CN105514986A - 一种基于虚拟电厂技术的der用户竞价并网方法 - Google Patents

Abstract

本发明涉及一种基于虚拟电厂技术的DER用户竞价并网方法，包括以下步骤：1)电力调度中心根据DER用户反馈的负载数据预测下一时间段内的参考电价；2)DER用户根据参考电价及DER用户出力得到并网竞标策略，并反馈回电力调度中心；3)电力调度中心根据基于模糊隶属度的多目标分析模型响应DER用户的竞标策略，DER用户根据目标函数选择最优的并网竞标策略。与现有技术相比，本发明具有考虑全面、计算准确等优点。

Description

一种基于虚拟电厂技术的DER用户竞价并网方法

技术领域

本发明涉及一种并网方法，尤其是涉及一种基于虚拟电厂技术的DER用户竞价并网方法。

背景技术

近年来，为缓解全球能源危机、减少环境污染，风能、太阳能、生物质能等可再生能源获得极大重视，使得分布式电源(distributedgeneratorDG)技术迅猛发展。DG、能量存储系统、可控负荷、电动汽车等不同类型的分布式能源(distributedenergyresource，DER)逐渐普及至电网用户端(Users)。作为集中式发电的有益补充，DER可以缓解电网供电压力，有利于平衡负荷；DER的接入位置多为电网用户端或其附近，有利于减少电力传输时的线路损耗及配电网升级费用；DER利用可再生能源发电、能量存储、负荷控制等技术，可有效减少用户用电费用、提高能源利用率及用户用电独立性。但与此同时，容量小、数量大、分布不均且随机性强的DER大规模并网给电网的稳定运行带来了巨大挑战。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑全面、计算准确的基于虚拟电厂技术的DER用户竞价并网方法。

本发明的目的可以通过以下技术方案来实现：

一种基于虚拟电厂技术的DER用户竞价并网方法，包括以下步骤：

1)电力调度中心根据DER用户反馈的负载数据预测下一时间段内的参考电价；

2)DER用户根据参考电价及DER用户出力得到并网竞标策略，并反馈回电力调度中心；

3)电力调度中心根据基于模糊隶属度的多目标分析模型响应DER用户的竞标策略，DER用户根据目标函数选择最优的并网竞标策略。

所述的步骤1)中，参考电价的计算式为：

${\mathrm{\θ}}^{\left(k\right)}=\frac{\underset{j}{\Σ}{\mathrm{\π}}_j^{\left(k\right)}\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)}{\underset{j}{\Σ}\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)}$

${\mathrm{\π}}_j^{\left(k\right)}\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)={\mathrm{\Ω}}_s\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)+{\mathrm{\Ω}}_v\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)$

${\mathrm{\Ω}}_s\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)=a_j+b_j\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)+\frac{1}{2}{c}_j{\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)}^2$

${\mathrm{\Ω}}_v\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)={\mathrm{\β}}_j{({\stackrel{\‾}{x}}_j^{\left(k\right)}T-{\stackrel{\‾}{x}}_j^{(k-1)}T)}^2$

其中，θ^(k)为第k个周期的参考电价，为可控发电厂j在第k个电价更新周期内出力为时的边际成本，T为电价更新周期，为可控发电厂j由发电导致的成本，为可控发电厂j由机组出力变化导致的成本，a_j、b_j、c_j、β_j为发电成本参数，T为可控发电厂j在第k-1个电价更新周期内竞标后的实际出力。

所述的步骤2)中，竞标策略包括以下四类：

(1)平均竞标电价随DER用户出力增加而减小，即：

${\mathrm{\α\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimax}^{\left(k\right)}\right)\≤{\mathrm{\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimin}^{\left(k\right)}\right)\≤{\mathrm{\β\θ}}^{\left(k\right)}$

(2)平均竞标电价始终低于参考电价θ^(k)：

$\left\{\begin{array}{c}{\mathrm{\α\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\min }^{\left(k\right)}\right)\\ {\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\min }^{\left(k\right)}\right)\≤{\mathrm{\θ}}^{\left(k\right)}\end{array}\right.$

(3)平均竞标电价始终高于参考电价θ^(k)：

$\left\{\begin{array}{c}{\mathrm{\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\max }^{\left(k\right)}\right)\\ {\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\max }^{\left(k\right)}\right)\≤{\mathrm{\β\θ}}^{\left(k\right)}\end{array}\right.$

(4)平均竞标电价随出力增加而增大：

${\mathrm{\α\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimin}^{\left(k\right)}\right)\≤{\mathrm{\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimax}^{\left(k\right)}\right)\≤{\mathrm{\β\θ}}^{\left(k\right)}$

其中， ${\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi}^{\left(k\right)}T\right)=m_i^{\left(k\right)}+\frac{n_i^{\left(k\right)}}{P_{Gi}^{\left(k\right)}T},$ 为第i个DER用户在第k个电价更新周期的出力收益，为第i个DER用户在第k个电价更新周期的出力，和为的最小值和最大值，α和β为竞标范围比例系数，且0＜α≤1β≥1，和为第i个DER用户的竞标参数。

所述的步骤3)包括以下步骤：

31)获取多目标分析模型的目标函数，包括：

$C_2=\frac{1}{2}\Σ\frac{{(U_i-U_{i^{\′}})}^2}{R_{{\mathrm{ii}}^{\′}}}{\mathrm{ii}}^{\′}$

$C_3=\sqrt{\frac{\underset{j}{\Σ}{(U_i-U_s)}^2}{n}}$

其中，C₁为运营成本，C₂为有功网络损耗，C₃为电压偏离程度，U_i和U_i′为节点i和i′的电压，R_ii′为节点i和i′的间的阻抗，U_s为期望电压值，n为节点总数，为第k个电价更新周期DER用户竞标后经电力调度中心协调发电时可控发电厂j的实际出力；

32)获取多目标分析模型的单隶属度函数A(C_i)和多隶属度函数C为：

$A\left(C_i\right)=\frac{C_i-C_{i\min }}{C_{i\max }-C_i}$

C＝(A(C_i))_maxi＝1,2,3

33)获取多目标分析模型的约束条件为：

$\underset{j}{\Σ}{x}_j^{\left(k\right)}+\underset{j}{\Σ}{P}_{Gi}^{\left(k\right)}>\ΣP_L^{\left(k\right)}$

$x_j^{\left(k\right)}\≤x_{j\max }^{\left(k\right)}$

$P_{Gi}^{\left(k\right)}\≤P_{Gi\max }^{\left(k\right)}$

其中，为DER用户反馈的负载，为的最大值，为的最大值；

34)根据不同的目标函数采用变邻域下降算法结合局部搜索算法进行求解，获取隶属度函数最小时对应的并网竞标策略为最优并网策略。

所述的步骤31)中的目标函数既可以单独使用，也可以加权后使用。

与现有技术相比，本发明具有以下优点：

本发明所提出的基于虚拟电厂技术的协调控制DER用户并网模型，亦建立在“区域内存在完全可控的供电设施”这一研究基础之上。在满足电力系统电能需求的基础上，实现最佳效益，是研究虚拟电厂协调控制策略的目标，本发明根据虚拟电厂的功能分类分别提出基于商业型虚拟电厂(commercialVPP，CVPP)和技术型虚拟电厂(technicalVPP，TVPP)的优化目标，并依据模糊隶属度理论进行多目标优化研究。

附图说明

图1为VND算法流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

针对多目标分析模型，本发明采用多起始点变邻域下降(MS-VND)算法与局部搜索(LS)相结合的算法进行求解。算法伪代码如下，结合所提出的模型及仿真算例，采用0-100的整数编码表征用户并网出力功率百分比。随机生成Nstart组初始解作为起始点，分别对各初始解进行变邻域搜索求得较优解并对该较优解进行局部搜索，进一步优化至满足算法终止条件。

该算法核心部分为变邻域下降算法。VND算法是变邻域搜索算法的一种，其主要思想是针对问题模型及编码方式设计一系列半径不同的邻域搜索算子并优化各邻域搜索顺序，对初始解进行变邻域贪婪搜索，其流程图如图1所示。

图中：mod(·)为取余数函数。

图1中：k为邻域内搜索次数，邻域j的终止条件为解经过Kmax(j)次搜索无改进，Kmax(j)随邻域大小自适应变化，满足下式：

$K_{max}\left(j\right)=k\frac{N_{\min }}{N\left(j\right)}$

式中：N(j)N(j)为邻域j的可行解总数，直接反映该邻域大小；N_minNmin为最小邻域的可行解总数；k为常数表示最小邻域N_min的终止搜索次数，本发明设置k为300。

结合用户并网出力的可行性及计算代价评估等因素设计了包括平移算子、递增(减)算子、变异算子等在内的8个邻域，变邻域下降搜索的顺序按邻域大小N(j)由大至小排序，并通过局部最优跳出机制确保算法的搜索深度及广度。当算例规模较大时，VND算法邻域半径设置偏小将导致计算成本大幅增加，而邻域半径设置偏大则容易陷入局部最优。因此本发明在研究IEEE118节点仿真算例时，对由MS－VND求得的较优解进行局部搜索，从而进一步优化解的质量。本发明提出的MS－VND+LS算法针对单个或多个初始解进行优化，其搜索方式是简单的贪婪搜索形式。同时，MS－VND算法根据模型及实际算例设计一系列具有针对性的邻域并合理规划其搜索顺序，可以有效减少对不可行解的搜索次数，节约计算成本，提高计算效率。与局部搜索相结合，采用二阶段搜索的方式可以有效解决较大规模算例。总的来说，与具有普适性的遗传算法、粒子群算法等传统群体智能算法不同，MS－VND+LS算法是一种针对本发明提出模型及算例的简单高效算法。

实施例：

采用IEEE118节点标准测试系统模拟某区域居民用电系统进行仿真，设置周期T＝1h。以测试系统平衡节点作为该区域的可控发电设施并假设该可控发电设施为火力发电厂，发电总容量为1500MW，其发电成本参数为a＝10美元，b＝3美元/(MW·h)，c＝0.03美元/(MW·h)2，β＝0.051美元/(MW·h)2[13]。假设该周期内负载需求较上一周期有所减少，出力变化比η＝0.65。

考虑测试系统能量等级的合理性，假设每个节点均为区域性能量管理系统，能量管理系统响应该节点地理区域内用户群体的负载需求并根据实际情况统一制定并网竞价策略。本仿真只考虑节点的整体行为，节点内每个独立用户的个体行为不做详细研究。算例假设118节点中随机的67节点可以并网竞标供电，即为DER用户，其余节点均只作为负载用户。其中，所有节点有功负载PL

按参数为μ＝10，σ＝2的正态分布随机生成；所有可并网供电节点有功出力上下限按参数为μ1＝3，μ2＝6，σ1＝0.5，σ2＝1的正态分布随机生成。

由于居民用电负载多为阻性负载，功率因数较高，因此各节点无功负载QL设置相对较小。计算运营成本及网络损耗时亦不考虑无功补偿成本及无功损耗。假设ISO对该区域负载估计为无偏差估计，由潮流计算可得该区域只有可控发电厂出力供电时发电功率为1298.358MW，发电成本为54477美元，因此，平均发电成本(参考电价)为41.96美元/(MW·h)。考虑竞标范围合理性，设置α＝0.5，β＝2。

所设计的算法中，MS－VND算法起始点个数设置为10，邻域个数为8，邻域内搜索终止条件根据邻域大小自适应变化，针对较优解进行局部搜索时的搜索次数也相应增加。分别就单目标及多目标情况进行仿真。

Case0：对集中式发电情况进行仿真，即区域内只有可控发电设施出力。由潮流分析可得，该情况下运营成本为54477美元，有功网络损耗为104.208MW，各节点电压偏离标准电压的方差为0.021562。

Case1：以运营成本为优化目标。其最优解时运营成本为41841美元，较未接入DER的集中式发电情况降低成本23.2％。由于可再生能源发电边际成本低，因此用户的DER并网供电行为可以有效地降低电力系统运营成本，节约资源，但用户的出力范围具有不确定性。在本发明所设计的并网供电模型中，用户的出力范围和竞标策略直接影响运营成本。

Case2：以电网有功损耗为优化目标。未接入DER集中式发电情况下电网有功损耗占发电总容量的8.03％，而以有功损耗作为优化目标求得最优解情况下，电网有功网络损耗52.146MW，仅占发电总容量的4.02％，此时可并网供电用户全部以最大功率出力。可见，在当前模型下合理配置DER可以有效地降低有功网络损耗。

Case3：以电网节点电压偏差程度为优化目标表征电能质量。节点电压偏差程度以节点电压偏离标准电压的标准差作为衡量基准，未接入DER时电压偏差值为0.021562，最优解情况下电压偏差值为0.021206。优化DER并网后的电压偏差值较集中式发电情况降低了1.65％，各节点电压更加接近期望电压，节点间电压偏差更小。因此在本发明假设的场景下，DER合理并网可以降低电压偏离程度，提高电能质量，有利于电力系统的安全可靠运行。

Case4：综合考虑运营成本、有功损耗和电压电压偏差程度进行多目标优化。算法能够快速收敛且局部搜索过程可进一步优化由MS－VND算法所得的解，证明所设计算法的有效性。该情况下运营成本为44365美元，较Case0降低了18.56％；有功损耗为65.752MW，较Case0减少了36.9％；电压偏差为0.021366，较Case0降低了0.9％，三项指标较集中式发电情况均有明显改善。因此ISO按该优化目标协调DER并网不仅可以降低电网运营成本、减少损耗，亦可使电网更加安全可靠的运行。

Case4情况下求得的最优解与Case0，Case1，Case2，Case3四次仿真结果进行对比，Case1较集中式供电情况运营成本减少23.2％，有功损耗降低45.73％，电压偏差降低了0.065％；Case2较集中式供电情况运营成本减少22.35％，有功损耗降低49.96％，电压偏差提高了0.056％；Case3较集中式供电情况运营成本减少7.22％，有功损耗降低13.39％，电压偏差降低了1.65％；Case4较集中式供电情况运营成本减少18.56％，有功损耗降低36.73％，电压偏差了降低了0.091％。Case4情况下运营成本、有功损耗及电压偏差相对于集中式发电情况均有明显改善，与Case1，Case2，Case3中单目标优化情况相比各最优指标相差较小，是一种综合考虑电网经济、安全、可靠运行的方案。因此对于ISO而言，当其仅关心某一单独指标时，可参考Case1，Case2，Case3所采用的目标模型设置应标方案；当需考虑电网综合指标时，可参考Case4所采用的多目标模型；若其考虑综合指标且有所偏好，可在多目标模型的基础上设置权重系数进行应标。

DER用户采用不同竞标策略均能有效的参与并网竞标，如节点8，84，9，6分别采用了式(8)至式(11)表示的4种竞标策略，在Case1，Case2，Case3，Case4四种竞标环境下的应标结果均有所不同，可见本发明所提出的4种竞标策略是合理可行的。节点8，28采用竞标策略1，该策略特征是平均竞标电价随竞标出力递减。Case4情况下，节点28满负荷输出而节点8的输出功率为3.02MW，未达到出力上限，可见采用相同竞标策略的节点其应标结果仍有差异，这与节点在电力系统中的拓扑位置及其设置的竞标参数m，n有关。竞标策略2的特征为用户平均竞标电价始终低于参考电价，因此在以运营成本为优化目标的Case1情况下选择竞标策略2的用户全部满负荷输出，在Case4情况下亦接近满负荷输出。竞标策略3的特性为用户平均竞标电价始终高于参考电价，即使竞标价格较高，采用该策略的用户在不同情况下的中标情况依旧可观，但较少出现满负荷输出情况。竞标策略4的特性为用户平均竞标电价随竞标出力递增，采用竞标策略4的用户中标情况多为以低功率并网。因此，在本发明所提出的并网模型下，DER用户应根据自身所处拓扑位置、出力能力及储能情况合理选择竞标策略：当DER用户无法储能而急于并网消纳时，可采用策略2竞标，以较低的竞价策略保证确保其较大出力功率中标；当DER用户储能容量较小时，可采用策略1，4竞标，既可以追求更高的竞标收益，又可以平稳出清储能；当DER用户储能容量较大时，可采用策略3，4并选择参考电价较高时竞标以获取更高的收益。

随着智能电网技术的逐步发展，电力运营商与电网用户之间能够实现能量、信息的双向连通。未来智能电网用户不仅可以消费电能，还可以通过DER的形式并网出售电能。本发明针对此背景下的智能电网用户并网规则进行了深入探究，提出了ISO实时预测参考电价、DER用户响应参考电价参与并网竞标、ISO决策应标的并网模式。根据建立的并网规则模型，设计了MS－VND与局部搜索相结合的优化算法进行求解，并通过IEEE118节点标准测试系统模拟某区域电力系统进行数值仿真。通过仿真数据分析了ISO的单目标及多目标决策模型的针对性，同时分析了用户4种竞标策略的优劣及适用情形并给出了合理建议。总体来说，仿真结果及分析表明所设计的基于虚拟电厂技术的未来智能电网用户并网规则合理可行，不仅可以协助ISO有效地管理控制区域内的DER有序并网，还有助于提高电力系统运行的经济性和可靠性。

Claims (4)

1.一种基于虚拟电厂技术的DER用户竞价并网方法，其特征在于，包括以下步骤：

1)电力调度中心根据DER用户反馈的负载数据预测下一时间段内的参考电价；

2)DER用户根据参考电价及DER用户出力得到并网竞标策略，并反馈回电力调度中心；

3)电力调度中心根据基于模糊隶属度的多目标分析模型响应DER用户的竞标策略，DER用户根据目标函数选择最优的并网竞标策略。

2.根据权利要求1所述的一种基于虚拟电厂技术的DER用户竞价并网方法，其特征在于，所述的步骤1)中，参考电价的计算式为：

${\mathrm{\θ}}^{\left(k\right)}=\frac{\underset{j}{\Σ}{\mathrm{\π}}_j^{\left(k\right)}\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)}{\underset{j}{\Σ}\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)}$

${\mathrm{\π}}_j^{\left(k\right)}\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)={\mathrm{\Ω}}_s\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)+{\mathrm{\Ω}}_v\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)$

${\mathrm{\Ω}}_s\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)=a_j+b_j\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)+\frac{1}{2}{c}_j{\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)}^2$

${\mathrm{\Ω}}_v\left({\stackrel{\‾}{x}}_j^{\left(k\right)}T\right)={\mathrm{\β}}_j{({\stackrel{\‾}{x}}_j^{\left(k\right)}T-{\stackrel{\‾}{x}}_j^{(k-1)}T)}^2$

其中，θ^(k)为第k个周期的参考电价，为可控发电厂j在第k个电价更新周期内出力为时的边际成本，T为电价更新周期，为可控发电厂j由发电导致的成本，为可控发电厂j由机组出力变化导致的成本，a_j、b_j、c_j、β_j为发电成本参数，T为可控发电厂j在第k-1个电价更新周期内竞标后的实际出力。

3.根据权利要求2所述的一种基于虚拟电厂技术的DER用户竞价并网方法，其特征在于，所述的步骤2)中，竞标策略包括以下四类：

(1)平均竞标电价随DER用户出力增加而减小，即：

${\mathrm{\α\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimin}^{\left(k\right)}\right)\≤{\mathrm{\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimax}^{\left(k\right)}\right)\≤{\mathrm{\β\θ}}^{\left(k\right)}$

(2)平均竞标电价始终低于参考电价θ^(k)：

$\left\{\begin{array}{c}{\mathrm{\α\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\min }^{\left(k\right)}\right)\\ {\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\min }^{\left(k\right)}\right)\≤{\mathrm{\θ}}^{\left(k\right)}\end{array}\right.$

(3)平均竞标电价始终高于参考电价θ^(k)：

$\left\{\begin{array}{c}{\mathrm{\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\max }^{\left(k\right)}\right)\\ {\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gi\max }^{\left(k\right)}\right)\≤{\mathrm{\β\θ}}^{\left(k\right)}\end{array}\right.$

(4)平均竞标电价随出力增加而增大：

${\mathrm{\α\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimin}^{\left(k\right)}\right)\≤{\mathrm{\θ}}^{\left(k\right)}\≤{\mathrm{\λ}}_i^{\left(k\right)}\left(P_{Gimax}^{\left(k\right)}\right)\≤{\mathrm{\β\θ}}^{\left(k\right)}$

其中， 为第i个DER用户在第k个电价更新周期的出力收益，为第i个DER用户在第k个电价更新周期的出力，和为的最小值和最大值，α和β为竞标范围比例系数，且0＜α≤1β≥1，和为第i个DER用户的竞标参数。

4.根据权利要求3所述的一种基于虚拟电厂技术的DER用户竞价并网方法，其特征在于，所述的步骤3)包括以下步骤：

31)获取多目标分析模型的目标函数，包括：

$C_2=\frac{1}{2}\mathrm{\Σ}\frac{{(U_i-U_{i^{\′}})}^2}{R_{{\mathrm{ii}}^{\′}}}{\mathrm{ii}}^{\′}$

$C_3=\sqrt{\frac{\underset{j}{\Σ}{(U_i-U_s)}^2}{n}}$

其中，C₁为运营成本，C₂为有功网络损耗，C₃为电压偏离程度，U_i和U_i′为节点i和i′的电压，R_ii′为节点i和i′的间的阻抗，U_s为期望电压值，n为节点总数，为第k个电价更新周期DER用户竞标后经电力调度中心协调发电时可控发电厂j的实际出力；

32)获取多目标分析模型的单隶属度函数A(C_i)和多隶属度函数C为：

$A\left(C_i\right)=\frac{C_i-C_{imin}}{C_{imax}-C_i}$

C＝(A(C_i))_maxi＝1,2,3

33)获取多目标分析模型的约束条件为：

$\underset{j}{\Σ}{x}_j^{\left(k\right)}+\underset{j}{\Σ}{P}_{Gi}^{\left(k\right)}>{\mathrm{\ΣP}}_L^{\left(k\right)}$

$x_j^{\left(k\right)}\≤x_{jmax}^{\left(k\right)}$

$P_{Gi}^{\left(k\right)}\≤P_{Gimax}^{\left(k\right)}$

其中，为DER用户反馈的负载，为的最大值，为的最大值；

34)根据不同的目标函数采用变邻域下降算法结合局部搜索算法进行求解，获取隶属度函数最小时对应的并网竞标策略为最优并网策略。