基于下方風險管理的虛擬能源站兩階段隨機優化運行

王冰，李娜，楊旭升，王楠，丁建勇

(1.國網綜合能源服務集團有限公司，北京100052；2.東南大學電氣工程學院，南京210096)

0 引言

目前，世界面臨著化石能源短缺，環境污染日益嚴重等問題，為貫徹落實“雙碳”戰略目標，除大力發展新能源外，還應提高能源利用效率、推進節能減排。冷熱電聯供系統(combined cooling heating and power system，CCHP)是基于能源梯級利用的綜合能源系統，其利用系統發電產生的余熱煙氣進行制熱和制冷，使得能源利用率約為70%～90%，可提高經濟效益、減少環境污染，有利于緩解能源和環境危機[1-3]。

迄今為止，我國CCHP主要應用于園區微網，依托天然氣能源、分布式能源和電網電能實現區域多種負荷的自給自足，提高經濟效益。文獻[4]從建模、規劃和能量管理角度對CCHP在微網中的應用現狀進行了總結分析。文獻[5]以生產成本、環境成本和冷熱電協調成本等最小為目標對微網進行優化經濟調度。文獻[6]基于“以熱定電”和“以電定熱”兩種兩種模式對CCHP經濟調度進行研究。但由于單個區域負荷特性比較單一，在滿足多種負荷需求的同時易出現某種能量不足或過剩的現象，這在一定程度上制約著系統優化結果[7]。文獻[8-9]從經濟、能耗和碳排放3個角度構建園區微網相變儲能的優化配置模型，以優化儲能來調節能量過?；虿蛔銌栴}。文獻[10]通過構建含電、熱、氣3種儲能的園區微網優化調度模型，通過場景對比驗證儲能可降低微網的成本。

上述研究多基于一個園區微網，而不同類型微網其負荷特性具有一定的差異性與互補性，各自配置儲能設備不僅成本大且易存在容量浪費。文獻[11-14]提出共享儲能，從共享儲能的構建形式、建模優化和商業模式等方面進行綜述，闡明了共享儲能在未來能源形勢中發展潛力。在構建共享儲能前需由負荷聚合商對區域負荷進行聚合分析，以便確定共享儲能的容量，并使其參與市場交易，文獻[15]從業務、調度控制策略及運營機制方面對負荷聚合商進行了詳細的闡述。文獻[16]提出了分布式電源、儲能及柔性負荷在聚合商模式下的聯合優化調度模型。由于負荷側資源出力存在不確定性，聚合商在聯合調度內部資源時應充分考慮不確定性帶來的風險與影響，現有在不確定性方面的研究可分為以期望值[17-19]、機會測度[9]和概率可能性[20]衡量的3種方法。文獻[18]以虛擬電廠的期望收益最大構建兩階段隨機規劃交易策略模型，并輔以條件風險價值(conditional value at risk, CVaR)來控制風險。文獻[19]應用兩階段隨機規劃來處理含多風場的熱電優化調度。文獻[13]基于機會約束規劃考慮風電、光伏出力的波動性和負荷的隨機性來構建經濟運行模型。文獻[20]采用魯棒優化處理風光和負荷的不確定性，分析不同魯棒系數下虛擬電廠的優化調度策略。

由上述分析可知，現有研究少有考慮多個不同屬性園區互聯聚合的場景，本文將4個不同屬性的區域聚合構建虛擬能源站進行協調優化降低系統運行成本，將下方風險引入兩階段隨機規劃，在保證用戶用能需求且節約成本前提下構建虛擬能源站參與電力和天然氣市場獲取收益的優化模型，通過算例驗證了所提模型的有效性，并分析了不同風險控制因子下的收益，為不同的風險偏好者提供參考。

1 虛擬能源站的構建與運營

本文將多個電/熱/氣用能區域聚合為一個整體稱為虛擬能源站，由虛擬能源站運營商負責運營區域內所有的燃氣輪機、余熱鍋爐等產能設備來滿足各區域的用能需求，虛擬能源站架構圖如圖1所示。

圖1 虛擬能源站運營架構圖

虛擬能源站職責主要包括：

1)具備區域內部用能設備的的控制運營權，集中優化調度區域內部各用能設備的運行功率，滿足各區域用戶的用能需求；

2)虛擬能源站負責在電力市場和天然氣市場簽訂中長期購電、購氣合同，購買其所負責區域用能所需天然氣和電能，向用戶收取供能費用；

3)對用戶設計補償激勵機制，在滿足用戶用能需求的前提下，當削減用戶可削減負荷時對用戶予以經濟補償；

4)依據地理位置投資建設電/熱/氣等儲能設備以及區域管網等設施，以此來提升內部多種資源的協調運行能力；

5)通過調整虛擬能源站內部的用能負荷，使虛擬能源站參與電力和天然氣市場的日前現貨市場交易，購買(出售)缺額(富余)的電量和氣量。

2 基于下方風險的兩階段隨機規劃模型

通常不確定方法理論側重于描述收益不確定性的客觀狀態，將高于或低于目標收益的偏離均認為是不確定性帶來的風險，從風險危害性角度而言，下偏差(低于目標收益)更能實際地體現投資者關于風險的心理感受，符合投資者行為特征，這部分收益損失部分即為下方風險(downside-risk)。金融領域采用下方風險來表示收益的下偏差期望[21-23]，本文將下方風險引入到兩階段隨機規劃(two-stage stochastic programming, TSP)模型構建兩階段隨機下方風險規避規劃(two-stage stochastic downside risk-aversion programming, TSDP)模型實現風險規避，以便于管理者在存在不確定因素的情況下做出保證最小收益的決策。故基于TSDP的收益最大化模型可表示為：

(1)

s.t.

ax≤b

(2)

T(ωs)x+W(ωs)y=h(ωs)

(3)

(4)

Pprofit，s(x)=cx-Q(y,ωs),?s

(5)

(6)

x≥0,y(ωs)≥0

(7)

式中：f為目標函數；x、y分別為第一、二階段的決策變量；ρs為情景s的概率；c為收益系數；ωs為隨機事件；a為技術系數；b為資源可用系數；δDRisk為下方風險；Ωs為收益目標；Pprofit，s為運行收益；T(·)、W(·)和h(·)為系統隨機參數；Q(·)為第二階段隨機事件發生的系統資源；ψ為期望下方風險；λ為風險控制因子，表征決策者對風險的偏好程度，λ∈[0,1]。

通過設置不同的λ，模型可以獲得一系列不同未實現預期收益風險容忍程度的最優解，λ值越大對風險的容忍程度越大。

3 基于TSDP的虛擬能源站優化運行

基于第2節中構建的考慮決策者風險偏好的TSDP基礎模型，本文以圖1所示的包含工業區、商業區、辦公區和居民區4種類型用戶的園區為例，構建虛擬能源站優化運行模型。模型中，每種用戶類型均以CCHP以保證自己的冷熱需求，屋頂配有光伏發電裝置，以CCHP、光伏和電網購電滿足各自的用電需求。虛擬能源站通過聚合區域內的各類用戶資源，在滿足各自電熱需求的基礎上，利用現有的能源實現自身效益的最大化，為提高能源的利用率，虛擬能源站在區域內配置熱網和蓄熱裝置。所需燃氣和電能均由虛擬能源站與電力和天然氣市場簽訂中長期合同，并參與日前電力和天然氣現貨市場來購買(出售)缺額(富余)的電量和氣量。

本文以供暖季研究虛擬能源站的效益，為便于分析，做以下假設與說明：

1)工業區主要為工業熱負荷，假定其熱負荷不可調，其他區域為采暖熱負荷，具備可調節能力；

2)采暖熱負荷主要受室外溫度和室內溫度的影響，考慮到室外溫度預測偏差較小，假定采暖熱負荷不存在波動性；

3)各區域所用天然氣采用的是中長期合同購買方式，為固定購氣價格，中長期電量合同按照虛擬能源站所轄區域標準凈電負荷曲線進行簽訂；

4)由于屋頂光伏和電負荷具有波動性和隨機性，以每個區域的凈負荷進行分析，考慮到虛擬能源站內部各區域之間電力存在互聯，以虛擬能源站所負責區域整體凈電負荷的不確定性進行分析。

3.1 目標函數

以虛擬能源在收益最大化為目標函數為：

maxF=F1+F2+F3-C1-C2-C3-C4

(8)

1)向用戶售能收益

(9)

2)參與日前電力市場收益

F2=

(10)

3)參與日前天然氣市場收益

F3=

(11)

4)中長期購電量成本

(12)

5)中長期購氣量成本

(13)

6)熱負荷需求響應補貼成本

(14)

7)蓄熱裝置成本

(15)

3.2 約束條件

1)微型燃氣輪機約束

(16)

(17)

(18)

2)余熱鍋爐約束

余熱鍋爐是利用小型燃氣輪機發電時排出的高溫煙氣進行工作，起到了廢熱利用的作用。

(19)

(20)

3)熱負荷約束

本文對建筑物的熱動態模型采用一階ETP模型進行描述，即

(21)

設室外溫度在1個調度時間段Δt內不變，則

(22)

為滿足室內人員供熱舒適度，室內溫度應滿足

(23)

(24)

4)蓄熱裝置充放速率約束

(25)

(26)

Ac,th+Ad,th≤1

(27)

5)蓄熱裝置容量約束

Sr,th=Sr,(t-1)h+(hrc,thηr,c-hrd,th/ηr,d)Δt

(28)

(29)

Sr,0h=Sr,Th

(30)

式中：Sr,th為蓄熱裝置中的儲熱量；ηr,c、ηr,d分別為儲熱、放熱效率；Sr,0h、Sr,Th分別為初始時刻、時段T蓄熱裝置中的儲熱量；Δt為單位時段時長。

6)電網輸電容量約束

(31)

(32)

7)天然氣約束

(33)

(34)

(35)

8)虛擬能源站電功率平衡

(36)

式中Pload,ith為區域i凈電負荷。

9)虛擬能源站熱功率平衡

(37)

10)下方風險規避約束

Pprofit(h)=

(38)

(39)

(40)

式中：Pprofit(h)為h情景下的系統運行收益；Ω為系統目標收益；ψ為TSP模型求得的預期下方風險值。

3.3 模型求解

本文所提兩階段隨機下方風險規劃模型的求解過程如圖2所示。編程軟件平臺為MATLAB 2015b，通過YALMIP調用CPLEX求解。

圖2 兩階段隨機下方風險規劃模型框架

4 算例分析

4.1 算例數據

本文以包含居民區、商業區、辦公區和工業區的一個虛擬能源站進行分析，室外溫度如圖3所示，圖4為各區域典型日的凈電負荷曲線[24]，依據室外溫度求得的各時間段的熱負荷如圖5所示，各設備的參數見表1。

表1 設備出力參數

圖3 室外溫度

圖4 各區域凈電負荷

圖5 各區域熱負荷

4.2 虛擬能源站中長期購電購氣量

虛擬能源站在進行中長期電量和氣量交易時，以典型日各分區獨立運行時所需電量和氣量總和作為虛擬能源站中長期交易的量。由于各區域具有發電設備，與電網之間存在電量的雙向交互，采用按標準負荷曲線交易的方式，本文交易價格暫按圖6所示分時電價，向電網反向售電時價格為購電價格的0.8倍。天然氣同樣采取標準負荷曲線交易方式，價格為固定價格2.91元/m3。

圖6 中長期電價

表2為獨立運行時各區域的用能成本和虛擬能源站的購能成本，圖7所示為各區域獨立運行時燃氣輪機出力和與電網的交互功率。

表2 用能成本

圖7 獨立運行時各區域電功率

結合圖4和圖5可以看出，由于各區域因功能屬性不同，其電負荷和熱負荷存在較大差異。從圖7可以看出，對于居民區其全天存在采暖熱負荷，燃氣輪機需24 h存在出力以保證余熱鍋爐的運行，除去下午負荷高峰時段需從電網購進部分電量外，其余時段均存在富余的電量售向電網；同理對于工業區因需滿足工業熱負荷，燃氣輪機需24 h存在出力，且產生的電量均可滿足區域用電負荷，存在富余電量售向電網；由于熱負荷需求導致居民區和工業區的成本如表2所示主要為購氣成本。商業區和辦公區夜間不存在熱負荷，僅有較低的電負荷需求，此時電價較低，從圖7看出均從電網購電，在工作時間段商業區的凈電負荷較大，需從電網購電來滿足電負荷缺口，而辦公區在其開始和末尾幾個工作時間段用電負荷較低，此時存在富余的電量出售給電網。

由各區域獨立運行結果可以看出不同區域之間電負荷存在互補性，通過虛擬能源站實現不同區域之間余電消納，形成如圖8所示的虛擬能源站與電力市場和天然氣市場簽訂的中長期電量和氣量曲線，因向電網反向售電價格低于買電價格，通過虛擬能源站形式可將總成本由322 506.83元降低至312 315.75元，節約10 191.08元(約3.16%)。

圖8 中長期交易電量和氣量

4.3 虛擬能源站參與日前市場優化運行

由于屋頂光伏和用戶用電負荷存在波動性，通過對虛擬能源站整體歷史凈電負荷數據進行聚類得到如圖9所示3種典型凈負荷曲線，夜間電負荷小且不存在光伏出力，波動較小，白天光伏波動和室內人員用電的隨機性使得波動性較大，3種負荷場景的概率分別為0.11、0.74和0.15。假設風險控制因子λ=0.9，日前市場的電價和氣價如圖10和圖11所示[25]。

圖9 3種場景凈電負荷曲線

圖10 日前電力市場價格

圖11 日前天然氣市場價格

4.3.1 參與日前市場結果分析

圖12所示為3種負荷場景下燃氣輪機的出力組合，在第一階段確定燃氣輪機的開機組合及出力，第二階段依據不同場景凈負荷的大小優化確定各機組的出力增減量，工業區燃氣輪機因其較高的發電效率在08：00—18：00期間多個時段均以滿功率運行，發電效率較低的居民區和辦公區燃氣輪機出力主要集中于夜間，與工業區燃氣輪機共同保障夜間的電負荷和熱負荷需求。圖13所示為3種負荷場景下虛擬能源站參與日前電力市場的交易量。

圖12 3種場景各燃氣輪機的出力

圖13 3種場景虛擬能源站參與日前市場的電量

結合圖10日前市場購售電價，可以看出圖9中在00：00—02：00時間段市場售電價格高于中長期市場谷時段價格，通過調用發電效率較高的工業區燃氣輪機向市場售出電量獲得收益；在02：00—04：00時段市場電力價格較低，虛擬能源站調用產熱效率較高的居民區和辦公區的燃氣輪機保障供熱，電量差額從市場購買，其他時段同理。

圖14所示為3種負荷場景下虛擬能源站參與日前天然氣市場的交易量。對比圖9和圖10可以看出虛擬能源站在參與電力市場和天然氣市場交易量曲線具有一定的互補性，在日前市場電價較低時降低燃氣輪機出力，從市場購電，利用節約的天然氣量參與天然氣市場獲取收益；在天然氣市場購氣價格較低，且燃氣輪機發電成本低于電力市場售電價格時，從天然氣市場購氣用于發電，并將富余電量售向電網賺取收益。

圖14 3種場景虛擬能源站參與日前市場的氣量

4.3.2 熱負荷及其響應結果分析

除工業區外其余3個區域熱負荷為采暖熱負荷，具備可調性，在滿足其室內舒適度溫度要求的前提下，通過調節其供熱量參與熱負荷需求響應，熱負荷需求響應補貼單價參考文獻[25]，3個區域的室內采暖溫度分別為居民區24 ℃、商業區20 ℃和辦公區22 ℃，各區域每個時段的最低需求溫度和3種負荷場景下參與需求響應的室內溫度如圖15—17所示。

圖15 3種場景下居民區溫度變化

由圖15可知，虛擬能源站主要在01：00—04：00、06：00—07：00、11：00—14：00、18：00—19：00和21：00—23：00時間段對居民區進行溫度調節實行熱負荷需求響應。結合圖12中燃氣輪機出力分析，在01：00—04：00時段，市場電價低，隨著中、高負荷情景用電負荷的增大，通過增加購電量彌補熱負荷需求響應降低燃氣輪機出力帶來的電負荷缺額；在11：00—14：00時段室外溫度較高，各區域對室內溫度要求降低，該時段市場氣價達到高峰，市場電價與中長期電價相近，通過熱負荷需求響應降低燃氣輪機的出力，將富余天然氣參與市場獲取更高收益，電負荷缺額通過市場購電滿足；在06：00—07：00時段，市場氣價處于低谷，隨著不同場景負荷的增大，工業區燃氣輪機出力增大，產熱量增大，導致熱負荷需求響應量降低；在18：00—19：00和21：00—23：00時段，市場氣價處于高峰時段，居民區燃氣輪機處于關停狀態，不同場景電負荷的增加量由市場購電滿足，熱負荷由蓄熱裝置滿足，通過熱負荷需求響應降低工業區燃氣輪機出力，以便參與市場獲取更多收益。

圖16和圖17為商業區和辦公區溫度變化，虛擬能源站對其溫度調節集中于11：00—17：00。結合圖13和圖14看出，在11：00—14：00時段通過熱負荷需求響應降低燃氣輪機的出力，將富余天然氣參與市場獲取更高收益，電負荷缺額通過市場購電滿足，且隨著不同場景電負荷的增大，從市場的購電量增大；在14：00—17：00時段，氣價回落，電價達到低谷，不同場景下通過增大市場購電量滿足電負荷增量，在高負荷場景采用熱負荷需求響應降低商業區燃氣輪機出力，增加參與天然氣市場的收益來降低由于增大市場購電量帶來總購能成本。

圖16 3種場景下商業區溫度變化

圖17 3種場景下辦公區溫度變化

圖18和圖19分別為3種場景熱負荷需求響應量和蓄熱裝置出力，由圖18可以看出其總響應量在01：00—04：00、11：00—17：00時段隨著不同場景電負荷的增大而增大，較低的市場電價使得虛擬能源站從市場的購電量增大，并通過增大熱負荷需求響應量增大參與天然氣市場的售氣量來降低負荷增大帶來的購能成本增加量。其他時段熱負荷響應量隨不同場景電負荷的增大而減小，這些時段市場電價高于中長期電價，燃氣輪機整體出力增加，受蓄熱裝置出力功率約束，熱負荷需求響應量降低。

圖18 3種場景熱負荷需求響應量

圖19 3種場景下蓄熱裝置出力

由圖19看出，在00：00—01：00、07：00—11：00和17：00—18：00時間段市場氣價低電價高，通過增大燃氣輪機出力滿足不同場景電負荷增長需求，并將多余熱量通過蓄熱裝置進行蓄熱，受蓄熱裝置儲熱功率約束除08：00—09：00時段低負荷場景不存在出力，其余時段均為滿功率蓄熱；在11：00—14：00、18：00—19：00和21：00—23：00時間段市場氣價高峰，虛擬能源站降低燃氣輪機出力，由蓄熱裝置放熱滿足熱負荷需求，結合圖13看出隨不同場景電負荷的增大，從市場的購電量增大；在19：00—21：00時段，電價處于高峰，氣價低于后兩個時段，以在滿足蓄熱裝置功率約束前提下進行蓄熱，為后兩個時段削減燃氣輪機出力儲備熱量；其余時段市場電價氣價低于中長期價格，不同負荷場景下結合熱負荷需求響應通過蓄熱裝置協調各時段的熱量供應，以使虛擬能源站收益最大。

4.3.3 靈敏度分析

4.3.3.1 風險控制因子分析

如圖20所示為不同風險控制因子λ下虛擬能源站的收益與風險。當λ=1時，本文模型即為TSP模型，其收益期望為5 990.14元，風險值為2 354.51元，本文以λ=0.9進行分析，收益期望值為4 420.47元，風險值為2 119.05元。相較于傳統兩階段(TSP)模型，本文所提模型可為不同風險愛好的虛擬能源站提供不同的決策，降低預期風險值。

圖20 不同風險控制因子下收益與風險

從圖20可以看出當風險控制因子λ<0.73時，風險值大于預期收益，此時無法保證收益率?？紤]到隨著風險值的增大偏好者越來越少，本文將λ≥0.73區域按3:2:1的比例分為風險厭惡區、風險保守區和風險偏好區，每個區域情況分別為：1)風險厭惡區：當0.73≤λ<0.865時，風險-收益比高于50%，但整體風險值相對較小，適合對于風險持厭惡態度的保守型決策者；2)風險中立區：當0.865≤λ<0.955時，風險值和預期收益均增大，收益增長率高于風險增長率，風險-收益比波動幅度不大，適合對于風險持中立態度的決策者；3)風險偏好區：當0.955≤λ≤1時，高風險與高收益并存，風險-收益比較低，適合對于風險持樂觀態度的激進型決策者。

4.3.3.2 售能收費比例系數分析

圖21所示為不同風險控制因子下調整向用戶售能收費比例系數對虛擬能源站收益的影響，從圖中可以看出虛擬能源站的收益受到風險控制因子和比例系數的雙重影響。

圖21 比例系數靈敏度分析

當收費比例系數不低于0.95時，虛擬能源站在控制因子不低于0.75時可以保證存在收益。隨著收費比例系數的增大，在保證收益的基礎上風險控制因子的調節范圍增大，并且可以在比例系數不低于0.98時通過調整風險控制因子實現風險的完全規避。因此虛擬能源站在進行決策時要統籌考慮風險控制因子和收費比例系數的選取。

5 結論

本文基于多個區域構建虛擬能源站參與日前市場獲取收益，利用不同區域間負荷特性的互補性及熱負荷的響應特性，實現多區域間協調優化供能，通過采用基于下方風險的兩階段隨機規劃模型來解決不確定性帶來的風險，在保證最小收益要求的基礎上形成運行策略。通過算例分析得到以下結論。

1)通過構建虛擬能源站，用戶可節約用能費用，虛擬能源站通過協調優化幾個區域之間的能量交互可以提高系統整體的經濟效益；

2)虛擬能源站基于日前市場的電價和氣價制定不同負荷場景下的設備出力調整策略，虛擬能源站參與日前電力市場和天然氣市場交易量的曲線具有一定互補性；

3)系統風險值隨風險控制因子的降低而降低，且下降速率低于收益期望的下降速率，選擇較高的風險控制因子可獲得更高的收益。

本文虛擬能源站向內部用戶的功能費用暫按傳統模式下各用戶的運行費用的部分比例收取，且未考慮虛擬能源站收益與用戶之間的利益分配，后續將在虛擬能源站模式下用戶的供能費用和利益分配方面繼續開展研究；同時在風險區域劃分中會涉及到人為心理學，后續也將在心理學與優化控制結合方面開展研究。