基于混合整数规划的虚拟发电厂经济最优化出力研究究

基于混合整数规划的虚拟发电厂经济最优化出力研究究

赵艳杰

(国电河北龙山发电有限责任公司河北邯郸056400)

摘要：随着我国的科技在不断的发展，社会在不断的进步，随着光伏发电、风电等分布式电源在电网中所占的比例越来越大，电网的调度变得越来越复杂，难度越来越大，同时也给电力系统带来了更多不稳定的因素。作为一种有效的用于管理各种分布式电源的技术，虚拟发电厂技术对于多分布式电源的电网经济调度具有较好的优势。首先建立了简易的虚拟发电厂模型，在保证风电和光伏发电全额上网的基础上构建了基于虚拟发电厂的电网经济调度模型，然后以发电资源消耗量最小为目标函数，利用遗传算法进行求解计算，最后以包含一个风电场、一个光伏电站和６个火电机组的系统为算例进行了验证。算例计算结果表明，基于虚拟发电厂的电网经济调度模型合理，求解较好地达到了电力生产的经济性。

关键词：分布式电源；虚拟电厂；遗传算法；经济调度模型

引言

虚拟发电厂整体参与电网调控，有必要考虑其自身的经济效益，从分布式电源持有方和未来电力市场改革角度考虑经济效益最大化是虚拟发电厂的主要目标。虚拟发电厂根据其在配电网所实现的功能，目前国内外研究学者主要将其划分为2类进行研究：①商业型虚拟发电厂，即从商业收益角度考虑的虚拟电厂，是DER投资组合的一种灵活表述，其基本功能是基于用户需求预测和发电潜力预测制定最优发电计划并参与市场竞标，CVPP调度优化的首要目标之一是提高虚拟发电厂运行的经济性，体现在目标函数上通常为最大化VPP收益；②技术型虚拟发电厂，它确保其接入的网络系统能够以一种安全优化稳定的方式运行，TVPP能够实现的功能包括频率控制、电压控制、电能质量、网络恢复、网损优化等。目前国内外关于CVPP和TVPP的相关研究都是分开独立进行的，尚未形成统一的优化模型，本文提出了将CVPP的经济性和TVPP的技术性结合起来的想法，使得TVPP在满足向配电网系统提供相关技术服务支持的基础上实现经济效益最大化；也可等效成CVPP在满足自身经济效益最大化的同时能够向配电网系统提供相应的技术服务。本文主要研究TVPP在满足向配电网提供电压控制服务前提下的最优化经济调度，即以TVPP经济利润最大和网络节点电压偏差值最小为目标函数的多目标优化问题，并依托遗传算法对最优化问题求解的优势，对TVPP的最优化经济调度策略进行数值分析求解。

1虚拟发电厂的定义

虚拟发电厂作为一种电网运行管理模式，这是一个全新的模式，这种模式在整合各类新能源、提高电力系统供电可靠性和灵活性方面展现出巨大的发展前景。根据研究机构公布的数据:到2009年底，世界范围内的虚拟发电厂的总容量已达到19.4GW,而到明的2011年底，仅仅两年时间，其总容量己经增加到55.6GW。可见其前景是非常光国内外对其研究呈现出爆发式的增长。近年来，海内外不同的专家学者对于虚拟发电厂，给出了很多种不同的定义，到目前为止仍未形成一个统一的权威的定义方式。国内外对其研究的综述大致开始于2005年左右，至今己形成很多种不同的概念[ass-sod，其中比较有典型性的定义主要有以下几种:(1)虚拟发电厂是聚合了一些小型的分布式发电单元，把这个整体看成一个完整的电厂，而其参与电网的参数是根据其所聚合的各个分布式发电单元的参数聚合而来的，其作为一个整体参与电网运行时，对电网的影响是可以近似为参与虚拟发电厂的所有分布式发电单元对电网的影响之和。(2)虚拟发电厂是一定区域范围内的传统发电厂、分布式发电单元、可控的负荷单元和储能单元的有机集合，作为一个整体参与电网运行，这些单元有一个统一的控制中心来进行统一管理。(3)虚拟发电厂可以被看作是一种能效电厂，是一种特殊的需求侧管理手段，通过需求侧的响应来减少用电量以达到节约能源的目的，或者是通过用户侧的需求响应来进行削峰填谷，缓解调峰压力。严格意义上来说，虚拟发电厂是作为一组电源的聚合体，这组电源可以包括传统的火电发电机组，更可以包括风力发电、太阳能发电等新能源机组，还可以包括一些储能设备。

2基于混合整数规划的虚拟发电厂经济最优化出力研究

2.1经济调度模型求解

针对所提出的ＶＰＰ经济调度模型，笔者采用基于实数编码的遗传算法进行求解，在求解过程中，各个染色体对应一种调度方案，具体模式为：

式中，ｘ代表一个染色体；Ｇ代表机组数量；ＰＴＧ代表机组Ｇ于时段Ｔ下的有功出力值。ｘ中的元素根据随机初始化得到。适应度函数即为火电机组的资源消耗量最小的目标函数。个体更新时，一定要考虑火电机组出力约束问题，保证初始种群中所有个体都满足上述约束条件，每次产生的新个体也必须满足这些约束。群体是通过选择、交叉、变异等模式达到进化目的的。针对初始化群体展开适度函数的评估后，遗传算法便以轮盘赌的模式产生新一代群体。在父代个体内随机抽取２个个体，同时依据适应度大小展开ＰＫ选择，进而产生子代群体。挑选产生的子代群体之后，再展开交叉变异操作，以便驱动进化进程。

2.2待求问题编码

为了将实际最优化问题和遗传算法对应起来，就需要将实际优化问题的参数转换成可以供遗传算法操作的个体染色体基因串。本文使用实数编码，染色体长度就是问题解的变量数，该染色体上的基因值就是该解的上下限范围内的一个实数值。这样减少了编码的长度，使交叉和变异操作更加便利，一定程度上提高了搜索最优解的速度。本文模型的求解变量是各分布式电源的有功出力，假设TVPP中包含3组风电机组、4组光伏机组、2组蓄电池组和2组微型燃气轮机，同时考虑TVPP和主网的功率交换，则总共有12组变量；由于考虑到日前电力市场实时电价，每组变量又被细分为24组实时变量，总计288组变量，染色体长度就是288。

2.3支持向量机的基本原理

在短期风速预测领域，近年来，国内外学者对基于支持向量机的风速预测进行了大量的深入研究。该算法是以结构风险最小化原则为理论基础，选用合适的选择函数子集和该子集中的判别函数，使学习机器的实际风险大大减少，以利用有限的训练样本得到小误差分类器。支持向量机算法的基本原理是:线性可分形势下，于原有空间内寻找二类样本的最优分类超平面;线性不可分形势下，通过添加松弛变量，使用非线性映射将低维属性空间的样本映射到高维属性空间，把其变换成线性问题，以使在高维空间可以通过线性算法来对非线性问题进行分析，在这个空间内找到最优分类超平面。接着，它以结构风险最小为依据，在属性空间内建立最优分类超平面，让分类器求到全局最优，最后得出整个样本空间的期望风险值为符合上界的某个概率值。

结语

本文主要研究技术型虚拟发电厂在满足对配电网提供的电压控制服务下的最优化经济调度问题，建立基于IEEE⁃33节点配电网的TVPP经济调度优化数学模型；并基于改进遗传算法对上述优化模型实际问题进行编码设计、种群初始化、惩罚函数设计和个体适应度函数设计等操作。对TVPP的最优化经济调度数学模型进行数值仿真求解，由仿真结果可知，个体适应度曲线是逐渐收敛的，且最优化个体求得的网络33节点电压标幺值在规定范围内，说明该最优个体是全局最优解，即得到了技术型虚拟发电厂在向配电网提供网络节点电压控制服务下的各分布式电源的最优化经济调度策略。

参考文献:

［1］刘吉臻，李明扬，房方，等.虚拟发电厂研究综述［J］.中国电机工程学报，2014，34（29）：5103-5111.

［2］肖青，陈洁，杨秀，等.含多种分布式电源的微网动态经济调度［J］.电力系统及其自动化学报，2013，25（4）：22-28.