1、电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 2 期2023 年 2 月Vol.35 No.2Feb.2023含 EV 集群的 VPP 参与主辅联合市场综合优化调度邓振立1，冯心雨2，王世谦1，李虎军1，刘军会1（1.国网河南省电力公司经济技术研究院，郑州 450052；2.东南大学电气工程学院，南京 210096）摘要：通过研究电动汽车集群成为广义储能设备的可调度域，提出包含电动汽车集群的虚拟电厂参与主辅联合市场的优化调度模型。首先，利用电动汽车充放电模型与累计能量边界模型界定电动汽车个体可调度域，随后采用闵可夫斯基加法将电
2、动汽车集群聚合为广义储能设备。同时，以收益最优为目标，提出虚拟电厂参与能量市场与辅助服务的三阶段综合优化调度模型。最后通过仿真分析，验证主辅联合市场下考虑电动汽车集群可调度域的优化调度模型的准确性与经济性。关键词：需求侧资源灵活性；电动汽车集群可调度域；累计能量边界模型；主辅联合市场；虚拟电厂中图分类号：TM92文献标志码：A文章编号：1003-8930（2023）02-0083-11DOI：10.19635/ki.csu-epsa.000999Comprehensive Optimal Scheduling of VPP with EV Cluster Participating in Ma
3、in andAuxiliary Joint MarketsDENG Zhenli1，FENG Xinyu2，WANG Shiqian1，LI Hujun1，LIU Junhui1（1.Economic and Technological Research Institute，State Grid Henan Electric Power Company，Zhengzhou450052，China；2.School of Electrical Engineering，Southeast University，Nanjing 210096，China）Abstract:Through the st
4、udy of electric vehicle（EV）clusters which are taken as a schedulable domain of generalizedenergy storage equipment，an optimal scheduling model of virtual power plants（VPPs）including EV clusters which participate in the main and auxiliary joint markets is proposed in this paper.First，the charging and
5、 discharging model ofEVs and the cumulative energy boundary model are used to define the individual schedulable domain of EVs.Then，theMinkowski addition method is used to aggregate EVs into generalized energy storage equipment.At the same time，a three-stage comprehensive optimal scheduling model for
6、 VPPs participating in the energy market and auxiliary services is proposed to optimize the revenue.Finally，the accuracy and economy of the optimal scheduling model in the main and auxiliary joint markets considering the schedulable domain of the EV clusters are verified through the simulation analy
7、sis.Keywords:demand-side resource flexibility；schedulable domain of electric vehicle clusters；cumulative energyboundary model；main and auxiliary joint markets；virtual power plant（VPP）近年来，国家大力发展绿色经济，可再生能源渗透率与新能源电动汽车EV（electric vehicle）保有量显著提高，而风电、光伏等可再生能源受自然环境的影响具有很强的波动性，大量EV无序接入也加剧了负荷的不确定性，给调峰、备用等辅助
8、服务提出了更高的要求1。为缓解压力，需求侧资源的灵活性调节潜力成为关注焦点2-4。需求侧资源的利用需要克服单体容量小、资源服从性差、不确定性强等缺点5。虚拟电厂 VPP（virtual power plant）通过聚合分布式电源DG（distributed generation）、EV集群、储能设备与负荷等需求侧资源，控制其灵活性消费，有助于提高电网调峰备用、安全应急等响应能力6-8。文献9利用博弈交叉效率的数据包络分析法，对火电厂、风电场、储能电站、企业进行综合效率评价，构建了火-风-储-高载能企业VPP成员选择模型，验证了VPP聚合各类成员的优越性。现如今，针对VPP的研究主要集中在优化调
9、度10-11、运行控制12与市场投标13-14方面。早期，虚拟电厂市场竞标主要针对单一日前市场。现阶段，随着电力市场改革的推进，售电侧逐渐对外开放，越来越多的研究注意到VPP作为需求侧资源聚合商的商业价值，通过能量管理系统EMS（energy management system）协调优化控制，VPP可聚合多类灵活性资源参与多类电力市场15。文献收稿日期：2022-01-11；修回日期：2022-04-25网络出版时间：2022-05-17 10：57：04基金项目：国网河南省电力公司经济技术研究院项目（B717L021K041）邓振立等：含 EV 集群的 VPP 参与主辅联合市场综合优化调度电
10、 力 系 统 及 其 自 动 化 学 报84第 2 期16采取VPP同时直接参与电力交易市场与调峰市场的运营模式，考虑风光出力不确定性研究VPP日前优化运行模型；文献17建立受端电网参与电力市场的电能及备用市场联合竞价均衡模型，优化其期望净利润；文献18为量化VPP灵活调峰能力，建立了VPP参与能量、备用、调峰市场的最优投标策略，并说明了VPP在满足辅助服务的同时可以利用主辅市场获得收益。为扩大需求侧参与容量与响应能力，文献19提出在不考虑经济的情况下引入短期存储设备；文献20通过添加抽水蓄能装置增加VPP储能容量，参与旋转备用辅助服务，而EV作为一种具有储能特性的特殊电力负荷，无需额外投资配
11、置成本，将其加入VPP需求侧，有助于新能源消纳与储能存量增效和增量降本，提高系统安全响应能力；文献21提出应用EV、储能和自动化技术提供有针对性的支持，组成“灾难恢复技术集群”，可提高电网韧性与运行安全性。现阶段，关于EV集群参与市场交易的商业模式并不成熟，文献22针对EV聚合商、电网与用户三方问题，提出了日前、实时、结算三阶段的市场交易运行框架；文献23提出了一种EV聚合商的最优运行策略，该聚合商在能源市场中进行能源套利，EV集群参与辅助服务的同时向EV提供充电服务，以在能源市场中实现利润最大化。然而以上研究均直接对每一辆EV进行功率分配，大量的EV直接调度将导致“维数灾”问题及通信负荷。为
12、解决EV大规模入网调度问题，文献24将EV集群划分为若干不同优先级的集群进行分层求解，而其本质并未压缩EV集群调度维度，而是将维度拆分并行求解。文献25则采用基于戴维南的模型作为电池等效电路模型分析EV集群动态特性，却忽略了EV集群中EV个体差异。若能充分挖掘与评估EV集群可调度潜力，可为VPP控制其协调优化调度提供有力的数据支撑。受制于资源挖掘困难和调度模式缺失，电力需求侧的发展还有很长的路要走。为解决以上难题，本文在前人研究的基础上，进行以下工作。（1）首先定义可调度域概念，采用充放电模型与累计能量边界模型绘制可调度域边界，从而界定EV个体可调度域，并利用闵可夫斯基加法将各类EV聚合为广义
13、储能设备参与VPP协调控制。（2）将电力市场交易流程分为3个阶段，利用日前-实时双层优化模型刻画VPP参与市场交易的优化调度模型，最后利用平衡市场结算上报交易与实际交易的偏差。（3）本文设置VPP参与主辅联合市场中的能量市场、备用服务以及调峰服务，保证系统安全稳定运行的同时利用价差使得经济最大化。1EV 可调度域模型1.1可调度域定义本文将可调度域定义为EV成为广义储能设备的调节域与储备域的决策空间交集，在可调度域内，EV的任意一条充放电线均为一种可行的调度方案。EV的调节域由EV充放电功率表征，反映EV参与辅助服务时的响应特性；储备域则由EV集群的可充放电电量表征，反映EV参与能量市场的动态
14、能量平衡能力。EV个体可调度域模型由EV个体充放电模型与累计能量边界模型构成，充放电模型计算EV个体调节域，累计能量边界模型计算 EV 个体储备域。若干EV个体可调度域决策空间叠加便构成了EV集群可调度域。1.2EV 个体可调度域建模1.2.1EV 个体充放电模型EV接入电网有2种充电模式：快充与慢充。考虑到快充下的EV以最高功率持续充电且接入电网时间较短，故本文认为快充下的EV不参与调度。慢充下的EV具有平移负荷、参与电网互动的能力，将其视为具有调度潜力的柔性负荷。EV参与电网互动需满足充放电约束，其EV充电模型为|0Pchn,tPch,maxn0Pdisn,tPdis,maxn（1）|En
15、,t=En,t-1+chnPchn,tt-refnPdisn,ttdisnEdis,minn,tEn,t-En,0Ech,maxn,t（2）式中：Pchn,t和Pdisn,t分别为电动汽车n在t时段的充放电调度功率；Pch,maxn和Pdis,maxn分别为电动汽车n的充、放电功率上限；En,t、En,t-1和En,0分别为电动汽车n在t、t-1和0时段的电量；chn和disn分别为电动汽车n的充、放电效率；t为调度时间间隔；refn为放电补偿系数，由放电损耗决定；Edis,maxn,t和Edis,minn,t分别为电动汽车n的可充、放电累计能量边界，它们所界定的决策空间便为EV的储备域。其中
16、式（1）表示EV的充放电功率边界约束，即EV的调节域；式（2）表示EV的电量约束。本文认为邓振立等：含EV集群的VPP参与主辅联合市场综合优化调度85第 35 卷EV在每个优化时段内以恒定功率充电。为便于将EV个体储备域的欧几里得空间累加为EV集群储备域，本文提出了充放电累计能量边界模型。1.2.2EV 个体累计能量边界模型EV可充放电能量边界包含可充电上界与可放电下界，根据其在网时间长短分2种情况讨论。当EV入网时间较长时，在网时间可满足EV完成一次全放全充的要求，该情况下单辆EV的累计能量边界如图1所示。图1中，En,e为第n辆EV期望离开时的电量，本文认为En,e是保证EV寿命的前提下的最大存储电量；Eminn为第n辆EV所需保留的最低电量；tinn、toutn分别为第n辆EV接入电网、离开的时间；折线abc为第n辆EV接入电网后的累计可注入电能的上界Ech,maxn,t，直线ab的斜率为Pch,maxn，bc为一条水平的直线，表示当EV接入后立即以最大功率充电，充到最大状态则停止动作直至离开；折线adec则代表第n辆 EV 接入电网后的累计可放电的下界Edis,minn,t，直
