衛(wèi)志農(nóng), 陳 妤, 黃文進(jìn), 胥 崢, 孫國強(qiáng), 周亦洲

(1. 河海大學(xué)能源與電氣學(xué)院, 江蘇省南京市 210098; 2. 國網(wǎng)江蘇省電力有限公司鹽城供電分公司, 江蘇省鹽城市 224002)

0 引言

為了有效解決利用可再生能源發(fā)電的分布式電源并網(wǎng)后對電網(wǎng)穩(wěn)定運(yùn)行帶來的威脅[1-3],虛擬電廠(VPP)通過將各類分布式電源、儲(chǔ)能系統(tǒng)及可控負(fù)荷聚合成一個(gè)有機(jī)整體參與電力市場的競標(biāo)和運(yùn)營[4],一方面有利于緩解可再生能源對電網(wǎng)造成的波動(dòng),另一方面實(shí)現(xiàn)了資源的優(yōu)化利用,從而有望獲得規(guī)?；慕?jīng)濟(jì)效益。

在規(guī)劃VPP時(shí),要充分考慮分布式電源發(fā)電的間歇性、互補(bǔ)性等因素。如何平衡投資與收益,合理配置可再生能源、常規(guī)發(fā)電機(jī)組及儲(chǔ)能的容量問題引起了國內(nèi)外學(xué)者關(guān)注。文獻(xiàn)[5-7]以不同指標(biāo)表示系統(tǒng)的成本及可靠性,對含有風(fēng)電、光伏、蓄電池的微網(wǎng)進(jìn)行容量配置優(yōu)化,但其僅考慮微網(wǎng)的孤島運(yùn)行模式,并沒有參與電力市場;文獻(xiàn)[8]對VPP中風(fēng)、光、水、火電進(jìn)行容量配置,但其僅從自然資源匹配角度考慮容量配置問題,未考慮電價(jià)的隨機(jī)性,也未考慮VPP運(yùn)行時(shí)的各種約束條件。

目前容量配置研究主要集中在微網(wǎng),而VPP作為一個(gè)整體參與市場運(yùn)營,相對于微網(wǎng),其在運(yùn)行方式上可以更加靈活地通過向市場售購電來平抑可再生能源出力的波動(dòng)。并且,目前對于VPP的研究大多集中在調(diào)度運(yùn)行方面,鮮有文獻(xiàn)考慮包括電價(jià)隨機(jī)性在內(nèi)的VPP規(guī)劃運(yùn)行一體化,因此,有必要研究VPP的多電源容量配置問題。

此外,大多數(shù)規(guī)劃問題并沒有考慮投資商在收益上面臨的不確定性風(fēng)險(xiǎn)[5-8]。投資組合理論可用于權(quán)衡資產(chǎn)風(fēng)險(xiǎn)和收益的關(guān)系,已在電力建設(shè)規(guī)劃[9]、發(fā)電商電量分配[10]以及裝機(jī)容量優(yōu)化[11]等領(lǐng)域得到了廣泛的應(yīng)用。不確定因素影響下的多電源容量配置問題也正是投資組合理論中典型的資產(chǎn)配置問題。文獻(xiàn)[12]詳細(xì)地歸納了隨機(jī)規(guī)劃模型中常用的風(fēng)險(xiǎn)量度方法,包括利潤方差法、風(fēng)險(xiǎn)價(jià)值(VaR)法、條件風(fēng)險(xiǎn)價(jià)值(CVaR)等。其中CVaR作為一種有效的風(fēng)險(xiǎn)量度手段已經(jīng)被廣泛應(yīng)用于電力系統(tǒng)的風(fēng)險(xiǎn)管理中[13]。

本文在已有的研究基礎(chǔ)上,提出了考慮CVaR的VPP多電源容量優(yōu)化配置模型,利用CVaR來量度可再生能源出力及市場電價(jià)不確定性給規(guī)劃VPP帶來的風(fēng)險(xiǎn)。在規(guī)劃建設(shè)VPP的目標(biāo)函數(shù)中,將CVaR乘上一個(gè)權(quán)重系數(shù),并以權(quán)重系數(shù)的大小衡量投資商的風(fēng)險(xiǎn)偏好水平,同時(shí)計(jì)及VPP實(shí)時(shí)運(yùn)行中各種約束條件,建立了考慮CVaR的VPP多電源容量優(yōu)化配置模型。該模型量化了投資商在規(guī)劃建設(shè)及運(yùn)行VPP時(shí)由于各種不確定因素導(dǎo)致的風(fēng)險(xiǎn),提供了多電源容量最優(yōu)配置方案。

1 投資組合理論及基于VaR和CVaR的風(fēng)險(xiǎn)量度方法

1.1 投資組合理論

投資組合問題即投資者如何通過配置各種資產(chǎn)以權(quán)衡風(fēng)險(xiǎn)和收益的過程[14]。有效的投資組合必須達(dá)到或接近資產(chǎn)收益最大化與風(fēng)險(xiǎn)最小化的均衡狀態(tài)。在收益一定的條件下,選擇風(fēng)險(xiǎn)最小的投資組合，在風(fēng)險(xiǎn)一定的條件下,選擇收益最大的投資組合,同時(shí)滿足這2個(gè)條件的投資組合集合就是有效集,又稱為有效邊界或有效前沿。

在投資建設(shè)VPP時(shí),如何選擇配置各機(jī)組的裝機(jī)容量以及在運(yùn)行時(shí)段內(nèi)合理地向市場售購電等均為典型投資組合理論中的資產(chǎn)配置問題[15]。因此,在規(guī)劃建設(shè)VPP時(shí),可應(yīng)用投資組合理論,合理權(quán)衡風(fēng)險(xiǎn)與收益,從而使VPP的配置方案具有更強(qiáng)的魯棒性。

1.2 基于VaR和CVaR的風(fēng)險(xiǎn)量度

風(fēng)險(xiǎn)量度是指對特定風(fēng)險(xiǎn)發(fā)生的可能性或損失的范圍與程度進(jìn)行估計(jì)和量度。VaR和CVaR是當(dāng)前金融領(lǐng)域比較常用的風(fēng)險(xiǎn)管理技術(shù),有效彌補(bǔ)了傳統(tǒng)的均值—方差模型在量度風(fēng)險(xiǎn)時(shí)的局限性。風(fēng)險(xiǎn)價(jià)值的計(jì)算方法有歷史模擬法和隨機(jī)模擬法等[16],由于風(fēng)速、光照強(qiáng)度及電價(jià)的概率分布難以準(zhǔn)確獲得,本文采用歷史模擬法來計(jì)算風(fēng)險(xiǎn)價(jià)值。

VaR反映投資組合在給定的置信度β上潛在的最大損失。設(shè)f(x,y)為損失函數(shù),x為決策變量,y為隨機(jī)變量,假設(shè)ρ(y)為y的概率密度函數(shù),則損失函數(shù)f(x,y)不大于邊界值α的分布函數(shù)為:

(1)

對于給定的置信度β,VaR可由下式得到:

VVaRβ=min{α∈R:ψ(x,α)≥β}

(2)

然而,VaR只是某個(gè)置信度下的分位點(diǎn),而分位點(diǎn)以后的風(fēng)險(xiǎn)信息未被考慮,即存在“尾部風(fēng)險(xiǎn)”[17]或稱為“極端風(fēng)險(xiǎn)”,導(dǎo)致投資組合風(fēng)險(xiǎn)被低估。因此美國學(xué)者Rockafell和Uryas于1999年提出了CVaR風(fēng)險(xiǎn)量度方法,其含義為超過VaR部分的平均損失,其作為VaR的一種補(bǔ)充風(fēng)險(xiǎn)量度能夠更好地反映“尾部風(fēng)險(xiǎn)”。

(3)

式中:VCVaRβ為置信度β下的CVaR值。

由于VVaRβ(x)解析式難以求出,因此推導(dǎo)出變換函數(shù)Fβ(x,α)以求得CVaR:

(4)

式中:[f(x,y)-α]+表示max{f(x,y)-α,0}。

α即為VaR的值。通常用以下估計(jì)式來計(jì)算變換函數(shù)Fβ(x,α):

(5)

式中:y1,y2,…,yq為y的q個(gè)樣本。

2 VPP多電源容量規(guī)劃模型

值得注意的是,與常規(guī)電源不同,可再生能源的發(fā)電量不僅與其裝機(jī)容量有關(guān),也與環(huán)境變量有關(guān),因此為了使VPP投資建設(shè)和運(yùn)行的總成本最小,在規(guī)劃過程中需要充分考慮常規(guī)電源與風(fēng)、光等可再生能源的協(xié)調(diào)配合問題。

2.1 VPP典型結(jié)構(gòu)組成與功能

1)光伏發(fā)電系統(tǒng)。光伏發(fā)電系統(tǒng)的發(fā)電功率與光照強(qiáng)度密切相關(guān),假設(shè)給定一組光伏電池陣列,其面積和光電轉(zhuǎn)換效率分別為A和η,則這組光伏電池陣列的輸出功率為:

Ppv=r1Aη

(6)

式中:r1為這一時(shí)間段內(nèi)的實(shí)際光照強(qiáng)度。

以變量Npv表示光伏陣列的并聯(lián)組數(shù)。

2)風(fēng)力發(fā)電系統(tǒng)。一般認(rèn)為風(fēng)速服從威布爾分布,可通過下式得到風(fēng)機(jī)的輸出功率:

(7)

(8)

式中:Pr為風(fēng)力發(fā)電機(jī)的額定功率;vci,vr,vco分別為同型號風(fēng)力發(fā)電機(jī)的切入風(fēng)速、額定風(fēng)速和切出風(fēng)速。

以變量Nwind表示風(fēng)力發(fā)電機(jī)的臺(tái)數(shù)。

3)柴油發(fā)電機(jī)。在VPP中通過配置常規(guī)機(jī)組平抑可再生能源出力的波動(dòng)性,從而對外輸出一個(gè)較穩(wěn)定的電能以參與電力市場運(yùn)營。以變量Nc表示柴油發(fā)電機(jī)的臺(tái)數(shù)。

4)儲(chǔ)能系統(tǒng)。儲(chǔ)能系統(tǒng)不僅起到削峰填谷的作用,還能夠根據(jù)電力市場價(jià)格的波動(dòng),靈活地調(diào)整VPP在日前市場的電力競標(biāo)量。考慮到VPP建設(shè)成本的限制,使用壽命較長、功率容量較高的鉛酸蓄電池作為儲(chǔ)能設(shè)備。以變量Nb表示鉛酸蓄電池組的并聯(lián)組數(shù)。

5)電力負(fù)荷。通常在規(guī)劃VPP時(shí),需要將對某地區(qū)的負(fù)荷供應(yīng)納入VPP的功能之一。電力負(fù)荷又分為固定負(fù)荷和可中斷負(fù)荷,對于可中斷負(fù)荷,在中斷時(shí)VPP要向用戶支付一定的補(bǔ)償費(fèi)用。本文算例負(fù)荷為可中斷負(fù)荷。

2.2 不確定性模擬

本文使用場景集的方法將隨機(jī)優(yōu)化問題轉(zhuǎn)化為確定性優(yōu)化問題處理[18]。分別考慮風(fēng)電出力、光伏出力及電價(jià)場景集w={wi,i=1,2,…,nw},s={sj,j=1,2,…,ns},p={pk,k=1,2,…,np},其中nw,ns,np為相應(yīng)的場景集個(gè)數(shù),各場景概率分別為π(wi),π(sj),π(pk),則總場景數(shù)一共為nwnsnp個(gè)。以下分析中變量上標(biāo)wsp均表示該變量在第wi個(gè)風(fēng)電場景、第sj個(gè)光伏場景及第pk個(gè)電價(jià)場景下的形式。

2.3 VPP多電源容量配置問題目標(biāo)函數(shù)

2.3.1系統(tǒng)成本

系統(tǒng)成本包含以下幾個(gè)方面。

1)等年值初始投資建設(shè)成本

Co=(NpvCpv+NwindCwind+NbCb+NcCc)CRF

(9)

(10)

式中:Cpv,Cwind,Cb,Cc分別為單組光伏陣列、單臺(tái)風(fēng)機(jī)、單組鉛酸蓄電池和單臺(tái)柴油發(fā)電機(jī)的造價(jià)成本;CRF為將初始投資化為等年值的系數(shù)因子;m為系統(tǒng)使用年限;r為貼現(xiàn)率。

2)系統(tǒng)年運(yùn)行維護(hù)成本

(11)

3)柴油發(fā)電機(jī)燃料成本

(12)

4)柴油發(fā)電機(jī)環(huán)境成本

(13)

式中:ne為考慮的柴油發(fā)電機(jī)排放污染物總數(shù);m(e),V(e),Y(e)分別為第e項(xiàng)污染物的排放量、環(huán)境價(jià)值和罰款數(shù)量級。

5)可中斷負(fù)荷補(bǔ)償成本

(14)

6)VPP運(yùn)行收益

VPP的運(yùn)行收益主要來自于在日前市場的收益。

(15)

2.3.2風(fēng)險(xiǎn)量度項(xiàng)

將CVaR以乘以一個(gè)風(fēng)險(xiǎn)偏好系數(shù)L的形式[19]加入目標(biāo)函數(shù)中。用δ表示CVaR的值:

(16)

2.3.3目標(biāo)函數(shù)

考慮CVaR的VPP多電源容量優(yōu)化配置模型的目標(biāo)函數(shù)[20]包含兩個(gè)部分:

(17)

第一部分為等年值總建設(shè)運(yùn)行成本,第二部分為CVaR和一個(gè)權(quán)重系數(shù)的乘積。定義權(quán)重系數(shù)L為風(fēng)險(xiǎn)偏好系數(shù),表示投資者對于風(fēng)險(xiǎn)的態(tài)度,其取值范圍為L≥0,當(dāng)L取較小值時(shí)(一般認(rèn)為L小于0.1為較小)表示投資者為風(fēng)險(xiǎn)偏好型,投資者希望以較大的風(fēng)險(xiǎn)換取較高的收益;當(dāng)L取較大值時(shí)(一般認(rèn)為L大于0.5為較大),表示投資者為風(fēng)險(xiǎn)規(guī)避型,投資策略較保守。投資者應(yīng)根據(jù)自身風(fēng)險(xiǎn)偏好程度,恰當(dāng)?shù)剡x取風(fēng)險(xiǎn)偏好系數(shù)L。

2.4 約束條件

1)常規(guī)機(jī)組出力約束

(18)

式中:Pc,max為柴油發(fā)電機(jī)輸出額定功率。

2)蓄電池電量及充放電約束

(19)

(20)

(21)

(22)

3)可中斷負(fù)荷約束

(23)

4)功率平衡約束

(24)

5)備用容量約束

(25)

式中:R(t)為t時(shí)刻VPP系統(tǒng)所需要的備用容量[21]。

6)CVaR風(fēng)險(xiǎn)約束

(26)

(27)

3 算例求解與分析

3.1 求解方法

本文所建立的優(yōu)化模型為典型的混合整數(shù)線性規(guī)劃問題,可以在GAMS平臺(tái)上借助CPLEX求解器進(jìn)行求解。

3.2 算例參數(shù)

選取美國德克薩斯州某地不同區(qū)域的風(fēng)、光資源及電價(jià)、負(fù)荷數(shù)據(jù),采用上述模型進(jìn)行計(jì)算,時(shí)間步長取為1 h,計(jì)算時(shí)間為全年8 760 h。選取過去4年的風(fēng)、光、電價(jià)歷史數(shù)據(jù)作為風(fēng)、光、電價(jià)場景集w,s,p里的不同場景,即nw=ns=np=4,各場景概率均為0.25,對這3個(gè)場景集中的4個(gè)場景依次進(jìn)行排列組合,則總場景共有nwnsnp=64個(gè),通過大量場景來模擬VPP中可再生能源出力及電價(jià)的不確定性。考慮到負(fù)荷數(shù)據(jù)波動(dòng)性遠(yuǎn)小于風(fēng)速、光照強(qiáng)度及電價(jià)數(shù)據(jù)的波動(dòng)性,本文忽略負(fù)荷數(shù)據(jù)的波動(dòng)性,選取過去4年平均歷史負(fù)荷作為負(fù)荷數(shù)據(jù)。風(fēng)速[23]、光照[24]、電價(jià)[25]及負(fù)荷[25]的全年曲線如附錄A圖A1所示。

考慮到該地區(qū)年平均負(fù)荷為300 kW,選擇額定功率為200 kW的風(fēng)機(jī);單塊最大功率為200 W的光伏電池板,根據(jù)系統(tǒng)功率等級要求將14塊光伏電池板串聯(lián)構(gòu)成一組光伏陣列;采用單體容量為800 Ah的鉛酸蓄電池作為儲(chǔ)能單元,根據(jù)并網(wǎng)電壓輸入允許范圍,將240節(jié)電池串聯(lián)構(gòu)成一個(gè)蓄電池組。本文所選中斷補(bǔ)償費(fèi)用為40美元/MW,柴油價(jià)格取為0.001美元/g。所選風(fēng)機(jī)、光伏電池板、柴油發(fā)電機(jī)及鉛酸蓄電池的具體參數(shù)如附錄A表A1所示。柴油發(fā)電機(jī)污染物排放量、環(huán)境價(jià)值、罰款數(shù)量級取自文獻(xiàn)[26],具體數(shù)據(jù)如附錄A表A2所示。本文假定所有電源同屬于一家投資商。

3.3 算例結(jié)果與分析

3.3.1風(fēng)險(xiǎn)系數(shù)對容量配置策略的影響

不同風(fēng)險(xiǎn)偏好系數(shù)下,VPP的容量配置及目標(biāo)函數(shù)各部分的計(jì)算結(jié)果如表1所示?？梢钥闯?隨著風(fēng)險(xiǎn)偏好系數(shù)L的增大,VPP的等年值總建設(shè)運(yùn)行成本λ增加,而CVaR值逐漸減小,說明投資者對風(fēng)險(xiǎn)的厭惡程度加深,規(guī)劃策略趨于保守。

目前儲(chǔ)能技術(shù)及價(jià)格尚未發(fā)展到足以取代常規(guī)機(jī)組來平抑可再生能源出力的波動(dòng),因此當(dāng)L較小時(shí)會(huì)優(yōu)先選擇價(jià)格較低廉的柴油發(fā)電機(jī)發(fā)電來平抑波動(dòng)以及大量向市場售電,配置結(jié)果中儲(chǔ)能數(shù)量較少,柴油發(fā)電機(jī)數(shù)量較多;而當(dāng)L增大時(shí),VPP主要以滿足負(fù)荷需求及降低電價(jià)波動(dòng)帶來的風(fēng)險(xiǎn)性為主,售電量大大降低,風(fēng)、光配置相應(yīng)減小。盡管儲(chǔ)能及柴油發(fā)電機(jī)都能夠在可再生能源功率缺額時(shí)滿足負(fù)荷需求,但只有儲(chǔ)能可以根據(jù)電價(jià)的波動(dòng)靈活地通過充放電來調(diào)整售電量,顯然其風(fēng)險(xiǎn)性相對于柴油發(fā)電機(jī)更小,因此儲(chǔ)能配置比例相對升高。

根據(jù)上表結(jié)果可以得到總成本關(guān)于CVaR的有效前沿曲線[27],如圖1所示。

如圖1所示可將風(fēng)險(xiǎn)偏好系數(shù)水平劃分為四部分,分別代表投資商為保守型、較保守型、較激進(jìn)型和激進(jìn)型。為了給不同風(fēng)險(xiǎn)偏好的投資商提供容量配置的定量依據(jù),下面分別選取代表4種不同投資策略的風(fēng)險(xiǎn)偏好系數(shù):L=0.05代表投資商為激進(jìn)型;L=0.1代表投資商為較激進(jìn)型;L=0.2代表投資商為較保守型;L=2代表投資商為保守型。在此基礎(chǔ)上,分別計(jì)算4個(gè)不同類型投資商規(guī)劃VPP時(shí)的多電源容量最優(yōu)配置策略,結(jié)果如附錄A圖A2所示。

3.3.2環(huán)境成本的敏感度分析

下面對污染物排放的懲罰力度進(jìn)行敏感度分析,假設(shè)投資商確定風(fēng)險(xiǎn)偏好系數(shù)為1時(shí),改變環(huán)境成本,得到如圖2所示配置結(jié)果。

當(dāng)不考慮柴油發(fā)電機(jī)環(huán)境成本時(shí),柴油發(fā)電機(jī)總裝機(jī)容量較大,甚至超過可再生能源總裝機(jī)容量,可以看出此時(shí)規(guī)劃出的VPP仍然是一個(gè)以火力發(fā)電為主的電廠,其對于分布式能源優(yōu)化利用效果不明顯,污染物排放量較多;當(dāng)考慮柴油發(fā)電機(jī)環(huán)境成本時(shí),柴油發(fā)電機(jī)配置比例下降,可再生能源總裝機(jī)容量大于常規(guī)機(jī)組,且系統(tǒng)優(yōu)先使用儲(chǔ)能來平抑可再生能源出力波動(dòng),此時(shí)VPP經(jīng)濟(jì)、高效、環(huán)保的特點(diǎn)得以體現(xiàn);當(dāng)污染物環(huán)境價(jià)值及罰款數(shù)量級提高至5倍時(shí),柴油發(fā)電機(jī)數(shù)量急劇減少,更加充分體現(xiàn)了發(fā)展VPP對于環(huán)境保護(hù)的作用。

圖2 環(huán)境成本影響下的容量配置比Fig.2 Capacity allocation radio under influence of environmental cost

通過以上敏感度分析可以看出,VPP容量優(yōu)化配置隨國家相關(guān)政策的影響較大,為了響應(yīng)全球節(jié)能減排的號召,國家會(huì)制定相關(guān)政策及相應(yīng)的補(bǔ)貼,以減少柴油發(fā)電機(jī)在VPP中的配置比例。

3.3.3自然資源及負(fù)荷相關(guān)性對容量配置的影響

不同地區(qū)自然資源之間或與負(fù)荷之間相關(guān)性不同,對于VPP容量配置結(jié)果也有影響?，F(xiàn)選擇3個(gè)典型場景進(jìn)行分析:場景1選為w1,s1,p1組成的場景;場景2選為w1,s2,p2組成的場景;場景3選為w4,s3,p1組成的場景。各場景下風(fēng)險(xiǎn)系數(shù)均為1,容量配置結(jié)果如表2所示。

表2 不同場景下容量配置結(jié)果Table 2 Capacity allocation results under different scenes

將場景2結(jié)果與場景1對比可以看出,當(dāng)光照、負(fù)荷相關(guān)程度較高時(shí),此時(shí)由于光伏出力波動(dòng)導(dǎo)致的失負(fù)荷的風(fēng)險(xiǎn)減小,因此配置結(jié)果中光伏組數(shù)較多。將場景3與場景1對比可以看出,當(dāng)風(fēng)速、光照呈負(fù)相關(guān)且程度略大時(shí),說明一定程度上抑制了可再生能源出力總波動(dòng),因此配置結(jié)果中儲(chǔ)能及柴油發(fā)電機(jī)數(shù)量減少,可再生能源配置比例增加。

3.3.4VPP出力計(jì)劃分析

VPP作為一個(gè)電廠,其日前調(diào)度出力計(jì)劃必不可少,當(dāng)投資商確定風(fēng)險(xiǎn)偏好水平后,本文研究模型不僅能夠給出最優(yōu)的容量配置策略,同時(shí)也能夠得到VPP每日出力計(jì)劃。

選取一個(gè)典型日24 h (4 560～4 583 h),投資商風(fēng)險(xiǎn)系數(shù)選值為1,以此規(guī)劃出的VPP有3臺(tái)風(fēng)機(jī)、29組光伏陣列、3組蓄電池串聯(lián)組及6臺(tái)柴油發(fā)電機(jī)。VPP日出力計(jì)劃如圖3所示。

圖3 VPP日出力計(jì)劃Fig.3 Daily output plan of VPP

4 560～4 564 h:電價(jià)較低,可再生能源出力小于負(fù)荷需求;VPP優(yōu)先調(diào)度儲(chǔ)能進(jìn)行放電,當(dāng)儲(chǔ)能放電量不足以彌補(bǔ)功率缺額時(shí),啟動(dòng)柴油發(fā)電機(jī)進(jìn)行發(fā)電,由于電價(jià)很低,選擇購入部分電量及中斷部分負(fù)荷以滿足負(fù)荷需求。

4 564～4 569 h:電價(jià)較低,可再生能源出力略大于負(fù)荷需求;VPP調(diào)度可再生能源和柴油發(fā)電機(jī)剩余出力以及購入部分電量對儲(chǔ)能進(jìn)行充電,當(dāng)儲(chǔ)能電量充滿時(shí),停止柴油發(fā)電機(jī)和購電。不在電價(jià)低時(shí)向市場售電。

4 569～4 574 h:電價(jià)較高,可再生能源出力大于負(fù)荷需求;VPP調(diào)度可再生能源剩余出力向市場出售,并調(diào)度儲(chǔ)能適當(dāng)放電向市場出售。

4 574～4 583 h:電價(jià)高,可再生能源出力小于負(fù)荷需求;VPP調(diào)度儲(chǔ)能放電及柴油發(fā)電機(jī)發(fā)電,將滿足負(fù)荷需求之外的剩余電力全部向市場出售。

4 結(jié)論

本文圍繞含風(fēng)、光、柴、儲(chǔ)的VPP多電源容量配置問題,建立了基于風(fēng)險(xiǎn)量度理論的VPP投資組合容量規(guī)劃模型,由研究結(jié)果可得結(jié)論如下。

1)CVaR的引入能夠直觀地量度投資者在規(guī)劃和運(yùn)行VPP時(shí)面臨的風(fēng)險(xiǎn)。通過對風(fēng)險(xiǎn)偏好系數(shù)的設(shè)定能夠更好地衡量規(guī)劃建設(shè)VPP的經(jīng)濟(jì)性與風(fēng)險(xiǎn)性之間的關(guān)系。

2)隨著風(fēng)險(xiǎn)偏好系數(shù)的增大,配置方案會(huì)優(yōu)先減小波動(dòng)性大的因素,因此風(fēng)電的容量配置比下降得最快。

3)在不同風(fēng)險(xiǎn)偏好系數(shù)下配置柴油發(fā)電機(jī)及儲(chǔ)能所發(fā)揮的功能側(cè)重不同。

4)VPP最優(yōu)容量配置方案受國家環(huán)保政策、選址區(qū)域自然資源及負(fù)荷相關(guān)性等因素影響較大。

此外,本文假設(shè)各電源從屬于一家投資商,即沒有考慮VPP內(nèi)部既得利益的再分配。因此在本文基礎(chǔ)上,可進(jìn)一步考慮假設(shè)在VPP內(nèi)部利益需要再劃分前提下的容量配置問題。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 葉莘,韋鋼,馬雷鵬,等.含分布式電源的直流配電網(wǎng)供電能力評估[J].電力系統(tǒng)自動(dòng)化,2017,41(9):58-64.DOI:10.7500/AEPS20161017009.

YE Shen, WEI Gang, MA Leipeng, et al. Power supply capability evaluation of DC distribution network with distributed generators[J]. Automation of Electric Power Systems, 2017, 41(9): 58-64. DOI: 10.7500/AEPS20161017009.

[2] 丁明,王偉勝,王秀麗,等.大規(guī)模光伏發(fā)電對電力系統(tǒng)影響綜述[J].中國電機(jī)工程學(xué)報(bào),2014,34(1):1-14.

DING Ming, WANG Weisheng, WANG Xiuli, et al. A review on the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE, 2014, 34(1): 1-14.

[3] 楊麗君,呂雪姣,李丹,等.含分布式電源的配電網(wǎng)多故障搶修與恢復(fù)協(xié)調(diào)優(yōu)化策略[J].電力系統(tǒng)自動(dòng)化,2016,40(20):13-19.DOI:10.7500/AEPS20160116002.

YANG Lijun, LYU Xuejiao, LI Dan, et al. Coordinated optimization strategy of multi-fault repair and recovery for distribution network with distributed generators[J]. Automation of Electric Power Systems, 2016, 40(20): 13-19. DOI: 10.7500/AEPS20160116002.

[4] 衛(wèi)志農(nóng),余爽,孫國強(qiáng),等.虛擬電廠的概念與發(fā)展[J].電力系統(tǒng)自動(dòng)化,2013,37(13):1-9.

WEI Zhinong, YU Shuang, SUN Guoqiang, et al. Concept and development of virtual power plant[J]. Automation of Electric Power Systems, 2013, 37(13): 1-9.

[5] 荊朝霞,胡榮興,袁灼新,等.含風(fēng)/光/抽水蓄能并計(jì)及負(fù)荷響應(yīng)的海島微網(wǎng)優(yōu)化配置[J].電力系統(tǒng)自動(dòng)化,2017,41(1):65-72.DOI:10.7500/AEPS20160106008.

JING Zhaoxia, HU Rongxing, YUAN Zhuoxin, et al. Capacity configuration optimization for island microgrid with wind/solar/pumped storage considering demand response[J]. Automation of Electric Power Systems, 2017, 41(1): 65-72. DOI: 10.7500/AEPS20160106008.

[6] DUFO-LOPEZ R, BERNAL-AGUSTIN J L, YUSTA-LOYO J M, et al. Multi-objective optimization minimizing cost and life cycle emissions of stand-alone PV-wind-diesel systems with batteries storage[J]. Applied Energy, 2011, 88(11): 4033-4041.

[7] 劉夢璇,王成山,郭力,等.基于多目標(biāo)的獨(dú)立微電網(wǎng)優(yōu)化設(shè)計(jì)方法[J].電力系統(tǒng)自動(dòng)化,2012,36(17):34-39.

LIU Mengxuan, WANG Chengshan, GUO Li, et al. An optimal design method of multi-objective based island microgrid[J]. Automation of Electric Power Systems, 2012, 36(17): 34-39.

[8] 黃昕穎,黎建,楊莉,等.基于投資組合的虛擬電廠多電源容量配置[J].電力系統(tǒng)自動(dòng)化,2015,39(19):75-81.DOI:10.7500/AEPS20141110001.

HUANG Xinying, LI Jian, YANG Li, et al. Investment portfolio based multi energy capacity allocation of virtual power plant[J]. Automation of Electric Power Systems, 2015, 39(19): 75-81. DOI: 10.7500/AEPS20141110001.

[9] ELAINE K, HART M, JACOBSON Z. A Monte Carlo approach to generator portfolio planning and carbon emissions assessments of systems with large penetrations of variable renewable[J]. Renewable Energy, 2011, 36(8): 2278-2286.

[10] 苗福豐,唐西勝,齊智平.儲(chǔ)能參與風(fēng)電場慣性響應(yīng)的容量配置方法[J].電力系統(tǒng)自動(dòng)化,2015,39(20):6-11.DOI:10.7500/AEPS20150201006.

MIAO Fufeng, TANG Xisheng, QI Zhiping. Capacity configuration method for wind power plant inertia response considering energy storage[J]. Automation of Electric Power Systems, 2015, 39(20): 6-11. DOI: 10.7500/AEPS20150201006.

[11] 鄭雅楠,周明,李庚銀.大用戶購電組合決策模型及對比分析[J].電網(wǎng)技術(shù),2011,35(3):188-194.

ZHENG Yanan, ZHOU Ming, LI Gengyin. Decision-making models for large consumer electricity purchasing portfolio and contrastive analysis on them[J]. Power System Technology, 2011, 35(3): 188-194.

[12] ZHENG Q P, WANG J H, LIU A L. Stochastic optimization for unit commitment: a review[J]. IEEE Transactions on Power Systems, 2015, 30(4): 1913-1924.

[13] ROCKAFELLAR R T, URYASEV S. Optimization of conditional value-at-risk[J]. Journal of Risk, 2000, 2(3): 21-41.

[14] 徐維軍,周平平,李婷,等.基于CVaR和多元權(quán)值約束下的積極投資組合模型[J].系統(tǒng)管理學(xué)報(bào),2017,26(2):219-224.

XU Weijun, ZHOU Pingping, LI Ting, et al. Active portfolio model with CVaR and multiple weight constraints[J]. Journal of Systems & Management, 2017, 26(2): 219-224.

[15] 張江林,夏榆杭,段登偉,等.基于WCVaR評估的虛擬發(fā)電廠能量市場收益-風(fēng)險(xiǎn)模型[J].電力系統(tǒng)自動(dòng)化,2017,41(9):77-83.DOI:10.7500/AEPS20160716004.

ZHANG Jianglin, XIA Yuhang, DUAN Dengwei, et al. Benefit-risk model of virtual power plant in energy market based on WCVaR assessment[J]. Automation of Electric Power Systems, 2017, 41(9): 77-83. DOI: 10.7500/AEPS20160716004.

[16] URYASEV S. Conditional value at risk, optimization algorithms and applications[J]. Financial Engineering News, 2000, 2(3): 1-5.

[17] 黃友珀,唐振鵬,周熙雯.基于偏t分布realized GARCH模型的尾部風(fēng)險(xiǎn)估計(jì)[J].系統(tǒng)工程理論與實(shí)踐,2015,35(9):2200-2208.

HUANG Youpo, TANG Zhenpeng, ZHOU Xiwen. Estimation of tail risk based on realized GARCH model with skew-tdistribution[J]. Systems Engineering—Theory & Practice, 2015, 35(9): 2200-2208.

[18] RAMLI M A M, HIENDRO A, AL-TURKI Y A. Techno-economic energy analysis of wind/solar hybrid system: case study for western coastal area of Saudi Arabia[J]. Renewable Energy, 2016, 91: 374-385.

[19] 王海冰,王承民,張庚午,等.考慮條件風(fēng)險(xiǎn)價(jià)值的兩階段發(fā)電調(diào)度隨機(jī)規(guī)劃模型和方法[J].中國電機(jī)工程學(xué)報(bào),2016,36(24):6838-6848.

WANG Haibing, WANG Chengmin, ZHANG Gengwu, et al. Two-stage stochastic generation dispatching model and method considering conditional value-at-risk[J]. Proceedings of the CSEE, 2016, 36(24): 6838-6848.

[20] DABBAGH S R, SHEIKH-EL-ESLAMI M K. Risk assessment of virtual power plants offering in energy and reserve markets[J]. IEEE Transactions on Power Systems, 2016, 31(5): 3572-3582.

[21] SHABANZADEH M, SHEIKH-EL-ESLAMI M K, HAGHIFAM M R. The design of a risk-hedging tool for virtual power plants via robust optimization approach[J]. Applied Energy, 2005, 155: 766-777.

[22] ARDAKANI F J, RIAHY G, ABEDI M. Optimal sizing of a grid-connected hybrid system for north-west of Iran-case study[C]// IEEE Environment and Electrical Engineering, May 16-19, 2010, Prague, Czech Republic: 1369-1380.

[23] NREL [EB/OL]. [2015-10-24]. http://wind.nrel.gov/Web_nrel/.

[24] NREL [EB/OL]. [2015-10-24]. http://www.nrel.gov/electricity/transmission/solar_integration_methodolog.html.

[25] PJM [EB/OL]. [2017-01-21]. http://www.pjm.com/markets-and-operations/ancillary-services.aspx.

[26] 錢科軍,袁越,石曉丹,等.分布式發(fā)電的環(huán)境效益分析[J].中國電機(jī)工程學(xué)報(bào),2008,28(29):11-15.

QIAN Kejun, YUAN Yue, SHI Xiaodan, et al. Environmental benefits analysis of distributed generation[J]. Proceedings of the CSEE, 2008, 28(29): 11-15.

[27] 劉小茂,李楚霖,王建華.風(fēng)險(xiǎn)資產(chǎn)組合的均值-CVaR有效前沿(Ⅱ)[J].管理工程學(xué)報(bào),2005,19(1):1-5.

LIU Xiaomao, LI Chulin, WANG Jianhua. Mean-CVaR efficient frontier and its economic implications (Ⅱ)[J]. Journal of Industrial Engineering and Engineering Management, 2005, 19(1): 1-5.