考虑可再生能源消纳的多能互补虚拟电厂优化调度策略

doi:10.12096/j.2096-4528.pgt.23037

考虑可再生能源消纳的多能互补虚拟电厂优化调度策略

张宁¹, 朱昊¹, 杨凌霄², 胡存刚¹

1.安徽大学电气工程与自动化学院, 安徽省合肥市 230601

2.安徽大学人工智能学院, 安徽省合肥市 230601

Optimal Scheduling Strategy of Multi-Energy Complementary Virtual Power Plant Considering Renewable Energy Consumption

ZHANG Ning¹, ZHU Hao¹, YANG Lingxiao², HU Cungang¹

1.School of Electrical Engineering and Automation, Anhui University, Hefei 230601, Anhui Province, China

2.School of Artificial Intelligence, Anhui University, Hefei 230601, Anhui Province, China

收稿日期: 2023-03-30

基金资助:

国家自然科学基金项目. 62203004
中国博士后科学基金项目. 2022M710174

Received: 2023-03-30

作者简介 About authors

张宁(1993)，男，博士，讲师，主要研究方向为能源互联网建模与优化、人工智能在能源互联网的应用等，zhangning@ahu.edu.cn；

朱昊(1998)，男，硕士研究生，主要研究方向为新型多能电力系统优化调度，zhuhao6047@163.com；

杨凌霄(1992)，女，博士，主要研究方向为机器学习及其在能源互联网、微网、配电网的应用，yanglingxiao@ahu.edu.cn；

胡存刚(1978)，男，博士，教授，主要研究方向为电力电子技术、新能源汽车电驱动和智能电源，hcg@ahu.edu.cn。

摘要

围绕“碳达峰、碳中和”目标，能源电力系统“源-网-荷-储”全环节低碳化面临新的要求和挑战，高比例可再生能源发电已成为必然趋势。考虑可再生能源发电的不确定性对电力系统安全稳定运行的影响，利用具备多能互补特性的虚拟电厂(virtual power plant，VPP)是改善该问题的有效途径。为此，提出一种多能互补虚拟电厂优化调度策略。首先，充分考虑多种能源之间的耦合关系，构建计及“源-网-荷-储”全环节的虚拟电厂运行机制；其次，根据所提运行机制，提出以低碳经济为目标的多能互补优化调度模型，通过对各类型装置进行协调调度，促进可再生能源的消纳；最后，以某地区含可再生能源发电在内的多能互补虚拟电厂为参考案例进行仿真分析，验证所提策略的有效性。

关键词： 虚拟电厂(VPP) ; 可再生能源 ; 碳达峰 ; 碳中和 ; 源-网-荷-储一体化 ; 优化调度策略

Abstract

Focusing on the goal of carbon peak and carbon neutrality, the low-carbonization of the whole link of energy power system (i.e., source-network-load-storage) faces new requirements and challenges. The high proportion of renewable energy generation has become an inevitable trend. Considering the impact of the uncertainty of renewable energy generation on the safe and stable operation of the power system, the use of virtual power plant (VPP) with multi-energy complementary characteristics is a favourable way to solve this problem. Therefore, an optimal scheduling strategy of multi-energy complementary VPP was proposed. Firstly, taking into account the coupling relationship between multiple energy sources, a VPP operation mechanism that takes into account the entire source-grid-load-storage chain was constructed. Secondly, according to the proposed operation mechanism, a multi-energy complementary optimal dispatching model with low carbon economy as the goal was proposed to promote the consumption of renewable energy by coordinating the dispatching of various types of devices. Finally, the effectiveness of the proposed strategy was verified by simulating and analyzing a reference case of a multi-energy complementary VPP including renewable energy generation in a region.

Keywords： virtual power plant (VPP) ; renewable energy ; carbon peak ; carbon neutrality ; source-grid-load-storage integration ; optimal scheduling strategy

PDF (2116KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

张宁, 朱昊, 杨凌霄, 胡存刚. 考虑可再生能源消纳的多能互补虚拟电厂优化调度策略. 发电技术[J], 2023, 44(5): 625-633 DOI:10.12096/j.2096-4528.pgt.23037

ZHANG Ning, ZHU Hao, YANG Lingxiao, HU Cungang. Optimal Scheduling Strategy of Multi-Energy Complementary Virtual Power Plant Considering Renewable Energy Consumption. Power Generation Technology[J], 2023, 44(5): 625-633 DOI:10.12096/j.2096-4528.pgt.23037

0 引言

虚拟电厂(virtual power plant，VPP)可通过通信信息技术，对各类型分布式电源、可控负荷、储能装置等进行集中管理并实现智能化调度^[1-2]。国外对虚拟电厂的研究起步较早，并且逐渐开始商业化。其中，美国、欧洲等国家和地区都已经具有较为成熟的技术手段，并已陆续实现虚拟电厂的市场化。随着“双碳”目标的提出，能源低碳化成为必然趋势。为了响应“双碳”战略，国内对电力行业的低碳化也展开了相关研究^[3-4]。综合能源系统作为未来重要的能源结构，可将不同种类的能源(电、热、气等)进行耦合，并根据能量梯级利用原则，对各种能源装置进行统一规划运行及调度^[5]，实现能量的高效利用。通过虚拟电厂将不同种类的能源装置联系起来，实现统一协调管理，达到多种能量的智能化调度，不仅能够有效提升能源利用效率，还能带来良好的社会效益和经济效益。

虚拟电厂作为电网管理侧与分布式能源、可控负荷、储能系统等之间的桥梁，可聚合大量可控资源，参与电力市场交易和电网运行^[6-7]。随着虚拟电厂技术的不断发展，国内外对虚拟电厂的研究越来越广泛，我国也相继颁布了虚拟电厂参与电力市场运行的相关政策，同时对虚拟电厂进行了大量研究^[8-10]。在虚拟电厂参与电力市场运行方面，现有研究主要涉及虚拟电厂与内外部合作博弈竞价策略，根据用户需求响应、价格信号以及政策激励等信息，制定符合经济效益要求的购售电策略。文献[11]提出了一种考虑多时间尺度的日前与日内两阶段联合运行的策略模型，通过电价引导信号以及内部定价机制，实现虚拟电厂的内部交易与市场交易，从而提升系统的运行经济性。文献[12]以售电公司经济最大化为目标，通过虚拟电厂实时整合多种分散式资源，基于日前和实时2种购售电决策，将其动态纳入电力市场运行中，从而实现购售电利益最大化。文献[13]根据寡头竞争博弈均衡理论和合作博弈理论，研究了由风电商与电动汽车聚合商组成的虚拟电厂参与电价竞争对电力市场平衡性的影响。文献[14]在虚拟电厂向电力系统提供调频服务的前提下，提出了一种关于调频辅助服务的最优竞价策略，其考虑了储能电池循环寿命对投标模型的影响，并通过讨价还价的收益分配方法来分配合作所得利润。文献[15]采用深度学习的方法，解决了虚拟电厂多阶段动态市场竞争问题。文献[16]分析了碳捕集系统与电气化合作经营关系，考虑电力市场与天然气市场价格不确定性，构建了风险依赖模型，提出了一种虚拟电厂三级市场交易模型。文献[17-19]采取主从博弈模型，可通过调整需求响应制定合理的竞价模型和购售电方案，合理整合各分布式资源，实现虚拟电厂与外部市场的均衡性管理。

在虚拟电厂优化调度方面，文献[20-22]针对风光等可再生能源出力不确定性、并网消纳等问题进行了研究，并提出了相应的经济性优化调度策略。文献[23]考虑了多能源耦合虚拟电厂的多重不确定性问题，并通过一种鲁棒随机优化调度方法进行求解。传统化石能源的大量使用所带来的危害日益突出，大力发展清洁能源成为全世界的共识，含有碳捕集装置的虚拟电厂优化调度已经引起广泛关注。文献[24]提出了包含碳捕集装置、垃圾焚烧等在内的虚拟电厂优化调度模型。文献[25]构建了一种两阶段低碳经济调度模型，通过包括风电、碳捕集装置在内的虚拟电厂协调运行，实现良好的环境效益与经济效益。能源耦合设备可通过能量的多样化供给和高效转换，实现能量的梯级利用^[26]。文献[27]建立了包括多种能源耦合设备和储能装置在内的虚拟电厂优化调度模型，该模型考虑了电、热、冷多能互补问题，具有良好的经济效益。文献[28]提出了包括需求响应、电转气能源耦合设备等在内的新型虚拟电厂结构，构建了三维协调优化调度模型。

基于以上研究，本文以提升高比例渗透的可再生能源利用率为目标，提出一种综合考虑多能互补特性的虚拟电厂多能流优化调度模型，以外部能源市场价格信息作为响应信号，虚拟电厂结合系统内多能装置运行状态信息制定调度策略，以达到最大化消纳可再生能源的目的，并利用改进粒子群优化(particle swarm optimization，PSO)算法对模型进行求解。

1 多能互补虚拟电厂结构

虚拟电厂内部包含不同种类的分布式电源、分布式可控负荷、储能装置等。以经济性指标为驱动，整合系统内部各类可控资源、负荷等，参与电力市场交易，可为电网提供调频等辅助服务，从而提升系统的经济性和可靠性，促进各类能源的高效优化整合^[29]。随着分布式可再生能源的兴起，可再生能源消纳问题备受关注。

传统电力系统只能依靠调节电力网络实现供需平衡，随着可再生能源发电规模的增大，仅依靠电力系统内部运行难以应对可再生能源消纳不足的问题，在多能源系统运行场景下，其灵活性也稍显不足。通过在虚拟电厂内引入能源耦合设备，整合分布式可再生能源，实现系统电、热、气等多能源协调运行，可有效提升系统运行的灵活性。通过引入电转气技术，实现电网与气网交互，并将电能转化为天然气或氢气，参与天然气网络的运行。电锅炉作为热网中的重要组成部分，主要以可再生能源发电作为电源，将电能转化为热能，参与热网系统的运行，起到供热和削峰填谷的作用^[30]。燃气锅炉可通过将天然气转换为热能实现气网与热网的交互运行。

本文在现有研究的基础上，从源、网、荷、储4个方面出发，在虚拟电厂园区内设置多种能源耦合设备，构建一套以消纳分布式可再生能源、提升系统经济性运行为目标的多能互补虚拟电厂模型，结构如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 虚拟电厂结构图

Fig. 1 Structure diagram of VPP

分布式可再生能源作为多能互补虚拟电厂的主要供能单位，电锅炉、燃气锅炉和电转气等能源耦合设备将热网、气网、电网3部分连接起来。为保证能量的供需平衡，各能量网络均配有独立的储能装置。其中，系统内的电负荷与气负荷分为可中断负荷和固定负荷。虚拟电厂控制平台可通过聚合系统内各装置运行信息，整合多能网络供需状态，并以外部能源价格等响应信息为策略信号，控制电网与天然气网络参与外部能源网络的市场交易。电网与气网以能源耦合设备为桥梁，共同承担热网的功率平衡。在满足系统内各组成部分相关约束的前提下，虚拟电厂控制平台可通过信息通信技术收集系统内部各聚合单元的运行状态、储能装置运行状态和多能流网络供需状态等运行信息，并以电力市场与天然气市场价格信息为指引，优化各类储能设备的充放能方案，维持系统内多能网络的供需平衡。以日内最小运行成本为目标，制定该系统的日内多能优化调度策略，从而提升分布式可再生能源消纳，实现良好的环境效益与经济效益。

2 多能互补虚拟电厂优化调度模型

2.1 能源耦合设备模型

能源耦合设备主要包括电能转换装置和天然气转换装置，其中，电能转换装置包括电转气和电锅炉等设备，燃气锅炉可将天然气等气能转换为热能。

电转气装置可将风光等可再生能源发电的多余电能转换为气能，具体表达式如下：

P_{e ‑ g} = η_{e g} P_{e g}

(1)

式中： $P_{e ‑ g}$ 为通过电转气装置转化得到的气能； $η_{e g}$ 为电转气装置的转化效率； $P_{e g}$ 为输入电转气装置的电量。

电锅炉设备可将可再生能源发电多余电能转化为热能，其转化表达式如下：

P_{e ‑ h} = η_{e h} P_{e h}

(2)

式中： $P_{e ‑ h}$ 为通过电锅炉设备转化得到的热能； $η_{e h}$ 为电锅炉设备的转化效率； $P_{e h}$ 为输入电锅炉设备的电量。

燃气锅炉设备可将天然气等气能转化为热能，具体表达式如下：

P_{g ‑ h} = η_{g h} P_{g h}

(3)

式中： $P_{g ‑ h}$ 为通过燃气锅炉设备转化得到的热能； $η_{g h}$ 为燃气锅炉的转化效率； $P_{g h}$ 为输入燃气锅炉的天然气量。

2.2 储能装置模型及约束

本文所构建多能互补虚拟电厂储能装置包括储能电池、储气罐和储热罐3种。储能装置可在系统产生能量供大于求时将能量存储起来，在系统负荷增加、能量供小于求时释放能量。广义储能模型^[31]表达式为

E_{s}^{t + 1} = E_{s}^{t} (1 - δ_{s}) + (P_{s c}^{t} η_{s c} - \frac{P_{s d}^{t}}{η_{s d}}) Δ t

(4)

式中： $s$ 代表能源种类； $E_{s}^{t + 1}$ 为 $t$ +1时刻各类储能系统充放能后的储能量； $E_{s}^{t}$ 为 $t$ 时刻各类储能系统充放能前的储能量； $δ_{s}$ 为各类储能装置的能量损耗率； $P_{s c}^{t}$ 、 $P_{s d}^{t}$ 分别为 $t$ 时刻各类储能装置的充能、放能功率； $η_{s c}$ 、 $η_{s d}$ 分别为各类储能装置的充能、放能效率。

储能装置充放能功率约束表示如下：

P_{s, c / d}^{m i n} \leq P_{s, c / d}^{t} \leq P_{s, c / d}^{m a x}

(5)

式中： $P_{s, c / d}^{m i n}$ 为各类储能装置的最小充/放能功率； $P_{s, c / d}^{t}$ 为各类储能装置在 $t$ 时刻的充放能功率； $P_{s, c / d}^{m a x}$ 为各类储能装置的最大充/放能功率。

电池荷电状态(state of charge，SOC)用来表示各储能装置的储能状态，储能装置储能状态约束表示如下：

S_{o c s}^{m i n} \leq S_{o c s}^{t} \leq S_{o c s}^{m a x}

(6)

式中： $S_{o c s}^{t}$ 为各类储能装置在 $t$ 时刻的储能状态； $S_{o c s}^{m i n}$ 、 $S_{o c s}^{m a x}$ 分别为各类储能装置的最小、最大储能状态。

储能装置周期容量不变约束表示如下：

S_{o c s}^{24} = S_{o c s}^{0}

(7)

式中 $S_{o c s}^{0}$ 、 $S_{o c s}^{24}$ 分别为各类储能装置在优化调度周期开始、结束时刻的储能状态。

储能装置在正常运行时充能和放能不能同时进行。其相关约束表示如下：

L_{s ‑ c} + L_{s ‑ d} \leq 1

(8)

式中 $L_{s ‑ c}$ 和 $L_{s ‑ d}$ 分别代表不同能源种类的充能和放能标志。

2.3 系统约束

多能互补虚拟电厂在正常运行时需要满足电能、气能和热能的功率平衡。电网系统、天然气网络、热网需要满足的功率平衡分别表示如下：

\begin{matrix} P_{P V} + P_{w i n d} + P_{e ‑ b u y} + P_{e ‑ d} = P_{e ‑ c} + \\ P_{e ‑ l o a d} + P_{e g} + P_{e h} + P_{e ‑ a b} \end{matrix}

(9)

P_{e ‑ g} + P_{g ‑ b u y} + P_{g ‑ d} = P_{g ‑ c} + P_{g ‑ l o a d} + P_{g h}

(10)

P_{g ‑ h} + P_{e ‑ h} + P_{h ‑ d} = P_{h ‑ c} + P_{h ‑ l o a d}

(11)

式中： $P_{P V}$ 和 $P_{w i n d}$ 分别为光伏、风电出力； $P_{e ‑ b u y}$ 为系统从外部电网购买的功率； $P_{g ‑ b u y}$ 为系统向外部天然气网络购买的功率； $P_{e ‑ c}$ 、 $P_{e ‑ d}$ 分别为储能装置的充电、放电功率； $P_{e ‑ l o a d}$ 为电负荷； $P_{e ‑ a b}$ 为可再生能源发电弃电量； $P_{g ‑ c}$ 、 $P_{g ‑ d}$ 分别为天然气储能装置的充能、放能功率； $P_{g ‑ l o a d}$ 为气负荷； $P_{h ‑ c}$ 、 $P_{h ‑ d}$ 分别为储热装置的充能、放能功率； $P_{h ‑ l o a d}$ 为热负荷。

各类能源设备在正常运行时，其出力大小都应该小于其上限值，均需满足以下约束：

0 \leq P_{s} \leq P_{s}^{m a x}

(12)

式中： $P_{s}$ 为各类能源设备的出力； $P_{s}^{m a x}$ 为各类能源设备的最大限制出力。

能源购买约束表示如下：

0 \leq P_{s ‑ b u y}^{t} \leq P_{s ‑ b u y}^{m a x}

(13)

式中： $P_{s ‑ b u y}^{t}$ 为 $t$ 时刻各类能源系统从外部电网或天然气网络购买的功率； $P_{s ‑ b u y}^{m a x}$ 为各类能源系统购买能源功率的最大值。

2.4 目标函数

本文所提多能互补虚拟电厂优化调度模型是以日内最小运行成本为目标函数，该成本包括各类能源购买费用 $f_{s ‑ b u y}$ 、可再生能源弃电惩罚 $f_{a b a n}$ 和碳排放处理费用 $f_{c}$ 。

能源购买费用包括系统向外部能源市场购买的电功率费用和天然气费用，可表示为

f_{s ‑ b u y} = c_{e ‑ b u y} P_{e ‑ b u y} + c_{g ‑ b u y} P_{g ‑ b u y}

(14)

式中： $c_{e ‑ b u y}$ 为多能互补虚拟电厂向外部电网购电电价； $c_{g ‑ b u y}$ 为外部天然气价格。

可再生能源弃电惩罚包括光伏发电弃电惩罚和风电弃电惩罚，两者按照统一的弃电电价计算，具体可表示为

f_{a b a n} = c_{a b a n} P_{e ‑ a b}

(15)

式中 $c_{a b a n}$ 为可再生能源弃电惩罚系数。

碳排放量是系统从外部能源网络购买电量和天然气时碳的等效排放量，具体可表示为

f_{c} = c_{c} (β_{e} P_{e ‑ b u y} + β_{g} P_{g ‑ b u y})

(16)

式中： $c_{c}$ 为单位碳排放处理费用； $β_{e}$ 为等效购电碳排放系数； $β_{g}$ 为等效购气碳排放系数。

故本文所设日内运行最小成本可表示为

F = m i n (f_{s ‑ b u y} + f_{a b a n} + f_{c})

(17)

3 仿真验证

3.1 改进PSO算法

PSO算法是一种进化计算技术，于1995年由J. Kennedy等率先提出，该算法通过模拟鸟群的觅食行为搜索最优解，在函数优化方面表现优异，已受到研究者的广泛关注^[32]。PSO算法具有位置和速度2个重要属性，其中，速度代表粒子搜索快慢，位置代表搜索方向。每个粒子独自进行最优搜索，并将相关搜索信息与其他粒子共享，通过不断迭代更新，最后找到最优解。

传统PSO算法局部搜索能力较差，容易陷入局部最优，对整个优化调度求解结果的影响较大。针对这一问题，本文采用改进PSO算法，通过引入粒子变异环节，对粒子惯性权重 $w$ 进行变异操作，从而提升粒子的多样性，避免寻优过程中粒子陷入局部最优。

在PSO算法中，惯性权重 $w$ 是一个很重要的参数，其值变化对粒子寻优有一定的影响，增大 $w$ 可以提高粒子的全局搜索能力，减小 $w$ 可以增强局部搜索能力。

在本文所采用的改进PSO算法中，各粒子的惯性权重 $w$ 将会随着迭代次数和个体适应值的更新而不断更新，具体表达式如下：

w = \{\begin{matrix} w_{m i n} - \frac{(w_{m a x} - w_{m i n}) (f - f_{m i n})}{f_{a v g} - f_{m i n}}, f \leq f_{a v g} \\ w_{m a x}, f > f_{a v g} \end{matrix}

(18)

式中： $f$ 为某粒子的适应度值； $f_{a v g}$ 为全体粒子的平均适应度值； $f_{m i n}$ 为全体粒子的最小适应度值； $w_{m i n}$ 和 $w_{m a x}$ 分别为 $w$ 的下限和上限。

改进后的PSO算法流程如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 改进粒子群算法流程图

Fig. 2 Flow chart of improved PSO algorithm

3.2 仿真分析

以某包含风光发电的多能互补虚拟电厂系统为参考案例进行仿真分析，该地区某典型日光伏、风电等可再生能源出力曲线如图3所示。仅考虑电力网络时，该系统电负荷难以消纳系统内的可再生能源发电，消纳率仅为70.6%。能源采购价格包括购电电价和购气气价，二者均采用分时价格机制，如表1所示。各类能源耦合设备的转化效率如表2所示。对于系统内所有能源种类的储能装置，其储能能量状态的变化区间均设在0.25~0.95，各类储能装置相关参数如表3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 光伏、风电出力曲线

Fig. 3 Output curves of photovoltaic and wind powers

表1 分时电价和气价

Tab. 1 Time share electricity price and gas price

机制	时段	价格/[元/(kW⋅h)]
配电网分时价格机制	00：00—08：00	0.428
	08：00—13：00	0.953
	13：00—18：00	0.687
	18：00—21：00	1.168
	21：00—24：00	0.572
天然气分时价格机制	00：00—06：00	0.227
	06：00—09：00	0.465
	09：00—12：00	0.584
	12：00—15：00	0.734
	15：00—19：00	0.465
	19：00—21：00	0.702
	21：00—24：00	0.227

新窗口打开| 下载CSV

表2 能量耦合装置转化效率

Tab. 2 Conversion efficiency of energy coupling device

参数	η_eg	η_eh	η_gh
数值	0.75	0.90	0.90

新窗口打开| 下载CSV

表3 储能装置相关参数

Tab. 3 Related parameters of energy storage devices

类型	参数	数值
储电设备	能量损耗率δ_e	0.03
	充电效率η_ec	0.97
	放电效率η_ed	0.97
储气设备	能量损耗率δ_g	0.04
	充能效率η_gc	0.95
	放能效率η_gd	0.95
储热设备	能量损耗率δ_h	0.05
	充能效率η_hc	0.93
	放能效率η_hd	0.93

新窗口打开| 下载CSV

通过仿真结果可知：该多能互补系统正常运行时，在保证电力系统功率平衡的前提下，当电价较低时，系统会从电网购入一定电量，这些电量除了会供给系统内的电负荷、电转气装置和电锅炉外，还会储存到储能装置内，在可再生能源发电消纳困难时期，系统会利用能量耦合装置将多余电量转化为气能和热能。电力网络优化调度结果如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 电力网络优化调度结果

Fig. 4 Power network optimization scheduling results

图5为天然气网络优化调度结果，由此可知，在可再生能源发电充足时，天然气网络主要以电转气获得的气能供给整个气能网络，多余气能则会通过储能装置储存起来，或通过燃气锅炉转化为热能供给热能系统。在天然气价格低谷时期和电转气装置供能不足时，系统会通过购买天然气进行供能，从而保证天然气网络的供需平衡。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 天然气网络优化调度结果

Fig. 5 Natural gas network optimization scheduling results

图6为热网优化调度结果。本文所设多能互补虚拟电厂系统的热网不能向外部热网购热，电锅炉和燃气锅炉等能源耦合设备将电能和气能转化为热能，供给园区内的热负荷。储热装置可将某些时刻多余的热能存储起来，当电锅炉和燃气锅炉产热量不足以满足系统内的热负荷时，储热装置通过释放热能来维持系统内的热功率平衡。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 热网优化调度结果

Fig. 6 Heat network optimization scheduling results

由上述仿真结果可知，虚拟电厂可以通过信息采集获取各分布式资源与用户侧负载之间的供需关系。不同能源类型的子系统可以通过引入电转气、电锅炉等能源耦合设备建立耦合关系。面对可再生能源消纳困难问题，在保证电网系统稳定运行的同时，虚拟电厂调度下的能源耦合设备通过协调互补运行实现能源梯级利用，在保证电、气、热多能互补虚拟电厂稳定运行的同时提高能源利用率，促进可再生能源的就地消纳，降低系统运行成本。通过在虚拟电厂中引入能源耦合设备，该系统的新能源消纳率由原先的70.6%提升到98.6%。该多能互补虚拟电厂日内最小运行成本如表4所示。

表4 日内最小运行成本 (元)

Tab. 4 Intraday minimum running cost

费用类型	电费	天然气费	弃电惩罚	碳排放费	总费用
成本	120.370	376.820	157.437	37.796	692.423

新窗口打开| 下载CSV

4 结论

针对可再生能源发电消纳不足的问题，提出了综合考虑多种能源之间相互调用的虚拟电厂多能流优化调度策略，通过虚拟电厂协调运作多能流设备，实现系统内的多能流平衡，从而在最大程度消纳可再生能源的同时实现较好的经济、环境效益。具体结论如下：

1）计及“源-网-荷-储”全环节的虚拟电厂运行机制，考虑了多能耦合特性以及分布式电源、分布式可控负荷、储能装置、能源耦合设备等装置之间的协同运行关系，能充分发挥多元能源之间的互补特性，保证整个系统的安全稳定运行。

2）所构建的多能互补虚拟电厂优化调度模型考虑了碳排放对系统的影响，通过虚拟电厂整合分散安装的清洁能源、可控负荷和储能系统进行能量转化，从而实现可再生能源的消纳，提高了能源利用率，减少了资源浪费。

3）所提出的基于改进PSO算法的虚拟电厂优化调度策略提高了运行结果的准确性，实现了虚拟电厂的最优经济运行。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

张涛，李逸鸿，郭玥彤，等．

考虑虚拟电厂调度方式的售电公司多时间尺度滚动优化

[J]．电力系统保护与控制，2021，49(11)：79-87．