热电联产虚拟电厂两阶段分布鲁棒优化调度

微信扫码，打开到小程序

系统仿真学报 系统仿真学报© Journal of System Simulation 第 35 卷第 5 期 2023 年 5 月 Vol. 35 No. 5 May 2023 热电联产虚拟电厂两阶段分布鲁棒优化调度 热电联产虚拟电厂两阶段分布鲁棒优化调度 范雅倩 1，于松源 1，房方 1, 2* (1. 华北电力大学 控制与计算机工程学院，北京 102206；2. 电站能量传递转化与系统教育部重点实验室，北京 102206) 摘要 摘要：热电联产虚拟电厂(combined heat and power virtual power plant, CHP-VPP)聚合了各类电热出 力单元，可兼顾风光出力不确定性、动态电价、用户热舒适度等影响，实现整体出力的优化调度。 提出了两阶段分布鲁棒优化调度方法，第一阶段考虑计划调度，旨在保证CHP-VPP的收益最大； 第二阶段基于矩不确定分布鲁棒方法，构建风光出力的不确定性模糊集，引入用户热舒适度 HOMIE 模型，降低电热净负荷波动幅度，实现对 CHP-VPP 内部各单元实时出力的优化调整。针 对IEEE14节点模型进行算例研究，分析了不确定参数、不同优化方法以及动态电价对调度结果的 影响，结果表明：所提出的两阶段调度方法能够有效进行电热调度，实现系统的收益最大化和波 动最小化。 关键词 关键词：热电联产虚拟电厂；优化调度；矩不确定性；分布鲁棒优化；热舒适度 中图分类号：TP391.9 文献标志码：A 文章编号：1004-731X(2023)05-1046-13 DOI: 10.16182/j.issn1004731x.joss.22-0059 引用格式 引用格式: 范雅倩, 于松源, 房方. 热电联产虚拟电厂两阶段分布鲁棒优化调度[J]. 系统仿真学报, 2023, 35(5): 1046- 1058. Reference format: Fan Yaqian, Yu Songyuan, Fang Fang. Two-Stage Distributed Robust Optimal Dispatching for a Combined Heat and Power Virtual Power Plant[J]. Journal of System Simulation, 2023, 35(5): 1046-1058. Two-Stage Distributed Robust Optimal Dispatching for a Combined Heat and Power Virtual Power Plant Fan Yaqian1, Yu Songyuan1, Fang Fang1, 2* (1. School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China; 2. Key Laboratory of Power Station Energy Transfer Conversion and System, Ministry of Education, Beijing 102206, China) Abstract: Combined heat and power virtual power plant (CHP-VPP) aggregates various electrical and thermal output units and takes into account the uncertainty of wind and solar output, dynamic electricity prices, thermal comfort of users, and other influences to achieve optimal dispatching of overall output. A two-stage distributed robust optimal dispatching method is proposed. In the first stage, planned dispatching is considered, so as to maximize the benefit of CHP-VPP. In the second stage, a fuzzy set of wind and solar output uncertainties is constructed based on the distributed robust method of moment uncertainty, and the thermal comfort model of users, namely HOMIE, is introduced to reduce the net load fluctuation of the electricity and heat, so as to optimize and adjust the real-time output of the units in CHP-VPP. A case study is carried out for the IEEE14 node model, and the effects of uncertain parameters, different optimization methods, and dynamic electricity prices on the dispatching results are analyzed. The results show that the proposed method can effectively dispatch electricity and heat, 收稿日期：2022-01-19 修回日期：2022-03-07 基金项目：国家重点研发计划(2018YFE0106600)；中央高校基本科研业务费专项资金(2021MS018) 第一作者：范雅倩(1996-)，女，硕士生，研究方向为虚拟电厂优化调度。E-mail：18810118767@163.com 通讯作者：房方(1976-)，男，教授，博导，博士，研究方向为发电过程建模与控制、先进能源系统分析与优化。E-mail：ffang@ncepu.edu.cn 第 35 卷第 5 期 2023 年 5 月 Vol. 35 No. 5 May 2023 范雅倩, 等: 热电联产虚拟电厂两阶段分布鲁棒优化调度 http: // www.china-simulation.com maximize the benefit of the system, and minimize fluctuations. Keywords: combined heat and power virtual power plant (CHP-VPP); optimal dispatching; moment uncertainty; distributed robust optimization; thermal comfort 0 引言 引言 面对“30·60”双碳目标，构建以新能源为主 体的新型电力系统已成为我国能源转型发展的重 要方向。虚拟电厂(virtual power plant, VPP)通过聚 合各种可再生能源发电单元、常规发电机组、用 户侧可调度资源等，与电网或电力调度中心 (independent system operator, ISO)进行交互，根据 实际负荷需求和各个发电单元的约束进行最优出 力决策，以促进可再生能源消纳、提升系统整体 经济性，是新型电力系统的一类重要结构形态。 随着能源市场的不断发展，VPP 能够聚合的 能源形式逐渐多样化，它既可以用于市场能源交 易，增加运营收益，还能提高电力系统的灵活性。 文献[1]聚合了风电和储电设备，采用鲁棒优化实 现日前和实时市场的收益最大化；文献[2]聚合了 分布式能源，综合考虑 VPP 与 ISO 交易时的总成 本以及VPP内部运营成本，实现整体的经济最优； 文献[3]聚合了风光及需求响应(demand response, DR)，通过对 VPP 进行建模和求解，得到既满足 VPP 运行成本最小，又满足 VPP 内部各个单元收 益最大的竞标策略。随着多种能源形式的设备加 入 VPP，只对电能进行调度优化的传统 VPP 已不 能满足能源综合利用的需求。热电联产虚拟电厂 (combined heat and power virtual power plant, CHP- VPP)作为热和电这两种能量的聚合体，其优化调 度问题受到了研究者的关注。文献[4]将一定区域 内的风电场、光伏电站以及热电联产(combined heat and power, CHP)机组聚合成 CHP-VPP，通过 “热电解耦”的方式实现VPP内部电热负荷的优化 调度。文献[5]则聚合了风电厂、CHP机组和热泵 单元，在考虑供热特性的基础上，实现了 CHP- VPP调度电热收益最大化。 CHP-VPP 聚合了多种电热资源，通过优化调 度可助力高比例可再生能源消纳。与此同时，可 再生能源、电价等带来的不确定性 [6-7]也成为CHP- VPP 优化调度研究中的重点关注问题。其中，由 风光出力引起的不确定性 [8]是 CHP-VPP 优化求解 的关键，对这类不确定性的建模处理已有大量研 究 [9-11]。在已有文献中，针对不确定性的常用方法 主要有：随机规划(stochastic programming, SP) [12]， 包括机会约束规划(chance constraint programming, CCP) [13]、条件风险价值(conditional value-at risk, CVaR) [14]等；以及信息间隙决策理论(information gap decision theory, IGDT) [15]、 鲁 棒 优 化 (robust optimization, RO) [16]等。SP方法主要利用不确定变 量的概率分布对变量进行描述，具体使用时常采 用蒙特卡洛进行场景生成，该方法计算量大，且 对风、光已有信息的依赖性高；IGDT的目标则是 在满足期望目标的同时最大/最小化不确定性的可 容忍范围，与SP这类基于变量的概率分布的方法 相比，可以在概率分布和波动范围均未知的情况 下量化不确定性，但是由于其目标函数是寻求单 个不确定量的偏差系数的最值，不适用于同时处 理风光的不确定性；RO方法的思想是寻求在最恶 劣条件下的可靠调度，以牺牲一定的性能来保证 鲁棒性，决策结果较为保守。而分布鲁棒优化方 法(distributed robust optimization, DRO) [17]结合了 SP 和 RO 的特点，对不确定变量的分布进行鲁棒 优化，相对于SP降低了决策时间和计算成本，相 对于RO则提高了决策的鲁棒性能。 综上所述，本文基于矩不确定分布鲁棒理论， 提出一种考虑动态电价和用户热舒适度的两阶段 分布鲁棒电热联合优化调度方法：日前阶段实现 CHP-VPP 各出力单元的预调度；实时阶段对电热 出力进行优化调整。主要贡献为：①建立了一种 • 1047 • 第 35 卷第 5 期 2023 年 5 月 Vol. 35 No. 5 May 2023 系统仿真学报 Journal of System Simulation http: // www.china-simulation.com 考虑热网特性的 CHP-VPP 模型，并引入 HOMIE 模型来衡量用户热舒适度，从而实现电热协同调 度；②将动态电价应用于 DR，促进 CHP-VPP 灵 活负荷的调整，提高系统灵活性；③应用矩不确 定分布鲁棒理论对风光不确定性进行分析，并与 随机规划、鲁棒优化进行对比，验证了所提方法 的有效性。 1 CHP-VPP模型 模型 1.1 系统部件模型 系统部件模型 本文研究的 CHP-VPP 聚合了风光发电单元、 CHP 机组、储电储热单元、电热泵单元以及 DR 等资源，如图1所示。 1.1.1 CHP机组 机组 图 1 所示 CHP-VPP 采用抽凝式 CHP 机组，其 热电特性可以用电热出力允许运行区域来描述： ì í î ï ïïï ï ï ï ï ïï ï ï max{P0 - k1H CHP t  -P CHP + k2 (H CHP t - H0 )}≤ P CHP t ≤ -P CHP - k0H CHP t -H CHP ≤ H CHP t ≤ -H CHP εt = H CHP t /P CHP t (1) 式中：P CHP t 和H CHP t 分别为 t 时刻CHP机组的电热 出力；-P CHP 和-P CHP，-H CHP 和-H CHP 分别为 CHP 机 组允许的最小和最大电出力以及热出力；k0，k1， k2 分别为 CHP 机组电热出力允许运行区域边界斜 率的绝对值；εt 为 CHP 机组的热电比，抽凝式 CHP机组的热电比允许运行的范围内是可变的 [18]。 CHP机组电热出力的爬坡约束以及成本为 PCHP t - PCHP t - 1 ≤ -δ E, up, t ≥ 1 PCHP t - 1 - PCHP t ≤ -δ E, down, t ≥ 1 H CHP t - H CHP t - 1 ≤ -δ H, up, t ≥ 1 H CHP t - 1 - H CHP t ≤ -δ H, down, t ≥ 1 (2) C CHP t = c0 + c1P CHP t + c2H CHP t + c3 (P CHP t )2 + c4P CHP t H CHP t + c5 (H CHP t )2 (3) 式中：-δ Eup 和 -δ Edown、-δ Hup 和 -δ Hdown 分别为 CHP 机组升降电热负荷时单位时间内的最大变化量； c0，c1，c2，c3，c4，c5 均为常数项，用于描述 CHP机组的成本。 1.1.2 风光发电单元 风光发电单元 风光出力约束及其成本可表示为： -P WPP ≤ P WPP t ≤ -P WPP "t -P PV ≤ P PV t ≤ -P PV "t (4) C WPP t = κWPPP WPP t "t C PV t = κPVP PV t "t (5) 式中：-P WPP 和-P WPP、-P PV 和-P PV 分别为风力发电 和光伏发电出力的上下限；κWPP，κPV分别表示风 电和光伏的成本系数。 1.1.3 储能单元 储能单元 储能单元(energy storage system, ESS)可分为 两类：储热和储电，这两类储能设备的储放热、 充放电过程类似，满足以下约束： SoCi t=SoCi t-1+λch i tηch ESSESS ch i t-λdis i t ESS dis i t /ηdis ESS ESS ch i t≤ - - --- -- -ESS B i ESS dis i t ≤ - - --- -- -ESS B i λch i t+λdis i t≤ 1λch i tλdis i tÎ{01} - SoC i≤ SoCi t≤ - - --- -- -SoC i SoCi 0=SoCI (6) 式中：以储电设备为例，SoC 为荷电状态(state of charge)；ESS ch i t和ESS dis i t 分别为t时刻第i个储电设 图1 热电联产虚拟电厂结构示意图 Fig. 1 Diagram of CHP-VPP structure • 1048 • 第 35 卷第 5 期 2023 年 5 月 Vol. 35 No. 5 May 2023 范雅倩, 等: 热电联产虚拟电厂两阶段分布鲁棒优化调度 http: // www.china-simulation.com 备的充电量和放电量；ηch ESS和ηdis ESS则分别为充放电 的效率；- - --- -- -ESS B i 为储电设备充放电的最大能量值， λch i t和λdis i t是取值为0或1的无单位量，分别用于表 示充电和放电的状态，1表示正在充放电，0表示 当前没有充放电状态，且充放电不能同时进行； - SoC i和- - --- -- -SoC i为充放电的下限和上限值；SoCI为初 始时刻的荷电状态 [19]。 储电单元和储热单元对应的成本为 C EESS t =∑ i ( ) λch i  tEESS ch i  tVOM ch E +λdis i  tEESS dis i  tVOM dis E C HESS t =∑ i ( ) λch i tHESS ch i  tVOM ch H +λdis i  tHESS dis i tVOM dis H (7) 式中：VOM ch，VOM dis 分别为储能设备储能和放 能的可变操作以及维护的成本系数。 1.1.4 电热泵 电热泵 电热泵(heat pump, HP)是一种可以将电能转化 为热能的装置，在 CHP-VPP 中，能够吸收余热， 并利用厂用电，快速将电能转换为热能，响应来 自用户的热需求，其电热出力特性及成本为 H HP t = ηHPP HP t (8) C HP t = κHPP HP t (9) 式中：H HP t 为电热泵消耗电能后的产热量；P HP t 为 系统输送给电热泵的功率；ηHP为电热泵的制热能 效比(coefficient of performance, COP)；κHP 为电热 泵的成本系数。 1.1.5 需求响应 需求响应 需求响应表示在实时价格等的影响下，实际 需求中可以转移到其他时间段的需求，其特性及 成本为 P DR t = (1 - φDR t ) P DR0 t + -b t × -P DR t - -b t × -P DR t 0 ≤ -P DR t ≤ FmaxP DR0 t 0 ≤ -P DR t ≤ FminP DR0 t ∑ t -P DR t =∑ t -P DR t 0 ≤ φDR t ≤ φDR max -b t + -b t ≤ 1-b t-b t Î {01} (10) C DR t = κ RTP t | P DR t - P DR0 t | (11) 式中：P DR0 t 和 P DR t 分别为 VPP 的初始需求和考虑 实