tǒng)中必將成為主要的能源形勢。在眾多提升可再生能源消納能力的技術(shù)方案中，虛擬電廠(Virtual Power Plant, VPP)將各種能源與電網(wǎng)連接，實現(xiàn)能源的整合與分配，提高VPP整體可靠性[1-4]及靈活性，使其能夠比擬常規(guī)電廠積極參與電網(wǎng)調(diào)度，提升電網(wǎng)對可再生能源的接納能力，是實現(xiàn)電網(wǎng)互動化、智能化的可行途徑。

在VPP并網(wǎng)時，需考慮輸出功率不確定性的影響[5-6]，這就要求其內(nèi)部各能源之間要合理配合[7-12]，從而實現(xiàn)提高系統(tǒng)可靠性、靈活性以及輸出高質(zhì)量電能的目的。文獻[13]結(jié)合國內(nèi)某風儲系統(tǒng)示范項目，提出基于商業(yè)型虛擬電廠的儲能系統(tǒng)運行方式，利用儲能調(diào)節(jié)風電出力，達到VPP獲取更大收益的目的。文獻[14]從工業(yè)用戶角度出發(fā)，將用戶對于冷、熱、電能的需求納入需求響應范圍內(nèi)，提出基于多能互補的工業(yè)用戶電/熱綜合需求響應模型。該模型可根據(jù)上級調(diào)峰指令，指導用戶合理調(diào)整其用能策略，從而有效緩解電力缺額。文獻[15]在風電場的交流側(cè)接入飛輪儲能系統(tǒng)，提出了一種新的風電場輸出功率平滑控制策略。文獻[16]考慮可削減、可平移、可轉(zhuǎn)移柔性負荷之間的協(xié)調(diào)互補性，分別以熱/電負荷曲線標準差和系統(tǒng)綜合運行成本最低為目標，建立了虛擬電廠熱電聯(lián)合雙層協(xié)調(diào)優(yōu)化運行模型。上述文獻分別從源側(cè)與荷側(cè)角度考慮利用可控能源與柔性負荷配合可再生能源出力，達到提高系統(tǒng)輸出電能質(zhì)量以及獲取更大收益的目的。當大規(guī)?？稍偕茉床⒕W(wǎng)時，僅通過可控能源與柔性負荷分別配合可再生能源出力具有一定局限性，而風光儲VPP分層容量配置模型同時考慮源側(cè)與荷側(cè)的可控資源，并深度挖掘其調(diào)度潛力，在提高VPP輸出電能質(zhì)量的同時，提升電網(wǎng)對可再生能源的接納能力，為碳達峰、碳中和提供新思路。

VPP調(diào)度模型不僅能夠保證電網(wǎng)正常運行，也可提升自身及電網(wǎng)的綜合運行效益。文獻[17]引入置信水平量化不確定性，以VPP計劃調(diào)度收益最大為目標，建立VPP經(jīng)濟調(diào)度模型。文獻[18]以全網(wǎng)運行成本最低和VPP整體經(jīng)濟效益最大為優(yōu)化目標，實現(xiàn)VPP的雙層調(diào)度。文獻[19]以各時段內(nèi)獲得收益最大為目標，構(gòu)建了基于分時電價的虛擬電廠經(jīng)濟性優(yōu)化調(diào)度模型。文獻[20]以含風、光、水電的虛擬電廠自身收益最大化為目標，構(gòu)建虛擬電廠多電源協(xié)同調(diào)度隨機模型。文獻[21]在以場景分析法處理風光出力不確定性的基礎上，以VPP最大運行收益為目標，構(gòu)建了虛擬電廠單獨調(diào)度、多虛擬電廠協(xié)同調(diào)度以及虛擬電廠/配電公司聯(lián)合優(yōu)化三種模型。上述文獻在考慮不同因素的基礎上，以VPP計劃收益最大為目標，構(gòu)建經(jīng)濟調(diào)度模型，從而實現(xiàn)VPP效益最大化或成本最小化。但很少有文獻考慮可靠性及靈活性對VPP經(jīng)濟效益造成的影響，甚至以可靠性及靈活性指標做為VPP優(yōu)化目標。而可靠性及靈活性貫穿于電力系統(tǒng)的各個部門，可對電力系統(tǒng)持續(xù)供電的能力以及電力系統(tǒng)響應負荷和波動電源變化而隨之調(diào)節(jié)的能力進行準確評價，是對VPP進行規(guī)劃、調(diào)度和運行的決策基礎。因此，研究VPP可靠性及靈活性對其經(jīng)濟效益的影響具有重要意義。

當VPP可靠性及靈活性較差時，會加劇常規(guī)能源對可再生能源的擠出效應，致使電網(wǎng)對可再生能源供電能力信任度的下降，棄風棄光現(xiàn)象嚴重。針對該問題，研究發(fā)現(xiàn)儲能系統(tǒng)能夠適時地動態(tài)吸收或釋放能量，優(yōu)化可再生能源出力，對于提高VPP可靠性及靈活性具有顯著作用。文獻[22]利用序貫蒙特卡洛法構(gòu)建風光儲發(fā)電系統(tǒng)的可靠性評估模型，分析在不同風光容量配置比和儲能容量的條件下，風光儲發(fā)電系統(tǒng)的可靠性指標。文獻[23]以蓄電池的3種不同充電策略為重點，采用序貫蒙特卡洛法研究分布式風光儲發(fā)電系統(tǒng)的可靠性評估。文獻[24-25]利用儲能系統(tǒng)降低風光出力的波動性，進而提高風光儲系統(tǒng)整體的可靠性。此外，國內(nèi)外已有成功的工程實例[26-27]。上述文獻通常選取LOLP、LOLE、EENS為代表的可靠性指標評估VPP可靠性，并根據(jù)這些指標制定儲能系統(tǒng)容量配置方案，從而提升可再生能源的消納能力。但上述指標僅僅是從充裕性的角度衡量VPP可靠性，并未考慮由于可再生能源出力的波動性和不確定性及負荷需求變化所導致VPP向上/向下發(fā)電容量不足和向上/向下爬坡速率不足等靈活性不足對儲能系統(tǒng)容量配置方案的影響。因此，針對上述問題，綜合考慮VPP可靠性與靈活性，合理配置儲能系統(tǒng)容量，對于降低資源浪費、提高可再生能源的利用率以及電網(wǎng)對其調(diào)度的積極性具有重要意義。

綜上所述，本文提出了一種考慮可靠性及靈活性的風光儲VPP分層容量配置策略，并根據(jù)每一層不同的目標函數(shù)，分別構(gòu)建數(shù)學模型。其中，上層模型考慮可削減與可轉(zhuǎn)移負荷靈活調(diào)配能力，建立考慮分時電價的負荷曲線優(yōu)化模型，從利用分時電價引導用戶響應可再生能源出力變化的角度，制定可削減負荷與可轉(zhuǎn)移負荷調(diào)度方案；中層模型考慮可再生能源消納最大化，建立考慮VPP可靠性的儲能電池容量配置模型，從可靠性最佳即可再生能源消納最大化的角度制定儲能電池容量配置方案；下層模型考慮可再生能源機組的最大/最小出力限制、向上/向下發(fā)電容量不足以及向上/向下爬坡速率不足等靈活性不足問題，建立考慮VPP綜合運行成本的儲能電池容量配置模型，在靈活性指標的約束下，從VPP綜合運行成本最優(yōu)的角度進一步完善中層模型制定的儲能電池容量配置方案。最后，以新疆某地區(qū)負荷數(shù)據(jù)驗證本文所提模型的有效性。

1 考慮分時電價的負荷曲線優(yōu)化模型

2 電力系統(tǒng)可靠性及靈活性評估模型

本節(jié)給出電力系統(tǒng)可靠性及靈活性評估模型，首先介紹電力系統(tǒng)可靠性及靈活性評估原理，然后建立可靠性及靈活性指標體系，并基于蒙特卡洛模擬法，構(gòu)建電力系統(tǒng)可靠性及靈活性評估模型。

2.1 電力系統(tǒng)可靠性及靈活性評估原理

圖1是新疆某地區(qū)一天的風光出力、負荷和凈負荷數(shù)據(jù)曲線。

圖1 新疆某地區(qū)一天的風光出力、負荷和凈負荷數(shù)據(jù)曲線

從圖1可以看出，某些時段風光出力小于負荷需求，如果此時系統(tǒng)備用容量不能彌補二者之間的差值，會造成停電現(xiàn)象；同時，由于風光的接入，致使凈負荷曲線變化更加劇烈，主要造成了凈負荷曲線在多個時段出現(xiàn)更陡的爬坡和更顯著的低谷。若僅通過負荷和風光出力曲線評估風光儲VPP可靠性，并在此基礎上制定儲能電池的容量配置方案，顯然是不準確的，容易導致資源浪費，棄風棄光現(xiàn)象嚴重。因此，綜合考慮風光儲VPP可靠性及靈活性，合理制定儲能電池的容量配置方案，使風光儲VPP能夠在更好地滿足負荷需求的同時，具備更好的爬坡能力、足夠的旋轉(zhuǎn)備用及更低的出力下限，以適應更陡峭的爬坡事件和降負荷低谷。

2.2 可靠性及靈活性評估指標體系

2.2.1可靠性指標體系

1) 電力不足時間概率

2) 電力不足時間期望

3) 電量不足時間期望

式中：為電量不足期望；P為第時間段第天第小時停運容量大于等于的概率；L為第時間段第天第小時的小時負荷。該指標表示電力系統(tǒng)由于機組受迫停運而對用戶減少供電的期望值，并綜合表達了停電次數(shù)、平均持續(xù)時間和平均停電功率。

2.2.2靈活性指標體系[29]

1) 向上發(fā)電容量不足概率

2) 向上發(fā)電容量不足期望值

3) 向下發(fā)電容量不足概率

4) 向下發(fā)電容量不足期望值

5) 向上爬坡速率不足概率

6) 向上爬坡速率不足期望值

7) 向下爬坡速率不足概率

8) 向下爬坡速率不足期望值

9) 向上靈活性不足概率

10) 向上靈活性不足期望值

11) 向下靈活性不足概率

12) 向下靈活性不足期望值

2.3 虛擬電廠可靠性及靈活性評估流程

基于序貫蒙特卡洛法VPP可靠性及靈活性指標的計算步驟如下。

步驟1 輸入風電場、光伏電站的出力數(shù)據(jù)。

步驟2 模擬各個風電場、光伏電站全年的出力序列。

步驟3 利用元件故障概率修正各個風電場、光伏電站全年出力序列。

步驟4 輸入全年負荷數(shù)據(jù)。

步驟5 計算各個風電場、光伏電站的可靠性指標，并統(tǒng)計VPP可靠性指標。其中VPP可靠性指標計算公式如式(21)所示。

步驟6 判斷是否達到VPP可靠性評估設定的年限R，如果是，輸出VPP可靠性指標；如果否，則返回步驟3。

步驟7 計算此時各個風電場、光伏電站的靈活性指標并統(tǒng)計VPP靈活性指標。其中VPP靈活性指標計算公式如式(22)所示。

步驟9 輸出VPP的可靠性及靈活性指標。

綜上所述，可得到VPP可靠性及靈活性評估流程，如圖2所示。

圖2 VPP可靠性及靈活性評估流程

3 風光儲虛擬電廠模型構(gòu)建及控制策略

3.1 虛擬電廠模型的構(gòu)建

研究發(fā)現(xiàn)，受當?shù)貧夂蛞蛩赜绊?，可再生能源出力在具有不確定性的同時呈現(xiàn)出季節(jié)特性[30]。因此，本文以季度作為研究周期，將風電場、光伏電站、儲能電池、可削減負荷、可轉(zhuǎn)移負荷共同組成VPP模型，除儲能電池外VPP不再單獨配置儲能裝置，其模型如圖3所示。

圖3 VPP構(gòu)成

其中，風電場、光伏電站、儲能電池可參考文獻[31]所示的數(shù)學模型，可轉(zhuǎn)移負荷、可削減負荷可參考文獻[32]所示的數(shù)學模型。

3.2 各單元控制策略

本文提出的風光儲VPP分層容量配置模型是在充分考慮源側(cè)可控資源的基礎上又融入了荷側(cè)可控資源，并按照下述控制策略進行調(diào)度，以提高可再生能源的利用率。

3.2.1風電場、光伏電站控制策略

在本文構(gòu)建的VPP模型中，風電場、光伏電站按照實際出力全部參與調(diào)度，盡量避免棄風、棄光。

3.2.2可削減負荷與可轉(zhuǎn)移負荷控制策略

在本文構(gòu)建VPP模型中，可削減負荷與可轉(zhuǎn)移負荷通過分析用戶響應意愿對負荷進行削減與轉(zhuǎn)移。其控制過程如下：VPP上層模型首先判斷風光出力與負荷差值的大小，然后根據(jù)用戶響應意愿的先后順序，選取滿足調(diào)度要求的用戶。常見可削減負荷有照明負荷等；常見可轉(zhuǎn)移負荷有空調(diào)，電動汽車等。

3.2.3儲能電池控制策略

中層模型的儲能電池主要用于補償風光出力與負荷之差，提高VPP可靠性。在風光出力過剩時段，多余電量優(yōu)先對儲能電池充電；風光出力不足時段，儲能電池放電填補缺失電量。下層模型的儲能電池主要用于改善VPP不能及時響應負荷和波動電源變化而造成的靈活性不足問題，進而提高VPP靈活性調(diào)節(jié)能力。在VPP向上靈活性不足時段，儲能電池放電；在VPP向下靈活性不足時段，儲能電池充電。

3.2.4 購售電策略

在中層模型，當風光出力大于負荷需求時，多余電量優(yōu)先對儲能電池充電，當儲能電池的電量達到額定容量后若仍有剩余，此時剩余電量采取余電上網(wǎng)措施。在下層模型，當風光出力供給負荷后仍有剩余時，剩余電量采取余電上網(wǎng)措施。此外，在下層模型中，當儲能電池具有充電需求時，需向電網(wǎng)購電。

4 風光儲虛擬電廠分層容量配置模型

為了使新能源得到迅速發(fā)展和大規(guī)模的開發(fā)與利用，本節(jié)提出考慮可靠性及靈活性的風光儲VPP分層容量配置模型。

4.1 虛擬電廠分層容量配置模型總體框架

在本文構(gòu)建的VPP模型中，上層模型為考慮分時電價的負荷曲線優(yōu)化模型，從利用分時電價引導用戶響應可再生能源出力變化的角度，制定可削減與可轉(zhuǎn)移負荷的調(diào)度方案；中層模型為考慮VPP可靠性的儲能電池容量配置模型，從可靠性最佳即可再生能源消納最大的角度，制定儲能電池容量配置方案；下層模型為考慮VPP綜合運行成本的儲能電池容量配置模型，在靈活性指標的約束下，從綜合運行成本最優(yōu)的角度，進一步完善中層模型制定的儲能電池容量配置方案，其模型框架圖4所示。

4.2 上層模型

為了提高可再生能源出力曲線與負荷曲線的吻合度，緩解中下層模型利用儲能電池提高VPP可靠性及靈活性的壓力，上層模型采用分時電價引導用電負荷盡可能跟隨可再生能源出力Ei的變化趨勢。上層模型目標函數(shù)為

4.3 約束條件

1) 采用分時電價前后用電負荷總量約束為

2) 為保證用戶在可接受范圍內(nèi)參與電價響應，對用戶滿意度進行約束：

圖4 VPP分層容量配置模型框架圖

3) 任意時段負荷功率轉(zhuǎn)移上限約束為

4.4 中層模型

為了提高可再生能源消納能力，同時為下層模型儲能電池的容量配置方案提供準確參考，因此中層模型以可靠性最佳為目標函數(shù)，制定儲能電池的容量配置方案，在本文選取的可靠性指標中，電量不足期望值綜合表達了停電次數(shù)、平均持續(xù)時間和平均停電量，因此，本文將式(8)所示電量不足期望值EENS作為主要參考指標，其余指標作為輔助參考指標。其目標函數(shù)為

4.5 下層模型

為了在提高VPP靈活性調(diào)節(jié)能力的同時提高其經(jīng)濟效益，因此下層模型以綜合運行成本最佳為目標函數(shù)，在靈活性指標的約束下，進一步完善中層模型制定的儲能電池容量配置方案，其目標函數(shù)為

4.6 約束條件

1)?電力系統(tǒng)功率平衡約束

2) 風電機組運行約束[33]

3) 光伏出力單元運行約束

4) 儲能電池運行約束

5) 靈活性約束[34]：

式中：min、max分別為VPP輸出功率的最小值和最大值；UP、DP分別為VPP向上爬坡速率和向下爬坡速率的最大值。

4.7 電網(wǎng)功率交互模型

當VPP產(chǎn)生盈余電量時，需向電網(wǎng)售電以獲取收益，其輸出總功率不得超過當?shù)刈儔浩骱途€路限額，其約束為

4.8 模型求解

本文構(gòu)建的風光儲VPP分層容量配置模型為混合整數(shù)線性規(guī)劃問題，在多條件約束下利用粒子群算法[35]對調(diào)度模型進行求解。其流程如附錄附圖1所示。

5 算例分析

5.1 數(shù)據(jù)采集

本文以新疆某地區(qū)全年負荷數(shù)據(jù)進行分析驗證，該地區(qū)包含：6個風電場，其中1個容量為50 MW，2個容量為100 MW，一個容量為150 MW，2個容量為200 MW；3個光伏電站，其容量均為20 MW；可轉(zhuǎn)移負荷及可削減負荷容量共為8 MW。

5.2 結(jié)果及分析

5.2.1負荷曲線優(yōu)化前后對比

考慮到可再生能源出力的季節(jié)特性，本節(jié)以春夏秋冬4個典型日為例，分析VPP上層模型優(yōu)化結(jié)果，其結(jié)果如圖5所示。

圖5 負荷曲線優(yōu)化對比

由圖5可知，當負荷曲線優(yōu)化模型僅考慮分時電價時，負荷轉(zhuǎn)移量及負荷削減量最多，此時，對負荷曲線的優(yōu)化效果最為明顯，可以有效緩解中下層模型利用儲能電池提高VPP可靠性及靈活性的壓力，但此舉會導致用戶滿意度下降，進而影響用戶響應的積極性。而當負荷曲線優(yōu)化模型在上述基礎上繼續(xù)考慮用戶滿意度后，用戶可在自身接受范圍內(nèi)根據(jù)電價調(diào)整用電需求，雖然負荷轉(zhuǎn)移量及負荷削減量有所減少，但對用戶用電滿意度影響減小，可確保分時電價的有效實施。

5.2.2僅考慮源側(cè)與同時考慮源荷側(cè)可調(diào)控資源的虛擬電廠可靠性指標及靈活性指標對比

為充分說明VPP上層模型對提高VPP可靠性及靈活性的有效性，本節(jié)采用兩種方案對VPP可靠性及靈活性進行評估。方案一：僅考慮源側(cè)可調(diào)控資源計算VPP可靠性及靈活指標；方案二：同時考慮源荷側(cè)可調(diào)控資源計算VPP可靠性及靈活性指標。計算結(jié)果如表1和表2所示。

從表1、表2中可看出，方案二計算所得結(jié)果優(yōu)于方案一。以第一季度為例，方案二的可靠性指標比方案一分別降低6.50%、8.18%、8.26%；方案二的靈活性指標比方案一分別降低8.25%、6.54%、8.26%、7.41%。其主要原因在于，方案二在充分考慮源側(cè)可調(diào)控資源的基礎上，最大限度挖掘荷側(cè)資源的調(diào)控潛力，使負荷曲線與風光出力曲線的吻合度最大的同時，也提高了系統(tǒng)靈活性調(diào)節(jié)的能力。在有效緩解中下層模型利用儲能電池提高VPP可靠性及靈活性壓力同時，也驗證了上層模型在提高VPP可靠性及靈活性上具有一定效果。

表1 不同方案的VPP可靠性指標

表2 不同方案的VPP靈活性指標

5.2.3可再生能源裝機容量對虛擬電廠可靠性及靈活性指標的影響

為了合理制定儲能電池的容量配置方案，需分別對VPP可靠性及靈活性進行評估。因此，本文分別計算不同可再生能源裝機容量下VPP的可靠性及靈活性指標。在本節(jié)構(gòu)建的VPP中儲能電池的容量配置為200 MWh，以第一季度為例，計算結(jié)果如表3和表4所示。

表3 VPP可靠性指標

表4 VPP靈活性指標

從表3和表4中可看出，有的季度LOLP雖然不足0.3，但UPAS和DPAS卻很大，有的甚至超過1。說明這些季度雖然負荷需求不大，但負荷向上增加或向下減少的速度卻很大。此外，從表3和表4中還可看出，隨著可再生能源裝機容量的增加，VPP可靠性指標逐漸減小，靈活性指標逐漸增加。上述結(jié)果和變化趨勢說明隨著可再生能源裝機容量的增加，VPP滿足負荷需求的能力增強，同時，也會造成VPP靈活性調(diào)節(jié)能力不足的問題。其原因在于，可再生能源出力的隨機性和不確定性，不僅會造成凈負荷曲線波動劇烈而且還會使得凈負荷小于VPP出力下限。由此可說明，可靠性指標僅反映VPP可用發(fā)電容量是否滿足每個時刻的負荷需求。但這些指標并不能反映每個時刻的負荷需求是否在VPP容量的可調(diào)范圍內(nèi)，也不能反映VPP爬坡速率是否滿足相鄰時刻的負荷變化。因此，在評估VPP可靠性的基礎上，還需對其靈活性進行評估，為合理制定儲能電池的容量配置方案提供有力支撐。

5.2.4儲能電池容量對虛擬電廠可靠性及靈活性指標的影響

本節(jié)分別對中下層模型儲能電池的容量配置方案對VPP可靠性及靈活性指標的影響進行分析。

1) 中層模型儲能電池對VPP可靠性指標的影響

本節(jié)分析加入不同容量的儲能電池對VPP可靠性指標的影響，仿真結(jié)果如圖6所示。

圖6 不同儲能電池容量下VPP可靠性指標

從圖6中可看出，不同儲能電池容量下虛擬電廠的LOLP、EENS、LOLE值。分析圖6可知，在VPP包含可再生能源電廠數(shù)量固定的情況下，增加儲能電池容量，與加入之前的VPP相比LOLP、EENS、LOLE分別降低了29.14%、65.06%、61.55%，充分說明了儲能電池對提高VPP可靠性指標具有非常有效的作用。雖然儲能電池的加入能夠明顯提升VPP可靠性，但是從圖6的變化曲線中可以看到明顯的拐點，儲能電池容量在超過315 MWh之后，3條曲線都開始逐漸趨向平穩(wěn)。說明儲能電池容量在超過315 MWh之后對VPP可靠性的提升非常小。

2) 下層模型儲能電池對VPP靈活性指標的影響

由于可靠性指標僅僅反映VPP充裕性，并不能反映每個時刻的負荷需求是否在VPP容量的可調(diào)范圍內(nèi)，也不能反映VPP的爬坡速率是否滿足相鄰時刻的負荷變化。因此，本節(jié)在中層模型的基礎上，根據(jù)下層模型求得的儲能電池容量配置方案，繼續(xù)分析不同儲能電池容量對VPP靈活指標的影響，其仿真結(jié)果如圖7所示。

分析可知，下層模型是在中層模型求得儲能容量配置結(jié)果的基礎上，再次對儲能配置容量進行修正。在下層模型中，與加入儲能電池之前的VPP靈活性指標相比，分別降低了7.65%、1.82%、4.29%、4.95%。充分說明儲能電池對提高VPP靈活性指標具有非常有效的作用。從圖7中可看出，當儲能容量配置為0 MWh時，系統(tǒng)的靈活性調(diào)節(jié)能力依然較差，充分說明僅考慮系統(tǒng)可靠性指標對儲能容量進行配置的不足。此外，隨著儲能電池容量的增加，VPP靈活性指標逐漸減小。充分說明，儲能電池靈活的吞吐能力使得系統(tǒng)的靈活性增強。從圖7中還可看出，當儲能電池容量小于90 MWh時，隨著儲能電池容量的增加，VPP各靈活性指標下降幅度較大，說明此時儲能電池對提升VPP靈活性效果顯著；當儲能電池容量大于90 MWh時，隨著儲能電池容量的增加，VPP各靈活性指標下降速度減慢，說明此時儲能電池對提升VPP的靈活性效果微弱，若單純利用儲能電池提高VPP靈活性具有局限性。

圖7 不同儲能電池容量下VPP靈活性指標

5.2.5考慮可靠性及靈活性虛擬電廠中下層模型調(diào)度結(jié)果分析

本節(jié)以春夏秋冬4個典型日為代表，分別對VPP分層調(diào)度模型的中下層調(diào)度結(jié)果進行分析。

1) 中層模型調(diào)度結(jié)果

由VPP中層模型的求解結(jié)果可知，儲能電池容量在293 MWh時，VPP可靠性達到最佳，其調(diào)度結(jié)果如圖8所示。以春季典型日為例，分析如下：在03：00—06：00，17：00—21：00，24：00時段，由于風光出力不能滿足負荷需求，致使VPP可靠性降低。為了提高VPP供電可靠性，此時儲能電池優(yōu)先放電，彌補缺失電量；在01：00—02：00，09：00—13：00，23：00時段，風光出力大于負荷需求，此時優(yōu)先對儲能電池充電；在13：00—16：00時段，由于風光出力大于負荷需求，多余電量優(yōu)先對儲能電池充電，在儲能電池電量達到額定容量后，VPP仍然還有剩余電量，此時向電網(wǎng)售電以獲取收益，降低運行成本。通過儲能電池的充放電，可在提高風光消納的同時，增強VPP的供電可靠性，有助于提升電網(wǎng)對可再生能源的接納能力。

圖8 中層模型各能源調(diào)度

2) 下層模型調(diào)度結(jié)果

下層模型在上述基礎上，主要針對VPP靈活性不足問題，并以經(jīng)濟最大化為優(yōu)化目標，利用儲能電池對中層模型制定的儲能電池容量配置方案做進一步完善。由VPP下層模型的求解結(jié)果可知，儲能電池容量約為72 MWh時，VPP經(jīng)濟性達到最佳，其調(diào)度結(jié)果如圖9所示。

以春季典型日為例，分析如下：在02：00和18：00時段，VPP向下靈活性調(diào)節(jié)能力不能滿足負荷向下的靈活性需求，此時需對儲能電池充電，以提高VPP向下靈活性調(diào)節(jié)能力；在13：00和17：00時段，VPP向上靈活性調(diào)節(jié)能力不能滿足負荷向上的靈活性需求，此時，儲能電池需對外放電以提高VPP向上的靈活性調(diào)節(jié)能力。由于在13：00和17：00時段，儲能電池對外放電后剩余電量未達到額定容量，具有充電需求，此時需向電網(wǎng)購電。在02：00—8：00，12：00，14：00—16：00，19：00—23：00時段，由于風光出力大于負荷需求，此時向電網(wǎng)出售多余電量，以降低VPP運行成本，提高經(jīng)濟效益。通過觀察圖9不難發(fā)現(xiàn)，在VPP可靠性最佳的情況下，儲能電池依然存在充放電時段。其原因在于，中層模型僅針對VPP的可靠性對儲能電池進行容量配置，并未考慮其靈活性問題。而下層模型則主要針對VPP向上/向下發(fā)電容量不足以及向上/向下爬坡速率不足等靈活性不足問題，繼續(xù)利用儲能電池提高VPP靈活性調(diào)節(jié)的能力，從而使VPP獲取更大的收益。由此，充分說明僅考慮VPP可靠性配置儲能電池容量具有諸多不足，應綜合考慮VPP可靠性和靈活性，合理制定儲能電池的容量配置方案。

圖9 下層模型各能源調(diào)度

5.2.6僅考慮可靠性與綜合考慮可靠性及靈活性虛擬電廠的綜合運行成本對比分析

在本節(jié)中將設定兩種方案對VPP綜合運行成本進行對比。方案一：考慮可靠性的VPP綜合運行成本；方案二：考慮可靠性及靈活性的VPP綜合運行成本。結(jié)果如表5所示。

由表5可知，從第一季度至第四季度，方案二的綜合運行成本均比方案一低，分別下降約17.05%、27.32%、31.86%、39.51%；方案二的余電上網(wǎng)收益均比方案一高，分別提高約89.15%，94.17%，94.80%，95.74%；方案二的電量不足懲罰均比方案一低，分別下降約58.97%、44.60%、33.26%、53.78%。充分體現(xiàn)了綜合考慮可靠性及靈活性VPP經(jīng)濟上的顯著優(yōu)勢。其原因主要在于方案一僅考慮VPP可靠性并利用儲能電池進行優(yōu)化，該方案僅在滿足可靠性的基礎上，利用風光余電上網(wǎng)獲取收益，并未考慮由于VPP的靈活性調(diào)節(jié)能力不足導致的電量缺失懲罰問題，而方案二恰恰彌補了方案一的不足之處，該方案利用儲能電池提高了VPP的靈活性調(diào)節(jié)能力，使VPP在滿足可靠性的基礎上，盡量降低由于電量缺失導致的懲罰成本，充分利用風光余電上網(wǎng)獲取收益，補貼VPP綜合運行成本，提高經(jīng)濟效益。

表5 VPP綜合運行成本

6 結(jié)語

本文針對可再生能源出力的隨機性和不確定性，提出一種兼顧可靠性、靈活性和經(jīng)濟性的風光儲VPP分層容量配置策略。根據(jù)仿真結(jié)果可得到如下結(jié)論：

1) 本文所提風光儲VPP分層容量配置模型在考慮源側(cè)可控資源的基礎上又融入了荷側(cè)可控資源，如可削減負荷與可轉(zhuǎn)移負荷，該負荷通過在可接受的削減或轉(zhuǎn)移時間區(qū)間內(nèi)靈活調(diào)配，使負荷曲線與可再生能源出力曲線的吻合度達到最佳，有效

緩解了中下層模型利用儲能電池提高VPP可靠性及靈活性的壓力，減少資源浪費。

2) 本文所提風光儲VPP分層容量配置模型在充分考慮可靠性的基礎上又考慮了靈活性，彌補了以往僅考慮VPP可靠性的儲能電池容量配置方案的不足，可為VPP確定合理的儲能電池容量配置方案提供指導，提升電網(wǎng)對可再生能源的接納能力，提高資源利用率。

3) 本文所提風光儲VPP分層容量配置模型具有明顯的經(jīng)濟效益，可為VPP優(yōu)化運行提供輔助決策支撐，提升調(diào)度運行的科學性及合理性，對于我國VPP的發(fā)展具有重要指導意義。

需要指出的是，本文僅考慮儲能電池對提高VPP可靠性及靈活性的效果，未來將充分挖掘其他可調(diào)控資源的潛力，進一步研究氫燃料電池、飛輪儲能等資源對提升VPP可靠性及靈活性的影響。

附錄

附圖1 VPP分層容量配置模型求解流程

Attached Fig.1 Solution flow of VPP hierarchical capacity configuration model

[1] PUDJIANTO D, RAMSAY C, STRBAC G.Virtual power plant and system integration of distributed energy resources[J].Renewable Power Generation, 2007, 1(1): 10-16.

[2] 李紅霞, 樊偉, 李楠, 等.考慮風光不確定性的電氣互聯(lián)虛擬電廠近零碳調(diào)度優(yōu)化模型[J].電力建設, 2020, 41(9): 10-19.

LI Hongxia, FAN Wei, LI Nan, et al.Near-zero carbon dispatching optimization model of virtual power plant connected with power-to-gas considering uncertainties of wind and photovoltaic power[J].Electric Power Construction, 2020, 41(9): 10-19.

[3] 楊洪朝, 楊迪, 孟科.高比例可再生能源滲透下多虛擬電廠多時間尺度協(xié)調(diào)優(yōu)化調(diào)度[J].智慧電力, 2021, 49(2): 60-68.

YANG Hongzhao, YANG Di, MENG Ke.Multi-time scale coordination optimal scheduling of multiple virtual power plants with high-penetration renewable energy integration[J].Smart Power, 2021, 49(2): 60-68.

[4] 宣文博, 李慧, 劉忠義, 等.一種基于虛擬電廠技術(shù)的城市可再生能源消納能力提升方法[J].發(fā)電技術(shù), 2021, 42(3): 289-297.

XUAN Wenbo, LI Hui, LIU Zhongyi, et al.A method for improving the accommodating capability of urban renewable energy based on virtual power plant technology[J].Power Generation Technology, 2021, 42(3): 289-297.

[5] WAN Can, ZHAO Jian, SONG Yonghua, et al.Photovoltaic and solar power forecasting for smart and grid energy management[J].CSEE Journal of Power and Energy Systems, 2015, 1(4): 38-46.

[6] 陳凱玲, 顧聞, 王海群.考慮出力外特性的虛擬電廠多目標優(yōu)化調(diào)度[J].廣東電力, 2021, 34(3): 42-49.

CHEN Kailing, GU Wen, WANG Haiqun.Multi-objective optimal scheduling of virtual power plant considering external output characteristics[J].Guangdong Electric Power, 2021, 34(3): 42-49.

[7] 趙豐明, 樊艷芳.分時電價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)保護與控制, 2019, 47(20): 33-40.

ZHAO Fengming, FAN Yanfang.Bi level optimal of multi energy virtual power plant influenced by TOU price[J].Power System Protection and Control, 2019, 47(20): 33-40.

[8] 宋汶秦, 呂金歷, 趙玲霞, 等.光熱-風電聯(lián)合運行的電力系統(tǒng)經(jīng)濟調(diào)度策略研究[J].電力系統(tǒng)保護與控制, 2020, 48(5): 95-102.

SONG Wenqin, Lü Jinli, ZHAO Lingxia, et al.Study on the economic dispatch strategy of power system with combined operation of concentrated solar power and wind farm[J].Power System Protection and Control, 2020, 48(5): 95-102.

[9] 周欣怡, 齊先軍, 吳紅斌, 等.提高需求響應可靠性的儲能優(yōu)化配置研究[J].電力系統(tǒng)保護與控制, 2021, 49(2): 107-114.

ZHOU Xinyi, QI Xianjun, WU Hongbin, et al.Research on optimal allocation of energy storage to improve reliability of demand response[J].Power System Protection and Control, 2021, 49(2): 107-114.

[10]李浩博, 鄒海榮, 朱建紅.考慮風電計劃跟蹤的儲能調(diào)度模糊控制系統(tǒng)研究[J].電力系統(tǒng)保護與控制, 2021, 49(1): 125-132.

LI Haobo, ZOU Hairong, ZHU Jianhong.Research on a fuzzy control system for energy storage dispatching considering wind power plan tracking[J].Power System Protection and Control, 2021, 49(1): 125-132.

[11]張勇軍, 張鍶恒, 劉斯亮, 等.考慮分布式光伏與儲能接入的配變雙層規(guī)劃[J].電力系統(tǒng)保護與控制, 2020, 48(24): 9-15.

ZHANG Yongjun, ZHANG Siheng, LIU Siliang, et al.Dual planning of a distribution transformer considering the impact of distributed photovoltaics and energy storage access[J].Power System Protection and Control, 2020, 48(24): 9-15.

[12] LIU Runze, LIU Yu, JING Zhaoxia.Impact of industrial virtual power plant on renewable energy integration[J].Global Energy Interconnection, 2020, 3(6): 545-552.

[13]閆濤, 渠展展, 惠東, 等.含規(guī)?；姵貎δ芟到y(tǒng)的商業(yè)型虛擬電廠經(jīng)濟性分析[J].電力系統(tǒng)自動化, 2014, 38(17): 98-104.

YAN Tao, QU Zhanzhan, HUI Dong, et al.Economic analysis of the virtual power plant with large-scale battery energy storage system[J].Automation of Electric Power Systems, 2014, 38(17): 98-104.

[14]徐航, 董樹鋒, 何仲瀟, 等.基于多能互補的電/熱綜合需求響應[J].電網(wǎng)技術(shù), 2019, 43(2): 480-489.

XU Hang, DONG Shufeng, HE Zhongxiao, et al.Electro-thermal comprehensive demand response based on multi-energy complementarity[J].Power System Technology, 2019, 43(2): 480-489.

[15] 王俊橙.計及風電功率預測的飛輪儲能配合風電場并網(wǎng)的有功功率控制[D].成都: 西南交通大學, 2013.

WANG Juncheng.Active power control of wind farm integration to grid with flywheel energy storage considering wind power prediction[D].Chengdu: Southwest Jiaotong University, 2013.

[16] 王志南, 張宇華, 黃珂, 等.計及多種柔性負荷的虛擬電廠熱電聯(lián)合魯棒優(yōu)化調(diào)度模型[J].電力建設, 2021, 42(7): 1-10.

WANG Zhinan, ZHANG Yuhua, HUANG Ke, et al.Robust optimal scheduling model of virtual power plant combined heat and power considering multiple flexible loads[J].Electric Power Construction, 2021, 42(7): 1-10.

[17] 劉勝, 夏家輝, 陳波, 等.計及不確定性的虛擬電廠雙層經(jīng)濟調(diào)度[J].電力學報, 2019, 34(5): 445-452, 504.

LIU Sheng, XIA Jiahui, CHEN Bo, et al.Economic dispatch of virtual power plants considering uncertainty[J].Journal of Electric Power, 2019, 34(5): 445-452, 504.

[18] 張高, 王旭, 蔣傳文, 等.采用雙層優(yōu)化調(diào)度的虛擬電廠經(jīng)濟性分析[J].電網(wǎng)技術(shù), 2016, 40(8): 2295-2302.

ZHANG Gao, WANG Xu, JIANG Chuanwen, et al.Economic analysis of virtual power plant with bi-level optimization dispatch[J].Power System Technology, 2016, 40(8): 2295-2302.

[19] 袁桂麗, 陳少梁, 劉穎, 等.基于分時電價的虛擬電廠經(jīng)濟性優(yōu)化調(diào)度[J].電網(wǎng)技術(shù), 2016, 40(3): 826-832.

YUAN Guili, CHEN Shaoliang, LIU Ying, et al.Economic optimal dispatch of virtual power plant based on time-of-use power price[J].Power System Technology, 2016, 40(3): 826-832.

[20] 鄒云陽, 楊莉.基于經(jīng)典場景集的風光水虛擬電廠協(xié)同調(diào)度模型[J].電網(wǎng)技術(shù), 2015, 39(7): 1855-1859.

ZOU Yunyang, YANG Li.Synergetic dispatch models of a wind/PV/hydro virtual power plant based on representative scenario set[J].Power System Technology, 2015, 39(7): 1855-1859.

[21] 董文略, 王群, 楊莉.含風光水的虛擬電廠與配電公司調(diào)調(diào)度模型[J].電力系統(tǒng)自動化, 2015, 39(9): 75-81, 207.

DONG Wenlüe, WANG Qun, YANG Li.Wireless coordination control of multi-functional grid-tied inverters in microgrid[J].Automation of Electric Power Systems, 2015, 39(9): 75-81, 207.

[22] 白雪.風光儲發(fā)電系統(tǒng)的隨機生產(chǎn)模擬及電動汽車光伏充電站的可靠性評估[D].合肥: 合肥工業(yè)大學, 2018.

BAI Xue.Probabilistic production simulation of wind/photovoltaic/energy storage power system and reliability evaluation of PV-assisted charging station[D].Hefei: Hefei University of Technology, 2018.

[23] 葛少云, 王浩鳴, 王源山, 等.含分布式風光蓄的配電系統(tǒng)可靠性評估[J].電力系統(tǒng)自動化, 2012, 36(5): 16-23.

GE Shaoyun, WANG Haoming, WANG Yuanshan, et al.Reliability evaluation of distribution system including distributed wind turbines, photovoltaic arrays and batteries[J].Automation of Electric Power Systems, 2012, 36(5): 16-23.

[24] BILLINTON R.Reliability consideration in the utilization of wind energy, solar energy and energy storage in electric power systems[C] // International Conference on Probabilistic Methods Applied to Power System, June 11-15, 2006, Stockholm, Sweden: 1-6.

[25] HU P, KARKI R, BILLINTON R.Reliability evaluation of generating systems containing wind power and energy storage[J].IET Generation, Transmission and Distribution, 2009, 3(8): 783-791.

[26] 劉素琴, 黃可龍, 劉又年, 等.儲能釩液流電池研發(fā)熱點及前景[J].電池, 2005, 35(5): 356-359.

LIU Suqin, HUANG Kelong, LIU Younian, et al.The development and research progress in a energy storage unit—the vanadium redox flow battery[J].Batteries, 2005, 35(5): 356-359.

[27] 吳盛軍, 徐青山, 袁曉冬, 等.規(guī)模化儲能技術(shù)在電力系統(tǒng)中的需求與應用分析[J].電氣工程學報, 2017, 12(8): 10-15.

WU Shengjun, XU Qingshan, YUAN Xiaodong, et al.An analysis of requirements and applications of grid-scale energy storage technology in power system[J].Transactions of the Chinese Society of Electrical Engineering, 2017, 12(8): 10-15.

[28] 楊歡紅, 唐芃芃, 黃文燾.考慮用戶滿意度的基于需求側(cè)管理的微電網(wǎng)多目標優(yōu)化調(diào)度[J/OL].電測與儀表: 1-8[2021-07-19].http: //kns.cnki.net/kcms/detail/23.1202.TH.20210202.1741.002.html.

YANG Huanhong, TANG Pengpeng, HUANG Wentao.Multi-objective optimal dispatch of microgrid based on demand side management considering user satisfaction [J/OL].Electrical Measurement & Instrumentation: 1-8[2021-07-19].http: //kns.cnki.net/kcms/detail/23.1202.TH.20210202.1741.002.html.

[29] 趙福林, 俞嘯玲, 杜詩嘉, 等.計及需求響應的含大規(guī)模風電并網(wǎng)下電力系統(tǒng)靈活性評估[J].電力系統(tǒng)保護與控制, 2021, 49(1): 42-51.

ZHAO Fulin, YU Xiaoling, DU Shijia, et al.Assessment on flexibility of a power grid with large-scale wind farm integration considering demand response[J].Power System Protection and Control, 2021, 49(1): 42-51.

[30] 劉文霞, 何向剛, 吳方權(quán), 等.新能源發(fā)電出力特性指標及其數(shù)據(jù)化應用[J].電網(wǎng)與清潔能源, 2020, 36(9): 85-92.

LIU Wenxia, HE Xianggang, WU Fangquan, et al.New energy generation output characteristic index and its data application[J].Power System and Clean Energy, 2020, 36(9): 85-92.

[31] 陳健.風/光/蓄(/柴)微電網(wǎng)優(yōu)化配置研究[D].天津: 天津大學, 2014.

CHEN Jian.Research on optimal sizing of wind/solar/ battery (/diesel generator) microgrid[D].Tianjin: Tianjin University, 2014.

[32] 程林, 齊寧, 田立亭.考慮運行控制策略的廣義儲能資源與分布式電源聯(lián)合規(guī)劃[J].電力系統(tǒng)自動化, 2019, 43(10): 27-35, 43.

CHENG Lin, QI Ning, TIAN Liting.Joint planning of generalized energy storage resources and distributed generator considering operation control strategy[J].Automation of Electric Power Systems, 2019, 43(10): 27-35, 43.

[33] 龔裕仲, 江全元, 汪海蛟.考慮電網(wǎng)頻率偏差的風電功率爬坡限制指標動態(tài)優(yōu)化[J].電網(wǎng)技術(shù), 2015, 39(9): 2377-2384.

GONG Yuzhong, JIANG Quanyuan, WANG Haijiao.Dynamic optimization of wind power ramp limitation based on power system frequency deviation[J].Power System Technology, 2015, 39(9): 2377-2384.

[34] 蘇承國, 申建建, 王沛霖, 等.基于電源靈活性裕度的含風電電力系統(tǒng)多源協(xié)調(diào)調(diào)度方法[J].電力系統(tǒng)自動化, 2018, 42(17): 111-119.

SU Chengguo, SHEN Jianjian, WANG Peilin, et al.Coordinated dispatching method for wind-turbine- integrated power system with multi-type power sources based on power flexibility margin[J].Automation of Electric Power Systems, 2018, 42(17): 111-119.

[35] 張小艷, 許慧.基于改進粒子群算法的氣化配煤模型求解[J].煤炭技術(shù), 2021, 40(2): 196-199.

ZHANG Xiaoyan, XU Hui.Solution of gasification and coal blending model based on improved particle swarm optimization algorithm[J].Coal Technology, 201, 40(2): 196-199.

Wind power storage virtual power plant considering reliability and flexibility tiered capacity configuration

BAI Xueyan, FAN Yanfang, LIU Yujia, SONG Yulu

(School of Electrical Engineering, Xinjiang University, Urumqi 830017, China)

The random fluctuation and uncertainty of renewable energy cause system reliability to decline sharply and the need for system flexibility to increase sharply.This can lead to significant decrease of the renewable energy consumption and serious waste of resources.To solve the above problems, this paper proposes a hierarchical capacity allocation strategy of virtual power plant (VPP) considering reliability, flexibility and economy.An ‘upper’ model formulates a load reduction and transfer scheduling scheme from the perspective of guiding users to respond to the change of renewable energy output by using TOU price.A ‘middle-level’ model formulates the capacity configuration scheme of an energy storage battery from the perspective of optimal reliability.Under the constraint of a flexibility index, the ‘lower’ model further improves the energy storage battery capacity configuration scheme formulated by the middle model from the perspective of optimal and comprehensive operational cost.Finally, taking the load data of a region in Xinjiang as an example, a simulation is carried out.The results show that the proposed method has obvious economic benefits and provides a new idea for carbon peaking and carbon neutralization.

renewable energy; virtual power plant; time-of-use price; reliability; flexibility; capacity configuration; energy storage battery

10.19783/j.cnki.pspc.210962

2021-07-24；

2021-10-18

白雪巖(1995—)，女，碩士研究生，研究方向為可再生能源并網(wǎng)技術(shù)；E-mail: 972072754@qq.com

樊艷芳(1971—)，女，通信作者，碩士，教授，研究方向為新能源并網(wǎng)技術(shù)與電力系統(tǒng)保護。E-mail: fyf3985@ xju.edu.cn

國家自然科學基金項目資助(51767023)

This work is supported by the National Natural Science Foundation of China (No.51767023).

(編輯 周金梅)