基于投資組合理論的虛擬電廠資源優(yōu)化組合方法

云秋晨，田立亭，齊 寧，張 放，程 林

（1. 北京交通大學電氣工程學院，北京市 100044；2. 電力系統(tǒng)及大型發(fā)電設備控制和仿真國家重點實驗室，清華大學，北京市 100084）

0 引言

隨著大量分布式電源、可控負荷、儲能等接入配電網，利用這些分散、靈活的資源為電網提供服務，充分發(fā)揮這些資源的調控潛力已成為當前智能電網建設的重要方向。本文將這些分布在用戶側可以進行互動和管理的資源統(tǒng)稱為分布式資源（distributed energy resources，DER）。這些DER 具有異構性，即在所有主體、互動意愿、技術特性方面存在較大的差異，電網對其實施直接管理存在較大難度［1］。在此背景下，虛擬電廠（virtual power plant，VPP）技術對當前電力市場、信息通信技術具有良好的適應性，為分散、多樣、異構的DER 提供了靈活管理方式［2-4］。

針對DER 的異構性，文獻［5-11］分別研究了分布式電源、需求響應、電動汽車、電儲能、熱儲能等多種互動資源的運行特性，為實現VPP 內部“源-荷-儲”協(xié)調運行提供思路。其中，文獻［10］利用點估計法模擬VPP 運行中涉及的負荷需求、資源出力及交易電價的不確定性，文獻［11］進一步基于投資組合理論定量地評估不確定性引起的VPP 收益風險。VPP 的聚合外特性表現為虛擬的功率上調和下調能力，文獻［12-13］分別研究了用戶用能習慣、激勵機制對用戶響應行為的影響，建立資源響應特性模型。在此基礎上，文獻［14］提出互動資源響應潛力評估方法；文獻［15］采用基于魯棒優(yōu)化的聚合算法得到VPP 的魯棒聚合邊界，使VPP 在邊界內具有靈活的調節(jié)能力，從而向電網提供阻塞管理、備用容量、電壓控制、調峰、調頻、緊急功率支撐等多種應用［16-19］。

在應用中，VPP 工作過程可分為計劃、運行和結算3 個階段［20］。目前，國外針對VPP 的研究多集中于調度運行與利益分配兩方面，針對VPP 計劃工作的研究較少。在計劃方面，文獻［21］基于投資組合理論的基本思想，充分考慮了各類分布式能源的出力互補特性，考慮了VPP 中的風電、光伏、儲能以及常規(guī)機組的容量，建立VPP 的多電源容量配置模型。在此基礎上，文獻［22］進一步探討了投資者風險偏好對規(guī)劃VPP 多電源容量配置的影響，提出了一種基于投資組合理論中計及風險量度的容量優(yōu)化配置模型，并建立評價指標，為VPP 規(guī)劃建設的多電源容量配置問題提供了定量依據。但上述文獻針對VPP 的容量配置限于可再生能源發(fā)電設備，并未考慮負荷參與調度的情況，文獻［23］將需求側作為供應側電能的可替代資源加以利用，但未將負荷的需求響應特性納入VPP 的優(yōu)化配置當中。文獻［24］在此基礎上建立了完善的兼顧供應側和需求側資源的VPP 靜態(tài)優(yōu)化配置體系，但需求側資源僅考慮了可中斷負荷，未能系統(tǒng)地分析需求側多種柔性可控負荷響應特性。此外，實際運行中，由于DER 的狀態(tài)（發(fā)電、負荷或運行成本）處于變化之中，導致VPP 中DER 組成的聯盟具有時效性，即VPP 在市場中的任務完成后聯盟解散，在下一項任務的計劃階段開始前組織新的聯盟。綜上所述，目前對于VPP 的計劃工作還主要集中于對各類電源的靜態(tài)容量配置問題，未能充分考慮互動資源的異構性及VPP 聯盟的時效性，缺乏針對具有時效性的多能VPP 聯盟組合方法的研究。

本文在現有的研究基礎上，依據各類互動資源的運行特性，建立了VPP 響應特性模型。此外，考慮聯盟的時效性，以24 h 為工作周期，建立參與日前能量市場及阻塞管理的VPP 優(yōu)化組合模型，并基于投資組合理論中的均值-方差模型衡量聯盟成員響應意愿對VPP 收益的風險影響。最后結合CIGRE 20 kV 中壓配電系統(tǒng)進行算例分析，驗證所提模型的有效性。

1 基于投資組合的資源響應特性分析

為表述方便，定義VPP 的相關參數如附錄A 表A1 所示。根據VPP 的運行架構，運營商可在運行周前與用戶簽訂雙邊合同，約定運行周期內用戶是否將終端設備的控制權限托管至VPP，從而確定設備的響應方式。運行中，用戶根據VPP 分配的調節(jié)指令調整終端設備的用電計劃，以響應電量ΔPn，s，i t作為VPP 與用戶之間的交易“產品”。實際響應時，存在部分用戶未將設備權限托管至VPP，導致此類用戶提供的響應電量受用戶主觀響應意愿影響，響應值存在不確定性，使得組合后VPP 收益存在風險。基于此，本文中根據設備控制權限是否托管至VPP，將用戶的響應電量分為有風險資產、無風險資產兩類。然后基于投資組合理論，衡量組合收益、風險，優(yōu)化有、無風險資產的配置權重。

1.1 VPP 資產組合方案

由于參與互動的DER 的異構性，“產品”具有多樣性。多種類型資產組合后對VPP 預期收益E(Rp)的影響及收益風險的分散效果，可根據投資組合理論中均值-方差分析方法和投資組合有效邊界模型進行分析:

式中:i表示資產類型；I為參與組合的資產類別總數；Ri和Rp分別為第i類資產和組合資產的收益；wi和E(Ri)分別為組合中第i類資產的投資所占權重及其預期收益；E(Rp)為組合后VPP 的預期收益。

VPP 組合的收益風險用方差σ2p來衡量:

式中:σi為第i類資產收益的標準差；ρij為第i類和第j類資產收益之間的相關性。

參與VPP 組合用戶提供的響應電量均為有風險資產時，基于Markowitz 組合理論［25］，VPP 組合的可行域如附錄A 圖A1 所示:以E(Rp)為縱軸，收益風險值σp為橫軸，不同權重下預期收益-風險構成的集合。其中，每種資產自身的收益、風險決定可行域的端點；資源間的相關性決定可行域的形狀，組合分散風險的效果隨相關性由正到負的變化而增強。在可行域內，各種風險水平上，預期報酬最大點連成的軌跡就是組合的有效邊界。 效用函數U=E(Rp)-0.5Aσ2p表示不同投資者對風險的偏好程度。在效用相同且效用最大時（U為常數且U=Umax），可獲得無差異曲線E(Rp)=Umax+0.5Aσ2p，在點(σ*p，E(R*p))處，無差異曲線相切于組合有效邊界，切點斜率k*=Aσ*p。根據經驗，A取值范圍為2～4:對于風險偏好投資者，A＜3；對于理性投資者，A=3；對于風險厭惡投資者，A＞3。

VPP 組合中包含無風險資產時，可基于有風險資產的最優(yōu)組合方案，利用無風險資產替代部分有風險資產，降低組合的收益風險。此時，有效邊界形狀為一條直線與曲線的組合，直線又稱作資本配置線。直線過點(σ*p，E(R*p))，截距(0，Rf)表示無風險資產的預期收益，根據最優(yōu)組合解與(0，Rf)這2 點可得到斜率的另一表達式，且此時斜率被稱為夏普比率kSR:

綜上所述，本文中將VPP 運營商視為理性投資者，資源優(yōu)化組合所需解決的問題轉化為在滿足應用約束的組合方式中，以夏普比率為指標衡量不同組合方式下的收益及風險，選取預期收益最大值作為最優(yōu)解?？紤]效用最大化的最優(yōu)組合方案有如下特征:

1.2 資源響應特性分析

1.2.1 有風險資產

在VPP 與用戶簽訂的合同中，若用戶未將終端設備的控制權限托管至VPP，可視為自由響應用戶。此類用戶提供的響應電量存在不確定性，視為有風險資產。用戶多為大型負荷用戶，如校園、寫字樓等，內部有多種可調節(jié)用電特性的設備，且自身具備能量管理系統(tǒng)。此類用戶的響應動作類似于基于激勵的需求響應（incentive-based demand response，IBDR），VPP 作為聚合商，無須了解此類用戶具體的響應方式，只需要關注用戶的實際響應效果。為了合理優(yōu)化用戶的用電計劃，此類用戶需要在調度周期前向VPP 提交購電需求預測曲線P～n，s，it及響應范圍[Δ，Δ，VPP 則認為用戶可以實現區(qū)間內的任一響應電量。此類資源的響應特性可建立為:

式中:SDR為有風險資產用戶集合；Pn，s，i t為響應后VPP 實際購電負荷值；下標t表示時間段，上標n、s、i分別表示資源并網節(jié)點編號、資源類型及資源編號，下同。

其中，ΔPn，s，i t具有不確定性，引起VPP 的收益風險。一般的IBDR 用戶的響應不確定性本質來源于信息的匱乏，難以將自身響應能力與系統(tǒng)的響應需求相匹配。但在VPP 的管理模式下，VPP 綜合考慮了外部需求及內部資源的響應能力后，再分配每個參與響應的用戶的響應電量，因此，自由響應用戶按照VPP 的分配方案進行響應可以實現全局最優(yōu)，響應偏差只會為VPP 帶來經濟性損失?？紤]不確定性后，ΔPn，s，i t可改寫為式（7）。

1.2.2 無風險資產

在VPP 與用戶簽訂的合同中，若用戶將終端設備的控制權限托管至VPP，則此類用戶提供的響應電量被視為無風險資產。此類用戶提供的響應電量本質為σ=0、ρ=0 的無風險資產，可以規(guī)避由用戶響應意愿引起的收益風險?？紤]到托管至VPP 的終端設備的技術特性各有不同，本文將互動資源劃分為可平移負荷、可轉移負荷、可削減負荷及分布式電源4 類［9］，建立資源響應特性模型。

1）可平移負荷

可平移負荷是一類特殊的可轉移負荷，常見的可平移負荷有工業(yè)上用于生產的流水線作業(yè)、用電流程固定的電氣設備等。此類負荷受到用電流程的約束，響應特性為:

式中:dn，s，i為可平移負荷的平移時間裕度。

2）可轉移負荷

常見的可轉移負荷有冰蓄冷空調、電動汽車換電站等設備。由于不受到用電流程連續(xù)性的約束，可轉移負荷用戶的響應特性更為靈活，響應特性為:

可轉移負荷要求調度周期內負荷總量保持不變，受到約束:

式中:Δt為時段間隔。

本文將儲能設備，如電池儲能系統(tǒng)（energy storage system，ESS）作為典型的可轉移負荷進行研究，考慮到過度充放電對電池使用壽命的影響，參與響應過程中，要求電池的荷電狀態(tài)始終保持在一定范圍內:

3）可削減負荷

可削減負荷用戶可以通過削減或者中斷負荷向VPP 提供響應電量，常見的可削減負荷有溫控負荷、照明負荷?？上鳒p負荷響應后，VPP 購電量減少，視為提供負的響應電量，可削減負荷的響應特性為:

式中:Sre為可平移負荷用戶集合；βn，s，i為用戶允許的最大削減比例。

4）分布式電源

分布式電源包括分布式光伏、分布式風力發(fā)電、小水電、生物質發(fā)電等。其中，分布式光伏、風力發(fā)電受到氣象條件的限制。如光伏并網逆變器直流側通常采用最大功率點跟蹤（maximum power point tracking，MPPT）策略，控制其向并網點輸出的有功功率。MPPT 功率代表了分布式電源的最大出力。在最大功率限制下，分布式電源與可削減負荷的響應特性類似，可以在MPPT 功率以下削減有功輸出。但從電網看，分布式電源出力的削減量相當于VPP 購電量增長，視為提供正的響應電量，分布式電源的響應特性為:

式中:SDG為分布式電源用戶集合。

2 VPP 資源優(yōu)化組合模型

VPP 的資源優(yōu)化組合問題類似于機組組合問題，但機組組合問題關注于機組的發(fā)電能力，VPP關注于資源的響應能力，不合適的VPP 資源組合方式無法滿足應用場景對其產品特性的要求，也難以獲得良好的經濟性。

2.1 目標函數

本文中以VPP 同時參與日前能量市場和向電網提供阻塞管理的應用場景為例，以預期收益最大化為目標:

式中:E(Rp) 為組合后VPP 的預期收益；Cin=+為VPP 的預期收入，在市場出清確定競標結果Paim，t后，來自能量市場的預期收益CDAin=(Cr-Cw)Paim，tΔt為確定的恒定值，利潤空間來源于零售電價Cr與電力市場批發(fā)電價Cw的差額，CDSOin為向電網提供阻塞管理獲取的來自電網的激勵，與電量無關，亦為恒定值；E(Ccost)為預期成本，由三部分組成:f1為激勵用戶改變出力計劃提供響應電量所需的激勵成本；f2為VPP 實際功率與目標功率之間存在的偏差而產生懲罰成本；PVPP，t為VPP 響應后的實際負荷值；γ為單位偏差懲罰價格；f3為維護用戶參與VPP 互動所需的對通信、計算資源造成的接入成本；Cn，s，i為互動資源的單位響應激勵成本，即內部交易電價；λ為單個資源參與調節(jié)所需的接入成本；Vn，s，i為0-1 二元變量，Vn，s，i=1 和Vn，s，i=0分別表示該資源參與和不參與響應。

2.2 約束條件

VPP 的優(yōu)化組合模型受到約束為:

式中:h(Δ)≥0 表示式（1）至式（4）所示的最優(yōu)組合方案時的風險及效用約束；u(Δ)≥0 表示式（5）至式（18）所示的資源響應特性約束；g(Δ)=0 表示VPP 聚合外特性的等式約束；s(Δ)≥0 表示應用約束。且根據式（21）組合預期收益表達式，式（1）中各類資產組合權重可表示為wn，s，i=E()E(Ccost)。

2.2.1 VPP 聚合外特性

以并網點為單位對用戶所屬空間區(qū)域進行劃分，獲得VPP 的空間聚合特性:

將分布在不同地理位置處的響應特性聚合后，獲得VPP 的時間聚合特性:

式中:N為含有VPP 互動資源的并網點數量；ΔPVPP，t為VPP 聚合響應值。

2.2.2 VPP 應用

1）日前能量市場

由于自由響應用戶的響應電量的不確定性，用戶的實際響應電量與分配的響應計劃間可能存在偏差。VPP 參與日前能量市場的應用中，根據市場交易規(guī)則，VPP 與日前能量市場約定Paim，t后，需要保證各時段PVPP，t與Paim，t的偏差在電力市場允許偏差εVPP內。因此，VPP 參與日前能量市場受到的外特性約束如下:

2）阻塞管理

電力系統(tǒng)潮流分布的狀態(tài)量由節(jié)點的注入功率、電壓分布決定，且狀態(tài)量均可與潮流方程建立聯系。阻塞管理應用中，以支路傳輸功率Pmn，t為狀態(tài)量:

式中:下標mn表示支路傳輸功率方向由節(jié)點m指向節(jié)點n；gmn和bmn為支路的導納參數；Vm，t和θm，t分別為t時段節(jié)點m的電壓幅值和相角。

基于通信技術，VPP 參與電網調度時具有分散性，可在多個節(jié)點處調節(jié)用戶電量需求。同時，VPP 的響應量Δ遠小于節(jié)點負荷總量，不會改變系統(tǒng)的工作點，可引入靈敏度參數α，基于小信號分析法線性化描述Δ對支路傳輸功率改變量ΔPmn，t的影響，α的推導過程見附錄B。

式中:αP，mn，n，t為有功靈敏度參數，表示節(jié)點n每單位有功注入功率的改變引起支路mn傳輸功率的改變量；Δ為節(jié)點n處無功注入功率改變量；αQ，mn，n，t為無功靈敏度參數。

考慮到配電網中多配置有無功補償裝置，可以認為調節(jié)前后節(jié)點功率因數角φn不發(fā)生變化，式（27）可表示如下:

在向電網提供阻塞管理服務時，要求VPP 響應后支路負載率η在安全裕度內:

上述優(yōu)化模型為凸規(guī)劃問題，可在MATLAB調用YALMIP 工具箱，并利用CPLEX 等成熟的商業(yè)求解器進行求解，求解算法及過程不是本文研究重點，在此不再贅述。

3 算例分析

3.1 算例信息

本文采用CIGRE 中壓配電系統(tǒng)對模型進行仿真分析，拓撲結構如圖1 所示，開關S1、S2、S3 均處于閉合狀態(tài)。系統(tǒng)基準電壓為20 kV，區(qū)域1 為城市區(qū)域，電負荷需求較為集中，節(jié)點6 處有1 MW 分布式光伏接入；區(qū)域2 為鄉(xiāng)村區(qū)域，用電需求較小且有大量光伏接入，節(jié)點12、14 處共計有4 MW 的光伏接入。網絡負荷峰值為4.474 MW+1.104 Mvar，配電網日負荷曲線如附錄A 圖A2 所示。1～6，19～24時段內，購電的唯一渠道為從上級電網購入，支路1-2 與支路2-3 負載較重，有功及無功分點均位于節(jié)點6 處；7～18 時段，光伏向配電網提供大量有功功率，使得配電網的潮流發(fā)生明顯變化，支路13-14 及支路8-14 負載率增大，功率分點轉移至節(jié)點5 處。該配電網區(qū)域在時段7 內支路1-2 出現功率過載現象。

圖1 20 kV 配電網拓撲圖Fig.1 Topology of 20 kV distribution network

VPP 用戶根據接入配電網點位置區(qū)分，將同一節(jié)點處的同一類型資源視作一個用戶，互動資源用戶并網位置信息見附錄A 表A2，用戶的激勵價格如附錄A 表A3 所示。本算例中共有14 個有風險資產，有風險資產間的響應誤差σ及相關性ρ關系如附錄A 圖A3 所示。無風險資產響應誤差σ=0，與任意資產間相關性ρ=0，根據與用戶簽訂的合同，得到無風險資產響應特性相關信息:可平移負荷為電動汽車，充電功率為7 kW；可轉移負荷ESS 允許最大充/放電功率為400 kW，裝機總量為1 MW；可削減負荷為工廠負荷，允許10%的削減比例，可提供-400～0 kW 的響應功率；分布式電源光伏有5%的允許削減比例，可提供0～250 kW 的響應值。

3.2 算例分析

根據模型求解結果，可以得到調度周期內任意時段配電網節(jié)點注入功率的改變量，使用N-R 算法計算VPP 響應后的配電網潮流分布，得到響應后支路負載率信息。與本文提出的靈敏度計算所得負載率對比，各支路的計算誤差如附錄A 圖A4 所示。誤差在0～2.8×10-4范圍內，認為可以使用靈敏度參數表示節(jié)點負荷變化對潮流分布的影響。

3.2.1 多應用場景分析

根據VPP 的應用，本文設置6 種運行場景如表1 所示，6 種場景下的資產組合方式如表2 所示。

表1 VPP 運行場景Table 1 Operation scenarios of virtual power plant

表2 不同場景下資產組合方式Table 2 Asset portfolio modes in different scenarios

1）橫向比較

場景1 和場景2 中分別僅在單一時間、空間尺度上優(yōu)化VPP 響應特性。場景3 協(xié)調優(yōu)化VPP 的時、空響應特性，對資源的利用更為高效:當空間響應需求與時間尺度上響應需求矛盾時，優(yōu)先分配高靈敏度節(jié)點響應計劃滿足空間上潮流要求，再分配低靈敏度節(jié)點處資源響應計劃，以滿足時間上對VPP 聚合特性要求，各時段的資源響應電量如圖2所示。由于負荷分布不均，配電網支路1-2 在時段7內出現傳輸功率過載現象。場景2 和場景3 中支路1-2 的負載率分布如圖3 所示。響應后，7 時段支路1-2 的負載率由0.952 6 分別降低至0.929 8 和0.799 5，留有更大的安全裕度。由表2 中響應電量數據可以看出，相較于獨立的單一場景的優(yōu)化，響應后場景3 中的協(xié)調優(yōu)化方案中響應電量的需求量降低了219.51 kW·h，需要的互動用戶也有所減少，可節(jié)省總預期成本1 386.31 元。

圖2 場景3 用戶響應電量分布Fig.2 Distribution of user response power in scenario 3

圖3 支路1-2 負載率Fig.3 Load factor of branch 1-2

以備用的響應容量作為靈活性評價指標，響應能力一致時，響應電量越少，備用響應容量越大，則靈活性越強。VPP 的響應能力由其組合方式決定，在有限的可選擇的互動資源用戶中，大聯盟為所有互動用戶形成的集合，優(yōu)化組合后的VPP 聯盟為大聯盟的子集，可響應資源不多于大聯盟。

2）縱向比較

根據場景1 至6 這6 種運行場景下的響應電量總量，相同應用場景下，場景4 至6 需要的響應電量低于場景1 至3，激勵成本與響應電量成正比，場景4至6 的激勵成本也較低。但互動資源的數量、種類的增長勢必會引起接入成本的增加，場景5 中為大聯盟下備用響應容量最大的運行場景，存在大量聯盟成員沒有貢獻響應電量、互動資源利用率低下、節(jié)省的激勵成本難以覆蓋高昂的接入成本等情況，導致總的預期成本相比較于場景2 增加了550 元。在對響應電量要求更多的場景3 和場景6 中，場景6 中的資源利用率高，激勵成本平衡接入成本后降低了總的預期成本。綜上所述，適當的組合方式是獲得良好經濟性的必要條件。

3.2.2 收益風險分析

根據用戶在調度周期T=24 h 內的響應計劃，得到有、無風險資產的配置權重w后，將w代入式（2）可求得組合風險σp。在場景3 下，進一步對比分析有、無風險及效用約束對資源組合的影響。在該應用場景下，滿足VPP 聚合特性約束及空間潮流約束的資源組合有效邊界如圖4 所示。

圖4 組合有效邊界Fig.4 Combined efficient frontier

有效邊界圖中，在P點處取得預期收益最大值，在Q點處取得夏普比率最大且預期收益最大值。其中，P點對應組合方案A，表示未計及風險效用約束的最優(yōu)組合方案；Q點對應組合方案B，表示計及風險效用約束后得到的組合最優(yōu)解。組合風險主要由各類資產的組合權重及有風險資產間相關性共同決定，組合的有風險資產配置權重如圖5 所示。

圖5 有風險資產配置權重Fig.5 Asset allocation weight in risky portfolio

方案A 中，有風險資產配置權重為43.5%，相對集中地分布在第5、第7 及第10 類資產間，三者間相關系數為ρ5，7=-0.17、ρ5，10=0.44、ρ7，10=0.02，整體呈正相關，對風險的分散能力較弱。無風險資產配置權重為56.5%，其中可轉移負荷電動汽車將時段1～3 的充電計劃分別平移至時段11、13～14，完成充電的時間被推遲11 h，組合權重為17.96%；可轉移負荷ESS 組合權重為20.77%；可削減負荷組合權重為17.77%。組合的預期收益為18 160 元，風險值為95.24，夏普比率為43.69。

方案B 中，有風險配置權重降低至為42.3%，第3、第7 及第10 類資產組合權重較高，其中第10 類有風險資產配置權重最高，僅為6.37%。相較于方案A，資產配置相對分散，并且這三者間相關系數為ρ3，7=-0.68、ρ3，10=-0.14，第3 類與第7 類資產間的強負相關性可有效分散組合的風險值。無風險配置權重為57.6%，其中，可平移負荷電動汽車響應計劃與方案A 一致，組合權重降低至14.84%，可轉移負荷ESS 組合權重為降低至16.7%，可削減負荷組合權重為22.88%。 組合的預期收益降低至15 573 元，風險值降低至36.7 kW·h，夏普比率為191.06。相較于方案A，計及風險效用約束后，組合每增加一個單位風險，預期收益約增加147 元。

4 結語

1）本文基于用戶的響應偏差，將異構的用戶參與VPP 互動過程中提供的響應電量劃分為有、無風險資產2 類，結合投資組合理論的相關概念，可評估響應電量的不確定性對組合收益的影響。此外，利用資產的負相關性有效分散組合的收益風險，為含不確定因素的資源組合問題提供參考。

2）本文考慮VPP 互動資源響應時的分散性，以靈敏度參數描述資源的響應對系統(tǒng)潮流的影響，為分散的資源的空間協(xié)調優(yōu)化運行提供參考。

3）本文中以用戶實際提供的響應電量為依據計算用戶激勵，然而VPP 的運行本質上是多個主體間的合作博弈過程，用戶激勵結算時應計及用戶貢獻度。不同利益分配機制對用戶激勵及用戶的響應特性的影響值得進一步開展研究。

附錄見本刊網絡版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網絡全文。