考慮碳循環(huán)利用的農(nóng)村虛擬電廠運(yùn)行效益均衡分配優(yōu)化模型

李 楠，魯肖龍，楊莘博，李 芳，許德操

（1.浙江大學(xué)電氣工程學(xué)院，浙江杭州 310027；2.國網(wǎng)青海清潔能源發(fā)展研究院，青海西寧 810008；3.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 102206；4.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100124；5.國網(wǎng)青海省電力公司，青海西寧 810008）

0 引言

中國農(nóng)村地區(qū)具有遼闊的土地面積，分布式風(fēng)電、屋頂光伏、生物質(zhì)燃料發(fā)電等分布式能源的發(fā)電潛力巨大[1]。然而，農(nóng)村電力基礎(chǔ)設(shè)施落后，各種分布式能源并網(wǎng)較為困難。虛擬電廠（Virtual Power Plant，VPP）能夠通過先進(jìn)的通信技術(shù)，有效聚合各種分布式能源[2]，為發(fā)展農(nóng)村分布式能源提供了新的途徑。

目前，國內(nèi)外的眾多學(xué)者已對(duì)虛擬電廠進(jìn)行了大量的研究。文獻(xiàn)[3-6]以運(yùn)行成本最小或運(yùn)營收益最大為目標(biāo)，建立了虛擬電廠調(diào)度優(yōu)化模型。文獻(xiàn)[7]將運(yùn)行經(jīng)濟(jì)效益、削峰填谷效應(yīng)、碳排放作為優(yōu)化目標(biāo)，構(gòu)建了虛擬電廠多目標(biāo)調(diào)度優(yōu)化模型。文獻(xiàn)[8-9]將碳捕集與電轉(zhuǎn)氣裝置引入虛擬電廠，有效降低了虛擬電廠的碳排放。文獻(xiàn)[3-9]集中研究虛擬電廠的優(yōu)化調(diào)度，未涉及內(nèi)部多主體的效益分配問題，缺乏各單元對(duì)虛擬電廠運(yùn)行效益貢獻(xiàn)度的量化方法。然而，虛擬電廠的效益分配策略能夠反映各單元收益的合理性和公正性，將直接影響內(nèi)部各單元聚合的穩(wěn)定性，是虛擬電廠持續(xù)發(fā)展的關(guān)鍵。

目前，對(duì)于多主體效益分配策略的研究，大多集中于Shapley 值法和納什談判策略。文獻(xiàn)[10]采用Shapley 法為微網(wǎng)的各個(gè)成員分配利潤。文獻(xiàn)[11-12]利用納什談判策略解決聯(lián)盟效益最大化和合作效益分配間的協(xié)調(diào)問題。文獻(xiàn)[10-12]均是從經(jīng)濟(jì)性來衡量各單元對(duì)聯(lián)盟運(yùn)行效益的貢獻(xiàn)度，缺乏考慮各單元碳排放對(duì)聯(lián)盟效益分配的影響，無法有效引導(dǎo)虛擬電廠朝低碳化方向發(fā)展。此外，文獻(xiàn)[3-12]均未考慮虛擬電廠在農(nóng)村的應(yīng)用場景。在“雙碳”背景下，農(nóng)村地區(qū)的環(huán)境優(yōu)勢得以顯著[13]。如何構(gòu)建農(nóng)村低碳虛擬電廠，并采用科學(xué)有效的效益分配策略來推進(jìn)農(nóng)村能源結(jié)構(gòu)低碳轉(zhuǎn)型，將是未來重要的研究方向。

本文將燃?xì)馓疾都℅as-power Plant Carbon Capture，GPPCC）設(shè)備和電轉(zhuǎn)氣（Power to Gas，P2G）設(shè)備與農(nóng)村分布式能源集成為農(nóng)村虛擬電廠，建立低碳調(diào)度優(yōu)化模型。采用基于納什談判的效益分配策略，構(gòu)建虛擬電廠運(yùn)行效益均衡分配模型，并創(chuàng)新性地通過風(fēng)險(xiǎn)、效益和碳減排三維因子來確定各主體利益分配因子。最后，以蘭考能源革命試點(diǎn)為算例對(duì)象，對(duì)本文所提虛擬電廠效益均衡分配模型的有效性進(jìn)行分析。

1 農(nóng)村GPW-VPP結(jié)構(gòu)與建模

1.1 GPW-VPP結(jié)構(gòu)

本文將垃圾發(fā)電（Waste Incineration Power，WI）、GPPCC 和P2G 與農(nóng)村的各種分布式能源聚合成農(nóng)村碳捕集虛擬電廠（GPPCC-P2G-WI-based Virtual Power Plant，GPW-VPP）。VPP 主要包括風(fēng)力發(fā)電（Wind Power Plant，WPP）、光伏發(fā)電（Photovoltaic Power Generation，PV）、生物質(zhì)燃料發(fā)電（Biomass Power Generation，BPG）及用戶需求響應(yīng)。需求響應(yīng)來源包括小工業(yè)負(fù)荷、農(nóng)業(yè)負(fù)荷、居民生活負(fù)荷與電動(dòng)汽車（Electric Vehicle，EV）。WI 和GPPCC 還配有儲(chǔ)氣裝置，以解耦煙氣或CO2的產(chǎn)生和處理過程。圖1 為GPW-VPP 系統(tǒng)結(jié)構(gòu)。

圖1 GPW-VPP系統(tǒng)結(jié)構(gòu)圖Fig.1 System structure diagram of GPW-VPP

1.2 GPW-VPP建模

農(nóng)村虛擬電廠主要包括GPW 和VPP 2 個(gè)模塊[10]。VPP 主要負(fù)責(zé)調(diào)用農(nóng)村各種分布式能源并網(wǎng)發(fā)電；GPW 則通過GPPCC 和P2G 將BPG 和WI 產(chǎn)生的CO2轉(zhuǎn)化為CH4，以降低農(nóng)村的碳排放。

1.2.1 VPP模塊建模

1.2.1.1 分布式電源建模

WPP 和PV 發(fā)電出力依賴于自然風(fēng)速和太陽能輻射強(qiáng)度，VPP 調(diào)度中心在日前階段會(huì)對(duì)次日的風(fēng)電出力和光伏出力進(jìn)行預(yù)測。

BPG 發(fā)電方式有直燃、沼氣和成型3 種，本文選擇生物質(zhì)燃料汽化發(fā)電（沼氣）作為BPG 的發(fā)電方式，且將P2G 產(chǎn)生的CH4（近似看作沼氣）作為BPG的燃料。BPG 發(fā)電出力與消耗燃料的關(guān)系為[14]：

式中：gBPG,t為t時(shí)刻的BPG 的發(fā)電出力；Fp為沼氣發(fā)電的壓強(qiáng)；FBPG,t為t時(shí)刻發(fā)電過程的沼氣消耗量；?0，?1，?2和?3為發(fā)電系數(shù)。

1.2.1.2 用戶需求響應(yīng)建模

農(nóng)村地區(qū)具有多種用電類型，可通過需求響應(yīng)的方式，利用用戶的電力需求彈性發(fā)電。其中，小工業(yè)用電和電動(dòng)汽車充電既可以參與價(jià)格型需求響應(yīng)，也能參與激勵(lì)型需求響應(yīng)的負(fù)荷增加與削減，生活用電負(fù)荷可參與負(fù)荷削減。用戶需求響應(yīng)總量的表達(dá)式為：

式中：z為用戶類型；ΔLDR,t為t時(shí)刻的用戶需求響應(yīng)提供量；和為0-1 變量，表示t時(shí)刻用戶z是否參與價(jià)格型或激勵(lì)型需求響應(yīng)；分別為用戶z在t時(shí)刻參與價(jià)格型或激勵(lì)型需求響應(yīng)的響應(yīng)電量，具體計(jì)算方法請(qǐng)參見文獻(xiàn)[15]，本文不再贅述。

1.2.2 GPW模塊建模

1.2.2.1 WI運(yùn)行建模

WI 可通過焚燒垃圾發(fā)電，但需要對(duì)其產(chǎn)生的煙氣進(jìn)行處理。在WI 安裝儲(chǔ)氣裝置后，其發(fā)電過程與煙氣處理過程可實(shí)現(xiàn)時(shí)間解耦，煙氣的流向有儲(chǔ)氣裝置（Gas Storage，GS）和反應(yīng)塔（Gas Reactor，GR）[16]。

式中：Qt為t時(shí)刻WI 產(chǎn)生的煙氣總量；QGR,t和QGS,t分別為t時(shí)刻進(jìn)入反應(yīng)塔和儲(chǔ)氣罐的煙氣量；gWI,t為t時(shí)刻WI 的發(fā)電出力；eWI為單位發(fā)電產(chǎn)生的煙氣量。

WI 處理煙氣消耗的功率包括氣泵能耗功率和處理煙氣消耗功率兩部分[15]。

1.2.2.2 GPPCC建模

GPPCC 用于捕集BPG 和WI 發(fā)電產(chǎn)生的CO2，且配置了儲(chǔ)碳設(shè)備（Carbon Storage，CS），以實(shí)現(xiàn)碳捕集和電轉(zhuǎn)氣的時(shí)間解耦。

GPPCC 捕獲CO2的去向包括進(jìn)入CS，P2G 和排向大氣。

1.2.2.3 P2G建模

P2G 可將CO2轉(zhuǎn)化成CH4，并將其作為燃料供給BPG。P2G 生成CH4的計(jì)算方式為[17]：

2 GPW-VPP低碳調(diào)度優(yōu)化模型

2.1 目標(biāo)函數(shù)

為在提高經(jīng)濟(jì)收益的同時(shí)，降低農(nóng)村地區(qū)的碳排放，本文選擇經(jīng)濟(jì)效益和碳排放量作為優(yōu)化目標(biāo)。

2.1.1 經(jīng)濟(jì)效益

經(jīng)濟(jì)效益最大化目標(biāo)函數(shù)為：

式中：CWPP,t，CPV,t，CP2G,t和CGPPCC,t為運(yùn)行功率與單位功率成本的乘積；CWI,t為t時(shí)刻WI 的排放煙氣懲罰成本，為煙氣排放量和單位煙氣懲罰成本的乘積；CDR,t的計(jì)算過程請(qǐng)參考文獻(xiàn)[15]；CBPG,t的計(jì)算過程具體如下：

式中：a，b，c為BPG 發(fā)電的成本系數(shù)。

2.1.2 碳排放量

BPG 和WI 為GPW-VPP 的主要碳排放源，而GPPCC-P2G 能將CO2轉(zhuǎn)化為CH4，碳排放量最小化目標(biāo)函數(shù)為：

根據(jù)式（8）和式（14）可知，本文的2 個(gè)目標(biāo)函數(shù)具有不同的優(yōu)化方向和單位量綱。因此，本文參考文獻(xiàn)[18]采用模糊隸屬度函數(shù)對(duì)目標(biāo)函數(shù)進(jìn)行處理，得到綜合最優(yōu)目標(biāo)函數(shù)F。

式中：f1和f2為處理后的目標(biāo)函數(shù)；λ1和λ2為目標(biāo)函數(shù)的權(quán)重系數(shù)。具體過程請(qǐng)參考文獻(xiàn)[18]。

2.2 約束條件

GPW-VPP 調(diào)度優(yōu)化模型的約束條件包括電功率平衡約束、各單元的運(yùn)行約束等。1）電能供需平衡約束為：

式中：為用戶z在t時(shí)刻的負(fù)荷需求；為P2G 在t時(shí)刻生產(chǎn)的CH4進(jìn)入BPG 的發(fā)電量。

2）分布式電源出力約束為：

BPG 出力分為自身出力和P2G 提供CH4的出力兩部分。設(shè)，則出力約束如下：

WI 的運(yùn)行約束請(qǐng)參考文獻(xiàn)[15]，本文不再贅述。

3）GPPCC-P2G 運(yùn)行約束

GPPCC-P2G 的運(yùn)行功率約束請(qǐng)參考文獻(xiàn)[8]，儲(chǔ)碳設(shè)備約束為：

此外，需求響應(yīng)約束具體請(qǐng)參考文獻(xiàn)[17]。

3 GPW-VPP運(yùn)行效益均衡分配策略

為合理地給GPW-VPP 中各主體分配利益，本節(jié)采用基于納什談判的效益分配策略，構(gòu)建GPWVPP 運(yùn)行效益均衡分配模型，并通過風(fēng)險(xiǎn)、效益和碳減排三維因子來確定各主體的利益分配因子，以充分調(diào)動(dòng)各主體參與碳減排的積極性。

3.1 納什談判模型

GPW-VPP 存在WPP，PV，BPG，WI，GPPCC 及P2G 等運(yùn)營主體，不同主體通過合作運(yùn)營才能夠?qū)崿F(xiàn)聯(lián)盟整體的效益最大化，故需要確定合理的利益分配因子滿足不同主體心理效用。假設(shè)w1,w2,…,wm為GPW-VPP 聯(lián)盟參與者的利益分配因子。其中，m為聯(lián)盟參與者總數(shù)。各聯(lián)盟參與者的效用函數(shù)為：

式中：Ri為聯(lián)盟參與者i的最終收益。

然后，將各參與者效用乘積最大化，即聯(lián)盟效用最大化作為目標(biāo)。設(shè)聯(lián)盟總收益為R，則納什均衡求解方程為：

可知，如何確定各主體利益分配因子，是決定聯(lián)盟整體效用最大化的重要前提。

3.2 多維度分配因子

3.2.1 風(fēng)險(xiǎn)因子

GPW-VPP 中存在WPP，PV 和用戶負(fù)荷3 個(gè)不可控單元，及BPG，WI，P2G 等可控單元。為描述不同類型單元給GPW-VPP 運(yùn)營風(fēng)險(xiǎn)帶來的影響，選擇效用理論量化分析各單元帶來的風(fēng)險(xiǎn)。設(shè)定fr為風(fēng)險(xiǎn)函數(shù)，U()fr為效用函數(shù)。其中，效用函數(shù)存在2 個(gè)性質(zhì)，即1）遞增性，U(fr)′＞0 ；2）非負(fù)性，U(fr)＞0。當(dāng)U(fr)″＜0 時(shí)，決策者為風(fēng)險(xiǎn)厭惡型；當(dāng)U(fr)″=0，決策者為風(fēng)險(xiǎn)中立型；當(dāng)U(fr)″＞0，決策者為風(fēng)險(xiǎn)喜好性。圖2 為不同風(fēng)險(xiǎn)偏好下的效用函數(shù)。

圖2 不同風(fēng)險(xiǎn)偏好下的效用函數(shù)Fig.2 Utility function under different risk preferences

對(duì)于非可控單元來說，例如WPP，PV 和用戶負(fù)荷，當(dāng)預(yù)測誤差發(fā)生時(shí)，主體獲得效用減少，即風(fēng)險(xiǎn)厭惡型。故選取預(yù)測精準(zhǔn)度作為風(fēng)險(xiǎn)函數(shù)，選用風(fēng)險(xiǎn)規(guī)避指數(shù)型效用函數(shù)，具體如下：

式中：fr1為非可控單元的風(fēng)險(xiǎn)函數(shù)，主要包括WPP，PV 和用戶負(fù)荷；m′為VPP 中的各單元；M1為非可控單元總數(shù)；和r1,m′,t分別為非可控單元在t時(shí)刻的實(shí)際值和預(yù)測值；T為調(diào)度周期內(nèi)的時(shí)段數(shù)。

對(duì)于可控單元來說，如BPG，WI 和P2G，當(dāng)預(yù)測誤差發(fā)生時(shí)，具有更大的調(diào)峰空間，從而獲得調(diào)峰收益，故可以理解為可控單元屬于風(fēng)險(xiǎn)喜好型，更傾向于從風(fēng)險(xiǎn)中獲利。因此，定義可控單元的誤差調(diào)節(jié)能力作為風(fēng)險(xiǎn)函數(shù)：

式中：為可控單元的風(fēng)險(xiǎn)函數(shù)；M2為可控單元總數(shù)；為可控單元的最大調(diào)節(jié)容量。

由此，可計(jì)算風(fēng)險(xiǎn)因子：

式中：M為聯(lián)盟主體總數(shù)；ai為風(fēng)險(xiǎn)因子；k和j分別為非可控單元和可控單元。

3.2.2 效益因子

GPW-VPP 運(yùn)營收益最大化目標(biāo)的實(shí)現(xiàn)依賴不同主體合作，但不同主體間又存在博弈關(guān)系，這使得GPW-VPP 的效益分配為合作博弈問題。本文選擇Shapley 值法刻畫不同主體間的合作博弈關(guān)系，并用于確立效益分配因子[10]：

式中：Bi為單元i分配后的收益；S為聯(lián)盟單元形成的組合；R(S-{i})為組合S不包括成員i時(shí)的收益；為組合S發(fā)生的概率，也稱為加權(quán)因子；bi為效益因子。

3.2.3 碳減排因子

WPP，PV，GPPCC 和P2G 是碳減排主體，BPG和WI 則是碳排放主體。同時(shí)，用戶負(fù)荷響應(yīng)在促進(jìn)WPP 和PV 發(fā)電出力時(shí)，也是碳減排主體。通過構(gòu)建碳排放貢獻(xiàn)度模型，分解不同主體對(duì)GPWVPP 總碳減排貢獻(xiàn)度，并確立碳減排因子，具體表達(dá)式為：

式中：Ci為單元i分配后的碳排放量；為組合S中去除成員i之后的碳排放量；ci為碳減排因子。

3.3 最終利益分配因子

本文綜合考慮不同主體對(duì)GPW-VPP 運(yùn)營的風(fēng)險(xiǎn)貢獻(xiàn)度、效益貢獻(xiàn)度及碳減排貢獻(xiàn)度，確立最終各主體的利益分配因子wi，具體計(jì)算如下：

式中：σi為比重因子的權(quán)重，其為1×3 維行向量。

4 算例分析

為驗(yàn)證所提模型的有效性和適用性，本文選擇蘭考能源革命試點(diǎn)為對(duì)象進(jìn)行算例分析。

4.1 基礎(chǔ)數(shù)據(jù)

據(jù)統(tǒng)計(jì)，蘭考配電網(wǎng)配置分布式風(fēng)電31 MW，分布式光伏58.1 MW。假定WI 配置45 m3的煙氣存儲(chǔ)裝置，且為充分利用調(diào)度周期內(nèi)儲(chǔ)氣，調(diào)度周期始末儲(chǔ)氣量均為零。WI 設(shè)備參數(shù)還包括eWI=0.96 g/MW，wWI=0.6 MW/g 和eSP=0.8 g/MW=15 m3/h 和φWI,t=328 元/MWh，而BPG 發(fā)電輸出功率參數(shù)?0，?1，?2和?3分布為-2 338.10、323.42、8.46 和26.05。WI 和BPG 就近配置GPPCC 和P2G設(shè)備。圖3 為典型負(fù)荷日WPP，PV 的預(yù)測出力和不同類型用戶負(fù)荷需求。表1 為蘭考WPP，PV，BPG 和WI 的設(shè)備運(yùn)行參數(shù)。

圖3 典型負(fù)荷日WPP，PV預(yù)測出力及用戶負(fù)荷需求Fig.3 Predicted WPP and PV output and load demand of different users in typical day

表1 WPP，PV，WI和BPG的設(shè)備參數(shù)Table 1 Equipment parameters for WPP，PV，WI and BPG

4.2 算例結(jié)果

4.2.1 農(nóng)村GPW-VPP調(diào)度優(yōu)化結(jié)果

當(dāng)按照綜合最優(yōu)目標(biāo)運(yùn)行時(shí)，GPW-VPP 的經(jīng)濟(jì)收益為56.25 萬元，碳排放為340.28 t。圖4 為GPW-VPP 的運(yùn)營優(yōu)化結(jié)果。

從圖4 可以看出，BPG 基本全部以額定功率運(yùn)行，WI 則跟隨WPP 和PV 的出力變化，調(diào)整自身出力，并在谷時(shí)段配合WPP，BPG 滿足負(fù)荷需求。對(duì)于GPPCC-P2G，GPPCC 在谷時(shí)段用電較多，峰時(shí)段用電較少，間接為GWP-VPP 提供了調(diào)峰服務(wù)；P2G則維持穩(wěn)定出力，滿足GPW-VPP 負(fù)荷需求。

圖4 綜合優(yōu)化目標(biāo)函數(shù)下GPW-VPP運(yùn)營優(yōu)化結(jié)果Fig.4 GPW-VPP operation optimization results with comprehensive optimization objective function

4.2.2 農(nóng)村GPW-VPP效益分配結(jié)果

根據(jù)主體屬性和規(guī)模，重點(diǎn)選擇WPP+PV，BPG，WI 和GPPCC-P2G 4 類主體，共可形成24-1個(gè)組合方案。表2 是各主體結(jié)合后的效益和碳排放。

表2 各主體結(jié)合后的效益和碳排放Fig.2 Benefits and carbon emissions after combination of various subjects

根據(jù)表2，計(jì)算GPW-VPP 合作效益分配的效益因子和碳減排因子，確立GPW-VPP 合作效益分配的風(fēng)險(xiǎn)因子，并根據(jù)WPP 和PV 在WPP+PV 總出力中的占比分配合作利益，GPPCC 和P2G 在GPPCC+P2G 總出力中的占比分配合作利益，最終形成GPW-VPP 不同主體的效益分配方案。

表3 為GPW-VPP 的分配收益。

表3 GPW-VPP的分配收益Table 3 Benefit distribution of GPW-VPP ×104元

根據(jù)表3，非合作博弈模型總收益為41.48×104元，采用Shapley 值法的總收益為56.25×104元，即不同主體通過相互合作產(chǎn)生增量收益14.77×104元。但采用Shapley 值法的傳統(tǒng)效益分配方案，未能考慮到不同主體給GPW-VPP 帶來的風(fēng)險(xiǎn)及碳排放量，致使分配結(jié)果未能兼容不同維度要求，因此，本文將風(fēng)險(xiǎn)因子和碳排放因子納入到效益分配當(dāng)中，形成考慮風(fēng)險(xiǎn)、效益和碳排放三維因子的效益分配結(jié)果，能夠看到BPG，WI 和GPPCC，P2G 獲得的利益分配配額增加，BPG 和WI 是有利于降低GPW-VPP 運(yùn)營風(fēng)險(xiǎn)，而GPPCC-P2G 則是有利于降低GPW-VPP的碳排放總量。圖5 為多因素改進(jìn)Shapley 值法和Shapley 值法分配后各主體利益占比。

圖5 多因素改進(jìn)Shapley值法和Shapley值法分配后各主體利益占比Fig.5 Proportion of each subject interests after distribution with multi factor improved Shapley value method and Shapley value method

根據(jù)圖5，若以碳排放因子作為分配維度，則WPP 和PV 利益占比增幅最大，而BPG 的利益占比降幅較大，P2G 和GPPCC 因其具有碳減排效能，故利益占比增加，而WI 獲得利益占比則降低。若以風(fēng)險(xiǎn)因子作為分為維度，WPP 和PV 獲得的利益占比要低于傳統(tǒng)效益分配方案，而BPG 和WI 獲得效益占比則高于傳統(tǒng)效益分配方案，GPW-VPP 調(diào)峰需求的降低也使得GPPCC-P2G 獲得的利益占比降低。

從效益分配整體來看，相比非合作博弈模型的效益分配方案和采用Shapley 值法的效益分配方案，當(dāng)綜合考慮風(fēng)險(xiǎn)、效益和碳排放三維因子后，受出力不確定性風(fēng)險(xiǎn)影響，WPP 和PV 獲得利益占比有所增長，但低于傳統(tǒng)分配方案；受出力碳排放影響，BPG 獲得的利益占比明顯降低，但高于傳統(tǒng)方案0.57%，這是因?yàn)锽PG 的發(fā)電出力能夠降低GPW-VPP 的不確定性風(fēng)險(xiǎn)；WI，GPPCC-P2G 出力均要高于傳統(tǒng)方案，前者是有利于降低運(yùn)行風(fēng)險(xiǎn)，后者是有利于降低碳排放總量。

5 結(jié)論

本文將GPPCC，P2G 和WI 與農(nóng)村分布式能源聚合成GPW-VPP，構(gòu)建虛擬電廠調(diào)度優(yōu)化模型。然后，采用基于納什談判模型的效益分配策略，構(gòu)建多主體效益均衡分配優(yōu)化模型，并通過風(fēng)險(xiǎn)、效益和碳減排三維因子來確定各主體利益分配因子。算例分析得到的結(jié)論如下：

1）GPW-VPP 能有效聚合農(nóng)村的各種分布式能源，實(shí)現(xiàn)電-碳-電循環(huán)。GPW-VPP 的調(diào)度優(yōu)化模型，能夠同時(shí)兼顧提高經(jīng)濟(jì)效益和碳減排的需求，降低GPW-VPP 的碳排放。

2）基于納什談判的利益分配策略能夠綜合考慮風(fēng)險(xiǎn)、碳減排及效益多維影響因子，制定符合多主體綜合貢獻(xiàn)度的效益分配方案。相比非合作情景，不同主體通過相互合作產(chǎn)生增量收益14.77×104元。

大量分散式風(fēng)電、屋頂光伏的并入將會(huì)給GPWVPP 的運(yùn)營帶來極大的不確定性，如何刻畫風(fēng)、光等可再生能源發(fā)電的不確定性，提高GPW-VPP 應(yīng)對(duì)風(fēng)險(xiǎn)的能力，將是本文后續(xù)研究的重要方向。