CN114519249A - 考虑用户体验的虚拟电厂运行优化方法及其应用 - Google Patents

Abstract

考虑用户体验的虚拟电厂运行优化方法及其应用，该方法包括：构建虚拟电厂各单元模型，具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电\蓄热模型、需求响应模型，从而确定了虚拟电厂运行内部组成的具体情况；构建考虑用户体验的虚拟电厂运行优化模型，该模型以虚拟电厂运行成本最小、用户体验最优为目标函数，并构建约束条件，包括电力供需平衡、电热锅炉运行、蓄电设备运行、蓄热设备运行、需求响应约束和旋转备用等约束；本发明最终得到包含分布式能源、电热锅炉、蓄能设备以及需求响应资源的虚拟电厂在各时段优化调度结果，以对虚拟电厂供需两侧进行优化，在提高系统整体经济效能同时，使用户满意度、舒适度得到提升。

Description

考虑用户体验的虚拟电厂运行优化方法及其应用

技术领域

本发明属于优化技术领域，尤其涉及虚拟电厂运行优化技术领域，公开一种考虑用户体验的虚拟电厂运行优化方法及其应用。

背景技术

为应对严峻的环境污染形势,我国电力供应方式正朝着清洁型、分散型的趋势发展。电力体制改革的不断深化也带动电力工业从供应侧单方面管理向供需双侧全方面管理而转变。随着能源互联网技术的发展,分布式电源、需求响应、电动汽车等需求侧资源参与电力系统规划将成为电力工业的发展趋势。虚拟电厂(VPP)能够整合区域内分布式能源、可控负荷及储能系统，通过能量管理系统合并为整体参与电网运行，利用不同能源之间的时空互补性，构建多能源互联互通的高效利用平台，可有效抑制可再生能源出力的波动性，实现更高能源利用率、更好环保性和更低能源成本等多功能目标。在当前节能减排背景下，虚拟电厂能够有效管理分散的分布式能源，促使其参与电力系统运行与电力交易。

到目前为止，传统的虚拟电厂优化研究更侧重于内部DG能量调配以及对外网提供市场交易等辅助服务方面，未能很好地从人性化的角度构建虚拟电厂运行优化模型，难以在虚拟电厂的实际运行中调动用户的积极性，不利于需求响应持续性开展。

因此，考虑用户体验的虚拟电厂运行优化方法是本领域技术人员亟需解决的问题。

发明内容

为了解决现有技术中的不足，本发明提供一种考虑用户体验的虚拟电厂运行优化方法，包括以下几个步骤：

步骤1：构建虚拟电厂各单元模型，该模型具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型，从而确定了虚拟电厂运行内部组成的具体情况；

步骤2：构建考虑用户体验的虚拟电厂运行优化模型，该模型以虚拟电厂运行成本最小、用户体验最优为目标函数，并构建约束条件，包括电力供需平衡约束、电热锅炉运行约束、蓄电设备运行约束、蓄热设备运行约束、需求响应约束和旋转备用约束；

步骤3：基于NSGA-II的多目标求解算法。

本发明还公开一种将上述方法应用于虚拟电厂运行中。在虚拟电厂系统框架的基础上加入需求侧用户意愿，综合考虑人类的自主决策行为，充分挖掘虚拟电厂的互动机制和调控潜力，对虚拟电厂供需两侧进行优化，在再提高系统的整体经济效能的同时，使用户用能满意度、舒适度得到提升。

有益效果

在提高系统的整体经济效能的同时，使用户用能满意度、舒适度得到提升。

附图说明

图1为本发明虚拟电厂系统结构图；

图2为本发明基于NSGA-II的多目标求解算法流程图。

具体实施方式

考虑用户体验的虚拟电厂运行优化方法，包括以下几个步骤：

步骤1：构建虚拟电厂各单元模型，该模型具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型，从而确定了虚拟电厂运行内部组成的具体情况；虚拟电厂内可以聚合风电、光伏等可再生能源，考虑到这些能源输出功率的不确定性，虚拟电厂内部通常会通过蓄能系统与之合理配合，以实现系统高电能质量的输出。同时采用电热锅炉替代燃气锅炉，能有效提升虚拟电厂电气化水平，并且搭载蓄热设备实现系统热负荷灵活性调节。因此本专利研究的虚拟电厂的系统架构如图1所示，具体包括风电机组、光伏机组、电热锅炉和蓄电蓄热设备。

(1)电热锅炉出力模型

Q_EB(t)＝g_EB(t)·η_EB (1)

式中：Q_EB(t)为电锅炉t时刻的供热功率，g_EB(t)为电锅炉t时的工作消耗的电量，η_EB为电热转换效率；

(2)分布式能源机组出力模型

风电机组输出功率与其性能、风速相关，输出功率与风速之间的关系可用下式描述：

式中:P_WT,k,t，

v_k,t分别为第k台风电机组在t时段的实际输出功率、额定功率和风电机组所处地理位置的实际风速；

和

分别为第k台风电机组的额定风速、切入风速和切出风速；

光伏发电机组的输出功率主要跟光照强度、环境温度相关，其出力模型如下所示为：

式中：g_PV,t表示第t时段的光伏机组出力；S_PV,t表示第t时段的光照强度；g_STC表示标准测试条件下的最大出力；T_c,t表示电池板第t 时段的工作温度；T_r表示参考温度；TW_STC表示标准测试条件下的机组转化效率；λ表示电池板温度转换参数；

(3)蓄电/蓄热模型

蓄电池蓄能系统(Energy Storage，ES)存在充电状态、放电状态、停运状态二种运行状态，蓄电池充放电是一个动态过程，本专利从蓄电池的储能量及充放电功率方面建模。蓄电池储能量的变化与蓄电池的充放电功率、效率有关，蓄电池采用动态的数学模型为：

E_ES(t+1)＝E_ES(t)(1-σ_ES)+P_ES,c(t)η_ES,cΔt-P_ES,d(t)Δt/η_ES,d (4)

式中E_ES(t+1)、E_ES(t)分别为t+1、t时刻的蓄电池的储能量(kWh)；P_ES,c(t)、P_ES,d(t)分别为t时刻蓄电池的充电、放电功率(kW)；η_ES.c、η_ES.d分别为蓄电池的充电、放电效率；σ_ES为蓄电池自身放电率；Δt为t+1、 t时刻间隔，即充放电用时(h)；

蓄热装置(Heat Storage，HS)与蓄电池储能系统类似，存在储热、放热、停运三种工作状态，蓄热装置的储放热是一个动态过程，蓄热装置中热量变化与蓄热装置储放热功率、储放热效率有关，处于能量动态平衡状态，其数学模型为：

E_HS(t+1)＝E_HS(t)(1-σ_HS)+P_HS,c(t)η_HS,cΔt-P_HS,d(t)Δt/η_HS,d (5)

式中E_HS(t+1)、E_HS(t)分别为t+1、t时刻蓄热装置的储热量(kWh)；P_HS,c(t)、P_HS,d(t)分别为t时刻蓄热装置的蓄热、放热功率(kW)；η_HS.c、η_HS.d分别为蓄热装置的蓄热、放热效率；σ_HS为蓄热装置自身热损失系数；Δt为t+1、t时刻间隔，即储放热用时(h)；

(4)需求响应

需求响应可通过调节负荷侧的用电行为，引导负荷的自主性变化，从而对虚拟电厂发电调度产生正向影响。本专利引入激励型需求响应(IBDR)，以可中断负荷作为响应资源，需求响应的成本为负荷响应前后虚拟电厂(VPP)售电收入的差额。负荷响应前后，虚拟电厂(VPP)的售电收益分别为：

式中，

分别为可中断负荷实施前后的系统收益，λ_t ^load为内部负荷的售电价格，P_t ^load、

为可中断负荷前后的相应出力，是决策变量；a、b分别为补偿函数的二次项和一次项系数。需求响应的成本

为：

步骤2：构建考虑用户体验的虚拟电厂运行优化模型，该模型以虚拟电厂运行成本最小、用户体验最优为目标函数，并构建约束条件，包括电力供需平衡约束、电热锅炉运行约束、储电设备运行约束、储热设备运行约束、需求响应约束和旋转备用约束；

(1)目标函数

1)经济性目标

在实现碳中和目标的同时，虚拟电厂运行尽量争取其成本的最小化，虚拟电厂的总成本包括发电机组的燃料成本与外购电成本。因此，本文选择最小化运行成本作为优化目标，具体目标函数如下：

式中，F_cost表示虚拟电厂总运行成本；P_EG,t和g_EG,t分别表示虚拟电厂在时刻t的外购电量和外购电价格；C_EB,t表示t时刻电热锅炉供热用电成本；C_WPP,t与C_PV,t分别表示风电与光伏机组在时刻t的发电成本；C_CS,t和C_HS,t分别表示t时刻储电系统和储热系统的出力成本；

表示t时刻的需求响应成本；

2)用户体验

以用户方式满意度量化用户体验程度，定义用电方式满意度E为响应前后负荷曲线的改变程度：

式中P_t,eload和P_t,dr,elod分别为响应前后t时刻的负荷量；

用电方式满意度与柔性负荷如热水器、空调等可调节能力有关。式(10)表示用户用电方式的改变程度越大，用电方式满意度越低，当用户负荷曲线未改变时，仍按最满意方式安排用电方式，此时ε值为1，ε的取值范围为[0,1]。

(2)约束条件

1)电力供需平衡约束

式中，g_PV,t和g_WPP,t分别为光伏机组(PV)和风电机组(WPP)在时刻t的发电出力，主要取决于自然来风和光伏辐射强度；

和

表示蓄电池在时刻t的放电和充电功率；ΔL_DR,t表示需求响应在时刻 t提供的出力；g_EG,t表示虚拟电厂在时刻t的外购电量；L_t表示时刻 t的电负荷需求；

2)电热锅炉运行约束

式中：Q_EB(t)为电热锅炉实际运行功率；

为电热锅炉运行功率下限；

为电热锅炉运行功率上限；

3)蓄电设备运行约束

蓄电设备运行需要考虑最大充放电功率约束和自身蓄电池容量约束，具体约束如下：

式中，g_ESS,t和S_ESS,t表示蓄电设备(ESS)在t时刻的实际充放电功率和蓄电量；

和

别表示ESS在t时刻的最大充放电功率；

和

别表示ESS在t时刻的最大和最小蓄电量；S_ESS,t+1表示ESS 在t+1时刻的蓄电量；

和

分别表示ESS在t时刻的充电和放电功率。

4)蓄热设备运行约束

蓄热设备运行同样也应考虑蓄热系统功率约束和蓄热容量约束，具体约束如下：

式中：

为蓄热系统最小功率；Q_HS(t)为蓄热系统实际运行功率；

为蓄热系统最大功率；

为蓄热系统最小蓄热容量；S_HS(t)为蓄热系统实际蓄热容量；

为蓄热系统最大蓄热容量。

5)需求响应约束

利用激励型需求响应(PBDR)，可实现负荷的有效平移和削减。为了避免负荷的峰谷倒挂现象产生，最大化平缓不同负荷的需求曲线进行的约束:

其中，ΔL_DR,t表示负荷在t时段的实际变动程度；

表示负荷在t时段的最大变动程度u_DR,t表示需求响应的运行状态；T表示需求响应总时段；

表示需求响应负荷最大变动程度。

6)旋转备用约束

式中，G_VPP,t表示虚拟电厂在t时刻的总输出；

和

分别表示虚拟电厂在t时刻输出的上下限；

和

分别表示蓄电池在t时刻的最大充、放电功率；

和

分别表示蓄电池在t时刻的最大和最小蓄电量；S_ESS,t表示蓄电池在t时段实际蓄电量；s_L、L_t、s_WPP、s_PV分别表示负荷、时刻t的电负荷需求、风电机组与光伏机组的备用率；G_WPP,t和G_PV,t分别表示风电和光伏机组在t时刻的出力。

步骤3：基于NSGA-II的多目标求解算法。

多目标遗传算法可以协调不同目标函数的关系，找到较优的帕累托解集。带精英策略的非支配序遗传算法(Elitist Non-Dominated Sorting Genetic Algorithm，NSGA-II)是其中应用最广、影响最大的一种算法。NSGA-II算法的求解思路为：①初始化，随机产生规模为N的初始种群；②基于非支配排序、精英策略、拥挤度计算和遗传算法基本操作，产生新的子代种群曰；③复类推循环，直到满足程序结束条件，得到所有非劣解。具体步骤如下所示：

(1)根据步骤1中虚拟电厂各单元模型输入初始数据，包括虚拟电厂各单元设备参数、综合需求响应相关参数，并对各设备出力情况、需求响应情况进行编码；

(2)设种群规模N为100，最大迭代次数为50，交叉概率为0.8，变异概率为0.2，Pareto最优个体系数为0.5，根据约束条件形成初始种群P₀；

(3)根据变量值计算种群中所有个体的运行总成本和用户体验度，进行快速非支配排序并计算拥挤度值，并通过选择、交叉、变异产生种群规模为N的初始父代种群P₁；

(4)对父代种群P_t中的个体以一定概率执行交叉、变异操作，产生子代种群Q_t，基于步骤2中的约束条件对Q_t进行处理将不可行变量修复为可行变量；

(5)经过交叉、变异、修复的种群组成子代种群Q_t，根据变量值计算种群中所有个体的运行总成本和用户体验度；

(6)父代种群P_t与子代种群Q_t合并成规模为2N种群R_t，对合成种群R_t中2N个个体进行快速非支配排序并计算拥挤度值；

(7)根据拥挤度比较算子与每个个体的适应值，选择出N个较优个体分层存放，形成新的父代种群P_t+1；

(8)重复(4)至(7)步，直到达到算法设置的最大迭代次数，形成帕累托前沿；

(9)采用偏小型模糊隶属度函数来选取折衷解。如下式所示：

式中：ζ_i为目标i的模糊隶属度值；f_i，f_i ^min，f_i ^max分别为目标i的实际值、最小值和最大值；m表示目标个数；ζ表示考虑多目标的模糊隶属度值。算法求解流程如图2所示。基于以上算法，最终得到包含分布式能源、电热锅炉、蓄能设备以及需求响应资源的虚拟电厂在各个时段的优化调度结果，以此对虚拟电厂供需两侧进行优化，在提高系统的整体经济效能的同时，使用户用能满意度、舒适度得到提升。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.考虑用户体验的虚拟电厂运行优化方法，包括以下几个步骤：

步骤1：构建虚拟电厂各单元模型，该模型具体包括电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型，从而确定了虚拟电厂运行内部组成的具体情况；

步骤2：构建考虑用户体验的虚拟电厂运行优化模型，该模型以虚拟电厂运行成本最小、用户体验最优为目标函数，并构建约束条件，包括电力供需平衡约束、电热锅炉运行约束、蓄电设备运行约束、蓄热设备运行约束、需求响应约束和旋转备用约束；

步骤3：基于NSGA-II的多目标求解算法。

2.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法，其特征为：所述步骤1中电热锅炉出力模型、分布式能源机组出力模型、蓄电/蓄热模型、需求响应模型进一步包括如下内容：

(1)电热锅炉出力模型

Q_EB(t)＝g_EB(t)·η_EB (1)

式中：Q_EB(t)为电锅炉t时刻的供热功率，g_EB(t)为电锅炉t时的工作消耗的电量，η_EB为电热转换效率；

(2)分布式能源机组出力模型

风电机组输出功率与其性能、风速相关，输出功率与风速之间的关系可用下式描述：

式中:P_WT,k,t，

v_k,t分别为第k台风电机组在t时段的实际输出功率、额定功率和风电机组所处地理位置的实际风速；

和

分别为第k台风电机组的额定风速、切入风速和切出风速；

光伏发电机组的输出功率主要跟光照强度、环境温度相关，其出力模型如下所示为：

式中：g_PV,t表示第t时段的光伏机组出力；S_PV,t表示第t时段的光照强度；g_STC表示标准测试条件下的最大出力；T_c,t表示电池板第t时段的工作温度；T_r表示参考温度；TW_STC表示标准测试条件下的机组转化效率；λ表示电池板温度转换参数；

(3)蓄电/蓄热模型

蓄电池储能系统(Energy Storage，ES)存在充电状态、放电状态、停运状态二种运行状态，蓄电池充放电是一个动态过程，本专利从蓄电池的储能量及充放电功率方面建模；蓄电池储能量的变化与蓄电池的充放电功率、效率有关，蓄电池采用动态的数学模型为：

E_ES(t+1)＝E_ES(t)(1-σ_ES)+P_ES,c(t)η_ES,cΔt-P_ES,d(t)Δt/η_ES,d (4)

式中E_ES(t+1)、E_ES(t)分别为t+1、t时刻的蓄电池的储能量(kWh)；P_ES,c(t)、P_ES,d(t)分别为t时刻蓄电池的充电、放电功率(kW)；η_ES.c、η_ES.d分别为蓄电池的充电、放电效率；σ_ES为蓄电池自身放电率；Δt为t+1、t时刻间隔，即充放电用时(h)；

蓄热设备(Heat Storage，HS)与蓄电池储能系统类似，存在储热、放热、停运三种工作状态，蓄热装置的储放热是一个动态过程，蓄热装置中热量变化与蓄热装置储放热功率、储放热效率有关，处于能量动态平衡状态，其数学模型为：

E_HS(t+1)＝E_HS(t)(1-σ_HS)+P_HS,c(t)η_HS,cΔt-P_HS,d(t)Δt/η_HS,d (5)

式中E_HS(t+1)、E_HS(t)分别为t+1、t时刻蓄热装置的储热量(kWh)；P_HS,c(t)、P_HS,d(t)分别为t时刻蓄热装置的蓄热、放热功率(kW)；η_HS.c、η_HS.d分别为蓄热装置的蓄热、放热效率；σ_HS为蓄热装置自身热损失系数；Δt为t+1、t时刻间隔，即储放热用时(h)；

(4)需求响应

需求响应可通过调节负荷侧的用电行为，引导负荷的自主性变化，从而对虚拟电厂发电调度产生正向影响；引入激励型需求响应(IBDR)，以可中断负荷作为响应资源，需求响应的成本为负荷响应前后虚拟电厂(VPP)售电收入的差额；负荷响应前后，虚拟电厂(VPP)的售电收益分别为：

式中，

分别为可中断负荷实施前后的系统收益，

为内部负荷的售电价格，P_t ^load、

为可中断负荷前后的相应出力，是决策变量；a、b分别为补偿函数的二次项和一次项系数。需求响应的成本

为：

3.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法，其特征为：所述步骤2进一步包括如下内容：

(1)目标函数

1)经济性目标

在实现碳中和目标的同时，虚拟电厂运行尽量争取其成本的最小化，虚拟电厂的总成本包括发电机组的燃料成本与外购电成本；因此，选择最小化运行成本作为优化目标，具体目标函数如下：

式中，F_cost表示虚拟电厂总运行成本；P_EG,t和g_EG,t分别表示虚拟电厂在时刻t的外购电量和外购电价格；C_EB,t表示t时刻电热锅炉供热用电成本；C_WPP,t与C_PV,t分别表示风电与光伏机组在时刻t的发电成本；C_CS,t和C_HS,t分别表示t时刻储电系统和储热系统的出力成本；

表示t时刻的需求响应成本；

2)用户体验

以用户方式满意度量化用户体验程度，定义用电方式满意度E为响应前后负荷曲线的改变程度：

式中P_t,eload和P_t,dr,elod分别为响应前后t时刻的负荷量；

用电方式满意度与柔性负荷如热水器、空调等可调节能力有关。式(10)表示用户用电方式的改变程度越大，用电方式满意度越低，当用户负荷曲线未改变时，仍按最满意方式安排用电方式，此时ε值为1，ε的取值范围为[0,1]。

4.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法，其特征为：所述步骤2进一步包括如下内容：

1)电力供需平衡约束

式中，g_PV,t和g_WPP,t分别为光伏机组(PV)和风电机组(WPP)在时刻t的发电出力，主要取决于自然来风和光伏辐射强度；

和

表示蓄电池在时刻t的放电和充电功率；ΔL_DR,t表示需求响应在时刻t提供的出力；g_EG,t表示虚拟电厂在时刻t的外购电量；L_t表示时刻t的电负荷需求；

2)电热锅炉运行约束

式中：Q_EB(t)为电热锅炉实际运行功率；

为电热锅炉运行功率下限；

为电热锅炉运行功率上限；

3)蓄电设备运行约束

蓄电设备运行需要考虑最大充放电功率约束和自身蓄电池容量约束，具体约束如下：

式中，g_ESS,t和S_ESS,t表示蓄电设备(ESS)在t时刻的实际充放电功率和蓄电量；

和

别表示ESS在t时刻的最大充放电功率；

和

别表示ESS在t时刻的最大和最小蓄电量；S_ESS,t+1表示ESS在t+1时刻的蓄电量；

和

分别表示ESS在t时刻的充电和放电功率；

4)蓄热设备运行约束

蓄热设备运行同样也应考虑蓄热系统功率约束和蓄热容量约束，具体约束如下：

式中：

为蓄热系统最小功率；Q_HS(t)为蓄热系统实际运行功率；

为蓄热系统最大功率；

为蓄热系统最小蓄热容量；S_HS(t)为蓄热系统实际蓄热容量；

为蓄热系统最大蓄热容量。

5)需求响应约束

利用激励型需求响应(PBDR)，可实现负荷的有效平移和削减。为了避免负荷的峰谷倒挂现象产生，最大化平缓不同负荷的需求曲线进行的约束：

其中，ΔL_DR,t表示负荷在t时段的实际变动程度；

表示负荷在t时段的最大变动程度u_DR,t表示需求响应的运行状态；T表示需求响应总时段；

表示需求响应负荷最大变动程度。

6)旋转备用约束

式中，G_VPP,t表示虚拟电厂在t时刻的总输出；

和

分别表示虚拟电厂在t时刻输出的上下限；

和

分别表示蓄电池在t时刻的最大充、放电功率；

和

分别表示蓄电池在t时刻的最大和最小蓄电量；S_ESS,t表示蓄电池在t时段实际蓄电量；s_L、L_t、s_WPP、s_PV分别表示负荷、时刻t的电负荷需求、风电机组与光伏机组的备用率；G_WPP,t和G_PV,t分别表示风电和光伏机组在t时刻的出力。

5.根据权利要求1所述的一种考虑用户体验的虚拟电厂运行优化方法，其特征为：所述步骤3进一步包括如下内容：

步骤(1)：根据步骤1中虚拟电厂各单元模型输入初始数据，包括虚拟电厂各单元设备参数、综合需求响应相关参数，并对各设备出力情况、需求响应情况进行编码；

步骤(2)：设种群规模N为100，最大迭代次数为50，交叉概率为0.8，变异概率为0.2，Pareto最优个体系数为0.5，根据约束条件形成初始种群P₀；

步骤(3)：根据变量值计算种群中所有个体的运行总成本和用户体验度，进行快速非支配排序并计算拥挤度值，并通过选择、交叉、变异产生种群规模为N的初始父代种群P₁；

步骤(4)：对父代种群P_t中的个体以一定概率执行交叉、变异操作，产生子代种群Q_t，基于步骤2中的约束条件对Q_t进行处理将不可行变量修复为可行变量；

步骤(5)：经过交叉、变异、修复的种群组成子代种群Q_t，根据变量值计算种群中所有个体的运行总成本和用户体验度；

步骤(6)：父代种群P_t与子代种群Q_t合并成规模为2N种群R_t，对合成种群R_t中2N个个体进行快速非支配排序并计算拥挤度值；

步骤(7)：根据拥挤度比较算子与每个个体的适应值，选择出N个较优个体分层存放，形成新的父代种群P_t+1；

步骤(8)：重复步骤(4)至步骤(7)步，直到达到算法设置的最大迭代次数，形成帕累托前沿；

步骤(9)：采用偏小型模糊隶属度函数来选取折衷解。如下式所示：

式中：ζ_i为目标i的模糊隶属度值；f_i，f_i ^min，f_i ^max分别为目标i的实际值、最小值和最大值；m表示目标个数；ζ表示考虑多目标的模糊隶属度值。

6.将上述权利要求1-5任一所述的考虑用户体验的虚拟电厂运行优化方法应用于虚拟电厂运行中。

Images