虚拟电厂鲁棒调度特性可信量化与协调调度方法

doi:10.12096/j.2096-4528.pgt.260121

发电技术 ›› 2026, Vol. 47 ›› Issue (1): 225-236.DOI: 10.12096/j.2096-4528.pgt.260121

• 新型电力系统 • 上一篇

虚拟电厂鲁棒调度特性可信量化与协调调度方法

冯德品¹, 刘正奇², 徐兵¹, 陈涛¹, 崔波¹, 王成福², 董晓明²

^1.国网山东省电力公司临沂供电公司，山东省临沂市 276002
^2.电网智能化调度与控制教育部重点实验室(山东大学)，山东省济南市 250061

收稿日期:2025-01-22 修回日期:2025-03-18 出版日期:2026-02-28 发布日期:2026-02-12
通讯作者: 王成福
作者简介:冯德品(1984)，男，高级工程师，研究方向为电力系统及其自动化、电网调控运行、继电保护技术， 282336534@qq.com；
刘正奇(1999)，男，硕士研究生，主要研究方向为电力系统运行与分析，202134669@mail.sdu.edu.cn；
徐兵(1988)，高级工程师，研究方向为电网调控运行、继电保护技术，244937397@qq.com；
王成福(1984)，男，博士，副教授，主要研究方向为高比例新能源电力与综合能源系统的安全经济运行，本文通信作者， Wangcf@sdu.edu.cn。
基金资助:
国家自然科学基金联合基金项目(U22B20102)

Trusted Quantification of Robust Scheduling Characteristics and Coordinated Scheduling Methods for Virtual Power Plants

Depin FENG¹, Zhengqi LIU², Bing XU¹, Tao CHEN¹, Bo CUI¹, Chengfu WANG², Xiaoming DONG²

^1.Linyi Power Supply Company, State Grid Shandong Electric Power Company, Linyi 276002, Shandong Province, China
^2.Key Laboratory of Intelligent Power Grid Dispatching and Control, Ministry of Education (Shandong University), Jinan 250061, Shandong Province, China

Received:2025-01-22 Revised:2025-03-18 Published:2026-02-28 Online:2026-02-12
Contact: Chengfu WANG
Supported by:
the Joint Funds of the National Natural Science Foundation of China(U22B20102)

摘要/Abstract

摘要：

目的基于虚拟电厂(virtual power plant，VPP)技术聚合区域电网内部分布式资源，能以低边际成本有效提高系统灵活性。然而，信息安全等因素导致的数据壁垒，以及分布式协调计算效率和调控资源的不确定性等问题给虚拟电厂辅助服务决策带来困难。据此，分析VPP整体对外特性，包括关口功率、备用能力及运行成本，提出了一种VPP鲁棒调度特性可信量化方法，并构建多VPP博弈的协同调度模型。方法首先，考虑分布式电源和需求响应不确定因素影响，解析网络约束下的源荷备用潜力，从而建立VPP数学模型；其次，结合鲁棒优化和多参数规划理论，实现VPP关口功率调节空间、弹性备用能力和最优成本鲁棒可行域可信量化，建立VPP内部资源调控策略与对外交易结果的仿射关系，完成VPP等值聚合；进一步，构建了多VPP与主网有效互动的合作博弈模型；最后，通过3个测试算例验证了本文模型和方法的有效性。结果所量化的封装模型参与调度具有更高的计算效率，且保护了VPP内部信息隐私性。通过设计并行程序，封装模型量化过程计算效率得到了进一步提升。结论所提方法能有效支撑多重VPP主体协同大电网进行能量和辅助服务的交易，加强主网安全防御体系建设。

关键词: 虚拟电厂, 可信量化, 鲁棒优化, 多参数规划, 等值聚合, 合作博弈

Abstract:

Objectives Aggregating distributed resources within the regional grid based on virtual power plant (VPP) technology can effectively improve system flexibility with low marginal cost. However, data barriers arising from factors such as information security, the computational efficiency of distributed coordination, and the uncertainty of regulation resources pose difficulties for VPP auxiliary service decisions. Accordingly, this paper analyzes the external characteristics of VPP as a whole, including interconnection power, reserve capacity, and operating cost. It proposes a trusted quantification method for robust scheduling characteristics of VPP and constructs a collaborative scheduling model for multiple VPPs. Methods First, considering the uncertainty factors in distributed power and demand response, the source-load reserve potential under the network constraint is analyzed to establish a VPP mathematical model. Second, combining robust optimization and multi-parameter programming theory, the VPP interconnection power regulation range, flexible reserve capacity, and optimal cost robust feasible domain trusted quantification are realized. An affine relationship is established between the internal resource regulation strategy of the VPP and the external transaction results, thereby completing the VPP equivalence aggregation. Further, a cooperative game model is constructed for the effective interaction between multiple VPPs and the grid. Finally, the effectiveness of the model and method is verified by three test cases. Results The quantified encapsulation model participates in scheduling, has higher computing efficiency, and also protects the privacy of internal information within the VPP. By designing parallel programs, the computational efficiency of the encapsulation model quantification process is further improved. Conclusions The quantified encapsulation model participates in scheduling, has higher computing efficiency, and also protects the privacy of internal information within the VPP. By designing parallel programs, the computational efficiency of the encapsulation model quantification process is further improved.

Key words: virtual power plant, trusted quantification, robust optimization, multi-parameter programming, equivalence aggregation, cooperative games

中图分类号:

TK 08

冯德品, 刘正奇, 徐兵, 陈涛, 崔波, 王成福, 董晓明. 虚拟电厂鲁棒调度特性可信量化与协调调度方法[J]. 发电技术, 2026, 47(1): 225-236.

Depin FENG, Zhengqi LIU, Bing XU, Tao CHEN, Bo CUI, Chengfu WANG, Xiaoming DONG. Trusted Quantification of Robust Scheduling Characteristics and Coordinated Scheduling Methods for Virtual Power Plants[J]. Power Generation Technology, 2026, 47(1): 225-236.

图/表 9

参考文献 23

[1]	陈启鑫，刘学，房曦晨，等．考虑可再生能源保障性消纳的电力市场出清机制[J]．电力系统自动化，2021，45(6)：26-33．
	CHEN Q X， LIU X， FANG X C，et al ．Electricity market clearing mechanism considering guaranteed accommodation of renewable energy[J]．Automation of Electric Power Systems，2021，45(6)：26-33．
[2]	葛鑫鑫，付志扬，徐飞，等．面向新型电力系统的虚拟电厂商业模式与关键技术[J]．电力系统自动化，2022，46(18)：129-146． doi:10.7500/AEPS20220430003
	GE X X， FU Z Y， XU F，et al ．Business model and key technologies of virtual power plant for new power system[J]．Automation of Electric Power Systems，2022，46(18)：129-146． doi:10.7500/AEPS20220430003
[3]	杨力帆，周鲲，齐增清，等．基于需求响应的虚拟电厂多时间尺度优化调度[J]．电网与清洁能源，2024，40(3)：10-21．
	YANG L F， ZHOU K， QI Z Q，et al ．A multi-time scale optimal scheduling strategy of virtual power plants based on demand response[J]．Power System and Clean Energy，2024，40(3)：10-21．
[4]	卫志农，余爽，孙国强，等．虚拟电厂的概念与发展[J]．电力系统自动化，2013，37(13)：1-9． doi:10.7500/AEPS201210156
	WEI Z N， YU S， SUN G Q，et al ．Concept and development of virtual power plant[J]．Automation of Electric Power Systems，2013，37(13)：1-9． doi:10.7500/AEPS201210156
[5]	蔡光宗，王伊晓，袁智强，等．基于一致性算法的虚拟电厂调度指令动态跟踪策略[J]．电力建设，2024，45(5)：71-79．
	CAI G Z， WANG Y X， YUAN Z Q，et al ．Consensus-based dynamic dispatching instruction tracking strategy for virtual power plant[J]．Electric Power Construction，2024，45(5)：71-79．
[6]	黄蔚亮，苏志鹏，梁欣怡，等．考虑可调市场和外部需求响应的虚拟电厂优化运行策略[J]．中国电力，2023，56(12)：156-163．
	HUANG W L， SU Z P， LIANG X Y，et al ．Optimal operation strategy for virtual power plant considering regulation market and external demand response[J]．Electric Power，2023，56(12)：156-163．
[7]	黄宇翔，陈皓勇，牛振勇，等．基于“能量-信息-价值”三层网络的虚拟电厂架构及运行关键技术综述[J]．电力系统保护与控制，2024，52(24)：169-187．
	HUANG Y X， CHEN H Y， ZHU Z Y，et al ．A review of virtual power plant architecture and key operational technologies based on a “nergy-information-value” three-layer network[J]．Power System Protection and Control，2024，52(24)：169-187．
[8]	李明扬，张智．基于强化学习的含分布式风-光-储虚拟电厂优化调度[J]．智慧电力，2024，52(8)：50-56．
	LI M Y， ZHANG Z ．Optimal dispatch of distributed wind-solar-storage virtual power plants based on reinforcement learning[J]．Smart Power，2024，52(8)：50-56．
[9]	曹宏宇，梁言贺，刘惠颖，等．考虑风-光-储不确定性的新型电力系统概率潮流计算[J]．电测与仪表，2024，61(6)：87-93．
	CAO H Y， LIANG Y H， LIU H Y，et al ．Probabilistic power flow calculation of novel power system considering uncertainty of wind-light-storage[J]．Electrical Measurement & Instrumentation，2024，61(6)：87-93．
[10]	张叶青，陈文彬，徐律军，等．面向多虚拟电厂的分层分区多层互补动态聚合调控策略[J]．发电技术，2024，45(1)：162-169．
	ZHANG Y Q， CHEN W B， XU L J，et al ． Multi-virtual power plant-oriented dynamic aggregation control strategy based on hierarchical partition and multi-layer complementation[J]．Power Generation Technology，2024，45(1)：162-169．
[11]	周亦洲，孙国强，黄文进，等．多区域虚拟电厂综合能源协调调度优化模型[J]．中国电机工程学报，2017，37(23)：6780-6790．
	ZHOU Y Z， SUN G Q， HUANG W J，et al ．Optimized multi-regional integrated energy coordinated scheduling of a virtual power plant[J]．Proceedings of the CSEE，2017，37(23)：6780-6790．
[12]	许星原，陈皓勇，黄宇翔，等．虚拟电厂市场化交易中的挑战、策略与关键技术[J]．发电技术，2023，44(6)：745-757．
	XU X Y， CHEN H Y， HUANG Y X，et al ．Challenges，strategies and key technologies for virtual power plants in market trading [J]．Power Generation Technology，2023，44(6)：745-757．
[13]	RAHIMIYAN M， BARINGO L ．Strategic bidding for a virtual power plant in the day-ahead and real-time markets：a price-taker robust optimization approach[J]．IEEE Transactions on Power Systems，31(4)：2676-2687． doi:10.1109/tpwrs.2015.2483781
[14]	赵振宇，李炘薪．基于阶梯碳交易的碳捕集电厂-电转气虚拟电厂低碳经济调度[J]．发电技术，2023，44(6)：769-780．
	ZHAO Z Y， LI X X ．Decentralized optimal dispatching modeling for wind power integrated power system with virtual power plant[J]．Power Generation Technology，2023，44(6)：769-780．
[15]	于松源，张峻松，元志伟，等．计及热惯性的热电联产虚拟电厂韧性提升策略[J]．发电技术，2023，44(6)：758-768．
	YU S Y， ZHANG J S， YUAN Z W，et al ．Resilience enhancement strategy of combined heat and power-virtual powerplant considering thermal inertia[J]．Power Generation Technology，2023，44(6)：758-768．
[16]	GUO Y， TONG L， WU W，et al ．Coordinated multi-area economic dispatch via critical region projection[J]．IEEE Transactions on Power Systems，32(5)：3736-3746． doi:10.1109/tpwrs.2017.2655442
[17]	陈启鑫，高洪超，冯成，等．虚拟电厂动态构建与可信量化：理论分析与关键技术[J]．电力系统自动化，2022，46(18)：26-36．
	CHEN Q X， GAO H C， FENG C，et al ．Dynamic construction and trustworthy quantification of virtual power plant：theoretical analysis and key technologies[J]．Automation of Electric Power Systems，2022，46(18)：26-36．
[18]	薛景润，施啸寒，王超，等．兼顾物理状态和用户行为的虚拟电厂紧急功率调节能力量化评估[J]．中国电机工程学报，2023，43(8)：2906-2921．
	XUE J R， SHI X H， WANG C，et al ．Online evaluation of emergency power regulation capability for virtual power plants considering physical characteristics and user behavior constraints[J]．Proceedings of the CSEE，2023，43(8)：2906-2921．
[19]	姜华，杨知方，林伟，等．计及分布式新能源不确定性的虚拟电厂调度边界概率分布刻画方法[J]．中国电机工程学报，2022，42(15)：5565-5575．
	JIANG H， YANG Z F， LIN W，et al ．Probability distribution of dispatch region for a virtual power plant considering distributed renewable uncertainties[J]．Proceedings of the CSEE，2022，42(15)：5565-5575．
[20]	BABAEI S， ZHAO C， FAN L ．A data-driven model of virtual power plants in day-ahead unit commitment[J]．IEEE Transactions on Power Systems，34(6)：5125-5135． doi:10.1109/tpwrs.2018.2890714
[21]	BERTSIMAS D，SIM M ．Robust discrete optimization and network flows[J]．Mathematical Programming，2003，98(1)：49-71． doi:10.1007/s10107-003-0396-4
[22]	DAI W， YANG Z， YU J，et al ．Economic dispatch of interconnected networks considering hidden flexibility[J]．Energy，2021，223：120054． doi:10.1016/j.energy.2021.120054
[23]	CARRION M， ARROYO J M ．A computationally efficient mixed-integer linear formulation for the thermal unit commitment problem[J]．IEEE Transactions on Power Systems，2006，21(3)：1371-1378． doi:10.1109/tpwrs.2006.876672

指标	方案	电网	VPP1	VPP2	VPP3	总和
运行成本/美元	方案1	616 485	133 271	181 113	176 453	1 107 321
运行成本/美元	方案2	612 548	135 867	181 087	177 149	1 106 652
市场收益/美元	方案1	0	46 732	-2 957	10 389	54 164
市场收益/美元	方案2	0	48 532	-2 975	10 858	56 414
总成本/美元	方案1	616 485	86 539	184 070	166 064	1 053 158
总成本/美元	方案2	612 548	87 335	184 062	166 292	1 050 238
相对误差/%		0.639	-0.920	0.004	-0.137	0.277

指标	方案	电网	VPP1	VPP2	VPP3	总和
运行成本/美元	方案1	616 485	133 271	181 113	176 453	1 107 321
运行成本/美元	方案2	612 548	135 867	181 087	177 149	1 106 652
市场收益/美元	方案1	0	46 732	-2 957	10 389	54 164
市场收益/美元	方案2	0	48 532	-2 975	10 858	56 414
总成本/美元	方案1	616 485	86 539	184 070	166 064	1 053 158
总成本/美元	方案2	612 548	87 335	184 062	166 292	1 050 238
相对误差/%		0.639	-0.920	0.004	-0.137	0.277

联盟 S	成本/美元	联盟 S	成本/美元
｛Grid｝	711 838	｛VPP1，VPP3｝	240 772
｛VPP1｝	78 082	｛VPP2，VPP3｝	349 187
｛VPP2｝	186 498	｛Grid，VPP1，VPP2｝	947 851
｛VPP3｝	162 689	｛Grid，VPP1，VPP3｝	921 390
｛Grid，VPP1｝	762 584	｛Grid，VPP2，VPP3｝	1 055 916
｛Grid，VPP2｝	897 106	｛VPP1，VPP2，VPP3｝	427 269
｛Grid，VPP3｝	870 655	｛Grid，VPP1，VPP2，VPP3｝	1 106 652
｛VPP1，VPP2｝	264 580

联盟 S	成本/美元	联盟 S	成本/美元
｛Grid｝	711 838	｛VPP1，VPP3｝	240 772
｛VPP1｝	78 082	｛VPP2，VPP3｝	349 187
｛VPP2｝	186 498	｛Grid，VPP1，VPP2｝	947 851
｛VPP3｝	162 689	｛Grid，VPP1，VPP3｝	921 390
｛Grid，VPP1｝	762 584	｛Grid，VPP2，VPP3｝	1 055 916
｛Grid，VPP2｝	897 106	｛VPP1，VPP2，VPP3｝	427 269
｛Grid，VPP3｝	870 655	｛Grid，VPP1，VPP2，VPP3｝	1 106 652
｛VPP1，VPP2｝	264 580

情形		成本/美元
情形		Grid	VPP1	VPP2	VPP3	总和
不合作		711 838	78 082	186 498	162 689	1 139 107
合作	收益不转移	668 962	87 335	184 062	166 292	1 106 652
合作	收益转移	695 613	64 411	185 880	160 748	1 106 652

虚拟电厂鲁棒调度特性可信量化与协调调度方法

Trusted Quantification of Robust Scheduling Characteristics and Coordinated Scheduling Methods for Virtual Power Plants

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 9

参考文献 23

相关文章 15

编辑推荐

Metrics

方案	时间	VPP数量/个
方案	时间	5	10	15	20	25	30	35	40	45	50
方案1	求解时间/s	428.3	1 977.5	5 885.6	13 606.9	27 025.6	>36 000.0	>36 000.0	>36 000.0	>36 000.0	>36 000.0
方案2	量化时间/s	502.2	914.8	1 379.4	1 825.9	2 309.8	2 852.0	3 327.3	3 869.1	4 433.2	5 137.9
	求解时间/s	47.143	54.118	60.362	66.813	78.268	85.118	98.143	113.053	129.901	144.65
	总时间/s	549.3	968.9	1 439.8	1 892.7	2 388.1	2 937.1	3 425.4	3 982.2	4 563.1	5 282.6
目标函数相对误差/%		0.260	0.273	0.242	0.404	0.359	—	—	—	—	—

[1]	张佳鑫, 彭勇刚, 孙静. 考虑需求响应和碳交易的园区氢电耦合系统两阶段鲁棒优化调度[J]. 发电技术, 2025, 46(2): 252-262.
[2]	王宇绅, 陈皓勇, 黄宇翔, 吴晓彬, 朱彦瑾, 张健彬. 多重不确定性下的虚拟电厂参与电能量和需求响应市场鲁棒优化调度策略[J]. 发电技术, 2024, 45(6): 1173-1185.
[3]	郑淇薇, 赵欣悦, 卢荻, 陈衡, 潘佩媛, 刘彤. 多类型小容量火电机组热电解耦潜力与经济性对比评估[J]. 发电技术, 2024, 45(5): 929-940.
[4]	段贵超, 王恭, 曹生现, 段洁. 虚拟电厂运行策略及DG分布式控制研究[J]. 发电技术, 2024, 45(4): 765-771.
[5]	叶健强, 孙敦虎. 碳交易条件下基于鲁棒优化的电源规划研究[J]. 发电技术, 2024, 45(3): 566-574.
[6]	张叶青, 陈文彬, 徐律军, 江兴稳. 面向多虚拟电厂的分层分区多层互补动态聚合调控策略[J]. 发电技术, 2024, 45(1): 162-169.
[7]	钱仲豪, 胡骏, 沈思辰, 秦婷, 马晗怡, 王小栋, 冯曹毅, 卫志农. 考虑条件风险价值的多源协调优化运行策略[J]. 发电技术, 2023, 44(6): 781-789.
[8]	赵振宇, 李炘薪. 基于阶梯碳交易的碳捕集电厂-电转气虚拟电厂低碳经济调度[J]. 发电技术, 2023, 44(6): 769-780.
[9]	于松源, 张峻松, 元志伟, 房方. 计及热惯性的热电联产虚拟电厂韧性提升策略[J]. 发电技术, 2023, 44(6): 758-768.
[10]	许星原, 陈皓勇, 黄宇翔, 吴晓彬, 王宇绅, 廉俊豪, 张健彬. 虚拟电厂市场化交易中的挑战、策略与关键技术[J]. 发电技术, 2023, 44(6): 745-757.
[11]	贾晓强, 杨永标, 杜姣, 甘海庆, 杨楠. 气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究[J]. 发电技术, 2023, 44(6): 790-799.
[12]	黄河, 王燕, 姜念, 吴强, 张雅静, 杨秀媛. 考虑用户诉求差异的居民可控负荷资源优化控制[J]. 发电技术, 2023, 44(6): 896-908.
[13]	钟永洁, 纪陵, 李靖霞, 左建勋, 王紫东, 吴世伟. 虚拟电厂智慧运营管控平台系统框架与综合功能[J]. 发电技术, 2023, 44(5): 656-666.
[14]	石梦舒, 许小峰, 张继广, 李忆, 周保中, 乐鹰, 毕圣. 考虑电-氢市场的虚拟电厂两阶段优化策略研究[J]. 发电技术, 2023, 44(5): 645-655.
[15]	郁海彬, 张煜晨, 刘扬洋, 陆增洁, 翁锦德. 碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略[J]. 发电技术, 2023, 44(5): 634-644.