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

doi:10.12096/j.2096-4528.pgt.23073

发电技术 ›› 2024, Vol. 45 ›› Issue (6): 1173-1185.DOI: 10.12096/j.2096-4528.pgt.23073

• 智能电网 • 上一篇

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

王宇绅¹, 陈皓勇¹, 黄宇翔¹, 吴晓彬¹, 朱彦瑾¹, 张健彬²

^1.华南理工大学电力学院，广东省广州市 510610
^2.广东博慎智库能源科技发展有限公司，广东省广州市 511458

收稿日期:2023-12-07 修回日期:2024-03-20 出版日期:2024-12-31 发布日期:2024-12-30
通讯作者: 陈皓勇
作者简介:王宇绅(1999)，男，硕士研究生，研究方向为虚拟电厂优化调度、电力市场，202120115163@mail.scut.edu.cn；
陈皓勇(1975)，男，博士，教授，主要研究方向为新能源发电与智能电网技术、综合能源系统与能源物联网、电力经济与电力市场等，本文通信作者，eehychen@scut.edu.cn。
基金资助:
国家自然科学基金项目(51937005)

Robust Optimal Scheduling Strategy for Virtual Power Plant Participation in Electric Energy and Demand Response Markets Under Multiple Uncertainties

Yushen WANG¹, Haoyong CHEN¹, Yuxiang HUANG¹, Xiaobin WU¹, Yanjin ZHU¹, Jianbin ZHANG²

^1.School of Electric Power Engineering, South China University of Technology, Guangzhou 510610, Guangdong Province, China
^2.Guangdong U&P Thinktank Energy Science and Technology Development Co. , Ltd. , Guangzhou 511458, Guangdong Province, China

Received:2023-12-07 Revised:2024-03-20 Published:2024-12-31 Online:2024-12-30
Contact: Haoyong CHEN
Supported by:
National Natural Science Foundation of China(51937005)

摘要/Abstract

摘要：

目的为应对虚拟电厂(virtual power plant，VPP)在参与电能量和需求响应市场时所面临的新能源出力和负荷不确定性问题，提出一种考虑多重不确定性的鲁棒优化调度策略，旨在降低鲁棒优化的保守性并提高VPP的经济效益。方法构建基于条件风险价值(conditional value at risk，CVaR)的多面体不确定性集，在此基础上，考虑风电、光伏出力和负荷的不确定性，建立VPP参与电能量和需求响应市场策略的日前两阶段鲁棒优化模型。基于行列生成(column-and-constraint generation，C&CG)算法和拉格朗日对偶理论，将所建模型分为可利用求解器求解的主问题和子问题。最后，利用蒙特卡罗方法生成大量风电、光伏和负荷数据，对所提策略进行仿真分析，并与其他方案的优化结果进行对比。结果所提策略采用基于CVaR的多面体不确定性集，能够充分利用历史数据，相比于采用传统不确定性集的方案，VPP的总成本降低了约2%。结论所提策略可以显著降低鲁棒优化结果的保守性，并在多重不确定性条件下提升VPP参与市场的经济性。

关键词: 虚拟电厂(VPP), 风电, 光伏, 电能量, 需求响应市场, 条件风险价值(CVaR), 鲁棒优化, 调度策略

Abstract:

Objectives To address the uncertainties of renewable energy output and load faced by virtual power plant (VPP) when participating in electric energy and demand response markets, a robust optimal scheduling strategy considering multiple uncertainties was proposed to reduce the conservativeness of robust optimization and improve the economic benefits of VPP. Methods A polyhedral uncertainty set based on conditional value at risk (CVaR) was constructed. On this basis, considering the uncertainties of wind power, photovoltaic output and load, a day-ahead two-stage robust optimization model of VPP participating in electric energy and demand response markets was established. Then, using a column-and-constraint generation (C&CG) algorithm and Lagrangian dual theory, the model was divided into a master problem and a sub-problem that can be solved by a solver. Finally, Monte Carlo method was used to generate a large number of wind power, photovoltaic and load data. The proposed strategy was simulated and analyzed, and compared with the optimization results of other schemes. Results The proposed strategy adopting a polyhedral uncertainty set based on CVaR can make full use of historical data. Compared with the scheme using traditional uncertainty set, the total cost of VPP is reduced by about 2%. Conclusions The proposed strategy can significantly reduce the conservativeness of robust optimization results and enhance the economy of VPP participation in the market under multiple uncertainties.

Key words: virtual power plant (VPP), wind power, photovoltaic, electric energy, demand response market, condition value at risk (CVaR), robust optimization, scheduling strategy

中图分类号:

TK 01

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.

Yushen WANG, Haoyong CHEN, Yuxiang HUANG, Xiaobin WU, Yanjin ZHU, Jianbin ZHANG. Robust Optimal Scheduling Strategy for Virtual Power Plant Participation in Electric Energy and Demand Response Markets Under Multiple Uncertainties[J]. Power Generation Technology, 2024, 45(6): 1173-1185.

图/表 13

图1 VPP参与电能量和需求响应市场框架

Fig. 1 Framework for VPP participation in electricity energy and demand response markets

图2 虚拟电厂拓扑结构

Fig. 2 Topology of VPP

图3 风电出力特性

Fig. 3 Power output characteristics of wind turbines

图4 光伏出力特性

Fig. 4 Output characteristics of photovoltaic units

图5 负荷特性

Fig. 5 Load characteristics

图6 日前电价

Fig. 6 Day-ahead price

表1 虚拟电厂运行参数

Tab. 1 Operating parameters of virtual power plant

项目	参数	数值
燃气轮机	$k g t$ /[元/(MW∙h)]	575
燃气轮机	$θ$ /元	485.9
储能系统	充电效率/%	95
	放电效率/%	95
	$k e s s$ /[元/(MW∙h)]	75
可转移负荷	$k D R$ /[元/(MW∙h)]	2 800
可转移负荷	$D D R$ /MW	2.96
置信水平	$β$	0.95

表1 虚拟电厂运行参数

Tab. 1 Operating parameters of virtual power plant

项目	参数	数值
燃气轮机	$k g t$ /[元/(MW∙h)]	575
燃气轮机	$θ$ /元	485.9
储能系统	充电效率/%	95
	放电效率/%	95
	$k e s s$ /[元/(MW∙h)]	75
可转移负荷	$k D R$ /[元/(MW∙h)]	2 800
可转移负荷	$D D R$ /MW	2.96
置信水平	$β$	0.95

图7 储能总体调度计划

Fig. 7 Scheduling plan for energy storage in general

图8 市场投标方案

Fig. 8 Bidding programs for the markets

图9 各电源调度计划

Fig. 9 Scheduling plan for distributed generation

图10 可转移负荷调度计划

Fig. 10 Scheduling plan for transferable load

表2 不同方案下优化结果对比 (元)

Tab. 2 Comparison of optimization results under different schemes

方案	日前调度成本	实时平衡成本	合计
本文优化策略	68 315.12	3 134.76	71 449.88
方案1	89 213.34	3 425.75	92 639.09
方案2	85 406.13	3 672.13	89 078.26
方案3	70 016.41	2 841.54	72 857.95

表3 不同置信水平下虚拟电厂日前调度成本

Tab. 3 Costs of virtual power plant day-ahead dispatch at different confidence levels

置信水平	日前调度成本/元
1.00	70 016.41
0.98	69 423.74
0.95	68 315.12
0.90	67 653.14
0.85	66 846.68
0.80	66 012.76
0.75	65 782.33
0.70	64 678.78

参考文献 38

1	IEA ．World energy outlook 2022[EB/OL]．(2022-10-31)[2023-06-30]．． doi:10.1787/3a469970-en
2	刘珊，孙文，李彦龙，等．居民视角下辽宁省可再生能源发展建议及影响因素研究[J]．可再生能源，2024，42(8)：1019-1028．
	LIU S， SUN W， LI Y L，et al ．A study on recommendations and influencing factors for the development of renewable energy resources in Liaoning Province from the perspective of residents[J]．Renewable Energy Resources，2024，42(8)：1019-1028．
3	新华社．习近平在第七十五届联合国大会一般性辩论上发表重要讲话[EB/OL]．(2020-09-22)[2023-06-30]．．
	Xinhua ．Xi Jinping delivers an important speech at the general debate of the 75th United Nations General Assembly[EB/OL]．(2020-09-22)[2021-02-03]．．
4	刘洪波，刘珅诚，盖雪扬，等．高比例新能源接入的主动配电网规划综述[J]．发电技术，2024，45(1)：151-161． doi:10.12096/j.2096-4528.pgt.22106
	LIU H B， LIU S C， GAI X Y，et al ．Overview of active distribution network planning with high proportion of new energy access[J]．Power Generation Technology，2024，45(1)：151-161． doi:10.12096/j.2096-4528.pgt.22106
5	曾小青，唐超雯．分时电价环境下计及新能源消纳的虚拟电厂优化调度研究[J]．电力科学与技术学报，2023，38(3)：24-34． doi:10.19781/j.issn.1673-9140.2023.03.003
	ZENG X Q， TANG C W ．Research on optimization of virtual power plants dispatch by considering the consumption of new energy under time-of-use electricity price environment[J]．Journal of Electric Power Science and Technology，2023，38(3)：24-34． doi:10.19781/j.issn.1673-9140.2023.03.003
6	NOSRATABADI S M， HOOSHMAND R A， GHOLIPOUR E ．A comprehensive review on microgrid and virtual power plant concepts employed for distributed energy resources scheduling in power systems[J]．Renewable and Sustainable Energy Reviews，2017，67：341-363． doi:10.1016/j.rser.2016.09.025
7	杨秀，杜楠楠，孙改平，等．考虑需求响应的虚拟电厂双层优化调度[J]．电力科学与技术学报，2022，37(2)：137-146．
	YANG X， DU N N， SUN G P，et al ．Bi-level optimization dispatch of virtual power plants considering the demand response[J]．Journal of Electric Power Science and Technology，2022，37(2)：137-146．
8	彭道刚，税纪钧，王丹豪，等．“双碳”背景下虚拟电厂研究综述[J]．发电技术，2023，44(5)：602-615．
	PENG D G， SHUI J J， WANG D H，et al ．Review of virtual power plant under the background of “dual carbon”[J]．Power Generation Technology，2023，44(5)：602-615．
9	朱庆，林慧婕，张宇峰．考虑风电消纳的含P2G-CCS虚拟电厂优化调度[J]．智慧电力，2023，51(4)：77-83．
	ZHU Q， LIN H J， ZHANG Y F ．Optimal scheduling of virtual power plants with P2G-CCS considering wind power consumption[J]．Smart Power，2023，51(4)：77-83．
10	李翼成，赵钰婷，崔杨，等．考虑充放电策略的换电站与风电-碳捕集虚拟电厂的低碳经济调度[J]．电力自动化设备，2023，43(6)：27-36．
	LI Y C， ZHAO Y T， CUI Y，et al ．Low-carbon economic dispatching of battery swapping station and wind power-carbon capture virtual power plant considering charging and discharging strategy[J]．Electric Power Automation Equipment，2023，43(6)：27-36．
11	孙惠娟，刘昀，彭春华，等．计及电转气协同的含碳捕集与垃圾焚烧虚拟电厂优化调度[J]．电网技术，2021，45(9)：3534-3545．
	SUN H J， LIU Y， PENG C H，et al ．Optimization scheduling of virtual power plant with carbon capture and waste incineration considering power-to-gas coordination[J]．Power System Technology，2021，45(9)：3534-3545．
12	袁桂丽，钟飞，张睿，等．考虑碳捕集及需求响应的虚拟电厂热电联合优化调度[J]．电网技术，2023，47(11)：4458-4467．
	YUAN G L， ZHONG F， ZHANG R，et al ．Combined heat and power scheduling optimization for virtual power plants considering carbon capture and demand response[J]．Power System Technology，2023，47(11)：4458-4467．
13	陈登勇，刘方，刘帅．基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度[J]．电网技术，2022，46(6)：2042-2054．
	CHEN D Y， LIU F， LIU S ．Optimization of virtual power plant scheduling coupling with P2G-CCS and doped with gas hydrogen based on stepped carbon trading[J]．Power System Technology，2022，46(6)：2042-2054．
14	黄勤坤，邱瑜，王飞，等．考虑多重不确定性的虚拟电厂随机优化调度[J]．电网与清洁能源，2022，38(11)：8-16． doi:10.3969/j.issn.1674-3814.2022.11.002
	HUANG Q K， QIU Y， WANG F，et al ．Stochastic optimal scheduling of virtual power plants considering multiple uncertainties[J]．Power System and Clean Energy，2022，38(11)：8-16． doi:10.3969/j.issn.1674-3814.2022.11.002
15	闫庆友，刘达，李金孟，等．基于场景生成与IGDT的风光-碳捕集-P2G虚拟电厂经济调度[J]．智慧电力，2023，51(2)：1-7． doi:10.3969/j.issn.1673-7598.2023.02.002
	YAN Q Y， LIU D， LI J M，et al ．Economic dispatching of wind power-PV-carbon capture-P2G virtual power plant based on scenario generating and IGDT[J]．Smart Power，2023，51(2)：1-7． doi:10.3969/j.issn.1673-7598.2023.02.002
16	韩志永，张宇华，李兵．基于多场景技术的冷热电虚拟电厂两阶段优化调度[J]．电测与仪表，2022，59(3)：174-180．
	HAN Z Y， ZHANG Y H， LI B ．Two-stage optimal dispatching of CCHP virtual power plant based on multi-scenario technology[J]．Electrical Measurement & Instrumentation，2022，59(3)：174-180．
17	师阳，李宏伟，陈继开，等．计及激励型需求响应的热电互联虚拟电厂优化调度[J]．太阳能学报，2023，44(4)：349-358．
	SHI Y， LI H W， CHEN J K，et al ．Optimal scheduling of thermoelectric interconnection virtual power plant considerign incentive demand response[J]．Acta Energiae Solaris Sinica，2023，44(4)：349-358．
18	仲悟之，黄思宇，崔杨，等．考虑源荷不确定性的风电-光热-碳捕集虚拟电厂协调优化调度[J]．电网技术，2020，44(9)：3424-3432．
	ZHONG W Z， HUANG S Y， CUI Y，et al ．W-S-C capture coordination in virtual power plant considering source-load uncertainty[J]．Power System Technology，2020，44(9)：3424-3432．
19	张大海，贠韫韵，王小君，等．计及风光不确定性的新能源虚拟电厂多时间尺度优化调度[J]．太阳能学报，2022，43(11)：529-537． doi:10.19912/j.0254-0096.tynxb.2021-0176
	ZHANG D H， YUN Y Y， WANG X J，et al ．Multi-time scale of new energy scheduling optimization for virtual power plant considering uncertainty of wind power and photovoltaic power[J]．Acta Energiae Solaris Sinica，2022，43(11)：529-537． doi:10.19912/j.0254-0096.tynxb.2021-0176
20	邬伟骏，吴江波，周强，等．基于贝叶斯推理的风电机组风轮偏航协同智能控制方法[J]．可再生能源，2024，42(9)：1205-1210．
	WU W J， WU J B， ZHOU Q，et al ．Collaborative intelligent control method for wind turbine rotor yaw based on Bayesian inference[J]．Renewable Energy Resources，2024，42(9)：1205-1210．
21	樊昂，李录平，张世海，等．大型风电机组塔筒动力学特性与寿命损耗研究进展[J]．发电技术，2022，43(3)：421-430． doi:10.12096/j.2096-4528.pgt.21022
	FAN A， LI L P， ZHANG S H，et al ．A review on dynamic characteristics and life loss of large wind turbine towers[J]．Power Generation Technology，2022，43(3)：421-430． doi:10.12096/j.2096-4528.pgt.21022
22	白格平，任国瑞，苏雁飞，等．乌兰察布地区风资源波动性及聚合特性分析[J]．电网与清洁能源，2022，38(7)：81-91．
	BAI G P， REN G R， SU Y F，et al ．Analysis of characteristics of wind resource fluctuation and aggregation in Ulanqab[J]．Power System and Clean Energy，2022，38(7)：81-91．
23	WAHBAH M， FENG S， EL-FOULY T H M，et al ．Root-transformed local linear regression for solar irradiance probability density estimation[J]．IEEE Transactions on Power Systems，2020，35(1)：652-661． doi:10.1109/tpwrs.2019.2930699
24	刘迪，吴林林，巩宇，等．基于滚动采样马尔可夫链模型的光伏时序功率模拟研究[J]．电力科学与技术学报，2024，39(3)：207-216．
	LIU D， WU L L， GONG Y，et al ．Study on time series power simulation of photovoltaic output based on rolling sampling Markov chain model[J]．Journal of Electric Power Science and Technology，2024，39(3)：207-216．
25	张强，李胜辉，王晓东，等．多光伏电站接入风光火耦合系统选址优化[J]．可再生能源，2024，42(6)：804-811．
	ZHANG Q， LI S H， WANG X D，et al ．Multi-photovoltaic power plants connected to the landscape and fire coupling system site selection optimization[J]．Renewable Energy Resources，2024，42(6)：804-811．
26	韩宏志，杨洋，郜宁，等．基于正态分布的典型负荷日拟合方法[J]．分布式能源，2020，5(4)：69-73．
	HAN H Z， YANG Y， GAO N，et al ．Fitting method of typical daily load based on normal distribution[J]．Distributed Energy，2020，5(4)：69-73．
27	陈美玲，高岩．计及源荷双侧不确定性的综合能源系统优化配置[J]．上海理工大学学报，2022，44(1)：77-84．
	CHEN M L， GAO Y ．Optimal configuration of integrated energy system with uncertain generation and load[J]．Journal of University of Shanghai for Science and Technology，2022，44(1)：77-84．
28	范展滔，张鸿轩，楼楠，等．混合储能聚合商参与能量-调频市场控制策略[J]．电网与清洁能源，2024，40(5)：130-138．
	FAN Z T， ZHANG H X， LOU N，et al ．Control strategies for hybrid energy storage aggregators to participate in the energy-frequency modulation market[J]．Power System and Clean Energy，2024，40(5)：130-138．
29	陈虹宇，李星梅，王玉玮．含电动船充电站的海岛光储微网系统容量优化配置[J]．智慧电力，2024，52(2)：48-54．
	CHEN H Y， LI X M， WANG Y W ．Optimal capacity configuration of island photovoltaic storage microgrid system with electric ship charging station[J]．Smart Power，2024，52(2)：48-54．
30	张亚超，郑峰，舒胜文，等．考虑多重不确定性的电-气-交通网络耦合系统数据驱动鲁棒优化调度[J]．中国电机工程学报，2021，41(13)：4450-4462．
	ZHANG Y C， ZHENG F， SHU S W，et al ．A data-driven robust optimization scheduling of coupled electricity-gas-transportation systems considering multiple uncertainties[J]．Proceedings of the CSEE，2021，41(13)：4450-4462．
31	钱仲豪，胡骏，沈思辰，等．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．
	QIAN Z H， HU J， SHEN S C，et al ．Multi-power coordinated optimization operation strategy considering conditional value at risk[J]．Power Generation Technology，2023，44(6)：781-789．
32	汤旸，刘翊枫，王静，等．电力市场售电公司最优购售电量决策模型及其应用[J]．电力科学与技术学报，2022，37(4)：3-12．
	TANG Y， LIU Y F， WANG J，et al ．Optimal decision model and application of electricity purchasing and selling ofelectricity retailer in electricity market[J]．Journal of Electric Power Science and Technology，2022，37(4)：3-12．
33	沈佳程，李梦诗，季天瑶，等．基于多层级条件风险价值的高渗透可再生能源电力系统低碳运行联合优化[J]．电网与清洁能源，2024，40(2)：37-46．
	SHEN J C， LI M S， JI T Y，et al ．Joint optimization for low-carbon operation of high-penetration renewable energy system based on multi-layer conditional value-at-risk[J]．Power System and Clean Energy，2024，40(2)：37-46．
34	徐雨舟，唐忠．含CSPP的区域多能源微网优化调度模型[J]．智慧电力，2024，52(10)：24-31．
	XU Y Z， TANG Z ．Optimal scheduling model of regional multi-energy microgrid containing concentrating solar power plant[J]．Smart Power，2024，52(10)：24-31．
35	BERTSIMAS D，SIM M ．The price of robustness[J]．Operations Research，2005，45(2)：161-162．
36	车彬，张泽龙，杨燕．考虑V2G储能特性与负荷需求响应的主动配电网低碳鲁棒调度[J]．电网与清洁能源，2024，40(1)：29-39．
	CHE B， ZHANG Z L， YANG Y ．Research on the low-carbon robust dispatch of active distribution networks considering storage characteristics of V2G and load demand response[J]．Power System and Clean Energy，2024，40(1)：29-39．
37	BERTSIMAS D， LITVINOV E， SUN X A，et al ．Adaptive robust optimization for the security constrained unit commitment problem[J]．IEEE Transactions on Power Systems，2013，28(1)：52-63． doi:10.1109/tpwrs.2012.2205021
38	WANG C， JIAO B， GUO L，et al ．Robust scheduling of building energy system under uncertainty[J]．Applied Energy，2016，167：366-376． doi:10.1016/j.apenergy.2015.09.070

[1]	任蓓蕾, 郭昆丽, 蔡维正, 李博浩, 朱婷华, 李玲陶. 基于改进线性自抗扰控制器的直驱风机次同步振荡抑制及阻抗稳定性分析[J]. 发电技术, 2024, 45(6): 1135-1145.
[2]	刘展, 刘健洵, 包琰洋, 李大字. 基于图正则化堆叠自编码器的风机轴承故障诊断方法[J]. 发电技术, 2024, 45(6): 1146-1152.
[3]	张立栋, 铁浩, 刘惠文, 李钦伟, 田文鑫, 赵秀勇, 常子涵. 风力机偏航对尾迹演化影响的实验研究[J]. 发电技术, 2024, 45(6): 1153-1162.
[4]	陈艺鑫, 陈健斌, 李旭东, 李勇, 刁永发. 一种轻薄型光伏/光热集热器性能分析及实验研究[J]. 发电技术, 2024, 45(4): 666-674.
[5]	易海, 吕宙安, 张伶俐, 陈希, 柳典, 黄雨薇, 韩星星, 许昌. 基于改进模糊C-均值聚类的陆上风电场集电线路回路划分与拓扑结构优化[J]. 发电技术, 2024, 45(4): 675-683.
[6]	杨康, 李蓝青, 李艺丰, 宋东阔, 王博仑, 陈金, 周霞, 单宇. 一种新型分布式光伏出力区间预测方法[J]. 发电技术, 2024, 45(4): 684-695.
[7]	孟梓睿, 刘雅雯, 巨星. 光伏-压电复合独立供电系统的运行分析[J]. 发电技术, 2024, 45(4): 696-704.
[8]	王耀函, 张扬帆, 赵庆旭, 王晓东, 梁恺, 王玙. 低电压穿越过程中风电机组载荷特性联合仿真研究[J]. 发电技术, 2024, 45(4): 705-715.
[9]	张崇, 李博, 李笑宇, 刘洪波, 刘永发. 基于虚拟同步机控制参数自适应调节的储能系统调频方法[J]. 发电技术, 2024, 45(4): 772-780.
[10]	赵斌, 梁告, 姜孟浩, 邹港, 王力. 光储系统并网功率波动平抑及储能优化配置[J]. 发电技术, 2024, 45(3): 423-433.
[11]	李军徽, 陈国航, 马腾, 李翠萍, 朱星旭, 贾晨. 高风电渗透率下液流电池储能系统调峰优化控制策略[J]. 发电技术, 2024, 45(3): 434-447.
[12]	张小莲, 孙啊传, 郝思鹏, 许乐妍, 武启川. 风电场参与电网调频的多机协同控制策略[J]. 发电技术, 2024, 45(3): 448-457.
[13]	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.
[14]	钱乙卫, 田浩, 刘财华, 田昕泽, 周霞, 戴剑丰. 考虑概率分布的分布式光伏无功下垂控制策略[J]. 发电技术, 2024, 45(2): 273-281.
[15]	付小标, 侯嘉琪, 李宝聚, 温亚坤, 赖晓文, 郭雷, 王志伟, 王尧, 张海锋, 李德鑫. 一种二模态天气分型方法及其在光伏功率概率预测的应用[J]. 发电技术, 2024, 45(2): 299-311.

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

Robust Optimal Scheduling Strategy for Virtual Power Plant Participation in Electric Energy and Demand Response Markets Under Multiple Uncertainties

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 13

参考文献 38

相关文章 15

编辑推荐

Metrics