新型需求响应模型在虚拟电厂中的应用

孙丽华

（国网浙江省电力有限公司丽水供电公司）

0 引言

在现代电力市场中，需求侧管理的核心组成部分是使客户能够积极参与能源交易。这种参与为系统运营商和公用事业公司提供了许多可能性，通过各种基于价格和激励的机制直接影响需求，不仅可以避免极端的电网条件或停电，还可以实现高效和成本效益高的运营。需求响应（DR）是一种以相对较低的成本发挥高影响性效果的方法。在本文中，DR被定义为消费者，他们通过减少相对于最初的预期或基础需求的消耗来响应负载调整。客户需求弹性水平是决定DR能源规模的主要参数，预测或测量需求的主要任务，要建立基准负荷曲线，目前应用最广泛技术的是DR规划实施［1-2］。

1 技术分析

虚拟电厂是一个集中管理分布式发电设备的系统，确保能源供应的可靠性和稳定性。新型需求响应模型的应用可以提升虚拟电厂的能源管理效率和灵活性，对电力市场的需求做出及时响应。以下是新型需求响应模型在虚拟电厂中的应用分析：

（1）动态需求响应：新型需求响应模型可以根据电力市场的需求情况和价格变化，实时调整虚拟电厂的发电设备输出。这意味着虚拟电厂可以根据电力市场需求的波动，灵活调整发电设备的运行状态，以最大程度地满足市场需求。

（2）能效优化：新型需求响应模型可以结合虚拟电厂的能源数据，通过智能算法和机器学习技术进行能效优化分析。这可以帮助虚拟电厂识别能源消耗的瓶颈，并针对性地调整发电设备的运行参数，以提高整体能源利用效率，减少能源浪费。

（3）多能源整合：虚拟电厂一般包含多种类型的发电设备，如太阳能光伏发电、风力发电、燃气发电等。新型需求响应模型可以将这些能源设备进行整合，通过协调它们的运行模式和输出功率来满足电力市场的需求。这意味着虚拟电厂可以更好地利用不同能源的优势，提高发电能力和供电可靠性。

（4）用户参与和反馈：新型需求响应模型可以将用户的需求和反馈纳入虚拟电厂的决策过程中。通过智能监测和反馈机制，虚拟电厂可以实时了解用户的能源需求，并优化发电设备的运行，以满足用户的要求。这可以增强用户对虚拟电厂的参与感和满意度，同时提升虚拟电厂的市场竞争力。

新型需求响应模型可以提升虚拟电厂的灵活性、能源利用效率和用户满意度。它可以使虚拟电厂更好地应对电力市场的需求波动，提高整体运营效益，推动可再生能源的发展和利用。

2 VPP及DR体系结构分析

2.1 VPP体系结构

如图1所示，VPP充当可再生能源发电和消费者需求的聚合器。VPP运营商有义务保证通过内部可再生能源发电或提前一天从外部电力市场购买电力来为内部负载提供稳定的电力供应。类似地，在发电过量的情况下，可以从VPP系统中交换电力［3-5］。

图1 VPP结构

上述VPP结构要求详细设计满足VPP市场参与者所有要求的能源交易规则。根据拟议的VPP方案，可再生能源所有者参与VPP市场，以便以固定的合同价格向VPP出售其发电量。

2.2 DR体系

DR发生在VPP及其参与者之间的日前市场，也取决于VPP与批发市场的市场互动。如图2所示，每个客户i提交N个负载配置文件Lint，这些负载配置文件可满足其日常消费需求，并按相应的偏好顺序排列，由每个消费者选择的负载配置文件的无效性表示。在实践中，提交负载配置文件需要在消费者端提供能源管理工具，而事实上，这些工具不一定相同，唯一的要求是与VPP进行双向通信。

图2 DR程序

因此，基于由VPP或负载聚合器解决的混合整数成本最小化问题来计算最优负载分布的选择：

其中，

其中，I是消费者的总数；n是负载配置文件的索引；是VPP的每小时总负荷，由Lit单个负荷分布的选择形成。

约束条件式（3）确保为每个消费者只选择一个负载配置文件，这由二进制变量xin控制，U-表示将要发生的总系统失效，这是目标函数的重要组成部分。由每个消费者实现的无效性是所选择的负载概况、概况等级（qin）和基本固定价格的函数。

不利因素由系数m进一步缩放，我们将其定义为“偏好斜率”，表示随着轮廓变得不那么优选，不效用增加的速度有多快。当选择排名靠前的配置文件时，无效性等于零（qin ＝0），而对于排名靠后的配置文件，无效性则等于客户向VPP支付的总付款的一部分。m的适当价值取决于客户群的背景及其实际的不效用。该值应由VPP运营商根据经验和对客户的理解进行设置。

当VPP聚合发电机组时，VPP进入批发电力市场的小时数量投标是根据内部发电Gt和总负荷之间的差异确定的：

在我们的模型中，内部可再生能源机组的输出被视为一个确定性参数，其预测是由可再生能源所有者设定的。因此，VPP在未来一天的每日利润计算如下：

根据VPP负荷和发电量之间的小时差异，每日利润可以是负数或正数。由于VPP在零利润的基础上运作，所有利润（正利润或负利润）都被纳入内部消费者的日常账单中。这种分布是基于个人消费者的两个标准来完成的： （1）所选择的负载分布的等级；（2）所提供的负载分布集合的多样性。每个用户i的负载多样性di是以提交的一组负载曲线Lint的小时标准偏差σit的平均值来测量的：

3 实例分析

在实际运行中，VPP的消费者负荷和净消费将偏离前一天的水平。这种现象可能导致利润分配不公平，在计费机制中必须考虑到这一点。在这种情况下，应重新考虑计费机制，如果偏差是由非DR参与者造成的，则更难考虑。在我们的模型中，由于缺乏独立于VPP的二级市场来解决偏差，VPP运营商必须惩罚所有类型的偏差，并在参与者之间重新分配利益。在本文中，我们介绍了数值示例和分析。

在这里，我们展示了实时VPP市场操作的一个可能场景，并将市场平衡方案应用于一个数值例子。VPP操作员首先计算由于负荷偏离预测值而导致的实际实时成本。图3比较了预计总负荷和实际总负荷，而图4显示了实时市场中VPP的小时成本。

图3 实际和预计的系统负载

图4 实时市场中VPP的小时成本

下表总结了VPP在计算实时结算成本和个人罚款后的财务状况。从VPP的角度来看，惩罚是来自消费者的付款，被视为收入，而来自实时市场CVPP的净购买被视为费用。两者之间的差异是来自实时平衡机制的VPP净收入。图5表明，尽管在某些时间（例如，第1小时）个别偏差相互平衡，但个别罚款支付始终为正。成本比较图如图6所示。

表实时收入及支出

图5 处罚分配

图6 成本比较图

在本示例中，假设小时实时市场价格与日前市场价格相同；然而，它们可能不同，这不会影响VPP市场的运营。然后，VPP运营商根据内部客户的实时性能指标在内部客户之间重新分配净收入。由此产生的输出确定的最终消费者账单，如图6（a）所示。这些账单考虑了当天的购买、当天的利润分配以及实时付款和罚款。在图6（b）中，账单的负值表示消费者的实际收入。账单的正值表示实际支付的消费和DR性能。在特定的情况下，尽管大多数投保人全天投保不足，但几乎所有投保人都必须支付一定的罚款。另一方面，如图5所示，以数字“13”和“29”为索引的两个消费者没有偏离分配的负荷分布，这导致他们没有受到处罚，并且他们个人获得的利润净增加，如图6（b）所示。

这一结果表明VPP消费者有动机遵循他们选择的每日负荷状况。如果需要，VPP可以通过在上式中的实时价格前面包括标量乘法器来放大或缩小偏差惩罚的幅度。

4 结束语

在本文中，我们提出了一种新的DR模型，该模型在成本最小化和公平计费方面为DR参与者和消费者带来了最大的利益。通过限制消费者对市场价格单独反应的灵活性，我们提出了一种集中成本最小化的方法，只需要有关用户日常消费需求和偏好的信息。这些解决了系统运营商在需求价格弹性测量方面面临的挑战，并排除了系统中产生反弹峰值的可能性。从消费者的角度来看，最基本的好处是所提出的计费机制能够公平评估每个DR参与者的表现，从而降低消费成本。DR模型确保了全系统利益的公平分配，并保证了市场中每个参与者的准确待遇。