相关论文：
-
-
全球能源互联网
第9卷 第1期 2026年01月；页码：148-159
面向区域能源互联的多能互补虚拟电厂协同调控方法
Collaborative Dispatch Method of Multi-energy Complementary Virtual Power Plants for Regional Energy Interconnection
- 1.国网德州供电公司，山东省 德州市 253000
- 2.华北电力大学新能源电力系统国家重点实验室，北京市 昌平区 102206
- MA Xinzhe1, LIU Yimin1*, ZHOU Zaiyan1, LIU Chunxiu1, XUE Zhiwei1, ZHANG Zheng1, JIN Guiyao1,PAN Chao2, ZHOU Zhenyu2 (1. State Grid Dezhou Power Supply Company, Dezhou 253000, Shandong Province, China
- 2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University,Changping District, Beijing 102206, China
关键词
Keywords
摘 要
Abstract
随着区域能源互联规模的不断扩大，多能互补虚拟电厂之间存在弱通信同步现象，相邻虚拟电厂的状态信息无法完全同步，导致虚拟电厂一致性协同调控通信开销大、调控精度低。针对上述问题，首先构建面向区域能源互联的多能互补VPP协同调控架构，纵向上基于云边端的层次化管控模式协调区域内各个VPP的功率调控策略，横向上通过交换相邻VPP间的状态信息实现多能协同调控，优化目标为最小化总实时调控成本。其次，提出基于弱通信同步一致性的多能互补VPP协同调控优化方法，以VPP调控成本微增率为一致性变量，基于动态时钟的弱同步触发机制，在非实时、非连续的通信条件下利用相邻VPP的状态信息实现一致性迭代优化，有效降低了多能互补VPP协同调控的通信开销，提高了调控精度。最后，通过仿真算例验证所提算法在降低通信开销、提高调控精度等方面的有效性。
With the continuous expansion of the scale of regional energy interconnection, there exists a phenomenon of weak communication synchronization among multi-energy complementary virtual power plants, where the state information of adjacent virtual power plants cannot be fully synchronized,leading to high communication overhead and low dispatch accuracy in consensus collaborative dispatch among virtual power plants. To address the above issues, this paper firstly constructs a multi-energy complementary virtual power plants collaborative dispatch framework targeting regional energy interconnection. Vertically, a hierarchical dispatch mode based on cloud-edge-end is utilized to coordinate the power dispatch strategies of various virtual power plants within the region.Horizontally, multi-energy collaborative dispatch is achieved by exchanging state information between neighboring virtual power plants, with the optimization objective of minimizing the total real-time dispatch cost. Secondly, a multi-energy complementary virtual power plant collaborative dispatch optimization method is proposed based on weak communication synchronization consensus. The variability of virtual power plant dispatch cost increment rate is utilized as the consensus variable, and a weakly synchronized triggering mechanism based on dynamic clocks is employed to iteratively optimize consensus using the state information of adjacent virtual power plants under nonreal-time, non-continuous communication conditions, effectively reducing the communication overhead and improving dispatch accuracy in collaborative dispatch among virtual power plants.Finally, the effectiveness of the presented algorithm in reducing communication overhead and enhancing dispatch accuracy is verified by simulations.
0 引言
多能互补虚拟电厂（virtual power plant，VPP）通过挖掘电、气、热多种能源的时空互补性，优化源荷储资源聚合与调控，实现多能自主调节与灵活利用[1-6]。多个相邻的VPP可进一步通过物理层连接实现区域能源互联，在满足区域居民、工业、商业用能需求的同时，促进横向多能流动与纵向源网荷储协同[7-13]。因此，研究面向区域能源互联的多能互补虚拟电厂协同调控方法，具有重要的理论意义与工程实用价值。
一致性算法由于其灵活性、可拓展性，被广泛应用于多能互补VPP内部多种能源的调控[14-16]。该算法通过利用相邻资源的实时状态信息，不断更新自己的状态直到所有资源间状态达到一致性，从而实现整体能源系统的稳定运行[17-19]。文献[20]提出一种基于一致性算法的VPP集群自治调度架构，利用调节成本一致性与调节时间一致性来更新自治节点参数，实现VPP调度指令动态跟踪，提高求解效率。文献[21]以最大化VPP自身收益为目标构建日前优化调度模型，将功率调节成本作为一致性变量建立日内优化调度模型，有效提高VPP运行的经济性以及参与自律分散控制的积极性。然而，一致性算法需要不同VPP之间进行频繁信息交互实现协同调控[22-24]。随着区域能源互联规模的不断扩大，VPP之间的通信同步性有所降低，存在弱通信同步现象，相邻VPP的状态信息无法完全同步，VPP信息交互连续性差，影响一致性算法的稳定性与精准性，导致多能互补VPP协同调控成本比较高。
针对上述问题，本文首先构建面向区域能源互联的多能互补VPP协同调控架构，纵向上基于云边端的层次化管控模式协调区域内各个VPP的功率调控策略，横向上通过交换相邻VPP间的状态信息实现多能协同调控，优化目标为最小化总实时调控成本。其次，提出弱通信同步一致性的多能互补VPP协同调控优化方法，以VPP调控成本微增率为一致性变量，基于动态时钟的弱同步触发机制，在非实时、非连续的通信条件下利用相邻VPP的状态信息实现一致性迭代优化，有效降低了多能互补VPP协同调控的通信开销，提高了调控精度。最后，通过仿真算例验证了本文所提算法的有效性。
1 多能互补VPP协同调控模型
面向区域能源互联的多能互补VPP协同调控架构如图1所示。其中，云层配电网管控中心收集各个VPP的发电量、储能状态、用电负荷等状态信息，并根据多区域能源互联总体需求制定和下发调控指令，通过对所有VPP的协同调控实现多能互补协同优化。边缘层由多个VPP组成，集合表示为K ={1,2,… , k ,…, K}。不同VPP的边缘网关间可通过状态信息的交互实现端层资源的协同调控。端层包括分布式电源、储能、可中断负荷资源、燃气轮机以及电力锅炉等多种能源主体。燃气轮机可实现气-电转换供给电负荷，电力锅炉实现电-热转换以供给热负荷。第k个VPP与天然气网络、热力网络的交互功率分别表示为
和
。
图1 面向区域能源互联的多能互补VPP协同调控架构
Fig. 1 Collaborative dispatch architecture for multi-energy complementary VPP in regional energy interconnection
面向区域能源互联的多能互补VPP协同调控包括纵向协同与横向协同。纵向协同是基于云边端的层次化管控模式协调区域内各个VPP的功率调控策略。横向协同是各VPP间通过状态信息交互实现电气热多能互补协同调控。本文将调控时间分为T个时段，在每个时段，云层配电网管控中心收集各VPP的用电负荷数据、储能状态、分布式电源状态、气-电网络交互状态和电-热网络交互状态等信息，并基于上一时段各VPP的用电负荷数据以及各VPP用电负荷的历史数据，对当前时段各VPP的用电负荷进行预测。同时，云层配电网管控中心评估各VPP的调控能力，包括分布式电源、储能设备、可中断负荷等资源的调控能力，基于当前时段各VPP的用电负荷和各VPP的调控能力，以满足供需平衡、设备运行约束为目的，向各VPP下发功率调控需求。各VPP基于功率调控需求，以最小化调控成本为优化目标，通过边缘网关与其他VPP进行状态信息交互，优化多能互补协同调控策略。
1.1 目标函数
考虑VPP多能互补特性[25-26]，以分布式电源调控功率、储能调控功率和可中断负荷调控功率、气-电网络交互功率和电-热网络交互功率为优化变量，最小化总实时调控成本，可表示为
式中：
为第k个VPP内部分布式电源调控功率；
为储能调控功率；
为可中断负荷调控功率；C k(t )为第k个VPP的实时调控成本，表示为
式中：
为分布式电源调控成本；
为储能调控成本；
为可中断负荷调控成本；
为第k个VPP的燃气轮机发电成本；
为第k个VPP向热力网络的卖电收益。
1）分布式电源调控成本。
式中：
、
、
分别为分布式电源调控成本的二次项、一次项和常数项系数。
2）储能调控成本。
式中：
为储能调控成本系数。
3）可中断负荷调控成本。
式中：
为可中断负荷调控成本系数。
4）燃气轮机调控成本。
式中：
、
和
分别为燃气轮机调控成本的二次项、一次项和常数项
系数。
5）VPP向热力网络售电的收益。
式中：ϑ为VPP向热力网络售电的电价。
1.2 约束条件
1.2.1 出力约束
式中：
、
分别为第k个VPP中分布式电源的最小出力功率和最大出力功率；
、
分别为储能的最小出力功率和最大出力功率；
、
分别为可中断负荷的最小出力功率和最大出力功率。
1.2.2 天然气网络模型约束
假设天然气在管道中保持恒温稳定流动，并且不考虑其流动与管道之间的摩擦[27-29]。设天然气网络中天然气节点个数为Ngas，气源集合表示为
，则天然气网络模型约束可表示为
式中：
为天然气网络中节点a与节点b之间的天然气流量；
为与节点a相连的第k个VPP的燃气轮机消耗的天然气流量；
为节点a的天然气负荷；
为与节点a相连的气源c的天然气供应流量；Kab为管道常数；Dab表示节点a与节点b之间的气体流动方向，Dab =1表示气体由节点a流向节点b，Dab =-1表示气体由节点b流向节点a；pa (t )和pb (t )分别为节点a和节点b的气压；
、
分别为流经天然气节点a的气体流量的最小值和最大值。
第k个VPP与天然气网络的交互功率可表示为
式中：ςk( t) 为燃气轮机的产电效率；θgas为天然气燃烧热效率。
1.2.3 热力网络模型约束
第k个VPP与热力网络的交互功率可表示为
式中：m为与第k个VPP的电热锅炉相连的热负荷节点；σk( t) 为电热锅炉的产热效率；qR为热水的比热容；om (t )为流经热负荷节点m的水流量；
、
分别为热负荷节点m的供水温度和回水温度。
供水温度上下限约束为
式中：
、
分别为热负荷节点m的最小供水温度和最大供水温度。
2 基于弱通信同步一致性的多能互补VPP协同调控
2.1 弱通信同步对一致性调控的影响
传统一致性算法需要利用邻居VPP的实时状态信息，不间断地进行连续通信以更新自身状态以保持所有VPP状态不断迭代，直至达到一致性收敛[30-32]。然而，在弱通信同步场景下，通信拥塞、时延、丢包等因素导致各VPP间信息同步效率低，一致性收敛速率慢[33]。此外，弱通信同步使系统波动变大，从而偏离一致性状态，导致各VPP的响应时间存在差异，影响一致性算法的稳定性与精准性。
2.2 基于弱通信同步一致性的多能互补VPP协同调控方法
针对上述问题，本文提出一种基于弱通信同步一致性的多能互补VPP协同调控方法，其原理如图2所示。首先，以各VPP调控成本微增率为一致性变量，在弱通信同步状态下进行多能互补VPP一致性迭代求解，获得面向区域能源互联的一致性协同调控决策。其次，基于VPP本地动态时钟设计弱通信同步一致性迭代触发机制，能够降低通信时延与信息传输不及时对多能互补调控结果的影响。与传统一致性方法相比，所提算法不需要VPP之间的连续通信和全局时钟同步，能够降低通信开销，提高一致性迭代速率与精度。
2.2.1 基于多能互补VPP调控成本微增率的弱通信同步一致性迭代原理
采用基于多能互补VPP调控成本微增率的弱通信同步一致性迭代算法对面向区域能源互联的多能互补VPP协同调控模型进行求解，基于实时最优经济性运行目标，即式（1），选取一致性变量为多能互补VPP调控成本微增率，定义为单位时间内调控成本对调控功率的导数，则第k个VPP调控成本微增率µk(t ) 可表示为
若各VPP间的调控功率实现最优分配，即各个VPP的多能互补调控成本微增率将趋于一致，存在：
由公式（3）—（7）可得到VPPk的多能互补调控成本微增率为
在弱通信同步状态下，基于VPP本地动态时钟设计弱通信同步一致性迭代触发机制，第k个VPP在第s+1次迭代的多能互补调控成本微增率表示为
式中：
，初值
=0，
表示VPPk调控成本微增率的一阶保持，即在VPP本地动态时钟触发下一次迭代之前的时间
内，VPPk调控成本微增率数值一直保持在
；bk ,j为状态转移矩阵B第k行、第j列的元素，表示第s次迭代中，VPPj对VPPk的调控成本微增率贡献系数。在弱通信同步场景下，通信拥塞、时延、丢包等因素导致各VPP间信息同步效率低，基于VPP本地动态时钟设计弱通信同步一致性迭代触发机制，VPP的内部动态时钟达到一定值后触发一次迭代，在下一次迭代触发之前的时间内，VPP调控成本微增率数值一直保持不变，能够降低通信时延与信息传输不及时对多能互补调控结果的影响。
对于状态转移矩阵B，若B是非负的行随机矩阵且所有特征值均不超过1，则经过足够多次迭代后，所有VPP会收敛到相同的值，得到面向区域能源互联的多能互补协同调控结果。bk,j为状态转移矩阵第k行、第j列( k ,j∈K)的元素，由通信网络拓扑结构决定，可表示为
式中：qk , j表示VPPk到VPPj的增益权重；Λk , j为拉普拉斯矩阵中第k行、第j列( k,j∈K)的元素。将矩阵H =[ hk , j]定义为第s次迭代的邻接矩阵，其中，对角元素为0，非对角元素bk ,j表示从VPPk到VPPj的边的数量。Λ = H - B=[Λk , j]为拉普拉斯矩阵，反映了VPP的拓扑结构，其元素具体可表示为
2.2.2 基于动态时钟的弱通信同步一致性迭代触发机制
本文提出一种基于动态时钟的弱通信同步一致性迭代触发机制，如图2所示，该机制允许VPP在局部信息的基础上进行决策和状态更新。每个VPP内部均配置一个动态时钟，在其触发时刻向邻居VPP广播自身的状态信息并自适应重置时钟，同时根据收集到的邻居VPP状态信息来更新自身时钟。在多能互补状态信息交互过程中，VPP无需获得邻居的实时状态信息即可实现一致性迭代，从而克服弱通信同步状态下信息交互不及时与VPP响应时间差异导致算法难以稳定收敛的问题。
图2 基于弱通信同步一致性的多能互补VPP协同调控原理
Fig. 2 Principle of weak communication synchronization consensus-based multi-energy complementary VPP collaborative dispatch
各VPP内部动态时钟值φk( t) 每达到一定值后触发一次迭代，当时钟φk(t ) =0时迭代机制被触发，触发后立即将时钟φk( t) 重置为一个新的正值。动态时钟的导数
被设计为负值，综合考虑了自身状态信息、邻居在触发时刻的状态信息以及面向区域能源互联的多能VPP拓扑结构，具体设计如下：
式中：
，表示在s次迭代时VPPk自身的多能互补调控成本微增率误差；lk ,k为VPPk对其自身多能互补调控成本微增率误差影响的权重系数；lk ,j为VPPk对VPPj多能互补调控成本微增率误差影响的权重系数；当πk ≠0时，以VPPk自身以及与邻居VPP间的多能互补调控成本微增率误差作为时钟值的下降速率，动态调整当VPP的迭代次数，有利于多能互补VPP系统的稳定，提高区域能源互联效率；ϵ为权重参数，用于统一数量级；πk为一致性关联度，其值越小代表节点间的多能互补VPP调控成本微增率越趋近于一致，计算如下：
通过各VPP内部动态时钟设置差异化触发机制，内部动态时钟值φk(t ) 每达到一定值后触发一次迭代，由于各VPP的内部时钟并不处于完全同步状态，即各VPP的触发时刻存在一定差异，有效克服了弱通信同步状态下各VPP的响应时间差异对一致性迭代的影响。同时，以VPP自身以及与邻居VPP间的多能互补协同调控成本微增率误差作为时钟值的下降速率，能够稳定当前VPP迭代次数，避免迭代次数波动对一致性迭代稳定性的影响，提高多能互补VPP区域能源互联协同调控精度。并且，文献[34]证明了在此种VPP内置时钟同步的通信机制下能够保证一致性迭代的收敛。
由VPPk在s+1次迭代的微增率
，结合式（15）可得到VPPk在s+1次迭代的调控功率为
，并判断是否满足上下限约束，若超出约束则对应调整至上下限。设置迭代终止判断条件如下：
以ΔPt (t )作为收敛条件，当
时，一致性计算达到收敛，σ为收敛误差。
2.2.3 基于弱通信同步一致性的多能互补VPP协同调控流程
步骤1：获得调控功率，计算一致性变量。
1）各VPP从区域综合能源管控中心获得调控功率Pk(t)；
2）根据式（18）计算拉普拉斯矩阵Λ，并根据式（17）利用各VPP拓扑结构以及增益权重计算状态转移矩阵B；
3）根据式（13）利用调控成本以及调控功率计算一致性变量，即VPP调控成本微增率µk( t) 。
步骤2：重置VPP本地动态时钟。
根据式（19）、（20），利用自身的状态和邻居在触发时刻的状态，将VPP的动态时钟φk( t) 重置为一个新的正值。
步骤3：一致性迭代过程。
1）当φk( t ) =0时表示VPP时钟归零，此时需要返回步骤2重置该VPP的时钟，同时VPP向邻居广播自身的状态信息，触发一致性迭代；
2）利用邻居的一阶保持变量进行一致性迭代。VPP利用自身的状态和邻居在触发时刻的状态进行一致性迭代，根据（16）计算迭代后的一致性变量
；
3）计算各VPP调控功率
并判断是否满足上下限约束，若超出约束则对应调整至上下限。
步骤4：判断迭代收敛。
当
时一致性算法收敛，流程结束，否则返回步骤3继续进行迭代。
3 实验结果与分析
以某区域能源互联示范工程为例进行分析，验证所提算法的有效性，仿真场景拓扑如图3所示，包含4个多能互补VPP，电压等级为10 kV/380 V，VPP统筹若干资源，包括分布式电源、可中断负荷、储能、燃气轮机和电力锅炉，具体组成如表1所示。VPP内各能源设备参数如表2所示[35-36]。
表 1 各VPP资源组成
Table 1 Resource composition of each VPP
VPP编号分布式电源容量/kWh储能容量/kWh可中断负荷容量/kWh燃气轮机功率/kW电力锅炉功率/kW 1 300 120 800 150 2 270 90 210 3 90 1000 190 4 320 85 900
表 2 能源设备参数
Table 2 Parameters of energy equipment
设备类型 参数 数值分布式电源α( t) 0.07 β( t) 0.80 γ( t) 1.10储能 ηSTO( t) 0.04可中断负荷 ωIL( t) 0.90燃气轮机κk l gas,0.06 χk l gas,1.00 ϕk l gas,1.30电热锅炉 ϑ( t) 0.52
图3 仿真场景拓扑图
Fig. 3 Topology of the simulation scenario
文章以30 min为仿真步长进行仿真，并[37]设置目标负荷曲线。同时为验证所提算法在降低一致性迭代过程中通信开销的有效性，设置各VPP的通信条件存在一定差异，其中VPP3、VPP4通信资源匮乏，通信时延服从高斯分布N(6.5×10-2s,10-6s2)，VPP1、VPP2通信资源丰富，通信时延服从高斯分布N(2.5×10-2s,10-6s2)[38]。设置以下对比算法进行对比分析。对比算法1：传统一致性算法。相邻VPP边缘网关间进行完全同步的信息交互，系统的一致性迭代计算过程受通信时延影响大[39]。对比算法2：部分同步一致性算法。通过引入部分同步的迭代架构，降低通信条件恶劣VPP的通信频次，通过牺牲一些调控精度减轻通信时延较大的信道对算法一致性迭代速度的影响[40]。
3.1 VPP一致性功率调控结果
在16:00—16:30调控周期内各VPP的出力功率分配结果如图4所示。通过结果分析可知，在迭代开始阶段，VPP1、VPP3的出力功率快速增加，VPP2、VPP4的出力功率快速减少。在迭代20次后所有VPP的功率曲线开始围绕某一均值波动，最终在56次时趋于稳定。在16:00—16:30调控周期内各VPP的成本微增率变化如图5所示。通过分析结果可知，各VPP的成本微增率初始值不同，VPP2、VPP4的初始值较高，VPP1、VPP3的初始值较低。在迭代开始阶段，各VPP的成本微增率均迅速变化。在迭代20次后，所有VPP的成本微增率开始围绕特定值进行波动。最终在迭代56次时各VPP的成本微增率趋于一致，并收敛于21.42元/kWh。
图4 各VPP在16:00—16:30调控周期内的出力功率
Fig. 4 Output power of each VPP during the control period from 16:00 to 16:30
图5 各VPP在16:00—16:30调控周期内的成本微增率
Fig. 5 Cost incremental rate of each VPP during the control period from 16:00 to 16:30
3.2 VPP 实时功率优化调控结果
图6展示了16:00—16:30时段开始调控后20 s内所提弱通信同步一致性算法下各VPP的触发时刻。设置采样周期为0.2 s，所提算法的具体触发次数如表3所示，对于对比算法1采用的完全同步方式，20 s内每个VPP都应触发100次，即每个VPP均向邻居发送100次信息。结果表明，在弱通信同步一致性算法下，每个VPP触发次数大幅减少，平均触发次数约为传统方式的33.25%，向邻居发送的消息次数大幅减少，极大降低了通信开销。表4展示了20次实验中各算法的平均收敛时间。相比对比算法1和2，所提算法的收敛时间降低了65.80%和35.30%。原因在于，对比算法1为传统一致性算法，采用完全同步机制，在弱通信同步场景下，无法处理弱通信同步引起的时延、丢包问题，各VPP无法实时地进行信息同步，使得通信资源匮乏的VPP影响整体的信息交互，导致算法收敛慢甚至不收敛，一致性算法无法达到最优解，从而影响调控精度；而对比算法2为改进的一致性算法，引入部分同步的迭代架构，通过降低通信条件恶劣VPP的通信频次，只在通信条件良好的部分VPP之间进行同步一致性迭代，降低恶劣通信条件的影响。由于只考虑了部分VPP之间的迭代优化，最终的收敛结果并非最优解，从而导致调控精度较差。
图6 弱通信同步一致性下的触发时刻分布
Fig. 6 Trigger time distribution under weak communication synchronization consensus
表 3 弱通信同一致性下各VPP的触发次数
Table 3 The number of triggers of each VPP under weak
communication synchronization consensus
VPP 1 2 3 4触发次数 35 36 34 28
表 4 算法平均收敛时间对比
Table 4 Algorithm average convergence time comparison
算法 对比算法1 对比算法2 所提算法平均收敛时间/s 17.21 9.42 5.87
表5展示了各算法功率调控偏差率随丢包率的变化。当丢包率为1%时，相比于对比算法1和对比算法2，所提算法的功率调控偏差率降低了80.73%和70.41%。原因在于，所提算法基于VPP本地动态时钟设计弱通信同步一致性迭代触发机制，VPP的内部动态时钟达到一定值后触发一次迭代，在下一次迭代触发之前的时间内，VPP调控成本微增率数值一直保持不变，能够降低丢包对多能互补调控结果的影响。对比算法1由于无法处理弱通信同步引起的时延、丢包问题，导致算法收敛慢甚至不收敛，一致性算法无法达到最优解，从而影响调控精度。对比算法2只考虑了部分通信条件良好的VPP之间的迭代优化，最终的收敛结果并非最优解，从而导致调控精度较差。
表 5 各算法平均功率调控偏差率随丢包率的变化
Table 5 The variation of power regulation deviation rate for various algorithms with the change of packet loss rate
丢包率 0.25% 0.5% 0.75% 1%所提算法 1.824% 2.038% 2.142% 2.332%对比算法1 2.019% 3.887% 7.824% 12.252%对比算法2 2.024% 3.886% 6.520% 7.952%
图7为多能互补VPP的实时优化运行结果，展示了所提算法优化下VPP区域资源的交互情况。以16:00为例，VPP2、VPP4根据优化结果向VPP1、VPP3输电，其中分布式电源出力96.67 kW，储能出力61.75 kW，燃气轮机出力459.94 kW，同时，各VPP可控负荷共削减68.06 kW，VPP1、VPP2、VPP3向热力网络售电共527 kWh，成本为13 849.6元。
图8展示了VPP的通信频次和功率调控偏差率随平均通信时延的变化，通过增大通信时延的方式，模拟各VPP在拥塞等通信恶劣条件下的优化运行。结果表明，所提算法在一致性迭代过程的通信频次保持在较低值，VPP平均通信频次为对比算法1的32.20%，对比算法2的41.98%，所提算法的同步机制解决了弱通信同步问题，降低了VPP3、VPP4对算法整体时延的影响，相比于采用完全同步机制的对比算法1和采用部分同步机制的对比算法2，平均功率调控偏差率大大降低，更能满足区域能源的协同调控精度需求。
图7 多能互补VPP实时优化运行结果
Fig. 7 Real-time optimal operation results of multi-energy complementary VPP
图8 通信频次和功率调控偏差率随平均通信时延的变化
Fig. 8 The variation of communication frequency and power
regulation deviation rate with average communication delay
图9展示了平均通信时延为100 ms时的功率调控结果对比，结果表明，所提算法更能满足电网的实时总负荷要求，相比对比算法1和对比算法2，平均功率调控偏差分别降低了86.37%和43.56%。其原因在于，对比算法1采用完全同步机制，不同时延下的通信频次相等，通信开销大。对比算法2采用部分同步机制，降低了通信条件恶劣VPP的通信频次但牺牲一定的功率调控精度。所提算法基于弱通信同步一致性机制，基于各VPP的本地动态时钟设计迭代触发时刻，在降低通信频次的同时，允许各VPP在局部信息的基础上进行决策和状态更新，从而减小对网络带宽和时钟精度的依赖性，克服了各VPP的响应时间差异对一致性迭代的影响，实现了高精度功率调控。
图9 功率调控结果对比
Fig. 9 Comparison of power control results
4 结论
针对多能互补虚拟电厂间信息交互的弱通信同步导致协同调控精度低、成本高等问题，本文提出了一种面向区域能源互联的多能互补VPP协同调控方法。首先构建了面向区域能源互联的多能互补VPP协同调控模型；在此基础上，提出基于弱通信同步一致性的多能互补VPP协同调控方法，以调控成本微增率为一致性变量，在非实时、非连续的弱通信同步条件下结合VPP本地状态和邻居VPP状态信息实现一致性迭代优化，有效降多能互补VPP协同调控对通信资源的需求。仿真结果表明，相较于传统一致性算法与部分同步一致性算法，所提弱通信同步一致性算法的平均通信触发次数分别为对比算法1和对比算法2的32.20%和41.98%，大幅降低了通信开销。所提算法平均功率调控偏差相比于两种对比算法分别降低了86.37%和43.56%，能够有效提高需求响应的VPP优化调度精度，降低VPP实时运行成本，实现区域能源互联，具有良好的经济效益。
参考文献
-
[1]
王千淳，杜欣慧，吴莹莹，等. 考虑碳交易的多能互补虚拟电厂优化调度运行策略[J]. 电测与仪表，2024，61(11)：22-30.WANG Qianchun, DU Xinhui, WU Yingying, et al. Optimal dispatching operation strategy of multi-energy complementary virtual power plant considering carbon trading[J]. Electrical Measurement & Instrumentation, 2024, 61(11): 22-30(in Chinese). [百度学术]
-
[2]
LIU J Q, YU S S, HU H J, et al. Demand-side regulation provision of virtual power plants consisting of interconnected microgrids through double-stage double-layer optimization[J].IEEE Transactions on Smart Grid, 2023, 14(3): 1946-1957. [百度学术]
-
[3]
窦嘉铭，王小君，司方远，等. 基于深度强化学习的区域综合能源系统主动调节灵活性规则提取及可解释优化调度[J]. 电力系统保护与控制，2025，53(23)：139-151.DOU Jiaming, WANG Xiaojun, SI Fangyuan, et al. Extraction of active regulation flexibility rules and interpretable optimal scheduling for regional integrated energy systems based on deep reinforcement learning[J]. Power System Protection and Control, 2025, 53(23): 139-151(in Chinese). [百度学术]
-
[4]
宋晨辉，李顺宇，肖峻，等. 综合能源系统耦合性研究综述：定性分析与量化应用[J]. 电力建设，2025，46(12)：44-56.SONG Chenhui, LI Shunyu, XIAO Jun, et al. Review of coupling characteristics in integrated energy system: qualitative analysis and quantitative applications[J]. Electric Power Construction, 2025, 46(12): 44-56(in Chinese). [百度学术]
-
[5]
吕振宇，丁磊，吴在军，等. 考虑电-氢-热多能互补的微网多目标优化配置[J]. 电力工程技术，2024，43(2)：11-20.LÜ Zhenyu, DING Lei, WU Zaijun, et al. Multi-objective optimization configuration of microgrid considering electricityhydrogen-heat multi-energy complementation[J]. Jiangsu Electrical Engineering, 2024, 43(2): 11-20(in Chinese). [百度学术]
-
[6]
王作玮，张真源，杜月芳. 考虑调峰辅助服务的综合能源系统主从博弈优化调度[J]. 电力需求侧管理，2025，27(6)：37-44.WANG Zuowei, ZHANG Zhenyuan, DU Yuefang. Masterslave game optimization scheduling of integrated energy system considering peak regulation ancillary service[J]. Power Demand Side Management, 2025, 27(6): 37-44(in Chinese). [百度学术]
-
[7]
张海峰，李晓华，周兴华. 考虑需求响应与碳交易的综合能源系统优化调度策略[J]. 电力科学与技术学报，2025，40(5)：218-226.ZHANG Haifeng, LI Xiaohua, ZHOU Xinghua. Optimization scheduling strategy of integrated energy system considering demand response and carbon trading[J]. Journal of Electric Power Science and Technology, 2025, 40(5): 218-226(in Chinese). [百度学术]
-
[8]
温裕鑫，范培潇，杨军，等. 基于改进DDPG的含PCH综合能源系统低碳经济运行策略[J]. 全球能源互联网，2025，8(5)：552-564.WEN Yuxin, FAN Peixiao, YANG Jun, et al. Low-carbon economic operation strategy of integrated energy system containing PCH based on improved DDPG[J]. Journal of Global Energy Interconnection, 2025, 8(5): 552-564(in Chinese). [百度学术]
-
[9]
张泓楷，张黎，朱梦姝，等. 基于氢能枢纽的电-氢综合能源系统能量管理建模与优化运行[J]. 南方电网技术，2025，19(9)：47-58.ZHANG Hongkai, ZHANG Li, ZHU Mengshu, et al. Modeling and optimal operation for energy management of electrichydrogen integrated energy system based on hydrogen energy hub[J]. Southern Power System Technology, 2025, 19(9): 47-58(in Chinese). [百度学术]
-
[10]
马恺，袁至，李骥. 考虑氢能多元化利用的综合能源系统低碳经济调度[J]. 发电技术，2025，46(2)：263-273.MA Kai, YUAN Zhi, LI Ji. Low-carbon economic scheduling of integrated energy system considering diversified utilization of hydrogen energy[J]. Power Generation Technology, 2025,46(2): 263-273(in Chinese). [百度学术]
-
[11]
蒋炜，郭志民，庞宇航，等. 基于数字孪生模型的主从博弈掺氢综合能源系统最优决策方法[J]. 电力系统保护与控制，2025，53(11)：72-83.JIANG Wei, GUO Zhimin, PANG Yuhang, et al. Optimal decision-making method for hydrogen-blended integrated energy system based on digital twin models and Stackelberg game theory[J]. Power System Protection and Control, 2025,53(11): 72-83(in Chinese). [百度学术]
-
[12]
高丙团，陈晨，李远梅，等. 多区域互联综合能源系统的双层博弈优化运行[J]. 控制理论与应用，2022，39(3)：535-545.GAO Bingtuan, CHEN Chen, LI Yuanmei, et al. Two-level game optimization operation of multi-regional interconnected integrated energy system[J]. Control Theory & Applications,2022, 39(3): 535-545(in Chinese). [百度学术]
-
[13]
郑浩伟，闫庆友，尹哲，等. 计及日前-实时交易和共享储能的VPP运行优化及双层效益分配[J]. 电力建设，2022，43(9)：34-46.ZHENG Haowei, YAN Qingyou, YIN Zhe, et al. VPP operation optimization and bilayer revenue distribution model considering the two-level market and shared energy storage[J].Electric Power Construction, 2022, 43(9): 34-46(in Chinese). [百度学术]
-
[14]
卫璇，潘昭光，王彬，等. 云管边端架构下虚拟电厂资源集群与协同调控研究综述及展望[J]. 全球能源互联网，2020，3(6)：537-551.WEI Xuan, PAN Zhaoguang, WANG Bin, et al. Review on virtual power plant resource aggregation and collaborative regulation using cloud-tube-edge-end architecture[J]. Journal of Global Energy Interconnection, 2020, 3(6): 537-551(in Chinese). [百度学术]
-
[15]
吕小红，刘维，刘克恒，等. 虚拟电厂供需侧双层协调自适应鲁棒优化调度[J]. 全球能源互联网，2024，7(4)：431-442.LÜ Xiaohong, LIU Wei, LIU Keheng, et al. Two-layer coordinated adaptive robust optimal scheduling on supply and demand side of virtual power plant[J]. Journal of Global Energy Interconnection, 2024, 7(4): 431-442(in Chinese). [百度学术]
-
[16]
祖广伟，俞海侠，张琳，等. 考虑日前偏差与电网需求的虚拟电厂云边协同实时调控方法[J]. 现代电力，2025，42(1)：28-38.ZU Guangwei, YU Haixia, ZHANG Lin, et al. Cloud-edge collaborative real-time optimal schedule method of virtual power plant considering day-ahead deviation and grid demand[J]. Modern Electric Power, 2025, 42(1): 28-38(in Chinese). [百度学术]
-
[17]
郝玲，陈磊，徐飞，等. 基于智能融合终端的新型配电网协同自治调控运营模式及关键技术[J]. 全球能源互联网，2023，6(5)：459-472.HAO Ling, CHEN Lei, XU Fei, et al. New collaborative autonomy regulation operation mode and key technology for distribution network based on intelligent terminal[J]. Journal of Global Energy Interconnection, 2023, 6(5): 459-472(in Chinese). [百度学术]
-
[18]
陈会来，张海波，王兆霖. 不同类型虚拟电厂市场及调度特性参数聚合算法研究综述[J]. 中国电机工程学报，2023，43(1)：15-27.CHEN Huilai, ZHANG Haibo, WANG Zhaolin. A review of market and scheduling characteristic parameter aggregation algorithm of different types of virtual power plants[J].Proceedings of the CSEE, 2023, 43(1): 15-27(in Chinese). [百度学术]
-
[19]
胡杰，孙秋野，胡旌伟，等. 信息能源系统自-互-群立体协同优化方法[J]. 全球能源互联网，2019，2(5)：457-465.HU Jie, SUN Qiuye, HU Jingwei, et al. Three-dimensional self-mutual-group collaborative optimization method for information-energy systems[J]. Journal of Global Energy Interconnection, 2019, 2(5): 457-465(in Chinese). [百度学术]
-
[20]
蔡光宗，王伊晓，袁智强，等. 基于一致性算法的虚拟电厂调度指令动态跟踪策略[J]. 电力建设，2024，45(5)：71-79.CAI Guangzong, WANG Yixiao, YUAN Zhiqiang, et al.Consensus-based dynamic dispatching instruction tracking strategy for virtual power plant[J]. Electric Power Construction,2024, 45(5): 71-79(in Chinese). [百度学术]
-
[21]
何奇琳，艾芊. 基于自律分散控制的多区域虚拟电厂优化调度策略[J]. 水电能源科学，2019，37(6)：187-191.HE Qilin, AI Qian. Optimal scheduling strategy of multiregion virtual power plant based on autonomous decentralized control[J]. Water Resources and Power, 2019, 37(6): 187-191(in Chinese). [百度学术]
-
[22]
程韧俐，周保荣，史军，等. 面向区域统一电力市场的超大城市虚拟电厂关键技术研究综述[J]. 南方电网技术，2023，17(4)：90-100.CHENG Renli, ZHOU Baorong, SHI Jun, et al. Review of key technologies for mega-city virtual power plants upon regional unified power market[J]. Southern Power System Technology,2023, 17(4): 90-100(in Chinese). [百度学术]
-
[23]
蒋超凡，艾欣. 面向工业园区的综合能源系统协同规划方法研究综述[J]. 全球能源互联网，2019，2(3)：255-265.JIANG Chaofan, AI Xin. Review on integrated energy system collaborative planning methods for industrial parks[J]. Journal of Global Energy Interconnection, 2019, 2(3): 255-265(in Chinese). [百度学术]
-
[24]
蒲天骄，刘威，陈乃仕，等. 基于一致性算法的主动配电网分布式优化调度[J]. 中国电机工程学报，2017，37(6)：1579-1590.PU Tianjiao, LIU Wei, CHEN Naishi, et al. Distributed optimal dispatching of active distribution network based on consensus algorithm[J]. Proceedings of the CSEE, 2017, 37(6): 1579-1590(in Chinese). [百度学术]
-
[25]
秦子恺，黄婧杰，周任军，等. 计及源-荷不确定性的虚拟电厂多目标鲁棒优化调度[J]. 电力系统及其自动化学报，2023，35(6)：13-21.QIN Zikai, HUANG Jingjie, ZHOU Renjun, et al. Multiobjective robust optimal scheduling of virtual power plant considering source-load uncertainty[J]. Proceedings of the CSU-EPSA, 2023, 35(6): 13-21(in Chinese). [百度学术]
-
[26]
李逸超，胥栋，徐刚，等. 计及碳捕集和多能流的虚拟电厂多目标优化调度[J]. 浙江电力，2023，42(10)：34-44.LI Yichao, XU Dong, XU Gang, et al. Multi-objective optimal scheduling of virtual power plant considering carbon capture and multi-energy flow[J]. Zhejiang Electric Power, 2023,42(10): 34-44(in Chinese). [百度学术]
-
[27]
黄兆元，马海，林俊安，等. 含电动汽车和P2G的虚拟电厂调度优化策略[J]. 科学技术创新，2022(6)：168-171.HUANG Zhaoyuan, MA Hai, LIN Jun’an, et al. Scheduling optimization strategy of virtual power plant with electric vehicle and P2G[J]. Scientific and Technological Innovation,2022(6): 168-171(in Chinese). [百度学术]
-
[28]
张宁，朱昊，杨凌霄，等. 考虑可再生能源消纳的多能互补虚拟电厂优化调度策略[J]. 发电技术，2023，44(5)：625-633.ZHANG Ning, ZHU Hao, YANG Lingxiao, et al. Optimal scheduling strategy of multi-energy complementary virtual power plant considering renewable energy consumption[J].Power Generation Technology, 2023, 44(5): 625-633(in Chinese). [百度学术]
-
[29]
乔铮，郭庆来，孙宏斌. 电力—天然气耦合系统建模与规划运行研究综述[J]. 全球能源互联网，2020，3(1)：14-26.QIAO Zheng, GUO Qinglai, SUN Hongbin. Research survey on the modeling, planning and operational analysis of electricity-natural gas coupling system[J]. Journal of Global Energy Interconnection, 2020, 3(1): 14-26(in Chinese). [百度学术]
-
[30]
YU Q, CAI Y, QI L, et al. Improved hybrid consensus mechanism based on virtual power plant dispatching[C]//2022 IEEE 6th Conference on Energy Internet and Energy System Integration (EI2). November 11-13, 2022, Chengdu, China.IEEE, 2023: 2176-2181. [百度学术]
-
[31]
徐豪，张孝顺，余涛. 非理想通信网络条件下的经济调度鲁棒协同一致性算法[J]. 电力系统自动化，2016，40(14)：15-24.XU Hao, ZHANG Xiaoshun, YU Tao. Robust collaborative consensus algorithm for economic dispatch under non-ideal communication network[J]. Automation of Electric Power Systems, 2016, 40(14): 15-24(in Chinese). [百度学术]
-
[32]
徐熙林，宋依群，姚良忠，等. 主动配电网源-荷-储分布式协调优化运行（一）：基于一致性理论的分布式协调控制系统建模[J]. 中国电机工程学报，2018，38(10)：2841-2848.XU Xilin, SONG Yiqun, YAO Liangzhong, et al. Source-loadstorage distributed coordinative optimization of AND(part Ⅰ):consensus based distributed coordination system modeling[J].Proceedings of the CSEE, 2018, 38(10): 2841-2848(in Chinese). [百度学术]
-
[33]
张占强，窦春霞，岳东，等. 考虑通信时延的事件触发电压分布式协同控制[J]. 中国电机工程学报，2020，40(17)：5426-5435.ZHANG Zhanqiang, DOU Chunxia, YUE Dong, et al.Event-triggered voltage distributed cooperative control with communication delay[J]. Proceedings of the CSEE, 2020,40(17): 5426-5435(in Chinese). [百度学术]
-
[34]
张伟，周航军，彭宇行，等. 分布式交互仿真中的异步时钟一致性控制方法[J]. 软件学报，2010，21(6)：1208-1219.ZHANG Wei, ZHOU Hangjun, PENG Yuxing, et al.Asynchronous time consistency control methods in distributed interactive simulation[J]. Journal of Software, 2010, 21(6):1208-1219(in Chinese). [百度学术]
-
[35]
蒋正威，张锋明，胡凤桐，等. 虚拟电厂分布式资源的聚合响应能力评估方法[J]. 电力工程技术，2022，41(6)：39-49.JIANG Zhengwei, ZHANG Fengming, HU Fengtong, et al.Evaluation method of aggregated responsiveness of distributed resources in virtual power plant[J]. Electric Power Engineering Technology, 2022, 41(6): 39-49(in Chinese). [百度学术]
-
[36]
王世谦，贾一博，白宏坤，等. 分时电价下电动汽车参与虚拟电厂的经济优化调度方法[J]. 电力需求侧管理，2023，25(5)：19-26.WANG Shiqian, JIA Yibo, BAI Hongkun, et al. Economic optimization scheduling method of electric vehicle participating in virtual power plant under time-of-use price[J]. Power Demand Side Management, 2023, 25(5): 19-26(in Chinese). [百度学术]
-
[37]
向明旭. 面向频率性能提升的电力系统时序协调市场化调度决策方法[D]. 重庆：重庆大学，2022.XIANG Mingxu. Market-based power dispatch method with sequential coordination for improvement of frequency performance[D]. Chongqing: Chongqing University, 2022(in Chinese). [百度学术]
-
[38]
宗思恒. 含有通讯时延的时间同步和一致性算法的研究[D].南京: 东南大学，2021.ZONG Siheng. Research on time synchronization algorithms and consensus algorithms with random communication delays[D]. Nanjing: Southeast University, 2021(in Chinese). [百度学术]
-
[39]
杨秀，杜楠楠，孙改平，等. 考虑需求响应的虚拟电厂双层优化调度[J]. 电力科学与技术学报，2022，37(2)：137-146.YANG Xiu, DU Nannan, SUN Gaiping, et al. Bi-level optimization dispatch of virtual power plants considering the demand response[J]. Journal of Electric Power Science and Technology, 2022, 37(2): 137-146(in Chinese). [百度学术]
-
[40]
励刚，徐斌，王小明，等. 考虑通信延时-丢包的配电网分布式电压控制[J]. 电气传动，2023，53(11)：60-68.LI Gang, XU Bin, WANG Xiaoming, et al. Distributed voltage control of distribution network considering communication delay and packet loss[J]. Electric Drive, 2023, 53(11): 60-68(in Chinese). [百度学术]
基金项目
国网山东省电力公司科技项目（520608230007）。
Science and Technology Project of State Grid Shandong Electric Power Company (520608230007).
作者简介
-
马歆哲
-
刘奕敏