《IEEE Transactions on Power Systems》:Power Reserve Capacity from Virtual Power Plants with Reliability and Cost Guarantees
编辑推荐:
本文针对高比例可再生能源并网背景下电力系统对备用容量日益增长的需求,提出了一种评估虚拟电厂(VPP)在不确定性下提供电力备用容量产品能力的新方法。该方法通过结合子集模拟(SS)进行高效不确定性量化以确定最大可行备用容量,并构建考虑显性成本和机会成本的供应曲线。研究表明,VPP能够可靠地提供备用产品,且机会成本是产品定价的主要驱动因素。该方法可为VPP管理者制定市场策略和政策制定者设计面向分布式能源(DER)的辅助服务(AS)产品提供支持。
随着可再生能源在电力系统中的渗透率不断提高,电网的安全稳定运行面临着前所未有的挑战。可再生能源发电固有的间歇性和波动性,显著增加了系统对调频、备用等辅助服务(Ancillary Services, AS)的需求。然而,传统上提供这些服务的常规发电机组正在逐步退役,可能导致辅助服务市场出现供应短缺。与此同时,遍布在配电网中的大量分布式能源资源(Distributed Energy Resources, DER),如屋顶光伏(PV)、电动汽车(EV)、热泵(HP)和电池储能系统(BESS),蕴含着巨大的灵活性潜力。虚拟电厂(Virtual Power Plant, VPP)作为一种聚合技术,能够将这些分散的DER整合成一个可控的整体,参与电力市场和提供电网支撑服务,从而成为解决上述挑战的有效方案。
然而,将VPP整合进入严格的辅助服务市场,特别是提供电力备用容量产品,并非易事。这些产品对持续时间(tp)、爬坡时间(rp)和可靠性(Rp,通常要求高于99%)有着严格的技术规范。由于备用容量需要在交付前一段时间(tlead)进行投标,此时存在显著的预测不确定性(如可再生能源出力和负荷需求)。现有的评估VPP灵活性的方法,如基于可行运行区域(Feasible Operating Region, FOR)的评估,往往未能充分考虑这些产品要求以及提供精确的成本估算。一些处理不确定性的方法,如蒙特卡洛模拟(Monte Carlo Simulation)计算成本高昂,鲁棒优化(Robust Optimization)可能过于保守,而机会约束(Chance Constraints)方法有时难以保证联合可靠性。因此,迫切需要一种能够系统量化VPP在不确定性下提供标准化备用容量产品的能力及其成本的方法。
为了解决这一研究空白,来自苏黎世联邦理工学院(ETH Zurich)的Lorenzo Zapparoli、Blazhe Gjorgiev和Giovanni Sansavini在《IEEE Transactions on Power Systems》上发表论文,提出了一种新颖的两步法,用于表征VPP在不确定性下提供电力备用容量产品的供应曲线。该方法首先确定VPP能够提供的最大备用产品数量,同时考虑网络约束、DER约束和产品技术要求(持续时间、爬坡时间),并采用一种基于子集模拟(Subset Simulation, SS)的新型极端分位数估计器来高效地模拟高可靠性要求(如99.9%)。其次,该方法通过ε-约束方法(ε-constrained approach)构建产品的供应曲线,成本计算综合考虑了DER的显性成本(如运行成本)和因预留备用容量而无法在能量市场中实现最优调度所导致的机会成本。
研究人员为开展此项研究,主要应用了几个关键技术方法:一是构建了包含产品定义约束、线性DistFlow网络约束以及多种DER(分布式发电机DG、热泵HP、电动汽车EV、电池储能BESS)运行约束的混合整数线性规划(Mixed-Integer Linear Program, MILP)模型,用于评估最大灵活性和计算成本;二是开发了基于子集模拟(SS)的极端分位数估计方法,将估计极端分位数(如0.1%)的问题分解为一系列估计中间分位数(如10%)的子问题,显著降低了计算负担;三是采用拉丁超立方采样(Latin Hypercube Sampling, LHS)和直接蒙特卡洛模拟(Direct Monte Carlo, DMC)来评估产品成本的不确定性,并基于风险态度(通过成本分位数αc)确定风险调整后的成本。案例研究基于一个具有代表性的瑞士低电压网络(97个节点)及2030年预测的DER渗透水平。
最大灵活性评估结果
研究首先评估了VPP能够可靠提供的最大对称备用容量。针对一个持续4小时(上午8点至12点)、爬坡时间5分钟、可靠性要求99.9%的备用产品,采用子集模拟(SS)方法估计其最大可用容量qp,max。结果表明,VPP能够可靠提供的最大备用容量为56.0 kW。与直接蒙特卡洛模拟(DMC)和鲁棒优化(RO)方法的对比显示,SS方法在达到相同估计精度(变异系数COVquant=1%)的情况下,所需的计算量(2800次函数评估)比DMC(9000次评估)减少了69%,并且比RO方法(估计结果为52.4 kW,低估6.4%)更为准确。对不确定参数的敏感性分析(基于Sobol‘指数)表明,光伏发电容量因子(CFi,tG)的不确定性是影响最大备用容量的最主要因素(贡献度96.91%),其次是电动汽车调度(EEV)和环境温度(ET)的不确定性。
灵活性成本评估结果
研究进一步构建了该备用容量产品的供应曲线。结果表明,供应曲线是单调非递减的,平均成本在0.34 CHF/kW至0.40 CHF/kW之间。成本的主要驱动因素是机会成本,即为了确保备用容量在实时运行中的可用性,VPP必须偏离能量市场中的成本最优调度计划,从而导致收入损失。供应曲线呈现出四个成本台阶,分别对应所研究4小时内四个不同的日前市场(Day-Ahead Market, DAM)电价,说明备用容量成本与电价直接相关。相比之下,DER的显性运行成本对总成本的影响是次要的。此外,成本分布图显示了不确定性对定价的影响,VPP管理者可以根据风险偏好(通过选择成本分位数αc)来制定报价策略。
产品技术要求的影响分析
研究还深入分析了备用产品技术参数对VPP提供能力的影响。1)可靠性要求:当可靠性要求放松时,最大可提供容量增加,表明在可靠性与可提供容量之间存在权衡。2)爬坡时间要求:当爬坡时间超过4分钟时,可获得最大备用容量;对于更短的爬坡时间,由于低压电网连接规则对光伏单元爬坡率的限制,光伏发电成为限制因素。3)产品持续时间:对于从早上8点开始的产品,持续时间越长,最大可用容量越低,因为更长的持续时间意味着需要在不具备光伏发电或发电量低的时段提供备用,此时需依赖HP、BESS或EV等其他技术。4)交付时间:对于4小时产品,在白天的可用容量最高(得益于光伏),夜间则显著降低。有趣的是,夜间4小时产品的可用容量甚至低于24小时产品在夜间的可用容量,这表明选择更长持续时间的产品可以以牺牲日间可用性为代价来提升夜间的备用可用性。
该研究的结论强调了VPP作为未来电力系统可靠备用容量来源的潜力。所提出的方法能够精确量化在严格产品技术要求和高不确定性下VPP可提供的备用容量及其成本,其中机会成本被确定为定价的关键因素。研究结果表明,备用产品的技术参数(可靠性、爬坡时间、持续时间)深刻影响VPP的提供能力,这在设计面向DER的辅助服务产品时需要仔细考量。此外,新开发的基于子集模拟的极端分位数估计器显著提高了评估效率。这项工作为VPP管理者制定投标策略和网络规划者估算可用储备提供了决策支持工具,同时也为政策制定者参数化备用容量和成本以设计和评估针对DER的辅助服务产品奠定了基础,最终将有助于整合更高比例的可再生能源,支持能源转型。