基于虛擬電廠的多元小微主體參與現(xiàn)貨市場的競價(jià)策略

宋大為，尹碩，何洋，李志恒，張鈞釗，姜欣

(1. 國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院，鄭州450052；2. 國網(wǎng)河南省交易中心有限公司，鄭州450056；3. 鄭州大學(xué)電氣 工程學(xué)院，鄭州450001)

0 引言

多元小微主體是指功率不大、建設(shè)在負(fù)荷中心附近的、模塊式采用先進(jìn)信息控制技術(shù)的、清潔環(huán)保、經(jīng)濟(jì)、高效、可靠的自主智能供電形式[1]。其種類繁多，包括分布式電源(風(fēng)電、光電)、儲(chǔ)能裝置以及需求側(cè)響應(yīng)等。多元小微主體在電力需求側(cè)作為電力供應(yīng)側(cè)的有力補(bǔ)充，在優(yōu)化調(diào)整負(fù)荷曲線、調(diào)節(jié)電力價(jià)格、降低能量傳輸損耗、緩解電力系統(tǒng)阻塞、提升電力系統(tǒng)清潔性等方面具有重要作用。然而，多元小微主體中的分布式發(fā)電(distributed generation，DG)給電力系統(tǒng)的運(yùn)行帶來了許多挑戰(zhàn)，其有限預(yù)測性和高可變性使得DG無法被直接調(diào)度[2 - 5]。需求側(cè)響應(yīng)(demand respond，DR)和分布式儲(chǔ)能(distributed storage，DS)已經(jīng)被證明是部署智能電網(wǎng)最重要的關(guān)鍵因素，可有效緩解高比例DG滲透帶來的挑戰(zhàn)并提高系統(tǒng)可靠性[6 - 9]。虛擬電廠(virtual power plant，VPP)被認(rèn)為是實(shí)現(xiàn)DG與DR和DS成功耦合的有效途徑[10 - 13]。

隨著我國售電市場不斷放開，VPP作為一種特殊形式的售電商，其參與現(xiàn)貨市場最優(yōu)競價(jià)問題亟待研究。盡管文獻(xiàn)中有豐富的處理傳統(tǒng)電廠日前(day-ahead, DA)競價(jià)策略問題的優(yōu)化模型但目前針對(duì)VPP的相同問題的研究還很少[14 - 15]。文獻(xiàn)[16]考慮了由可中斷負(fù)荷、儲(chǔ)能、可調(diào)度發(fā)電廠組成的VPP，提出了兩階段隨機(jī)混合整數(shù)線性規(guī)劃(mixed integer linear programming, MILP)競價(jià)模型，模型同時(shí)考慮了日前能量市場與平衡市場，在第一階段模型中VPP被視為價(jià)格接受者，在第二階段模型中VPP被視為偏離者(即被動(dòng)代理人)。文獻(xiàn)[17]提出了一個(gè)VPP參與日前市場的最優(yōu)競價(jià)策略問題，在一個(gè)混合整數(shù)非線性規(guī)劃框架下，使用概率性的投標(biāo)報(bào)價(jià)法和點(diǎn)估計(jì)法對(duì)市場價(jià)格和發(fā)電資源的不確定性進(jìn)行建模。文獻(xiàn)[18]給出了由風(fēng)電場、光伏電廠和燃?xì)怆姀S組成的VPP的最優(yōu)投標(biāo)策略問題。該問題被表述為MILP模型，并將長期雙邊合同與VPP在DA市場的參與結(jié)合起來。文獻(xiàn)[19]建立了傳統(tǒng)發(fā)電商、售電商與VPP同時(shí)參與市場競爭的分段報(bào)價(jià)模型和優(yōu)化出清模型，采用分段線性的方法得到了VPP在不同時(shí)段采取的不同報(bào)價(jià)策略。文獻(xiàn)[20]建立了VPP的電價(jià)競標(biāo)模型和電量競標(biāo)模型，將Stackelberg博弈理論應(yīng)用于VPP的電價(jià)競標(biāo)和電量競標(biāo)過程中，確定VPP內(nèi)多個(gè)分布式電源與控制協(xié)調(diào)中心的交易電價(jià)與調(diào)度計(jì)劃。文獻(xiàn)[21] 為減小可再生能源發(fā)電的波動(dòng)性和間歇性對(duì)電網(wǎng)造成的沖擊, 提高電網(wǎng)運(yùn)行的經(jīng)濟(jì)性, 提出了一種考慮VPP和分時(shí)電價(jià)的風(fēng)光火儲(chǔ)系統(tǒng)兩階段優(yōu)化調(diào)度策略。通過對(duì)以上VPP參與現(xiàn)貨市場的競爭策略的分析，可以發(fā)現(xiàn)以下兩點(diǎn)不足。

1)大部分文獻(xiàn)在VPP參與現(xiàn)貨市場的競價(jià)中，都把VPP看作是電力市場價(jià)格的接受者，即它沒有能力為了自己的利益改變市場結(jié)算價(jià)格。但是隨著售電側(cè)改革不斷推進(jìn)、分布式能源大量并網(wǎng)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，售電將直接面向終端用戶。此時(shí)用戶的出力變化和策略優(yōu)化調(diào)整將會(huì)對(duì)市場價(jià)格產(chǎn)生影響，因此再把VPP看作是電力市場價(jià)格的接受者是不滿足要求的。

2)鮮有文獻(xiàn)研究VPP參與現(xiàn)貨聯(lián)合市場的競價(jià)策略，以及競價(jià)決策過程中自身報(bào)價(jià)的隨機(jī)性和競爭對(duì)手策略的不確定性對(duì)競價(jià)策略的影響。

因此，本文從多元小微主體參與現(xiàn)貨市場出發(fā)，提出了一種基于VPP的兩階段雙層聯(lián)合競價(jià)模型。首先第一階段，依據(jù)先進(jìn)的信息通信技術(shù)和控制架構(gòu)，把多元小微主體聚合成一個(gè)VPP。其次根據(jù)對(duì)多元小微主體的出力特性分析，對(duì)整個(gè)VPP內(nèi)部進(jìn)行優(yōu)化調(diào)度，由此確定整個(gè)VPP充放電的上下限。第二階段為VPP參與日前能量市場與輔助服務(wù)市場聯(lián)合競價(jià)策略主從博弈模型，其目標(biāo)為與預(yù)期的實(shí)時(shí)生產(chǎn)和不平衡費(fèi)用最小化相結(jié)合的日前利潤最大化。引入多場景描述交易決策博弈過程中競爭對(duì)手的不確定性給VPP收益帶來的風(fēng)險(xiǎn)，保障VPP理性參與市場化交易。

1 多元小微主體的聚合模型

1.1 多元小微主體聚合模型

多元小微主體接入電網(wǎng)是對(duì)電力系統(tǒng)發(fā)電側(cè)一次巨大的補(bǔ)充。由于多元小微主體具有快速調(diào)頻以及快速響應(yīng)能力，使得電網(wǎng)更加穩(wěn)定、可靠地運(yùn)行。但鑒于多元小微主體容量、體積較小的緣故，其很難直接被電網(wǎng)調(diào)度和管理。為了更好地管理多元小微主體，使其在電網(wǎng)運(yùn)行中發(fā)揮有益作用，多種聚合技術(shù)營運(yùn)而生，這些技術(shù)以高級(jí)計(jì)量設(shè)備、智能電網(wǎng)設(shè)備、先進(jìn)通信系統(tǒng)為基礎(chǔ)，作為電網(wǎng)與多元小微主體的中間層存在于電力系統(tǒng)中。而其中應(yīng)用最廣泛的一種技術(shù)當(dāng)屬虛擬電廠技術(shù)。VPP將各類分布式資源有機(jī)結(jié)合，并利用相關(guān)調(diào)控、通信技術(shù)實(shí)現(xiàn)整體管理(如圖1所示)。

把各個(gè)多元小微主體聚合為一個(gè)VPP后，整個(gè)VPP對(duì)外表現(xiàn)的模型就是售電與購電的過程，其模型可以表示為：

(1)

1.2 多元小微主體不確定性分析

把各多元小微主體聚合成一個(gè)VPP后，首先要預(yù)測風(fēng)電與光伏的出力曲線，再對(duì)VPP內(nèi)部進(jìn)行優(yōu)化調(diào)度，大致確定第二天VPP的出力曲線，從而更好地制定VPP參與日前能量市場與輔助服務(wù)市場的競價(jià)策略。本文首先利用拉丁超立方抽樣法生成風(fēng)電機(jī)組與光伏機(jī)組出力的場景集，再基于后向場景縮減技術(shù)生成3種經(jīng)典場景[22]，最后采用概率加權(quán)法計(jì)算平均出力曲線，即最優(yōu)預(yù)測曲線。

2 基于主從博弈的VPP競標(biāo)模型

2.1 Stackelberg博弈

Stackelberg博弈模型適用于有主從遞階結(jié)構(gòu)的動(dòng)態(tài)博弈關(guān)系，參與者通常被分為兩種：領(lǐng)導(dǎo)者和跟隨者。領(lǐng)導(dǎo)者首先做出決策，跟隨者可以觀察到領(lǐng)導(dǎo)者的決策，從而做出自己的決策。VPP首先要考慮的自身利益最大化，但是也要考慮到其他競爭對(duì)手報(bào)價(jià)和網(wǎng)絡(luò)運(yùn)行約束來進(jìn)行報(bào)量報(bào)價(jià)。調(diào)度和交易中心得到市場各主體的報(bào)量報(bào)價(jià)后依照系統(tǒng)購電成本最小為目標(biāo)進(jìn)行日前能量市場和輔助服務(wù)市場的統(tǒng)一出清，得到日前能量市場和輔助服務(wù)市場各時(shí)段機(jī)組的出清電量和出清電價(jià)。因此，VPP參與現(xiàn)貨市場競價(jià)的博弈過程可視為一種Stackelberg主從博弈，其中VPP為決策的領(lǐng)導(dǎo)者，調(diào)度和交易中心為決策的跟隨者。

虛擬電廠作為Stackelberg博弈中的上層領(lǐng)導(dǎo)者，其參與競價(jià)的目標(biāo)函數(shù)為：

(2)

調(diào)度和交易中心作為Stackelberg博弈中的下層領(lǐng)導(dǎo)者即跟隨者，其目標(biāo)是以系統(tǒng)總報(bào)價(jià)成本最小為目標(biāo)函數(shù)，其表達(dá)式為：

(3)

2.2 基于Stackelberg博弈的VPP模型架構(gòu)

如圖2所示，第一階段以VPP優(yōu)化調(diào)度為研究對(duì)象，目的是確定VPP出力的上下限，受到各多元主體運(yùn)營約束以及VPP內(nèi)部功率平衡約束。第二階段為Stackelberg博弈雙層模型，上層模型以VPP作為研究對(duì)象，建立VPP作為投標(biāo)主體進(jìn)行競價(jià)決策的交易決策模型；下層模型為現(xiàn)貨市場出清模型，包括集中競價(jià)交易模式下日前電能量市場與輔助服務(wù)市場聯(lián)合出清。上層模型中的VPP作為領(lǐng)導(dǎo)者以自身利潤最大化為目標(biāo)函數(shù)進(jìn)行日前聯(lián)合競價(jià)，并受到外部的競標(biāo)約束以及內(nèi)部調(diào)頻容量、調(diào)頻里程的約束。下層模型是以調(diào)度和交易中心為跟隨者，以購電成本最小為目標(biāo)函數(shù)，并受到日前功率平衡約束、網(wǎng)絡(luò)安全約束等約束。

圖2 VPP參與現(xiàn)貨市場競價(jià)的博弈模型架構(gòu)Fig.2 Game model architecture of virtual power plant participating in joint market bidding

3 VPP參與現(xiàn)貨聯(lián)合市場競價(jià)模型

3.1 VPP協(xié)調(diào)優(yōu)化調(diào)度模型

3.1.1 目標(biāo)函數(shù)

將多元小微主體聚合為一個(gè)VPP，根據(jù)風(fēng)電、光伏的預(yù)測曲線，調(diào)節(jié)儲(chǔ)能裝置各時(shí)段充放電功率、負(fù)荷削減量和VPP與上級(jí)電網(wǎng)購售電量，以VPP運(yùn)行成本最小為目標(biāo)，協(xié)調(diào)調(diào)度內(nèi)部各小微主體。并將優(yōu)化后的出力曲線作為下階段系統(tǒng)運(yùn)營優(yōu)化的基礎(chǔ)，其目標(biāo)函數(shù)為：

(4)

3.1.2 約束條件

1)VPP內(nèi)部功率平衡約束

(5)

2)風(fēng)電

(6)

3)光伏

(7)

4)分布式儲(chǔ)能

(8)

5)可調(diào)負(fù)荷

(9)

3.2 上層交易決策模型

3.2.1 目標(biāo)函數(shù)

VPP參與現(xiàn)貨零售市場的收益包括日前能量和日前調(diào)頻市場的總收益，其目標(biāo)是日前能量與日前調(diào)頻市場相結(jié)合的日前利潤的最大化，VPP在參與日前能量與輔助服務(wù)市場報(bào)價(jià)時(shí)，需同時(shí)考慮不同場景下日前市場價(jià)格期望曲線，每一個(gè)競爭對(duì)手的報(bào)價(jià)策略為價(jià)格期望曲線上或者曲線上方或下方的一個(gè)點(diǎn)且都會(huì)影響日前市場價(jià)格期望曲線的趨勢，而大體量的競爭對(duì)手的報(bào)價(jià)在日前市場更具有話語權(quán)，更能夠影響價(jià)格期望曲線的趨勢。因此本文選取不同場景下典型競爭對(duì)手的報(bào)價(jià)，根據(jù)其典型競爭對(duì)手的報(bào)價(jià)及時(shí)調(diào)整自己的報(bào)價(jià)策略，使自身的收益最大化。為了精準(zhǔn)地預(yù)測典型競爭對(duì)手的報(bào)價(jià)，本文首先通過拉丁超立方抽樣生成典型競爭對(duì)手報(bào)價(jià)場景集，再基于場景縮減技術(shù)選取典型競爭對(duì)手報(bào)價(jià)的典型場景r。其目標(biāo)函數(shù)為：

(10)

值得說明的是：典型競爭對(duì)手的不確定報(bào)價(jià)報(bào)量信息將影響第二階段下層聯(lián)合市場的出清結(jié)果，下層出清得到的現(xiàn)貨市場價(jià)格返回上層又將進(jìn)一步影響VPP報(bào)價(jià)。因此，下層目標(biāo)函數(shù)考慮期望場景時(shí)，上層VPP交易決策模型中的目標(biāo)函數(shù)中也需要將不確定場景包含在表達(dá)式中。

3.2.2約束條件

1)VPP競標(biāo)電量約束

考慮到 VPP 與主網(wǎng)傳輸功率限制，VPP 在電力市場的競標(biāo)電量需滿足如約束式(11)所示。

(11)

2)VPP上下調(diào)容量約束

(12)

3)VPP上下調(diào)里程約束

(13)

3.3 下層交易決策模型

3.3.1 日前能量市場聯(lián)合出清模型

調(diào)度與電力交易中心為下層決策者，即Stackelberg博弈中的跟隨者，根據(jù)市場中的需求狀況、以及電力市場中其他典型競爭對(duì)手的報(bào)價(jià)策略、報(bào)價(jià)偏好和發(fā)電成本等，在滿足供需平衡以及各類機(jī)組安全約束的條件下，進(jìn)行日前聯(lián)合市場出清，其目的是使總購電成本最小。其目標(biāo)函數(shù)為：

(14)

約束條件：

1)能量市場功率平衡約束

(15)

式中PL,t為t時(shí)刻系統(tǒng)負(fù)荷的大小。

2)網(wǎng)絡(luò)安全約束

pl,min≤pl,t≤pl,max

(16)

式中：pl,t為線路在t時(shí)刻的潮流；pl,max、pl,min分別為線路的最大、最小傳輸容量。

3)系統(tǒng)調(diào)頻容量約束

(17)

4)系統(tǒng)調(diào)頻里程約束

(18)

5)常規(guī)機(jī)組功率約束

(19)

式中：Pg,t,r為t時(shí)刻機(jī)組g的出力值；Pgmax、Pgmin分別為機(jī)組g的最大、最小出力。常規(guī)機(jī)組約束還包含爬坡約束、申報(bào)的調(diào)頻容量和里程約束等其他約束。其中，申報(bào)的調(diào)頻容量、里程約束與儲(chǔ)能的形式相同。中標(biāo)量約束包括常規(guī)機(jī)組各時(shí)段中標(biāo)量之和不超額定容量以及儲(chǔ)能各時(shí)段中標(biāo)量之和不超額定容量和額定功率。在此都不作贅述。

3.4 模型求解

本文提出的VPP報(bào)價(jià)策略模型屬于非線性、混合整數(shù)優(yōu)化問題，模型的非線性來源于第二階段上層模型中的雙線性項(xiàng)：各交易類型中VPP的申報(bào)量和申報(bào)價(jià)格，因此重點(diǎn)闡述對(duì)第二階段的求解過程，具體的步驟如圖3所示。

圖3 模型求解流程圖Fig.3 Model solving flowchart

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

本文以風(fēng)電機(jī)組、光伏機(jī)組、儲(chǔ)能機(jī)組和4 000戶家庭構(gòu)成的VPP為算例，選取IEEE 30節(jié)點(diǎn)系統(tǒng)并進(jìn)行適當(dāng)?shù)母倪M(jìn)，其接線情況見附圖A1。各機(jī)組參數(shù)及對(duì)應(yīng)節(jié)點(diǎn)情況見附表A1。VPP內(nèi)部優(yōu)化調(diào)度后各主體充放電功率如圖4所示。VPP內(nèi)部優(yōu)化后的負(fù)荷量如圖5所示。系統(tǒng)上、下調(diào)頻里程乘子分別見附表A2。機(jī)組調(diào)頻市場報(bào)價(jià)情況見附表A3，并把聚合而成的VPP接入25節(jié)點(diǎn)。

圖4 VPP內(nèi)部優(yōu)化后各主體充放電功率Fig.4 Charging and discharging power of each main body after internal optimization of VPP

圖5 VPP內(nèi)部優(yōu)化過的負(fù)荷量Fig.5 Internal optimized load of VPP

4.2 各市場參與聯(lián)合市場的競價(jià)結(jié)果

4.2.1 各主體日前市場的中標(biāo)量

市場各主體日前能量市場中標(biāo)情況如圖6所示。各市場主體日前輔助市場調(diào)頻容量中標(biāo)情況如圖7所示。各市場主體日前輔助市場調(diào)頻里程中標(biāo)情況如圖8所示。

由圖6可以看出，在日前能量市場上，傳統(tǒng)機(jī)組G1、G2提供了絕大多數(shù)能量，而VPP主要在1：00—6:00與13:00—15:00期間提供能量，這是由于風(fēng)電在夜間提供了較大的出力，正午時(shí)太陽的光照能力較強(qiáng)，此時(shí)光伏提供較大的出力。在9：00—11：00與17：00—19：00期間VPP需要從電網(wǎng)購買電量，這是由于VPP內(nèi)負(fù)荷用電量較大(見圖4)。

圖6 市場各主體日前能量市場中標(biāo)情況Fig.6 Bid winners of the energy market in the energy market

圖7 各市場主體日前輔助市場調(diào)頻容量中標(biāo)情況Fig.7 Bid winners situation of the auxiliary market frequency modulation capacity of each market entity

圖8 各市場主體日前輔助市場調(diào)頻里程中標(biāo)情況Fig.8 Bid winners of the FM mileage of the auxiliary market in each market

對(duì)比圖7和圖8，VPP承擔(dān)了系統(tǒng)主要的調(diào)頻容量和調(diào)頻里程任務(wù)。這是由于相較與常規(guī)機(jī)組的調(diào)節(jié)輸出，提供相同的調(diào)節(jié)容量時(shí)，VPP中因含有分布式儲(chǔ)能裝置，在向上和向下方向上對(duì)調(diào)節(jié)信號(hào)的響應(yīng)更加頻繁，因此能夠比常規(guī)機(jī)組提供更多的調(diào)頻里程，在調(diào)頻市場上會(huì)被系統(tǒng)優(yōu)先調(diào)用。由圖還可以看出G2機(jī)組在輔助服務(wù)市場中相對(duì)于其它常規(guī)機(jī)組，中標(biāo)了大量的調(diào)頻容量和調(diào)頻里程，這是由于G2機(jī)組自身參數(shù)決定的，說明其對(duì)調(diào)節(jié)信號(hào)反應(yīng)迅速，爬坡能力強(qiáng)。

不同市場主體在各市場的收益情況如表1所示。由表1可以看出，傳統(tǒng)機(jī)組G1、G2、G6的主要收益主要來自日前能量市場，VPP的主要收益主要包括日前能量市場收益與調(diào)頻容量收益。結(jié)果顯示機(jī)組G4和G5在能量市場、調(diào)頻市場上的中標(biāo)量全為0(本文算例中選取的機(jī)組G4、G5發(fā)電成本和啟停成本較高見附表A1)，表明G4和G5未參與到聯(lián)合市場中運(yùn)行，進(jìn)而相應(yīng)的市場收益(能量收益、調(diào)頻容量收益、調(diào)頻里程收益)合計(jì)為0。

表1 不同市場主體收益對(duì)比表Tab.1 Comparison of income of different market entities

4.2.2 VPP的最優(yōu)競價(jià)策略

VPP在各市場中的最優(yōu)報(bào)價(jià)如圖9所示。VPP在各市場中的最優(yōu)報(bào)量如圖10所示。由圖9可以看出，在不同的時(shí)段，VPP根據(jù)市場需求，上報(bào)不同的電價(jià)。而且由于VPP根據(jù)價(jià)格差來賺取利潤，因此VPP放電報(bào)價(jià)總要高于充電報(bào)價(jià)。VPP調(diào)頻容量報(bào)價(jià)雖然有所波動(dòng)，但是整體維持在一條直線上，而VPP調(diào)頻里程報(bào)價(jià)為一條直線。

圖9 VPP在各市場中的最優(yōu)報(bào)價(jià)Fig.9 The best quotation of VPP in each market

圖10 VPP在各市場中的最優(yōu)報(bào)量Fig.10 The optimal volume of VPP in each market

由圖10可以更直觀地看出，VPP在負(fù)荷較低的時(shí)段對(duì)其內(nèi)部的儲(chǔ)能裝置進(jìn)行充電，在負(fù)荷較高時(shí)，儲(chǔ)能裝置對(duì)外進(jìn)行放電。VPP調(diào)頻能力較高，所以其調(diào)頻容量與調(diào)頻里程的中標(biāo)量較高。

4.2.3 聯(lián)合市場的出清價(jià)格

日前能量市場聯(lián)合出清價(jià)格如圖11所示。日前輔助市場出清價(jià)格如圖12所示。

圖11 日前能量市場聯(lián)合出清價(jià)格Fig.11 Day-ahead energy market joint clearing price

圖12 日前輔助市場出清價(jià)格Fig.12 Day-ahead auxiliary market clearing price

圖11可以看出，能量市場出清電價(jià)與負(fù)荷走勢相近，呈現(xiàn)夜間低白天高的變化趨勢，是由于常規(guī)機(jī)組按發(fā)電成本報(bào)價(jià)，報(bào)價(jià)和發(fā)電量線性相關(guān)，報(bào)價(jià)趨勢和負(fù)荷走勢相近。

由圖12以看出，在日前輔助市場其調(diào)頻容量以及調(diào)頻里程的出清價(jià)格都是隨著時(shí)間上下波動(dòng)的。它們都遵循著一個(gè)規(guī)律：4：00—6：00出清的價(jià)格最低，12：00—14：00、20：00—23：00出清價(jià)格最高，但是整體的出清價(jià)格沒有較大的波動(dòng)，都維持在一個(gè)大致的水平上。

5 結(jié)論

本文基于Stackelberg主從博弈提出了一個(gè)VPP參與現(xiàn)貨市場的兩階段隨機(jī)雙層優(yōu)化競價(jià)模型，用于優(yōu)化由分布式能源資源、電池存儲(chǔ)系統(tǒng)和電力用戶組成的VPP組合參與現(xiàn)貨市場的競價(jià)策略，主要結(jié)論如下。

1)將多元分散的多元小微主體聚合為一個(gè)虛擬電廠VPP，由VPP運(yùn)營商統(tǒng)一調(diào)度，可以很好地利用小微主體出力的互補(bǔ)性，提升了各主體的經(jīng)濟(jì)效益。

2)VPP在日前能量市場與傳統(tǒng)機(jī)組進(jìn)行聯(lián)合競價(jià)的時(shí)候，傳統(tǒng)機(jī)組利用其出力大，頻率穩(wěn)定的特性，競標(biāo)到了絕大多數(shù)的電量。VPP只有在夜間或正午風(fēng)電、光伏出力較大時(shí)才有較少的中標(biāo)電量。

3)VPP在日前輔助市場上競標(biāo)到了絕大多數(shù)調(diào)頻容量以及調(diào)頻里程，這是由于VPP內(nèi)部的儲(chǔ)能設(shè)備發(fā)揮作用的緣故。在調(diào)頻市場上，低廉的價(jià)格和優(yōu)越的調(diào)頻性能使得VPP被系統(tǒng)優(yōu)先調(diào)用，獲得可觀收益。