计及源-荷不确定性的虚拟电厂多目标鲁棒优化调度.pdf

电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 6 期2023 年 6 月Vol.35 No.6Jun.2023计及源-荷不确定性的虚拟电厂多目标鲁棒优化调度秦子恺1，黄婧杰1，周任军1，周喆1，刘科明2（1.湖南省清洁能源与智能电网协同创新中心（长沙理工大学），长沙 410114；2.中车株洲电力机车研究所有限公司，株洲 412001）摘要：为解决虚拟电厂内部参与者的功率再分配问题，建立计及源-荷不确定性的虚拟电厂多目标日前鲁棒优化调度模型。所提模型中对于风电、电负荷及热负荷采用可调不确定集合来描述，并以运行成本与碳排放量作为多目标优化调度的目标函数。应用对偶理论将多目标鲁棒模型转化为多目标确定性模型。为了更好地获得帕累托前沿解集，采用增广-约束法将多目标优化重构为单目标优化问题。应用考虑样本相关性与差异性的客观赋权法与综合评价法获取帕累托解集中的理想解。研究结果验证了所提模型的正确性及多目标问题处理方法的有效性。关键词：源-荷不确定性；鲁棒优化；多目标；增广-约束法；考虑样本相关性与差异性的客观赋权法与综合评价法中图分类号：TM734文献标志码：A文章编号：1003-8930（2023）06-0013-09DOI：10.19635/ki.csu-epsa.001108Multi-objective Robust Optimal Scheduling of Virtual Power Plant ConsideringSource-load UncertaintyQIN Zikai1，HUANG Jingjie1，ZHOU Renjun1，ZHOU Zhe1，LIU Keming2（1.Hunan Province Collaborative Innovation Center of Clean Energy and Smart Grid（Changsha University ofScience and Technology），Changsha 410114，China；2.CRRC Zhuzhou Locomotive Co.，Ltd，Zhuzhou 412001，China）Abstract:To solve the problem of power redistribution among the internal participants of a virtual power plant（VPP），a multi-objective day-ahead robust optimal scheduling model of VPP considering the source-load uncertainty is established.In this model，adjustable uncertainty sets are used to describe the wind power，electrical load and thermal load，and the operating cost and carbon emissions are used as objective functions for the multi-objective optimal scheduling.The multi-objective robust model is transformed into a multi-objective deterministic model by applying the duality theory.To better obtain the Pareto frontier solution set，the augmented constraint method is used to reconstruct the multi-objective optimization into a single-objective optimization problem.A comprehensive decision-making method of criteriaimportance through intercriteria correlation-technique for order preference by similarity to an ideal solution is used toobtain the ideal solution in the Pareto solution set.The research results demonstrate the correctness of the proposed model and the effectiveness of the multi-objective approach.Keywords:source-load uncertainty；robust optimization；multi-objective；augmented constraint method；criteria importance through intercriteria correlation-technique for order preference by similarity to an ideal solution虚拟电厂VPP（virtual power plant）应用先进的通信技术和软件系统，为分布式能源的聚合和协调优化提供了平台1，同时VPP还可实现系统内部单元间协调调度以获得更好的经济和环保效益。作为分布式能源之一，热电联产 CHP（combined heat and power）机组通过燃烧燃料发电并为用户供热，减少了燃料浪费的同时提高了能源利用效率。但CHP机组常常处于“以热定电”的工作模式，将大幅度降低系统的调节能力，加剧弃风弃光现象2。电转气P2G（power-to-gas）设备可以实现新能源消纳和削峰填谷3，同时由火电厂经碳捕集与封存CCS（carbon capture and storage）技术改造成的碳捕集电厂可为P2G设备提供CO2原料4。在“双碳”背景下，常规的单目标经济调度已难以满足优收稿日期：2022-06-28；修回日期：2022-09-14网络出版时间：2022-09-27 20：09：37基金项目：国家自然科学基金资助项目（52077009）秦子恺等：计及源 荷不确定性的虚拟电厂多目标鲁棒优化调度电 力 系 统 及 其 自 动 化 学 报14第 6 期化要求，系统产生的碳排放成为不可忽视的重要组成部分5。因此，在考虑VPP经济的同时也需考虑其环保性。文献6建立的年综合成本最小及碳排放量最小的多目标模型，能够兼顾系统运行的经济性与环保性。-约束法是一种常用的多目标求解方法，但在某些情况下，该方法会获得受支配解7。线性加权法难以确定目标间的权重系数8。采用智能算法求解多目标问题则可能使得帕累托前沿分布性不佳，且获得的解不一定是理想解9。因此，多目标处理方法及帕累托解集的理想解筛选需要更深入的研究。在优化调度过程中，VPP面临着各种功率的不确定性，例如新能源出力、负荷需求等。显然，传统的确定性优化不能应对考虑多种不确定性的VPP的最优调度10。因此，采用合理的优化方法来量化不确定性对调度策略的影响已经引起了研究者的关注。VPP的优化调度中，针对可再生能源的不确定性已有较多研究，常用方法有随机规划、模糊优化、鲁棒优化等。其中，鲁棒优化只需不确定量的范围，不需要主观选取模糊隶属度函数或产生误差的概率分布函数11。因此，对于鲁棒优化的灵活应用，也需要进一步研究。综上，本文提出计及源-荷不确定性的VVP多目标日前鲁棒优化模型，将VPP的运行成本与碳排放量作为多目标优化问题的目标函数，使用对偶理论将鲁棒模型转换为确定性模型，采用增广-约束法将多目标问题构造为单目标优化问题求解获取帕累托前沿，应用CRITIC-TOPSIS方案综合决策获取理想解。最后，通过仿真验证本文模型的正确性。1电-气-热 VPP 模型电-气-热VPP系统结构如图1所示，主要设备包含CHP机组、碳捕集设备、风电机组、燃气锅炉及P2G装置。CHP机组向碳捕集设备提供能耗，P2G可将多余的风电转化为天然气，也可将碳捕集装置捕获到 CHP 机组所产生的 CO2作为其原料，以减少碳排放。电负荷由CHP机组与风电机组的电出力提供，供热负荷则由CHP机组与燃气锅炉承担。碳捕集系统的能耗由CHP机组提供，其表达式12为PGC,t=PB,t+POP,t（1）式中，PGC,t、PB,t、POP,t分别为碳捕集系统t时刻的总能耗、固定能耗与运行能耗，其中固定能耗可视为常数。碳捕集系统捕集的碳量与运行能耗的关系可表示为POP,t=wCQCC,t（2）式中：QCC,t为碳捕集系统在t时刻捕集的碳量；wC为碳捕集电厂处理单位碳量的运行能耗。本文将热电厂、碳捕集系统和P2G聚合，碳捕集系统捕集到的CO2作为原料提供给P2G设备，同时P2G可消纳弃风生成天然气提供给热电厂与燃气锅炉。P2G设备在t时刻消耗的碳量与生成天然气体积的关系4可表示为QP2G,t=CO2VP2G,t（3）VP2G,t=3.6P2GPP2G,tHg（4）式中：QP2G,t为利用捕集到的CO2量送入P2G设备的碳量；CO2为CO2的密度；PP2G,t为t时刻P2G功率；VP2G,t为t时刻产出甲烷的体积；P2G为P2G的转换效率；Hg为天然气热值，取39MJ/m3。2VVP 多目标优化调度模型本节从经济性和碳排放两个角度出发，针对VPP建立日前多目标优化模型。2.1目标函数2.1.1目标函数 1：VPP 运行成本以VPP运行成本最小为目标，目标函数1可表示为f1=mint=1T()CAD,t+CH,t+CSTO,t-IC,t+CW,t+CEM,t（5）式中：CAD,t为CHP机组工作时产生的调节成本；CH,t为CHP机组和燃气锅炉的燃料成本；CSTO,t为碳封存成本；IC,t为VPP碳交易收益；CW,t为弃风成本；图 1VPP 系统结构Fig.1Structure of VPP system虚拟电厂调控中心天然气市场热网燃气锅炉风电站P2GCCSCO2电网热电厂PCHPPP2GPWHCHPHGBVCHPPGCVP2GVGB秦子恺等：计及源 荷不确定性的虚拟电厂多目标鲁棒优化调度15第 35 卷CEM,t为能量市场购电成本；T为调度周期。（1）CHP机组工作时产生的调节成本为CAD,t=0+1PCHP,t+2P2CHP,t+3HCHP,t+4H2CHP,t+5PCHP,tHCHP,t（6）式中：PCHP,t、HCHP,t分别为t时刻CHP机组的电出力与热出力；ai为成本函数系数，i=0,1,5。（2）CHP机组和燃气锅炉的燃料成本为CH,t=kCH4VBUY,t（7）其中VBUY,t=VGB,t+VCHP,t-VP2G,t（8）VGB,t=HGB,tHgGB（9）VCHP,t=PCHP,tHgCHP,e+HCHP,tHgCHP,h（10）式中：kCH4为天然气市场单位天然气价格；VGB,t、VCHP,t分别为燃气锅炉、CHP 机组消耗的天然气；CHP,e、CHP,h和GB分别为CHP机组发电、发热效率和燃气锅炉的发热效率；HGB,t为t时刻燃气锅炉的热出力。（3）碳封存成本为CSTO,t=kSTO()QCC,t-QP2G,t（11）式中，kSTO为碳封存成本系数。（4）VPP碳交易收益。本文实行基于配额的市场实行“总量控制与交易”的碳交易机制13。VPP碳交易收益的表达式为IC,t=ktrade()QA,t-QN,t+QCC,t（12）其中QN,t=cVCH,t（13）VCH,t=VGB,t+VCHP,t（14）QA,t=CPCHP,t（15）式中：ktrade为碳市场交易价格；QA,t为t时刻调控中心分配的碳排放额度；