計(jì)及不確定性與相關(guān)性的虛擬電廠參與主輔市場(chǎng)聯(lián)合交易優(yōu)化研究

祖文靜，杜易達(dá)，李鵬，余曉鵬，王世謙，李慧璇，張藝涵

（1.國(guó)網(wǎng)河南電力經(jīng)濟(jì)技術(shù)研究院，河南鄭州 450052；2.國(guó)網(wǎng)河南省電力公司，河南鄭州 450052；3.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 102206）

0 引言

近來，在30、60 雙碳目標(biāo)戰(zhàn)略目標(biāo)的引導(dǎo)下，我國(guó)極大的促進(jìn)了新能源等清潔性能源的發(fā)展[1]。而新能源大規(guī)模接入電網(wǎng)，由于其出力的隨機(jī)性與波動(dòng)性，給電網(wǎng)調(diào)峰帶來了困難[2]。目前的調(diào)峰機(jī)組已經(jīng)不能滿足調(diào)峰需求，需要進(jìn)一步挖掘需求側(cè)資源進(jìn)行調(diào)峰[3-4]。虛擬電廠通過聚合分布式能源、電動(dòng)汽車、儲(chǔ)能系統(tǒng)、柔性負(fù)荷等需求側(cè)資源，當(dāng)容量達(dá)到一定條件時(shí)，能夠參與調(diào)峰市場(chǎng)[5]。因此，本文進(jìn)行虛擬電廠參與市場(chǎng)機(jī)制研究成為重點(diǎn)。

關(guān)于虛擬電廠參與市場(chǎng)交易方面，文獻(xiàn)[6]構(gòu)建了考慮收益最大化的虛擬電廠參與調(diào)峰調(diào)頻服務(wù)的調(diào)度優(yōu)化模型。文獻(xiàn)[7]基于火力發(fā)電機(jī)組與核電機(jī)組出力最優(yōu)，以調(diào)峰成本為目標(biāo)函數(shù)，確定了虛擬電廠的調(diào)峰出力。文獻(xiàn)[8]以上海虛擬電廠為例，設(shè)計(jì)了虛擬電廠的出清流程，但是缺乏具體的數(shù)學(xué)模型。文獻(xiàn)[9]在電力物聯(lián)網(wǎng)背景下，以碳排放權(quán)為約束條件，構(gòu)建了理性的虛擬電廠調(diào)峰模型。文獻(xiàn)[10]從虛擬電廠內(nèi)部資源出發(fā)，構(gòu)建了調(diào)峰調(diào)度模型，但是并未考慮常規(guī)機(jī)組的調(diào)峰調(diào)度。除了調(diào)峰輔助服務(wù)市場(chǎng)，文獻(xiàn)[11-12]構(gòu)建了虛擬電廠參與平衡市場(chǎng)與日前市場(chǎng)的購(gòu)售電交易優(yōu)化模型。文獻(xiàn)[13]提出了聚合電動(dòng)汽車的虛擬電廠參與現(xiàn)貨市場(chǎng)的競(jìng)標(biāo)模型?，F(xiàn)有研究重點(diǎn)集中在虛擬電廠單獨(dú)參與調(diào)峰輔助服務(wù)市場(chǎng)與電能量市場(chǎng)的機(jī)制研究，但是關(guān)于聯(lián)合這兩個(gè)市場(chǎng)的交易機(jī)制很少涉及。

由于虛擬電廠聚合風(fēng)光等新能源，具有極大的不確定性?，F(xiàn)有不確定理論體系主要有模糊決策[14]與概率決策[15]兩大類。其中，模糊決策方法主要通過隸屬度函數(shù)表征不確定性，而概率決策方法包括條件風(fēng)險(xiǎn)價(jià)值法、隨機(jī)規(guī)劃法、期望值規(guī)劃3 大類。文獻(xiàn)[16]采取概率決策方法中的條件風(fēng)險(xiǎn)價(jià)值描述了虛擬電廠中風(fēng)光出力的不確定性；文獻(xiàn)[17]則基于模糊決策方法中的模糊機(jī)會(huì)約束描述了虛擬電廠中源荷的不確定性。文獻(xiàn)[18]在考慮風(fēng)光不確定的基礎(chǔ)上提出了虛擬電廠的收益-風(fēng)險(xiǎn)模型。現(xiàn)有研究關(guān)于虛擬電廠的不確定性已經(jīng)較為成熟，但是虛擬電廠參與多種市場(chǎng)交易時(shí)涉及多種市場(chǎng)價(jià)格，如何考慮多種市場(chǎng)價(jià)格之間的相關(guān)性進(jìn)行研究鮮有分析。

本文在上述研究的基礎(chǔ)上進(jìn)行計(jì)及不確定性與相關(guān)性的虛擬電廠參與主輔市場(chǎng)聯(lián)合交易優(yōu)化研究。首先設(shè)計(jì)虛擬電廠參與主輔市場(chǎng)的交易體系；然后構(gòu)建了虛擬電廠參與主能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的出清模型；最后進(jìn)行算例分析。

1 虛擬電廠參與主輔市場(chǎng)交易體系設(shè)計(jì)

1.1 虛擬電廠參與主輔市場(chǎng)的交易機(jī)理

本文所研究的虛擬電廠參與主能量市場(chǎng)與輔助服務(wù)市場(chǎng)的交易框架如圖1 所示。

圖1 虛擬電廠參與主輔市場(chǎng)交易框架Fig.1 Framework for virtual power plant participating in main and auxiliary market transaction

其中，虛擬電廠由聚合分布式電源（風(fēng)、光等可再生能源發(fā)電）、電、熱可控負(fù)荷、儲(chǔ)能系統(tǒng)以及電動(dòng)汽車等資源組成，同時(shí)與外部市場(chǎng)運(yùn)營(yíng)商管理的電網(wǎng)交易市場(chǎng)、調(diào)峰市場(chǎng)通過虛擬電廠能量管理系統(tǒng)進(jìn)行能量與信息交互。

虛擬電廠既可以作為售電企業(yè)參加柱能量市場(chǎng)進(jìn)行電量交易，同時(shí)也可以作為輔助服務(wù)提供商參加輔助服務(wù)市場(chǎng)進(jìn)行調(diào)峰交易。在日前市場(chǎng)交易過程中虛擬電廠聯(lián)合常規(guī)發(fā)電機(jī)組以自身利益最大化為目標(biāo)，向市場(chǎng)運(yùn)營(yíng)商提交交易電量，市場(chǎng)運(yùn)營(yíng)商通過整合各方信息，確定次日能源價(jià)格，并將價(jià)格信息進(jìn)行公布，虛擬電廠及其他參與者根據(jù)公布信息調(diào)整自身投標(biāo)量，進(jìn)行再次匯報(bào)，直至交易雙方投標(biāo)量和價(jià)格達(dá)到能量平衡。在日內(nèi)市場(chǎng)，由于風(fēng)光等再生能源的出力存在偏差，為了滿足市場(chǎng)上用能平衡，市場(chǎng)運(yùn)營(yíng)商會(huì)在日內(nèi)預(yù)計(jì)出現(xiàn)棄風(fēng)、棄光時(shí)，啟動(dòng)調(diào)峰市場(chǎng)，實(shí)時(shí)出清。

1.2 虛擬電廠參與主輔市場(chǎng)的交易流程

在日前電力市場(chǎng)中，假設(shè)虛擬電廠可以同時(shí)在能量交易市場(chǎng)和輔助服務(wù)市場(chǎng)中進(jìn)行投標(biāo)，交易方式采取日前市場(chǎng)預(yù)出清和日內(nèi)市場(chǎng)實(shí)時(shí)出清的方式。交易主體主要為常規(guī)發(fā)電機(jī)組、虛擬電廠和市場(chǎng)運(yùn)營(yíng)商，主要為日前市場(chǎng)的交易電量和日內(nèi)市場(chǎng)的調(diào)峰容量。本文結(jié)合市場(chǎng)交易模型以及已有研究文獻(xiàn)[19]設(shè)計(jì)的虛擬電廠參與主輔市場(chǎng)交易流程如圖2 所示。

圖2 虛擬電廠參與市場(chǎng)交易流程Fig.2 Process of virtual power plant participating in market transaction

其中在日前電能量交易在運(yùn)行日的前一日組織競(jìng)價(jià)投標(biāo)，每15 min 為一個(gè)交易出清時(shí)段，每個(gè)運(yùn)行日含有96 個(gè)交易出清時(shí)段。在日內(nèi)交易在交易執(zhí)行時(shí)刻前4 h 組織開展，每4 h 為一個(gè)日內(nèi)交易周期，每15 min 為一個(gè)交易出清時(shí)段，每個(gè)日內(nèi)交易周期含有16 個(gè)交易出清時(shí)段。

1.3 虛擬電廠參與主輔市場(chǎng)的結(jié)算機(jī)制

虛擬電廠參與調(diào)峰輔助服務(wù)市場(chǎng)初期，若在某出清時(shí)段內(nèi)造成負(fù)荷側(cè)資源用電量小于下發(fā)功率曲線對(duì)應(yīng)電量超過30%時(shí)，該出清時(shí)段調(diào)峰服務(wù)費(fèi)將不予結(jié)算。按照市場(chǎng)規(guī)則，虛擬電廠在運(yùn)行日后的調(diào)峰服務(wù)費(fèi)用與新能源企業(yè)和未中標(biāo)火電機(jī)組進(jìn)行分?jǐn)?。在每個(gè)出清時(shí)段內(nèi)，虛擬電廠方獲得的調(diào)峰服務(wù)費(fèi)計(jì)算方法如下：

式中：t為出清時(shí)段，15 min 為一調(diào)度周期；Ft為t出清時(shí)段內(nèi)虛擬電廠獲得的調(diào)峰服務(wù)費(fèi)用；Kt為t出清時(shí)段內(nèi)虛擬電廠所占的市場(chǎng)系數(shù)；分別為t時(shí)刻虛擬電廠在調(diào)峰市場(chǎng)中的申報(bào)電量與實(shí)際調(diào)用電量；pt為t出清時(shí)段內(nèi)市場(chǎng)的出清價(jià)格。

2 基于相關(guān)性與不確定性的虛擬電廠參與主輔市場(chǎng)聯(lián)合出清模型

2.1 目標(biāo)函數(shù)

根據(jù)虛擬電廠主輔市場(chǎng)聯(lián)合交易體系，構(gòu)建虛擬電廠參與主輔市場(chǎng)的聯(lián)合出清模型。由于主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的電量空間耦合互斥，因此進(jìn)行主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)聯(lián)合優(yōu)化出清是實(shí)現(xiàn)資源優(yōu)化配置的重要手段。虛擬電廠參與主輔市場(chǎng)的目標(biāo)函數(shù)為主輔市場(chǎng)聯(lián)合收益最大化，具體如式（2）所示：

1）電能量市場(chǎng)收益

電能量市場(chǎng)中的收益由虛擬電廠的出清電量與出清價(jià)格決定，若虛擬電廠的出清電量大于申報(bào)電量，則按照申報(bào)電量出清；若出清電量小于申報(bào)電量，且偏差率在30%以內(nèi)，按照實(shí)際的出清電量進(jìn)行出清，否則不予以出清結(jié)算，具體如式（3）所示：

2）調(diào)峰輔助服務(wù)市場(chǎng)收益

調(diào)峰輔助服務(wù)市場(chǎng)收益由虛擬電廠實(shí)際調(diào)峰電量與所在檔位的調(diào)峰出清價(jià)格決定，如式（4）所示：

3）分布式電源成本

分布式電源成本包括風(fēng)力發(fā)電機(jī)組、光伏發(fā)電機(jī)組的啟停成本與運(yùn)行維護(hù)成本，具體如式（6）所示：

4）儲(chǔ)能成本

儲(chǔ)能成本包括充放能成本與運(yùn)行維護(hù)成本，具體如式（7）所示：

5）電動(dòng)汽車成本

電動(dòng)汽車的成本與放電深度、電池循環(huán)次數(shù)緊密相關(guān)，具體如式（8）所示：

6）柔性負(fù)荷成本

柔性負(fù)荷能夠在用電高峰時(shí)降低負(fù)荷，緩解用電高峰，在用電低谷時(shí)刻，能夠增加出力，促進(jìn)清潔能源消納，具體如式（9）所示：

2.2 約束條件

虛擬電廠參與主輔市場(chǎng)聯(lián)合出清的約束條件包括市場(chǎng)容量約束、開停機(jī)約束、出力上下限約束、爬坡約束、安全約束，開停機(jī)約束，其中出力上下限約束、爬坡約束、安全約束為常規(guī)約束，在此不再贅述。

市場(chǎng)容量約束包括參與主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的約束，具體如式（10）、（11）所示：

2.3 考慮相關(guān)性與不確定性的出清模型

當(dāng)虛擬電廠參與主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)時(shí)，一方面主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中的價(jià)格具有高度相關(guān)性，當(dāng)電能量市場(chǎng)中價(jià)格較高時(shí)，虛擬電廠會(huì)考慮參與電能量市場(chǎng)，減少在調(diào)峰輔助服務(wù)市場(chǎng)中的申報(bào)量，因此電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中的相對(duì)價(jià)格會(huì)影響虛擬電廠在電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的申報(bào)電量。另一方面，由于新能源出力具有不確定性，會(huì)產(chǎn)生預(yù)測(cè)偏差?；诖耍谔摂M電廠進(jìn)行出清時(shí)，不僅需要考慮新能源出力的偏差，而且需要考慮電能量?jī)r(jià)格與調(diào)峰輔助服務(wù)價(jià)格的相關(guān)性。

2.3.1 新能源出力不確定性

針對(duì)新能源出力的不確定性，通過生成典型場(chǎng)景集的方法進(jìn)行表征，具體流程如下：

1）計(jì)算協(xié)方差矩陣

風(fēng)電、光伏的歷史數(shù)據(jù)由[預(yù)測(cè)值，實(shí)際值]這一組數(shù)據(jù)構(gòu)成，將數(shù)據(jù)進(jìn)行標(biāo)幺化，按照0.01 的間隔，將風(fēng)電、光伏的預(yù)測(cè)值劃分為100 個(gè)預(yù)測(cè)箱。同時(shí)將風(fēng)電、光伏的不同時(shí)刻出力的相關(guān)性運(yùn)用協(xié)方差矩陣僅從表征，具體如式（12）所示：

式中：Covt為t時(shí)刻的協(xié)方差矩陣，t=1，2，…，D；α為常數(shù)；Kt-D為D維行向量。

Kt-D行向量的獲取流程為：首先調(diào)用t-D 時(shí)刻與t時(shí)刻的歷史數(shù)據(jù)[預(yù)測(cè)值，實(shí)際值]對(duì)應(yīng)的預(yù)測(cè)箱的累積概率分布函數(shù)，得到實(shí)際值的累積概率；進(jìn)一步通過逆函數(shù)得到正態(tài)分布數(shù)。

Covt矩陣需要進(jìn)行初始化，對(duì)角線上的元素為1，其余元素為0，初始化公式如式（13）所示：

式中：Cov′t服從標(biāo)準(zhǔn)正態(tài)分布N(u0,Covt)，u0為D維零向量；R為原始矩陣；RT為原始矩陣的轉(zhuǎn)置。

2）削減場(chǎng)景數(shù)

本節(jié)采用同步回代消除法削減不典型的場(chǎng)景，具體如式（14）所示：

式中：‖dsj-dsi‖2為兩個(gè)場(chǎng)景之間的距離；為場(chǎng)景發(fā)生的概率。

2.3.2 主輔市場(chǎng)價(jià)格相關(guān)性

描述變量相關(guān)性分方法包括時(shí)移技術(shù)法、逆變換、相關(guān)系數(shù)矩陣等方法[20-21]，其中相關(guān)系數(shù)矩陣法在工程技術(shù)中較為采用，因此本文也使用該方法。電能量市場(chǎng)價(jià)格與調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格的相關(guān)系數(shù)矩陣ρ如式（15）所示：

式中：ρep，Cov(λe,λp)為主電能量市場(chǎng)價(jià)格對(duì)調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格的相關(guān)系數(shù)與協(xié)方差；ppe為調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格對(duì)電能量市場(chǎng)價(jià)格的相關(guān)系數(shù)；λe，λp分別為電能量市場(chǎng)價(jià)格的樣本與調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格的樣本；σλe，δλp分別為電能量市場(chǎng)價(jià)格與調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格的方差。

基于相關(guān)系數(shù)矩陣，進(jìn)一步采用Cholesky 因子分解法對(duì)相關(guān)系數(shù)矩陣進(jìn)行線性變換，同時(shí)采用蒙特卡洛對(duì)電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的數(shù)據(jù)進(jìn)行模擬，模擬得到符合這些條件的數(shù)據(jù)[22]。

2.3.3 考慮不確定性與相關(guān)性的目標(biāo)函數(shù)

基于相關(guān)性分析得到的電能量市場(chǎng)價(jià)格與調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格的樣本數(shù)據(jù)，考慮新能源出力的不確定性，對(duì)虛擬電廠出清的目標(biāo)函數(shù)進(jìn)行調(diào)整，如式（17）所示：

3 求解流程

本文在Matlab 中調(diào)用CPLEX 工具箱進(jìn)行求解，求解流程如圖3 所示：

圖3 求解流程Fig.3 Solving procedure using CPLEX toolbox

本文求解流程具體分為五步，具體如下：

步驟1：風(fēng)力發(fā)電機(jī)組、光伏發(fā)電機(jī)組提交歷史出力信息，電動(dòng)汽車提交歷史放電功率；儲(chǔ)能系統(tǒng)提交充放能數(shù)據(jù)，用戶提交歷史負(fù)荷需求以及柔性負(fù)荷量；

步驟2：一方面，根據(jù)風(fēng)電、光伏歷史出力信息，將數(shù)據(jù)進(jìn)行標(biāo)幺化、計(jì)算協(xié)方差、削減典型場(chǎng)景等步驟形成風(fēng)電、光伏的典型場(chǎng)景集；另一方面，根據(jù)歷史的電能量市場(chǎng)價(jià)格與調(diào)峰價(jià)格，通過計(jì)算相關(guān)系數(shù)矩陣與蒙特卡洛模擬，形成電能量?jī)r(jià)格與調(diào)峰輔助服務(wù)價(jià)格的樣本；

步驟3：市場(chǎng)運(yùn)營(yíng)商發(fā)布電能量需求、調(diào)峰需求、申報(bào)價(jià)格區(qū)間等信息，虛擬電廠根據(jù)市場(chǎng)運(yùn)營(yíng)商發(fā)布的信息以收益最大化提交基準(zhǔn)曲線；

步驟4：根據(jù)虛擬電廠以及其余常規(guī)火力發(fā)電機(jī)組提交的基準(zhǔn)曲線，市場(chǎng)運(yùn)行商進(jìn)行平衡與調(diào)整，并進(jìn)行主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的出清；

步驟5：根據(jù)主輔市場(chǎng)的出清結(jié)果，公布調(diào)峰價(jià)格與電量的節(jié)點(diǎn)價(jià)格，并根據(jù)虛擬電廠與常規(guī)火力發(fā)電機(jī)組的實(shí)際調(diào)用情況進(jìn)行結(jié)算。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

以某一聚合風(fēng)力發(fā)電機(jī)組、光伏電池板、電動(dòng)汽車、儲(chǔ)能系統(tǒng)、柔性負(fù)荷的虛擬電廠為例。其中包含20 輛功率為40 kW 的電動(dòng)汽車，儲(chǔ)能電站功率為0.8 MW，電動(dòng)汽車與儲(chǔ)能電站的其余參數(shù)參考文獻(xiàn)[23-24]。按照本文所提出的不確定分析方法，風(fēng)力發(fā)電與光伏發(fā)電分別形成4 種典型場(chǎng)景，每種場(chǎng)景的出力情況與概率見圖4 和圖5。

圖4 風(fēng)力發(fā)電出力情況與概率Fig.4 Wind power output and probability

圖5 光伏出力情況與概率Fig.5 Photovoltaic power output and probability

虛擬電廠中柔性負(fù)荷如圖6 所示：

圖6 虛擬電廠柔性負(fù)荷Fig.6 Flexible load in virtual power plant

假設(shè)電網(wǎng)在每時(shí)刻都存在調(diào)峰需求，電網(wǎng)系統(tǒng)公布的調(diào)峰需求如表1 所示[25]：

表1 調(diào)峰需求Table 1 Peak shaving demand of power grid MW

4.2 結(jié)果分析

4.2.1 出清結(jié)果

根據(jù)調(diào)峰需求以及虛擬電廠內(nèi)部各機(jī)組的信息，市場(chǎng)運(yùn)營(yíng)商結(jié)合其余常規(guī)機(jī)組提交的申報(bào)信息，在主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中進(jìn)行出清，得到在主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中各時(shí)段的出清價(jià)格如圖7 所示：

由圖7 可知，主電能量市場(chǎng)價(jià)格與調(diào)峰輔助服務(wù)市場(chǎng)價(jià)格在各時(shí)段不斷波動(dòng)，一方面，這兩個(gè)市場(chǎng)的價(jià)格波動(dòng)趨勢(shì)一致，這說明主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的價(jià)格存在相關(guān)性；另一方面，在兩個(gè)市場(chǎng)中，11:00—14:00 與18:00—21:00 這兩個(gè)時(shí)間段的價(jià)格高于其余時(shí)間段，這是因?yàn)樵谶@兩個(gè)時(shí)間段為負(fù)荷高峰時(shí)期，電網(wǎng)系統(tǒng)對(duì)調(diào)峰需求與電量需求均較高。

圖7 主輔市場(chǎng)價(jià)格出清Fig.7 Main and auxiliary market clearing price

基于主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的價(jià)格，得到虛擬電廠在主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的出清量與收益如圖8 所示：

圖8 虛擬電廠在主輔市場(chǎng)的出清量與收益Fig.8 Clearing amount and revenue of virtual power plant in main and auxiliary market

如圖8 可知，在電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中的出清電量與出清價(jià)格呈現(xiàn)出高度正相關(guān)，1:00—10:00 與22:00—24:00 出清價(jià)格較低，虛擬電廠此時(shí)在電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中的出清電量也相對(duì)較低。同時(shí)整體來看，虛擬電廠在電能量市場(chǎng)中獲得的收益為5 171.95 元，高于在調(diào)峰輔助服務(wù)市場(chǎng)中的收益4 972.58 元。

4.2.2 主輔市場(chǎng)聯(lián)合優(yōu)化效應(yīng)

為了進(jìn)一步分析主輔市場(chǎng)聯(lián)合交易的效果，本文設(shè)計(jì)如下3 種情景進(jìn)行分析：

情景1：虛擬電廠單獨(dú)參與電能量市場(chǎng)，不參與調(diào)峰輔助服務(wù)市場(chǎng)；

情景2：虛擬電廠同時(shí)參與電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)，但是兩市場(chǎng)單獨(dú)展開，不聯(lián)合交易；

情景3：虛擬電廠同時(shí)參與電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)，兩市場(chǎng)聯(lián)合交易出清。

得到上述3 種情景下虛擬電廠新能源消納情況如圖9 所示。

圖9 不同情景下虛擬電廠新能源消納情況Fig.9 Renewable energy consumption of virtual power plant under different scenarios

由圖9 可知，考慮電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的情景3 的各時(shí)刻風(fēng)電光伏等清潔能源消納量高于情景1 與情景2，這是因?yàn)榍榫? 在兩市場(chǎng)同時(shí)出清與同時(shí)優(yōu)化，能夠降低風(fēng)電光伏出力不確定性帶來的影響，促進(jìn)新能源的消納。3 種情景下新能源的總消納量與收益如表2。

表2 不同情景下新能源消納與收益Table 2 Renewable energy consumption and revenue under different scenarios

由表2 可知，情景3 的新能源消納量與總收益最高，分別為46.27 MW 與10 144.52 元，說明電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)聯(lián)合優(yōu)化能夠促進(jìn)清潔能源的消納，同時(shí)提高虛擬電廠的收益。這是因?yàn)?，電能量市?chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)聯(lián)合優(yōu)化，能夠形成價(jià)格引導(dǎo)信號(hào)，虛擬電廠根據(jù)電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的供需關(guān)系與價(jià)格信號(hào)，合理安排在電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)中的申報(bào)容量，引導(dǎo)虛擬電廠更好地提供調(diào)峰與電量服務(wù)，促進(jìn)清潔能源消納同時(shí)提高收益。

4.2.3 不確定性與相關(guān)性效應(yīng)分析

由于模型求解基于蒙特卡洛模擬法進(jìn)行的，因此需要對(duì)樣本數(shù)量說明，據(jù)此分析不同樣本數(shù)量下虛擬電廠的收益，如圖10 所示。

圖10 不同樣本數(shù)量下虛擬電廠收益Fig.10 Revenue of virtual power plant under different numbers of samples

由圖10 可知，樣本數(shù)量為600，800，1 000 時(shí)，虛擬電廠所獲收益的波動(dòng)性小于樣本數(shù)量為100，200，400 時(shí)的收益。因此，為了求解的穩(wěn)定性，取樣本數(shù)量為800。

在樣本數(shù)量的基礎(chǔ)上，進(jìn)一步設(shè)置如下3 種情景分析不確定性與相關(guān)性對(duì)于虛擬電廠的影響：

方案1：僅考慮新能源出力的不確定性，不考慮主輔市場(chǎng)價(jià)格的相關(guān)性；

方案2：不考慮新能源出力的不確定性，僅考慮主輔市場(chǎng)價(jià)格的相關(guān)性；

方案3：既考慮新能源出力的不確定性，也考慮主輔市場(chǎng)價(jià)格的相關(guān)性。

得到3 種方案下的虛擬電廠收益與結(jié)算偏差成本如表3 所示，其中結(jié)算偏差成本為申報(bào)電量與實(shí)際結(jié)算電量之差與結(jié)算價(jià)格的乘積：

表3 不同情景下虛擬電廠收益與結(jié)算偏差成本Table 3 Deviation cost between revenue and settlement for virtual power plant under different scenarios 元

由表3 可知，方案1 下的結(jié)算偏差成本最高，方案3 的結(jié)算偏差成本最低，這是因?yàn)椴豢紤]新能源出力不確定性，容易造成虛擬電廠在申報(bào)時(shí)的申報(bào)容量過大或者過小，當(dāng)申報(bào)過大，偏差超過30%時(shí)，此時(shí)不予以結(jié)算；申報(bào)過小，會(huì)導(dǎo)致實(shí)際結(jié)算費(fèi)用低于應(yīng)該的結(jié)算費(fèi)用，造成虛擬電廠的收益降低。而針對(duì)不考慮主輔市場(chǎng)價(jià)格相關(guān)性的方案2，由于不考慮兩者價(jià)格的相關(guān)性，會(huì)導(dǎo)致虛擬電廠無法合理安排在主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的申報(bào)容量，降低了虛擬電廠的收益。

5 結(jié)論

本文設(shè)計(jì)了虛擬電廠參與主輔市場(chǎng)的交易體系，并構(gòu)建了考慮相關(guān)性與不確定性的出清模型，最后以某一虛擬電廠為例進(jìn)行算例分析，得到如下結(jié)論：

1）主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的價(jià)格具有相關(guān)性，兩者的波動(dòng)趨勢(shì)一致，呈現(xiàn)雙高峰特征。

2）虛擬電廠同時(shí)進(jìn)行主電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的聯(lián)合優(yōu)化出清能夠形成價(jià)格引導(dǎo)信號(hào)，進(jìn)而根據(jù)電能量市場(chǎng)與調(diào)峰輔助服務(wù)市場(chǎng)的供需關(guān)系與價(jià)格信號(hào)進(jìn)行資源的合理配置，促進(jìn)新能源消納，提高虛擬電廠的收益。

3）虛擬電廠同時(shí)考慮新能源的不確定性以及主輔市場(chǎng)價(jià)格的相關(guān)性，能提高虛擬電廠決策的準(zhǔn)確性。