考虑综合需求响应和储能的双阶段虚拟电厂交易策略

陈 刚，那广宇，王琛淇，李成伟，周 喆，王 鑫，王嘉媛，黄博南

（1. 国网辽宁省电力有限公司 阜新供电公司，辽宁 阜新123000；2. 国网辽宁省电力有限公司，辽宁 沈阳110006；3. 东北大学 信息科学与工程学院，辽宁 沈阳110819）

0 引言

随着新能源在能源系统中所占比重的日益增加，大大缓解了由于传统化石能源削减而带来的能源短缺问题.风电的随机性、不确定性和波动性，使得传统的电力调度，无法有效地解决弃风现象[1].在此背景下，虚拟电厂通过聚合新能源、储能装置、柔性负荷等资源进行系统协调优化控制，消纳风电，实现资源的优化配置[2].

虚拟电厂（Virtual Power Plant,VPP）整合分布式能源中储能装置和需求侧响应的灵活调用，可以平抑风电波动[3],实现虚拟电厂收益的最大化.柔性负荷作为促进新能源消纳[4]的有效手段，通过电价措施改变用户用能习惯，实现负荷的削峰填谷，提高风电利用率[5-6]，提高社会整体利润[7].负荷替代[8]通过电热能源间的相互转化，改变电热需求，商业楼宇的热能可以通过电采暖器转换装置转化为电力需求[9].综合需求响应[10]的应用尚处于探索阶段，考虑多种不同能源的需求及其相互间的转化关系，进一步拓宽系统运行的灵活性，促进其经济稳定运行[11].三北地区为满足冬季供暖季的热力需求，CHP机组工作在“以热定电”模式下，高热电比限制了机组的电力调节，压缩机组的调峰空间，风电的上网空间缩小，引发高比例弃风[12].负荷替代通过将供暖用户的需求转化为电力需求，减小对CHP 机组热出力的需求，拓宽机组的调节范围，机组灵活性大幅提高.VPP 参与市场定价，通过需求响应的调节，增大风电消纳量[13].VPP 中需求响应的协调运行可以在不同类型市场中竞价，实现VPP 效益的最大化[14].VPP 参与能源市场竞价，可充分发挥虚拟电厂的商业价值，通过市场手段大幅提升可再生能源和需求资源的价值[3,18].

针对虚拟电厂参与市场竞价方面，国内外已有研究建立基于价格激励信息的需求响应调度的模型[13].在考虑新能源出力和市场电价不确定性的基础上，文献[14]建立计及需求响应的日前、日内、实时三阶段市场交易.在参与市场交易时，文献[15]、文献[16]都仅考虑了电力市场的交易.文献[17]、文献[19]基于博弈论，建立多个虚拟电厂参与竞价的策略.在市场竞价策中，虚拟电厂不仅可以作为能源的销售方还可以作为能源的购买者，充分发掘了其市场交易者的灵活性，有利于能源市场的经济稳定运行[5].综上所述，有关虚拟电厂参与竞价策略的研究主要集中于考虑电力需求响应和可再生能源出力不确定性方面的优化调度，在市场竞价策略方面考虑电热综合能源系统和综合需求响应对市场竞价的影响相对较少.

基于此，本文在考虑综合需求响应和储能特性的基础上，建立包含虚拟电厂的竞价策略.虚拟电厂既可向外售能，也可从外界购入能量，系统各竞价参与者都可以参与到价格的制定过程中，投标信息对各参与者公布，参与者根据价格信息，做出相应的出力调整，以达到利益最大化.建立两阶段竞价策略，下层市场各参与者（包括虚拟电厂、火电机组和CHP 机组）最小化自身成本，优化投标量，上层系统市场运营商最小化系统购能成本，优化投标价格.上下层间通过基于供需平衡调整价格和投标量，达到平衡，促进风电消纳，优化市场运行.市场参与者对价格信息做出相应的出力调整，促进能源市场的健康稳定发展.本文考虑电热综合能源系统，不局限于电力系统，增加系统运行的灵活性.

1 虚拟电厂建模

本文所研究的系统框架见图1.其中虚拟电厂包含风力发电厂、储能设备、电负荷、热负荷.虚拟发电厂和传统机组以自身利益最大化为目标，向交易中心提交交易量，市场交易中心整合各方信息，以日前和日内能源运行调度成本最小为目标，确定次日能源价格，并将价格信息公布.各参与者根据公布的信息调整自身投标量再次汇报给市场交易中心，双方基于能量平衡调节投标量和价格，直至交易的达成.

图1 系统整体架构Fig.1 overall framework of system

1.1 综合需求响应建模

目前已有的虚拟电厂优化调度，大多仅考虑电力负荷的需求响应.热负荷同电负荷一样具有一定的可控性，热负荷也可作为需求响应的一种.综合能源需求响应，考虑了负荷转移和负荷替代.建筑物的热负荷可以通过电采暖装置，将电需求转化为热需求.建筑物内的热需求可以从两部分得到，一部分来源于热网，另一部分转化为电力需求.晚间风电高发期，弃风现象严重，抬高夜间热价，降低电价，促使建筑物热负荷更多消耗弃风电量，提高风电消纳量.夜间热负荷的减少削减了对CHP 机组热量的需求，机组的调节能力升高，可以促进风电上网，提高风电消纳量.本文考虑电热替代型负荷，系统的热负荷总量由两部分组成，一部分是价格型热负荷，另一部分是替代型负荷由电负荷转化为热负荷.

式中，Hall为系统内总的热负荷，MW；He为价格型（分时热价型）热负荷，MW；He-h为通过电转热得到的热负荷量，MW；Pe-h为系统中通过电转热所消耗的电能，MW；β为电热转化效率，转化效率为0.95.

分时电价是目前应用最广泛的需求响应激励措施，用户根据电价信息更改用能习惯，进行负荷的削峰填谷.在文中，由于同时考虑了热负荷，电热负荷基于分时价格引导的需求响应所建立的模型相同，都是由于价格变动信息引起的负荷转移，建模过程中的自弹性系数和互弹性系数计算式为

式中，ett为自弹性系数；为互弹性系数；为t时刻负荷的变化量；为t时刻的价格变化量；为时刻的价格变化量；dt为t时刻的负荷量；λt为t时刻的价格；λt'为时刻的价格.

由此得到一个调度时段内（1 d）的电力弹性矩阵为

式中，n为时段数.

调用需求响应后的负荷需求可表示为

热负荷的需求弹性与电负荷相同，这里不再赘述.分时型电热需求响应自弹性系数取-0.2，互弹性系数取0.03.电负荷分时时段的划分参考文献[11]，峰、谷、平分时电价为0.80 元/(kW·h)，0.45 元/(kW·h)和0.60 元/(kW·h).参考文献[9]，市场售热价格为分时热价，峰时段（23：00-7：00）热价为0.50 元/(kW·h)，平时段（7：00-11：00 和17：00-23：00）热价为0.45 元/(kW·h)，谷时段（11：00-17：00）热价为0.43 元/(kW·h).

1.2 虚拟电厂的市场投标策略

虚拟电厂售给虚拟电厂内部的负荷电价低于市场售电价，因此虚拟电厂内的风电首先满足自身需求后再售给外部市场（虚拟电厂看作一个整体，最大化虚拟电厂与外部的交互收益），以虚拟电厂与外部交互利益的最大化为目标建立虚拟电厂的优化目标为

式中，Ct,DA为虚拟电厂日前t时刻出售能量获得的收益，元；Ct,RT为由风电引起的日内t时刻不平衡电量惩罚项，元；为t时刻储能的退化成本，元；Cop,t为日前虚拟电厂日前t时刻购买能量的成本，元.

下面分别介绍目标函数中的各部分成本，计算前虚拟电厂日前t时刻购买能量的成本，首先需要得到虚拟电厂在t时刻的需求电量：

式中，pe,t为虚拟电厂在t时刻的需求电功率，MW；为虚拟电厂日前t时刻实行分时电价后的电负荷需求响应量，MW；pw,t,pre为虚拟电厂内t时刻预测的风电出力，MW；pt,cha为储能设备t时刻的充电功率，MW；pt,dis为储能设备t时刻的放电功率，MW；η为储能装置的放电效率，pe-h,t为t时刻用于电转热的电功率，MW.

式中，λe,t为t时刻购买单位电量的成本，元/(kW·h)；λh,t为t时刻单位热量成本，元/ (kW·h)；均为分时负荷能量价格.pe,t为日前市场t时刻虚拟电厂从外购入的电功率，MW；ph,t为日前市场t时刻虚拟电厂从外购入的热功率，MW，Δt为单位时段的长度，取1 h.

式中，λe,vpp为VPP 电厂投标单位电能价格，元/(kW·h)；pvpp,t为 VPP 电厂t时刻售电量，MW；其中

储能成本高，本文储能装置容量小，充放电功率小，由风电引起的偏差通过火电机组调节.风电相较于日前高发时由于火电机组较高的调节成本，多发的风电会被弃掉，不足的部分由火电机组调节，

式中，λtdeg为单位电量储能电池的退化成本，取0.009 元/(kW·h)；chη为储能的充电效率；Pt,ch为t时刻储能的充电功率，MW；Pt,dis为t时刻储能的放电功率，MW；ηdis为储能的放电效率.

电储运行约束为

式中，EESS,t为t时刻的储电量，MW；为电储的最大充放电功率，MW；EESS,max为储电设备容量的上限，MW.

其余常规机组利润最大化，火电机组的目标函数为

式中，CF为火电机组收益，元；CC,e,t为火电机组在t时刻售电收益，元；CC,t为常规机组在t时刻的成本，元.

式中，λi,e为火电机组i的交易电价，元/(kW·h)；pi,t为火电机组i在t时刻的日前交易电量，MW；Δpi,t为火电机组i在t时刻不平衡量的调整量（风电日内出力少于日前预测的量），

式中，ia、ib、ic为火电机组电出力的二次项、一次项和常数项.

CHP 机组的目标函数为

式中，FCHP为CHP 机组收益，元；CCHP,e,t为CHP 机组t时刻售电收益，元；CCHP,h,t为CHP 机组t时刻售热收益，元；CCHP,t为CHP 机组t时刻的成本，元.λj,e为CHP 机组j的售电价格，元/(kW·h)；λj,h为CHP 机组j的售热价格，元/(kW·h).pj,t为CHP机组j在t时刻的售电量，MW；hj,t为CHP 机组j在t时刻的售热量，MW；λj,h为市场的交易热价，元/(kW·h)；dj，ej，fj，hj，oj，lj为CHP 机组j成本的各项系数.

2 能量市场架构

整个区域除虚拟电厂（Virtual Power Plant，VPP）外还有常规机组，如热电厂、CHP 机组等.要达成投标，除了使虚拟电厂的利益最大化的同时，还要使得整个区域的成本最小，因此在区域市场架构中，将虚拟电厂的目标作为下层函数，区域成本最小作为上层函数进行优化，整个区域的成本包括日前成本和为应对风电波动的日内调节成本.

2.1 日前市场

日前市场的优化方程为

式中，Ct,n,DA为日前市场t时刻设备n的能源成本，元；K为总设备数.

式中，λn,e为t时刻设备n的售电价格，元/(kW·h)；λn,h为t时刻设备n的售热价格，元/(kW·h)；pn,t为t时刻设备n的交易电量，MW；hn,t为t时刻设备n的交易热量，MW.

2.2 日内市场

日内市场的优化目标是在日内市场中最小化能量不平衡所引起的调节成本优化目标为

式中，Ci,t,RT为火电机组i在t时刻的平衡成本，元.

式中，pi,ti,t为火电机组i在t时刻的调节功率，MW，取其绝对值.

本文参考国家发展改革委关于完善风电上网电价政策的通知：2020 年起指导价需低于当地燃煤机组标杆上网电价.据国家政策，取风电上网竞价电价区间为[0.15，0.29]元/(kW·h).参考文献[20]市场出清电价基本处于[0.3,0.4]元/(kW·h)，出清电价较为稳定，本文取火电机组竞价电价区间为[0.28，0.38]元/(kW·h) CHP 机组竞价电价区间为[0.25，0.38]元/(kW·h)，参考文献[9]取竞价热价区间为[0.2，0.35]元/(kW·h).

2.3 两阶段投标策略

如上文虚拟电厂的优化目标和整个区域的市场架构可看出，各市场参与者都以自身利益最大化为目标，而市场运营者的目标为最小化成本.本文提出两阶段的市场交易系统来研究参与者和市场运营者间的运营策略，系统的两阶段投标策略流程图见图2.通过使用两层的系统构架，参与者与市场经营者间通过投标，调整价格和投标量，最终达到平衡.

图2 市场投标双层结构Fig.2 market bidding two-level structure

在下层优化中，虚拟电厂和常规机组首先依据先前与之类似风电出力情况下的投标价格进行优化调度.通过虚拟电厂利益最大化得到风电的并网量，储能设备的充放电策略以及从外界购入的能量.投标价格在第一次优化过程中采用先前与之相似的成功投标方案的价格信息，其后参与者根据价格信息调整投标量，下层优化过程每一次迭代中价格是固定值.下层优化将各设备出力和储能设备的充放电结果递交给上层调度，上层调度进而依据下层的投标量，以系统总运行成本最小优化市场出清价格.并在每一次迭代中将价格信息公布给各市场参与者，参与者根据能源价格信息，调整投标价格，再次进行下层设备出力的优化.并将结果传递给上层，直至整个区域内的各参与者达到均衡，投标完成.通过价格信息引导各市场参与者改变各时刻投标量达到市场能量平衡.提出的策略中，底层参与者可以得到价格和能源量的非空值作为上层优化参数.相反的，对应于底层优化，市场运营商得到个投标者的出清价格，提出的方法可以得到唯一的平衡.

风电的不确定性相较于负荷的波动大得多，本文日内市场仅考虑由风电波动引起的机组调节.火电机组成本相较于CHP 机组的成本低，由火电机组进行由风电不确定性引起的不平衡量的调节.设日内预测波动方差为0.05，利用蒙特卡洛法生成1 000 种日内风电出力[5]，再利用概率距离削减技术将场景削减至5 种，采用概率期望值的方式计算日内调节，对于双层优化模型，上下层经过有限次的相互调节，达到均衡，参考文献 [21]采用粒子群算法求解.

3 算例分析

算例系统中包括一个虚拟电厂，4 个火电机组（每台参数按文献[22]中最大发电功率为200MW的火电机组设备参数计算）、6 个CHP 机组（每台参数按文献[22]中最大发电功率为300 MW 的CHP机组设备计算）和一个负荷聚合商.参考现今电厂进煤价格，文中设每吨煤的价格为600 元/t.虚拟电厂中包中的风力发电机装机容量为400 MW，一个容量为30 MW·h 的储能设备,最大充放电功率为3MW，充放电效率均为0.9，电、热负荷.可用于电热转化热负荷占总热负荷的5%日前预测负荷聚合商和虚拟电厂内部的热负荷一天内的用能基本不发生变化，分别为900 MW 和40 MW.

文中对比3 种不同情景（情景一为市场统一定价且不考虑需求响应和储能；情景二为两阶段竞价策略，不考虑需求响应和储能；情景三为本文所提出的考虑综合需求响应和储能的两阶段竞价策略.）.

虚拟电厂风电出力、聚合商处及虚拟电厂内电负荷预测见图3.

图3 日前风电及电负荷预测Fig.3 wind power and electric load forecast

虚拟电厂在市场运行中既向外售能，也可从外部购能.虚拟电厂内的热负荷由电转热装置供给或由外部的CHP 机组供给.

图4 各情景下的风电消纳Fig.4 wind power consumption under various scenarios

系统中只有虚拟电厂内存在风电场，风电出力首先由虚拟电厂内部的负荷消纳，仍有风电无法消纳时，出售给市场运行商，满足外部市场的负荷需求.由于虚拟电厂出售给市场运行商的电价比常规火电厂低，因此可以促进风电的消纳.从图4 可以看出，情景二比情景一消纳的风电量大，情景一能源价格为统一售价，风电价格比情景二高，且没有竞价措施，导致风电消纳量较低.情景三相对于情景二在0：00-5：00 消纳了更多的弃风，由于综合需求响应和储能的作用，负荷曲线得到了削峰填谷，热负荷转化为电负荷也促进了风电的进一步消纳，消纳量较情景一有所提升.

从图5 中可以看出，在不同的日前预测误差下，虚拟电厂对外收益随预测误差的增加，收益减少.系统内风电的预测误差由常规机组进行调节，随预测误差的增加，由于偏差的惩罚，虚拟电厂收益减小.

图5 VPP 在不同风电预测波动方差下的收益Fig. 5 benefits of VPP under different wind power prediction fluctuation variance

两阶段竞价策略的竞标信息对大众公布，市场竞标者的参与积极性大幅提高，利于能源市场的健康、良性发展.同时考虑分时型需求响应和储能，实现了负荷的移峰填谷和能量的时空平移，增大了风电的消纳量，经济性也大幅提高.为满足热负荷需求，CHP 机组工作在“以热定电”的工作模式下，限制了电出力的调节空间，因此仍存在弃风.

本文考虑了将建筑物中部分热负荷通过电加热的方式转化为电负荷，这样在夜间风电高发期间，通过电负荷转热负荷的方式，减少了系统对CHP 机组严格热需求的限制，随着热需求的减少，CHP 机组的电出力可以实现灵活调节，夜间降低机组出力，提升风电上网空间，减小弃风量.由图4 可以看出情景二相较于情景一消纳量增加，经济效益提高.

4 结论

（1）结合综合需求响应和虚拟电厂技术，提出两阶段竞价策略优化系统运行，上下层之间通过价格及投标量的调整达到平衡，各参与者均可参与竞价，促进能源市场的健康稳定发展.虚拟电厂在未来将成为能源市场的重要组成部分.

（2）综合考虑电热能源系统，不仅仅局限于电力系统.本文的综合能源需求响应同时考虑了电热分时型负荷，还引入了电热替代型负荷.算例表明两阶段竞价策略调动了各参与者的积极性，提高了系统运行经济性的同时增大了风电消纳率.

（3）考虑综合需求响应和储能间的相互协调，使得系统运行更加灵活多变，进一步优化系统经济运行，增大风电消纳.