文档介绍：该【考虑新能源出力不确定性风险的虚拟电厂双层调度策略 】是由【pdf】上传分享，文档一共【10】页，该文档可以免费在线阅读，需要了解更多关于【考虑新能源出力不确定性风险的虚拟电厂双层调度策略 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..考虑新能源出力不确定性风险的虚拟电厂双层调度策略程雪婷暴悦爽金玉龙李瑞张谦仲颖Bi-levelSchedulingStrategyforVirtualPowerPlantsConsideringtheRiskofNewEnergyOutputUncertaintyCHENGXueting,BAOYueshuang,JINYulong,LIRui,ZHANGQian,ZHONGYing引用本文:程雪婷,暴悦爽,金玉龙,[J].现代电力,2023,40(6):967-:-,BAOYueshuang,JINYulong,-levelSchedulingStrategyforVirtualPowerPlantsConsideringtheRiskofNewEnergyOutputUncertainty[J].ModernElectricPower,2023,40(6):967-:-:https:///--,36(6):52-60http://xddl./article/Y2019/I6/,40(4):570-576https:///--,37(6):654-663https:///--load-,36(3):11-18http://xddl./article/Y2019/I3/11考虑碳捕集和风电出力不确定性和电热联合系统多阶段鲁棒优化的低碳调度Multi-,40(3):363-371https:///-,38(6):591-600https:///-:..第?40?卷?第?6? ?年?12?月Modern?Electric?PowerDec. 2023?文章编号:1007?2322(2023)06?0967?09文献标志码:A中图分类号:TM72考虑新能源出力不确定性风险的虚拟电厂双层调度策略程雪婷1,暴悦爽1,金玉龙2,李瑞1,张谦1,仲颖2(1.?国网山西省电力公司电力科学研究院,?山西省?太原市030021;2.?国电南瑞科技股份有限公司,?江苏省?南京市211106)Bi-levelSchedulingStrategyforVirtualPowerPlantsConsideringtheRiskofNewEnergyOutputUncertaintyCHENG?Xueting1,BAO?Yueshuang1,JIN?Yulong2,LI?Rui1,ZHANG?Qian1,ZHONG?Ying2(1.?State?Grid?Shanxi?Electric?Power?Research?Institute,?Taiyuan?030021,?Shanxi?Province,?China;2.?NARI?TechnologyDevelopment?pany,?Nanjing?211106,?Jiangsu?Province,?China)?摘要:以风光为代表的新能源具有出力不确定性、波动性,VPP?with?a?dispatching?aid?decision?considering?both?benefits聚合新能源发电资源的虚拟电厂(virtual?power?plant,?VPP)and?,Keywords:?virtual?power?plant;multi-objective?scheduling进而导致VPP运营风险增加,收益降低。提出了考虑新能strategy;new?energy?uncertainty;conditional?value-at-risk源不确定性风险的VPP双层调度策略。首先,建立了考虑DOI:-;其次,针对新能源出力不确定性,采用条件风险价值量化虚拟电厂调度风险,0引言建立了考虑VPP收益和风险的下层多目标调度模型;最后,通过算例验证了调度模型的有效性,能够为VPP提供兼顾构建以新能源为主体的新型电力系统,是实收益与风险的调度辅助决策。现碳达峰碳中和目标的重要支撑。但随着新能源关键词:虚拟电厂;多目标调度策略;新能源不确定性;大规模开发、高比例并网,其波动性和随机性特条件风险价值征对电力系统的功率平衡、抗冲击等能力提出新Abstract:Due?to?the?new?energy?resources?output?represen-的挑战,电网调度也面临巨大的压力。VPP利用ted?by?wind?and?photovoltaic?has?uncertainty?and?fluctuation?,先进的智能信息技术可以实现源、荷、储侧分布thus?it?is?difficult?to?avoid?the?deviation?between?the?actual式资源的高效管理[1],能够以不同的资源组合参power?output?of?virtual?power?plant?(VPP)?and?the?schedul-与电力市场调度,通过引导分布式电源与用户侧ing?plan,?which?leads?to?the?increase?of?VPP?operation?risk?anddecrease?of?revenue.?In?this?paper,?a?bi-level?scheduling?strategy用电行为,可以达到充分消纳风光发电的目的,for?VPP?considering?the?risk?of?new?energy?output?uncertainty提高可再生能源的利用率,进而促进电力系统的is?,?an?upper-level?model?considering?the?ag-安全稳定运行。gregation?benefits?of?resources?within?VPP?is?established;目前,国内外学者已经对VPP内部资源不确secondly,?a?lower-level?multi-objective?scheduling?model?con-定性表征方面以及调度策略展开了不少研究。21sidering?VPP?benefits?and?risks?is?developed?by?quantifying世纪初期,虚拟电厂于欧洲国家兴起,欧洲VPP?scheduling?risks?using?conditional?value-at-risk?for?newenergy?output?uncertainty;?finally,?the?effectiveness?of?the?dis-FENIX项目整合了各种潜在供能资源,实现了分patching?model?is?verified?by?an?example,?which?can?provide布式资源在电力系统中的优化应用;丹麦?EDISON项目通过VPP技术整合电动汽车,直接基金项目:国网山西省电力公司科技项目:基于虚拟电厂参与电力市场实现了其内部电力平衡[2]。同期美的分布式电源友好互动关键技术及应用(52053020000H)。国也推行与VPP意义类似的“电力需求响应”[3-6],Science?and?Technology?Project?of?State?Grid?Shanxi?Electric启动了PJM需求响应项目,分布式资源得以参与pany:?Key?Technology?and?Application?of?Friendly电力市场。在VPP不确定性表征方面,文献[7]Interaction?of?Distributed?Power?Based?on?Virtual?Power?Plant利用机会约束规划对不确定量进行随机模拟,建(52053020000H).立风险量化指标,讨论在不同场景下不同VPP策现代电力,2023,40(6) . E-mail:******@vip.:..968现代电力2023?年?12?月略的风险水平。文献[8]设定风光全消纳场景,他DG,包括小型燃煤发电机组;可控负荷DL,构建两阶段鲁棒优化调度模型协调优化VPP内部包括可中断负荷(interruptible?load,IL)与可平移资源出力水平,进而制定出日前调度方案。文献[9]负荷(translatable?load,TL)等用户侧资源。VPP引入Gumbel-Copula描述风电功率相关性,并考的功能包括聚合资源进行调度以及通过向市场购虑风电功率随机性,建立联合出力模型。文献[10]电满足用户侧资源需求。VPP具体运行框架见图1。考虑VPP运营收益、弃能成本、不确定性与需求??日前市场响应等因素建立了VPP随机调度优化模型。文PV上报出力调度计划收益献[11]提出一种应对风电出力不确定性的机组组上网电价VPP运营商用户合模型,得到VPP在日前调度中的报价策略。文献[12]考虑电价和风光出力不确定性因素,基于WTDGDGDLDL申报电量电价申报电量电价随机规划法和信息间隙决策理论建立VPP调度优DGDL化模型。文献[13]通过分析风电和储备市场需求的不确定性源特点,利用双层规划方法建立VPP图1VPP运行框架?。文献[14]考虑分布式新能源不确定性,提出一种VPP调度边界概率分布刻画本文VPP调度为日前时间尺度。VPP与用户、方法,应用于优化虚拟电厂–主网协同调度场景。电网之间的经济利益息息相关。因此,需要在在VPP聚合资源参与调度策略方面,文献[15]VPP传统调度模型的基础上考虑DG和DL效益将VPP的实时动态组合纳入优化调度中,以售电问题以及新能源出力的不确定性,故本文采取双公司的运营经济性为目标,提出了考虑VPP动态层多目标调度模型。VPP向用户零售电能量,也组合策略的售电公司调度方法。文献[16]针对不向DL用户支付其参与调节的费用,建立以DG、同特性资源动态聚合与量化评估的难点,提出了DL收益最大化为目标的上层模型;VPP在此基“灵活性可调资源–聚合调节特性–优化目标建模”础上考虑由于新能源出力不确定性带来的运行风的VPP多级优化配置体系。文献[17]建立考虑商险以及自身收益,形成参与电网调度的组合,建业性用户收益和聚合风光燃储的VPP发电成本的立以VPP收益最大化以及运行风险最小为目标函双层调度模型,同时兼顾需求侧与发电侧的经济数的下层调度模型。效益。上述文献从VPP不确定性源表征、VPP参与2考虑新能源不确定性风险的VPP市场的调度策略制定等不同切入点分析了虚拟电调度策略优化模型厂优化调度模型,,较少同时考虑VPP内部资源的收益本文考虑VPP不确定性主要是由风光出力的与不确定性。综上所述,本文针对上述问题,考不确定性造成,其中风电机组出力的不确定性来虑VPP内部的分布式电源(distributed?power,?DG)源是自然风的风速[18],光伏机组出力的不确定性和可控负荷(dispatchable?load,?DL),建立考虑用来源是光照强度[19],本文假设风光出力不确定性户侧参与VPP效益的上层模型;利用条件风险价符合正态分布。值理论,,建立考虑收益和风险的VPP下层多目风电机组出力预测值服从正态分布,具体为标调度模型,最后通过算例求解获得VPP调度策PWT;tN(PWT;t;2)(1)WT;t略的Pareto前沿,对比分析不同场景调度策略下式中:PWT;t是t时刻风电机组的出力值;PWT;t是VPP的风险与收益,验证模型的有效性。t时刻风电机组的出力均值;2是t时刻风电WT;t机组出力均值的方差。,具体为现代电力,2023,40(6) . E-mail:******@vip.:..第?40?卷?第?6?期程雪婷等:考虑新能源出力不确定性风险的虚拟电厂双层调度策略969PN(P;2)(2)调用用户的补偿费用;CVPP中有DG用户,DLPV;tPV;tPV;t用户,其中DL用户包括TL用户以及IL用户;式中:PPV;t是t时刻光伏机组的出力值;PPV;t是2CDG为VPP在调度过程中调用DG用户的补偿费t时刻光伏机组的出力均值;PV;t是t时刻光伏机用;CTL为VPP在调度过程中调用TL用户的补组出力均值的方差。偿费用;;CPM为VPP在市场购电的支付费用。本文中VPP用户侧参与VPP考虑的主要有具体表达式如下所示:两类,分别是DG用户以及DL用户。用户侧在T∑满足自身效益的基础上参与VPP的调度计划。故RWT=WT;tqWT;t(8)本文中上层模型考虑用户侧参与VPP优化调度效t=1益最大化为目标函数,如下∑TRPV=PV;tqPV;t(9)maxU=eDG+eTL+eIL(3)t=1式中:U为用户侧资源的总效益;eDG为DG用户∑T∑自身效益;eTL为TL用户自身效益;eIL为IL用RRE=EL;tqre;j;t(10)t=1j户自身效益。∑TDG用户自身效益由参与VPP优化调度时C=q(11)PMPM;tPM;tVPP向其支付补贴所得与其自身出力成本之差;t=1DL用户自身效益由参与VPP优化调度时VPP向∑T∑C=NTLq(12)其支付补贴所得。TLjTL;tTL;j;tt=1j∑T∑eDG=[DG;i;tqDG;i;t∑T∑t=1i(4)C=NILq(13)ILmIL;tIL;j;t(aq2+bq+c)]t=1mDG;iDG;i;tDG;iDG;i;tDG;i∑T∑∑T∑DGe=[q+q](5)CDG=NiDG;i;tqDG;i;t(14)DLIL;j;tIL;j;tTL;j;tTL;j;tt=1it=1j式中:T为一个调度周期的总时段数;x表示式中:DG;i;t是t时刻VPP向第i个DG用户购电WT机组的数量;PM;t为日前市场的价格;qre;j;t支付单价;qDG;i;t是t时刻第i个DG用户报给IL为t时段第j个DL用户实际用电量;Nj为第jVPP的可调节功率;aDG;i、bDG;i、cDG;i是第i台个IL用户的调用状态,为0-1变量,该值为0时,DG设备的发电成本系数;IL;j;t是t时刻VPP聚TL表示未被调用,该值为1时,表示被调用;Nj合第j个IL用户支付的单位价格;qIL;j;t是t时刻DG为第j个TL用户的调用状态,为0-1变量;Ni第j个IL用户报给VPP的可调节功率;TL;j;t是t为第i个DG用户的调用状态,为0-1变量。时刻VPP聚合第j个TL用户支付的单位价格;;j;t是t时刻第j个TL用户报给VPP的可调节为考虑VPP运营过程中多重不确定性源所带功率。来的运行风险,,取日前电价PM;t的m个样本值,∑minf2=F? ( )= +[f1;k ]+(15)maxf1=RRE+RWT+RPV(CVPP+CPM)(6)m(1 )k=1CVPP=CDG+CDL=CDG+CTL+CIL(7)式中:f2为VPP运行时承担的风险;F?( )为 式中:f1为VPP运行收益;RWT为风电发电上网CVaR的近似值;α为置信水平β与风险约束下收益;RPV为光伏发电上网收益;RRE为VPP向的VaR值,即VPP的单位最大损失;f1,k为第k用户零售电量的收入;CVPP为VPP在调度过程中个样本下的VPP运行收益,[f1;k ]+为max(0;f1;k现代电力,2023,40(6) . E-mail:******@vip.:..970现代电力2023?年?12?月 )。6)功率平衡约束。构建VPP成本和风险最小的多目标调度模型,PWT;t+PPV;t+PDG;t+PDL;t+PPM;t=L(27)t目标函数表达式为式中Lt为t时刻总需求负荷。minF=(f1;f2)(16))WT出力约束。本文的求解流程如图2所示。根据图2,首0≤PWT;t≤PWT;max(17)先初始化VPP对内部资源参与调度的补偿报价,式中PWT;max是风电机组最大可用出力。记为,VPP中WT、PV、DG、DL等资源根据2)PV出力约束。实际情况以及VPP下发的报价上报t时段可参0≤PPV;t≤PPV;max(18)与调度的量。其次,VPP对t时段申报的内部资式中PPV;max是光伏机组最大可用出力。源进行动态聚合,然后VPP将t时段聚合完成的3)DG出力约束。内部资源纳入调度计划,即输出一个VPP日前的qNDG≤q≤qNDG(19)调度决策m。在Minlp的基础上算法优化VPP运DG;i;mini;tDG;i;tDG;i;maxi;t行收益最大化以及风险最小判断其是否收敛,根RD;i≤qDG;i;t+1qDG;i;t≤RU;i(20)据结果更新决策m并输出。式中:qDG;i;min和qDG;i;max是第i个DG用户出力的?DG开始最大值和最小值;Ni;t为t时段第i个DG用户的调用状态,为0-1变量;RD;i和RU;i分别是第i个d=1DG用户出力的下坡率和上坡率。t=14)DL约束ILIL初始化VPP对内部资源qIL;j;minNj;t≤qIL;j;t≤qIL;j;maxNj;t(21)的报价ρqNTL≤q≤qNTL(22)WT、PV、DG、DL等资TL;j;minj;tTL;j;tTL;j;maxj;t源上报t时段可参与调度的量信息qTL;j;t=qTL;j;t+nj;t(23)VPP对t时段申报的内部d=d+1资源进行动态聚合nj;min≤nj;t≤nj;max(24)qre;j;t=qe;j;tqIL;j;tqTL;j;t(25)t=t+1VPP将t时段聚合完成的内部资源纳入调度计划式中:qIL;j;min是t时刻第j个IL用户报给VPP可调度的最少电量;qIL;j;max是t时刻第j个IL用户否t=T报给VPP可调度的最大电量;qTL;j;min是t时刻第是j个TL用户报给VPP可调度的最少电量;VPP目前市场调度qTL;j;max是t时刻第j个TL用户报给VPP可调度决策m的最大电量;NIL为t时段第j个IL用户的调用状j;t态,为0-1变量;NTL为t时段第j个TL用户的否VPP运行j;t收益计算CVaR计算调用状态,为0-1变量;nj;t是t时刻第j个TL用户平移的时间间隔;nj;min和nj;max是t时刻第j个TL用户平移时间间隔的上下限。是否收敛是5)功率交易上下限约束。输出结果Pmin≤P≤Pmax(26)结束式中:PNET为功率交易量;Pmin和Pmax是功率交图2求解流程易的上下限。,2023,40(6) . E-mail:******@vip.:..第?40?卷?第?6?期程雪婷等:考虑新能源出力不确定性风险的虚拟电厂双层调度策略971?254算例分析ABCD(?,)B20A本文使用GAMS中Minlp程序包求解。算例15中的场景包括DL用户以及2台DG,其发电成本万元/万元/(?,)系数aDG;1、bDG;1、cDG;1和aDG;2、bDG;2、cDG;2分风险10C(?,)、、、、130。风光出力5经过随机场景预测得到其出力曲线,如图3所示。D(?,)电力市场日前价格如图4所示,。0?12000?10000?8000?6000?4000?20000????运行成本/;C点VPP收益/,,收益与功率60风险的比值增大;,,收益与风险的比值也20是最大的,但是VPP收益过低,策略过于保守。0故VPP可以通过计算不同风险下Pareto的最优解024681012141618202224时刻t来选择参与调度内部资源的动态组合策略。图3风光发电预测值场景2中不考虑新能源出力的不确定性及其?,即下层目标函数中不考虑f2,下层模型仅????,场景2与场景1中A点的结????,其VPP收益与CVaR风险值比A点更高,?1),仅以·,优化得到的VPP?(/?/(;,????承担了更多的风险。场景3中没有新能源参与的,,因为没有风光参0024681012141618202224与,故VPP内参与调度的成员更多,因此用户收时刻t益很高,但是没有帮助新能源消,社会福利较低。图4日前市场价格不同场景下不同策略的收益与风险对比如表1,?-,响应部分获取的收益。为验证本文方法有效性,设置以下3个场景。:考虑新能源出力不确定性及其风险;场VPP在A、B、C、D?4种不同的调度策略具景2:不考虑新能源出力的不确定性及其风险;体如图6—9所示,其中da出现负值时表示VPP场景3:不考虑新能源出力。向外部市场售电,tu表示tl负荷在t时刻平移进基于第2节的模型以及第3节的求解流程,来的负荷。A、B、C、D?4种VPP调度策略展示在考虑场景1,可获得考虑不同风险值下用户与图可以看出A、B两种策略的新能源消纳率达到VPP收益最大化的VPP不同调度策略的Pareto前了100%,积极响应新能源就地消纳政策。其中,沿,如图5所示。策略A中向外部市场购电的行为最不频繁且购买图5中A点是VPP收益最高,CVaR风险值量最少,最大程度地调用了VPP内部资源,但由也最高的情况;,图5可知,这样的策略风险非常高;策略B中用现代电力,2023,40(6) . E-mail:******@vip.:..972现代电力2023?年?12?月dg2dg1PVWT??表1不同场景下不同策略的收益与风险对比1000datutlilparisonofdifferentstrategies800indifferentscenarios?场景VPP用户响应新能源风险值/元600收益/元收益/元消纳率/%C/**********.???1000datu600A/kWtlil800dg2dg1400PVWT调度策略600200D/kWVPP时刻4000调度策略200?200VPP02468101214**********图6VPP调度策略A?200024681012141618202224?%,%,%。可见,策略B、C、D均考虑减少聚合内调度策略部资源,降低新能源出力不确定性带来的风险,VPP200但策略B中VPP更倾向于在电价较低的时间段再0进行购电行为,在电价较高的时间更倾向于聚合?200内部资源,以此为获得更高的收益。4种策略在024681012141618202224?时刻1000ABCD图7VPP调度策略B/,减少向外部400市场购电的行为,有售电行为发生,但策略B下用户收益较高,且相较策略A风险值有了明显下200??????调???降;策略C以及策略D中VPP向外部市场购电0VPP比例非常高,大多数时刻其购电量达到了VPP向?200外部市场购电的最大值约束,可见两种策略主要0246810