CN112651637B - 一种面向虚拟电厂的分布式电源激励机制分析方法 - Google Patents

Abstract

本发明公开了一种面向虚拟电厂的分布式电源激励机制分析方法，包括：基于系统动力学理论，绘制虚拟电厂日前市场因果回路图，建立聚合分布式电源的虚拟电厂系统动力学日前市场交易模型；根据所述聚合分布式电源的虚拟电厂系统动力学日前市场交易模型，分析天气、实时电价对虚拟电厂日的影响；基于绿证交易机制和碳交易机制绘制所述虚拟电厂长期市场因果回路图，建立所述虚拟电厂参与市场的长期交易模型，分析所述绿证交易机制和所述碳交易机制对所述虚拟电厂的影响，完成分布式电源激励机制的分析。本发明能有效分析天气，政策机制等外部因素对虚拟电厂的影响，为虚拟电厂更好地参与市场化交易提供建设建议。

Description

一种面向虚拟电厂的分布式电源激励机制分析方法

技术领域

本发明涉及激励机制分析方法的技术领域，尤其涉及一种面向虚拟电厂的分布式电源激励机制分析方法。

背景技术

随着能源枯竭、环境污染等问题日益严峻，分布式电源(distributed generator,DG)因其经济、环保、灵活、安全等特性逐渐被广泛应用，然而，DG存在诸多问题：首先，DG容量小、数量大、分布不均，使得单机接入成本高；其次，DG的接入给电网的稳定运行带来了许多技术难题；再次，目前DG操作方式以及电力市场容量的限制亦更加阻碍了DG的大规模并网。虚拟电厂的出现有效解决了这些问题，虚拟电厂作为一种特殊的负荷聚合商，通过先进信息通信技术和软件系统，实现内部资源的聚合和协调优化，以作为一个特殊电厂参与电力市场中。

为促进虚拟电厂进一步参与市场化交易，增加虚拟电厂带来的经济效益，国内外学者已展开大量研究。有文献提出一种虚拟电厂定价机制，实现电力资源的合理分配；有文献采用了用户与边缘节点协调的分布式调度方法，实现海量虚拟电厂用户对实时中标功率的自主响应；有文献提出了虚拟电厂与主网之间交互迭代的市场均衡方法；有文献研究了考虑综合贡献度的虚拟电厂内部效益分摊机制，实现内部效益合理分摊；有文献将风力发电系统、光伏发电系统、储能系统、电动汽车充电站整合为一个虚拟发电厂，以虚拟电厂经济效益最优为目标，对其进行调度优化策略研究，验证了该模型的合理性及求解方法的有效性。综上所述，现有研究主要针对虚拟电厂内部，通过协调机制或调度方法等手段提升虚拟电厂的经济效益，在天气等外部因素对虚拟电厂的影响方面考虑较少，也没有考虑政策机制对虚拟电厂的影响。

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。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的技术问题是：现有技术未考虑天气等外部因素对虚拟电厂的影响，也没有考虑政策机制对虚拟电厂的影响，从而无法很好地参与市场化交易。

为解决上述技术问题，本发明提供如下技术方案：基于系统动力学理论，绘制虚拟电厂日前市场因果回路图，建立聚合分布式电源的虚拟电厂系统动力学日前市场交易模型；根据所述聚合分布式电源的虚拟电厂系统动力学日前市场交易模型，分析天气、实时电价对虚拟电厂日的影响；基于绿证交易机制和碳交易机制绘制虚拟电厂长期市场因果回路图，建立所述虚拟电厂参与市场的长期交易模型，分析所述绿证交易机制和所述碳交易机制对所述虚拟电厂的影响，完成分布式电源激励机制的分析。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述聚合分布式电源的虚拟电厂系统动力学日前市场交易模型包括，虚拟电厂分布式电源模块、虚拟电厂日前市场模块、虚拟电厂收益-风险模块。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述虚拟电厂分布式电源模块包括，

q_buy,t＝q_buy,w,t+q_buy,l,t

进一步的，实际获得的风电量q_buy,w,t及光电量q_buy,l,t包括，

其中，q_buy,t、q_buy,w,t、q_buy,l,t分别表示所述虚拟电厂t时从分布式电源获得的总电量、风电量及光电量，p_buy,w,t和p_buy,l,t表示t时虚拟电厂对风电和光电的报价，p_h,w和p_h,l表示风电和光电的补助价格，p_b,w和p_b,l表示风电和光电的标杆电价，q_w,t和q_l,t分别表示t时最多获得的风电电量和光电电量。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述虚拟电厂参与日前市场的收益e_d包括，

e_d＝e_RE+e_PM-c_DG-c_DL

其中，e_RE表示所述虚拟电厂内部零售所得收益，e_PM表示参与外部市场售电收益，c_DG表示虚拟电厂支付给的费用，c_DL表示所述虚拟电厂向中断用户支付的补偿费用。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述虚拟电厂内部零售所得收益e_RE，参与外部市场售电收益e_PM，虚拟电厂支付给分布式电源的费用c_DG，虚拟电厂向中断用户支付的补偿费用c_DL分别包括，

其中，q_sell,in,t、p_sell,out,t、p_buy,w,t、p_buy,l,t、p_z,t分别表示t时刻的内部零售电量、外部市场电价、虚拟电厂对风电报价、对光电报价和中断负荷报价。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述q_sell,out,t、q_sell,in,t包括，

其中，q_need,t表示所述虚拟电厂内部用户t时需求的电量，q_z,t，max表示t时内部用户最大可中断负荷，q_z,t表示所述虚拟电厂实际中断电量。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述虚拟电厂收益-风险模块包括，

其中，k_R表示风险系数，R表示预期虚拟电厂参与日前市场的收益，R_max和R_max表示该日虚拟电厂风险系数取极限值。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述虚拟电厂参与市场的长期交易模型包括，计算分布式风电新增接入容量Q_w，inc和分布式风电新增接入容量Q_l，inc；计算新增的用户负荷Q_usr,inc。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述分布式风电新增接入容量Q_w，inc和分布式风电新增接入容量Q_l，inc包括，

其中，a表示分布式电源消纳增速对接入容量接入影响系数，b表示补助、单位接入成本等因素对虚拟电厂接入容量影响系数，α表示权重系数，Q_all,n表示虚拟电厂所在地区当日总分布式电源容量，Q_all,p表示虚拟电厂所在地区上一日总分布式电源容量。

作为本发明所述的面向虚拟电厂的分布式电源激励机制分析方法的一种优选方案，其中：所述新增的用户负荷Q_usr,inc包括，

Q_usr,inc＝β·(c·q_usr,d)+(1-β)·d

其中，c表示零售电量的增速对新增接入容量接入影响系数，d表示补助、接入成本等因素对虚拟电厂新增接入容量影响系数，β表示权重系数。

本发明的有益效果：提供了一种面向虚拟电厂的分布式电源激励机制分析方法，能有效分析天气，政策机制等外部因素对虚拟电厂的影响，为虚拟电厂更好地参与市场化交易提供建设建议。

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为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的基本流程示意图；

图2为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的分布式电源参与电量模块因果图；

图3为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的日前市场交易模块因果图；

图4为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的收益-风险因果图；

图5为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的基于绿证交易机制和碳交易机制的虚拟电厂长期市场市场因果图；

图6为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的某日两种光照强度下虚拟电厂收益图；

图7为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的某日两种风力强度下虚拟电厂收益图；

图8为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的某日虚拟电厂时收益图；

图9为本发明一个实施例提供的一种面向虚拟电厂的分布式电源激励机制分析方法的虚拟电厂分布式电源装机容量图。

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1～5，为本发明的一个实施例，提供了一种面向虚拟电厂的分布式电源激励机制分析方法，包括：

S1：基于系统动力学理论，绘制虚拟电厂日前市场因果回路图，建立聚合分布式电源的虚拟电厂系统动力学日前市场交易模型；

需要说明的是，聚合分布式电源的虚拟电厂系统动力学日前市场交易模型包括，虚拟电厂分布式电源模块、虚拟电厂日前市场模块、虚拟电厂收益-风险模块。

S2：根据聚合分布式电源的虚拟电厂系统动力学日前市场交易模型，分析天气、实时电价对虚拟电厂日的影响；

需要说明的是，虚拟电厂分布式电源模块包括：

q_buy,t＝q_buy,w,t+q_buy,l,t

其中，实际获得的风电量q_buy,w,t及光电量q_buy,l,t包括：

其中，q_buy,t、q_buy,w,t、q_buy,l,t分别表示虚拟电厂t时从分布式电源获得的总电量、风电量及光电量，p_buy,w,t和p_buy,l,t表示t时虚拟电厂对风电和光电的报价，p_h,w和p_h,l表示风电和光电的补助价格，p_b,w和p_b,l表示风电和光电的标杆电价，q_w,t和q_l,t分别表示t时最多获得的风电电量和光电电量。

进一步的，虚拟电厂收益-风险模块包括：

其中，k_R表示风险系数，R表示预期虚拟电厂参与日前市场的收益，R_max和R_max表示该日虚拟电厂风险系数取极限值，风险系数k_R和预期虚拟电厂参与日前市场的收益R互为影响关系，根据相关文献可知，虚拟电厂的风险和收益成正相关的，可近似表示为正比例关系。

更进一步的，虚拟电厂参与日前市场的收益e_d包括：

e_d＝e_RE+e_PM-c_DG-c_DL

其中，e_RE表示虚拟电厂内部零售所得收益，e_PM表示参与外部市场售电收益，c_DG表示虚拟电厂支付给的费用，c_DL表示虚拟电厂向中断用户支付的补偿费用。

具体的，虚拟电厂内部零售所得收益e_RE，参与外部市场售电收益e_PM，虚拟电厂支付给分布式电源的费用c_DG，虚拟电厂向中断用户支付的补偿费用c_DL分别包括：

其中，q_sell,in,t、p_sell,out,t、p_buy,w,t、p_buy,l,t、p_z,t分别表示t时刻的内部零售电量、外部市场电价、虚拟电厂对风电报价、对光电报价和中断负荷报价。

进一步的，q_sell,out,t、q_sell,in,t包括：

其中，q_need,t表示虚拟电厂内部用户t时需求的电量，q_z,t，max表示t时内部用户最大可中断负荷，q_z,t表示虚拟电厂实际中断电量。

更加具体的，基于系统动力学理论，绘制DG参与虚拟电厂交易的电量模块因果图，如图2，建立DG(分布式电源)参与电量模型，包括：

获得t时虚拟电厂对风电和光电的报价p_buy,w,t和p_buy,l,t；获得风电和光电的补助价格p_h,w和p_h,l；获得风电和光电的标杆电价p_b,w和p_b,l；计算实际获得的风电量q_buy,w,t和实际获得的光电量q_buy,l,t；进一步地，计算虚拟电厂t时从分布式电源获得的总电量q_buy,t。

基于系统动力学理论，绘制虚拟电厂参与日前市场交易模块因果图，如图3，建立日前市场交易模型，包括：

获取虚拟电厂内部用户t时需求的电量q_need,t，内部用户最大可中断负荷q_z,t，max，虚拟电厂实际中断电量q_z,t，计算虚拟电厂t时出售给外部市场的电量q_sell,out,t，内部实际售电量q_sell,in,t。

进一步地，获取t时的内部零售电价q_sell,in,t，外部市场电价p_sell,out,t，虚拟电厂对风电报价p_buy,w,t，对光电报价p_buy,l,t和中断负荷报价p_z,t，计算虚拟电厂内部零售所得收益e_RE，参与外部市场售电收益e_PM，虚拟电厂支付给DG的费用c_DG，虚拟电厂向中断用户支付的补偿费用c_DL。

进一步地，计算虚拟电厂参与日前市场的收益e_d。

S3：基于绿证交易机制和碳交易机制绘制虚拟电厂长期市场因果回路图，建立虚拟电厂参与市场的长期交易模型，分析绿证交易机制和碳交易机制对虚拟电厂的影响，完成分布式电源激励机制的分析。

需要说明的是，虚拟电厂参与市场的长期交易模型包括：

计算分布式风电新增接入容量Q_w，inc和分布式风电新增接入容量Q_l，inc；

计算新增的用户负荷Q_usr,inc。

具体的，分布式风电新增接入容量Q_w，inc和分布式风电新增接入容量Q_l，inc包括：

其中，a表示分布式电源消纳增速对接入容量接入影响系数，b表示补助、单位接入成本等因素对虚拟电厂接入容量影响系数，α表示权重系数，Q_all,n表示虚拟电厂所在地区当日总分布式电源容量，Q_all,p表示虚拟电厂所在地区上一日总分布式电源容量。

进一步的，新增的用户负荷Q_usr,inc包括：

Q_usr,inc＝β·(c·q_usr,d)+(1-β)·d

其中，c表示零售电量的增速对新增接入容量接入影响系数，d表示补助、接入成本等因素对虚拟电厂新增接入容量影响系数，β表示权重系数。

实施例2

参照图6～9为本发明另一个实施例，为对本方法中采用的技术效果加以验证说明，本实施例基于对模型的求解以及模拟仿真实验进行分析，以科学论证的手段，验证本方法所具有的真实效果。

传统的技术方案在进行仿真时，更注重的是结果的表征，往往难以体现仿真内部各个单元之间的趋势关系。例如，某系统输入需要输入一个参数并获得一个结果，我们输入各个参数x,y,z,仿真结果为A,B,C，可以直接或间接地分析参数对最终结果的影响，而这个系统地内部，假设包含多个模块的复杂的运算关系，传统的技术方案往往会进行封装并隐藏，当我们需要内部各个模块之间的影响关系的时候，比较麻烦且不直观。

本实例运用系统动力学理论，将整个虚拟电厂参与虚拟电厂市场化运行模型有效地分割为日前市场模型和中长期市场模型，其中日前市场模型还分割为虚拟电厂分布式电源模块、虚拟电厂日前市场模块、虚拟电厂收益-风险模块，各个模型(模块)之间提供对应的接口，实现数据流的有效传递。

基于上述描述，不同于传统方法，本实施例将对虚拟电厂参与市场化交易实行模块化分析，以体现本方法的部分特点。

测试环境：系统动力学仿真软件Vensim。以某虚拟电厂为例，该虚拟电厂所在地区的电价采用“峰谷平”电价模式，即在用电高峰期电价为800元/MWh，在用电低谷期电价为450元/MWh，在用电平时段电价为600元/MWh，该虚拟电厂控制风险系数范围为[0，0.3]，该虚拟电厂内部接有200MW的风电机组和100MW的光电机组，根据日前市场模块仿真结果，分析天气、外部电价等因素对虚拟电厂日前市场的收益的影响，基于日前市场模块仿真结果，进一步对该虚拟电厂参与市场交易模型进行连续100个月的仿真，步长为一个月，分析ET机制，TGC机制和政府补贴等因素对虚拟电厂长期参与市场化交易的影响。

具体的，模型的求解与分析：

运用系统动力学仿真软件Vensim，向所建立的模型输入对应状态变量，可得到所需变量变化结果。根据仿真结果绘制某日两种光照强度下虚拟电厂收益图，某日两种风力强度下虚拟电厂收益图，某日虚拟电厂时收益图，分析天气，实时电价对虚拟电厂日的影响；根据仿真结果绘制虚拟电厂DG装机容量图，分析绿证交易机制和碳交易机制对虚拟电厂的影响。

由图6可知，光照强度的下降会降低虚拟电厂的收益，而光照强度对虚拟电厂收益的影响主要集中在中午的时间段，而凌晨和夜晚几乎没有影响，这是由于在凌晨或者夜晚光照强度统一为0，此时没有光伏发电量参与到虚拟电厂地交易之中，而中午光照强度是一天中光照强度最高的，虚拟电厂在不同光照强度下中午获得的光电量差异也是最大的，尽管中午光电量的差异是最大的，但是收益影响最大的却不是中午，而是午后，这是由于正中午用电高峰期获得的光电主要用于内部市场消纳，而午后光电主要用于外部市场消纳，而外部市场电价是高于虚拟电厂内部零售电价的。

由图7可知，总体而言，风力强度的下降会显著降低虚拟电厂的收益，而风力强度对虚拟电厂收益的影响主要集中在用电晚高峰，在正常风力强度下，此时参与虚拟电厂的风电量比较大，在满足内部用户需求之后，仍然有充足的电量参与到外部市场交易当中，以高额的峰时电价获取大量收益，而风力强度比较低时，在这个时间段将损失大量可外部市场交易的电量；故用电晚高峰时，风力强度对虚拟电厂收益的影响最大。

基于上述分析，风力强度和光照强度与虚拟电厂日收益是正相关的，强度越大，虚拟电厂收益越高；强度越低，虚拟电厂收益越低。不同之处在于，风力强度对虚拟电厂收益的影响主要集中在用电晚高峰时期，而光电强度对虚拟电厂收益的影响主要集中在正午到午后的时间段。

由图8可知，从时间尺度来看，凌晨第1个小时到第5个小时该虚拟电厂的收益为负，这是因为此时的外部电价处于谷时电价，此时的虚拟电厂更偏向于从外部市场买电以满足内部用户需求电量，收益在第6到第8个小时不断下降，因为此时用户需求在不断上升，而虚拟电厂由于外部电价的原因，并没有从DG处购买电量，继续从外部市场购电，收益随着用户需求的增加不断增加，而在第9个小时，由于该时段处于用电高峰，外部电价比较高，虚拟电厂此时从DG处购买电量，由于此时用电负荷还没有到达峰值，虚拟电厂在满足内部用户负荷之后，可以剩余部分电量出售给外部市场，而到了第10个小时开始，随着内部用户负荷的不断增加，DG电量以及满足不了内部用户，虚拟电厂从外部市场购买少量电量内部零售，到第13个小时和第18个小时，此时处于虚拟电厂获利的最佳时段，即外部报价相比处于一个比较高的位置，虚拟电厂积极从DG处购买电量，而内部用电需求量并不高，可以将大量剩余电量出售给外部市场以获利，一旦到了用电晚高峰，虚拟电厂的收益将大幅度下降，甚至出现收益为负的情形，当晚高峰过去之后，虚拟电厂收益又开始处于上升阶段。

基于上述分析可以得出如下结论：

(1)谷时电价对谷时DG参与虚拟电厂的数量起决定性影响；谷时电价比较低时，虚拟电厂对DG报价比较低，因此DG不会选择从虚拟电厂处消纳电量，这是不利于虚拟电厂发展和风电资源消纳的。

(2)平时电价对虚拟电厂日收益影响最大；平时段内部用户需求相对容易得到满足，虚拟电厂更偏向于在平时段购买大量DG电量参与到外部市场的交易。

(3)峰时电价可能对虚拟电厂产生正收益，也有可能产生负收益。以该虚拟电厂为例，此虚拟电厂在中午的用电高峰期，能够获得的DG电量不能满足内部用户，需要外部买电，这是峰时电价越高，对该虚拟电厂将产生更高的负收益；而到了晚高峰，此时能够获得的DG电量能够满足内部用户，这是峰时电价越高，虚拟电厂正收益越高，此时的虚拟电厂能够有效地缓解外部市场的调峰压力。

为了分析ET机制和TGC机制(绿证交易机制和碳交易机制)对虚拟电厂的影响，本实施例通过配置ET和TGC机制不同实施情况的场景，分析绿证交易机制和碳交易机制对虚拟电厂内部资源装机容量影响。其具体场景配置如表所示：

表1：不同机制场景配置表。

场景	ET	TGC	补偿
				S1	无	无	有
S2	有	无	无
				S3	无	有	无
S4	有	有	无

由图9可知，在仅仅实时现有的补贴政策下，虚拟电厂内部DG装机容量虽然在增加，但是速度较慢，这是因为补贴政策加速总DG装机容量，但是DG由于补助的原因，主动接入虚拟电厂的积极性不高，导致虚拟电厂内部DG容量增长缓慢；而取消了补助政策，实时ET机制的情况下，总DG装机容量呈现下降趋势，但此时的DG由于补贴的取消，主动接入虚拟电厂的积极性提高，虚拟电厂内部接入的DG容量反而略有增加，在仅仅实行TGC交易机制的场景下，由于TGC机制的直接补贴，DG接入虚拟电厂的积极性一般，但是由于总DG装机容量增加明显，接入的DG容量也大量增加，在同时实行TGC和ET交易机制协调作用下，总DG装机容量增加最快，虚拟电厂内部DG装机容量增加明显。

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 (4)

1.一种面向虚拟电厂的分布式电源激励机制分析方法，其特性在于，包括：

基于系统动力学理论，绘制虚拟电厂日前市场因果回路图，建立聚合分布式电源的虚拟电厂系统动力学日前市场交易模型；

根据所述聚合分布式电源的虚拟电厂系统动力学日前市场交易模型，分析天气、实时电价对虚拟电厂日的影响；

基于绿证交易机制和碳交易机制绘制虚拟电厂长期市场因果回路图，建立所述虚拟电厂参与市场的长期交易模型，分析所述绿证交易机制和所述碳交易机制对所述虚拟电厂的影响，完成分布式电源激励机制的分析；

所述聚合分布式电源的虚拟电厂系统动力学日前市场交易模型包括，虚拟电厂分布式电源模块、虚拟电厂日前市场模块、虚拟电厂收益-风险模块；

所述虚拟电厂分布式电源模块包括，

q_buy,t＝q_buy,w,t+q_buy,l,t

进一步的，实际获得的风电量q_buy,w,t及光电量q_buy,l,t包括，

其中，q_buy,t、q_buy,w,t、q_buy,l,t分别表示所述虚拟电厂t时从分布式电源获得的总电量、风电量及光电量，p_buy,w,t和p_buy,l,t表示t时虚拟电厂对风电和光电的报价，p_h,w和p_h,l表示风电和光电的补助价格，p_b,w和p_b,l表示风电和光电的标杆电价，q_w,t和q_l,t分别表示t时最多获得的风电电量和光电电量；

所述虚拟电厂参与日前市场的收益e_d包括，

e_d＝e_RE+e_PM-c_DG-c_DL

其中，e_RE表示所述虚拟电厂内部零售所得收益，e_PM表示参与外部市场售电收益，c_DG表示虚拟电厂支付给的费用，c_DL表示所述虚拟电厂向中断用户支付的补偿费用；

所述虚拟电厂收益-风险模块包括，

其中，k_R表示风险系数，R表示预期虚拟电厂参与日前市场的收益，R_max和R_min表示日虚拟电厂风险系数取极限值；

所述虚拟电厂参与市场的长期交易模型包括，

计算分布式风电新增接入容量Q_w，inc和分布式光电新增接入容量Q_l，inc；

计算新增的用户负荷Q_usr,inc；

所述分布式风电新增接入容量Q_w，inc和分布式光电新增接入容量Q_l，inc包括，

其中，a表示分布式电源消纳增速对接入容量接入影响系数，b表示补助、单位接入成本因素对虚拟电厂接入容量影响系数，α表示权重系数，Q_all,n表示虚拟电厂所在地区当日总分布式电源容量，Q_all,p表示虚拟电厂所在地区上一日总分布式电源容量。

2.如权利要求1所述的面向虚拟电厂的分布式电源激励机制分析方法，其特征在于：所述虚拟电厂内部零售所得收益e_RE，参与外部市场售电收益e_PM，虚拟电厂支付给分布式电源的费用c_DG，虚拟电厂向中断用户支付的补偿费用c_DL分别包括，

其中，q_sell,in,t、p_sell,out,t、p_buy,w,t、p_buy,l,t、p_z,t分别表示t时刻的内部零售电量、外部市场电价、虚拟电厂对风电报价、对光电报价和中断负荷报价。

3.如权利要求2所述的面向虚拟电厂的分布式电源激励机制分析方法，其特征在于：q_sell,out,t、q_sell,in,t包括，

其中，q_need,t表示所述虚拟电厂内部用户t时需求的电量，q_z,t，max表示t时内部用户最大可中断负荷，q_z,t表示所述虚拟电厂实际中断电量。

4.如权利要求1所述的面向虚拟电厂的分布式电源激励机制分析方法，其特征在于：所述新增的用户负荷Q_usr,inc包括，

Q_usr,inc＝β·(c·q_usr,d)+(1-β)·d

其中，c表示零售电量的增速对新增接入容量接入影响系数，d表示补助、接入成本因素对虚拟电厂新增接入容量影响系数，β表示权重系数。

Images