基于場(chǎng)景集的虛擬電廠中儲(chǔ)能系統(tǒng)優(yōu)化配置研究

李志浩，劉鑫，倪籌帷，葛曉慧，吳紅斌

（1.國網(wǎng)浙江省電力有限公司電力科學(xué)研究院，浙江 杭州 310014；2.安徽省新能源利用與節(jié)能省級(jí)實(shí)驗(yàn)室（合肥工業(yè)大學(xué)），安徽 合肥 230009）

隨著光伏（photovoltaic，PV）、風(fēng)機(jī)等分布式電源大規(guī)模接入配電網(wǎng)，非化石能源發(fā)電成為未來電網(wǎng)的發(fā)展趨勢(shì)。預(yù)計(jì)到2030年，清潔能源發(fā)電量占全國總發(fā)電量的49.2%。但分布式電源發(fā)電具有較大的隨機(jī)性和波動(dòng)性，給電網(wǎng)的運(yùn)行與控制帶來風(fēng)險(xiǎn)[1-2]。虛擬電廠（virtual power plant，VPP）是一種新型的分布式電源協(xié)調(diào)運(yùn)行與管理技術(shù)，為解決上述問題提供了新方法[3]。其基本概念是通過聚合分布式電源、可控負(fù)荷和儲(chǔ)能系統(tǒng)等分布式能源，作為一個(gè)可控發(fā)電商參與電網(wǎng)調(diào)度和電力市場(chǎng)交易[4]。為了解決分布式電源間歇性出力的問題，保證虛擬電廠供電的穩(wěn)定性，在虛擬電廠規(guī)劃建設(shè)階段需充分考慮可控機(jī)組和儲(chǔ)能系統(tǒng)的容量配置問題。但目前儲(chǔ)能系統(tǒng)存在成本高、效率低、壽命周期短等問題，導(dǎo)致其在電力系統(tǒng)中的應(yīng)用具有一定的局限性[5]。為了充分發(fā)揮儲(chǔ)能系統(tǒng)在虛擬電廠中的作用，提高虛擬電廠運(yùn)營收益，有必要對(duì)虛擬電廠中儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化配置。

目前，國內(nèi)外針對(duì)儲(chǔ)能系統(tǒng)優(yōu)化配置問題做了大量研究，文獻(xiàn)[6]基于最小購電成本和儲(chǔ)能損耗成本，建立了大規(guī)模光伏并網(wǎng)系統(tǒng)中儲(chǔ)能容量配置模型。文獻(xiàn)[7-8]在風(fēng)電和儲(chǔ)能聯(lián)合運(yùn)行系統(tǒng)中，建立了提高風(fēng)電利用率的儲(chǔ)能系統(tǒng)配置及調(diào)度模型。文獻(xiàn)[9]考慮了隨機(jī)生成和需求導(dǎo)致的存儲(chǔ)容量決策問題的不確定性，對(duì)不同的需求和生成的儲(chǔ)能系統(tǒng)配置進(jìn)行了優(yōu)化。文獻(xiàn)[10]采用解析法和序貫蒙特卡羅模擬方法，對(duì)系統(tǒng)狀態(tài)進(jìn)行建模，找到最優(yōu)的儲(chǔ)能系統(tǒng)配置方案。文獻(xiàn)[11]為了確保儲(chǔ)能系統(tǒng)充分發(fā)揮多方面功能，建立了虛擬電廠中儲(chǔ)能系統(tǒng)優(yōu)化配置的多目標(biāo)函數(shù)，并采用混合整數(shù)線性規(guī)劃和粒子群優(yōu)化算法進(jìn)行求解。文獻(xiàn)[12]采用蒙特卡洛與差分進(jìn)化算法相結(jié)合的方式對(duì)高風(fēng)電滲透率配電網(wǎng)中儲(chǔ)能系統(tǒng)的位置和容量進(jìn)行優(yōu)化。文獻(xiàn)[13-14]采用雙層決策模型，以經(jīng)濟(jì)性最優(yōu)為目標(biāo)函數(shù)對(duì)儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化配置，但其儲(chǔ)能系統(tǒng)應(yīng)用在用戶側(cè)，沒有對(duì)虛擬電廠中儲(chǔ)能系統(tǒng)的配置進(jìn)行研究。

在上述背景下，提出了一種參與電力市場(chǎng)交易的虛擬電廠中儲(chǔ)能系統(tǒng)隨機(jī)優(yōu)化模型，來確定儲(chǔ)能的位置、容量以及電池類型。首先分析了虛擬電廠在電力市場(chǎng)交易過程中的不確定性，并采用蒙特卡洛抽樣和場(chǎng)景縮減技術(shù)針對(duì)光伏出力的波動(dòng)性、負(fù)荷需求的隨機(jī)性進(jìn)行不確定性建模。其次在虛擬電廠系統(tǒng)約束條件下，以儲(chǔ)能系統(tǒng)投資成本最小為目標(biāo)建立了雙層優(yōu)化模型，并采用粒子群算法和二階錐規(guī)劃理論進(jìn)行求解。最后，利用改進(jìn)的IEEE33節(jié)點(diǎn)系統(tǒng)驗(yàn)證了該優(yōu)化配置方法切實(shí)可行并有效地提高了虛擬電廠在電力市場(chǎng)中的經(jīng)濟(jì)收益。

1 考慮不確定性的場(chǎng)景集生成

1.1 市場(chǎng)交易機(jī)制及虛擬電廠結(jié)構(gòu)

由于相對(duì)于傳統(tǒng)機(jī)組而言，虛擬電廠的出力可控性較低且自身容量有限，假設(shè)虛擬電廠僅參加日前電力市場(chǎng)和實(shí)時(shí)電力市場(chǎng)交易。在電力交易中心發(fā)布次日系統(tǒng)狀況、負(fù)荷預(yù)測(cè)等市場(chǎng)信息之后，虛擬電廠需提交次日24個(gè)交易時(shí)段的售電報(bào)價(jià)、購電報(bào)價(jià)以及運(yùn)行計(jì)劃，與其他獨(dú)立供電商共同參與市場(chǎng)競爭。虛擬電廠以交易中心的出清結(jié)果執(zhí)行次日的發(fā)電計(jì)劃，通過連接線與大電網(wǎng)相連進(jìn)行功率傳輸。由于光伏發(fā)電和負(fù)荷存在波動(dòng)性導(dǎo)致虛擬電廠出力存在一定的投標(biāo)偏差，在次日的實(shí)時(shí)電力市場(chǎng)中虛擬電廠需以高于市場(chǎng)價(jià)的價(jià)格購電彌補(bǔ)缺額電量，以低于市場(chǎng)價(jià)的價(jià)格售電消納富余電量。這無疑降低了虛擬電廠的運(yùn)營收益，通過配置一定的儲(chǔ)能裝置，可以削峰填谷、提高分布式電源并網(wǎng)消納量、降低網(wǎng)絡(luò)損耗，進(jìn)而提高虛擬電廠的經(jīng)濟(jì)性。所構(gòu)建的虛擬電廠由光伏發(fā)電系統(tǒng)、燃?xì)廨啓C(jī)、儲(chǔ)能系統(tǒng)以及常規(guī)負(fù)荷組成，虛擬電廠系統(tǒng)的結(jié)構(gòu)框圖如圖1所示。

圖1 虛擬電廠系統(tǒng)的結(jié)構(gòu)框圖Fig.1 Structure diagram of virtual power plant system

由于分布式電源出力和負(fù)荷預(yù)測(cè)的不確定性，儲(chǔ)能系統(tǒng)的優(yōu)化配置方法也是一個(gè)不確定性問題。采用蒙特卡洛模擬方法生成多個(gè)組合場(chǎng)景集，通過采樣后計(jì)算期望值，進(jìn)而將隨機(jī)優(yōu)化問題轉(zhuǎn)化為確定性問題處理[15]。分別考慮光伏出力、負(fù)荷預(yù)測(cè)誤差及燃?xì)廨啓C(jī)運(yùn)行狀態(tài)場(chǎng)景集w={wi}i=1，2，…，nw；s={sj}j=1，2，…，ns；q={qk}k=1，2，…，n。其中nw，ns，nq為相應(yīng)的場(chǎng)景集的個(gè)數(shù)，則總場(chǎng)景個(gè)數(shù)為nwnsnq。每個(gè)場(chǎng)景及其概率由一個(gè)離散分布函數(shù)表示。

1.2 光伏出力場(chǎng)景集

作為虛擬電廠中主要的發(fā)電單元，PV出力情況不僅與自身工作特性相關(guān)，更與當(dāng)時(shí)的地理環(huán)境、光照強(qiáng)度等氣候條件密切相關(guān)。由于太陽的光照強(qiáng)度服從Beta分布[16]，根據(jù)每個(gè)周期的平均光照強(qiáng)度計(jì)算分布參數(shù)α和β，隨后采用蒙特卡洛抽樣隨機(jī)生成PV出力，其概率密度的分布函數(shù)如下[17]：

式中：PPV為PV的預(yù)測(cè)功率；PPV，max為PV的裝機(jī)容量；α和β為Beta分布的形狀參數(shù)。

由于PV發(fā)電在實(shí)際生產(chǎn)過程中存在誤差，隨機(jī)生成波動(dòng)數(shù)據(jù)作為PV出力預(yù)測(cè)的誤差值。光伏實(shí)際出力是光伏預(yù)測(cè)出力和預(yù)測(cè)誤差值的疊加，如下式所示：

1.3 負(fù)荷預(yù)測(cè)誤差場(chǎng)景集區(qū)

負(fù)荷預(yù)測(cè)也具有一定的誤差，假設(shè)負(fù)荷預(yù)測(cè)誤差服從高斯累積分布[18]，如下式所示：

其中

1.4 燃?xì)廨啓C(jī)運(yùn)行狀態(tài)場(chǎng)景集

考慮到虛擬電廠系統(tǒng)內(nèi)多臺(tái)燃?xì)廨啓C(jī)同時(shí)故障的概率非常小，只建立單臺(tái)燃?xì)廨啓C(jī)故障停運(yùn)的場(chǎng)景集。采用雙狀態(tài)連續(xù)馬爾科夫模型模擬燃?xì)廨啓C(jī)在調(diào)度周期內(nèi)的啟停狀態(tài)[19]，建立一臺(tái)燃?xì)廨啓C(jī)N-1故障場(chǎng)景集，其故障概率由下式確定：

式中：ni為正常燃?xì)廨啓C(jī)編號(hào)；m為故障燃?xì)廨啓C(jī)編號(hào)；qni為正常燃?xì)廨啓C(jī)停機(jī)概率；qm為故障燃?xì)廨啓C(jī)停機(jī)概率。

2 儲(chǔ)能系統(tǒng)優(yōu)化配置的雙層規(guī)劃模型

采用雙層規(guī)劃模型對(duì)虛擬電廠中儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化配置。第一階段，采用粒子群算法對(duì)儲(chǔ)能系統(tǒng)的接入位置、容量以及電池類型進(jìn)行優(yōu)化。第二階段，建立虛擬電廠優(yōu)化調(diào)度的二階錐規(guī)劃模型，優(yōu)化虛擬電廠內(nèi)部分布式電源的小時(shí)出力，從而實(shí)現(xiàn)運(yùn)行成本最小。第二階段優(yōu)化后得到的運(yùn)行成本信息會(huì)傳遞到第一階段，來計(jì)算相應(yīng)的總成本。

2.1 上層優(yōu)化模型

由于儲(chǔ)能系統(tǒng)的接入位置、容量等技術(shù)指標(biāo)不同，其對(duì)應(yīng)的成本和效益也不盡相同，因此需要對(duì)儲(chǔ)能系統(tǒng)的規(guī)劃建設(shè)問題進(jìn)行尋優(yōu)，上層模型的優(yōu)化目標(biāo)包括儲(chǔ)能系統(tǒng)的等年值投資成本、損耗成本和虛擬電廠運(yùn)營成本。

2.1.1 目標(biāo)函數(shù)

上層優(yōu)化模型的目標(biāo)函數(shù)由三部分組成，如下式所示：

式中：Cinv為儲(chǔ)能系統(tǒng)投資建設(shè)成本；Copm為儲(chǔ)能系統(tǒng)運(yùn)行維護(hù)成本；Cdop為虛擬電廠日常運(yùn)營成本，由下層優(yōu)化模型計(jì)算所得。

儲(chǔ)能系統(tǒng)的建設(shè)成本與其裝機(jī)容量耦合，可由下式計(jì)算所得：

式中：A為等年值的初期投資成本系數(shù)；CES為儲(chǔ)能系統(tǒng)單位容量的造價(jià)；Cbat為儲(chǔ)能系統(tǒng)的裝機(jī)容量；d為實(shí)際利率；Nr為儲(chǔ)能系統(tǒng)使用年限。

儲(chǔ)能系統(tǒng)的運(yùn)行維護(hù)成本主要與其額定功率有關(guān)，且儲(chǔ)能系統(tǒng)的額定功率與裝機(jī)容量線性相關(guān)：

式中：kbat為儲(chǔ)能系統(tǒng)額定功率與其裝機(jī)容量的比例系數(shù)；Cop為儲(chǔ)能系統(tǒng)單位容量的年運(yùn)行維護(hù)成本。

2.1.2 約束條件

1）投資成本約束：

式中：Cinv，max為儲(chǔ)能系統(tǒng)投資成本的最大值。

2）接入位置約束：

式中：ESlocation為儲(chǔ)能系統(tǒng)接入節(jié)點(diǎn)編號(hào)；Φ為儲(chǔ)能系統(tǒng)可接入節(jié)點(diǎn)集。

2.2 下層優(yōu)化模型

在上層模型中確定了儲(chǔ)能系統(tǒng)的接入位置、容量以及電池類型后，下層優(yōu)化模型即可對(duì)虛擬電廠的運(yùn)營策略進(jìn)行優(yōu)化。以不同場(chǎng)景下虛擬電廠日調(diào)度周期內(nèi)損耗成本最小為目標(biāo)建立優(yōu)化模型。

2.2.1 目標(biāo)函數(shù)

下層模型的目標(biāo)函數(shù)如下：

其中

2.2.2 約束條件

1）系統(tǒng)功率平衡約束如下式：

2）節(jié)點(diǎn)潮流約束如下式：

3）節(jié)點(diǎn)電壓約束如下式：

式中：Ui，min，Ui，max分別為t時(shí)刻節(jié)點(diǎn)i電壓幅值的下限和上限。

4）燃?xì)廨啓C(jī)出力約束如下式：

式中：Pmti,min，Pmti,max，Qmti,min，Qmti,max分別為t時(shí)刻節(jié)點(diǎn)i的有功、無功出力幅值的下限、上限。

5）光伏出力約束如下式：

6）儲(chǔ)能系統(tǒng)約束如下式：

2.3 雙層規(guī)劃模型求解方法

以虛擬電廠運(yùn)營總成本最小為目標(biāo)函數(shù)建立雙層優(yōu)化模型，采用粒子群算法與CPLEX求解器相結(jié)合的方法進(jìn)行求解。在上層優(yōu)化模型中，采用粒子群算法對(duì)儲(chǔ)能的接入位置、容量以及電池類型進(jìn)行尋優(yōu)。在下層優(yōu)化模型中，調(diào)用CPLEX以虛擬電廠每日調(diào)度周期內(nèi)運(yùn)行成本最小為目標(biāo)，優(yōu)化儲(chǔ)能系統(tǒng)充放電策略，將調(diào)度結(jié)果返回上層計(jì)算適應(yīng)度值，經(jīng)過多次迭代，從而得到虛擬電廠中儲(chǔ)能系統(tǒng)的優(yōu)化配置結(jié)果。但傳統(tǒng)的虛擬電廠優(yōu)化調(diào)度模型中包含非線性二次約束，需采用二階錐優(yōu)化將約束條件線性化[20-21]。二階錐優(yōu)化定義新變量如下：

將新定義的變量代入式（13）、式（14）中，得到新的表達(dá)式及其約束：

采用粒子群算法與CPLEX相結(jié)合的詳細(xì)求解步驟如圖2所示。

圖2 求解流程圖Fig.2 Solution flow chart

3 算例分析

3.1 算例系統(tǒng)

采用修改后的IEEE33節(jié)點(diǎn)系統(tǒng)作為一個(gè)虛擬電廠，對(duì)上述模型及算法進(jìn)行仿真驗(yàn)證。系統(tǒng)結(jié)構(gòu)圖如圖3所示，其中分布式電源的基本參數(shù)如表1所示。燃?xì)廨啓C(jī)技術(shù)參數(shù)如表2所示。為簡便起見可供儲(chǔ)能系統(tǒng)選擇的電池類型為鋰離子電池和鉛碳電池兩種類型電池，其經(jīng)濟(jì)技術(shù)參數(shù)如表3所示。電力市場(chǎng)的出清電價(jià)[4]如表4所示，虛擬電廠不平衡功率的售電和購電電價(jià)，分別為在出清電價(jià)的基礎(chǔ)上降低和提高20%。依據(jù)光照強(qiáng)度計(jì)算得到Beta分布的形狀參數(shù)為α=0.45，β=9.18。生成光伏出力場(chǎng)景的個(gè)數(shù)nw=4，每個(gè)場(chǎng)景的概率均為0.25；負(fù)荷預(yù)測(cè)場(chǎng)景的個(gè)數(shù)ns=5，每個(gè)場(chǎng)景的概率均為0.2；燃?xì)廨啓C(jī)場(chǎng)景的個(gè)數(shù)nq=3，各個(gè)場(chǎng)景的概率分別為0.5，0.4，0.1，則總場(chǎng)景數(shù)共計(jì)為60個(gè)。

圖3 IEEE33節(jié)點(diǎn)系統(tǒng)結(jié)構(gòu)圖Fig.3 The structure of the IEEE33 node system

表1 分布式電源參數(shù)Tab.1 Distributed power parameters

表2 燃?xì)廨啓C(jī)技術(shù)參數(shù)Tab.2 Technical parameters of gas turbine

表3 經(jīng)濟(jì)技術(shù)參數(shù)Tab.3 Economic and technical parameters

表4 市場(chǎng)出清電價(jià)Tab.4 The price of market clearing

設(shè)置粒子群算法的學(xué)習(xí)因子為2，權(quán)重系數(shù)為0.8，種群規(guī)模為100，迭代次數(shù)為20。測(cè)試系統(tǒng)硬件環(huán)境為Intel Core i5-4590，主頻為3.30 GHz，內(nèi)存為8 GB，開發(fā)環(huán)境為Matlab R2017b，計(jì)算用時(shí)約為50～60 min。

3.2 優(yōu)化配置結(jié)果

求解出的儲(chǔ)能系統(tǒng)配置結(jié)果如表5所示。虛擬電廠中光伏出力、負(fù)荷預(yù)測(cè)結(jié)果以及儲(chǔ)能系統(tǒng)最優(yōu)出力曲線如圖4所示。

表5 儲(chǔ)能系統(tǒng)配置結(jié)果Tab.5 Optimization allocation results of ESS

圖4 儲(chǔ)能系統(tǒng)最優(yōu)出力曲線Fig.4 Optimal output curves of energy storage system

從圖4中可以看出，虛擬電廠中的儲(chǔ)能系統(tǒng)選擇在電價(jià)較低的夜間時(shí)段進(jìn)行充電，在白天時(shí)段，電價(jià)較高，儲(chǔ)能系統(tǒng)進(jìn)行放電。在7點(diǎn)到9點(diǎn)時(shí)間段內(nèi)，光伏實(shí)際出力小于其預(yù)測(cè)功率，儲(chǔ)能系統(tǒng)進(jìn)行放電彌補(bǔ)功率偏差。在9點(diǎn)至11點(diǎn)時(shí)段內(nèi)光伏實(shí)際出力大于其預(yù)測(cè)功率，儲(chǔ)能系統(tǒng)進(jìn)行充電，減少棄光損失，降低光伏出力波動(dòng)性對(duì)虛擬電廠出力穩(wěn)定性的影響。在13點(diǎn)至15點(diǎn)時(shí)段內(nèi)實(shí)際負(fù)荷需求大于其預(yù)測(cè)值，造成虛擬電廠實(shí)時(shí)功率缺額，為了降低從電網(wǎng)購電的不平衡功率成本，儲(chǔ)能系統(tǒng)進(jìn)行放電。因此儲(chǔ)能系統(tǒng)能夠根據(jù)實(shí)際情況調(diào)整自身充放電行為，降低分布式電源出力和負(fù)荷預(yù)測(cè)的不確定性對(duì)虛擬電廠的影響。

虛擬電廠的電量交易曲線和燃?xì)廨啓C(jī)出力曲線如圖5所示。由圖5可以看出在8點(diǎn)至15點(diǎn)時(shí)間段內(nèi)光伏發(fā)電量大且電價(jià)高，虛擬電廠向電網(wǎng)售電，且在14點(diǎn)電價(jià)最高的時(shí)刻虛擬電廠售電量最大。在其它時(shí)間段內(nèi)虛擬電廠由電網(wǎng)購電。在夜間時(shí)段，當(dāng)電網(wǎng)電價(jià)降低到低于燃?xì)廨啓C(jī)發(fā)電成本時(shí)，燃?xì)廨啓C(jī)停止工作，虛擬電廠由電網(wǎng)購電量增大。

圖5 虛擬電廠的電量交易曲線和燃?xì)廨啓C(jī)出力曲線Fig.5 Electricity trading curves and gas turbine output curves of virtual power plant

3.3 經(jīng)濟(jì)性分析

采用粒子群算法對(duì)上述模型進(jìn)行求解，其收斂性如圖6所示。經(jīng)過15次迭代后粒子群算法的適應(yīng)度值達(dá)到最優(yōu)，此時(shí)虛擬電廠每日的運(yùn)營總成本為95 386元，相比于初始值降低了1 064元。說明文中的優(yōu)化配置方法具有收斂性，且能夠有效降低虛擬電廠中儲(chǔ)能系統(tǒng)的日運(yùn)行成本。

圖6 PSO收斂特性曲線Fig.6 PSO convergence characteristic curve

為了驗(yàn)證該優(yōu)化配置方法的經(jīng)濟(jì)性，設(shè)置三種場(chǎng)景。Case1：虛擬電廠中不配置儲(chǔ)能系統(tǒng)；Case2：采用隨機(jī)優(yōu)化的方法對(duì)虛擬電廠的儲(chǔ)能系統(tǒng)進(jìn)行配置（在5號(hào)節(jié)點(diǎn)處配置2 MW·h儲(chǔ)能，電池類型為Li-ion）；Case3：虛擬電廠中儲(chǔ)能系統(tǒng)采用上述優(yōu)化配置算法。不同方案下虛擬電廠日常運(yùn)營成本如圖7所示。由圖7可以看出，Case3下虛擬電廠每日運(yùn)營總成本最小，相比于Case1和Case2分別減少7 541元和4 121元。由于Case2和Case3中配置了儲(chǔ)能系統(tǒng)，其棄光成本幾乎降低為0，說明儲(chǔ)能系統(tǒng)能夠有效降低虛擬電廠運(yùn)營成本。Case2和Case3中燃?xì)廨啓C(jī)發(fā)電成本和棄光成本相比于Case1有所減小，這是由于儲(chǔ)能系統(tǒng)可以在虛擬電廠電量過剩時(shí)存儲(chǔ)電能，在電量缺額時(shí)作為分布式電源發(fā)電，說明該優(yōu)化配置方法相比于現(xiàn)有的配置方案能夠更好地對(duì)儲(chǔ)能系統(tǒng)進(jìn)行合理布置，使其充分發(fā)揮削峰填谷、提高分布式能源利用率的作用，從而提高虛擬電廠的運(yùn)營收益。由圖7中不難看出，Case3中虛擬電廠的平衡功率成本最低，說明采用該優(yōu)化配置方案的虛擬電廠在電力市場(chǎng)交易中的不平衡功率最小，相比于Case1和Case2，該配置方案更加適應(yīng)用電力市場(chǎng)的交易。

圖7 不同方案下虛擬電廠日常運(yùn)營成本Fig.7 Daily operating costs of virtual power plants under different scenarios

4 結(jié)論

提出一種虛擬電廠中儲(chǔ)能系統(tǒng)的隨機(jī)優(yōu)化配置方法，以提高虛擬電廠運(yùn)營收益。在充分考慮光伏出力波動(dòng)性和負(fù)荷預(yù)測(cè)誤差的基礎(chǔ)上，采用蒙特卡洛抽樣生成不確定性場(chǎng)景集。分別從規(guī)劃和運(yùn)行兩個(gè)層次出發(fā)，建立了虛擬電廠中儲(chǔ)能系統(tǒng)的雙層優(yōu)化模型。上層以儲(chǔ)能系統(tǒng)的綜合建設(shè)成本最小為目標(biāo)函數(shù)，下層以虛擬電廠的日運(yùn)行成本最小為目標(biāo)函數(shù)，采用粒子群算法結(jié)合二階錐優(yōu)化進(jìn)行求解。并在建立模型的過程中充分考慮了儲(chǔ)能系統(tǒng)損耗成本，電力市場(chǎng)懲罰機(jī)制等約束條件。通過改進(jìn)的IEEE33節(jié)點(diǎn)系統(tǒng)，分析了儲(chǔ)能系統(tǒng)不同配置結(jié)果對(duì)虛擬電廠經(jīng)濟(jì)性的影響，并給出了虛擬電廠內(nèi)各分布式電源的最優(yōu)功率曲線，驗(yàn)證了該模型和方法的有效性。