针对温控负载变化的虚拟电厂控制策略研究

田泽禹，沙钊旸，赵全斌，严卉，种道彤

（西安交通大学 动力工程多相流国家重点实验室，西安 710049）

0 引言

随着全球能源短缺和环境污染等问题的日益严重，传统能源发电的弊端越来越凸显。预计到2060 年，我国将实现碳达峰、碳中和，并且非化石能源消费比重将达到83%，新能源发电量占比将超过60%［1］。然而，随着风力发电和光伏发电等新能源的大量接入，配电网的安全性和经济性受到了挑战［2］。在电网的非正常运行情况下，新能源机组面临的出力间接性、随机性或故障区段未供电等问题，使得片区内可再生能源利用率大打折扣［3］。虚拟电厂（Virtual Power Plant，VPP）的出现为解决这些问题提供了一种有效途径［4］。VPP 的基本概念是将电网中分布式电源、可控负荷和储能装置聚合成一个虚拟的可控集合体，提高可再生能源消纳量，保证电网的安全稳定运行，并参与电力市场和辅助服务市场的运营，实现实时电能交易，从而成为推动“双碳”目标实现的有效途径［5］。

VPP 主要由发电系统、储能设备和通信系统等部分构成［6］，根据其不同聚合的分布式资源容量分为大型、中型以及小型VPP［7］。不同类型的VPP 因其不同的构型各有特点，如文献［8］中将光伏（PV）、风力发电厂（WPP）、压缩空气储能（CAES）、电池储能系统（BESS）和电动汽车集成到VPP 中。文献［9］中的VPP 聚合了电池储能系统（BESS）和热泵系统（HPWH）。根据不同构型的VPP特点并将其应用于适合的实际运行过程中，不仅能优化资源利用，还可以提高供电可靠性［10］。

在VPP 运行过程中，温控负荷（Thermostatically Controlled Loads，TCLs）是最常见的负荷侧可调资源，是指需要维持一定温度的负荷，包括商业楼宇的中央空调、居民住宅的空调热水器等用户侧温控类负荷［11］，具有变化大、波动频繁、高峰负荷比例高等特点。这些特点会对最大负荷产生一定影响［12］，例如在夏季用电高峰时期，全网总用电量的40%将用于满足空调负荷需求，最大负荷也相应增加［13］。一般认为将可控负载提供的功率限制在90%最大负荷以下，可以保证电力系统安全稳定运行［14］；但是根据实际情况，随着温控负荷的增加，供应比例会有所提高。根据国家电网的统计，超过最大用电负荷95%的持续时间普遍低于24 h（累计不足1 d），对应电量不超过全年用电量的0.5%；超过最大负荷90%的持续时间普遍低于168 h（累计不足1周），对应电量不超过全年用电量的1%［15］。针对文献调研的结果可以发现，目前对于电力系统响应负载变化的研究较少，更多的是将调峰功率限制作为边界条件研究系统的调度过程［16］。而实际中的电力系统尤其是对于以VPP 为主的相对独立的电力系统而言，适当的超过调峰限制去响应负载变化是非常常见的调节手段，对于此缺少足够的研究去探究或指导调度过程。

1 VPP模型搭建与容量选取

本文在仿真软件APROS 中搭建了大型VPP 系统，其中含有350 MW 燃煤机组、100 MW 光伏机组、搭载2组87.84 MW磷酸铁锂电池的电动公交车、基于陕西省典型日电力需求曲线变化得到的负载需求以及电网模块及相应的控制部分组成，VPP 构型示意如图1所示。经过对VPP模型中各单元模型的稳态验证、动态验证，模型稳定且准确，模型的精度能够满足下文研究的需要。

图1 VPP构型示意Fig.1 Virtual power plant structure

结合中国电动汽车的发展现状，本研究选择了广泛应用于城市并具有较大调度潜力的电动公交车作为电动汽车的代表，耦合进VPP 并作为储能单元［17］。通过对中国西北地区电动公交车市场和运营计划的研究，总结了目前运营中的电动公交车的一些特点。

（1）电动公交车具有保障公共服务的需要，其工作的时间是依据提前设定好的运行路线与运行时间进行的，并不受乘车人数量的变化而变化［18］。

（2）受到更换燃油公交车为电动公交车过程中的经济成本和公交车电池组的发展限制（多为2018，2019 年前后更替），当前电动公交车中有54%的 车 辆 长 度 为10～12 m，电 池 容 量 为280～320 kW·h。2018 年的平均日行驶里程为123 km［19］。而随着城市的发展，公交线路的平均运行里程更长。燃油车辆的平均运行里程约为180 km。电动公交车要在没有外部补充电源的情况下完成整个线路的运营较为困难。

（3）电动公交车的充电方式为慢充（充电速率小于3C），主要采用磷酸铁锂电池［20］。采用慢充的原因一方面受制于技术，另一方面慢充的方式能够最小化电池容量的损耗，降低损失。因此，电动公交车主要在夜间进行集中充电。

（4）大多数电动公交车拥有独立的充电场所，但充电桩的建设并不完善，导致数量不足，无法为每辆公交车提供单独的充电站。调查发现，公交车与充电桩的比例为3∶1。

（5）受制于目前公共交通公司的运营成本提高、收入下降，导致公司收益入不敷出的现象，相比于民用电动汽车更有动力参与VPP 并获得收益对换车的成本进行补贴，更符合基本利益同时易于合作。

（6）在对中国西北地区电动公交车特点的研究中，选择了知名电动车公司比亚迪推出的K8公交车型。具体电池参数见表1，表中SOC 为荷电状态。公交公司提出了各种解决电动公交车短运营里程的替代方案，其中经济成本最低的运营计划是“2∶3替换”，即3 辆公交车中有2 辆为常规公交车，1 辆为备用车，同时运营2 条公交线路［21-22］。运营模式的示意如图2 所示。因此，本研究选择电动公交车系统的“2∶3替换”运营计划以提高模型的通用性。

表1 电动公交车技术参数Table 1 Technical attributes of electric buses

图2 电动公交车系统的“2∶3”替换运营示意Fig.2 Operation mode of the electric bus system with two running buses in every three buses

2 基于安全与收益的VPP协调控制策略

为了在VPP 储能容量不变的情况下，提高系统对于由温控负载引起的负载变化的适应性，本文提出了针对VPP 中的燃煤机组单元超限工况时的控制策略，并根据实际运行情况与调度目标划分为基于安全的控制策略以获得最小的超限电量，和基于收益的控制策略充分利用超限电量获得电价差收益。VPP的控制人员能够根据不同的需求选择不同的方案进行调度。

2.1 基于安全的VPP协调控制策略研究

首先根据由温控负载影响下的新的负荷变化曲线确定出系统的调峰时段变化，调峰时段即是系统负载需求曲线超过需求曲线最大功率点90%限制线以上的时间。在调峰时段开始前，系统需向电动公交车储能充电以为后续的调度放电做准备。当调峰时段开始后，系统进入放电时段，由在时段内的储能放电潜力与功率需求可以计算系统对燃煤机组输出功率的要求。燃煤机组平均输出功率为

式中：Pavg为调峰时段内系统对于燃煤机组的输出功率需求，MW；Qbat-avl为电池储能在调峰时段的可用电量，MW·h；Qdemand(i)为在i时段内系统的电量需求，MW·h；ti为调峰时段的总时长，由功率曲线与90%最大负荷点限制线的交点确定，h。其中电动公交车储能的可用容量由2 部分组成，分别是电动公交车储能A 组与储能C 组，电动公交车储能的可用容量为

式中：SOC，A-avl为储能A 组的剩余SOC，表征了储能的电量剩余；SOC，C-avl为储能C 组的剩余SOC；Qbat-rat为电动公交车储能的额定容量，MW·h；ηd为电动公交车储能的放电效率，由储能模型确定效率为0.94。

通过在调峰时段内计算系统的平均功率需求的方式，系统能够在最小超限功率的情况下满足由温控负载引起的系统功率变化。缩短电动公交车储能的充电时间，在达到调峰时段就立即进行燃煤机组功率调整的方式能够尽量减小充电量，进而减小电池在充放电过程的电量损失，使系统能够在最小的超限电量的情况下满足由温控负载引起的系统功率变化。但是直接进行燃煤机组平均功率的计算也存在着相应的问题，需要进行燃煤机组平均输出功率的修正。

国家发展改革委与国家能源局公布的2020 年陕西省省级电网典型电力负荷曲线（负荷根据VPP的容量整体减小了1/60）如图3 所示。从图中可以看出负载的峰谷变化明显。如果在调峰时段直接使用计算后的燃煤机组平均功率进行调度，供电量会先高于需求后低于需求，储能则会先充电后放电，造成储能功率的盈余或者储能功率缺失不能满足负载需求。所以，需要对调度过程的平均功率与调度过程进行修正，提高控制的精确性。

图3 2020年陕西省典型电力负荷曲线变化趋势Fig.3 Power load variation curve of Shaanxi Province in 2020

对于功率的修正主要包括2部分。一部分是针对调度前的充电过程，根据功率需求曲线可以计算出该充电时段的盈余功率，并由充电效率计算出充电量。另一部分修正时段的确定选择调峰时段开头作为起始，平均功率输入与输出交点最近的功率点作为结束，确定时段。时段内的充电量计算公式为

式中：Qbat-c(i)为i时段内储能的充电量；ηc为系统中电动公交车储能的充电效率，由储能模型确定效率为0.85。

第2 部分是针对调度结束时充电过程的修正，策略选择通过额外调度燃煤机组进行降负荷的方式，控制电动公交车储能持续放电，以达到对系统储能最大化利用的目的。第2部分修正时段选择平均功率输入与输出的第2 个交点作为起始，选择输出与90%最大负荷值的交点作为结束。将此时段的燃煤机组输出功率设定为90%最大负荷值，计算该时段储能的放电量为

式中：Qbat-d(i)为在i时段内储能放电量，MW·h；P90%max为系统的90%最大负荷值，MW。将该放电量与充电时对应的放电量计算后便能得知在修正后系统的平均功率值，即

式中：Pcoal-cor(ti)为燃煤机组在ti时段内的输出功率修正值，MW；Pcoal-ori(ti)为燃煤机组输出功率原始值，MW；Pcoal(ti)为未经修正的ti时段燃煤机组输出功率。

2.2 基于收益的VPP协调控制策略研究

受到城市用电规律的影响，调峰时段往往是电网的峰值电价时段。VPP作为价格敏感型的电力系统，通过调度获得合理的收益是VPP 建立与持续运行的关键［23-26］。而其中主要的获取收益的方式便是谷值电价买电、峰值电价卖电以获得电价差收益，所以对于调峰时段的调度会对VPP 的收益产生至关重要的影响。当全年或者当月温控负载变化平缓，系统的安全压力较小时，面对温控负载的变化是可以以优先保障收益作为目标进行调度的，此时就需要提出基于收益的VPP 协调控制策略以应对系统温控负载的变化。

策略的主要目的是获取最大的电价差收益，这需要系统在谷值电价或者平值电价时尽可能多的充电，在峰值电价时保障将储能完全释放。所以，策略在平值电价时段，调用燃煤机组保持最大输出功率；在峰值电价时段，确定燃煤机组的输出功率将储能完全放电。在峰值电价结束后，如果调峰时段并未结束，由峰值电价时段结束时的功率需求确定对燃煤机组的调用量。方案中的调度计划见表2。

表2 基于收益的VPP协调控制策略控制计划Table 2 Profit-based VPP coordinated control strategy

3 仿真结果分析与评价

为了探究温控负载对于系统的调度影响与新策略的应对情况，需要全面地考虑在温控负载影响下的负荷需求曲线的变化。本文将相关的变化总结为2类：温控负载导致负荷曲线峰值变化的情况，本文称为工况1，如图4 所示；温控负载未导致负荷曲线峰值变化，仅增加了调峰时段的功率需求情况，本文称为工况2，如图5 所示。在工况1 中，负载需求的峰值变化会影响90%最大负荷限制值，会改变系统的调峰时间与燃煤机组参与调峰时段的比例。而工况2 中，各个曲线的90%最大负荷限制值不变，调峰时间差异较小，仅改变调峰时段内的总需求电量。

图4 工况1：温控负载导致负荷峰值变化后的负载曲线Fig.4 Condition 1：Load variation with the power peak value affected by TCLs

图5 工况2：温控负载未导致负荷峰值变化后的负载曲线Fig.5 Condition 2：Load variation with the power peak value not affected by TCLs

相对于夏季工业与商业的持续供冷，民用负载部分的温控负载变化与时间有更紧密的联系，更不可预测，所以本文工况1 与工况2 负载曲线的变化主要集中在夜间，针对夜间负载峰值进行变化。同时，对中国的北方城市而言，集中采暖使得在冬季的温控负载变化远不如夏季，所以太阳辐照度选取西安地区夏至典型日的辐照度曲线，其对应的光伏单元输出功率随时间的变化如图6所示。

图6 夏至典型日VPP光伏输出功率随时间变化曲线Fig.6 VPP's PV outputs varying with time on a typical summer solstice

在VPP 中，消纳可再生能源作为重要职责，光伏的输出功率需要优先被利用，同时负载的需求也必须被满足以保障电网运行稳定，所以本文将光伏机组与负载2个VPP中的不可控单元的变化整合成系统功率需求，再调度可控单元包括燃煤机组与储能的功率以满足功率需求曲线。

综上所述，本文的仿真时间定为16：30以后，民用温控负载的需求逐渐升高对调度产生影响，与此同时电动公交车储能轮动接入电网，是全局控制的关键时段［13］。输入控制策略后形成调度计划并进行仿真，系统在2 个工况下的功率需求曲线如图7、图8所示。

图7 工况1在温控负载导致负荷峰值变化后的功率需求曲线Fig.7 Power demand variation with the power peak value affected by TCLs

图8 工况2在温控负载导致负荷平均值变化后的功率需求曲线Fig.8 Power demand variation with the power peak value not affected by TCLs

3.1 不同策略的评价指标

VPP中的可控单元主要包括电动公交车储能与燃煤单元。可控单元的响应情况是控制策略控制效果的重要指标，而不同的可控单元根据其不同的功能又有不同的变化表示形式。

对于电动公交车储能而言，实时的电量变化曲线是最重要特征。电量变化表示着储能充电与放电的状态和时段内的充电、放电量的相对关系。关键时段储能电池的容量剩余则决定了系统对于储能的利用率［22］。

基于安全的策略需要储能电池在调峰结束时段的电量剩余最低，意味着燃煤机组在调峰时段的平均输出功率最低，满足安全性要求。基于收益的策略需要储能电池在低电价充电结束有最高的可用电量，在高电价放电结束时有最低的剩余电量，保障在高电价时段放电量最大以实现最大收益。所以，对于储能电池而言，监测时段内的电池SOC变化与关键时间点的SOC 是对于控制效果的重要评价指标。

对于燃煤机组而言，输出功率的变化是最重要的特征。受到调峰限制的影响，燃煤机组的输出功率理应被限制在90%最大负荷以下，在某些特殊情况才能超过，本文的研究重点也在于此。那么无论是安全策略还是收益策略，超限时间与超限电量都是一定要被关注的，所以燃煤机组输出功率的变化是衡量控制效果的又一重要指标。

3.2 基于安全的控制策略仿真结果分析与评价

工况1在安全策略下VPP 可控单元评价指标的变化曲线如图9所示。图中可以看出燃煤机组与电动公交车储能随时间的变化情况。对于燃煤机组而言，在调峰开始前维持额定输出功率为VPP 供电，在调峰开始后按照计算得到的修正后的平均功率进行调度。在达到限制值与平均功率的交点后，调整燃煤机组输出功率使储能充分放电。对于电动公交车储能，在调峰时段开始前，分别充电，在开始后逐渐放电。当各情况下调峰时段结束时，储能的剩余SOC 分别是0.16，0.09，0.11，较储能电池的放电下限0.1 误差在-0.01～0.06 之间，对应的放电量偏差为4.7 MW·h，说明控制策略调度效果明显。

图9 工况1在安全策略下VPP可控单元评价指标的变化Fig.9 Evaluation indicators for the controllable units in the VPP under the safe mode

工况2在安全策略下VPP 可控单元评价指标的变化曲线如图10 所示。由图可知，相比于工况1，3种情况调峰时段差异小且较之工况1 时间更长，燃煤机组开始调度的时间相同，平均输出功率随着需求的增大而增大。

图10 工况2在安全策略下VPP可控单元评价指标的变化Fig.10 Evaluation indicators for the controllable units in the VPP under the safe mode

虽然在调峰时段，电池储能存在先充电后放电情况，但是由于对输出功率的修正，3 种情况下调峰时段结束时储能SOC 为0.16，0.10，0.08，能够达到控制目的，有较好的控制效果，控制策略可行可靠。

对比2 种不同工况可以发现，工况1 时由于负荷需求的峰值发生变化，随着峰值的增加90%最大负荷限制提高，超过限制部分的功率在不断减小，工况1.1，1.2，1.3 的超限平均功率为8.7，1.0，-7.3 MW。

而在工况2，因为90%限制不变，工况1.1，1.2，1.3 的超限平均功率不断增加，为8.7，12.1，17.9 MW，对应超限电量为54.4，84.7，125.3 MW·h。从仿真结果可知，相比使负载峰值明显增大的温控负载工况1，使负载在时段内平均增大的温控负载工况2 更对与系统的稳定性产生影响，超限的无论是时间还是电量都显著提升，作为电网的控制者要更为关注工况2的调度。

3.3 基于收益的控制策略仿真结果分析与评价

工况1在收益策略下VPP 可控单元评级指标的变化曲线如图11 所示。从图中可以看出燃煤机组严格按照电价时段的区分而调度，同时储能的SOC也在平值电价充电，在峰值电价放电，峰值电价结束时剩余SOC 分别为0.09，0.10，0.16，其中工况1.3 的容量剩余为0.16，受到燃煤机组输出功率的限制，在该点无法实现完全放电，故在某些极端天气时，收益策略会受到影响。

图11 工况1在经济策略下VPP可控单元评价指标的变化Fig.11 Evaluation indicators for the controllable units in the VPP under the profiting mode

工况2在收益策略下VPP 可控单元评价指标的变化曲线如图12所示。

图12 工况2在经济策略下VPP可控单元评价指标的变化Fig.12 Evaluation indicators for the controllable units in the VPP under the profiting mode

由图可知，相比工况1，工况2 的功率需求峰值降低，燃煤机组与储能能够达到要求，不存在如图11中工况1.3的放电限制。所以燃煤机组输出功率的变化与电价时段的关系更为明显，电池储能在峰值电价结束时，SOC 在［-0.03，0.03］之内，能够达到控制要求。

在收益策略下，对于工况1，因为温控负载对系统功率需求的影响集中在峰值部分，在平电价充电时段工况1.1，1.2，1.3 的充电量相同，放电则受到峰值提升的影响，燃煤机组功率限制。

工况1.1，1.2，1.3 系统储能的峰值放电量为95.39，94.57，91.28 MW·h，收益为3.62 万，3.59万，3.47 万元。如果系统峰值较之工况1.3 进一步提升，可以预见系统的电价差收益将进一步降低。

相比工况1，工况2 时因为系统的峰值不变，燃煤机组输出功率能够满足需求，所以放电过程各情况能到放电限制值，但是受到温控负载影响，充电过程负荷需求不同，充电量各不相同。

工况2.1，2.2，2.3 系统的峰值放电量分别为95.39，92.10，85.5 MW·h，收益分别为3.62 万，3.50万，3.25万元。

同时收益策略下的超限电量也是重要的参考因素，数据汇总后可知，工况1 的平均超限功率为10.1，8.5，0.0 MW，超限电量分别为75.75，23.38，0.00 MW·h；工况2的平均超限功率为8.72，13.27，18.71 MW，超 限 电 量 分 别 为61.04，99.53，149.68 MW·h。

4 结论

本文针对城市中夜间温控负载变化对VPP 功率需求的影响，提出了对于VPP 的控制策略，通过在指定时间内控制燃煤机组输出功率超过调峰限制的方式满足额外的功率需求。并针对控制目的提出了基于安全与收益的2种方案，模拟了在工况1和工况2时，2种温控负载变化下策略的运行情况并进行对比研究。本文的主要结论如下。

（1）提出了基于安全与收益的控制策略。其中基于安全的策略以尽量小的燃煤机组超限功率解决温控负载带来的额外功率需求，适用于温控负载波动较强、超限额度不足的情况下，维持系统运行稳定。其中基于收益的策略更多的调度超限功率在满足温控负载需求同时获得额外电价差收益，适用于温控负载波动较弱、超限额度有盈余的情况，提高系统的收益。

（2）在基于安全的策略控制下，对系统的超限电量影响更明显的是工况2。系统在工况1 时得益于调峰限制的提升（90%最大负荷峰值），峰值越高反而超限功率越低，从8.7 MW 降低为0 MW；在工况2时，调峰限制不变，负载需求的平均值越高超限功率越高，从8.7 MW 升到17.9 MW，超限电量从54.4 MW·h升到125.3 MW·h。

（3）在基于收益的策略下，工况1的变化影响着储能的放电过程，工况2 的变化影响着储能的充电过程，两者的收益变化不大，但是超限电量有明显区别。工况1 下，随着峰值提升收益从3.62 万元降到3.47 万元，超限电量则从75.75 MW·h 降为0 MW·h；工况2 下，随着平均值提升收益从3.62 万元降至3.25 万元，超限电量从61.04 MW·h 升到149.68 MW·h。

（4）温控负载引起的功率需求峰值的变化对策略有重要影响：在安全模式下，超限比例与峰值的增加呈反比，与平均功率的增加呈正比；在收益模式下，峰值会影响储能放电，平均功率则会影响储能充电，收益都随着功率需求的增加而减小。