CN111740430A - 一种基于虚拟电厂的源网协同动态优化方法 - Google Patents

Abstract

本发明公开了一种基于虚拟电厂的源网协同动态优化方法，包括了根据虚拟电厂内部蓄电池充放电的连续过程，构建虚拟电厂的动态数学模型；将配电网控制设备的动作次数以罚函数形式表示，构建配电网控制设备的动态数学模型；利用所述虚拟电厂的动态数学模型和所述配电网控制设备的动态数学模型对虚拟电厂进行动态优化。本发明针对配电网离散控制设备动作次数约束和蓄电池充放电平衡约束造成的动态无功优化问题，提出一种时段解耦策略，将优化问题转为逐时段连续优化，并建立动态的虚拟电厂和配电网无功协同优化模型，利用优化过程中控制变量和状态变量的信息进行源网协同的无功趋优控制。

Description

一种基于虚拟电厂的源网协同动态优化方法

技术领域

本发明涉及智能配电网的技术领域，尤其涉及一种基于虚拟电厂的源网协同动态优化方法。

背景技术

随着分布式能源的快速发展和新技术的应用，电力系统面临着一些巨大的挑战。可再生能源的不确定性和分布式电源DER大量接入电网的复杂性使电力系统的管理变得越来越困难。因此，应以适当的方式利用分布式电源，而不是成为使他们电网的负担，虚拟电厂(VPP)正是处理这一问题的一种前瞻性技术模式。

目前，对于虚拟电厂参与电力市场的研究多为能量市场方面，而对于辅助服务市场的研究处于起步阶段。信息技术和通信技术飞速发展，为虚拟电厂的建设与发展提供了有力的支撑，在此背景下对虚拟电厂进行无功辅助服务的研究，可以扩展虚拟电厂的功能，进一步保障虚拟电厂参与电力系统运行的电能质量和系统安全。

电力系统的无功平衡与电能质量密切相关，通过虚拟电厂协调分布式电源和分布式储能的协同工作，并以辅助服务价格激励分布式发电商参与无功服务，配合配电网协同解决分布式能源高渗透率接入电网造成的电压越限等问题，可以降低分布式电源并网对公网的影响，减少分布式电源增长造成的调度困难。对维护系统稳定运行，提高分布式电源无功功率的利用率，降低电网调压成本的同时提高整体经济效益有重要意义。因此，本发明将基于虚拟电厂，研究含分布式电源和分布式储能的配电网的源网协同优化技术。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在配电网离散控制设备动作次数约束和蓄电池充放电平衡约束造成的动态无功优化的问题，提出了本发明。

因此，本发明解决的技术问题是：构建虚拟电厂的动态数学模型和配电网控制设备的动态数学模型，通过时段解耦将优化问题转为逐时段连续优化，实现了含虚拟电厂配电网的无功趋优控制。

为解决上述技术问题，本发明提供如下技术方案：根据虚拟电厂内部蓄电池充放电的连续过程，构建虚拟电厂的动态数学模型；将配电网控制设备的动作次数以罚函数形式表示，构建配电网控制设备的动态数学模型；利用所述虚拟电厂的动态数学模型和所述配电网控制设备的动态数学模型对虚拟电厂进行动态优化。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：利用蓄电池上一时刻的电量、此时段的充电量和放电量可以得到蓄电池下一时刻的电量，其公式表示如下：

E(t)＝E(t-1)(1-σ)-P_dis(t)Δt/η_dis+P_ch(t)Δtη_ch

其中，E(t)、E(t-1)分别为t、t-1时刻的蓄电池剩余电量(kWh)，，P_ch、P_dis分别为蓄电池的充电功率和放电功率，η_ch、η_dis分别为蓄电池的充电效率和放电效率，σ为蓄电池的自放电率。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述配电网控制设备包括电容器组和有载调压器。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述电容器组动作罚函数和所述有载调压器分接头动作罚函数包括，所述两种动作罚函数的公式表示如下：

其中，N_C、N_T分别为电容器组和有载调压变压器个数，

分别为电容器组和有载调压变压器剩余可调节次数，t_r为当日剩余优化时间段数，

分别为当前优化时段及前一个时段电容器组投入状态，

分别为当前优化时段及前一个时段有载调压器分接头动作状态，α、β分别为控制设备动作罚函数参数，其值的选取遵循以下原则：当剩余可调节次数低于20％时，使惩罚值达到平均网损费用的8％～15％，当剩余可调节次数大于50％时，使惩罚值不大于平均网损费用的4％。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述动态优化包括，对所述虚拟电厂以及配电网进行优化，对粒子种群进行优化，存储并输出所述优化的结果。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述对虚拟电厂进行动态优化还包括，动态优化的目标函数表示如下：

其中：f^t为t时段的综合优化费用，

为线路有功损耗费用，

为VPP辅助服务费用，

为电压偏移代价，

为蓄电池充放电不平衡代价，所述

的计算公式分别表示为如下：

其中：N为节点数，λ_U为电压越限的罚系数U_imin、U_imax分别为节点i处的最小电压限值、最大电压限值，ΔU_i为节点电压越限值，具体表示为如下：

其中：ρ_P为有功电价，

为t时段的线路有功损耗；

和

为t时段虚拟电厂的辅助服务报价，P_VPP,i,t和Q_VPP,i,t为t时段虚拟电厂的有功、无功出力；λ_E为惩罚因子，

为t时段第i个储能装置的充放电平衡指标，N_SB为配电网中储能装置的总个数。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述对虚拟电厂进行动态优化还包括，根据蓄电池充放电平衡、电压偏移、电容器和有载调压器的约束条件和电容器以及变压器的动作约束并且以线路有功损耗费用和虚拟电厂辅助服务费用最低为目标。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述充放电平衡指标包括，在t时段内第i个储能装置的充放电平衡指标为

与初始时刻相比，如果在t时段内所述充放电平衡指标的绝对值超过了系数ε，则该值为此时刻储能装置电量与初始时刻电量差的绝对值，否则为0；计算公式表示如下：

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述动作约束包括，电容器投切次数限制约束：

K_Ci≤K_Cimax(i∈N_c)

其中，K_Ci、K_Cimax分别为电容器组i在一天中投切的次数和最大次数；变压器分接头变化次数约束：

K_Ti≤K_Timax(i∈N_T)

其中，K_Ti、K_Timax分别为可调变压器i在一天中的变化次数和最大次数。

作为本发明所述的基于虚拟电厂的源网协同动态优化方法的一种优选方案，其中：所述约束条件包括，虚拟电厂有功、无功出力范围约束：

其中

分别为虚拟电厂i可提供的有功以及无功容量的上、下限；无功补偿节点的电容器组装设容量约束：

其中

分别为无功补偿节点i的电容器组装设容量上、下限；变压器分接头位置变化范围约束：

其中，

分别为变压器i分接头的位置上、下限；节点电压约束：

其中，

分别为节点电压上、下限值。

本发明的有益效果：本发明充分考虑了分布式电源出力和负荷的波动性，针对离散控制设备动作次数约束以及蓄电池充放电平衡造成的动态无功优化问题的时空强耦合性，提出了一种时段解耦策略，将优化问题转为了逐时段连续优化；本发明综合所提动态优化方法，综合考虑了配电网有功损耗、VPP辅助服务、电压偏移的成本、蓄电池充放电不平衡代价、配电网变压器和无功补偿设备切换成本等多方面的因素，实现了综合优化费用的最小化。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一个实施例所述一种基于虚拟电厂的源网协同动态优化方法的流程示意图；

图2为本发明第一个实施例所述一种基于虚拟电厂的源网协同动态优化方法的含虚拟电厂配电网结构图；

图3为本发明第一个实施例所述一种基于虚拟电厂的源网协同动态优化方法的基于改进粒子群算法的动态优化求解流程图；

图4为本发明第二个实施例所述一种基于虚拟电厂的源网协同动态优化方法的各时段节点平均电压越限偏差示意图；

图5为本发明第二个实施例所述一种基于虚拟电厂的源网协同动态优化方法的各时段线路损耗示意图；

图6为本发明第二个实施例所述一种基于虚拟电厂的源网协同动态优化方法的各时段虚拟电厂辅助服务费用示意图；

图7为本发明第二个实施例所述一种基于虚拟电厂的源网协同动态优化方法的变压器分接头动作次数示意图；

图8为本发明第二个实施例所述一种基于虚拟电厂的源网协同动态优化方法的电容器动作次数示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1～3，为本发明的第一个实施例，该实施例提供了一种基于虚拟电厂的源网协同动态优化方法，包括：

S1：根据虚拟电厂内部蓄电池充放电的连续过程，构建虚拟电厂的动态数学模型。需要说明的是：虚拟电厂内部蓄电池充放电的连续过程包括，利用蓄电池上一时刻的电量、此时段的充电量和放电量可以得到蓄电池下一时刻的电量，其公式表示如下：

E(t)＝E(t-1)(1-σ)-P_dis(t)Δt/η_dis+P_ch(t)Δtη_ch

其中，E(t)、E(t-1)分别为t、t-1时刻的蓄电池剩余电量(kWh)，，P_ch、P_dis分别为蓄电池的充电功率和放电功率，η_ch、η_dis分别为蓄电池的充电效率和放电效率，σ为蓄电池的自放电率。

S2：将配电网控制设备的动作次数以罚函数形式表示，构建配电网控制设备的动态数学模型。需要说明的是：配电网控制设备包括电容器组和有载调压器；

其中，电容器组动作罚函数和有载调压器分接头动作罚函数包括，两种动作罚函数的公式表示如下：

其中，N_C、N_T分别为电容器组和有载调压变压器个数，

分别为电容器组和有载调压变压器剩余可调节次数，t_r为当日剩余优化时间段数，

分别为当前优化时段及前一个时段电容器组投入状态，

分别为当前优化时段及前一个时段有载调压器分接头动作状态，α、β分别为控制设备动作罚函数参数，当剩余可调节次数低于20％时，使惩罚值达到平均网损费用的8％～15％，当剩余可调节次数大于50％时，使惩罚值不大于平均网损费用的4％。

S3：利用虚拟电厂的动态数学模型和配电网控制设备的动态数学模型对虚拟电厂进行动态优化。其中需要说明的是，动态优化包括，对虚拟电厂以及配电网进行优化，对粒子种群进行优化，存储并输出优化的结果；

其中，虚拟电厂以及配电网进行优化：向粒子群中输入原始数据，获取系统网络结构、发电机信息、负荷信息，以及变压器分接头可调范围、电容器容量、DER容量、蓄电池容量等信息；设置粒子群算法中各参数，如种群大小、迭代次数上限、速度更新参数、惯性权重，以及粒子的维数、各维变量的取值范围等；设置模型相关参数，如有功边际价格、无功服务价格、电压越限罚系数、控制设备动作罚系数等；初始化蓄电池剩余电量、优化剩余时间段数、各变压器分接头、电容器组剩余可调节次数；更新DG有功出力情况，并计算VPP出力范围和无功服务价格；更新负荷情况，更新VPP出力范围和服务价格；

对粒子种群进行优化：初始化粒子种群，随机生成各粒子的位置和速度，并根据粒子位置修改系统相应的VPP有功和无功出力、变压器分接头位置以及电容器投入状态；使用牛顿-拉夫森方法计算系统潮流，并计算得到综合考虑网损费用、VPP辅助服务成本、蓄电池不平衡罚函数、电压偏移罚函数和控制设备动作罚函数的目标值(即适应度)，初始化粒子个体最佳适应度以及相应的各粒子位置，初始化全局最佳适应度和全局最佳位置；更新惯性权重(逐渐减小)，根据速度更新公式(式)更新粒子速度，并根据速度限制进行修改；更新粒子位置，并更新式(约束)各约束修改粒子位置，且对变压器分接头位置和电容器投入组数进行取整；根据粒子位置修改系统相应的VPP有功和无功出力、变压器分接头位置以及电容器投入状态；使用牛顿-拉夫森方法计算系统潮流，并计算得到综合考虑网损费用、VPP辅助服务成本、蓄电池不平衡罚函数、电压偏移罚函数和控制设备动作罚函数的目标值(即适应度)，更新粒子个体最佳适应度以及相应的各粒子位置，更新全局最佳适应度和全局最佳位置；判断是否已达到最大迭代次数，若是则存储并输出优化的结果，若不是则重新更新惯性权重；

存储并输出优化的结果：存储该时段优化结果，更新剩余优化时段，更新控制设备剩余可调节次数；根据无功服务价格计算VPP内部各DG无功出力，计算VPP内部蓄电池出力，更新蓄电池剩余容量；判断是否已对全天计算完毕，若是输出优化结果，若不是，则重新更新DG有功出力情况，并计算VPP出力范围和无功服务价格；

进一步的是，动态优化的目标函数表示如下：

其中：f^t为t时段的综合优化费用，

为线路有功损耗费用，

为VPP辅助服务费用，

为电压偏移代价，

为蓄电池充放电不平衡代价，

的计算公式分别表示为如下：

其中：N为节点数，λ_U为电压越限的罚系数U_imin、U_imax分别为节点i处的最小电压限值、最大电压限值，ΔU_i为节点电压越限值，具体表示为如下：

其中：ρ_P为有功电价，

为t时段的线路有功损耗；

和

为t时段虚拟电厂的辅助服务报价，P_VPP,i,t和Q_VPP,i,t为t时段虚拟电厂的有功、无功出力；λ_E为惩罚因子，N_SB为配电网中储能装置的总个数，

为t时段第i个储能装置的充放电平衡指标，与初始时刻相比，如果在t时段内充放电平衡指标的绝对值超过了系数ε，则该值为此时刻储能装置电量与初始时刻电量差的绝对值，否则为0；计算公式表示如下：

对虚拟电厂进行动态优化还包括，根据蓄电池充放电平衡、电压偏移、电容器和有载调压器的约束条件和电容器以及变压器的动作约束并且以线路有功损耗费用和虚拟电厂辅助服务费用最低为目标；

其中，动作约束包括，电容器投切次数限制约束：

K_Ci≤K_Cimax(i∈N_c)

其中，K_Ci、K_Cimax分别为电容器组i在一天中投切的次数和最大次数；变压器分接头变化次数约束：

K_Ti≤K_Timax(i∈N_T)

其中，K_Ti、K_Timax分别为可调变压器i在一天中的变化次数和最大次数；

约束条件包括，

虚拟电厂有功、无功出力范围约束：

其中

分别为虚拟电厂i可提供的有功以及无功容量的上、下限；

无功补偿节点的电容器组装设容量约束：

其中

分别为无功补偿节点i的电容器组装设容量上、下限；

变压器分接头位置变化范围约束：

其中，

分别为变压器i分接头的位置上、下限；

节点电压约束：

其中，

分别为节点电压上、下限值。

实施例2

为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例中选择三种情况进行测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果；

参照图4～6，为本发明的第二个实施例，本发明方法是基于虚拟电厂的源网协同动态优化，选取三种方案来验证本发明，分别为：VPP无功出力为0，储能装置不动作，且控制设备不动作的初始方案、VPP参与能量调节，不限制控制设备的动作次数和VPP参与能量调节，并限制控制设备的动作次数；在不同的优化方案下，测试各时段的线路节点平均电压越限偏差、系统总有功损耗，其结果如图4和图5，各时段虚拟电厂辅助服务费用的结果如图6，在一日内总的电压越限偏差、线路损耗和虚拟电厂辅助服务费用结果如下表一所示；

表一：优化结果

由图4～6和表一可以看出，与第一种初始方案相比，在VPP参与能量调节下线路的电压偏移都得到了较好的改善，在不限制控制设备动作次数的第二种方案下，电压的偏移改善更好；并且在三种方案下，线损的变化不大，与初始方案相比，第二种方案下线损略微减小而在第三种方案下线损略微增大，且后两种方案由于变压器分接头和电容器组的动作次数受到了限制，虚拟电厂的调压能力得到了更好的利用。

参照图7～8，分别为后两种方案下各变压器分接头和各电容器的动作次数，其中方案三与方案二相比，所有电容器组的动作次数均减小，而变压器分接头动作次数部分减小，部分增加。这是因为，在罚函数的作用下，控制设备互相配合，各控制设备参与优化时以自身剩余单位时段的可调节次数为基准，已动作次数较多的设备将拥有较低的动作权限，优化时系统将优先动作次数较少的控制设备，因此达到了均匀控制设备动作次数的效果，避免了控制设备频繁投切的现象。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于虚拟电厂的源网协同动态优化方法，其特征在于：包括，

根据虚拟电厂内部蓄电池充放电的连续过程，构建虚拟电厂的动态数学模型；

将配电网控制设备的动作次数以罚函数形式表示，构建配电网控制设备的动态数学模型；

利用所述虚拟电厂的动态数学模型和所述配电网控制设备的动态数学模型对虚拟电厂进行动态优化。

2.如权利要求1所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述虚拟电厂内部蓄电池充放电的连续过程包括，

利用蓄电池上一时刻的电量、此时段的充电量和放电量可以得到蓄电池下一时刻的电量，其公式表示如下：

E(t)＝E(t-1)(1-σ)-P_dis(t)Δt/η_dis+P_ch(t)Δtη_ch

其中，E(t)、E(t-1)分别为t、t-1时刻的蓄电池剩余电量(kWh)，P_ch、P_dis分别为蓄电池的充电功率和放电功率，η_ch、η_dis分别为蓄电池的充电效率和放电效率，σ为蓄电池的自放电率。

3.如权利要求2所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述配电网控制设备包括电容器组和有载调压器。

4.如权利要求3所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述电容器组动作罚函数和所述有载调压器分接头动作罚函数包括，

对配电网中的设备进行电压控制，所述两种动作罚函数的公式表示如下：

其中，N_C、N_T分别为电容器组和有载调压变压器个数，

分别为电容器组和有载调压变压器剩余可调节次数，t_r为当日剩余优化时间段数，

分别为当前优化时段及前一个时段电容器组投入状态，

分别为当前优化时段及前一个时段有载调压器分接头动作状态，α、β分别为控制设备动作罚函数参数，其值的选取遵循以下原则：当剩余可调节次数低于20％时，使惩罚值达到平均网损费用的8％～15％，当剩余可调节次数大于50％时，使惩罚值不大于平均网损费用的4％。

5.如权利要求1或4所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述动态优化包括，

对所述虚拟电厂以及配电网进行优化，对粒子种群进行优化，存储并输出所述优化的结果。

6.如权利要求5所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述对虚拟电厂进行动态优化还包括，

根据虚拟电厂的综合优化费用、有功损耗费用、服务费用、电压偏移代价和蓄电池充放电不平衡代价可以得出动态优化的目标函数，其表示如下：

其中：f^t为t时段的综合优化费用，

为线路有功损耗费用，

为VPP辅助服务费用，

为电压偏移代价，

为蓄电池充放电不平衡代价，所述

的计算公式分别表示为如下：

其中：N为节点数，λ_U为电压越限的罚系数U_imin、U_imax分别为节点i处的最小电压限值、最大电压限值，ΔU_i为节点电压越限值，具体表示为如下：

其中：ρ_P为有功电价，

为t时段的线路有功损耗；

和

为t时段虚拟电厂的辅助服务报价，P_VPP,i,t和Q_VPP,i,t为t时段虚拟电厂的有功、无功出力；λ_E为惩罚因子，

为t时段第i个储能装置的充放电平衡指标，N_SB为配电网中储能装置的总个数。

7.如权利要求6所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述充放电平衡指标包括，

在t时段内第i个储能装置的充放电平衡指标为

与初始时刻相比，如果在t时段内所述充放电平衡指标的绝对值超过了系数ε，则该值为此时刻储能装置电量与初始时刻电量差的绝对值，否则为0；计算公式表示如下：

8.如权利要求7所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述对虚拟电厂进行动态优化还包括，根据蓄电池充放电平衡、电压偏移、电容器和有载调压器的约束条件和电容器以及变压器的动作约束并且以线路有功损耗费用和虚拟电厂辅助服务费用最低为目标。

9.如权利要求8所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述动作约束包括，

电容器投切次数限制约束：

K_Ci≤K_Cimax(i∈N_c)

其中，K_Ci、K_Cimax分别为电容器组i在一天中投切的次数和最大次数；

变压器分接头变化次数约束：

K_Ti≤K_Timax(i∈N_T)

其中，K_Ti、K_Timax分别为可调变压器i在一天中的变化次数和最大次数。

10.如权利要求9所述的基于虚拟电厂的源网协同动态优化方法，其特征在于：所述约束条件包括，

虚拟电厂有功、无功出力范围约束：

其中

分别为虚拟电厂i可提供的有功以及无功容量的上、下限；

无功补偿节点的电容器组装设容量约束：

其中

分别为无功补偿节点i的电容器组装设容量上、下限；

变压器分接头位置变化范围约束：

其中，

分别为变压器i分接头的位置上、下限；

节点电压约束：

其中，

分别为节点电压上、下限值。

Images