(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210915618.5 (22)申请日 2022.08.01 (71)申请人 浙江大学 地址 310027 浙江省杭州市西湖区余杭塘 路866号 申请人 华北电力大 学　 国网青海省电力公司经济技 术研究 院　 国网青海省电力公司清洁能源发展 研究院 (72)发明人 李楠　鞠立伟　李志青　潘昱树　 鲁肖龙　杨莘博　李芳　周青青　 汪震　李知艺　 (74)专利代理 机构 北京君有知识产权代理事务 所(普通合伙) 11630 专利代理师 焦丽雅(51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 7/02(2006.01) G06F 30/20(2020.01) H02J 3/14(2006.01) H02J 3/28(2006.01) H02J 3/38(2006.01) H02J 3/46(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01) G06F 113/04(2020.01) (54)发明名称 考虑电碳协同优化的虚拟电厂调度优化方 法及应用 (57)摘要 考虑电碳协同优化的虚拟电厂多目标调度 优化方法， 包括： 虚拟电厂各单元运行建模； 虚拟 电厂多目标调度优化模型构建； 鲁棒随机优化模 型构建； 多目标模型求解。 本发明解决包含风电 发电、 光伏发电、 燃气发电、 生物质燃料发电、 储 能系统和柔性负荷等分布式能源虚拟电厂的优 化调度问题， 提出的虚拟电厂多目标调度优化方 法能有效促进各种分布式能源的并网。 本发明提 出的方法采用鲁棒随机优化的方法处理风光发 电的不确定性， 通过选择不同的鲁棒系数进行不 同风险偏好的决策。 并且， 方法中的模型 以运营 收益最大化、 运行风险最小化和碳排放量最小化 为目标， 能够兼顾虚拟电厂对各个方面的运行诉 求， 在维持虚拟电厂正常运行的前提下， 促进低 碳化发展。 权利要求书7页 说明书14页 附图4页 CN 115271467 A 2022.11.01 CN 115271467 A 1.考虑电碳协同优化的虚拟电厂多目标调度优化方法， 其特征为： 该方法包含如下步 骤： 步骤1： 虚拟电厂各单元运行建模： 首先对提出VPP模型中的WPP、 PV、 CGT、 ESS、 BPG和用 户侧的IBDR与PBDR单 元进行建模； 步骤2： 虚拟电厂多目标调度优化模型构建： 以运营收益、 碳排放量和运行风险为优化 目标， 考虑负荷供需平衡约束、 机组运行约束、 负荷波动约束、 碳排放总量约束、 系统旋转备 用约束， 构建虚拟电厂调度优化模型； 步骤3： 鲁棒随机优化模型构建： 采用鲁棒随机优化来构建鲁棒优化模型， 并根据 决策 者的风险偏好设置相应的鲁棒系数； 步骤4： 多目标模型求解： 应用模糊满意度理论， 选择升半直线形隶属度函数处理最大 化运营收益目标,选择降半梯度隶属度函数处理最小化运营风险和最小化碳排放总量目标 函数； 然后， 采用投入产出表和熵权法来计算各目标函数的权 重。 2.根据权利要求1所述的考虑电碳协同优化的虚拟电厂多目标调度优化方法， 其特征 为： 所述步骤1进一 步包括如下内容： 包括不确定性分析和电源输出模型两 部分： 将WPP,PV,ESS,CGT,BPG和 柔性负荷聚合为虚拟电厂； 其中,柔性负荷通过IBDR和PBDR 两种方式参与VPP发电调度； 同时， 设置最大碳排放量(maximum  total emission   allocation,MTEA)作为VP P运行的边界条件； a.不确定性分析 模型存在的不确定性包括负荷、 风力发电和光伏发电； 首先分析负荷的不确定性： 将负荷需求划分为确定性部分和不确定性部分,具体见公 式(1)所示: 式中： Lt表示t时刻的负荷需求； 和 为确定性负荷和不确定性负荷； 设定不确定性负 荷服从正态分布 为不确定性负荷的方差， 则负荷服从正态分布 对于柔性负荷来说,主要的响应方式包括IBDR和PBDR两类； 根据微观经济学 理论， PBDR主要 按需求‑价格弹性的形式描述： 式中： 和Lt是PBDR前后的负荷需求， ΔLPB,t为用户的PBDR响应量； ΔLs和ΔPt是实施 PBDR后需求和价格的变化量； Pt0和Pt是PBDR前后的电价； est为价格弹性系数； 当s＝t时， est 为自弹性系数,当 s≠t,时， est为交叉弹性系数； IBDR由需求响应提供商(demand  response provider,DRP)提供：权　利　要　求　书 1/7 页 2 CN 115271467 A 2式中： ΔLIB,t为t时刻IBDR提供的电能； 为步骤j中第i个DRP提供的负荷削减量； 是步骤j中第i个DRP提供的最低响应量； 是步骤j中第i个DRP提供的最高响应量； I 和J为DRP的个数和步骤数； 第二个为风力发电的不确定性： 通过Weibull分布函数来描述自然来风的不确定性,具 体如下： 式中： v为风速； 和 分别为形状参数和尺度参数； 进一步,根据实时风速以及风机参 数,计算WPP发电出力: 式中： gR为WPP的额定功率； vin、 vR和vout分别为WPP的切 入、 额定和切出风速； vt为WPP的 实时风速； 为WPP在t时刻的可用出力； 最后是光伏发电的不确定性， 通过Beta分布函数来描述太阳能光伏辐射的不确定性, 具体函数如下： 式中： θ表示太阳能辐射； ω和 ψ表示Beta分布的形状参数和尺度 参数， Γ(x)为Gamma函 数； PV的输出功率可由公式(10)计算: 式中： 表示PV在t时刻的最大出力； ηPV和SPV表示太阳能辐射效率和辐射面积； θt表 示在时刻t的太阳能辐射强度； b.电源输出模型 引入荷电状态(State  of Charge,SOC)反映ES S蓄电池的剩余电量， 具体如下： 当ESS处于充电状态： 权　利　要　求　书 2/7 页 3 CN 115271467 A 3