计及环境效益的虚拟电厂经济性优化调度*

袁桂丽，陈少梁，王琳博

（华北电力大学，北京 102206）

计及环境效益的虚拟电厂经济性优化调度*

袁桂丽，陈少梁†，王琳博

（华北电力大学，北京 102206）

虚拟电厂（Virtual power plant, VPP）能有效减小新能源对电网的冲击，提高供电可靠性。本文在分析了VPP各分布式电源（Distributed generator, DG）发电成本的基础上，构建了计及环境效益的含风力发电、光伏发电、小水电和微型燃气轮机发电的VPP经济性优化调度模型，设计了基于小水电季节特性的VPP运行策略。以各时段内VPP实际出力跟踪计划出力、同时VPP发电成本和环境成本最小为目标，通过粒子群算法计算得到VPP各DG的出力。讨论了丰水期、平水期和枯水期VPP完成计划出力时微型燃气轮机出力系数，比较了丰水期、平水期和枯水期VPP发电成本和环境成本，并基于火力发电的环境成本计算了丰水期、平水期和枯水期VPP环境效益。实验结果验证了所建模型和运行策略的合理性，并表明VPP能有效平抑新能源出力偏差，降低DG发电总成本。

虚拟电厂；新能源；分布式电源；优化调度模型；发电成本；环境成本；环境效益

0 引 言

随着化石能源日益枯竭，电力系统对分布式电源（Distributed generator, DG）日益重视。DG多指风力发电、光伏发电和小水电发电等，这些可再生新能源电力在地域分布上具有分散性，发电具有随机性和互补性。小水电发电短期内波动较小，但是其发电具有明显的季节性，会随着丰水期、平水期和枯水期的变化而变化，丰水期发电过剩，枯水期发电紧缺[1]。在单个调度DG接入电网会对电能质量造成严重影响的背景下，虚拟电厂（Virtual power plant, VPP）因可以有效集成地域分散、类型各异的DG，提高供电可靠性而逐渐受到国内外专家学者关注[2-4]。VPP将一定区域内的传统发电厂、DG、可控负荷和储能系统有机结合，通过一个控制中心的管理，合并为一个整体参与电网运行[2]。这种聚合方式可以显著减小DG发电随机性对电网的冲击。

目前针对VPP的研究大多都以VPP经济效益最大化或成本最小化为目标函数，但目标函数涉及到环境效益的文献很少。PANDZIC等[5]构建了含抽水蓄能、常规能源、可再生新能源的以VPP效益最大化为目标的模型，文章未涉及可再生能源发电成本和环境效益。HROPKO等[6]构建了以VPP收益最大化为目标的模型，文章考虑了发电成本但未考虑环境效益。冯其芝等[7]构建了以综合成本最小为目标的VPP模型，但只考虑了运行维护费用和燃料成本，并未考虑投资成本和环境效益。闫涛等[8]构建了VPP经济收益目标函数以及风力发电和电池储能系统收益、成本等数学模型的商业型VPP经济优化调度模型，虽然考虑了风力发电代替火力发电减少的环境成本，但是构建的模型只含有风电，且还具有高成本储能电池。现有文献的模型中很多都配置了储能系统，但是对一个区域内小规模的DG来说，配置储能系统会增加高额成本，如何有效利用区域内的DG合理经济地发电成为关键。

本文构建了含风力发电、光伏发电、小水电和微型燃气轮机发电的VPP经济性优化调度模型，并根据各DG发电的特点，尤其是小水电在丰水期、平水期和枯水期发电具有明显季节特性的特点，设计了VPP运行策略，通过调节小水电和微型燃气轮机平抑VPP中的不可控DG出力偏差。本文考虑了VPP的发电成本和环境成本，以各时段内VPP实际出力跟踪计划出力、同时VPP发电成本和环境成本最小为目标，并通过粒子群算法计算得到VPP各DG的出力。最后本文讨论了丰水期、平水期和枯水期VPP完成计划出力时可控电源的出力系数，分析了丰水期、平水期和枯水期时VPP的发电成本和环境成本，并基于火力发电的环境成本计算了丰水期、平水期和枯水期VPP的环境效益。

1 VPP各DG发电成本分析

1.1 VPP模型

图1所示为一种典型的VPP模型，图中VPP各组成部分并不是必须的，也不是全部的[9]。本文所构建的VPP由风力发电、光伏发电、小水电和微型燃气轮机构成。

图1 VPP模型Fig. 1 The model of VPP

1.2 DG发电成本分析

VPP所含DG多为可再生新能源，与传统能源相比属于清洁能源，环境效益比起传统能源发电要好。表1为传统火力发电和部分分布式发电方式的污染排放数据[10-11]。从表中可以看出，分布式发电的污染物排放均较火力发电要少。

表1 各种发电技术的污染排放数据 [单位：g/(kW·h)]Table 1 Emission characteristics of several electric generating technologies [unit: g/(kW·h)]

1.2.1 可再生能源发电成本分析

风力发电、光伏发电、小水电发电属于可再生能源发电，结合表1可知污染物排放为零，其发电成本主要包含投资折旧成本、运行维护成本等。因此其单位电量成本计算公式为[10-12]：

式中：c为平均容量系数，c=年发电量/（8 760×系统额定功率）；n为投资偿还期，等于设备使用 年限；COM为运行维护成本；Caz为安装/投资成本； r为固定年利率。

本文风力发电、光伏发电单位电量成本[10-11]分别取0.44 RMB/(kW·h)、1.2 RMB/(kW·h)。小水电单位造价为8 000 RMB/kW，使用年限30年，年利率取8%，有效利用时间取2 500 h，运行维护成本为0.025 RMB/(kW·h)，计算小水电单位电量成本为0.309 RMB/(kW·h)[1]。

1.2.2 微型燃气轮机发电成本分析

微型燃气轮机发电技术以天然气、甲烷、柴油等传统能源为燃料，其成本主要包含投资折旧成本、运行维护成本和燃料成本等。结合表1可知燃气轮机发电会向外界排放污染物，考虑环境成本后，微型燃气轮机的单位电量成本计算公式为[10-12]：

式中：Cf单位电量燃料成本；Ce单位电量环境成本。

环境成本包含环境价值和环境罚款两方面，如表2[11,13-14]所示：

表2 污染物环境价值标准和罚款（单位：RMB/kg）Table 2 Environmental value standard of pollutant emission and penalty for pollutant emission (unit: RMB/kg)

式中：Vei为第i项污染物的环境价值；m污染物种类；Qi第i项污染物排放量；Vi排放第i项污染物所缴罚款。

未考虑环境效益时，本文微型燃气轮机单位电量成本[10-11]取0.6 RMB/(kW·h)。计算微型燃气轮机单位环境成本为0.016 RMB/(kW·h)。考虑环境效益后，VPP各DG单位电量成本见表3。

表3 分布式电源单位电量成本 [单位：RMB/(kW·h)]Table 3 The unit electricity cost of distributed generator [unit: RMB/(kW·h)]

2 计及环境效益的VPP优化调度模型

2.1 目标函数

以各时段内VPP实际出力跟踪计划出力，同时发电成本和环境成本最小为目标，VPP实际出力跟踪计划出力表示偏离出力计划惩罚成本最小，发电成本包括各分布式电源安装成本、运行维护成本和燃料成本，目标函数为：

式中：k表示时间序列，以15 min为一个时间段，k=1, 2, … 96，表示k时段VPP成本；第一项为 k时段VPP发电成本，CWPP、CPV、CHG、CMT分别为风力发电、光伏发电、小水电、微型燃气轮机的单位发电成本，分别为k时段风力发电、光伏发电、小水电、微型燃气轮机出力；第二项为k时段VPP环境成本，EMT为微型燃气轮机单位环境成本；第三项为k时段VPP向电网支付的惩罚成本，CS为单位惩罚成本，本文中单位惩罚成本等于考虑环境效益后电网单位电量成本，为k时段VPP实际出力与计划出力偏离发电量。

2.2 VPP计划出力

VPP提前一天向电网申报出力计划，出力计划包含不可控DG和可控DG出力计划。所构建VPP中只有微型燃气轮机完全可控，需留出一定备用补偿不可控DG出力偏差，使VPP能完成发电计划。VPP按下式向配电网申报计划出力：

2.3 VPP运行策略

2.3.1 风力发电和光伏发电运行策略

风力发电和光伏发电是可再生能源，出力具有随机性和互补性，VPP通过调节内部其他电源的出力，使VPP尽可能消纳风力发电和光伏发电。

2.3.2 考虑季节特性的小水电运行策略

小水电发电具有明显的季节性，在丰水期时发电过剩，枯水期电力紧缺，因此在VPP能量管理中应根据丰水期、平水期和枯水期采用不同的调度策略。本文小水电带有一定容量蓄水库，出力可调。通过调节小水电出力，实现对VPP的出力偏差进行初次调节。

（1）丰水期小水电运行策略

丰水期水量充足，为充分利用水电资源，小水电常常满发，本文小水电以最大出力稳定发电，不参与VPP出力偏差补偿。

（2）平水期小水电运行策略

平水期时，小水电兼顾日常发电和VPP出力偏差补偿。

当VPP实际出力比计划出力多时，小水电减小出力，将风光多发电量等效转换成蓄水量，进行蓄能。

当VPP实际出力比计划出力少时，小水电增 大出力，将蓄水量转换成电量多发电。

（3）枯水期小水电运行策略

枯水期来水量少，如安排日常发电，受限于来水量，机组出力值太小，因此小水电只参与VPP出力偏差补偿。当VPP实际出力比计划出力少时，小水电发电补偿出力偏差。

2.3.3 微型燃气轮机运行策略

小水电发电具有季节性，且容量较小，需要燃气轮机留出备用对VPP的出力偏差进行再次调节。

（1）丰水期微型燃气轮机运行策略

丰水期时，小水电满发，VPP中只有燃气轮机发电补偿出力偏差。

（2）平水期微型燃气轮机运行策略

小水电完全补偿VPP出力偏差，微型燃气轮机不参与VPP出力偏差调节。

小水电部分补偿VPP出力偏差，微型燃气轮机参与VPP出力偏差调节。

（3）枯水期小水电运行策略

枯水期时，燃气轮机运行策略和平水期一样。

2.3.4 约束条件

（1）功率平衡约束

（2）微型燃气轮机功率上下限约束

式中：PMTmax、PMTmin分别为微型燃气轮机出力上下限。

（3）小水电约束

式中：PHGmax、PHGmin分别表示小水电出力上下限；表示小水电k时段蓄水量；nHG表示小水电发电效率；表示小水电入库流量；EHGmin、EHGmax分别表示小水电最小蓄水量和最大蓄水量。

3 算例分析

3.1 VPP出力偏差

本文出力偏差表示预测出力减去实际出力，风力发电、光伏发电和平水期小水电出力情况见图2，VPP出力偏差为风力发电和光伏发电出力偏差之和，见图3。

3.2 相关数据

VPP由5 200 kW风力发电、1 800 kW光伏发电、2 800 kW小水电、3 200 kW微型燃气轮机构成，相关参数信息见表3和表4。小水电初始蓄水量为0.918 7 MW·h，水库蓄水量下限为0.5 MW·h，上限为2.8 MW·h，发电效率为0.92。在丰水期、平水期和枯水期三种状态下，风力发电、光伏发电能力不变，仅小水电发电能力变化。小水电枯水期发电能力取为平水期的30%。

图3 VPP出力偏差Fig. 3 Output deviation of VPP

3.3 仿真研究及分析

本文采用粒子群算法求解VPP经济性优化调度模型，在满足VPP运行策略和约束条件的前提下进行优化求解。算法参数设置为：种群规模为50，迭代次数为300，惯性权重因子w为0.75，r1和r2为（0, 1）之间的随机数，学习因子c1和c2均为1.494 45。

（1）微型燃气轮机出力系数η分析

VPP中小水电各水期的运行策略不一样，微型燃气轮机出力系数η也会不同。平水期时，小水电和微型燃气轮机联合运行补偿VPP出力偏差，结合表5可知，η等于0.86时VPP惩罚成本最小，为0 RMB，按此出力系数留出备用时，VPP完全按照出力计划发电，新能源电力给电网带来的冲击最小。丰水期VPP完成出力计划时η为0.8，与平水期比较可知，由于只有燃气轮机补偿出力偏差，出力系数降低了0.06。枯水期VPP完成出力计划时η为1，此时小水电和燃气轮机联合运行。可知小水电参与补偿VPP出力偏差能有效增加微型燃气轮机的出力系数，微型燃气轮机的出力会受到小水电季节特性的影响。

表5 平水期不同出力系数下VPP成本比较Table 5 The cost comparison of VPP under different output coefficient in normal water period

观察图4微型燃气轮机出力曲线，丰水期燃气轮机出力在2.56 MW附近波动，平水期燃气轮机在2.752 MW附近波动，枯水期燃气轮机出力在3.2 MW以下波动。由于丰水期只有燃气轮机补偿出力偏差，平水期燃气轮机和小水电联合补偿出力偏差，丰水期燃气轮机出力波动比平水期大。枯水期时，VPP实际出力比计划出力多时，为接纳更多的风光出力，燃气轮机降低出力；VPP实际出力比计划出力少时，由于燃气轮机发电成本和环境成本比小水电高，此时小水电以最大能力发电，降低了燃气轮机的出力，导致枯水期燃气轮机出力波动比丰水期大。实验结果验证了微型燃气轮机运行策略的合理性，并表明平水期和枯水期小水电能有效降低微型燃气轮机备用，增加其出力，通过选择合适的微型燃气轮机出力系数，不同季节虚拟电厂都可以有效完成出力计划，降低新能源出力波动对电网的影响。

图4 微型燃气轮机出力曲线Fig. 4 Output curves of microturbine

（2）VPP小水电发电情况分析

丰水期时，小水电满发，不做分析。图5在时段3到11、14到19、36到39、44到51、56到59、68到78、92到96，平水期小水电降低出力，枯水期小水电不发电，结合图6可知，平水期利用小水电降低出力达到蓄水效果，枯水期利用小水电入库流量达到蓄水效果，且平水期蓄水比枯水期蓄水能力要差。图5在时段1到2、12到13、20到31、40 到44、52到55、60到62、79到82，平水期利用蓄水多发电，枯水期利用蓄水和入库流量多发电。结合图6蓄水量减小程度可知，由于平水期小水电需日常发电，其补偿出力偏差能力、降低发电成本和环境成本能力低于枯水期，说明枯水期小水电比平水期更能增加燃气轮机的出力系数，降低其备用。实验验证了小水电运行策略的合理性，并表明通过设计的小水电运行策略，可以使平水期和枯水期小水电有效地参与平抑新能源出力波动。

图5 平水期和枯水期小水电出力曲线Fig. 5 Output curves of small hydro power in normal and low water period

图6 平水期和枯水期小水电蓄能曲线Fig. 6 Storage curves of small hydro power in normal and low water period

（3）VPP发电成本和环境成本分析

丰水期、平水期和枯水期的VPP发电成本和环境成本见表6，VPP惩罚成本都为0。可计算VPP丰水期、平水期和枯水期的单位电量发电成本分 别为476.16 RMB/(MW·h)、492.78 RMB/(MW·h)、536.33 RMB/(MW·h)，单位电量环境成本分别为5.04 RMB/(MW·h)、5.74 RMB/(MW·h)、6.84 RMB/(MW·h)，表明VPP单位电量发电成本和环境成本随着小水电发电能力的减小而增加。DG单独发电时，风力发电、光伏发电出力具有随机性，有惩罚成本。在同等发电量时，丰水期DG单独发电总成本99 198.5 RMB，比构建VPP发电多3 750.5 RMB。平水期DG单独发电总成本97 403.2 RMB，比构建VPP发电多3 488.6 RMB。枯水期DG单独发电总成本为87 898.4 RMB，比构建VPP 发电多8 438.8 RMB。三种情况下风光出力相同，惩罚成本都为3 891.2 RMB，比构建VPP发电惩罚成本多3 891.2 RMB。结果表明，VPP单位电量发电成本和环境成本会随着小水电发电能力的减小而增加。与DG单独发电相比，通过构建VPP可以有效降低发电总成本，平抑新能源出力波动。

（4）VPP的环境效益

VPP由于所含DG多为可再生新能源，因此其发电的环境效益相对于传统发电来说很明显，本文通过比较同等发电量情况下VPP和火力发电的环境成本，得出虚拟电厂的环境效益。

如表6所示，在丰水期、平水期和枯水期24 h内VPP发电量为198.356 8 MW·h、188.387 3 MW·h、146.288 4 MW·h。由表3知火力发电的单位电量环境成本为0.064 RMB/(kW·h)。同等电量情况下，丰水期、 平水期和枯水期火力发电环境成本为12 694.8 RMB、12 056.8 RMB、9 362.5 RMB，因此该VPP在丰水期、平水期和枯水期环境效益分别为11 695.8 RMB/天、10 976.2 RMB/天、8 361.9 RMB/天。结果表明，不管处在哪个季节，VPP环境效益都比常规能源环境效益好，并且随着小水电发电能力的增加而增加。

表6 丰水期、平水期和枯水期VPP成本比较Table 6 The cost comparison of VPP in high, normal and low water period

4 结 语

本文构建了计及环境效益的含风力发电、光伏发电、小水电发电和微型燃气轮机发电的VPP经济性优化调度模型，考虑了丰水期、平水期和枯水期对小水电发电的影响，设计了基于小水电季节特性的VPP运行策略。通过实验仿真验证了所建模型和VPP运行策略的合理性，并表明：

（1）平水期和枯水期时，小水电能有效参与新能源出力偏差补偿，降低微型燃气轮机备用，增加其出力。

（2）通过选择合适的微型燃气轮机出力系数，以及设计合理的VPP运行策略，不同季节虚拟电厂都可以有效完成出力计划，降低新能源出力波动对电网的影响。

（3）与DG单独发电相比，通过构建VPP可以有效降低发电总成本，平抑新能源出力波动，减小其对电网的冲击。

（4）VPP环境效益始终比常规能源好，其单位电量发电成本和环境成本会随着小水电发电能力的减小而增加。

[1] 黄伟, 崔屹平, 黄婷, 等. 考虑小水电季节特性的微网经济运行[J]. 现代电力, 2014, 31(1): 1-6.

[2] 刘吉臻, 李明扬, 房方, 等. 虚拟发电厂研究综述[J]. 中国电机工程学报, 2014, 34(29): 5103-5111.

[3] 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.

[4] 卫志农, 余爽, 孙国强, 等. 虚拟电厂的概念与发展[J]. 电力系统自动化, 2013, 37(13): 1-9.

[5] PANDZIC H, KUZLE I, CAPUDER T. Virtual power plant mid-term dispatch optimization[J]. Applied Energy, 2013, 101(SI): 134-141.

[6] HROPKO D, IVANECKY J, TURCEK J. Optimal dispatch of renewable energy sources included in virtual power plant using accelerated particle swarm optimization: ELEKTRO[C]. Rajeck Teplice, Slovakia: IEEE, 2012: 196-200.

[7] 冯其芝, 喻洁, 李扬, 等. 考虑分时电价的虚拟发电厂调度策略[J]. 电力需求侧管理, 2014, 16(4): 1-5.

[8] 闫涛, 渠展展, 惠东, 等. 含规模化电池储能系统的商业型虚拟电厂经济性分析[J]. 电力系统自动化, 2014, 38(17): 98-104.

[9] 陈炜, 艾欣, 范潆丹. 基于模仿者动态算法的虚拟发电厂内部分布式发电资源均衡调度方法[J]. 电网技术, 2014, 3(38): 589-595.

[10] 钱科军, 袁越, 石晓丹, 等. 分布式发电的环境效益分析[J]. 中国电机工程学报, 2008, 28(29): 11-15.

[11] 崔弘, 郭熠昀, 夏成军. 考虑环境效益的分布式电源优化配置研究[J]. 华东电力, 2010, 38(12): 1968-1971.

[12] RAMAKUMAR R, BUTLER N G, RODRIGUEZ A P, et al. Economic aspects of advanced energy technologies[J]. Proceedings of the IEEE, 1993, 81(3): 318-332.

[13] 俞海淼, 周海珠, 裴晓梅. 风力发电的环境价值与经济性分析[J]. 同济大学学报, 2009, 37(5): 704-708.

[14] HU G H, HE W, CHENG S, et al. Optimal Allocation of Distributed Generation Units Considering Environmental Effects[J]. Journal of Information & Computational Science, 2013(10): 3353-3362.

Economic Optimal Dispatch of Virtual Power Plant Considering Environmental Benefits

YUAN Gui-li, CHEN Shao-liang, WANG Lin-bo
(North China Electric Power University, Beijing 102206, China)

Virtual power plant (VPP) can reduce the impact of renewable energy sources on the grid effectively and improve the power supply reliability. On the basis of analyzing the power generation cost of the distributed generator (DG) in the VPP, a VPP economic optimal dispatch model with the environmental benefits is established, and an operation strategy of VPP based on the seasonal characteristics of small hydropower is designed. The wind power, photovoltaic, small hydropower, micro-turbine and fuel cell are included in this model. With the goal of actual output of VPP tracking planning output and minimizing generation and environmental cost of VPP in each period, the output power of the DG in the VPP is obtained by the particle swarm algorithm. The output coefficient of micro-turbine in high, normal and low water period when VPP completes the output plan is discussed. The generation and environmental costs of VPP in high, normal and low water period are compared. And the environmental benefits of VPP in high, normal and low water period based on the environmental cost of thermal power generation is calculated. The simulation results prove the rationality of the established model and the designed strategy, and show that VPP can stabilize the output deviation of renewable energy sources and reduce the total cost of DG effectively.

virtual power plant； renewable energy sources； distributed generator； optimal dispatch model； generation cost； environmental cost； environmental benefits

TK0；TM61

A

10.3969/j.issn.2095-560X.2015.05.012

2095-560X（2015）05-0398-07

袁桂丽（1971-），女，博士，副教授，主要从事信息控制、先进控制策略及其应用、 电力系统控制与优化调度研究。

2015-07-29

2015-09-21

† 通信作者：陈少梁，E-mail：chenshaoliang1990@163.com

陈少梁（1990-），男，硕士研究生，主要从事电力系统控制与优化调度研究。