劉國新，吳杰康，蔡志宏，王瑞東，蔡錦健，張宏業(yè)

(廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東 廣州 510006)

0 引 言

近年來，中國風(fēng)光裝機(jī)容量不斷增加，但因其具有單機(jī)容量小、地域分散、并網(wǎng)具有較大的隨機(jī)性和波動(dòng)性的特性，大規(guī)模接入會(huì)給電網(wǎng)的可靠性帶來巨大的挑戰(zhàn)[1]。為了有效解決利用可再生能源所帶來的威脅，虛擬電廠(virtual power plant,VPP)應(yīng)運(yùn)而生。VPP是通過將各種分布式電源、儲(chǔ)能系統(tǒng)以及可控負(fù)荷聚合成一個(gè)主體來參與電力市場運(yùn)營[2]，緩解了可再生能源接入電網(wǎng)造成波動(dòng)的同時(shí)，還增加了VPP各組成部分的經(jīng)濟(jì)效益。

為了應(yīng)對可再生能源的高滲透率，VPP中需要配置足夠的儲(chǔ)能系統(tǒng)、微燃機(jī)等設(shè)備，才能有效緩解由于可再生能源的隨機(jī)性所帶來的威脅。所以需要對VPP的機(jī)組配置進(jìn)行深入研究，而在VPP的配置方面已有許多優(yōu)秀的成果。有研究基于投資組合理論，充分考慮了可再生能源所存在的不確定性，以此來對VPP中的電源容量進(jìn)行優(yōu)化配置[3]；有研究針對VPP中含有大規(guī)模分布式光伏的場景，綜合考慮VPP在電能質(zhì)量、削峰填谷以及儲(chǔ)能側(cè)需求響應(yīng)3個(gè)方面的作用，來尋找儲(chǔ)能容量最優(yōu)配置方案[4]；有研究利用條件風(fēng)險(xiǎn)價(jià)值(conditional value-at-risk,CVaR)來進(jìn)行風(fēng)險(xiǎn)度量，建立了一種基于投資組合理論和計(jì)及風(fēng)險(xiǎn)量度的 VPP 容量優(yōu)化配置模型[5]；還有研究針對可調(diào)資源的動(dòng)態(tài)特性，建立了基于條件風(fēng)險(xiǎn)價(jià)值的VPP多級優(yōu)化配置模型，分別從可調(diào)資源靈活性、聚合調(diào)節(jié)特性以及優(yōu)化目標(biāo)三方面入手[6]。上述VPP優(yōu)化配置的研究都是基于能源設(shè)備的建設(shè)來展開的，近年來，中國在供給側(cè)出現(xiàn)了電源規(guī)模過剩的問題[7]，即在同一地區(qū)有多個(gè)同類型的電力企業(yè)存在。在這種情況下，虛擬電廠的配置就沒有必要從無到有進(jìn)行建設(shè)，而是在現(xiàn)有電力企業(yè)中尋找最優(yōu)的機(jī)組成員。所以，下面研究的重點(diǎn)內(nèi)容是如何在現(xiàn)有的電力企業(yè)基礎(chǔ)下，以一天為期，通過租賃設(shè)備的方式，組建虛擬電廠，獲取收益。

由于可再生能源出力的不確定性將會(huì)導(dǎo)致出力偏差，進(jìn)而導(dǎo)致風(fēng)險(xiǎn)損失，為了減少風(fēng)險(xiǎn)損失，增大收益，需要對風(fēng)險(xiǎn)進(jìn)行度量。有文獻(xiàn)建立了多虛擬電廠優(yōu)化調(diào)度模型，借助均值-方差理論，提出利潤函數(shù)的風(fēng)險(xiǎn)刻畫，準(zhǔn)確描述不確定性的影響[8]。但傳統(tǒng)的均值-方差模型在風(fēng)險(xiǎn)度量方面具有局限性，為了克服該局限性，有研究利用最差情境下的CVaR方法構(gòu)建了運(yùn)行成本、售電收益和交互收益在內(nèi)的虛擬電廠能量市場的收益-風(fēng)險(xiǎn)模型[9]；也有研究引入CVaR理論量化和置信度方法，轉(zhuǎn)化目標(biāo)函數(shù)和約束條件中的隨機(jī)變量，建立隨機(jī)調(diào)度優(yōu)化模型[10]。CVaR模型能夠充分反映決策結(jié)果的潛在損失，而且決策收益是否符合對稱分布并不會(huì)影響模型對風(fēng)險(xiǎn)的度量[11]，憑借該優(yōu)勢，CVaR在電力系統(tǒng)風(fēng)險(xiǎn)管理方面已成為一種有效的風(fēng)險(xiǎn)度量方式。

針對上述問題，下面提出一種基于CVaR理論的虛擬電廠多電源動(dòng)態(tài)聚合模型。首先，使用CVaR對風(fēng)險(xiǎn)進(jìn)行度量；其次，用風(fēng)險(xiǎn)偏好系數(shù)來模擬虛擬電廠管理者對風(fēng)險(xiǎn)的厭惡程度；然后，用場景集的方法模擬風(fēng)、光、負(fù)荷的不確定性；最后，在已有的機(jī)組中選擇最適合的機(jī)組組成虛擬電廠來獲取較高的收益。在優(yōu)化過程中還考慮了虛擬電廠對環(huán)境保護(hù)的作用，以及購電電價(jià)的變化對虛擬電廠機(jī)組選擇的影響，并給出了算例進(jìn)行驗(yàn)證。

1 VPP機(jī)組的CVaR風(fēng)險(xiǎn)控制原理

風(fēng)速、光照強(qiáng)度以及負(fù)荷都存在不確定性，會(huì)給VPP的機(jī)組選擇帶來風(fēng)險(xiǎn)損失，所以需要對風(fēng)險(xiǎn)進(jìn)行度量，以求減少風(fēng)險(xiǎn)損失。風(fēng)險(xiǎn)價(jià)值(value-at-risk,VaR)和CVaR是當(dāng)前常用的風(fēng)險(xiǎn)管理方法，可以有效彌補(bǔ)均值-方差這種傳統(tǒng)方法在進(jìn)行風(fēng)險(xiǎn)度量時(shí)的局限性。風(fēng)險(xiǎn)價(jià)值的計(jì)算方法有隨機(jī)模擬法和歷史數(shù)據(jù)模擬法等[12]，由于風(fēng)速、光照強(qiáng)度以及負(fù)荷的概率分布難以準(zhǔn)確獲得，所以采用歷史數(shù)據(jù)模擬法來計(jì)算風(fēng)險(xiǎn)價(jià)值。

采用場景集的方法將隨機(jī)性優(yōu)化問題轉(zhuǎn)化為確定性優(yōu)化問題處理[13]?？紤]風(fēng)速、光照強(qiáng)度以及負(fù)荷的場景集為w={q(wx),x=1,…,nwpp}、p={q(pc),c=1,…,npv}、l={q(lv),v=1,…,nload}，其中：q(wx)、q(pc)、q(lv)分別為風(fēng)速場景wx、光照強(qiáng)度場景pc、負(fù)荷場景l(fā)v的發(fā)生概率；nwpp、npv、nload分別為對應(yīng)場景集中各場景的個(gè)數(shù)。

選用CVaR作為風(fēng)險(xiǎn)指標(biāo)，對CVaR理論的介紹如下：

假設(shè)VPP的損失函數(shù)為f(G,y)，取VPP收益的負(fù)值，則損失函數(shù)f(G,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、CVaR的計(jì)算公式為：

VVaR,β(G)=min{α∈R:ψ(G,α)≥β}

(2)

(3)

式中：β、VVaR,β(G)、VCVaR,β(G)分別為虛擬電廠某種機(jī)組組合運(yùn)行的置信度、VaR值、CVaR值。

VaR值可以在特定的置信度下估計(jì)VPP某種機(jī)組組合的最大可能風(fēng)險(xiǎn)損失，但是不能考慮“尾部風(fēng)險(xiǎn)”[15]而導(dǎo)致風(fēng)險(xiǎn)損失被低估，而CVaR值可以克服這個(gè)問題，所以VCVaR,β(G)估計(jì)的風(fēng)險(xiǎn)損失大于VVaR。β(G)估計(jì)的風(fēng)險(xiǎn)損失。VVaR,β(G)的解析表達(dá)式很難直接得到，因此推導(dǎo)出變換函數(shù)Fβ(G,α)替換VCVaR,β(G)計(jì)算CVaR值[15]。

(4)

式中，[f(G,y)-α]+表示max{[f(G,)-α],0}。

式(4)難以直接求解，通常會(huì)采用隨機(jī)向量y的歷史樣本數(shù)據(jù)，或者通過拉丁超立方抽樣模擬樣本數(shù)據(jù)來估計(jì)公式(4)的積分項(xiàng)。假設(shè)y1、y2、…、yN為隨機(jī)向量y的N個(gè)樣本值，則式(4)可以變?yōu)槭?5)。

(5)

2 VPP機(jī)組動(dòng)態(tài)聚合優(yōu)化模型

VPP中存在多種電源機(jī)組，如風(fēng)電機(jī)組、光伏機(jī)組、微燃機(jī)、儲(chǔ)能系統(tǒng)等。可再生能源機(jī)組的出力受環(huán)境影響，存在不確定性。VPP管理者需對風(fēng)險(xiǎn)進(jìn)行評估，在眾多機(jī)組中選擇最能創(chuàng)造價(jià)值的機(jī)組，使VPP的運(yùn)行收益最高，所面臨的風(fēng)險(xiǎn)損失最低。在選擇過程中需要充分考慮常規(guī)電源與可再生能源的協(xié)同運(yùn)行問題。假設(shè)只考慮一個(gè)VPP的動(dòng)態(tài)聚合，而VPP可選擇的機(jī)組只有風(fēng)電機(jī)組、光伏機(jī)組、微燃機(jī)、儲(chǔ)能系統(tǒng)。

2.1 VPP的機(jī)組與功效

1) 風(fēng)電機(jī)組

自然風(fēng)風(fēng)速的不確定性導(dǎo)致了風(fēng)電機(jī)組輸出功率的不確定性，風(fēng)電機(jī)組的輸出功率為[16]

(6)

式中：PWPP(t)為風(fēng)電機(jī)組在t時(shí)刻的輸出功率；vt為在t時(shí)刻的自然風(fēng)風(fēng)速；vin、vout分別為切入風(fēng)速與切出風(fēng)速；vr為額定風(fēng)速；gr為額定輸出功率。

2)光伏機(jī)組

光照強(qiáng)度的不確定性導(dǎo)致了光伏機(jī)組輸出功率的不確定性，光伏機(jī)組的輸出功率為[17]

PPV(t)=ηPVSPVθt

(7)

式中：PPV(t)為光伏機(jī)組在t時(shí)刻的輸出功率；ηPV為光伏板的光電轉(zhuǎn)換效率；SPV為光伏板的面積；θt為在t時(shí)刻的光照強(qiáng)度。

3)微燃機(jī)

在VPP中通常會(huì)配置微燃機(jī)來平抑可再生能源出力的波動(dòng)性，從而對外輸出穩(wěn)定的電能，和常規(guī)電廠行使一樣的職能。

4)儲(chǔ)能系統(tǒng)

儲(chǔ)能系統(tǒng)也能夠平抑可再生能源出力的波動(dòng)性，只是受價(jià)格的限制，不能替代微燃機(jī)在VPP中的作用。儲(chǔ)能系統(tǒng)還能起到削峰填谷的作用，使VPP獲得更高的收益。

2.2 VPP的運(yùn)行收益與成本

1) 虛擬電廠的購售電收益

(8)

式中：PVPP,s(t)、PVPP,b(t)分別為虛擬電廠在t時(shí)刻向電力負(fù)荷售電量和向電網(wǎng)購電量；λs(t)、λb(t)分別為虛擬電廠在t時(shí)刻售電價(jià)格和購電價(jià)格。

2) 虛擬電廠的環(huán)境懲罰成本

(9)

式中：xMT,k為微燃機(jī)組k的0/1變量，該機(jī)組被虛擬電廠租賃取值為1，該機(jī)組未被虛擬電廠租賃取值為0；PMT,k(t)為微燃機(jī)組k在t時(shí)刻的功率；f為微燃機(jī)排放污染物的種類；mk(f)、Vk(f)、Yk(f)分別為微燃機(jī)組k的第f種污染物的排放量、環(huán)境價(jià)值、罰款數(shù)量級。

3) 虛擬電廠棄風(fēng)棄光的懲罰成本

(10)

式中：Pcurt(t)為虛擬電廠在t時(shí)刻棄風(fēng)棄光的功率；λs(t)為虛擬電廠在t時(shí)刻棄風(fēng)棄光的懲罰成本，即虛擬電廠在t時(shí)刻的購電價(jià)格。

4) 虛擬電廠所選機(jī)組的租賃成本

(11)

式中：xPV,i、xWPP,j、xMT,k、xESS,e分別為光伏機(jī)組i、風(fēng)電機(jī)組j、微燃機(jī)組k、第e臺儲(chǔ)能系統(tǒng)的0/1變量，該機(jī)組被虛擬電廠租賃取值為1，該機(jī)組未被虛擬電廠租賃取值為0；PESS,e,c(t)、PESS,e,d(t)分別為第e臺儲(chǔ)能系統(tǒng)在t時(shí)刻的充電、放電功率；PIL(t)為虛擬電廠中可中斷負(fù)荷在t時(shí)刻的功率；CPV,i、CWPP,j、CMT,k、CESS,e分別為光伏機(jī)組i、風(fēng)電機(jī)組j、微燃機(jī)組k、第e臺儲(chǔ)能系統(tǒng)的單位輸出功率的租賃費(fèi)用；CIL為可中斷負(fù)荷單位電量的補(bǔ)償成本。

5) 虛擬電廠所選機(jī)組的運(yùn)行維護(hù)成本

[PESS,e,c(t)+PESS,e,d(t)]CESS,e,op}

(12)

式中，CMT,k,op、CESS,e,op分別為微燃機(jī)組k、第e臺儲(chǔ)能系統(tǒng)的單位輸出功率的運(yùn)行費(fèi)用。

6) 虛擬電廠的CVaR

(13)

式中：α為VaR的邊界值；β為預(yù)先設(shè)定的置信度[10],取0.9；Rn為虛擬變量，Rn=[f(G,yn)-α]+為超過VaR的損失，損失函數(shù)f(G,y)取VPP收益的負(fù)值。

綜上所述，考慮CVaR的虛擬電廠多電源機(jī)組動(dòng)態(tài)聚合模型的目標(biāo)函數(shù)包含2個(gè)部分，第1部分為虛擬電廠的運(yùn)行收益，第2部分為CVaR與權(quán)重系數(shù)的乘積。

(14)

式中：γn為場景n的發(fā)生概率；L為權(quán)重系數(shù)，表示VPP管理者的風(fēng)險(xiǎn)偏好，L≥0。當(dāng)L取較小的值時(shí)，管理者的選擇比較激進(jìn)，希望獲取較高的收益，但同時(shí)會(huì)面對較大的風(fēng)險(xiǎn)損失；當(dāng)L取較大的值時(shí)，管理者選擇比較保守，獲取的收益較低，但同時(shí)會(huì)面對的風(fēng)險(xiǎn)損失較小。VPP的運(yùn)行約束條件為：

① 微燃機(jī)運(yùn)行約束

PMT，k,min≤PMT，k(t)≤PMT,k,max

(15)

(16)

② 儲(chǔ)能系統(tǒng)的荷電狀態(tài)和充、放電約束

(17)

(1-CD)Se,max≤Se(t)≤Se,max

(18)

0≤PESS,e,c(t)≤uc(t)PESS,e,c,max

(19)

0≤PESS,e,d(t)≤ud(t)PESS,e,d,max

(20)

uc(t)+ud(t)≤1

(21)

式中：Se(t)、Se(t-1)分別為第e臺儲(chǔ)能系統(tǒng)在t時(shí)刻、t-1時(shí)刻的荷電狀態(tài)；Se,max為第e臺儲(chǔ)能系統(tǒng)荷電狀態(tài)的上限值；CD為儲(chǔ)能系統(tǒng)的最大放電深度；PESS,e,c(t)、PESS,e,d(t)分別為第e臺儲(chǔ)能系統(tǒng)在t時(shí)刻的充電、放電功率；PESS,e,c,max、PESS,e,d,max分別為第e臺儲(chǔ)能系統(tǒng)的最大允許充電、最大允許放電功率；ηc、ηd分別為儲(chǔ)能系統(tǒng)的充電、放電效率系數(shù)；uc(t)、ud(t)分別為儲(chǔ)能系統(tǒng)在t時(shí)刻是否處于充電、放電的狀態(tài)值，是則取1，否則取0，兩者不可以同時(shí)為1。

③ 可中斷負(fù)荷約束

0≤PIL(t)≤kILPL(t)

(22)

式中：PL為虛擬電廠中的電力負(fù)荷；kIL為虛擬電廠中電力負(fù)荷中的可中斷負(fù)荷的比例系數(shù)。

④ 功率平衡約束

(23)

⑤ 備用容量約束

為了克服運(yùn)行優(yōu)化過程中不確定因素的影響，需預(yù)先設(shè)置備用容量約束，具體的約束公式為：

(24)

[PESS,e,c,max-PESS,e,c(t)]≥R-(t)

(25)

式中：R+(t)為VPP在t時(shí)刻所需要的上旋轉(zhuǎn)備用容量；R-(t)為VPP在t時(shí)刻所需要的下旋轉(zhuǎn)備用容量。

⑥ CVaR風(fēng)險(xiǎn)約束

為了方便求解，將虛擬變量Rn進(jìn)行松弛處理。

Rn≥0

(26)

Rn≥-(F1-F2-F3-F4-F5)-α

(27)

3 算例仿真與分析

3.1 模型參數(shù)及求解方法

虛擬電廠動(dòng)態(tài)聚合模型的原理如圖1所示。為驗(yàn)證所建模型的可行性，設(shè)定VPP的機(jī)組選擇有4臺微燃機(jī)、4臺風(fēng)電機(jī)組、4臺光伏機(jī)組、4臺儲(chǔ)能系統(tǒng)。每臺機(jī)組的額定容量如表1所示。表2列出了微燃機(jī)污染物排放量、環(huán)境價(jià)值以及懲罰數(shù)量級[18]。VPP的購售電價(jià)格如圖2所示。算例選取過去夏季典型日的風(fēng)速、光照強(qiáng)度、負(fù)荷歷史數(shù)據(jù)，采用拉丁超立方抽樣，分別從根據(jù)歷史數(shù)據(jù)隨機(jī)生成的5000個(gè)場景中抽取最有可能發(fā)生的2個(gè)場景，作為風(fēng)速、光照強(qiáng)度、負(fù)荷場景集w、p、l里的不同場景，即nwpp=npv=nload=2，各場景的發(fā)生概率為0.50。分別對這3個(gè)場景集中的2個(gè)場景依次進(jìn)行排列組合，則總場景數(shù)為nwppnpvnload=8個(gè)，通過場景來模擬VPP中可再生能源出力與負(fù)荷的不確定性。所研究的各機(jī)組租賃成本、運(yùn)行成本等其他參數(shù)可參考文獻(xiàn)[19-20]，這里不再贅述。

圖1 虛擬電廠動(dòng)態(tài)聚合原理

表1 VPP中機(jī)組額定容量數(shù)據(jù) 單位：MWh

表2 微燃機(jī)發(fā)電污染物數(shù)據(jù)

圖2 虛擬電廠購售電價(jià)

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平臺上GUROBI求解器進(jìn)行求解。

3.2 算例結(jié)果與分析

3.2.1 風(fēng)險(xiǎn)系數(shù)對機(jī)組組合策略的影響

VPP管理者選擇不同的風(fēng)險(xiǎn)偏好系數(shù)，VPP的機(jī)組組合優(yōu)化結(jié)果如表3所示?？梢悦黠@看出，隨著風(fēng)險(xiǎn)偏好系數(shù)L的不斷增大，即VPP的管理者對風(fēng)險(xiǎn)的厭惡程度不斷增加，則VPP的機(jī)組組合規(guī)劃越來越偏向于保守，所以VPP的運(yùn)行收益不斷降低，而CVaR值也不斷減少，所面臨的風(fēng)險(xiǎn)也隨之降低。

針對不同的L值，VPP會(huì)獲得不同的收益以及面對不同的風(fēng)險(xiǎn)損失，進(jìn)而得到不同的VPP機(jī)組組合結(jié)果。當(dāng)L值較小時(shí)，VPP管理者的選擇相對激進(jìn)，優(yōu)化結(jié)果為選擇接入大量的可再生能源機(jī)組來獲得較高的收益，由于可再生能源出力存在不確定性，所以獲得較高收益的同時(shí)也面臨著較高的風(fēng)險(xiǎn)損失；當(dāng)L值較大時(shí)，VPP管理者的選擇相對相對保守，優(yōu)化結(jié)果為選擇接入少量的可再生能源機(jī)組，通過接入較多的微燃機(jī)與購電的方式來滿足大部分負(fù)荷，雖然獲得的利益較低，但是所面臨的風(fēng)險(xiǎn)損失較低。一般認(rèn)為L值小于0.10為較小，L值大于0.50為較大[5]。

為了充分驗(yàn)證L值對VPP動(dòng)態(tài)聚合的影響，設(shè)置L的取值范圍為[0.10,1.30]，取值間隔為0.10，額外增加設(shè)置L=0.05。通過仿真可得到在不同L值下VPP的總收益關(guān)于CVaR的有效前沿曲線，如圖3所示。

圖3 VPP收益與CVaR的有效前沿曲線

如圖3所示，可以根據(jù)風(fēng)險(xiǎn)偏好系數(shù)，將VPP管理者對于風(fēng)險(xiǎn)的偏好分為4種情況，分別為保守型、較保守型、較激進(jìn)型、激進(jìn)型。下面分別選取代表4種機(jī)組組合選擇策略的風(fēng)險(xiǎn)偏好系數(shù)：L=0.05表示VPP管理者為激進(jìn)型；L=0.50表示VPP管理者為較激進(jìn)型；L=0.80表示VPP管理者為較保守型；L=1.30表示VPP管理者為保守型。

下面分別列出L=0.05、L=0.50、L=0.80、L=1.30時(shí)，虛擬電廠機(jī)組選擇結(jié)果、收益以及CVaR值，如表3所示，表中括號內(nèi)數(shù)據(jù)為接入的機(jī)組編號(下同)。

表3 虛擬電廠機(jī)組選擇結(jié)果

圖3中出現(xiàn)了L值不相同但虛擬電廠的總收益和條件風(fēng)險(xiǎn)價(jià)值卻相同的情況。這是因?yàn)榉抡鏁r(shí)所設(shè)定的可選擇機(jī)組有限，所以即便L值發(fā)生變化，但得到的結(jié)果是當(dāng)前的機(jī)組組合仍是最優(yōu)的組合。在現(xiàn)實(shí)中可以選擇的機(jī)組較多，則該種情況不會(huì)發(fā)生，而且所得到的VPP收益與CVaR的有效前沿曲線會(huì)更加平整光滑。

3.2.2 VPP環(huán)境成本靈敏度分析

對污染物排放懲罰成本進(jìn)行靈敏度分析，假設(shè)VPP管理者的風(fēng)險(xiǎn)偏好系數(shù)L值設(shè)為0.50，通過改變環(huán)境懲罰成本，得到如表4所示的機(jī)組組合結(jié)果。

表4 不同環(huán)境成本下VPP機(jī)組選擇結(jié)果

當(dāng)不考慮微燃機(jī)的環(huán)境懲罰成本時(shí)，VPP中機(jī)組選擇為微燃機(jī)、風(fēng)電機(jī)組、光伏機(jī)組各2臺，儲(chǔ)能系統(tǒng)1臺。此時(shí)的VPP多使用微燃機(jī)進(jìn)行出力發(fā)電，并未有效利用可再生能源，排放的污染物較多，環(huán)境污染嚴(yán)重。

當(dāng)考慮微燃機(jī)的環(huán)境懲罰成本時(shí)，VPP在機(jī)組選擇中減少微燃機(jī)的接入臺數(shù)，提高了光伏機(jī)組和儲(chǔ)能系統(tǒng)的接入臺數(shù)，用可再生能源來彌補(bǔ)微燃機(jī)的出力，并優(yōu)先使用儲(chǔ)能系統(tǒng)來平抑可再生能源的出力波動(dòng)。此時(shí)，VPP處于既經(jīng)濟(jì)又環(huán)保還高效的狀態(tài)。

當(dāng)把微燃機(jī)的環(huán)境懲罰成本提高到2倍時(shí)，VPP的機(jī)組選擇中并沒有微燃機(jī)接入，轉(zhuǎn)而接入更多的風(fēng)電機(jī)組和儲(chǔ)能系統(tǒng)，用可再生能源與儲(chǔ)能系統(tǒng)來彌補(bǔ)微燃機(jī)的出力，充分體現(xiàn)了VPP對環(huán)境的保護(hù)作用。

通過以上分析，可以看出國家制定的環(huán)境政策會(huì)影響VPP的機(jī)組選擇，為了響應(yīng)節(jié)能減排的號召，VPP的機(jī)組選擇會(huì)向能源轉(zhuǎn)型、提升可再生能源滲透率的方向發(fā)展。

3.2.3 VPP購電電價(jià)靈敏度分析

假設(shè)VPP管理者的風(fēng)險(xiǎn)偏好系數(shù)L值設(shè)為0.50，通過改變購電電價(jià)進(jìn)行靈敏度分析，得到如表5所示的機(jī)組組合結(jié)果。

表5 不同購電電價(jià)下VPP機(jī)組選擇結(jié)果

當(dāng)購電電價(jià)減少50%時(shí)，VPP中機(jī)組選擇為風(fēng)電機(jī)組1臺、光伏機(jī)組3臺，微燃機(jī)與儲(chǔ)能系統(tǒng)皆為0臺。此時(shí)的VPP主要通過以低電價(jià)購電維持VPP的內(nèi)部運(yùn)營，所以接入較少的能源機(jī)組。

當(dāng)購電電價(jià)提高到正常購電電價(jià)時(shí)，VPP更傾向于使用可再生能源，提高了風(fēng)電機(jī)組和光伏機(jī)組的接入，以及接入微燃機(jī)和儲(chǔ)能系統(tǒng)補(bǔ)償剩余電負(fù)荷、提供旋轉(zhuǎn)備用服務(wù)，增加了機(jī)組的接入臺數(shù)。

當(dāng)購電電價(jià)提高到2倍時(shí)，VPP管理者為了有效降低因風(fēng)光不確定性帶來的棄風(fēng)棄光高額懲罰成本，選擇接入較少的風(fēng)電機(jī)組和光伏機(jī)組。為了維持VPP的內(nèi)部運(yùn)營，選擇接入高功率微燃機(jī)，所以接入的機(jī)組也相對較少。

通過以上分析，可以看出購電電價(jià)會(huì)影響VPP的機(jī)組選擇；使用過高或過低的購電電價(jià)都會(huì)使VPP選擇接入較少的機(jī)組，加劇了電源規(guī)模過剩的問題；使用正常的購電電價(jià)，VPP會(huì)選擇接入較多的機(jī)組，緩解電源規(guī)模過剩問題的同時(shí)，提高可再生能源的利用率。

3.2.4 VPP出力計(jì)劃分析

VPP作為一個(gè)發(fā)電廠，可以根據(jù)VPP內(nèi)的機(jī)組出力擬定日前調(diào)度計(jì)劃。在所建模型中，當(dāng)VPP管理者確定風(fēng)險(xiǎn)偏好系數(shù)后，就可以得到最優(yōu)的機(jī)組選擇組合，再根據(jù)這個(gè)組合的機(jī)組出力，給出VPP日前出力計(jì)劃。

選取一個(gè)夏季典型日作為仿真對象，假設(shè)VPP管理者的風(fēng)險(xiǎn)偏好系數(shù)L值為0.50，以此選擇最優(yōu)的機(jī)組組合，組合中包括2臺風(fēng)電機(jī)組(W2、W3)、4臺光伏機(jī)組、1臺微燃機(jī)(M3)、2個(gè)儲(chǔ)能系統(tǒng)(E1、E4)。負(fù)荷需求以及可再生能源出力如圖4所示，VPP的日前出力計(jì)劃如圖5所示，分時(shí)段分析如下：

圖4 負(fù)荷需求及可再生能源出力

圖5 VPP日出力計(jì)劃(L=0.50)

0:00—5:00：電價(jià)較低，可再生能源出力較少，只能滿足小部分的負(fù)荷需求；VPP優(yōu)先調(diào)度M3進(jìn)行放電，以此來滿足大部分的負(fù)荷需求；由于電價(jià)比較低以及微燃機(jī)的環(huán)境成本比較高，選擇購入部分電量并調(diào)度可中斷負(fù)荷，以此來滿足剩余的負(fù)荷需求，并對E1、E4進(jìn)行充電。

5:00—12:00：電價(jià)較高，可再生能源出力較多，可以滿足大部分的負(fù)荷需求；VPP優(yōu)先調(diào)度充電后的E1、E4進(jìn)行放電，以此來滿足部分的負(fù)荷需求；由于電價(jià)比較高，選擇少購入或不購入電量，直接調(diào)度M3以及可中斷負(fù)荷，以此來滿足剩余的負(fù)荷需求。

12:00—19:00：電價(jià)較高，可再生能源出力多，可以基本滿足負(fù)荷的需求；由于電價(jià)比較高，選擇少購入或不購入電量；VPP調(diào)度M3進(jìn)行放電以及可中斷負(fù)荷就可以滿足剩余的負(fù)荷需求，由于剩余的負(fù)荷需求少，M3和可中斷負(fù)荷的出力處于較低水平就可以完全滿足，并對E1、E4進(jìn)行充電。

19:00—24:00：電價(jià)較低，可再生能源出力較少，只能滿足小部分的負(fù)荷需求；VPP優(yōu)先調(diào)度M3進(jìn)行放電，以此來滿足大部分的負(fù)荷需求；由于電價(jià)比較低，選擇購入部分的電量，并調(diào)度充電后的E1、E4進(jìn)行放電以及可中斷負(fù)荷，以此來滿足剩余的負(fù)荷需求。

4 結(jié) 論

針對含風(fēng)、光、微、儲(chǔ)的VPP多電源機(jī)組選擇的問題，建立了基于CVaR理論的VPP多電源機(jī)組動(dòng)態(tài)聚合模型，研究得到以下結(jié)論：

1)通過CVaR對風(fēng)險(xiǎn)損失的度量以及VPP管理者對風(fēng)險(xiǎn)的容忍程度，可以在眾多機(jī)組中選擇最合適的機(jī)組，獲取較高的收益以及面對較低的風(fēng)險(xiǎn)損失；

2)隨著風(fēng)險(xiǎn)偏好系數(shù)的增大，優(yōu)化結(jié)果會(huì)將存在風(fēng)險(xiǎn)的因素減少，即將風(fēng)電機(jī)組、光伏機(jī)組的數(shù)量減少；

3)政府所制定的環(huán)境政策對VPP的機(jī)組選擇有較大的影響，即減少微燃機(jī)的數(shù)量，響應(yīng)政府節(jié)能減排號召；

4)購電電價(jià)的變化對VPP的機(jī)組選擇也有較大的影響，制定合適的購電電價(jià)可有效提高可在生能源的利用率，緩解電源規(guī)模過剩問題。

此外，這里只考慮了一個(gè)VPP的機(jī)組選擇，而現(xiàn)實(shí)中是多個(gè)VPP同時(shí)存在，所以后續(xù)工作可以在此基礎(chǔ)上考慮多個(gè)VPP共存的機(jī)組選擇問題。