一种计及风险约束的虚拟电厂参与主辅市场的投标方法与流程

1.本发明涉及含电动汽车虚拟电厂参与电力市场的优化领域，尤其是涉及一种计及风险约束的含电动汽车虚拟电厂同时参与主辅市场的投标方法。


背景技术：

2.近年来在可持续发展的指导理念下，风电及光伏等清洁能源快速发展，但风电、光伏出力的不确定性给电力系统的安全稳定运营带来了巨大的挑战。在此背景下，需加快调峰辅助服务市场的建设，在提高电力系统调控能力的同时促进可再生能源的消纳。电动汽车(electric vehicle，ev)以其节能、零排放的优势被广泛使用，据国家工业和信息化部称，我国2030年ev的保有量可能约为6000万辆，大量ev的并网，既提高了我国电力市场资源的利用率，也加快了实现“双碳”目标的步伐，但单体ev因其容量小且地理位置分散无法直接参与主能量市场及辅助服务市场。而虚拟电厂(virtual power plant，vpp)则是一种通过先进信息通信技术和软件系统，实现分布式电源、储能系统、可控负荷、电动汽车等分布式能源的聚合和协调调度，以作为一个特殊的虚拟市场主体参与电力市场。vpp的出现，其不仅能够有效聚合各类可再生能源及分散的ev共同参与电力市场，还能协调ev应对风电、光伏机组的“弃风、弃光”现象，这种运营思路在我国有着非常大的市场潜力。
3.公开于该背景技术部分的信息仅仅旨在加深对本发明总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。


技术实现要素：

4.本发明所要解决的技术问题是：提供一种计及风险约束的含电动汽车的虚拟电厂同时参与主能量市场与调峰辅助服务市场的投标方法，即虚拟电厂运营商在风电、光伏出力风险水平可接受的前提下，追求含电动汽车的虚拟电厂在主辅电力市场的收益最大。
5.为了达到上述目的，本发明所采用的技术方案是：一种计及风险约束的虚拟电厂同时参与主辅市场的投标方法，所述虚拟电厂含ev，所述主辅市场为主能量市场与调峰辅助服务市场，包括：
6.s1，确定含ev的虚拟电厂参与电力市场的交易调度流程；
7.s2，基于所述交易调度流程和风险条件价值(conditional value at risk,cvar)理论建立所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
8.s3，求解所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
9.s4，基于所述投标模型的求解结果将所述虚拟电厂参与所述主辅市场获得的运营收益合理分配，从而获得所述虚拟电厂同时参与主辅市场的投标方案。
10.优选的，所述s1确定含ev的虚拟电厂参与电力市场的交易调度流程基于所述虚拟电厂能够聚合ev、风电机组、光伏机组、柔性负荷与储能装置资源作为价格接受者参与主能量市场和调峰辅助服务市场，所述交易调度流程包括两个阶段：
11.第一阶段为日前运行阶段，在所述第一阶段内确定所述虚拟电厂参与日前调峰辅
助服务市场的调峰时段、容量及柔性负荷的出力安排和运行基线，所述第一阶段与具体运行场景无关；
12.第二阶段为基于风光实际出力场景的实时运行阶段，在所述第二阶段内确定所述虚拟电厂中ev的充放电功率、储能的充放电功率、弃风弃光功率、参与调峰市场的实际功率与直接交易功率，本阶段的决策变量与具体场景相关。
13.优选的，所述s2计及风险约束的虚拟电厂同时参与主辅市场的投标模型包括目标函数以及约束条件，所述目标函数为所述虚拟电厂在日前主能量市场与调峰辅助服务市场中获得的总收益；所述约束条件包括虚拟电厂购售电约束、虚拟电厂外特性约束、虚拟电厂功率平衡约束、柔性负荷约束、ev约束、储能设备约束、调峰投标约束、调峰实际出力约束、cvar相关约束。
14.优选的，所述目标函数如下式(1)所示：
[0015][0016]
式中，t为虚拟电厂的一个投标周期，取24h；n
ω
为风电、光伏机组出力的场景总数；ρ
ω
为场景ω下的概率；β为风险偏好系数，代表虚拟电厂的运营商对风险收益的偏好程度，β∈[0,1)，β值越大则代表虚拟电厂的运营商对风险收益越厌恶，其设计的定价策略就越保守；δ为cvar值；α为置信水平；ξ
ω
式引入的辅助变量，为场景ω下虚拟电厂运营总收益与δ之间的差值；
[0017]
所述目标函数主要由两部分组成，第一部分为虚拟电厂的运营收益，包括虚拟电厂与电网直接交易的收益b
grid,tω
、参与调峰市场的收益b
p,tω
、调峰惩罚成本c
p,tω
、柔性负荷调度成本c
load,tω
与弃风弃光惩罚成本c
abon,tω
；第二部分为cvar值与风险偏好系数β的乘积；其中：
[0018]
(1)与电网直接交易的收益b
grid,tω
为：
[0019][0020]
式中，分别为t时段vpp在日前主能量市场中的购、售电价；分别为场景ω下t时段vpp在日前著能量市场中的购、售电功率；δt为调度步长，取1h；
[0021]
(2)柔性负荷调度成本c
load,tω
为：
[0022]cload,tω
＝π
load,t
p
load,tω
δt
ꢀꢀ
(3)；
[0023]
式中，π
load,t
为t时段柔性负荷调度的补偿价格；p
load,tω
为场景ω下t时段柔性负荷的调度功率；δt为调度步长，取1h；
[0024]
(3)弃风弃光惩罚成本c
abon,tω
为：
[0025]cabon,tω
＝π
abon,t
[p
windb,tω
p
pvb,tω
]δt
ꢀꢀꢀ
(4)；
[0026]
式中，π
abon,t
为t时段虚拟电厂弃风、弃光惩罚电价；p
windb,tω
为场景ω下t时段风电机组的弃风功率；p
pvb,tω
为场景ω下t时段光伏机组的弃光功率；δt为调度步长，取1h；
[0027]
(4)参与调峰辅助服务市场的收益b
p,tω
为：
[0028][0029][0030]
式中，p
pa,t
为t时段vpp在调峰辅助服务市场的日前投标容量；p
pd,tω
为场景ω下t时段vpp的调峰实际出力；为t时段vpp在调峰辅助服务市场中的补偿价格；δt为调度步长，取1h；
[0031]
(5)调峰惩罚成本c
p,tω
为：
[0032]
当虚拟电厂调峰实际出力未达到投标容量的70％时，应受到调峰市场的惩罚c
p,tω
如下，
[0033][0034][0035]
式中，为t时段虚拟电厂在调峰辅助服务市场的惩罚价格；δt为调度步长，取1h。
[0036]
优选的，所述约束条件包括：
[0037]
(1)虚拟电厂购售电约束，表示虚拟电厂无法同时进行购售电行为：
[0038][0039]
(2)虚拟电厂外特性：
[0040]
p
base,t
＝d
t-p
wind,t-p
pv,t
ꢀꢀꢀ
(10)；
[0041][0042]
其中，p
base,t
为虚拟电厂根据风光预测值上报的t时段的运行基线；p
wind,t
、p
pv,t
分别为t时段的风、光预测值；d
t
为柔性负荷调度前t时段的负荷功率；p
out,tω
为场景ω下t时段vpp实时运行的外特性功率；p
winda,tω
、p
pva,tω
分别为场景ω下t时段的风、光实际出力；d
t
'为柔性负荷调度后t时段的负荷功率；分别为ev在场景ω下t时段的充、放电功率；分别为储能设备在场景ω下t时段的充、放电功率；
[0043]
(3)虚拟电厂的功率平衡约束：
[0044][0045]
(4)柔性负荷约束，柔性负荷具有可转移特性，在峰时段削减的负荷总功率与平谷时段增加的负荷总功率相等：
[0046][0047]dt-d
′
t
＝p
la,t-p
lc,t
ꢀꢀꢀ
(14)；
[0048]
0≤p
la.t
≤p
load,max t∈tvꢀꢀꢀ
(15)；
[0049]
0≤p
lc.t
≤γd
t t∈t
p
ꢀꢀꢀ
(16)；
[0050]
式中，tv为平谷时段；t
p
为峰时段；p
la,t
为平谷时段中t时段柔性负荷增加的功率，其功率值不应大于最大值p
load,max
；p
lc,t
为在峰时段中t时段柔性负荷削减的负荷总功率；γ是虚拟电厂中柔性负荷的比例；
[0051]
(5)ev约束：
[0052][0053][0054][0055][0056]eev,min
≤e
ev,tω
≤e
ev,max
ꢀꢀꢀ
(21)；
[0057]
式中，p
ev,max
为ev的最大充、放电功率；e
ev,tω
为evt时段的荷电量；为ev的充、放电效率；q
ev
为ev车载电池的最大容量；e
ev,min
、e
ev,max
为ev车载电池所允许的最小、最大荷电量；分别为ev在场景ω下t时段的充、放电功率；
[0058]
(6)储能约束：
[0059][0060][0061][0062][0063]eess,min
≤e
ess,tω
≤e
ess,max
ꢀꢀꢀ
(26)；
[0064]eess,1ω
＝e
ess,24ω
ꢀꢀꢀ
(27)；
[0065]
式中，p
ess,max
为储能的最大充、放电功率；e
ess,tω
、e
ess,(t 1)ω
、e
ess
,1ω、e
ess,24ω
分别为储能t时段、t 1时段、1时、24时的荷电量；为储能的充、放电效率；q
ess
为储能设备的最大容量；e
ess,min
、e
ess,max
为储能设备允许的最小、最大荷电量；分别为储能设备在场景ω下t时段的充、放电功率；
[0066]
(7)调峰投标约束：
[0067]
p
pa,min
u(t)≤p
pa,tω
≤mu(t)t∈tvꢀꢀꢀ
(28)；
[0068]
p
pa,tω
＝0 t∈t
p
ꢀꢀꢀ
(29)；
[0069]
式中，u(t)为布尔变量，表示该时段虚拟电厂是否参与调峰市场，值为1时表示vpp参与调峰市场，值为0时表示vpp不参与调峰市场；m表示一个很大的正数；p
pa,min
为vpp日前向调峰市场投标的最小容量；
[0070]
(8)调峰实际出力约束：
[0071]
0≤p
pd,tω
≤p
out,tω-p
base,tω
m(1-u(t))t∈tvꢀꢀꢀ
(30)；
[0072]
p
pd,tω
≤u(t)m t∈tvꢀꢀꢀ
(31)；
[0073]
p
pd,tω
＝0 t∈t
p
ꢀꢀꢀ
(32)；
[0074]
(8)cvar相关约束：
[0075]
对于一个离散的收益分布，当其置信水平为α时，cvar近似为小概率1-α情景集合的期望损失；cvar及其相关约束可转化为如下线性问题进行求解：
[0076][0077]
ξ
ω
≥0
ꢀꢀꢀ
(34)；
[0078]
式中，ξ
ω
为引入的辅助变量；δ的最优值为对应的风险价值，即vpp运营收益小于或等于ξ的概率小于或等于1-α的最大收益。
[0079]
优选的，所述s3包括：
[0080]
s31，将所述目标函数及所述约束条件共同构成的非线性模型转化为混合整数线性规划问题，即模型的线性化；
[0081]
s32，通过商业求解器gurobi求解所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；其中：
[0082]
所述s31包括：
[0083]
对于式(9)、(19)、(24)中连续变量的乘积为0，引入布尔变量；对于式(5)、(8)的分段函数，线性化包括：
[0084]
0≤f
p,tω
≤p
pa,t
ꢀꢀꢀ
(35)；
[0085]fp,tω
≤p
pd,tω
ꢀꢀꢀ
(36)；
[0086]
p
pd,tω-0.7p
pa,t
≥(a
tω-1)m
ꢀꢀꢀ
(37)；
[0087]
p
pd,tω-0.7p
pa,t
≥(1-b
tω
)m
ꢀꢀꢀ
(38)；
[0088]atω
b
tω
＝1
ꢀꢀꢀ
(39)；
[0089]fp,tω
≤a
tωmꢀꢀꢀ
(40)；
[0090]ktω
≥p
pa,t-p
pd,tω
(b
tω-1)m
ꢀꢀꢀ
(41)；
[0091]ktω
≥0
ꢀꢀꢀ
(42)；
[0092]
式中，a
tω
、b
tω
均为布尔变量。
[0093]
优选的，所述s4，基于所述投标模型的求解结果将所述虚拟电厂参与所述主辅市场获得的运营收益合理分配，从而获得所述虚拟电厂同时参与主辅市场的投标方案包括：基于shapley值法将虚拟电厂参与电力市场获得的总运营收益合理分配，具体步骤如下：对于一个由j个参与者组成的联盟，将成员集合用ω＝{1,2,
…
,j}表示，ω的任意子集称为一个子联盟。利用shapley值法对虚拟电厂的市场收益进行分配，得到各成员的收益为：
[0094][0095]
式中，cj为虚拟电厂内成员j分配的收益；sj为包含成员j的子联盟；|sj|为子联盟sj中的成员数；c(sj)、c(sj/j)分别为包含成员j与不包含成员j的子联盟的运行收益。
[0096]
本发明的目的还在于提供一种计及风险约束的虚拟电厂同时参与主辅市场的投标系统，所述虚拟电厂含ev，所述主辅市场为主能量市场与调峰辅助服务市场，包括：
[0097]
交易调度流程确定模块，用于确定含ev的虚拟电厂参与电力市场的交易调度流
程；
[0098]
投标模型建立模块，用于基于所述交易调度流程和风险条件价值(conditional value at risk,cvar)理论建立所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
[0099]
模型求解模块，用于求解所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
[0100]
投标模块：用于基于所述投标模型的求解结果将所述虚拟电厂参与所述主辅市场获得的运营收益合理分配，从而获得所述虚拟电厂同时参与主辅市场的投标方案。
[0101]
本发明的目的还在于提供一种终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的计及风险约束的虚拟电厂同时参与主辅市场的投标方法。
[0102]
本发明的目的还在于提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的计及风险约束的虚拟电厂同时参与主辅市场的投标方法。
[0103]
本发明的有益效果为：
[0104]
1、计及风险约束的含电动汽车虚拟电厂同时参与主辅市场的投标方法，为单个容量较小的需求侧资源参与电力市场提供了途径，也为vpp同时参与主能量市场与辅助服务市场提供了运营思路。
[0105]
2、针对风电机组、光伏机组出力的不确定性引入了cvar理论，为vpp运营商根据自身风险偏好程度，灵活衡量风险与风险收益之间的关系提供了重要手段。
附图说明
[0106]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0107]
图1为本发明实施例中vpp参与主能量市场及辅助服务市场的交易流程图；
[0108]
图2为本发明实施例的终端设备结构图。
具体实施方式
[0109]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0110]
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
[0111]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实
施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0112]
实施例一
[0113]
本实施例的一种计及风险约束的虚拟电厂同时参与主辅市场的投标方法，所述虚拟电厂含ev，所述主辅市场为主能量市场与调峰辅助服务市场，包括：
[0114]
s1，确定含ev的虚拟电厂参与电力市场的交易调度流程；
[0115]
s2，基于所述交易调度流程和风险条件价值(conditional value at risk,cvar)理论建立所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
[0116]
s3，求解所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
[0117]
s4，基于所述投标模型的求解结果将所述虚拟电厂参与所述主辅市场获得的运营收益合理分配，从而获得所述虚拟电厂同时参与主辅市场的投标方案。
[0118]
作为优选的实施方式，所述s1确定含ev的虚拟电厂参与电力市场的交易调度流程基于所述虚拟电厂能够聚合ev、风电机组、光伏机组、柔性负荷与储能装置资源作为价格接受者参与主能量市场和调峰辅助服务市场，所述交易调度流程包括两个阶段：
[0119]
第一阶段为日前运行阶段，在所述第一阶段内确定所述虚拟电厂参与日前调峰辅助服务市场的调峰时段、容量及柔性负荷的出力安排和运行基线，所述第一阶段与具体运行场景无关；所述确定所述虚拟电厂参与日前调峰辅助服务市场的调峰时段、容量及柔性负荷的出力安排和运行基线的方法包括：电力市场交易中心向虚拟电厂先下发日前能量市场的交易价格及调峰辅助服务市场的价格，虚拟电厂作为价格接受者在整合内部的风电机组、光伏机组、储能设备、柔性负荷、ev资源后，日前向调度机构申报参与日前调峰辅助服务市场的调峰时段、投标容量、柔性负荷的出力安排和运行基线。为保证市场公平，vpp上报的运行基线为日前预测净负荷曲线，电力市场交易中心则根据所述虚拟电厂上报的运行基线与实际运行曲线差值确定所述虚拟电厂的调峰实际出力；
[0120]
第二阶段为基于风光实际出力场景的实时运行阶段，在所述第二阶段内确定所述虚拟电厂中ev的充放电功率、储能的充放电功率、弃风弃光功率、参与调峰市场的实际功率与直接交易功率，本阶段的决策变量与具体场景相关；所述确定所述虚拟电厂中ev的充放电功率、储能的充放电功率、弃风弃光功率、参与调峰市场的实际功率与直接交易功率包括：所述虚拟电厂获得当日的风电机组、光伏机组的出力曲线；基于获得的信息确定vpp中ev的充放电功率、储能的充放电功率、弃风弃光功率、参与调峰辅助服务市场的实际功率与直接交易功率；将确定的信息提交电力市场交易中心，交易中心确认信息无误后，完成实时功率出清。因风光出力的不确定性的影响，本阶段的决策变量与具体场景有关。
[0121]
基于上述流程，虚拟电厂参与主能量市场及辅助服务市场的交易流程如附图1所示。
[0122]
作为优选的实施方式，所述s2计及风险约束的虚拟电厂同时参与主辅市场的投标模型包括目标函数以及约束条件，所述目标函数为所述虚拟电厂在日前主能量市场与调峰辅助服务市场中获得的总收益；所述约束条件包括虚拟电厂购售电约束、虚拟电厂外特性约束、虚拟电厂功率平衡约束、柔性负荷约束、ev约束、储能设备约束、调峰投标约束、调峰实际出力约束、cvar相关约束。
[0123]
作为优选的实施方式，所述目标函数如下式(1)所示：
[0124][0125]
式中，t为虚拟电厂的一个投标周期，取24h；n
ω
为风电、光伏机组出力的场景总数；ρ
ω
为场景ω下的概率；β为风险偏好系数，代表虚拟电厂的运营商对风险收益的偏好程度，β∈[0,1)，β值越大则代表虚拟电厂的运营商对风险收益越厌恶，其设计的定价策略就越保守；δ为cvar值；α为置信水平；ξ
ω
式引入的辅助变量，为场景ω下虚拟电厂运营总收益与δ之间的差值。
[0126]
作为优选的实施方式，所述目标函数主要由两部分组成，第一部分为虚拟电厂的运营收益，包括虚拟电厂与电网直接交易的收益b
grid,tω
、参与调峰市场的收益b
p,tω
、调峰惩罚成本c
p,tω
、柔性负荷调度成本c
load,tω
与弃风弃光惩罚成本c
abon,tω
；第二部分为cvar值与风险偏好系数β的乘积；其中：
[0127]
(1)与电网直接交易的收益b
grid,tω
为：
[0128][0129]
式中，分别为t时段vpp在日前主能量市场中的购、售电价；分别为场景ω下t时段vpp在日前著能量市场中的购、售电功率；δt为调度步长，取1h；
[0130]
(2)柔性负荷调度成本c
load,tω
为：
[0131]cload,tω
＝π
load,t
p
load,tω
δt
ꢀꢀꢀ
(46)；
[0132]
式中，π
load,t
为t时段柔性负荷调度的补偿价格；p
load,tω
为场景ω下t时段柔性负荷的调度功率；δt为调度步长，取1h；
[0133]
(3)弃风弃光惩罚成本c
abon,tω
为：
[0134]cabon,tω
＝π
abon,t
[p
windb,tω
p
pvb
,
tω
]δt
ꢀꢀꢀ
(47)；
[0135]
式中，π
abon,t
为t时段虚拟电厂弃风、弃光惩罚电价；p
windb,tω
为场景ω下t时段风电机组的弃风功率；p
pvb,tω
为场景ω下t时段光伏机组的弃光功率；δt为调度步长，取1h；
[0136]
(4)参与调峰辅助服务市场的收益b
p,tω
为：
[0137][0138][0139]
式中，p
pa,t
为t时段vpp在调峰辅助服务市场的日前投标容量；p
pd,tω
为场景ω下t时段vpp的调峰实际出力；为t时段vpp在调峰辅助服务市场中的补偿价格；δt为调度步长，取1h；
[0140]
(5)调峰惩罚成本c
p,tω
为：
[0141]
当虚拟电厂调峰实际出力未达到投标容量的70％时，应受到调峰市场的惩罚c
p,tω
如下，
[0142]
[0143][0144]
式中，为t时段虚拟电厂在调峰辅助服务市场的惩罚价格；δt为调度步长，取1h。
[0145]
作为优选的实施方式，目标函数的约束条件有虚拟电厂购售电约束、虚拟电厂外特性约束、虚拟电厂功率平衡约束、柔性负荷约束、ev约束、储能设备约束、调峰投标约束、调峰实际出力约束、cvar相关约束；其中：
[0146]
(1)虚拟电厂购售电约束，表示虚拟电厂无法同时进行购售电行为：
[0147][0148]
(2)虚拟电厂外特性：
[0149]
p
base,t
＝d
t-p
wind,t-p
pv,t
ꢀꢀꢀ
(53)；
[0150][0151]
其中，p
base,t
为虚拟电厂根据风光预测值上报的t时段的运行基线；p
wind,t
、p
pv,t
分别为t时段的风、光预测值；d
t
为柔性负荷调度前t时段的负荷功率；p
out,tω
为场景ω下t时段vpp实时运行的外特性功率；p
winda,tω
、p
pva,tω
分别为场景ω下t时段的风、光实际出力；d
t
'为柔性负荷调度后t时段的负荷功率；分别为ev在场景ω下t时段的充、放电功率；分别为储能设备在场景ω下t时段的充、放电功率；
[0152]
(3)虚拟电厂的功率平衡约束：
[0153][0154]
(4)柔性负荷约束，柔性负荷具有可转移特性，在峰时段削减的负荷总功率与平谷时段增加的负荷总功率相等：
[0155][0156]dt-d
′
t
＝p
la,t-p
lc,t
ꢀꢀꢀ
(57)；
[0157]
0≤p
la.t
≤p
load,max t∈tvꢀꢀꢀ
(58)；
[0158]
0≤p
lc.t
≤γd
t
t∈t
p
ꢀꢀꢀ
(59)；
[0159]
式中，tv为平谷时段；t
p
为峰时段；p
la,t
为平谷时段中t时段柔性负荷增加的功率，其功率值不应大于最大值p
load,max
；p
lc,t
为在峰时段中t时段柔性负荷削减的负荷总功率；γ是虚拟电厂中柔性负荷的比例；
[0160]
(5)ev约束：
[0161][0162][0163]
[0164][0165]eev,min
≤e
ev,tω
≤e
ev,max
ꢀꢀꢀ
(64)；
[0166]
式中，p
ev,max
为ev的最大充、放电功率；e
ev,tω
为evt时段的荷电量；为ev的充、放电效率；q
ev
为ev车载电池的最大容量；e
ev,min
、e
ev,max
为ev车载电池所允许的最小、最大荷电量；分别为ev在场景ω下t时段的充、放电功率；
[0167]
(6)储能约束：
[0168][0169][0170][0171][0172]eess,min
≤e
ess,tω
≤e
ess,max
ꢀꢀꢀ
(69)；
[0173]eess,1ω
＝e
ess,24ω
ꢀꢀꢀ
(70)；
[0174]
式中，p
ess,max
为储能的最大充、放电功率；e
ess,tω
、e
ess,(t 1)ω
、e
ess,1ω
、e
ess,24ω
分别为储能t时段、t 1时段、1时、24时的荷电量；为储能的充、放电效率；q
ess
为储能设备的最大容量；e
ess,min
、e
ess,max
为储能设备允许的最小、最大荷电量；分别为储能设备在场景ω下t时段的充、放电功率；
[0175]
(6)调峰投标约束：
[0176]
p
pa,min
u(t)≤p
pa,tω
≤mu(t) t∈tvꢀꢀꢀ
(71)；
[0177]
p
pa,tω
＝0 t∈t
p
ꢀꢀꢀ
(72)；
[0178]
式中，u(t)为布尔变量，表示该时段虚拟电厂是否参与调峰市场，值为1时表示vpp参与调峰市场，值为0时表示vpp不参与调峰市场；m表示一个很大的正数；p
pa,min
为vpp日前向调峰市场投标的最小容量；
[0179]
(7)调峰实际出力约束：
[0180]
0≤p
pd,tω
≤p
out,tω-p
base,tω
m(1-u(t)) t∈tvꢀꢀꢀ
(73)；
[0181]
p
pd,tω
≤u(t)m t∈tvꢀꢀꢀ
(74)；
[0182]
p
pd,tω
＝0 t∈t
p
ꢀꢀꢀ
(75)；
[0183]
(8)cvar相关约束：
[0184]
本发明利用风险条件价值cvar度量风光出力不确定性给调峰市场收益带来的影响。条件风险价值方法不依赖于投资回报符合正态分布的假设，而电力市场中由于各种因素的影响，电价以及负荷的波动总是难以满足正态分布的要求，所以采用条件风险价值测量和管理虚拟电厂的风险，具有重要的现实意义，将模型转换为线性规划求解，避免了其他模型复杂的求解过程以及不可能收敛的情况。
[0185]
对于本实施例，基于之前分析，第一阶段已确定调峰时段与投标容量，在实时运行阶段为满足调峰实际出力的要求会出现弃风、弃光的现象。同时，直接交易收益与调峰收益
是相对独立的两部分。因此，调峰风险收益应考虑调峰收益、调峰惩罚与弃风弃光成本。对于一个离散的收益分布，当其置信水平为α时，cvar近似为小概率1-α情景集合的期望损失。cvar及其相关约束可转化为如下线性问题进行求解：
[0186][0187]
ξ
ω
≥0
ꢀꢀꢀ
(77)；
[0188]
式中，ξ
ω
为引入的辅助变量；δ的最优值为对应的风险价值，即vpp运营收益小于或等于ξ的概率小于或等于1-α的最大收益。
[0189]
作为优选的实施方式，所述s3包括：
[0190]
s31，将所述目标函数及所述约束条件共同构成的非线性模型转化为混合整数线性规划问题，即模型的线性化；
[0191]
s32，通过商业求解器gurobi求解所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型。
[0192]
作为优选的实施方式，所述s31包括：
[0193]
需要注意的是，模型的非线性部分主要由两部分组成：式(9)、(19)、(24)中连续变量的乘积为0；目标函数式(5)、(8)的分段函数；对于连续变量乘积为0，引入布尔变量便可解决，此处不再赘述；这里主要就(5)、(8)两式的线性化进行说明。
[0194]
0≤f
p,tω
≤p
pa,t
ꢀꢀꢀ
(78)；
[0195]fp,tω
≤p
pd,tω
ꢀꢀꢀ
(79)；
[0196]
p
pd,tω-0.7p
pa,t
≥(a
tω-1)m
ꢀꢀꢀ
(80)；
[0197]
p
pd,tω-0.7p
pa,t
≥(1-b
tω
)m
ꢀꢀꢀ
(81)；
[0198]atω
b
tω
＝1
ꢀꢀꢀ
(82)；
[0199]fp,tω
≤a
tωmꢀꢀꢀ
(83)；
[0200]ktω
≥p
pa,t-p
pd,tω
(b
tω-1)m
ꢀꢀꢀ
(84)；
[0201]ktω
≥0
ꢀꢀꢀ
(85)；
[0202]
式中，a
tω
、b
tω
均为布尔变量。
[0203]
作为优选的实施方式，所述s4，基于所述投标模型的求解结果将所述虚拟电厂参与所述主辅市场获得的运营收益合理分配，从而获得所述虚拟电厂同时参与主辅市场的投标方案包括：在vpp的统一管理下，各成员以追求经济效益最大化为目标组成联盟，进行合作博弈共同在日前能量市场与调峰辅助服务市场获得收益，但vpp应考虑各成员对总运营收益的贡献程度，需基于shapley值法将vpp参与电力市场获得的总运营收益合理分配。
[0204]
目前常见的利益分配法为核仁法与shapley值法。核仁法使成员形成的所有联盟的不满意度达到最小，而shapley值法则关注各成员对联盟的边际贡献。本实施例中，选择shapley值法，具体步骤如下：对于一个由j个参与者组成的联盟，将成员集合用ω＝{1,2,
…
,j}表示，ω的任意子集称为一个子联盟。利用shapley值法对虚拟电厂的市场收益进行分配，得到各成员的收益为：
[0205]
[0206]
式中，cj为虚拟电厂内成员j分配的收益；sj为包含成员j的子联盟；|sj|为子联盟sj中的成员数；c(sj)、c(sj/j)分别为包含成员j与不包含成员j的子联盟的运行收益。
[0207]
实施例二
[0208]
一种计及风险约束的虚拟电厂同时参与主辅市场的投标系统，所述虚拟电厂含ev，所述主辅市场为主能量市场与调峰辅助服务市场，包括：
[0209]
交易调度流程确定模块，用于确定含ev的虚拟电厂参与电力市场的交易调度流程；
[0210]
投标模型建立模块，用于基于所述交易调度流程和风险条件价值(conditional value at risk,cvar)理论建立所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
[0211]
模型求解模块，用于求解所述计及风险约束的虚拟电厂同时参与主辅市场的投标模型；
[0212]
投标模块：用于基于所述投标模型的求解结果将所述虚拟电厂参与所述主辅市场获得的运营收益合理分配，从而获得所述虚拟电厂同时参与主辅市场的投标方案。
[0213]
请参阅图2，某一实施例提供一种终端设备，包括：
[0214]
一个或多个处理器；
[0215]
存储器，与所述处理器耦接，用于存储一个或多个程序；
[0216]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的计及风险约束的虚拟电厂同时参与主辅市场的投标方法。
[0217]
处理器用于控制该终端设备的整体操作，以完成上述的新能源与常规能源的多目标协调控制方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该终端设备的操作，这些数据例如可以包括用于在该终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
[0218]
在一示例性实施例中，终端设备可以被一个或多个应用专用集成电路(application specific 1ntegrated circuit，简称as1c)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device,简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如上述任一项实施例所述的投标方法，并达到如上述方法一致的技术效果。
[0219]
在另一示例性实施例中，还提供一种包括计算机程序的计算机可读存储介质，该计算机程序被处理器执行时实现如上述任一项实施例所述的计及风险约束的虚拟电厂同时参与主辅市场的投标方法的步骤。例如，该计算机可读存储介质可以为上述包括计算机程序的存储器，上述计算机程序可由终端设备的处理器执行以完成如上述任一项实施例所
述的投标方法，并达到如上述方法一致的技术效果。
[0220]
以上实施例计及风险约束的含电动汽车虚拟电厂同时参与主辅市场的投标方法，为单个容量较小的需求侧资源参与电力市场提供了途径，也为vpp同时参与主能量市场与辅助服务市场提供了运营思路；针对风电机组、光伏机组出力的不确定性引入了cvar理论，为vpp运营商根据自身风险偏好程度，灵活衡量风险与风险收益之间的关系提供了重要手段。
[0221]
本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。