考虑新能源出力不确定性风险的虚拟电厂双层调度策略

考虑源荷不确定性的综合能源系统双层优化配置考虑源荷不确定性的综合能源系统双层优化配置综合能源系统（Integrated Energy System，IES）是通过更好地协调不同能源资源和需求之间的互联互通来提高能源利用效率、提供安全稳定的能源供应，以及减少对环境的负面影响。

随着能源可持续发展理念的深入推广，综合能源系统的设计和优化成为了当前能源领域的研究热点之一。

然而，在现实应用中，综合能源系统面临着源荷不确定性的挑战。

源荷不确定性主要体现在能源供应和需求两方面。

能源供应的不确定性源于可再生能源的波动性和不可控性，如太阳能和风能资源的波动，以及可再生能源发电设备的故障等。

能源需求的不确定性则来源于用户用能行为的复杂性和随机性，如用户用电行为的变化、演化和不确定的需求。

针对源荷不确定性对综合能源系统运行和优化的影响，研究者们提出了双层优化配置方法。

双层优化配置方法将综合能源系统的配置问题分解为两个层次进行优化。

第一层是能源系统运营者层面，其目标是最小化系统总体能耗、经济成本或环境影响等，以提高系统整体效益。

第二层是用户层面，其目标是最小化用户个体的用能成本或满足用户需求的程度，以提供满意的用能服务。

在考虑源荷不确定性的双层优化配置中，源层和荷层之间存在着相互影响和互动。

源层的配置会受到荷层需求的影响，用户用能行为会影响综合能源系统的调度和能源供应安排。

而荷层的需求又取决于源层能源供应的稳定性和可靠性。

因此，源层与荷层之间需要进行信息的反馈和协同作用，以实现综合能源系统的高效配置。

双层优化配置方法有助于在源荷不确定性情况下实现综合能源系统的灵活调度和优化。

首先，在源层进行优化配置时，需要充分考虑到荷层的需求特点和不确定性。

通过建立源层与荷层之间的定价机制和市场机制，可以实现在源层优化的基础上，充分协调用户需求和能源供应，以更好地解决源荷不确定性带来的问题。

其次，在荷层进行优化配置时，需要基于源层的能源供应情况进行需求侧的灵活调整。

第50卷第7期2019年7月中南大学学报(自然科学版)Journal of Central South University(Science and Technology)V ol.50No.7Jul.2019考虑不确定性和储能系统的虚拟电厂与能效电厂联合调度优化模型及仿真应用牛东晓1，赵东来1，杨尚东2，刘龙珠3(1.华北电力大学经济与管理学院，北京，102206；2.国网(苏州)城市能源研究院城市能源战略与规划研究所，江苏苏州，215000；3.国网能源研究院科研发展部，北京，102209)摘要：为解决分布式电源难以分配、控制和管理的问题，引入虚拟电厂的基本概念，并考虑用户侧能效电厂参与下的系统发电调度优化问题。

首先，构建电源输出功率模型，包括风力发电出力模型、太阳能发电出力模型以及储能系统出力模型；然后，构建虚拟电厂与能效电厂双层优化调度模型，其上层模型以虚拟电厂参与下系统发电成本最小为目标，综合考虑电能供需平衡约束、火电机组出力约束和系统备用约束等；下层模型以能效电厂参与调度获得的收益最大为目标，分析节能效率电厂(ESEPP)和需求响应效率电厂(DREPP)对虚拟电厂运行的优化效应。

最后，选取3个风电场、2个太阳能发电站和2台燃气轮机发电机组构成仿真系统，并设定4种仿真情景。

研究结果表明：虚拟电厂能够显著提升系统消纳随机性电源的能力，能效电厂能够实现负荷曲线的削峰填谷，基于双层优化调度模型能够发现发电成本最小和获得收益最大的最优调度结果。

关键词：虚拟电厂；能效电厂；双层模型；不确定性中图分类号：TM734文献标志码：A文章编号：1672-7207(2019)07-1736-08Cooperative scheduling optimization model and simulationapplication for virtual power plant and efficiency power plantconsidering uncertainty and energy storage systemNIU Dongxiao1,ZHAO Donglai1,YANG Shangdong2,LIU Longzhu3(1.School of Economics and Management,North China Electric Power University,Beijing102206,China;2.Institute of Urban Energy Strategy and Planning,State Grid(Suzhou)Energy Research Institute,Suzhou215000,China;3.Department of Research and Development,State Grid Energy Research Institute,Beijing102209,China)Abstract:In order to solve the problem of difficult distribution,control and management of distributed power sources, the basic concept of virtual power plants was introduced,and the optimization of system power generation scheduling with the participation of user-side energy efficiency power plants was considered.Firstly,the power output power models were constructed,including wind power output model,solar power output model and energy storage system output model.Then,a double-layer optimal scheduling model of virtual power plant and energy efficiency power plant was constructed.The upper model aimed at minimizing the power generation cost of the system with the participation of收稿日期：2019−03−02；修回日期：2019−05−10基金项目(Foundation item)：国家重点研发计划项目(2016YFB0901104)；国家自然科学基金资助项目(51307051)；中央高校基本科研业务费专项资金资助项目(2014ZP03,2015ZD01)(Project(2016YFB0901104)supported by the National Key Research and Development Program;Project(51307051)supported by the National Natural Science Foundation of China;Projects(2014ZP03, 2015ZD01)supported by the Fundamental Research Funds for the Central Universities)通信作者：赵东来，博士研究生，高级工程师，从事电力系统负荷预测、综合优化与仿真计算等研究；E-mail:********************* DOI:10.11817/j.issn.1672-7207.2019.07.029第7期牛东晓，等：考虑不确定性和储能系统的虚拟电厂与能效电厂联合调度优化模型及仿真应用virtual power plant,and comprehensively considered the constraints of power supply and demand balance,power generation of thermal power units and the system backup.The lower-level model aimed at maximizing the benefits of the participation of energy-efficient power plants in dispatching,and analysed the optimal effects of energy-saving efficiency power plants(ESEPP)and demand response efficiency power plants(DREPP)on the operation of virtual power plants.Finally,three wind farms,two solar power stations and two gas turbine generator sets were selected to form the simulation system,and four simulation scenarios were set.The results show that the virtual power plant can significantly improve the ability of system to absorb stochastic power sources,the energy-efficient power plant can achieve peak cutting and valley filling of load curve,and the double-layer optimization model can achieve the optimal scheduling result with the lowest power generation cost and the largest gain.Key words:virtual power plant;efficiency power plant;double-layer model;uncertainty随着世界能源紧缺、环境污染等问题日益突出，分布式电源(distributed generation，DG)以其可靠、经济、灵活、环保等特点而被越来越多的国家所采用。

第50卷第8期电力系统保护与控制Vol.50 No.8 2022年4月16日 Power System Protection and Control Apr. 16, 2022 DOI: 10.19783/ki.pspc.210962考虑可靠性及灵活性的风光储虚拟电厂分层容量配置白雪岩，樊艳芳，刘雨佳，宋雨露(新疆大学电气工程学院，新疆 乌鲁木齐 830017)摘要：可再生能源出力的随机波动性和不确定性使得系统可靠性在急剧下降的同时，系统灵活性需求剧增，这会导致可再生能源消纳能力大幅下降，资源浪费现象严重。

针对上述问题，提出一种兼顾可靠性、灵活性和经济性的风光储虚拟电厂分层容量配置策略。

其中，上层模型从利用分时电价引导用户响应可再生能源出力变化的角度，制定可削减、可转移负荷的调度方案。

中层模型从可靠性最佳的角度，制定储能电池容量配置方案。

下层模型在灵活性指标的约束下，从综合运行成本最优的角度，进一步完善中层模型制定的储能电池容量配置方案。

最后，以新疆某地区负荷数据为例，进行了仿真验证。

结果表明所提方法具有明显的经济效益，为碳达峰、碳中和提供新思路。

关键词：可再生能源；虚拟电厂；分时电价；可靠性；灵活性；容量配置；储能电池Wind power storage virtual power plant considering reliability and flexibilitytiered capacity configurationBAI Xueyan, FAN Yanfang, LIU Yujia, SONG Yulu(School of Electrical Engineering, Xinjiang University, Urumqi 830017, China)Abstract: The random fluctuation and uncertainty of renewable energy cause system reliability to decline sharply and the need for system flexibility to increase sharply. This can lead to significant decrease of the renewable energy consumption and serious waste of resources. To solve the above problems, this paper proposes a hierarchical capacity allocation strategy of virtual power plant (VPP) considering reliability, flexibility and economy. An ‘upper’ model formulates a load reduction and transfer scheduling scheme from the perspective of guiding users to respond to the change of renewable energy output by using TOU price. A ‘middle-level’ model formulates the capacity configuration scheme of an energy storage battery from the perspective of optimal reliability. Under the constraint of a flexibility index, the ‘lower’ model further improves the energy storage battery capacity configuration scheme formulated by the middle model from the perspective of optimal and comprehensive operational cost. Finally, taking the load data of a region in Xinjiang as an example, a simulation is carried out. The results show that the proposed method has obvious economic benefits and provides a new idea for carbon peaking and carbon neutralization.This work is supported by the National Natural Science Foundation of China (No. 51767023).Key words: renewable energy; virtual power plant; time-of-use price; reliability; flexibility; capacity configuration;energy storage battery0 引言随着我国碳达峰与碳中和目标的提出，可再生能源在一次能源消费中的比重不断增加，逐渐呈现出“风光领跑、多源协调”的态势，可再生能源在新型电力系统中必将成为主要的能源形势。

考虑需求响应的虚拟电厂双层优化调度河北省邯郸市056000摘要：由于人们的生活水平越来越高，对电能的需求也越来越大，为了解决矿物能源短缺问题，可再生能源已经成为人们普遍关心的问题。

此外，中国大部分地区的用电高峰时段较短，高峰时段较高，在短期“尖峰”时段增设发电设备，将会增加电网运行费用，造成不必要的经济损失。

通过对电力市场供需双方的关系，可以有效地缓解电力市场的尖峰用电，从而达到削峰的目的。

但由于电力系统中大多数用户的负载分布比较分散，很难将其作为电力系统的需求端直接投入到电网中，同时由于其输出功率波动大，因此将其纳入电网将会对电力系统的稳定性产生不利的影响。

虚拟发电厂（VPP）技术是利用先进的通讯及控制技术对电网进行集中管理，并利用最优的算法使其成为一个整体，以降低电网的峰谷差，从而促进可再生能源的消纳，降低矿物燃料的消耗，改善环境品质。

关键词：虚拟电厂；双层优化；需求响应1.虚拟电厂概述建立虚拟电厂是实现可再生能源消纳、实现高比例清洁能源发展的关键途径。

虚拟电力公司（VPP）是一种以市场为基础，通过市场推动企业间的交流与协作，为企业提供有效的电力服务。

在此基础上，根据不同的实际情况和学者对虚拟电厂的认识，提出了不同的概念和定义。

虚拟发电厂是分布式发电、可控负荷和分布式存储装置的有机结合，通过调控、通信技术对各种 DER进行整合，通过先进的控制技术，将分布式能源、可控负荷、分布式存储装置结合起来，从而达到对电力系统的有效利用，提高电力的可靠性，降低对电网的影响。

VPP可以将需求方的资源聚集起来，减少高峰时段的用电，从而形成一个虚拟的电力输出，并和可再生能源的发电系统共同参与到电网的削峰填谷中，从而增加 VPP的效益。

目前，国内外的许多学者都在对 VPP的需求端进行了一些探讨。

本文[1]提出一种基于需求响应的风力发电并网系统，该系统采用激励式需求响应 VPP模式，提高了系统的调度灵活性，从而提高了风力发电的效率；本文通过对风机、光伏和电动汽车的综合分析，证明了基于成本的需求反应可以缓解电力消耗曲线，而电动汽车和激励需求反应则可以提高运行收入。

考虑风电出力不确定性的多源联合系统双层优化调度陈一鸣;刘赟静;王金鑫【期刊名称】《东北电力大学学报》【年(卷),期】2024(44)1【摘要】针对含风-火-储的多源联合系统,风电出力具有不确定性的特点,风机在特定时间段内的预测功率与实际功率之间存在误差,当风机实际出力无法满足调度计划中安排的功率时会导致系统经济效益大幅下降。

为此,文中提出了考虑风电预测误差和需求侧响应的双层优化策略,上层模型以风电、火电和可平移负荷总运行成本最少为目标,采用改进粒子群算法(Improved Particle Swarm Algorithm, IPSO)制定火电和可平移负荷的最优调度策略,然后通过Gibbs法对风机最大出力预测误差的概率密度函数进行抽样获取一定量的样本,得到各样本上层电源的功率缺额;下层模型以储能和可中断负荷总运行成本最少为目标,采用线性规划方法对冲上层电源功率缺额,进而制定下层模型电源调度策略。

在大量抽样样本背景下,通过对比各样本总成本函数值的期望和方差验证了所提双层优化策略的经济性和有效性。

【总页数】8页(P17-24)【作者】陈一鸣;刘赟静;王金鑫【作者单位】现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学);国网吉林省电力有限公司吉林供电公司【正文语种】中文【中图分类】TM614【相关文献】1.计及风电出力不确定性的抽水蓄能-风电联合优化调度方法2.考虑风电和光伏出力不确定性的日调度优化方法3.考虑价格型需求响应与风电出力不确定性的电热联合调度方法4.考虑风电出力不确定性的分布鲁棒主备协同优化调度5.考虑电转气响应特性与风电出力不确定性的电-气综合能源系统协调调度因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：计及需求侧响应的虚拟电厂双层优化调度方法专利类型：发明专利
发明人：高明,曾平良,罗艳斌
申请号：CN202010494201.7
申请日：20200603
公开号：CN111738497A
公开日：
20201002
专利内容由知识产权出版社提供
摘要：本发明公开了一种计及需求侧响应的虚拟电厂双层优化调度方法。

在上层模型中燃气轮机单元和储能设备单元用来补偿风光预测出力与其实际出力的偏差，以上层模型收益最大为目标优化；上层优化出力传递到下层，下层建立计及需求侧响应单元、火电机组单元对负荷进行优化，以经济收益最大为目标优化，通过对火电机组出力寻优得到最优分配出力曲线，在MATLAB 2016a软件中调用CPLEX求解器和YALMIP工具箱分别对上层模型和下层模型求解。

本发明建立燃气轮机、储能设备、需求侧响应、火电机组的虚拟电厂双层优化模型，考虑风光预测误差对系统收益的影响，该模型可以达到虚拟电厂收益最大化。

申请人：杭州电子科技大学
地址：310018 浙江省杭州市钱塘新区白杨街道2号大街
国籍：CN
代理机构：浙江千克知识产权代理有限公司
代理人：周希良
更多信息请下载全文后查看。

考虑源荷双重不确定性的多源系统鲁棒模糊动态综合环境经济
调度
张宏;陈燕楠;王洪坤;常喜强;赵咪;严冬梅
【期刊名称】《高电压技术》
【年(卷),期】2024(50)4
【摘要】“双碳”目标下,以风电、光伏、光热发电为主的源端新能源规模化并网以及荷端供给需求和种类的多样性使得系统源荷平衡受到极大影响,给新型电力系统运行带来严峻挑战。

基于此,以风电-光伏-光热-火电联合发电系统为研究对象,提出一种考虑源荷双重不确定性的鲁棒模糊动态综合环境经济调度模型。

首先,分别基于鲁棒理论和模糊理论对多源系统源荷不确定因素建模,同时构建鲁棒模糊数学模型并推导其等价确定模型;其次,综合考虑各种环境经济因素,构建多源系统鲁棒模糊动态综合环境经济调度模型;然后,根据其等价确定转化思想对模型进行转化并采用基于差分进化的粒子群算法求解;最后,基于新疆哈密电网实际数据和改进IEEE-39节点系统,验证所建模型的寻优效果在环境经济上的可行性、有效性及优越性。

【总页数】18页(P1446-1456)
【作者】张宏;陈燕楠;王洪坤;常喜强;赵咪;严冬梅
【作者单位】石河子大学机械电气工程学院;新疆大学电气工程学院;国网新疆电力有限公司
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于概率盒的考虑配电网源荷双侧不确定性多场景鲁棒优化调度方法
2.考虑源荷双重不确定性的多能互补系统两阶段鲁棒优化调度
3.计及源荷多重不确定性的综合能源系统鲁棒经济调度方法
4.考虑源、荷不确定性的工业园区电-气互联综合能源系统模糊优化调度
5.考虑源-荷不确定性的电热联合系统分布鲁棒优化调度
因版权原因，仅展示原文概要，查看原文内容请购买。

㊀㊀㊀㊀收稿日期:2020-03-27;修回日期:2020-09-07基金项目:国家自然科学基金(51807114);上海市科委项目(18D Z 1203200)通信作者:杜楠楠(1996-),女,硕士研究生,主要从事虚拟电厂的运行管理研究;E -m a i l :1123092160@q q.c o m 第37卷第2期电力科学与技术学报V o l .37N o .22022年3月J O U R N A LO FE I E C T R I CP O W E RS C I E N C EA N DT E C H N O L O G YM a r .2022㊀考虑需求响应的虚拟电厂双层优化调度杨㊀秀1,杜楠楠1,孙改平1,方㊀晨2,田英杰2(1.上海电力大学电气工程学院,上海200082;2.国网上海市电力公司电力科学研究院,上海200080)摘㊀要:为有效利用需求侧资源和可再生能源发电,从发电侧与需求侧角度出发,定义商业型和技术型虚拟电厂,建立商业层与技术层相结合的虚拟电厂双层优化模型㊂上层商业型虚拟电厂管理用户负荷,以用户侧收益最大为目标,在制定的分时电价基础上对不同类型的可控负荷进行优化,综合利用价格型和激励型需求响应的调度作用㊂下层技术型虚拟电厂管理风光燃储联合发电系统,在满足上层调度结果的基础上,以分布式电源出力成本最小为目标进行优化,同时兼顾需求侧和发电侧的利益㊂最后,利用C P L E X 求解器得出虚拟电厂的调度策略,对比不同场景下虚拟电厂的经济效益,验证所建立模型的合理性㊂关㊀键㊀词:虚拟电厂;双层优化;需求响应;分布式电源D O I :10.19781/j.i s s n .1673-9140.2022.02.016㊀㊀中图分类号:TM 73㊀㊀文章编号:1673-9140(2022)02-0137-10B i -l e v e l o p t i m i z a t i o n d i s p a t c h o f v i r t u a l p o w e r p l a n t s c o n s i d e r i n g t h e d e m a n d r e s po n s e Y A N G X i u 1,D U N a n n a n 1,S U N G a i p i n g 1,F A N GC h e n 2,T I A N Y i n g ji e 1(1.E l e c t r i cP o w e rE n g i n e e r i n g o f S h a n g h a iU n i v e r s i t y o fE l e c t r i cP o w e r ,S h a n gh a i 200082,C h i n a ;2.E l e c t r i cP o w e r S c i e n c e R e s e a r c h I n s t i t u t e ,S t a t eG r i dS h a n g h a i E l e c t r i c a l P o w e rC o m p a n y ,S h a n gh a i 200080,C h i n a )A b s t r a c t :I n o r d e r t o e f f e c t i v e l y u t i l i z e d e m a n d -s i d e r e s o u r c e s a n d r e n e w a b l e e n e r g y p o w e r g e n e r a t i o n ,t h e v i r t u a l po w -e r p l a n t s c a n b e d e f i n e d a s c o mm e r c i a l v i r t u a l p o w e r p l a n t s a n d t e c h n i c a l v i r t u a l p o w e r p l a n t s a c c o r d i n g t o t h e i r d i f f e r -e n t c h a r a c t e r i s t i c s a n d t h e nab i -l a y e r o p t i m i z a t i o nm o d e l o f v i r t u a l p o w e r p l a n t s c o m b i n i n g t h e c o mm e r c i a l l a ye r a n d t h e t e c h n i c a l l a y e r i s e s t a b l i s h e do n t h e b a s i s .A m o n g t h e m ,t h e u p p e r -l e v e l c o mm e r c i a l v i r t u a l p o w e r p l a n tm a n a g e s u s e r l o a d sw i t h t h e g o a l o fm a x i m i z i n g u s e r -s i d e b e n ef i t s .D i f f e r e n t t y p e s o f c o n t r o l l a b l e l o a d s i s o p t i m i z e d o n t h e b a -s i s o f t h e e s t a b l i s h e dt i m e -o f -u s ee l e c t r i c i t yp r i c ea n dt h es c h e d u l i ng r o l eo f p r i c e -b a s e da n d i n c e n t i v e -b a s e dd e m a n d r e s p o n s e i s c o m p r eh e n si v e l y u t i l i z e d .M e a n w h i l e ,t h e t e c h n o l o g y -b a s e dv i r t u a l p o w e r p l a n tw o u l d m a n a g e t h ew i n d -p h o t o v o l t a i c -f u e l -s t o r a g e c o m b i n e d p o w e r s y s t e ma n dt h e l o w e r -l e v e l o bj e c t i v e i sm i n i m i z i n g t h eo u t pu t c o s to fd i s -t r i b u t e d p o w e r s o u r c e s o n t h eb a s i s o f s a t i s f y i n g t h eu p p e r -l e v e l s c h e d u l i n g r e s u l t s .T h e p r o p o s e dm e t h o d t a k e s i n t o a c c o u n t t h e b e n e f i t s f o r b o t hd e m a n d s i d e a n d p o w e r g e n e r a t i o n s i d e s i m u l t a n e o u s l y .F i n a l l y ,t h e d i s p a t c h i n g s t r a t e g y o f t h e v i r t u a l p o w e r p l a n t i s o b t a i n e db y a p p l y i n g t h eC P L E Xs o l v e r .T h e e c o n o m i c b e n e f i t s o f t h e v i r t u a l p o w e r p l a n t i nd i f f e r e n t s c e n a r i o s a r e c o m p a r e d t ov e r i f y t h e r a t i o n a l i t y of t h e e s t a b l i s h e dm o d e l .K e y wo r d s :v i r t u a l p o w e r p l a n t ;b i -l e v e l o p t i m i z a t i o n ;d e m a n d r e s p o n s e ;d i s t r i b u t e d p o w e r Copyright ©博看网. All Rights Reserved.电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年3月㊀㊀随着人民生活水平的提高,电力需求量不断加大,为缓解化石能源的紧张,可再生能源发电受到了广泛关注㊂另外,中国大多数地区用电尖峰时间短且峰值高,为短暂的 尖峰 时刻增加发电设备会加大电力系统的发电成本,增添不必要的经济损耗㊂从需求侧管理用户负荷是一种有效缓解尖峰用电,实现削峰填谷的方法㊂然而,大部分用户负荷分布分散,难以直接作为需求侧资源参与电网调度,且新能源发电机组出力波动性较大,直接并入电网会影响电力系统的稳定性㊂虚拟电厂(v i r t u a l p o w e r p l a n t,V P P)技术可通过先进的通信和控制技术集中管理可控负荷(d i s p a t c h a b l e l o a d s,D L)和分布式电源(d i s t r i b u t e d g e n e r a t i o n,D G),并通过合理的优化算法使其作为一个整体参与电力系统的调配,减小峰谷差,同时促进消纳可再生能源,减少化石燃料的使用,提高环境质量[1-3]㊂V P P可聚合需求侧资源,通过减小高峰时期用电量,形成虚拟出力,与可再生能源发电机组一起参与电网的削峰填谷,提高V P P的收益㊂目前,国内外学者从需求侧对V P P的优化调度进行了一定研究㊂文献[4]提出了含有需求响应V P P的风电并网系统,通过建立激励型需求响应V P P模型增强系统调度的灵活性,有利于促进风电的消纳;文献[5]将风机㊁光伏和电动汽车等集结成V P P,验证了价格型需求响应能够平缓用电负荷曲线,电动汽车和激励型需求响应能够增加V P P运营收益㊂未来,随着大规模可再生能源分散接入,其波动性大且容量小㊁为电力系统稳定运行带来极大困难㊂文献[6]通过建立V P P联合调度运行中心,将风机㊁储能设备和发电机组等效为一个联合发电系统参与电力市场调度,优化协调内部各D G的运行,提高了D G的整体竞争力;文献[7]考虑了电动汽车的充电特性,将电动汽车视为灵活的储能装置,构建了含有电动汽车和风光发电机组的V P P模型,有效减小了它们并网时带来的冲击,但未考虑需求侧资源的调度作用;文献[8]利用碳捕集机组调整出力速率快的特性将碳捕集机组与风电机组聚合成V P P,减小了风电出力的波动性㊂综上,V P P将不同类型的D G 聚合在一起可有效平抑新能源出力的波动,增大新能源发电机组的利用率㊂大多数文献只是将需求侧管理作为辅助来促进可再生能源的消纳,对同时考虑需求侧和发电侧利益的研究较少㊂然而,单纯的发电侧或需求侧的调度已无法满足电力系统稳定运行的需求,本文在上述研究基础上建立需求侧与发电侧相结合的V P P 双层优化模型㊂1)建立上层商业层虚拟电厂(c o mm e r c i a l v i r-t u a l p o w e r p l a n t s,C V P P)和下层技术型虚拟电厂(t e c h n i c a l v i r t u a l p o w e r p l a n t,T V P P)的双层调度模型,C V P P管理用户负荷,以用户侧收益最大为目标,下层模型在满足上层调度结果的基础上以D G 出力成本最小为目标进行优化,可同时兼顾需求侧和发电侧的利益㊂2)C V P P对所辖用户负荷拥有自主定价权,并将所管控的D L分类,在制定的分时电价基础上对各类D L进行优化,制定不同的调度策略,综合利用价格型和激励型需求响应的调度作用㊂3)T V P P管理风光燃储联合发电系统,涉及D G类型全面,并引入弃风弃光惩罚,提高风机光伏的利用率㊂1㊀V P P的架构和管理模式的构建V P P的运营与外部电力市场的价格波动和内部负荷需求以及D G的出力特性息息相关㊂本文结合国内外V P P的发展趋势和实际运营情况,对V P P的内部结构和管理模式进行合理架构㊂1.1㊀V P P的架构V P P的架构如图1所示㊂上层C V P P管控的负荷包括小型工商业和居民负荷,这些负荷可分为基础负荷和D L㊂基础负荷指不参与控制中心的调交易中心控制中心能量流信息流实时市场日前市场VPPCVPP基础负荷DL1DL n控制中心TVPP……DG nDG2DG1图1㊀V P P的架构F i g u r e1㊀A r c h i t e c t u r e o fV P P831Copyright©博看网. All Rights Reserved.第37卷第2期杨㊀秀,等:考虑需求响应的虚拟电厂双层优化调度度,保持正常用电的负荷;D L指与C V P P控制中心签订合约,可接受控制中心调度的负荷㊂下层T V P P控制中心所管控的D G包含风电机组㊁光伏机组㊁微型燃气轮机和蓄电池㊂1.2㊀V P P的管理模式构建C V P P的主要作用是管理用户负荷,平衡与电力市场的交易㊂对于内部签约用户,C V P P将制定分时电价以减小用户负荷峰谷差㊂由于电力市场竞争激烈,定价过高会导致用户流失,因此,C V P P需综合考虑V P P运行情况㊁各时段运行成本㊁用户需求等多个因素,合理制定内部用户售电电价[9]㊂为降低V P P的运营成本和新能源并网风险,假设C V P P中50%负荷由C V P P在日前市场与电力供应商签订合同购买,其余50%负荷由T V P P提供㊂当D G出力成本较高或剩余负荷大于D G出力时,C V P P将在实时市场购买电量,调度D L㊂当剩余负荷小于D G出力时,V P P中的多余电量由C V P P在实时市场中进行出售㊂T V P P负责监控内部D G的运行状态,制定D G 出力计划㊂在优化之前,各D G向T V P P控制中心提交自身的出力信息,并接受控制中心的调度㊂当T V P P发现D G的运行存在风险或不满足出力计划时,会及时做出调整㊂本文采用双层调度模式,首先,上层C V P P结合实时市场电价㊁日前负荷预测信息和D G的预测出力制定用户售电价,调节D L,并向下层传达T V P P计划发电量㊂T V P P接收到C V P P的指令后,以C V P P的优化结果为约束制定各D G的发电量,计算发电成本,并将优化后的发电信息传递给上层C V P P㊂若T V P P难以满足上层C V P P的指令, C V P P将重新进行优化,制定新的优化策略,下达新的指令,以达到新的平衡㊂上层C V P P与下层T V P P 进行信息的交互,确定最终的C V P P调度计划和T V P P的出力计划,实现V P P的收益最大化[10-11]㊂2㊀V P P的优化调度模型2.1㊀需求侧响应建模根据消费者心理学原理,制定合理的分时电价可以改变用户用电行为,用自弹性系数表示电价变化率对负荷变化率的影响[12]:δΔq.t=εt tδΔp.t(1)式中㊀εt t为t时段自弹性系数;δΔq.t为t时段负荷响应率;δΔp.t为t时段电价变化率㊂制定分时电价后t时段C V P P中用户用电量为P Dt=P Lt+δΔq.t P L t(2)式中㊀P L t为t时段原始用户预测负荷㊂C V P P所管控的D L分为可平移㊁可削减和可转移负荷㊂1)可削减负荷㊂在用电高峰时段可减少用电的负荷,该类负荷用电时间稳定,削减量较小,补偿价格较高,如空调㊁照明设备等㊂可削减负荷t时段的补偿费用为F c u t.t=λc u t tρc u t f P c u t f.t(3)式中㊀λc u t t为t时段可削减负荷是否参与调度,采用0-1变量,λc u t t为1表示该负荷可削减,为0表示负荷不削减;ρc u t f为C V P P对削减负荷量的单位补偿费用;P c u t f.t指t时段可削减负荷量㊂2)可转移负荷㊂该类负荷可灵活调节用电时间段和该时段的用电量,属于避峰型负荷,如电动汽车可改变它的充电功率和充电时间㊂可转移负荷t时段的补偿费用为F t r.t=λt rρt r f P t r f.t(4)式中㊀λt r为t时段可转移负荷的调度状态,λt r为1表示负荷接受转移,为0表示负荷不转移;ρt r f为可转移负荷的单位补偿费用;ρt r f,t为t时段可转移的负荷量㊂3)可平移负荷㊂可平移负荷的用电特性要求用电时间连续且用电量不变,只能将某段时刻的负荷整体平移到另外一个时段[13-15],如洗衣机㊁制冰机㊂可平移负荷t时段的补偿费用为F s h.t=λs hρs h f P s h f.t(5)式中㊀λs h为t时段可平移负荷的平移状态,λs h为1表示负荷接受平移,0表示负荷不平移;ρs h f为可平移负荷的单位补偿费用;P s h f.t为t时段可平移的负荷量㊂2.2㊀上层C V P P优化模型2.2.1㊀目标函数m a x F1=ΔTðT t=1[ρs e t P D t-ρb u y.F t P F t-ρb u y.StP St-F c u t.t-F t r.t-F s h.t]-F T V P P(6)931Copyright©博看网. All Rights Reserved.电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年3月式中㊀F 1为V P P 的全天总利润;ΔT 为一个调度时段的时长,T 为一天中调度时段的个数;ρs et 为t 时段C V P P 与用户的交易电价,由C V P P 制定;ρb u y.F t㊁P F t 分别为C V P P 与电力供应商签订的t 时段的购电电价㊁购电量;ρb u y.S t㊁P S t 分别为t 时段C V P P 与实时市场的交易电价㊁交易量,当C V P P 向实时市场买/售电时,P St 为正/负数;F c u t .t ㊁F t r .t ㊁F s h .t 分别为t 时段可削减㊁可转移㊁可平移负荷的补偿费用;F T V P P 为T V P P 总发电成本,与T V P P 的出力P T V P P .t 相关㊂2.2.2㊀约束条件1)售电电价约束㊂ρs em i n ɤρs et ɤρs em a x124ΔT ðT t =1ρs e t =ρs ea v e ìîí(7)式中㊀ρs em i n ㊁ρs em a x分别为C V P P 用户售电电价的下限和上限;ρs ea v e为C V P P 一天中的平均售电价,保证C V P P 的售电电价在一定范围内㊂2)考虑到用户满意度,对可削减负荷的削减量和削减次数进行约束:ΔT ðTt =1λc u t tɤN 1λc u t t P c u t m i n ɤλc u t t P c u t f .t ɤλc u t t P c u tm a xìîí(8)式中㊀N 1为一天中可削减负荷的削减次数最大值;P c u t m i n ㊁P c u tm a x分别为可削减负荷削减量的下限和上限㊂3)可转移负荷约束㊂假设可转移负荷的原运行时段为[t 1,t 2],转移后的区间为[t 1-,t 2+],因某些可转移负荷设备不能频繁启停,为防止用电设备转移为多个分散的时间段,对设备的转移时间和转移功率进行约束㊂ðt 1+T c o n m i n -1t =t 1λt r t =T c o n m i n λt r t -λt rt -1()λt r t P t r m i n ɤλt r t P t r f .t ɤλt r t P t rm a xìîí(9)式中㊀T c o n m i n 为转移后设备的最小运行时间;P trm i n㊁P t rm a x分别为转移负荷量的下限和上限㊂4)可平移负荷约束㊂设可平移负荷的原用能时间区间为[t 3,t 4],转移后的用能区间为[t 3-,t 4+],可平移负荷的约束条件为λs h t P s h m i n ɤλs h t P s h f .t ɤλs h t P s hm a xt 4-t 3=t 4+-t 3-{(10)式中㊀P s h m i n ㊁P s hm a x分别为可平移负荷的下限和上限㊂5)功率平衡约束㊂P T V P P .t +P S t +P F t =P D t -P c u t f .t -P t r f .t -P s hf .t(11)2.3㊀下层T V P P 优化模型2.3.1㊀目标函数求解上层调度模型后可以得到以V P P 收益最大为目标的优化结果,以满足上层调度结果中的T V P P 出力作为约束条件,以T V P P 发电成本最小为目标建立目标函数,即m i n F T V P P =ΔT ðTt =1ðj ɪNFg e .j .t +F w .t +F s .t +F e n .t []㊀(12)式中㊀F T V P P 为整个调度周期内下层T V P P 的出力成本;F g e .j .t 为t 时段第j 台微型燃气轮机的运行成本;F w .t 为t 时段风电机组的发电成本;F s .t 为t 时段光伏机组的发电成本;F e n .t 为t 时段蓄电池的运行成本㊂1)微型燃气轮机的发电成本㊂F g e .j .t =a g e .j P 2g e .j .t +b g e .j P g e .j .t +c g e .j(13)式中㊀P g e .j .t 为t 时段第j 台燃气轮机的发电功率;a g e .j ㊁b g e .j ㊁c g e .j 为第j 台燃气轮机的发电耗量特性参数,与燃气轮机的性能和能耗有关㊂2)风电机组的发电成本㊂风机发电成本由两部分组成:风机实际出力成本b w P s w .t 和风机弃风惩罚成本12ρb u y.S tΔP w .t ㊂F w .t =b w P s w .t +12ρb u y.S tΔP w .t ΔP w .t =P w .t -P sw .tìîí(14)式中㊀P w .t 为t 时段风机预测功率;P s w .t 为t 时段风机实际发电功率;ρb u y.S t为实时市场的售电电价;ΔP w .t 为t 时段的弃风量;b w 为风机实际发电功率与发电成本的线性关系系数,与风电机组的发电性能有关㊂3)光伏机组的发电成本㊂光伏机组发电成本也由两部分组成:光伏机组实际出力成本b s P s s .t和光041Copyright ©博看网. All Rights Reserved.第37卷第2期杨㊀秀,等:考虑需求响应的虚拟电厂双层优化调度伏机组弃光惩罚成本12ρb u y .S tΔP s .t ㊂F s .t =b s P s s .t +12ρb u y.S tΔP s .t ΔP s .t =P s .t -P ss .tìîí(15)式中㊀P s .t 为t 时段光伏机组预测出力;P s s .t为t 时段光伏机组实际出力;ΔP s .t 为t 时段的弃光量;b s 为光伏的实际发电功率与发电成本的线性关系系数㊂4)蓄电池的发电成本㊂F e n .t =a e n |P e n .t |2+b e n |P e n .t |+c e n (16)式中㊀P e n .t 为t 时段蓄电池的存放功率,当P e n .t 为正时,蓄电池发电,当P e n .t 为负时,蓄电池储能;a e n ㊁b e n ㊁c e n 为蓄电池功率参数,与蓄电池的耗量特性有关㊂2.3.2㊀约束条件1)功率平衡约束㊂P T V P P .t =ðj ɪNP g e .j .t +P sw .t +P ss .t +P e n .t (17)㊀㊀2)燃气轮机的运行约束㊂发电功率约束:0ɤP g e .j .t ɤP m a xg e .j(18)式中㊀Pm a xg e .j为第j 台燃气轮机的发电功率的上限㊂燃气轮机的爬坡速率约束:P g e .j .t +1-P g e .j .t ɤP u pg e .jP g e .j .t -P g e .j .t +1ɤP d o w ng e .j{(19)式中㊀P u pg e .j ㊁P d o w n g e .j 分别为第j 台机组爬坡功率的下限和上限㊂3)风机和光伏机组的出力约束㊂P m i n w .t ɤP s w .t ɤP m a xw .tP m i ns .t ɤP ss .t ɤP m a xs .t{(20)式中㊀P m i n w .t ㊁P m a xw .t 分别为t 时段风电机组实际发电功率的下限和上限;P m i n s .t ㊁P m a xs .t分别为t 时段光伏机组发电功率的下限和上限㊂4)蓄电池约束㊂蓄电池的容量约束:E m i n ɤE 0+ΔT ðNt =1P e n .t ɤE m a x(21)式中㊀E 0为蓄电池的初始容量;E m i n ㊁E m a x 分别为蓄电池容量的下限和上限㊂充㊁放电速率约束:0ɤP e n .t ɤP c he n-P d i se n ɤP e n .t ɤ0{(22)式中㊀P c he n ㊁P d i se n 为蓄电池放㊁充电功率上限值㊂蓄电池在运行过程中只能充电或者放电,对蓄电池的运行状态进行约束:X +Y ɤ1(23)其中,X =1表示蓄电池处于放电状态,Y =1表示处于充电状态㊂为保障电池的使用寿命,对充㊁放电次数进行约束:ΔT ðTt =1X t +1-X t ɤN 2ΔT ðTt =1Y t +1-Y t ɤN 3ìîí(24)其中,N 2㊁N 3分别表示一天中蓄电池放㊁充电次数的上限㊂若使蓄电池在每一个运行周期初始状态相同,则蓄电池一天中的充㊁放电功率相等,即ΔT ðTt =1P e n .t =0(25)3㊀V P P 模型的求解为了验证所建立模型的可行性,本文在M a t l a b环境下使用Y a l m i p 工具箱中的C p l e x 求解器对模型进行求解㊂优化流程如图2所示,优化中终止条件为C V P P 的相邻2次优化结果的收敛误差是否在规定范围内,收敛误差定义为P C V .n +1-P C V .n P C V .n +F T V .n +1-F T V .nF T V .n+P T V .n +1-P T V .nP T V .nɤα(26)式中㊀P C V .n +1和P C V .n ㊁F T V .n +1和F T V .n ㊁P T V .n +1和P T V .n 分别为第n +1次㊁第n 次优化后的C V P P 的用户总负荷㊁T V P P 的总成本㊁总出力;α为最大收敛误差,本文设定为5%㊂当相邻2次优化结果在收敛误差之内时,满足终止条件,调度结束㊂V P P 发布面向用户的售电电141Copyright ©博看网. All Rights Reserved.电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年3月价,执行D L 的调度计划和各机组的出力计划,并进行经济结算,计算最终V P P 总收益[16-18]㊂读取数据开始CVPP 层结束使用CPLEX 求解器以VPP 收益最高为目标函数进行优化TVPP 层得到CVPP 所辖用户售电电价、DL 调度计划和与实时市场的交易量求解得出TVPP 的总出力并将优化信息传递给下层以TVPP 总成本最低为目标函数，以TVPP 总出力等于上层调度结果为约束条件进行优化得到TVPP 中各DG 计划出力和总出力成本否是否满足终止条件？输出最终调度方案，计算VPP 总收益是将下层优化得到的TVPP 的总出力和总成本传递给上层图2㊀优化流程F i gu r e 2㊀O p t i m i z a t i o n f l o w c h a r t 4㊀算例分析4.1㊀算例数据本文选取某地区的夏季典型日为算例,设一个调度时段时长为1h ,即ΔT =1h ,T =24,机组的运行周期为24h ㊂该地区的风机㊁光伏预测出力以及用户负荷预测如图3所示㊂C V P P 与实时市场的交易中以实时市场的售电电价为准,设实时市场的电价以1h 为基准进行变10008006004002000功率/k W24:0020:0016:0012:0008:0004:00时刻风机预测出力光伏预测出力用户预测负荷××××××××××××××图3㊀用户负荷㊁风机和光伏出力预测F i gu r e 3㊀U s e r l o a d ,w i n d t u r b i n e a n d p h o t o v o l t a i c o u t pu t f o r e c a s t 动,且与用户负荷大致呈线性关系[10],即在一定范围内,实时市场的电价与日前预测负荷的关系式为ρb u y.S t=a L P L t +b L (27)式中㊀a L ㊁b L 为线性参数㊂设制定分时电价前用户用电电价为0.65元/(k W ㊃h ),C V P P 的售电电价(元/(k W ㊃h ))约束为[0.35,0.95],平均售电价为0.65元/(k W ㊃h ),各D L 的调度参数如表1所示㊂表1㊀可削减㊁可转移㊁可平移负荷调度参数T a b l e 1㊀C u t t a b l e ,t r a n s f e r a b l e ,s h i f t a b l e l o a ds c h e d u l i n gpa r a m e t e r s 可削减负荷调度参数(P c u tm i n ~P c u tm a x )/k W N 1/次ρc u t f/(元/(k W ㊃h ))0~3580.25可转移负荷调度参数(P t r m i n ~P t r m a x )/k W [t 1,t 2][t 1-,t 2+]T c o n m i n /h ρt r f/(元/(k W ㊃h ))0~6511:00 15:0005:00 24:0020.2可平移负荷调度参数(P s hm i n ~P s hm a x )/k W [t 3,t 4][t 3-,t 4+]ρs h f/(元/(k W ㊃h ))0~6512:00 21:0005:00 23:000.175T V P P 中设置2台微型燃气轮机,额定功率分别为70㊁50k W ,爬坡速率均为3k W /m i n ㊂蓄电池的额定容量为300k W ,最低容量为额定容量的20%,最大容量为额定容量的95%,最大充放电功率为60k W ,各D G 的耗量特性参数如表2所示㊂表2㊀机组的耗量特性参数T a b l e2㊀C o n s u m pt i o n c h a r a c t e r i s t i c p a r a m e t e r s o f t h e u n i t 机组类型a /(10-5元/k W 2)b/(元/k W )c /元1号燃气轮机1.250.47502号燃气轮机1.500.5000风电机组0.000.4900光伏机组0.000.7200蓄电池1.000.215为验证所建立模型的合理性,本文设置3个场景进行对比分析:①原始用户用电情况;②只考虑分时电价作用的用户用电情况;③在分时电价的基础上对用户侧D L 进行调度后的用户用电情况㊂4.2㊀算例分析实时市场电价曲线以及C V P P 为用户侧制定241Copyright ©博看网. All Rights Reserved.第37卷第2期杨㊀秀,等:考虑需求响应的虚拟电厂双层优化调度的售电电价曲线如图4所示,可以看出,C V P P 的用户售电电价与实时市场电价走势基本一致㊂在19:00 21:00时段中,C V P P 的售电电价最高,达到0.95元/(k W ㊃h ),01:00 04:00时段中,C V P P售电电价最低,为0.35元/(k W ㊃h )㊂实时市场电价与用户用电负荷相关,C V P P 在用电高峰时期提高电价,在低谷时期降低电价既可实现削峰填谷,也保证了在实时市场低电价时段时,维持C V P P 所管辖的用户负荷数量的稳定,在实时市场高电价时段时,减小C V P P 因购电成本过高而亏损的风险㊂1.00.90.70.50.40.2电价/（元/（k W ·h ））24:0020:0016:0012:0008:0004:00时刻0.80.60.3CVPP 售电价实时市场电价00:00图4㊀C V P P 售电电价F i gu r e 4㊀E l e c t r i c i t y s a l e p r i c e o fC V P P 3种场景下的用户负荷曲线如图5所示,场景3的负荷波动幅度和峰谷差最小,分时电价虽然可以适当的削峰填谷,平缓用户负荷曲线,效果却不够明显,且由用户自发进行,缺少与C V P P 控制中心的信息互动,不能灵活快速的参与电网调度㊂考虑D L 后C V P P 控制中心可在用电高峰阶段将D L 移出,在用电低谷时段将D L 移入,并给予用户适当的经济补偿,可有效调动用户参与电网调度的积极性,减小用户用电的峰谷差㊂D L 分为可削减㊁可转移和可平移负荷,3种负荷调度前㊁后用电功率分别如图6㊁7所示,可以看出900800700500300功率/k W24:0020:0016:0012:0008:0004:00时刻600400场景1场景2场景3×××××××××××××××××××××××00:00图5㊀不同场景下的用户负荷曲线F i gu r e 5㊀U s e r l o a d c u r v eu n d e r d i f f e r e n t s c e n a r i o s 3种D L 的调度方式及调度结果㊂可削减负荷在11:00 15:00㊁18:00 21:00时间段中接受调度,减小高峰时段用户用电㊂可转移负荷从11:00 15:00转移到06:00 10:00㊁15:00 17:00时段中;可平移负荷从17:00 21:00平移到06:00 10:00中,这2种负荷在调度时都可以从高峰时段转移到低谷时段,只是可转移负荷的调度方式更灵活一些㊂总体来说,3种D L 相结合可有效降低高峰时段用户负荷,减小负荷峰谷差㊂1201008040功率/k W24:0020:0016:0012:0008:0004:00时刻6020可平移负荷可转移负荷可削减负荷图6㊀优化前的D L 曲线F i gu r e 6㊀D Lc u r v eb e f o r e o p t i m i z a t i o n 1201008040功率/k W24:0020:0016:0012:0008:0004:00时刻6020可平移负荷可转移负荷可削减负荷图7㊀优化后的D L 曲线F i gu r e 7㊀D Lc u r v e a f t e r o p t i m i z a t i o n 在场景3的用户负荷下,T V P P 优化后的D G出力和风机㊁光伏出力对比如图8㊁9所示,在00:00 03:00时段中,风机弃风成本和实时市场购电成本较低,在0.45~0.48元/(k W ㊃h )范围内波动,风机出力成本为0.49元/(k W ㊃h ),高于购电成本和弃风成本,风机无出力;在04:00 23:00时段中,风机弃风成本和购电成本在0.49~1.48元/(k W ㊃h )范围内,高于风机出力成本,风机出力㊂当不考虑弃风成本时,风机只在07:00 23:00时段中出力,此时实时市场购电成本在0.56~0.99元/(k W ㊃h )范围内波动㊂同样,在08:00 19:00时段中,光伏出力成本为0.72元/(k W ㊃h ),高于实341Copyright ©博看网. All Rights Reserved.电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年3月时市场电价和弃光成本,光伏出力㊂不考虑弃光惩罚时,光伏只在12:00 16:00㊁18:00 19:00时段中出力㊂所以引入弃风弃光惩罚可促进新能源的消纳,提高风电机组和光伏机组的利用率㊂蓄电池燃气轮机光伏出力风机出力4003002001000功率/k W24:0020:0016:0012:0008:0004:00时刻-10050000:00图8㊀优化后T V P P 出力F i gu r e 8㊀O u t p u t o fT V P Pa f t e r o p t i m i z a t i o n 风机预测出力无弃风惩罚风机出力风机实际出力+光伏预测出力无弃光惩罚光伏出力光伏实际出力×2502001501000功率/k W24:0020:0016:0012:0008:0004:00时刻50+×+++++++++++++++++××××××××××××××××图9㊀风机、光伏出力对比F i gu r e 9㊀O u t p u t c o m p a r i s o no fw i n d t u r b i n e a n d p h o t o v o l t a i c在00:00 03:00时段中,T V P P 出力为0,C V P P 从实时市场中购电,满足用户用电需求;在03:00 07:00时段中,实时市场电价较低,由发电成本较低的燃气轮机发电并利用蓄电池储存起来;在08:00 24:00时段中,C V P P 从实时市场购电成本较高,2台燃气轮机同时出力,达到120k W ,在晚上用电高峰时段且光伏无出力时,燃气轮机可与风机㊁蓄电池一起出力,缓解负荷压力,降低C V P P 的购电成本㊂微型燃气轮机启停迅速,操作方便,在无风或阴天等特殊天气时,可为负荷提供电能,降低C V P P 的购电成本和V P P 的运行风险㊂蓄电池在优化过程中的调度结果表现为为谷时段充电㊁高峰时段放电㊂具体结果:在03:0006:00㊁15:00 18:00时段中,蓄电池充电,充电功率为60k W ,将系统多余电能储存起来;在11:0014:00㊁19:00 22:00时段中,实时市场电价较高,蓄电池持续放电,放电功率60k W ,减小V P P 的购电成本,满足峰时用户用电的需求㊂事实上,在T V P P 的出力确定的情况下,C V P P与实时市场的交易直接影响了V P P 的收益,设C V P P 从实时市场购电功率为正,售电功率为负㊂3个场景下C V P P 与实时市场各时段的交易电量如图10所示㊂场景1场景2场景3200150100500功率/k W24:0020:0016:0012:0008:0004:00时刻-10000:00图10㊀不同场景下C V P P 与实时市场的交易量F i gu r e 10㊀T r a n s a c t i o nv o l u m e o fC V P Pa n d r e a l -t i m e m a r k e t i nd i f f e r e n t s c e n a r i o s由图10可知,经过分时电价和D L 的调度,在11:00 15:00㊁17:00 22:00高峰时段中,场景3在实时市场购买的电量较少,甚至在高电价时段还会有富余电量向实时市场出售㊂场景2与场景3相似,与实时市场的交易多集中在低电价时段;与场景1相比,场景3中C V P P 减小了在高电价时段的购电量,降低了V P P 的购电成本㊂不同场景下V P P的成本和收益如表3所示㊂表3㊀不同场景下V P P 经济效益分析T a b l e 3㊀A n a l ys i s o fV P Pe c o n o m i cb e n e f i t i nd i f f e r e n t s c e n a r i o s元场景T V P P 出力成本与实时市场交易成本V P P 运营净收益13326.126228.783203.4523278.506147.153335.1533225.306035.453485.15场景3在分时电价和D L 调度下,用户总用电负荷降低,峰谷差减小㊂与场景1㊁2相比,T V P P 出力成本和与实时市场的交易成本最低,V P P 的净收益最高,场景2次之㊂综合上述分析,在分时电价基础上通过调节D L 可以有效削峰填谷,降低V P P 的运营成本,提高V P P 的收益㊂5㊀结语本文建立了一个考虑需求响应的V P P 双层调441Copyright ©博看网. All Rights Reserved.第37卷第2期杨㊀秀,等:考虑需求响应的虚拟电厂双层优化调度度模型,上层C V P P以收益最大为目标函数优化用户用电负荷,下层T V P P以满足上层优化结果为约束,以成本最低为目标函数优化D G出力,经过求解模型得出以下结论:1)针对用户负荷制定的分时电价与D L调度策略相结合可以改变用户的用电习惯,有效削峰填谷,减小C V P P在实时市场高电价时段的购电量,提高V P P的收益;2)分时电价虽然可以适当减小用户负荷峰谷差,但不如与D L的调度配合效果明显,且不能直接控制用户负荷,调节方式不够灵活;3)提出风光燃储一体化T V P P出力模型并引入弃风弃光惩罚函数,在低电价时段停发㊁高电价时段满发,充分利用新能源发电,从而减少了V P P的购电成本㊂本文为V P P的运营管理提供了模型参考,对V P P的发展有一定的指导意义,但没有考虑实时市场电价的不确定性,后续会继续研究更贴合实际的V P P模型㊂参考文献:[1]刘吉臻,李明扬,房方,等.虚拟发电厂研究综述[J].中国电机工程学报,2014,34(29):5103-5111.L I UJ i z h e n,L IM i n g y a n g,F A N GF a n g,e t a l.R e v i e wo n v i r t u a l p o w e r p l a n t s[J].P r o c e e d i n g s o f t h e C S E E, 2014,34(29):5103-5111.[2]刘新元,程雪婷,薄利明,等.考虑源荷协调的含储热光热电站和风电系统的日前-日内调度策略[J].中国电力,2021,54(8):144-153.L I U X i n y u a n,C H E N G X u e t i n g,B O L i m i n g,e t a l.D a y-a h e a da n d i n t r a-d a y s c h e d u l i n g s t r a t e g y o f c o n c e n t r a t e d s o l a r p o w e rs t a t i o n w i t ht h e r m a le n e r g y s t o r a g ea n d w i n d f a r m c o n s i d e r i n g c o o r d i n a t i o nb e t w e e n g e n e r a t i o na n d l o a d[J].E l e c t r i cP o w e r,2021,54(8):144-153.[3]黄剑平,陈皓勇,林镇佳,等.需求侧响应背景下分时电价研究与实践综述[J].电力系统保护与控制,2021,49 (9):178-187.HU A N GJ i a n p i n g,C H E N H a o y o n g,L I NZ h e n j i a,e t a l. As u mm a r y o f t i m e-o f-u s e r e s e a r c h a n d p r a c t i c e i n a d e-m a n dr e s p o n s ee n v i r o n m e n t[J].P o w e rS y s t e m P r o t e c-t i o na n dC o n t r o l,2021,49(9):178-187.[4]陈厚合,王子璇,张儒峰,等.含虚拟电厂的风电并网系统分布式优化调度建模[J].中国电机工程学报,2019, 39(9):2615-2624.C H E N H o u h e,WA N G Z i x u a n,Z HA N G R u f e n g,e ta l.D e c e n t r a l i z e d o p t i m a l d i s p a t c h i n g m o d e l i n g f o r w i n d p o w e r i n t e g r a t e d p o w e r s y s t e m w i t hv i r t u a l p o w e r p l a n t [J].P r o c e e d i n g s o f t h eC SE E,2019,39(9):2615-2624.[5]徐辉,焦扬,蒲雷,等.计及不确定性和需求响应的风光燃储集成虚拟电厂随机调度优化模型[J].电网技术, 2017,41(11):3590-3597.X U H u i,J I A O Y a n g,P U L e i,e ta l.S t o c h a s t i cs c h e d u-l i n g o p t i m i z a t i o nm o d e l f o rv i r t u a l p o w e r p l a n to f i n t e-g r a t e dw i n d-p h o t o v o l t a i c-e n e r g y s t o r a g es y s t e mc o n s i d-e r i n g u n c e r t a i n t y a n dd e m a n dr e s p o n s e[J].P o w e rS y s-t e m T e c h n o l o g y,2017,41(11):3590-3597. [6]罗翼婷,杨洪明,牛犇,等.考虑多风能预测场景的虚拟电厂日内滚动柔性优化调度方法[J].电力系统保护与控制,2020,48(2):51-59.L U O Y i t i n g,Y A N G H o n g m i n g,N I U B e n,e t a l.D a y-a-h e a df l e x i b l e r o l l i n g o p t i m i z a t i o n d i s p a t c h o f v i r t u a l p o w e r p l a n t b a s e d o nm u l t i-w i n d f o r e c a s t i n g r e s u l t s[J]. P o w e r S y s t e m P r o t e c t i o na n dC o n t r o l,2020,48(2):51-59.[7]袁桂丽,王宝源.含电动汽车的虚拟电厂经济性优化调度[J].太阳能学报,2019,40(8):2395-2404.Y U A N G u i l i,WA N G B a o y u a n.E c o n o m i co p t i m a ld i s-p a t c ho fv i r t u a l p o w e r p l a n tw i t he l e c t r i cv e h i c l e s[J].A c t aE n e r g i a eS o l a r i sS i n i c a,2019,40(8):2395-2404.[8]刘铠诚,何桂雄,郭炳庆.考虑电价碳价及风功率不确定性的风 火虚拟电厂运行优化策略[J].电力科学与技术学报,2018,33(3):99-105.L I U K a i c h e n g,H E G u i x i o n g,G U O B i n g q i n g.O p t i m a l s t r a t e g y f o r w i n d-f i r ev i r t u a l p o w e r p l a n tc o n s i d e r i n g u n c e r t a i n t i e s o fw i n d p o w e r f l u c t u a t i o n sa n d p r i c er a n-d o m n e s s o f e l e c t r i c i t y a n d c a r b o n[J].J o u r n a l o fE l e c t r i c P o w e r S c i e n c e a n dT e c h n o l o g y,2018,33(3):99-105.[9]顾伟,任佳依,高君,等.含分布式电源和可调负荷的售电公司优化调度模型[J].电力系统自动化,2017,41(14):37-44.G U W e i,R E NJ i a y i,G A O J u n,e ta l.O p t i m a ld i s p a t c-h i n g m o d e l o f e l e c t r i c i t y r e t a i l e r s c o n s i d e r i n g d i s t r i b u t e d g e n e r a t o r a n d a d j u s t a b l e l o a d[J].A u t o m a t i o n o f E l e c t r i c P o w e r S y s t e m s,2017,41(14):37-44.541Copyright©博看网. All Rights Reserved.。

双碳目标下基于Stackelberg和合作博弈的虚拟电厂双层优化调度目录1. 内容概述 (2)1.1 研究背景 (2)1.2 研究意义 (3)1.3 研究目的 (4)2. 相关理论 (5)3. 双碳目标下的挑战 (7)3.1 能源结构转型 (7)3.2 碳排放减排目标 (9)3.3 电力市场改革 (10)4. 基于Stackelberg和合作博弈的虚拟电厂双层优化调度方法 (12)4.1 Stackelberg模型在虚拟电厂中的应用 (12)4.2 合作博弈在虚拟电厂中的应用 (13)4.3 双层优化调度策略设计 (15)5. 实验与分析 (16)5.1 数据集介绍 (18)5.2 仿真平台搭建 (19)5.3 实验结果分析 (19)6. 结果与讨论 (21)6.1 调度策略性能评估 (22)6.2 调度策略优劣比较 (23)6.3 不确定性对调度策略的影响 (24)7. 结论与展望 (25)7.1 主要研究成果总结 (26)7.2 研究不足与展望 (27)7.3 可改进方向及建议 (28)1. 内容概述随着全球气候变化问题日益严重，各国政府纷纷提出了减少温室气体排放的目标，以实现可持续发展。

国家发展和改革委员会提出了“双碳”即到2030年前实现碳达峰，2060年前实现碳中和。

为了实现这一目标，电力行业需要进行深度的结构调整，提高能源利用效率，发展清洁能源，优化调度管理等。

本研究旨在探讨在双碳目标背景下，基于Stackelberg策略和合作博弈理论的虚拟电厂双层优化调度方法。

本文首先分析了虚拟电厂的概念及其在双碳目标下的重要性，然后介绍了基于Stackelberg策略的虚拟电厂调度方法，该方法通过引入一个上级控制器来实现对下级控制器的控制。

本文提出了一种基于合作博弈理论的虚拟电厂双层优化调度方法，该方法将Stackelberg 策略与合作博弈相结合，以实现更有效的资源配置和调度决策。

通过算例分析验证了所提出方法的有效性。

基于双层优化模型的电动汽车充放电调度策略目录一、内容简述 (2)二、电动汽车充放电调度策略概述 (3)三、双层优化模型构建 (4)3.1 优化模型的目标与约束条件 (5)3.2 双层优化模型架构设计 (6)3.3 数据采集与预处理模块 (8)四、双层优化模型的算法实现 (9)4.1 优化算法的选择与特点分析 (10)4.2 算法参数设置与优化策略 (11)4.3 算法性能评估与改进方向 (13)五、电动汽车充放电调度策略的优化实施 (14)5.1 调度策略制定的基本原则与流程 (15)5.2 充电站点的选择与布局优化 (16)5.3 电动汽车充放电时序安排与优化 (17)六、双层优化模型在实际应用中的案例分析 (18)6.1 案例背景介绍 (19)6.2 双层优化模型的应用过程与实施细节 (20)6.3 应用效果分析与总结 (21)七、电动汽车充放电调度策略的挑战与展望 (22)7.1 当前面临的挑战分析 (24)7.2 未来发展趋势预测与前瞻思考 (25)八、结论与进一步研究建议 (26)一、内容简述本文档旨在研究并设计一种基于双层优化模型的电动汽车充放电调度策略。

随着电动汽车（EV）的普及和智能电网的发展，对电动汽车充放电行为的管理和优化成为了一个重要的研究领域。

这种调度策略的主要目标是在满足用户出行需求和电力系统稳定运行的前提下，实现电动汽车充放电行为的优化管理，以提高电力系统的运行效率和可再生能源的利用率，同时降低用户的充电成本。

双层优化模型是本文的核心，在顶层优化中，主要关注电力系统的全局状态，包括电力供需平衡、电网稳定性以及可再生能源的接入等。

通过顶层优化，我们可以得到电网整体的优化目标，并据此制定全局性的调度策略。

在底层优化中，重点在于处理电动汽车个体的充放电行为。

基于电动汽车的行驶规律、充电需求以及电池状态等信息，我们可以对每辆电动汽车进行精细化调度，确保其充放电行为符合顶层优化的全局目标。

专利名称：考虑不确定性的气电虚拟电厂调度优化方法
专利类型：发明专利
发明人：许长清,张琳娟,李鹏,王利利,李慧璇,郑永乐,李锰,张平,周楠,郑征,杨莘博,樊伟,林宏宇,焦扬,郭璞,卢丹申请号：CN201911245617.9
申请日：20191207
公开号：CN110808615A
公开日：
20200218
专利内容由知识产权出版社提供
摘要：本发明提出了一种考虑不确定性的气电虚拟电厂调度优化方法，其步骤为：首先，搭建气电虚拟电厂结构，确定电力、天然气和二氧化碳的流向，其中，气电虚拟电厂结构包括风电单元、光伏单元和电转气单元；其次，分别构建各单元的输出功率模型，并根据各单元的输出功率模型的经济效益建立目标函数；最后，将虚拟电厂风电与光伏联合出力的条件风险价值引入经济效益调度的目标函数，综合考虑虚拟电厂运行的经济效益和风险程度，把风险水平控制在可接受的范围内实现经济效益最优，制定虚拟电厂调度优化方法。

通过本发明可以优化虚拟电厂运行，提高经济效益，降低碳排放量，很大程度提高能源利用效率，解决虚拟电厂目前存在的运行问题。

申请人：国家电网有限公司,国网河南省电力公司经济技术研究院
地址：100031 北京市西城区西长安街86号
国籍：CN
代理机构：郑州优盾知识产权代理有限公司
代理人：张真真
更多信息请下载全文后查看。

考虑新能源发电不确定性的含微电网群共享储能优化调度陈曦;付文龙;张海荣;张赟宁;王仁明;李佳裕
【期刊名称】《电网技术》
【年(卷),期】2024(48)1
【摘要】随着具有不确定性的可再生能源在微电网中渗透率日益提高,微电网新能源消纳所面临的挑战越来越大,而共享储能与微电网群的协同运行是提高其消纳能力的有效手段。

为了解决不确定环境下微电网群与共享储能协同调度问题,提出了一种考虑新能源发电不确定性的优化调度模型:首先,利用基于马尔科夫链蒙特卡洛算法的日状态转移过程集合生成方法,和基于条件生成对抗网络的日场景生成方法,生成周净发电功率典型场景。

进而使用生成的典型场景作为运行模拟场景,以共享储能运营商为主体,以各微电网为从体,构建一主多从博弈优化调度模型,其中主体调整共享储能容量租赁价格以追求最大利润,从体响应租赁价格,调整租赁容量方案及运行计划以最小化自身用电成本。

然后,设计了一种基于启发式算法的分布式迭代求解方法来求解所提模型。

最后通过算例验证了所提模型的有效性。

【总页数】10页(P219-228)
【作者】陈曦;付文龙;张海荣;张赟宁;王仁明;李佳裕
【作者单位】三峡大学电气与新能源学院;梯级水电站运行与控制湖北省重点实验室(三峡大学);中国长江电力股份有限公司;智慧长江与水电科学湖北省重点实验室【正文语种】中文
【中图分类】TM721
【相关文献】
1.考虑储能电池的微电网群双层优化调度策略
2.考虑新能源不确定性边界的主动配电网优化调度
3.含多微电网租赁共享储能的配电网博弈优化调度
4.含共享储能的微电网群分布鲁棒博弈优化调度方法
5.考虑储能寿命和通信故障的微电网群优化调度
因版权原因，仅展示原文概要，查看原文内容请购买。

考虑电-气-热耦合和需求响应的虚拟电厂优化调度策略王世杰;冯天波;孙宁;何可;李嘉文;杨程;崔昊杨【期刊名称】《中国电力》【年(卷),期】2024(57)1【摘要】热电联产机组以热定电的工作方式无法同时满足冬季供暖效率最大化和电力调峰需求,存在发电出力调节能力不足的问题。

针对上述问题,提出了考虑电、气、热能源耦合特性以及需求响应的虚拟电厂优化调度策略。

首先,为提升热电联产机组向下调峰能力,引入电制气设备和碳捕集技术,构建新型的热电联产耦合模型。

其次,为提升系统运行的灵活性,考虑峰谷分时电价、热价,建立综合需求响应机制。

然后,为减少系统发电成本,引入电、热储能装置,以系统总成本和电、热储能运行成本最小化为目标建立虚拟电厂双层优化模型,并根据下层优化模型的KKT(Karush-Kuhn-Tucher,KKT)条件将双层模型转为单层并线性化处理进行求解。

结果表明,所提方法的碳排放、运行成本以及新能源消纳率达到最优,提升了热电机组向下调峰能力,满足了系统低碳性、经济性的需求。

【总页数】14页(P101-114)【作者】王世杰;冯天波;孙宁;何可;李嘉文;杨程;崔昊杨【作者单位】上海电力大学电子与信息工程学院;国网上海市电力公司信息通信公司;国网上海市电力公司培训中心【正文语种】中文【中图分类】F42【相关文献】1.考虑电/热/气耦合需求响应的多能微网多种储能容量综合优化配置2.考虑用户舒适度的虚拟电厂电/热综合需求响应3.考虑时空耦合的小水电富集型虚拟电厂优化调度策略4.考虑多重不确定性的含需求响应及电碳交易的虚拟电厂优化调度策略5.考虑碳交易与需求响应的虚拟电厂参与电力市场调度策略因版权原因，仅展示原文概要，查看原文内容请购买。

考虑风电光伏出力不确定性的微网经济优化调度发布时间：2021-04-28T07:31:23.386Z 来源：《河南电力》2021年1期作者：尹向荣[导读] 虚拟发电厂（Virtual Power Plant，VPP）作为整合相对分散的分布式发电资源并实现管理的重要手段得到了蓬勃发展。

（水发兴业能源（珠海）有限公司广东省珠海市 519000）摘要：多级调度可根据更高频率的光伏功率预测结果来实现更准确的优化调度，不过当前多级调度研究大多针对间歇式电源接入的互联大电网，鲜见讨论“大机小网”下火电-光伏-海蓄-需求响应多系统联合运行的优化调度问题。

为此，本文在考虑需求响应和海蓄机组运行特点的基础上，提出了规模化光伏接入“大机小网”的两阶段优化调度方法，该方法通过在日前调度中引入光伏未消纳量损失成本，提高了光伏消纳量；考虑负荷需求响应，建立考虑分时电价的时序负荷模型与需求响应成本模型，实现“削峰填谷”和多目标经济运行；同时，由于光伏出力预测存在误差，将SMPC作为日内滚动优化的基本框架，引入海蓄机组来平衡预测误差，实现电力系统优化调度的经济性。

经过海南电网实际算例验证表明，本文提出的调度方法是有效的。

关键词：风电光伏；出力不确定性；微网经济；优化调度引言近年来，电力系统中涌现了数量众多、种类丰富的分布式发电资源（Distributed Energy Resources，DERs），其灵活可调的运行特性以及出力的波动性为电力系统带来了机遇和挑战。

当分布式发电在电力系统中的配置较为集中时，一般采用微电网或者主动配电网的形式进行集成管理；当分布式发电的分布不适合构成一个统一的系统时，采用传统的微电网或者主动配电网形式难以实现管理。

在这种情况下，虚拟发电厂（Virtual Power Plant，VPP）作为整合相对分散的分布式发电资源并实现管理的重要手段得到了蓬勃发展。

1风光储的容量优配置风光储的容量优化配置以及虚拟储能在微网能量优化管理上已得到广泛关注。