2. 虚拟电厂中的可调资源建模

虚拟电厂(VPP)的调节能力并非来自单一设备,而是由多类可调资源聚合而成。要让这些资源在需求响应中被正确调用,必须先把每一类资源的“可调范围”和“约束边界”用统一的数学形式描述出来。本节围绕五类典型资源——可中断负荷、可转移负荷、储能、分布式发电、电动汽车——说明其调节能力如何量化、约束如何建模,以及聚合时需要注意的关键问题。

一、统一建模框架:功率—能量—时间三维约束

无论哪类资源,其可调能力都可以用三个维度刻画:功率维度(当前能提供或削减多少kW)、能量维度(这种调节能持续多久,即kWh)、时间维度(何时可用、响应延迟多大、恢复需要多久)。VPP调度层最终需要的是每个时段t的聚合可调功率区间 [P_min(t), P_max(t)],以及对应的能量可持续时间。因此建模的核心任务,是把物理设备的运行规则翻译成这两个边界。

下面这张图给出五类资源的调节能力与主要约束的对应关系,可作为建模时的对照索引。

五类可调资源的调节能力与约束对照 资源类型 调节能力(可调量) 主要约束 关键参数 可中断负荷 削减型 削减功率 ΔP↓ 0 ≤ ΔP ≤ P_rated 最大中断时长 T_max 最小间隔、日中断次数上限 反弹/恢复功率限制 P_rated, T_max, N_max, 恢复斜率 k_rec 可转移负荷 时移型 时段转移量 ΔE 总量守恒 ΣP·Δt 不变 可移时段窗口 [t_a, t_b] 最小连续运行时长 转移次数与速率限制 E_total, t_a, t_b, T_run_min, N_shift 储能 双向型 充/放功率 ±P_b -P_ch ≤ P ≤ P_dis SOC 上下限 [SOC_min, SOC_max] 充放电效率 η_ch, η_dis 循环寿命与日循环次数 E_cap, SOC_min/max, η_ch, η_dis, N_cycle 分布式发电 出力型 可增/可减出力 ΔP 受预测出力 P_fc 约束 出力预测误差与不确定性 爬坡率限制、最小出力 弃风弃光边界 P_fc, P_min, ramp, 预测误差 σ 电动汽车 移动储能型 V1G 充电可调 / V2G 放电 ±P_ev,受SOC与离网时间约束 并网时段 [t_arr, t_dep] 离网时SOC需满足出行需求 用户参与意愿与随机性 P_ev, SOC_dep, t_arr, t_dep, 参与率 ρ

二、可中断负荷:削减量与恢复约束

可中断负荷指在约定时段内按指令削减用电功率的负荷,典型对象包括工业电机、空调、照明、水泵等。其调节能力建模为:在时段t,可削减功率 ΔP(t) 满足 0 ≤ ΔP(t) ≤ P_rated(t),其中 P_rated(t) 是该时段实际可削减的基线功率。基线通常用历史负荷法或回归法估计,例如取前5个相似日同时段负荷的平均值。

约束方面,最关键的是最大中断时长 T_max和最小恢复间隔。以某工业制冷负荷为例:额定功率200 kW,T_max=2 h,日中断次数上限3次,恢复时功率爬升速率不超过50 kW/min。若VPP在10:00—12:00连续中断2 h,则12:00后恢复阶段需在约4 min内逐步回到基线,避免反弹功率冲击。建模时可用0-1变量 u(t) 表示中断状态,并加入 Σu(t)·Δt ≤ T_max 与 Σ(启动次数) ≤ N_max 两个约束。

三、可转移负荷:总量守恒与时间窗

可转移负荷不减少总用电量,只改变用电时段,典型对象是洗衣机、洗碗机、热水器、部分工业批次生产。其核心约束是能量守恒:转移前后总电量不变,即 Σ P_after(t)·Δt = Σ P_before(t)·Δt。同时每个任务有可执行时间窗 [t_a, t_b] 和最小连续运行时长 T_run_min。

例如某热水器日耗电6 kWh,原运行时段18:00—21:00,可转移窗口为11:00—22:00,最小连续运行1 h。VPP可将其安排到13:00—16:00光伏高发时段,转移电量3 kWh。建模时用连续变量表示各时段功率,并加入时间窗约束和运行连续性约束。需要注意:可转移负荷的调节能力受用户舒适度和任务截止时间限制,聚合时应按可转移概率而非全额计入。

四、储能:SOC约束与效率折损

储能是VPP中响应最快、双向可调的资源。其功率约束为 -P_ch ≤ P_b(t) ≤ P_dis,能量约束为 SOC_min ≤ SOC(t) ≤ SOC_max,SOC演化方程为 SOC(t+1) = SOC(t) + [η_ch·P_ch(t) - P_dis(t)/η_dis]·Δt / E_cap。以某10 kW/20 kWh磷酸铁锂储能为例:SOC_min=10%,SOC_max=90%,η_ch=η_dis=0.95。若当前SOC=50%,则可用充电能量约 20×(0.9-0.5)/0.95 ≈ 8.4 kWh,可用放电能量约 20×(0.5-0.1)×0.95 ≈ 7.6 kWh。

建模时还需考虑循环寿命约束,例如日循环次数不超过1.5次,以及充放电不能同时进行的互斥约束。储能的调节能力在时间上具有连续性,适合承担秒级到小时级的平衡任务。

五、分布式发电与电动汽车:不确定性与移动性

分布式发电(光伏、风电、小型燃气机)的调节能力分为两类:可控机组可提供上下调节,但受爬坡率和最小出力限制;不可控新能源只能提供向下调节(弃风弃光),且受预测误差影响。建模时通常用预测出力 P_fc(t) 和误差区间 [P_fc-σ, P_fc+σ] 描述,可下调量不超过 P_fc(t)-P_min。

电动汽车兼具储能和移动负荷双重属性。V1G模式下只调节充电功率,V2G模式下可反向放电。其关键约束是并网时段 [t_arr, t_dep] 和离网SOC要求 SOC_dep。例如某车电池60 kWh,到网SOC=40%,离网要求SOC≥70%,并网时长8 h,充电功率上限7 kW,则最低充电需求为 60×(0.7-0.4)/0.95 ≈ 18.9 kWh,平均需2.4 kW;剩余可调空间为向上可增充电至7 kW,向下可减至0(V1G)或放电(V2G)。聚合大量EV时,需用参与率ρ和SOC分布描述整体可调容量。

六、聚合建模的注意事项

单资源模型完成后,VPP需要将其聚合为整体可调能力。聚合不是简单相加,因为不同资源的约束在时间上相互耦合:可中断负荷恢复时可能与其他资源充电时段重叠,储能SOC在一天内是连续变化的,EV的并网时间具有随机性。实际工程中常用可调能力包络方法:对每个时段t,分别计算所有资源可上调总量和可下调总量,再扣除同时动作时的网络约束和反弹约束,得到净可调区间。

建模时建议先明确参照方向:本文定义功率正方向为“从VPP向电网注入”,因此负荷削减为正向调节,储能放电为正向,充电为负向。全文及调度指令应保持该约定一致。

最后需要强调,所有参数都应来自实际设备铭牌、历史运行数据或用户协议,示例中的数值仅用于说明建模方法。只有把每类资源的功率边界、能量边界和时间边界都写清楚,VPP的优化调度才有可靠的可行域。