基于多代理的虚拟电厂协调优化调度策略研究

李铁松，刘甲利，庄明振

(东北电力大学 电气工程学院，吉林 吉林 132012)



基于多代理的虚拟电厂协调优化调度策略研究

李铁松，刘甲利，庄明振

(东北电力大学 电气工程学院，吉林 吉林 132012)

智能电网的发展为分布式能源(distributed energy resources, DER)的大量并网及对其进行协调优化调度提供了技术支持。结合各类DER的特点设计了基于多代理系统(multi-agent system, MAS)的虚拟电厂(virtual power plant,VPP)协调优化调度策略。针对风电机组、传统机组和既可作为电源又可作为负载的电动汽车特殊负荷，通过建立相应的出力或负荷数学模型，对其进行分类分层控制，在MATLAB中使用YALMIP工具箱建模，通过加权方法进行多目标优化求解。最后通过算例分析验证此调度策略的合理性与有效性，它可以利用各类DER特性，使其相互协调配合，在平抑负荷波动的同时，可以实现各类DER最大程度并网。

多代理系统；分布式能源；虚拟电厂；调度策略；MATLAB

中国《能源发展“十二五”规划》提出推动能源方式变革的重要任务，即大力发展分布式能源(distributed Energy Resources, DER)，推进智能电网建设。智能电网最关键就是能实时交流互动，即信息交流互动和能量交流互动[1-2]，先进的智能测量、信息通信技术为其实现提供了技术支持。

在电网的发展过程中，风电、太阳能发电等分布式电源(distributed generator, DG)占有的份额逐渐增加。风力发电是DG中装机容量最大，发展最早的，预计到2030年，中国的风电装机容量将达到全国总装机容量的17.4%；太阳能作为一种新型能源，近些年也得到了迅猛发展，根据我国《可再生能源中长期发展规划》，到2020年光伏系统累计装机容量最大将达到1 800 MW[3-5]。尽管这些DG拥有可靠、经济、灵活、环保等特点，但是DG容量小、数量大、分布不均匀，目前“安装即忘记(fit-and-forget)”的接入方式使其很难参加到电力系统的经济调度中来[6]。然而虚拟电厂(virtual power plant, VPP)的提出为上述问题的解决提供了新的思路。

VPP是将一些小型和微型的分布式能源资源进行打包，由能量管理系统统一控制，形成一种集成性的电厂[7-9]。VPP的核心是“通信”和“聚合”，基本的运行控制方式有集中控制、集中分散控制、完全分散控制结构[10]。从整个世界范围来看，VPP项目的研究主要集中在欧洲和北美，但他们又各有侧重点，欧洲的VPP技术的研究和试点项目中，DG占有主要部分，主要实现DG的可靠并网和电力市场运营，美国的VPP项目主要是基于需求响应发展计划而来，可控负荷占有主要成分。文献[11]介绍了欧洲开展的VPP项目，它各有侧重点，又形成一个统一的整体；文献[12]利用可控负荷抑制风电出力的波动性；文献[13]对大规模储能装置进行集中调度，优化电力系统的运行特性。

多代理系统(multi-agent system, MAS)是由多个物理分散而行为自治的Agent形成的进化系统。MAS将大而复杂的系统划分成小的且彼此联系相互通信、易于协调控制的系统，现已广泛应用于微电网中。文献[14]在智能电网环境下基于MAS对商业用户的可控负荷进行协调管理，提高整体舒适度，文献[15]基于MAS对含有VPP的配电网的电压稳定性进行协调控制，通过信息之间的交互，设置多智能体的反馈控制器。文献[16]通过信息和通信技术建立了分层聚合的MAS，使可控负荷更好的参与到调度中来。

针对不同的DER参与VPP系统有着不同的目的需求，本文基于MAS技术，设计了分层聚合的VPP协调调度模型，根据风电机组、可控机组、电动汽车不同的物理特性建立了不同的数学模型，为了满足风电并网最大化、可控机组出力平稳化、电动汽车收益最大化进行分层协调调度，最后应用加权求解多目标优化，然后通过算例计算验证所提方法的有效性和合理性。

1　MAS设计

采用MAS进行控制，根据不同DER的拥有者不同的并网目的，从功能模块上将系统划分为多个Agent，进行分层控制，各个Agent之间相互通信，共同服从中央集中控制Agent的命令，使系统具有很好地灵活性和鲁棒性。基于MAS的VPP调度模型如图1所示。

图1　MAS结构

从图1可看到，根据各模块的分散性和功能不同，分为三层，即DER分散控制层，DER分类控制层和DER集中控制层。在一个调度周期开始，电网Agent根据历史数据和实际情况发送一天24 h的负荷预测值和电价信息，风电机组Agent、可控机组Agent、电动汽车Agent分别上报一天的预测出力值、发电机组的数量和额定功率、参与VPP系统的电动汽车的可调用数量，DER分类控制层计算出各个单目标函数最值，传送给DER集中控制层，中央集中控制Agent综合各类信息，进行加权求解多目标优化。

2　MAS数学模型

本文设计的VPP系统包括风电机组、可控机组和电动汽车等分布式能源。下面描述MAS模型中各层数学模型。

2.1DER分散控制层

2.1.1风电机组Agent

风电机组Agent主要是根据预测风速上报风电预测出力。风电机组出力主要和风速有关，风速和风机出力的关系式为：

式中：Pw为风电机组的额定功率; v、vi、vr、vo分别为风力发电机的实际风速、切入风速、额定风速和切出风速。

2.1.2可控机组Agent

可控机组Agent主要是根据机组出力上报污染成本。可控机组一般为火电机组，火电机组的污染物排放量函数

(2)

式中：αi、βi、γi为机组i的污染物排放系数；PG,i为机组i的出力值。

2.1.3电动汽车Agent

电动汽车Agent主要是根据汽车电池充放电状态上报电池剩余容量，判断是否满足并网要求。电动汽车参与VPP系统调度，既可作为电源又可作为负载，相应的数学模型[17]为

(3)

2.2DER分类控制层

2.2.1风电机组控制Agent

风电机组控制Agent的主要目标是使整体风电最大并网，达到最小弃风，以计划出力作为决策变量，忽略可控机组开停机，风电机组并网的最大功率表示为：

(4)

(5)

(7)

(8)

2.2.2可控机组控制Agent

可控机组控制Agent以环境污染最小为目标函数。数学模型为：

(9)

(10)

(11)

(12)

(13)

(14)

2.2.3电动汽车控制Agent

电动汽车控制Agent根据电价高低通过调控汽车电池充放电状态，在削峰填谷的同时，获得收益最大。为使电动汽车用户参与VPP系统，进行充放电调控，对其充电电价进行补贴，以弥补对其调度放电时产生的电池损耗。

(15)

(16)

(17)

(18)

(19)

(20)

2.3DER集中控制层

DER分类控制层中不同的目标函数具有不同的量纲和数量级，DER集中控制层需要进行去量纲化，通过加权重使其变为无量纲单目标函数。

对于不同的子目标函数，有的需要求取最大值，本文称为偏大型目标函数，有的需要求取最小值，本文称为偏小型目标函数，本文对它们做归一化处理。

(22)

求解时的约束条件为各子目标函数求解极值时的约束条件。由于上式为非线性混合整合规划问题，对部分约束条件进行线性化处理[18]，在MATLAB中使用YALMIP建模调用CPLEX求解器进行计算。

3　算例分析

3.1算例参数

为了验证上述模型，设定VPP系统包含某地区的额定容量为5MW风电机组9台，3台额定容量为55MW的可控机组，电池容量为60kW的汽车50辆。可控机组功率上限为55MW，出力最小值为10MW，爬坡率为40MW/h，电动汽车并网时间为每天的18:00—07:00，初始荷电状态服从20%～50%(并网时电动汽车剩余电量的百分数)的截断正态分布，期望值为40%，均方差为12，用户期望离网时荷电状态为80%，充电功率为20kW，放电功率为15kW，充放电效率为95%。各时段电价和风电、负荷预测值见表1和如图2所示。图2中风机和负荷预测为标幺值，风机出力的基准值为功率上限，负荷预测基准值取150MW。

3.2结果分析

图3和图4分别是未参与VPP系统和参与VPP系统风电机组的出力变化情况。

表1　各时段电价　　　　　　　元/kWh

图2　风机输出功率及负荷预测值

图3　未参与VPP系统风电出力变化

图4　参与VPP系统风电机组出力变化

结合图2可知，在02:00—06:00时段，负荷曲线出现低谷，而风电机组出力较大，考虑负荷风电备用和可控机组最小出力的情况下，出现了较大规模的弃风，造成了资源的浪费。

由表1可知，在02:00—06:00时段，由于电价较低，VPP系统中央集中控制单元通过集中调度，使汽车电车在此阶段充电，增加负荷量，从而有效地减少了弃风量，提高了资源的综合利用率。

图5为参与VPP系统时汽车电池的电量变化和参与VPP系统前后可控机组出力变化情况。

图5　汽车电池电量和机组出力变化

从图5可知道，在08:00—17:00时段，由于电动汽车不满足并网时间约束，所以并不参与VPP系统调度，在并网满足调度时，因为行驶一天电量较低，且此时电价也低于以后某些时段，所以进行充电，在19:00—20:00时段负荷曲线出现峰值电价较高，作为电源进行放电，在降低峰谷差和减少弃风量的同时获得电价差的收益，而后在02:00—06:00时段电价最低时段充电以满足离网时用户的电量期望值。由可控机组参与VPP系统前后出力可知，在02:00—06:00时段汽车充电，减少了弃风量，机组仍以最小功率运行，在19:00—22:00时段，汽车作为电源的形式接入电网，使得机组出力相对减小。

4　结束语

本文根据DER特点，设计了基于MAS的VPP协调优化调度策略，建立了风电机组、可控机组和电动汽车的电源或负荷数学模型，根据不同DER的不同的并网需求，将DER分类分层控制，最后由中央集中控制Agent集中调度，在MATLAB中应用YALMIP建模调用CPLEX求解器，进行加权求取最优解。为了验证模型的可行性，对某地区的负荷情况进行计算，结果表明，参与VPP系统后，风电机组弃风明显减少，可控机组出力较以前也相对平稳，电动汽车参与VPP系统收益增加，充分证明了所提出模型的可行性、合理性和经济型。

[1]张钦. 智能电网下需求响应热点问题探讨[J]. 中国电力, 2013,46(6):85-89.

ZHANGQin.ExplorationofHotIssuesonDemandResponseinSmartGrids[J].ElectricPower, 2013, 46(6):85-89.

[2]王蓓蓓，李杨，高赐威. 智能电网框架下的需求侧管理展望与思考[J]. 电力系统自动化, 2009, 33(20):17-22.

WANGBeibei,LIYang,GAOCiwei.DemandSideManagementOutlookUnderSmartGridInfrastructure[J].AutomationofElectricPowerSystems, 2009, 33(20):17-22.

[3]刘波，贺志佳，金昊. 风电系统双PWM变换器直流母线电压控制技术[J]. 东北电力大学学报, 2015, 35(2):41-47.

LIUBo,HEZhijia,JINHao.DCBusVoltageConstantControlTechnologyinWindPowerSystemwithDualPWMConverter[J].JournalofNortheastDianliUniversity,2015, 35(2):41-47.

[4]李正烁，孙宏斌，郭庆来，等. 计及碳排放的输电网侧“风-车协调” 研究[J]. 中国电机工程学报, 2012, 32(10):41-48.

LIZhengsuo,SUNHongbin,GUOQinglai,etal.StudyonWind-EVComplementationontheTransmissionGridSideConsideringCarbonEmission[J].ProceedingsoftheCSEE, 2012,32(10):41-48.

[5]中华人民共和国国家发展和改革委员会.可再生能源中长期发展规划[Z]. 北京：中华人民共和国国家发展和改革委员会，2007.

[6]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.

WEIZhinong,YUShuang,SUNGuoqiang,etal.ConceptandDevelopofVirtualPowerPlant[J].AutomationofElectricPowerSystems, 2013, 37 (13):1-9.

[7]陈春武，李娜，钟朋园，等. 虚拟电厂发展的国际经验及启示[J]. 电网技术, 2013, 37(8): 2258-2263.

CHENChunwu,LINa,ZHONGPengyuan,etal.ReviewofVirtualPlantTechnologyAbroadandEnlightenmenttoChina[J].PowerSystemTechnology, 2013, 37(8): 2258-2263.

[8]ASMUSP.MicrogridsVirtualPowerPlantsandOurDistributedEnergyFuture[J].TheElectricityJournal, 2010, 23(10):72-82.

[9]VASIRANIM,KOTAR,CAVALCANTER,etal.AnAgent-basedApproachtoVirtualPlantsofWindPowerGeneratorsandElectricVehicles[J].IEEETransactionsonSmartGrid, 2013, 4(3):1314-1322.

[10]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.

LIUJizhen,LIMingyang,FANGFang,etal.ReviewonVirtualPowerPlant[J].ProceedingsoftheCSEE, 2014, 34(29):5103-5111.

[11]卫志农，余爽，孙国强，等. 虚拟电厂欧洲研究项目评述[J]. 电力系统自动化, 2013, 37(21):196-202.

WEIZhinong,YUShuang,SUNGuoqiang,etal.ReviewonEuropeanReserachProjectsofVirtualPowerPlant[J].AutomationofElectricPowerSystems, 2013, 37(21):196-202.

[12]MOHAMMADIJ,RAHIMIKIANA,GHAZIZADEHMS.AggregatedWindPowerandFlexibleLoadOfferingStrategy[J].IETRenewablePowerGeneration, 2007, 5(6):439-447.

[13]PUDJANTOD,RAMSAYC,STRBACG.VirtualPowerPlantandSystemIntegrationofDistributedEnergyResources[J].RenewablePowerGeneration，2007,1(1)：10-16.

[14]于娜，于乐征，李国庆. 智能电网环境下基于多代理的商业用户可控负荷管理策略[J]. 电力系统自动化,2015, 39(17):89-95.

YUNa,YULezheng,LIGuoqing.ControllableLoadManagementStrategyforCommercialUsersBasedonMulti-agentinSmartGridEnvironment[J].AutomationofElectricPowerSystems, 2015, 39(17): 89-95.

[15]杨志淳，乐健，刘开培，等. 基于多智能体的含虚拟发电厂配电网的电压稳定性协调控制[J]. 电力自动化设备, 2013, 33(11):32-37.

YANGZhichun,LEJian,LIUKaipei,etal.CoordinativeVoltageStabilityControlBasedonMulti-agentTheoryforDistributionNetworkwithVPP[J].ElectricPowerAutomationEquipment, 2013, 33(11):32-37.

[16]KARFOPOULOSE,TENABL,TORRESA,etal.AMulti-agentSystemProvidingDemandResponseServicesfromResidentialConsumers[J].ElectricPowerSystemsResearch, 2015, 120(3):163-176.

[17]刘春阳，王秀丽，刘世民，等. 计及蓄电池使用寿命的微电网经济调度模型[J]. 电力自动化设备, 2015, 35(10):29-36.

LIUChunyang,WANGXiuli,LIUShiming,etal.EconomicDispatchModelConsideringBatteryLifetimeforMicrogrid[J].ElectricPowerAutomationEquipment,2015, 35(10):29-36.

[18]CARRIONM,ARROYOJM.AComputationallyEfficientMixed-integerLinearFormulationfortheThermalUnitCommitmentProblem[J].IEEETransactionsonPowerSystems, 2006, 21(3):1371-1378.

(编辑王夏慧)

Research on Coordinated and Optimized Dispatching Strategy for Virtual Power Plant Based on Multi-agent System

LI Tiesong, LIU Jiali, ZHUANG Mingzhen

(College of Electric Engineering, Northeast Dianli University, Jilin, Jilin 132012, China)

Development of smart grid provides technical support for mass grid-connection of distributed energy resources (DER) as well as coordinated and optimized dispatching on DER. This paper designs coordinated and optimized dispatching strategy for virtual power plant (VPP) based on multi-agent system (MAS) by combining characteristics of various types of DER. In allusion to wind power generators, traditional units and special load of electric vehicle which can be both taken as power supply and load, corresponding mathematical model for output or load is established for hierarchical classification control. In MATLAB software, YALMIP toolbox is used for modeling and weighted method is adopted for multi-objective solution. Example analysis verifies reasonability and effectiveness of this dispatching strategy. It proves that this strategy is able to make use of characteristics of various DER to realize coordination and cooperation, which can finally achieve grid-connection of each DER extremely at the same time of restraining load fluctuation.Key words： multi-agent system(MAS); distributed energy resource (DER); virtual power plant; dispatching strategy; MATLAB

2016-02-10

2016-05-18

10.3969/j.issn.1007-290X.2016.08.007

TM734

A

1007-290X(2016)08-0032-06

李铁松(1990)，男，山东德州人。在读硕士研究生，主要研究方向为分布式能源并网。

刘甲利(1989)，男，山东菏泽人。在读硕士研究生，主要研究方向为微网的优化运行、电动汽车入网等。

庄明振(1989)，女，山东聊城人。在读硕士研究生，主要研究方向为柔性直流输电等。