CN116706920A - 虚拟电厂参与电能量调峰市场的最优策略与优化调度方法 - Google Patents

Abstract

本发明公开了虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，包括以下步骤：步骤一，虚拟电厂聚合资源建模；步骤二，提出基于博弈的虚拟电厂经营管理与优化调度建模；步骤三，对基于博弈的虚拟电厂优化调度测算分析；本发明经过少数次数的循环迭代，即可实现收益最大化的寻优，极大地提升了运算效率，通过上述的基于博弈的虚拟电厂经营管理与优化调度测算分析方法，在虚拟电厂运营商对运营目标进行调整时，可得出在该目标下虚拟电厂优惠让利模式与向资源报价的最优方案，在这过程中，充分考虑了资源聚合过程中可能产生的利益分配问题，有效的为虚拟电厂的运营经营管理与优化调度方案提供了分析依据。

Description

虚拟电厂参与电能量调峰市场的最优策略与优化调度方法

技术领域

本发明涉及电力市场技术领域，具体为虚拟电厂参与电能量调峰市场的最优策略与优化调度方法。

背景技术

随着分布式发电资源的不断发展，且可再生能源含量的进一步增多，可再生能源消纳与参与电力市场化交易目前面临巨大的挑战，在这样的背景下，虚拟电厂技术逐渐成为发展大热，传统的虚拟电厂经营方式为先集中调度后在根据一定方案进行收益分配，在这样的调度模式下，无法考虑所聚合资源的主观意愿，在利益分配时，易产生分歧。

因此，有必要从博弈的角度出发，分析虚拟电厂及内部资源之间的博弈，对虚拟电厂及虚拟电厂经营管理办法进行建模，并进一步提出该博弈的求解方法，为虚拟电厂的经营管理提供方法与分析路。

为了克服上述现有技术的缺失，本发明提供了一种基于博弈的虚拟电厂经营管理方案与优化调度测算分析方法。

发明内容

本发明的目的在于提供虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，包括以下步骤：步骤一，虚拟电厂聚合资源建模；步骤二，提出基于博弈的虚拟电厂经营管理与优化调度建模；步骤三，对基于博弈的虚拟电厂优化调度测算分析；

其中在上述步骤一中，首先考虑确定性资源备用以消除风、光资源不确定性，充分考虑运行约束条件一至约束条件四进行虚拟电厂建模，并接受虚拟电厂集中调度参与日前电能量市场；

其中在上述步骤二中，当步骤一中的虚拟电厂建模完成后，充分考虑可调度柔性负荷与发电资源的市场参与意愿，基于博弈进行虚拟电厂内部资源经营管理与参与市场优化调度建模；

其中在上述步骤三中，当步骤二中的优化调度建模完成后，基于蒙特卡洛思想，对基于博弈的虚拟电厂优化调度方案进行拆分，并与传统的经营管理方案进行对比，以分析虚拟电厂最优经营管理方法。

优选的，所述步骤一中，充分考虑虚拟电厂可再生能源消纳能力，聚合风、光、燃气轮机组发电资源、可调负荷资源与储能资源，考虑风、光资源的运行不确定性，且以燃气轮机组备用或储能备用并能及时响应的形式消除风、光资源运行的不确定性，目前现有技术下，日前风光预测的准确性不超过30％，考虑存在充分的确定性发电资源以消除风光随机性带来的影响。

优选的，所述步骤一中，分析虚拟电厂的构成，其运行将满足各种资源所需满足的条件，通常可分为机组运行约束条件、系统潮流约束条件两大类；

对于机组运行条件，应当充分考虑发电资源、储能资源与负荷资源的运行约束；

对于发电资源约束，其出力应当满足下约束一确定：

P_G,j,t,min≤P_G,j,t≤P_G,j,t,max (1)

式中，P_G,j,t为虚拟电厂所聚合的发电资源，P_G,j,t,min、P_G,j,t,max为发电资源出力的上下限；

对于储能资源，由于过充或过放、大功率充电等因素均会造成寿命大幅下降，则其运行同样应当满足一定的限制，详细条件如下约束二：

S_soc,0＝S_soc,24 (2)

S_soc,s,min≤S_soc,s,t≤S_soc,s,max，t＝1:24 (3)

S_soc,s,t＝S_soc,s,t-1+η_s*max(P_s,m,t-1,0)/E+min(P_s,m,t-1,0)/(η_s*E),t＝1:24(4)

-P_S,max≤P_S,m,t≤P_S,max (5)

式中，下标S代表储能资源，S_soc代表荷电状态，P_S表示储能的充放电功率，S_soc,s,max、S_soc,s,min、P_S，max、P_S.min分别为储能荷电状态、充放电功率的上下限，η_s为储能充放电的效率；

对于燃气轮机组与储能资源，由于需要考虑对风、光资源的备用，其所能调度的出力上限小于所聚合的资源数量；

对于可调节负荷，需要充分考虑负荷的转移与反弹效应，同时应当考虑负荷的调节意愿，总体满足如下约束三；

ΔP_l,min.t≤P_l,cut,t≤ΔP_l,max,t,t＝1:24 (7)

ΔP_l,min.t≤P_l,reb,t≤ΔP_l,max,t,t＝1:24 (8)

式中，P_l,cut,t.为负荷削减量，P_l,reb,t为负荷增加量，k_reb为负荷反弹效应系数，ΔP_l,min,t、ΔP_l,max,t为t时段可转移负荷的调整上限；

对于虚拟电厂参与电能量市场，需要保障虚拟电厂内部运转稳定，则需满足如下约束四所示系统潮流平衡与功率平衡等条件；

P_sell,t-P_buy,t＝P_G,t-(P_L,t-P_L,cut,t+P_L,reb,t),t＝1:24 (9)

式中，P_sell、P_buy分别为虚拟电厂参与电能量市场卖出、买入的电量；

虚拟电厂通过对内部资源进行整合、优化调度，以更高效、经济的方式参与电力市场，对内通常按一定的商定法则进行利益分配。

优选的，所述步骤二中，设计虚拟电厂基于主从博弈对内部资源进行聚合与调整，作为决策领导者，虚拟电厂在已知市场情况并能预测发电资源发电行为、负荷资源的用电行为的条件下，先行做出决策，以经济性最优为目标，向内部资源聚合商进行报价，则其决策变量为各时段的向决策跟随者的报价策略组λ_in＝{λ_in,GT,λ_in,L}，则其决策目标如下式所示：

式中，R_e为虚拟电厂参与电能量市场的收益，C_w,pv,s为虚拟电厂的总成本，包含风电、光伏发电资源和储能资源的运行成本，P_in,GT、P_in,load为决策跟随者根据报价策略组而反馈的发电量或用电量；

对于报价策略组，均应当在虚拟电厂从电力市场购售电价格区间范围内，其对负荷聚合商的用电报价策略组需小于直接从电网买电的价格，以确保负荷聚合商从虚拟电厂购电，对发电资源的购电报价应当小于从电网购电的价格，以保障发电资源能顺利参与虚拟电厂的聚合，其报价决策组满足如下约束：

λ_sell≤λ_in≤λ_buy (10)

式中，λ_sell、λ_buy分别为虚拟电厂从电力市场的售、购电价格。

优选的，所述步骤二中，决策跟随者为负荷聚合商与燃气轮机组聚合商，他们接受虚拟电厂报价策略组后，根据自身可调节资源数量，同样以经济性最优为目标，进行决策反馈给决策领导者，两者互相报价或报量，直至两者最终达到决策的一致；

其一，决策跟随者负荷聚合商的优化目标为运行成本最小，则其优化目标如下所示：

式中，C_Load为柔性负荷用电的总成本；

其二，决策跟随者燃气轮机组聚合商的优化目标为收入最大化，其目标表达式如下所示：

式中，F_GT为燃气轮机组的运行效益，B_sell为燃气轮机组卖出电量给虚拟电厂运营商的收入，C_GT燃气轮机组的运行成本；

对于上述基于博弈进行虚拟电厂内部资源经营管理与参与市场优化调度的建模，由于虚拟电厂中所聚合资源并未发生改变，则仍需满足步骤一所述的虚拟电厂模型相关约束。

优选的，所述步骤三中，基于蒙特卡洛思想，对基于博弈的虚拟电厂优化调度方案进行拆分，并与传统的经营管理方案进行对比分析的具体过程如下：通过对上述基于博弈的虚拟电厂经营管理方案进行分析，上下层模型互相耦合，其模型的求解是一个混合整数非线性模型，对于该类型问题的求解相对困难，故考虑对问题进行拆分，将上下两层问题进行分开求解。

优选的，当虚拟电厂对资源聚合商进行报价时，需给予一定程度的优惠以吸引资源聚合商，其报价优惠系数组为K＝{K_load,K_G}，则对负荷聚合商的报价应当满足下式所示约束：

式中，分别为向电力市场售电、从电力市场购电的价格均值，同理，虚拟电厂对燃汽轮机组聚合商进行报价应当满足以下约束：

虚拟电厂对于负荷资源的报价倾向于收取更多用电费用，对发电资源的报价倾向于支付更低的发电成本，以实现其运营收益最大化，则对于不同的优惠程度系数，负荷的用电意愿、发电机组的发电意愿均会产生差异，进而虚拟电厂的运行经济性将受到影响，故基于蒙特卡洛的思想，将报价系数进行拆分，通过抽样的方式生成足够数量的报价系数组，则虚拟电厂的运营目标函数则可表达为：

maxF_vpp＝f(K) (15)

式中，f为不同优惠系数组K条件下，虚拟电厂的经济性；

对于不同的报价系数下，经过分析可知，当虚拟电厂在已知资源聚合商报量的情况下，其从电力市场购售电的需求则成为已知量，则问题将变化为虚拟电厂对资源聚合商报价的混合整数线性规划问题，对于资源聚合商，在已知虚拟电厂报价的情况下，其出力优化求解同样为混合整数线性规划问题，则基于遗传算法的思想与博弈的思想，将上下层问题进行解耦，则求解过程遵循如下步骤：

步骤1，虚拟电厂初始报价，对燃气轮机聚合商初始报价为向市场购电价格，对负荷聚合商初始报价为从市场购电价格；

步骤2，资源聚合商根据报价，优化出力；

步骤3，虚拟电厂根据资源聚合商反馈出力，计算收益并记录，并反馈当前出力条件下的最优报价；

步骤4，重复步骤2、步骤3，直至两者在某一虚拟电厂收益最高点维持平衡；

上述过程中，博弈双方经历了多次报价、报量的机会，且每次报价均为各自厂商认为的最优报价，迭代相对快速，通过不断改变优惠系数，可获得不同优惠系数下的虚拟电厂收益集F_vpp,all＝{f_K1,f_K2,......,f_Kn}，n为优惠策略集的数目，同时也能获得对应的资源聚合商收益集，F_in,all＝{F_G,all,F_load,all}；

对于传统统一调度的虚拟电厂，其收益通常采用Shapley值的方式进行计算，则对于贡献主体，收益计算方法如下：

考虑不同的策略作为虚拟电厂的运营目标，最优运营目标为各主体的经济效益均获得一定程度的提升，则应当满足下式：

f_Ki,vpp＞F_vpp,poly或f_ki,G＞F_G,poly或f_ki,load＞F_load,poly (17)

式中，f为基于主从博弈的虚拟电厂经营策略各资源主体获取的收益，F为集中调度运营模式下各资源主体获取的收益；

通过对运营目标进行调整，可得出在该目标下虚拟电厂优惠让利模式与向资源报价的最优方案，为虚拟电厂的运营提供一定的分析依据，同时也充分考虑了资源聚合过程中可能产生的利益分配问题，为虚拟电厂的运营经营管理与优化调度方案提供了分析依据。

与现有技术相比，本发明的有益效果是：本发明通过对运营目标进行调整，可得出在该目标下虚拟电厂优惠让利模式与向资源报价的最优方案，为虚拟电厂的运营提供一定的分析依据，同时也充分考虑了资源聚合过程中可能产生的利益分配问题，为虚拟电厂的运营经营管理与优化调度方案提供了分析依据。

附图说明

图1为本发明的方法流程图；

图2为本发明的典型实施例所用的典型分时电价；

图3为本发明的基于主从博弈的虚拟电厂经营管理运行架构图；

图4为本发明的风、光出力预测与负荷预测曲线图；

图5为本发明的集中调度下虚拟电厂的优化调度结果示意图；

图6为本发明的不同报价优惠组下虚拟电厂的收入结果示意图；

图7为本发明的不同报价优惠组下燃气轮机组的收入结果示意图；

图8为本发明的不同报价优惠组下柔性负荷的用电成本示意图；

图9为本发明的给定报价优惠组时寻优求解过程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。

请参阅图1-9，本发明提供的一种实施例：虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，包括以下步骤：步骤一，虚拟电厂聚合资源建模；步骤二，提出基于博弈的虚拟电厂经营管理与优化调度建模；步骤三，对基于博弈的虚拟电厂优化调度测算分析；

其中在上述步骤一中，首先考虑确定性资源备用以消除风、光资源不确定性，充分考虑运行约束条件一至约束条件四进行虚拟电厂建模，并接受虚拟电厂集中调度参与日前电能量市场，充分考虑虚拟电厂可再生能源消纳能力，聚合风、光、燃气轮机组发电资源、可调负荷资源与储能资源，考虑风、光资源的运行不确定性，且以燃气轮机组备用或储能备用并能及时响应的形式消除风、光资源运行的不确定性，目前现有技术下，日前风光预测的准确性不超过30％，考虑存在充分的确定性发电资源以消除风光随机性带来的影响；

分析虚拟电厂的构成，其运行将满足各种资源所需满足的条件，通常可分为机组运行约束条件、系统潮流约束条件两大类；

对于机组运行条件，应当充分考虑发电资源、储能资源与负荷资源的运行约束；

对于发电资源约束，其出力应当满足下约束一确定：

P_G,j,t,min≤P_G,j,t≤P_G,j,t,max (1)

式中，P_G,j,t为虚拟电厂所聚合的发电资源，P_G,j,t,min、P_G,j,t,max为发电资源出力的上下限；

对于储能资源，由于过充或过放、大功率充电等因素均会造成寿命大幅下降，则其运行同样应当满足一定的限制，详细条件如下约束二：

S_soc,0＝S_soc,24 (2)

S_soc,s,min≤S_soc,s,t≤S_soc,s,max，t＝1:24 (3)

S_soc,s,t＝S_soc,s,t-1+η_s*max(P_s,m,t-1,0)/E+min(P_s,m,t-1,0)/(η_s*E),t＝1:24(4)

-P_S,max≤P_S,m,t≤P_S,max (5)

式中，下标S代表储能资源，S_soc代表荷电状态，P_S表示储能的充放电功率，S_soc,s,max、S_soc,s,min、P_S，max、P_S.min分别为储能荷电状态、充放电功率的上下限，η_s为储能充放电的效率；

对于燃气轮机组与储能资源，由于需要考虑对风、光资源的备用，其所能调度的出力上限小于所聚合的资源数量；

对于可调节负荷，需要充分考虑负荷的转移与反弹效应，同时应当考虑负荷的调节意愿，总体满足如下约束三；

ΔP_l,min.t≤P_l,cut,t≤ΔP_l,max,t,t＝1:24 (7)

ΔP_l,min.t≤P_l,reb,t≤ΔP_l,max,t,t＝1:24 (8)

式中，P_l,cut,t.为负荷削减量，P_l,reb,t为负荷增加量，k_reb为负荷反弹效应系数，ΔP_l,min,t、ΔP_l,max,t为t时段可转移负荷的调整上限；

对于虚拟电厂参与电能量市场，需要保障虚拟电厂内部运转稳定，则需满足如下约束四所示系统潮流平衡与功率平衡等条件；

P_sell,t-P_buy,t＝P_G,t-(P_L,t-P_L,cut,t+P_L,reb,t),t＝1:24 (9)

式中，P_sell、P_buy分别为虚拟电厂参与电能量市场卖出、买入的电量；

虚拟电厂通过对内部资源进行整合、优化调度，以更高效、经济的方式参与电力市场，对内通常按一定的商定法则进行利益分配；

其中在上述步骤二中，当步骤一中的虚拟电厂建模完成后，充分考虑可调度柔性负荷与发电资源的市场参与意愿，基于博弈进行虚拟电厂内部资源经营管理与参与市场优化调度建模；

设计虚拟电厂基于主从博弈对内部资源进行聚合与调整，作为决策领导者，虚拟电厂在已知市场情况并能预测发电资源发电行为、负荷资源的用电行为的条件下，先行做出决策，以经济性最优为目标，向内部资源聚合商进行报价，则其决策变量为各时段的向决策跟随者的报价策略组λ_in＝{λ_in,GT,λ_in,L}，则其决策目标如下式所示：

式中，R_e为虚拟电厂参与电能量市场的收益，C_w,pv,s为虚拟电厂的总成本，包含风电、光伏发电资源和储能资源的运行成本，P_in,GT、P_in,load为决策跟随者根据报价策略组而反馈的发电量或用电量；

对于报价策略组，均应当在虚拟电厂从电力市场购售电价格区间范围内，其对负荷聚合商的用电报价策略组需小于直接从电网买电的价格，以确保负荷聚合商从虚拟电厂购电，对发电资源的购电报价应当小于从电网购电的价格，以保障发电资源能顺利参与虚拟电厂的聚合，其报价决策组满足如下约束：

λ_sell≤λ_in≤λ_buy (10)

式中，λ_sell、λ_buy分别为虚拟电厂从电力市场的售、购电价格；

决策跟随者为负荷聚合商与燃气轮机组聚合商，他们接受虚拟电厂报价策略组后，根据自身可调节资源数量，同样以经济性最优为目标，进行决策反馈给决策领导者，两者互相报价或报量，直至两者最终达到决策的一致；

其一，决策跟随者负荷聚合商的优化目标为运行成本最小，则其优化目标如下所示：

式中，C_Load为柔性负荷用电的总成本；

其二，决策跟随者燃气轮机组聚合商的优化目标为收入最大化，其目标表达式如下所示：

式中，F_GT为燃气轮机组的运行效益，B_sell为燃气轮机组卖出电量给虚拟电厂运营商的收入，C_GT燃气轮机组的运行成本；

对于上述基于博弈进行虚拟电厂内部资源经营管理与参与市场优化调度的建模，由于虚拟电厂中所聚合资源并未发生改变，则仍需满足步骤一的虚拟电厂模型相关约束；

其中在上述步骤三中，当步骤二中的优化调度建模完成后，基于蒙特卡洛思想，对基于博弈的虚拟电厂优化调度方案进行拆分，并与传统的经营管理方案进行对比，以分析虚拟电厂最优经营管理方法；

基于蒙特卡洛思想，对基于博弈的虚拟电厂优化调度方案进行拆分，并与传统的经营管理方案进行对比分析的具体过程如下：通过对上述基于博弈的虚拟电厂经营管理方案进行分析，上下层模型互相耦合，其模型的求解是一个混合整数非线性模型，对于该类型问题的求解相对困难，故考虑对问题进行拆分，将上下两层问题进行分开求解；

当虚拟电厂对资源聚合商进行报价时，需给予一定程度的优惠以吸引资源聚合商，其报价优惠系数组为K＝{K_load,K_G}，则对负荷聚合商的报价应当满足下式所示约束：

式中，分别为向电力市场售电、从电力市场购电的价格均值，同理，虚拟电厂对燃汽轮机组聚合商进行报价应当满足以下约束：

虚拟电厂对于负荷资源的报价倾向于收取更多用电费用，对发电资源的报价倾向于支付更低的发电成本，以实现其运营收益最大化，则对于不同的优惠程度系数，负荷的用电意愿、发电机组的发电意愿均会产生差异，进而虚拟电厂的运行经济性将受到影响，故基于蒙特卡洛的思想，将报价系数进行拆分，通过抽样的方式生成足够数量的报价系数组，则虚拟电厂的运营目标函数则可表达为：

maxF_vpp＝f(K) (15)

式中，f为不同优惠系数组K条件下，虚拟电厂的经济性；

对于不同的报价系数下，经过分析可知，当虚拟电厂在已知资源聚合商报量的情况下，其从电力市场购售电的需求则成为已知量，则问题将变化为虚拟电厂对资源聚合商报价的混合整数线性规划问题，对于资源聚合商，在已知虚拟电厂报价的情况下，其出力优化求解同样为混合整数线性规划问题，则基于遗传算法的思想与博弈的思想，将上下层问题进行解耦，则求解过程遵循如下步骤：

步骤1，虚拟电厂初始报价，对燃气轮机聚合商初始报价为向市场购电价格，对负荷聚合商初始报价为从市场购电价格；

步骤2，资源聚合商根据报价，优化出力；

步骤3，虚拟电厂根据资源聚合商反馈出力，计算收益并记录，并反馈当前出力条件下的最优报价；

步骤4，重复步骤2、步骤3，直至两者在某一虚拟电厂收益最高点维持平衡；

上述过程中，博弈双方经历了多次报价、报量的机会，且每次报价均为各自厂商认为的最优报价，迭代相对快速，通过不断改变优惠系数，可获得不同优惠系数下的虚拟电厂收益集F_vpp,all＝{f_K1,f_K2,......,f_Kn}，n为优惠策略集的数目，同时也能获得对应的资源聚合商收益集，F_in,all＝{F_G,all,F_load,all}；

对于传统统一调度的虚拟电厂，其收益通常采用Shapley值的方式进行计算，则对于贡献主体，收益计算方法如下：

考虑不同的策略作为虚拟电厂的运营目标，最优运营目标为各主体的经济效益均获得一定程度的提升，则应当满足下式：

f_Ki,vpp＞F_vpp,poly或f_ki,G＞F_G,poly或f_ki,load＞F_load,poly (17)

式中，f为基于主从博弈的虚拟电厂经营策略各资源主体获取的收益，F为集中调度运营模式下各资源主体获取的收益；

通过对运营目标进行调整，可得出在该目标下虚拟电厂优惠让利模式与向资源报价的最优方案，为虚拟电厂的运营提供一定的分析依据，同时也充分考虑了资源聚合过程中可能产生的利益分配问题，为虚拟电厂的运营经营管理与优化调度方案提供了分析依据；

在一个具体实施例中，所设置的虚拟电厂包含燃气轮机组、风电、光伏、储能与可转移负荷，对于燃气轮机组，相关参数如下表所示：

对于储能资源，其相关参数如下表所示：

虚拟电厂参与电力市场时，作为价格接收者参与电力市场，以典型的分时电价曲线作为电网购售电价格，其数据图附图2所示，同时，假定虚拟电厂日前负荷预测不存在误差，风光出力预测的误差通过备用进行消除，即同样不考虑风光出力预测误差，本实施例中的风光出力预测曲线与负荷预测曲线如附图3所示，基于博弈的虚拟电厂经营管理框架如附图4所示；

由附图2中分时电价相关数据，虚拟电厂从电力市场购电价格为售电价格的两倍，则K_Load的定义域选择为[0.5,1.0]，K_G的定义域为[1.0,2.0]，需要给予一定程度的优惠才能吸引资源聚合上参与虚拟电厂调度，则可进一步缩减，则K_Load∈[0.6,0.95]，K_G∈[1.5,1.95]，对于集中调度所得的优化结果，如附图5所示，且利用Shapley值分配法对上述集中调度的虚拟电厂经营收益进行分配，其与各主体各自参与市场的结果如下表所示：

	聚合前	聚合后
			虚拟电厂运营商	20144	29318
发电机组	3425	18794
			柔性负荷	-192270	-169380
总经济效益	-168651	-121272

通过在报价优惠组K＝{K_load,K_G}的定义域中不断进行上步骤1-步骤4进行求解，其求解结果如附图6至附图8所示，对附图6-图8所示的结果进行分析，在下表4中3组结果中，总经济效益得到一定程度的提升，虚拟电厂与燃气轮机组的收益较集中调度后按Shapley值分配法分配收益也获得一定程度的提升，而柔性负荷的用电成本变动较少，仍处于可接受范围；

选择K_GT＝1.73、K_Load＝0.89时，虚拟电厂的经济效益最大化，且各资源主体的运行较独立运行均获得了巨大的提升，总体经济效益也获得了一定程度的提升，为虚拟电厂基于博弈的经营管理方案的最优解，对于所提出的基于博弈思想的上下层模型求解方法，在指定让利系数下，求解寻优过程如附图9所示。

基于上述，本发明的优点在于，该发明使用时，经过少数次数的循环迭代，即可实现收益最大化的寻优，极大地提升了运算效率，通过上述的基于博弈的虚拟电厂经营管理与优化调度测算分析方法，在虚拟电厂运营商对运营目标进行调整时，可得出在该目标下虚拟电厂优惠让利模式与向资源报价的最优方案，在这过程中，充分考虑了资源聚合过程中可能产生的利益分配问题，为虚拟电厂的运营经营管理与优化调度方案提供了分析依据。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，包括以下步骤：步骤一，虚拟电厂聚合资源建模；步骤二，提出基于博弈的虚拟电厂经营管理与优化调度建模；步骤三，对基于博弈的虚拟电厂优化调度测算分析；其特征在于：

其中在上述步骤一中，首先考虑确定性资源备用以消除风、光资源不确定性，充分考虑运行约束条件一至约束条件四进行虚拟电厂建模，并接受虚拟电厂集中调度参与日前电能量市场；

其中在上述步骤二中，当步骤一中的虚拟电厂建模完成后，充分考虑可调度柔性负荷与发电资源的市场参与意愿，基于博弈进行虚拟电厂内部资源经营管理与参与市场优化调度建模；

其中在上述步骤三中，当步骤二中的优化调度建模完成后，基于蒙特卡洛思想，对基于博弈的虚拟电厂优化调度方案进行拆分，并与传统的经营管理方案进行对比，以分析虚拟电厂最优经营管理方法。

2.根据权利要求1所述的虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，其特征在于：所述步骤一中，充分考虑虚拟电厂可再生能源消纳能力，聚合风、光、燃气轮机组发电资源、可调负荷资源与储能资源，考虑风、光资源的运行不确定性，且以燃气轮机组备用或储能备用并能及时响应的形式消除风、光资源运行的不确定性，目前现有技术下，目前风光预测的准确性不超过30％，考虑存在充分的确定性发电资源以消除风光随机性带来的影响。

3.根据权利要求1所述的虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，其特征在于：所述步骤一中，分析虚拟电厂的构成，其运行将满足各种资源所需满足的条件，通常可分为机组运行约束条件、系统潮流约束条件两大类；

对于机组运行条件，应当充分考虑发电资源、储能资源与负荷资源的运行约束；

对于发电资源约束，其出力应当满足下约束一确定：

P_G,j,t,min≤P_G,j,t≤P_G,j,t,max (1)

式中，P_G,j,t为虚拟电厂所聚合的发电资源，P_G,j,t,min、P_G,j,t,max为发电资源出力的上下限；

对于储能资源，由于过充或过放、大功率充电等因素均会造成寿命大幅下降，则其运行同样应当满足一定的限制，详细条件如下约束二：

S_soc,0＝S_soc,24 (2)

S_soc,s,min≤S_soc,s,t≤S_soc,s,max，t＝1:24 (3)

S_soc,s,t＝S_soc,s,t-1+η_s*max(P_s,m,t-1,0)/E+min(P_s,m,t-1,0)/(η_s*E),t＝1:24 (4)

-P_S,max≤P_S,m,t≤P_S,max (5)

式中，下标S代表储能资源，S_soc代表荷电状态，P_S表示储能的充放电功率，S_soc,s,max、S_soc,s,min、P_S，max、P_S.min分别为储能荷电状态、充放电功率的上下限，η_s为储能充放电的效率；

对于燃气轮机组与储能资源，由于需要考虑对风、光资源的备用，其所能调度的出力上限小于所聚合的资源数量；

对于可调节负荷，需要充分考虑负荷的转移与反弹效应，同时应当考虑负荷的调节意愿，总体满足如下约束三；

ΔP_l,min.t≤P_l,cut,t≤ΔP_l,max,t,t＝1:24 (7)

ΔP_l,min.t≤P_l,reb,t≤ΔP_l,max,t,t＝1:24 (8)

式中，P_l,cut,t.为负荷削减量，P_l,reb,t为负荷增加量，k_reb为负荷反弹效应系数，ΔP_l,min,t、ΔP_l,max,t为t时段可转移负荷的调整上限；

对于虚拟电厂参与电能量市场，需要保障虚拟电厂内部运转稳定，则需满足如下约束四所示系统潮流平衡与功率平衡等条件；

P_sell,t-P_buy,t＝P_G,t-(P_L,t-P_L,cut,t+P_L,reb,t),t＝1:24 (9)

式中，P_sell、P_buy分别为虚拟电厂参与电能量市场卖出、买入的电量；

虚拟电厂通过对内部资源进行整合、优化调度，以更高效、经济的方式参与电力市场，对内通常按一定的商定法则进行利益分配。

4.根据权利要求1所述的虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，其特征在于：所述步骤二中，设计虚拟电厂基于主从博弈对内部资源进行聚合与调整，作为决策领导者，虚拟电厂在已知市场情况并能预测发电资源发电行为、负荷资源的用电行为的条件下，先行做出决策，以经济性最优为目标，向内部资源聚合商进行报价，则其决策变量为各时段的向决策跟随者的报价策略组λ_in＝{λ_in,GT,λ_in,L}，则其决策目标如下式所示：

式中，R_e为虚拟电厂参与电能量市场的收益，C_w,pv,s为虚拟电厂的总成本，包含风电、光伏发电资源和储能资源的运行成本，P_in,GT、P_in,load为决策跟随者根据报价策略组而反馈的发电量或用电量；

对于报价策略组，均应当在虚拟电厂从电力市场购售电价格区间范围内，其对负荷聚合商的用电报价策略组需小于直接从电网买电的价格，以确保负荷聚合商从虚拟电厂购电，对发电资源的购电报价应当小于从电网购电的价格，以保障发电资源能顺利参与虚拟电厂的聚合，其报价决策组满足如下约束：

λ_sell≤λ_in≤λ_buy (10)

式中，λ_sell、λ_buy分别为虚拟电厂从电力市场的售、购电价格。

5.根据权利要求1所述的虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，其特征在于：所述步骤二中，决策跟随者为负荷聚合商与燃气轮机组聚合商，他们接受虚拟电厂报价策略组后，根据自身可调节资源数量，同样以经济性最优为目标，进行决策反馈给决策领导者，两者互相报价或报量，直至两者最终达到决策的一致；

其一，决策跟随者负荷聚合商的优化目标为运行成本最小，则其优化目标如下所示：

式中，C_Load为柔性负荷用电的总成本；

其二，决策跟随者燃气轮机组聚合商的优化目标为收入最大化，其目标表达式如下所示：

式中，F_GT为燃气轮机组的运行效益，B_sell为燃气轮机组卖出电量给虚拟电厂运营商的收入，C_GT燃气轮机组的运行成本；

对于上述基于博弈进行虚拟电厂内部资源经营管理与参与市场优化调度的建模，由于虚拟电厂中所聚合资源并未发生改变，则仍需满足步骤一所述的虚拟电厂模型相关约束。

6.根据权利要求1所述的虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，其特征在于：所述步骤三中，基于蒙特卡洛思想，对基于博弈的虚拟电厂优化调度方案进行拆分，并与传统的经营管理方案进行对比分析的具体过程如下：通过对上述基于博弈的虚拟电厂经营管理方案进行分析，上下层模型互相耦合，其模型的求解是一个混合整数非线性模型，对于该类型问题的求解相对困难，故考虑对问题进行拆分，将上下两层问题进行分开求解。

7.根据权利要求1所述的虚拟电厂参与电能量调峰市场的最优策略与优化调度方法，其特征在于：当虚拟电厂对资源聚合商进行报价时，需给予一定程度的优惠以吸引资源聚合商，其报价优惠系数组为K＝{K_load,K_G}，则对负荷聚合商的报价应当满足下式所示约束：

式中，分别为向电力市场售电、从电力市场购电的价格均值，同理，虚拟电厂对燃汽轮机组聚合商进行报价应当满足以下约束：

虚拟电厂对于负荷资源的报价倾向于收取更多用电费用，对发电资源的报价倾向于支付更低的发电成本，以实现其运营收益最大化，则对于不同的优惠程度系数，负荷的用电意愿、发电机组的发电意愿均会产生差异，进而虚拟电厂的运行经济性将受到影响，故基于蒙特卡洛的思想，将报价系数进行拆分，通过抽样的方式生成足够数量的报价系数组，则虚拟电厂的运营目标函数则可表达为：

maxF_vpp＝f(K) (15)

式中，f为不同优惠系数组K条件下，虚拟电厂的经济性；

对于不同的报价系数下，经过分析可知，当虚拟电厂在已知资源聚合商报量的情况下，其从电力市场购售电的需求则成为已知量，则问题将变化为虚拟电厂对资源聚合商报价的混合整数线性规划问题，对于资源聚合商，在已知虚拟电厂报价的情况下，其出力优化求解同样为混合整数线性规划问题，则基于遗传算法的思想与博弈的思想，将上下层问题进行解耦，则求解过程遵循如下步骤：

步骤1，虚拟电厂初始报价，对燃气轮机聚合商初始报价为向市场购电价格，对负荷聚合商初始报价为从市场购电价格；

步骤2，资源聚合商根据报价，优化出力；

步骤3，虚拟电厂根据资源聚合商反馈出力，计算收益并记录，并反馈当前出力条件下的最优报价；

步骤4，重复步骤2、步骤3，直至两者在某一虚拟电厂收益最高点维持平衡；

上述过程中，博弈双方经历了多次报价、报量的机会，且每次报价均为各自厂商认为的最优报价，迭代相对快速，通过不断改变优惠系数，可获得不同优惠系数下的虚拟电厂收益集F_vpp,all＝{f_K1,f_K2,......,f_Kn}，n为优惠策略集的数目，同时也能获得对应的资源聚合商收益集，F_in,all＝{F_G,all,F_load,all}；

对于传统统一调度的虚拟电厂，其收益通常采用Shapley值的方式进行计算，则对于贡献主体，收益计算方法如下：

考虑不同的策略作为虚拟电厂的运营目标，最优运营目标为各主体的经济效益均获得一定程度的提升，则应当满足下式：

f_Ki,vpp＞F_vpp,poly或f_ki,G＞F_G,poly或f_ki,load＞F_load,poly (17)

式中，f为基于主从博弈的虚拟电厂经营策略各资源主体获取的收益，F为集中调度运营模式下各资源主体获取的收益；

通过对运营目标进行调整，可得出在该目标下虚拟电厂优惠让利模式与向资源报价的最优方案，为虚拟电厂的运营提供一定的分析依据，同时也充分考虑了资源聚合过程中可能产生的利益分配问题，为虚拟电厂的运营经营管理与优化调度方案提供了分析依据。