基于改进深度Q网络的虚拟电厂实时优化调度

深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了一种基于深度强化学习的改进深度Q网络(improved deep Q-network,MDQN)算法。该算法将深度神经网络表达为混合整数规划公式,以确保在动作空间内严格执行所有操作约束,从而保证了所制定的调度在实际运行中的可行性。此外,还进行了敏感性分析,以灵活地调整超参数,为算法的优化提供了更大的灵活性。最后,通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供了一种有效的解决方案。

面向综合能源协调的虚拟电厂调控平台设计与规划优化

为解决综合能源协调调度难题,文章提出了基于虚拟电厂调控平台设计和综合能源协调调度模型。通过分析虚拟电厂的基本网架结构,设计了虚拟电厂总体架构,分为资源层、平台层和应用层,并设计了网络架构和数据流架构。基于该架构建立了面向综合能源协调的虚拟电厂调度应用模型。针对模型内光伏、风力发电、电解器、燃料电池、氢气储能、电池储能,以可靠性指标作为切入点,提出了全生命周期内成本最小的目标函数。通过算例分析,验证了文章所提出的模型在可靠性和成本方面的优势。

基于条件风险价值的虚拟电厂参与能量及备用市场的双层随机优化

为充分发挥虚拟电厂的灵活性价值,提出了虚拟电厂参与电能量及备用辅助服务市场的双层随机优化模型。上层基于条件风险价值理论建立了虚拟电厂参与电能量及备用辅助服务市场的两阶段风险决策模型,其中,第一阶段考虑新能源不确定性的潜在风险,建立了虚拟电厂参与能量和备用辅助服务市场的投标报价模型,第二阶段针对不同场景下的新能源出力建立了以虚拟电厂期望运行成本最小为目标的分布式资源优化调度模型;下层在已知各市场主体的投标报价信息后,开展电能量市场及备用辅助服务市场的联合出清。仿真分析表明,所提方法能够有效指导虚拟电厂规避新能源不确定性的潜在风险,并通过将备用价格提高到下一个边际机组的报价从而增加自身利润。

考虑电力网络约束的工业园区虚拟电厂调控边界求解方法

构建以新能源为主体的新型电力系统,亟须挖掘负荷侧灵活调节资源参与电网调控。含电解铝、矿热炉等高耗能负荷的工业园区具备良好的调控潜力,但是考虑园区内部电力网络约束,其精确调控边界求解面临着变量维数高、约束非线性的难题,现有方法不能较好地兼顾计算效率和精度。对此,文中将上述问题抽象为高维非线性状态空间在P-Q耦合平面的投影问题:分别建立考虑工业园区安全运行线性化和非线性约束的调控边界投影求解模型,采用一种新颖的高维状态空间投影算法,通过顶点“搜索-映射”的两步式求解过程,得到工业园区型虚拟电厂调控边界的精确投影。算例结果表明,采用所提方法求解的调控边界可由线性不等式组完全表征,与现有调度系统完全兼容,结合与叠加柔性资源调控能力和传统采样方法的对比,验证了该方法的可行性以及高求解精度和效率。

面向系统响应能力提升的虚拟电厂聚合特性及交易机制综述

在新型电力系统频率动态品质下降、频率稳定问题突出的背景下,文中综述了面向系统频率响应能力提升的虚拟电厂聚合响应特性与市场交易机制,为当前由于市场机制缺乏导致的分布式资源频率支撑技术应用难题提供市场化解决思路。首先,总结了分布式资源频率动态响应基本原理以及虚拟电厂所需关键支撑技术,剖析了虚拟电厂在提供系统频率支撑方面存在的问题。其次,从时间、空间、成本3个维度提炼了虚拟电厂的频率聚合响应特性,并综述了虚拟电厂提升系统频率响应能力的市场交易机制,涵盖产品设计、出清定价、贡献量化、结算考核4个关键环节。然后,探讨了虚拟电厂聚合响应特性与市场交易机制间的交互作用关系。最后,展望了虚拟电厂提升系统频率响应能力的未来研究重点。

基于主从博弈的多虚拟电厂动态定价与优化调度

在“双碳”背景下,分布式可再生能源以及储能、需求响应等灵活性资源快速发展,虚拟电厂通过控制技术将分布式资源高效整合,提高了分布式能源发电效益。随着社会资本进入电力市场,不同虚拟电厂将会属于不同的投资商,形成多主体博弈格局,根据投资商投资偏好,虚拟电厂将由不同灵活性的资源构成。为兼顾虚拟电厂运营商和虚拟电厂利益,文章构建了运营商和多虚拟电厂双层主从博弈模型,考虑上层定价与下层出力的相互影响,研究运营商动态价格制定和虚拟电厂优化运行调度问题。下层以各虚拟电厂运行成本最小为目标,分别建立含有电储能、需求响应和氢储能的多虚拟电厂优化调度模型;上层以运营商利润最大为目标,结合下层出力计划进行虚拟电厂购售电价动态制定。采用粒子群算法迭代求解博弈模型,通过算例分析,该模型能够兼顾多主体利益,有效提高运营商收益并降低虚拟电厂运行成本。

虚拟电厂下灵活资源多时间尺度调频控制

随着能源结构转型的推进,可再生能源的使用逐渐增加,仅依靠传统机组调节频率偏差难以满足需求。因此,为了解决此问题,考虑利用分布式资源(DR)参与调频辅助服务,DR主要考虑空调、电动汽车充电桩以及储能。首先,考虑了DR的特性和满意度评价方法;然后,基于状态势博弈理论对DR进行协调控制,将DR集中起来使其对外呈现为一个整体参与调频辅助服务;最后,通过算例仿真证明了该方案下对DR聚合并协调控制参与调频辅助服务的可行性和有效性,并对多时间尺度下储能、电动汽车充电桩以及可控负荷参与快速调频进行了验证。

低碳目标下计及电动汽车V2G的虚拟电厂优化调度方法

促使风电、光伏等分布式能源和电动汽车保有量快速增长。考虑电动汽车到电网(vehicle to grid,V2G)能量互动对多元化能源发电出力随机性及波动性的平抑作用,以及提升风/光电的消纳水平,采用虚拟电厂(virtual power plant,VPP)技术实现对二者的统一协调管理,进而结合电动汽车全生命周期碳排放数量和分布式能源运行时碳排放数量,构建电动汽车参与的虚拟电厂整体多目标优化模型,采用粒子群优化算法对该模型进行求解,从而优化系统运行成本及碳排放成本。在结合真实数据配置的算例模型上进行实验分析,实验结果表明,提出的优化模型可以有效调度虚拟电厂各要素,充分发挥电动汽车V2G入网充放电带来的运行和碳排放收益,可以为低碳目标背景下电网系统的安全稳定运行提供技术参考。

基于绿电减排量互认的建筑虚拟电厂电-碳双层协同决策机制

在“双碳”背景下,电-碳多政策并举和多市场并存局面带来了电能环境权益重复奖惩的问题。针对该问题,提出了基于减排量等效的绿色电力-国家核证自愿减排量(CCER)互认方法,将绿色电力的环境权益统一归属至用户侧,并以建筑主体为研究对象对互认方法进行验证。首先,依据减排特性差异,将建筑分为强制性建筑、减排性建筑、零碳建筑3类,以建筑虚拟电厂为CCER互认的代理。其次,针对建筑虚拟电厂内部CCER分配问题,提出了基于Shapley值法的分配方法,以保证分配的公平和合理性。然后,针对建筑主体面临的电-碳协同决策问题,提出了基于能源共享原则的电-碳双层协同交易机制,并基于主从博弈理论构建双层决策模型,结合供需比概念对模型进行凸化。最后,通过算例仿真验证了互认方法的可行性及电-碳双层协同决策机制的有效性。

虚拟电厂关键技术与市场机制

在全球能源互联网的快速发展背景下,虚拟电厂技术作为一种新型的电力系统管理模式,逐渐成为实现能源高效利用和可持续发展的重要手段。虚拟电厂通过整合分布式能源资源、优化电力调度,实现了能源供需的灵活平衡,有效提升了电力系统的稳定性和可靠性。

双碳目标下基于Stackelberg和合作博弈的虚拟电厂双层优化调度

在中国的双碳目标下,大规模新能源发电接入虚拟电厂时,将导致电力市场交易中的高额惩罚成本。为此,设计了虚拟电厂参与日前市场竞标的双层博弈模型,以双层收益最大化为目标对虚拟电厂进行调度优化。首先,利用场景生成与削减技术考虑风力发电商和电动汽车聚合商的不确定性,设计了由风力发电商、电动汽车聚合商和燃气轮机合作组成的虚拟电厂下层电量竞标模型,以及虚拟电厂控制中心的上层电价竞标模型。其次,基于两个子模型之间的主从递阶关系,利用卡罗需库-恩塔-克(KKT)条件将双层模型转化为一个混合互补问题,通过求解获得优化方案,并基于Shapley值法对合作方进行利润分配。数值算例表明,设计的模型能有效减少碳排放和降低风电惩罚成本,同时增加参与者的收益。

计及信誉值的虚拟电厂多主体合作博弈交易方法

随着分布式资源高比例接入,虚拟电厂作为聚合多方交易主体参与电力市场的新兴技术逐渐受到广泛关注。然而分布式资源出力不确定性和个体趋利性可能导致参与电力交易过程中造成违约行为。因此,提出计及信誉值的虚拟电厂聚合多方主体参与合作博弈电力交易方法。首先,针对虚拟电厂内各交易主体建立基于合约电量完成度的信誉值管理机制,并构建基于收益最大化的多主体合作出力模型;其次,采用合作博弈理论的Shapley值法确定初始收益分配方案;再次,为激励交易主体积极履行交易合约,合理转移交易风险,引入信誉值对初始方案进行修正,得出改进的收益分配方案;最后,基于MATLAB对算例进行计算,结果表明:合作前后各交易主体收益合计增长率约为101.16%,对比传统Shapley值法收益分配方案,最高和最低信誉值交易主体的收益增减幅度分别约为1.04%和3.13%,验证了所提交易方法的有效性与合理性。

计及源-荷多类型备用的虚拟电厂双层优化运行

需求响应行为和共享储能的运行均会对虚拟电厂能量流动产生影响,在此背景下,为提高虚拟电厂对可再生能源的消纳能力,提出一种计及源-荷多类型备用的虚拟电厂双层优化调度方法。文中对风电的不确定性、需求响应参与能量和备用调度以及共享储能运行模式进行建模;建立双层调度模型,上层为考虑风电不确定性的日前能量和备用计划调度模型,下层为考虑风电波动性的日内修正模型。最后通过算例讨论了共享储能和需求响应对虚拟电厂能量和备用调度的影响,验证了模型的正确性和经济性。

基于强化学习的含分布式风-光-储虚拟电厂优化调度

将大量小规模的分布式风电、光伏发电和储能等单元并网的一种有效手段是将它们通过能源聚合商聚合之后参与虚拟电厂(VPP)的优化调度,然而VPP调度中心常难以对能源聚合商的总体出力特性进行精确的建模及预测,给传统的集中式VPP优化调度模式带来挑战。针对含分布式风-光-储单元的VPP,提出一种基于强化学习的交互式优化调度模型。VPP调度中心通过与各聚合商的在线信息交互,逐步学习得到VPP中各类单元的聚合出力及VPP对大电网的购售电量决策。该优化模型采用深度确定性策略梯度(DDPG)算法求解。基于真实新能源出力数据的仿真算例验证了该方法的有效性。与线性规划求解器得到的传统集中式调度结果对比,表明本所提法有助于改善VPP运行总效益,尤其是提高新能源利用率。

多组合虚拟电厂中氢储能低碳经济配置与优化

提出蓄电池-氢混合储能虚拟电厂优化运行方案,首先分析各运行单元的特性并建立协同运行优化模型,然后在虚拟电厂应用蓄电池的基础上,增加由电解槽、储氢罐和燃料电池组成的氢能系统,以实现蓄电池与氢能系统混合储能。考虑电价型需求响应和阶梯型碳交易理论,较分析5种不同方案的虚拟电厂的优化运行成本及收益,实例证明蓄电池-氢混合储能的风光虚拟电厂方案具有更好的经济性和低碳性。

含分布式新能源和需求响应负荷的虚拟电厂定价机制及优化调度

面对电网中分布式风电、光伏发电以及柔性负荷的广泛接入,将这些资源通过虚拟电厂(VPP)进行聚合,采用合理的电价机制来引导用户参与需求响应,可以有效提升新能源的消纳能力并降低整体运营成本。传统的分时电价机制往往难以实现需求响应负荷与新能源出力的良好匹配,可能会导致需求响应的不合理或过度反应。为此,针对包括分布式风电、分布式光伏发电和柔性负荷的VPP,提出了一种基于新能源出力的VPP内部定价机制,并设置电力交易优先级来引导VPP内部各资源优化运行,以VPP的整体运营成本最小化为目标,构建了一个VPP优化调度的混合整数线性规划模型。基于内蒙古某地区的实际数据进行仿真计算,结果表明,与基于传统分时电价的优化结果相比,该方法能显著提高新能源的利用率并降低VPP的运行费用。

基于强化学习的含电动汽车虚拟电厂优化调度

大量电动汽车(EV)用户的无序充电可能造成电网负荷剧烈波动,危及电网的安全稳定。随着EV入网(V2G)技术的应用,将EV充电站及其周边的分布式新能源发电聚合为虚拟电厂(VPP)后进行优化调度,有助于改善EV用户充放电的经济性及满意度,同时提高分布式新能源的利用率,平抑电网负荷波动,但EV充电站的整体充放电负荷是大量个体EV用户随机行为的聚合,难以用数学模型精确描述。针对包含EV的VPP,提出一种基于深度强化学习的交互式调度框架,以最大化VPP内EV用户的总效益。VPP控制中心作为智能体决策EV个体的充放电动作,无需掌握个体详细模型,而是通过与区域电网环境的交互,不断学习和更新动作策略,从而克服集中式优化方法的局限性。该优化调度框架采用深度确定性策略梯度(DDPG)算法进行求解。仿真结果表明,与集中式优化方法相比,该优化算法提高了各EV用户的效益,并使EV充放电负荷与分布式新能源发电协调配合实现削峰填谷,改善了VPP的整体运行性能。

考虑P2G及碳捕集的热电联产虚拟电厂低碳优化调度

在碳达峰碳中和的政策方针背景下,北方地区的冬季由于需要供热,使得热电联产机组(combined heat and power,CHP)强迫出力,限制了新能源的消纳与碳减排的能力。利用碳捕集与封存(carbon capture and storage,CCS)技术将热电联产机组产生的CO_(2)捕捉并封存,将新能源发电通过电转气(power to gas,P2G)产生氢能并与捕集到的CO_(2)反应生成CH_(4),热电联产的燃气轮机使用合成的CH_(4)并掺入一定比例的H_(2)进行燃烧,循环使用CO_(2),减少碳排放并增加收益,进一步提高虚拟电厂参与电力市场的经济性与低碳性,促进新能源消纳,并保障北方冬季的供热量。建立了考虑P2G及碳捕集的热电联产虚拟电厂的数学模型,并通过MATLAB调用CPLEX求解器进行求解,仿真结果验证了所建模型的有效性。

基于多代理强化学习的多新型市场主体虚拟电厂博弈竞价及效益分配策略

目前新型市场主体规模较小但数量众多,为提高竞争力可以使其组成联盟以多新型市场主体虚拟电厂的形式参与市场博弈,而公平的效益分配方法是维持联盟稳定的基础。为此,该文提出了一种多新型市场主体虚拟电厂博弈竞价及效益分配策略。首先,考虑多新型市场主体虚拟电厂和传统机组均作为价格影响者,构建包含电能量和备用辅助服务的主辅联合市场交易模型,并在不完全信息市场环境下采用多代理强化学习(multi-agentreinforcementlearning,MADDPG)算法求解。其次,采用分布式联盟构造方法得到最优多新型市场主体联盟结构。为解决效益分配方法中的维数灾问题,引入蒙特卡洛近似夏普利值,对虚拟电厂内各新型市场主体的超额收益进行合理分配。最后,算例分析表明所提方法给出了多新型主体虚拟电厂参与主辅联合市场的最优联盟结构和竞价策略,在保证精度的前提下提高了超额收益分配的计算速度,与单独参与市场相比提高了所有新型市场主体的收益。

基于耦合约束解耦的虚拟电厂动态可行域求解方法

构建以新能源为主体的新型电力系统需深入挖掘需求侧灵活性资源的调度潜力,使其参与电网调度调节任务以提升电网平衡调节能力。灵活性资源的海量异构特性使其聚合可行域的求解计算复杂度提升、约束满足难度增大。该文基于顶点搜索法,建立计及分布式电源出力不确定性的虚拟电厂动态可行域求解模型,进而通过李雅普诺夫优化将求解模型内部耦合约束松弛解耦为虚拟队列稳定性问题,提出以顶点搜索与队列稳定为目标的数学模型,最终通过建立虚拟时间队列形成求解算法。所提算法通过耦合约束解耦以提高求解效率;通过满足调度能力约束以提升资源调度能力。算例结果表明,在日前与日内场景下,所提算法具备提升计算效率与约束满足能力等方面的优势。