一种分布式能源虚拟电厂运行优化方法及系统与流程

本发明涉及电力系统技术领域，特别是涉及一种分布式能源虚拟电厂运行优化方法及系统。

背景技术：

虚拟电厂(virtualpowerplant，vpp)的物理结构不同于传统电厂，虚拟电厂依靠通信技术及软件系统，将分布式电源、储能装置、需求响应负荷等分布式能源聚合在一起，进行统一的协调控制，并参与到电力系统的运行调度当中，协调电网与分布式能源之间存在的矛盾，充分体现分布式能源为电网和用户所带来的效益。虽然虚拟电厂可为分布式能源提供一种有效的智能电网运行框架，且理论上可有效解决新能源并网消纳的问题，但虚拟电厂内部功率单元的功率协调管理以及其作为一个整体参与电力系统调度仍然存在一些难以解决的问题，如vpp内各分布式电源的功率不确定性和vpp能否像传统电厂一样为电力系统提供服务等问题。而需求响应作为虚拟电厂的重要支撑技术，可以实现源侧和荷侧之间的协调互动以及能量的双向流动，从而使得虚拟电厂能够利用需求响应资源减小分布式电源不确定性对电力系统的影响，更好地参与到电网调度中。

现有针对虚拟电厂参与电力系统调度的优化运行主要是将分布式电源出力及负荷等多个随机变量的不确定性转化为确定性问题，从而对优化调度模型进行求解，但在实际虚拟电厂参与电网调度运行中，该处理方法并不能减小分布式电源不确定性对电力系统的影响。并且分布式能源虚拟电厂所聚合的功率组件中分布式可再生能源发电、需求响应负荷和储能设备运行过程中均无污染气体排放，现有技术以电力系统总运行成本最小为目标函数，单一强调经济性，并未考虑分布式能源虚拟电厂相比传统火电厂参与电力系统调度所体现的环保性。

技术实现要素：

本发明的目的是提供一种分布式能源虚拟电厂运行优化方法及系统，能够减小分布式电源不确定性对电力系统的影响，并且能够有效降低系统污染物排放量和系统总运行成本。

为实现上述目的，本发明提供了如下方案：

一种分布式能源虚拟电厂运行优化方法，包括：

获取各个时段虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率；

根据所述虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率确定虚拟电厂发电功率；

根据所述虚拟电厂发电功率确定虚拟电厂运行成本；所述虚拟电厂运行成本考虑了燃气轮机组发电成本、可中断负荷断电补偿金额、储能运行成本以及风光发电运行维护成本；

获取各个时段传统电厂中燃煤机组发电功率；

根据所述传统电厂中燃煤机组发电功率确定传统电厂运行成本；所述传统电厂运行成本考虑了燃煤机组发电成本以及燃煤机组开机和停机成本；

根据所述燃气轮机组发电功率确定燃气轮机组污染排放量；

根据所述燃煤机组发电功率确定燃煤机组污染排放量；

以所述虚拟电厂运行成本、所述传统电厂运行成本、所述燃气轮机组污染排放量和所述燃煤机组污染排放量总和最小为目标进行优化处理，得到虚拟电厂和传统电厂各机组各时段启停计划和各机组各时段发电功率。

可选的，所述根据所述虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率确定虚拟电厂发电功率，具体包括：

根据如下公式确定虚拟电厂发电功率：

式中，表示在t时段第j个虚拟电厂vpp的发电功率，表示第k个燃气轮机的发电功率，pil,t(m)表示t时段第m级可中断负荷中断电量，m表示可中断负荷等级，m表示可中断负荷等级总数，表示t时段第n个储能装置充电功率，表示t时段第n个储能装置放电功率，pt^w表示t时段分布式风力发电机功率，pt^pv表示t时段分布式光伏发电机功率。

可选的，所述根据所述虚拟电厂发电功率确定虚拟电厂运行成本，具体包括：

根据如下公式确定虚拟电厂运行成本：

其中，

c^en＝k^enq

式中，cvpp表示vpp运行成本，nvpp表示虚拟电厂总个数，t表示总时段，t表示时段，表示在功率为时第j个vpp运行成本，表示在t时段第j个vpp的开停机状态，表示在t时段第j个vpp为停机状态，表示在t时段第j个vpp为开机状态，δc^en表示奖励给虚拟电厂的环境效益金额，表示第j个vpp运行成本函数，表示在功率为时燃气轮机发电成本，表示在t时段第k个燃气轮机的开停机状态，表示在t时段第k个燃气轮机为停机状态，表示在t时段第k个燃气轮机为开机状态，表示在t时段分布式风力发电机功率为pt^w时的运行维护成本，c^pv(pt^pv)表示在t时段分布式光伏发电机功率为pt^pv时的运行维护成本，表示t时段可中断负荷断电补偿金额，表示可中断负荷中断状态，表示可中断负荷中断，表示可中断负荷未中断，表示在t时段第n个储能装置充电功率为时的充电成本，表示在t时段第n个储能装置放电功率为时的放电成本，表示储能装置充电状态，表示储能装置放电状态，pil(m)表示第m级可中断负荷补偿电价，ω表示环境效益系数，c^en(p^cpp)表示在传统电厂燃煤机组功率为p^cpp时环境污染成本，c^en(p^gt)表示在虚拟电厂燃机轮机功率为p^gt时环境污染成本，scpp表示传统电厂装机容量，svpp表示虚拟电厂额定功率，c^en表示环境污染成本函数，k^en表示污染物排放量与环境污染成本转化系数，q为燃气轮机组或燃煤机组的污染物排放量。

可选的，所述根据所述传统电厂中燃煤机组发电功率确定传统电厂运行成本，具体包括：

根据如下公式确定传统电厂运行成本：

式中，ccpp表示传统电厂cpp运行成本，ncpp表示传统电厂总个数，表示第i个cpp发电成本函数，表示t时段第i个cpp发电功率，表示t时段第i个cpp开停机状态，表示t时段第i个cpp为停机状态，表示t时段第i个cpp为开机状态，sui,t表示t时段第i个cpp开机成本，sdi,t表示t时段第i个cpp停机成本。

可选的，所述根据所述燃气轮机组发电功率确定燃气轮机组污染排放量，具体包括：

根据如下公式确定燃气轮机组污染排放量：

q^gt(p^gt)＝γ^gtp^gt+β^gtp^gt+α^gtp^gt+ζ^gtp^gt

式中，q^gt(p^gt)表示燃气轮机组在功率为p^gt时燃气轮机组污染排放量，p^gt表示燃气轮机组有功功率，γ^gt表示燃气轮机组排放的二氧化碳气体排放系数，β^gt表示燃气轮机组排放的氧化氮气体排放系数，α^gt表示燃气轮机组排放的二氧化硫气体排放系数，ζ^gt表示燃气轮机组排放的一氧化碳气体排放系数。

可选的，所述根据所述燃煤机组发电功率确定燃煤机组污染排放量，具体包括：

根据如下公式确定燃煤机组污染排放量：

q^cu(p^cu)＝a×(γ^cu+β^cup^cu+α^cu(p^cu)²)+ζ^cu×exp(λ^cup^cu)

式中，q^cu(p^cu)表示燃煤机组在功率为p^cu时燃煤机组污染排放量，p^cu表示燃煤机组有功功率，a表示量化污染物排放严重程度的系数，γ^cu表示燃煤机组排放的二氧化碳气体排放系数，β^cu表示燃煤机组排放的氧化氮气体排放系数，α^cu表示燃煤机组排放的二氧化硫气体排放系数，ζ^cu表示燃煤机组排放的一氧化碳气体排放系数，λ^cu表示燃煤机组排放的烟尘排放系数。

可选的，所述以所述虚拟电厂运行成本、所述传统电厂运行成本、所述燃气轮机组污染排放量和所述燃煤机组污染排放量总和最小为目标进行优化处理，得到虚拟电厂和传统电厂各机组各时段启停计划和各机组各时段发电功率，具体包括：

根据如下公式确定目标函数：

minf(x)＝ccpp+cvpp+qcpp+qvpp

式中，f(x)表示目标函数，表示t时段第j个vpp中燃气轮机的发电功率；

确定约束条件；所述约束条件包括电力系统有功平衡约束、电力系统负荷备用约束、传统电厂有功出力上下限约束、虚拟电厂有功输出不确定约束、cpp最小开停机时间约束、vpp平衡约束、燃气轮机组出力及爬坡约束、储能装置充放电约束以及可中断负荷调用约束；

根据所述目标函数和所述约束条件采用nsga-ii多目标遗传算法确定虚拟电厂和传统电厂各机组各时段启停计划和各机组各时段发电功率。

本发明还提供一种分布式能源虚拟电厂运行优化系统，包括：

虚拟电厂数据获取模块，用于获取各个时段虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率；

虚拟电厂发电功率确定模块，用于根据所述虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率确定虚拟电厂发电功率；

虚拟电厂运行成本确定模块，用于根据所述虚拟电厂发电功率确定虚拟电厂运行成本；所述虚拟电厂运行成本考虑了燃气轮机组发电成本、可中断负荷断电补偿金额、储能运行成本以及风光发电运行维护成本；

传统电厂数据获取模块，用于获取各个时段传统电厂中燃煤机组发电功率；

传统电厂运行成本确定模块，用于根据所述传统电厂中燃煤机组发电功率确定传统电厂运行成本；所述传统电厂运行成本考虑了燃煤机组发电成本以及燃煤机组开机和停机成本；

燃气轮机组污染排放量确定模块，用于根据所述燃气轮机组发电功率确定燃气轮机组污染排放量；

燃煤机组污染排放量确定模块，用于根据所述燃煤机组发电功率确定燃煤机组污染排放量；

运行优化模块，用于以所述虚拟电厂运行成本、所述传统电厂运行成本、所述燃气轮机组污染排放量和所述燃煤机组污染排放量总和最小为目标进行优化处理，得到虚拟电厂和传统电厂各机组各时段启停计划和各机组各时段发电功率。

与现有技术相比，本发明的有益效果是：

本发明提出了一种分布式能源虚拟电厂运行优化方法及系统，虚拟电厂通过协调分布式电源(燃气轮机组和风光发电机组)、可中断负荷和储能装置之间的能量互动，以减小分布式电源功率不确定性对虚拟电厂体系架构的影响。对虚拟电厂环境效益的系统总运行成本和污染物排放水平进行优化，实现了分布式能源虚拟电厂参与电网调度的优化运行，在与传统电厂形成优势互补的同时，有效降低了电力系统污染物排放量和电力系统总运行成本。

附图说明

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中分布式能源虚拟电厂运行优化方法流程图；

图2为本发明实施例中分布式能源虚拟电厂运行优化系统结构图；

图3为本发明实施例中基于需求响应的分布式能源虚拟电厂体系架构示意图；

图4为本发明实施例中nsga-ii多目标遗传算法求解流程框图。

具体实施方式

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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种分布式能源虚拟电厂运行优化方法及系统，能够减小分布式电源不确定性对电力系统的影响，并且能够有效降低系统污染物排放量和系统总运行成本。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例

图1为本发明实施例中分布式能源虚拟电厂运行优化方法流程图，如图1所示，本实施例提供了一种分布式能源虚拟电厂运行优化方法，包括：

步骤101：获取各个时段虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率。

步骤102：根据虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率确定虚拟电厂发电功率。

步骤103：根据虚拟电厂发电功率确定虚拟电厂运行成本；虚拟电厂运行成本考虑了燃气轮机组发电成本、可中断负荷断电补偿金额、储能运行成本以及风光发电运行维护成本。

步骤104：获取各个时段传统电厂中燃煤机组发电功率。

步骤105：根据传统电厂中燃煤机组发电功率确定传统电厂运行成本；传统电厂运行成本考虑了燃煤机组发电成本以及燃煤机组开机和停机成本。

步骤106：根据燃气轮机组发电功率确定燃气轮机组污染排放量。

步骤107：根据燃煤机组发电功率确定燃煤机组污染排放量。

步骤108：以虚拟电厂运行成本、传统电厂运行成本、燃气轮机组污染排放量和燃煤机组污染排放量总和最小为目标进行优化处理，得到虚拟电厂和传统电厂各机组各时段启停计划和各机组各时段发电功率。

图2为本发明实施例中分布式能源虚拟电厂运行优化系统结构图，如图2所示，本实施例提供了一种分布式能源虚拟电厂运行优化系统，包括：

虚拟电厂数据获取模块201，用于获取各个时段虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率。

虚拟电厂发电功率确定模块202，用于根据虚拟电厂中燃气轮机组发电功率、可中断负荷中断电量、储能装置的功率以及风光发电功率确定虚拟电厂发电功率。

虚拟电厂运行成本确定模块203，用于根据虚拟电厂发电功率确定虚拟电厂运行成本；虚拟电厂运行成本考虑了燃气轮机组发电成本、可中断负荷断电补偿金额、储能运行成本以及风光发电运行维护成本。

传统电厂数据获取模块204，用于获取各个时段传统电厂中燃煤机组发电功率。

传统电厂运行成本确定模块205，用于根据传统电厂中燃煤机组发电功率确定传统电厂运行成本；传统电厂运行成本考虑了燃煤机组发电成本以及燃煤机组开机和停机成本。

燃气轮机组污染排放量确定模块206，用于根据燃气轮机组发电功率确定燃气轮机组污染排放量。

燃煤机组污染排放量确定模块207，用于根据燃煤机组发电功率确定燃煤机组污染排放量。

运行优化模块208，用于以虚拟电厂运行成本、传统电厂运行成本、燃气轮机组污染排放量和燃煤机组污染排放量总和最小为目标进行优化处理，得到虚拟电厂和传统电厂各机组各时段启停计划和各机组各时段发电功率。

具体的，

1、基于需求响应的分布式能源虚拟电厂体系架构

相较于微电网，虚拟电厂的概念更为广泛，虚拟电厂中的分布式能源不受限于地理位置，不考虑分布式电源、需求侧资源的所有权，只要用户愿意，在用户终端安装一定的软件控制设备后，就可以参与电力系统的调度运行。本发明以虚拟电厂作为分布式能源的能量管理方式，提出了一种基于需求响应的分布式能源虚拟电厂体系架构，如图3所示，图3为本发明实施例中基于需求响应的分布式能源虚拟电厂体系架构示意图。

图3中箭头2表示能量流，即电功率，箭头1表示货币流，即购电支出或售电收入，虚线表示需求响应服务，箭头3表示用户参与需求响应所获得的收益。该分布式能源虚拟电厂体系架构中包含了分布式电源、储能系统和用户(包含可控负荷和固定负荷)，统称为虚拟电厂参与者。分布式电源向虚拟电厂销售电能，而由于储能系统既能够释放电能也能够存储电能，所以针对储能系统的能量流和货币流箭头都是双向的，表示储能系统既可以向虚拟电厂销售电能也能向它购买电能；需求侧的用户向虚拟电厂购买电能以满足自身的用电需求，用户的负荷可以分为固定负荷和可中断负荷两部分，虚拟电厂根据每个用户参与需求响应的贡献给予他们相应的经济补贴。

虚拟电厂作为这些参与者的聚合商，需要通过向内部的分布式电源、储能系统或是外部的电网公司购电来保证需求侧用户负荷的供电稳定性，同时，虚拟电厂内部的剩余电能也能够出售给主网电力公司，实现“余量上网”。因此，在虚拟电厂内部，这些参与者与虚拟电厂形成了一个体系框架，使得所有的参与者都能够参与电能量交易。该体系架构利用虚拟电厂协调分布式电源、储能和需求响应负荷之间的能量互动优化，减小分布式电源出力不确定性对电力系统的影响，进而提高系统的整体收益。

2、建立虚拟电厂内部各功率组件模型

(1)分级可中断负荷需求响应模型

传统可中断负荷是建立在电力用户与调度运营管理方两者之间的一种固定电价补偿机制，电力用户通过提供负荷中断服务而获得经济补偿，同时电网运营管理者也通过切除指定负荷量来达到电力系统安全运行的目的。但不顾所中断负荷重要程度差异而施行这种固定电价补偿机制是不合理的：从用户角度，中断负荷重要程度较大时对其影响较大，其希望得到更多补偿；从电网运营管理者角度，中断负荷重要程度较小时，其付出的补偿电价偏高，经济性较差。更符合实际的机制应为：用户提供的可中断负荷服务依据重要程度从低到高得到的电价补偿应该逐渐增高。

可中断负荷理想补偿电价曲线为非线性连续函数，将补偿电价按重要程度对中断负荷量进行积分可得准确的补偿金额，如式1所示，但是积分计算会给后续模型求解带来难度，故本发明对可中断负荷进行精细化分级处理，如式2所示，建立更实用的分级可中断负荷(gradedinterruptibleload，gil)需求响应模型，其成本的数学表达式为：

式中，m为可中断负荷等级数目；pil(m)为第m级可中断负荷补偿电价；pil,t(m)为t时段第m级可中断负荷中断电量。

(2)可控分布式电源机组模型

以燃气轮机(gasturbine,gt)为例，其出力完全可控，且启动和爬坡速度快，在vpp内起跟踪净负荷和备用的作用。

可控分布式发电机组发电成本可用二次函数描述：

c^gt(p^gt)＝a^gt(p^gt)²+bp^gt+c^gt(3)

式中，c^gt为可控分布式发电机组发电成本；p^gt为其有功出力；a^gt、b^gt和c^gt为其发电成本函数系数。

燃气轮机的排放物主要为一些气体(如co2、nox、so2、co等)，本发明将温室气体、有害气体及可吸入式颗粒物统归为环境污染物。对于燃气轮机，其污染物排放量可被表述成如下函数：

q^gt(p^gt)＝γ^gtp^gt+β^gtp^gt+α^gtp^gt+ζ^gtp^gt(4)

式中，q^gt为燃气轮机组污染物排放量；γ^gt、β^gt、α^gt和ζ^gt分别为燃气轮机组排放的污染气体co2、nox、so2、co的排放系数。

传统火电厂中的燃煤机组(coalunit,cu)排放物主要为一些气体(如co2、nox、so2、co等)和烟尘等。对于燃煤机组，其污染物排放量可被表述成如下函数：

q^cu(p^cu)＝a×(γ^cu+β^cup^cu+α^cu(p^cu)²)+ζ^cu×exp(λ^cup^cu)(5)

式中，q^cu为燃煤机组污染物排放量；p^cu为其有功出力；a为量化污染物排放严重程度的系数；γ^cu、β^cu、α^cu、ζ^cu和λ^cu分别为燃煤机组产生的排放物co2、nox、so2、co和烟尘的排放系数。

环境成本与污染物排放量正相关，故本发明采用正比例函数关系来描述二者关系。

c^en＝k^enq(6)

式中，c^en为环境污染成本；k^en为污染物排放量与环境污染成本转化系数，q为机组的污染物排放量。

(3)随机分布式电源模型

虚拟电厂内部不确定性主要是来源于风电、光伏等不可控分布式电源的预测误差和随机波动。因此，本发明中虚拟电厂内部随机分布式电源的模型只考虑分布式风力发电和分布式光伏发电。

1)分布式风力发电模型

风速不确定性直接导致了风电输出功率的不确定性，而目前广泛采用的是两参数weibull分布模型来拟合自然来风：

式中，v为风速；f(v)为风速分布的概率密度；k和c分别为形状参数和尺度参数。

风力发电功率p^w与风速间的关系可以用如下关系式表示：

式中，vci、vr、vco分别为切入风速、额定风速和切出风速；a和b为由功率曲线所确定的拟合参数；p^w,n为风力发电额定功率。

2)分布式光伏发电模型

太阳辐射强度常用beta分布来描述：

式中，i为太阳辐射强度；imax为最大太阳辐射强度；α和β为beta分布的两个参数；γ(·)为伽马函数。

由于光伏发电功率p^pv与光照强度i近似成正比关系，因此光伏发电功率也服从beta分布。其概率密度函数：

式中，p^pv,n为光伏发电单元的额定功率。

(4)储能装置模型

式中，为t时段储能装置存储电量；σ为储能装置自身能量损耗率；η^esc和η^esd分别为储能设备充、放电效率；pt^esc和pt^esd分别为t时段储能装置充、放电功率。

储能装置运行成本函数：

c^esc(p^esc)＝a^esc(p^esc)²+b^escp^esc+c^esc(12)

c^esd(p^esd)＝a^esd(p^esd)²+b^esdp^esd+c^esd(13)

式中，c^esc和c^esd分别为储能装置充电和放电成本；a^esc、b^esc和c^esc为储能装置充电成本函数系数；a^esd、b^esd和c^esd为储能装置放电成本函数系数。

3、虚拟电厂环境效益

虚拟电厂功率组件中分布式可再生能源发电、需求响应和储能设备运行过程中均无污染气体排放，唯一的污染物排放来自于燃气轮机等轻排放可调度燃料机组。

把和虚拟电厂等容量的传统火电机组污染物排放成本多出虚拟电厂中燃气轮机机组排放成本的环境效益，按比例全部或者部分奖励给虚拟电厂经营者，从长远的环境保护和电力行业发展角度出发是有利的，可以促进电力行业从单一强调经济性向环境友好型发展。因此，构建虚拟电厂环境效益模型如下：

式中，δc^en为奖励给虚拟电厂的环境效益金额；p^cpp和scpp分别为传统燃煤火电厂的有功功率和装机容量；p^gt和svpp分别为虚拟电厂中分布式燃料机组的有功功率和虚拟电厂额定功率；0≤ω≤1为环境效益系数。

4、构建面向电网调度的分布式能源虚拟电厂多目标优化模型

虚拟电厂作为“虚拟的机组”，同传统发电厂一样可接受系统调度安排，并参与日前机组组合(unitcommitment,uc)计划。且受传统电力系统机组组合概念启发，将虚拟电厂中功率组件的“开关机安排”定义为vpp功率组件的机组组合优化问题。具体包括对所建立的分级可中断负荷的各时段切除与否安排、可控分布式电源机组启停和出力安排及储能功率单元的充放电策略安排。

(1)目标函数

在步骤3提出的虚拟电厂环境效益模型基础上，根据分布式能源虚拟电厂内的风电、光伏资源和需求响应负荷的实际情况，以及各设备相关的投资、运行和维护费用等经济性指标，综合考虑环保性指标，本发明围绕2个指标：计及虚拟电厂环境效益的系统总运行成本和污染物排放水平，构建面向电网调度的虚拟电厂多目标优化模型。

目标函数表达式为：

minfi(x),i＝1,2(15)

1)计及虚拟电厂环境效益的系统总运行成本

虚拟电厂的运行成本主要包括可控分布式电源的燃料成本、储能设备电能耗损成本、风电光伏发电运行维护成本和分级可中断负荷需求响应成本，具体参数可由实际系统运行历史数据拟合得到。vpp部分由具备快速调节能力的燃料机组和储能功率单元组成，其出力灵活性要比传统机组快的多，在小时级时间尺度上爬坡率足够大；同时，vpp内部的风电、光伏等随机分布式发电机组按预测出力安排发电，实际预测偏差由vpp自身或电力市场额外购入备用予以弥补，在此不做深究。且风电、光伏一次能源为可再生能源，应优先消纳、故在本发明中默认其为常开机。

由此，建立考虑cpp和vpp的电力系统机组组合优化模型，计及虚拟电厂环境效益并以cpp和vpp总运行成本最小为目标，定义目标函数的数学表达式为：

minf1(x)＝ccpp+cvpp(16)

式15和16中，ccpp和cvpp分别为传统发电厂和虚拟发电厂运行总成本；ncpp和nvpp分别为cpp和vpp数目；为第i个cpp发电成本函数，为t时段第i个cpp发电功率；sui,t和sdi,t分别为t时段第i个cpp开机和停机成本；和分别为第j个vpp的运行成本函数和其t时段有功输出；和分别为代表cpp和vpp开停机状态的0-1变量。

c^w和c^pv分别为分布式风力发电总运行维护成本和分布式光伏发电总运行维护成本，且均与发电量成线性关系；和均为0-1状态变量，分别代表分布式燃料机组停开状态、分级可中断负荷中断与否状态、储能充电状态和储能放电状态。

2)污染物排放

传统发电厂中主要使用燃煤火电机组进行发电，传统燃煤火电机组的排放物主要为一些气体(如co2、nox、so2、co等)和可吸入式颗粒物。而虚拟电厂中的功率组件种类较多：对于随机分布式电源机组，本发明主要考虑分布式风力发电和分布式光伏发电机组，其利用的一次能源为来自自然界的空气流动和光照辐射，在运行过程中无污染物排放，环保性较好；对于储能装置，其运行时无污染物排放；需求响应负荷也无污染物排放；对于可控分布式电源，本发明所构建的面向电网调度的虚拟电厂中的主要采用可控的燃气轮机进行发电，其以天然气为燃料，排放物主要为一些气体，如co2、nox、so2、co等。因此，以系统污染物排放量最小为目标，定义目标函数的数学表达式为：

minf2(x)＝qcpp+qvpp(21)

式中，qcpp和qvpp分别为传统发电厂和虚拟发电厂的污染物排放总量；为t时段第j个vpp中燃气轮机的发电功率，

(1)约束条件

1)考虑电力系统有功平衡、系统备用以及传统电厂和虚拟电厂自身运行技术条件为约束：

a)电力系统有功平衡约束：

式中，pt^d为电力系统t时段负荷量。

b)系统备用要求约束：

式中，pt^r为电力系统t时段负荷备用，本发明取总负荷pt^d的10％。

c)传统发电厂有功出力上下限约束：

d)虚拟电厂因随机分布式电源而产生的有功输出不确定由双侧区间约束：

式中，为下区间，其中，为风险运行的确定性下限，为零运行风险的确定性下限；为上区间，为风险运行的确定性上限，为零运行风险的确定性上限；

vpp以概率度对运行的经济性和风险性进行协调，由vpp能量管理系统计算后向系统提供出力上下限值：

式中，代表vpp开停机状态的0-1变量；和分别为vpp能量管理系统计算后向系统提供的出力下限和上限。

cpp爬坡上下限约束：

式中，pi^rd和pi^ru分别为第i个cpp爬坡率下限和上限。

e)cpp最小开停机时间约束：

式中，和分别为第i个cpp到调度时段t-1位置的开机和停机持续时间；muti和mdti则分别为第i个cpp的最小启停时间。

需要强调的是，本发明构建的vpp模型中的功率单元属于多能源有协调能力的灵活机动型机组，其无启停时间约束。

2)考虑虚拟电厂与系统间的功率交换以及vpp内部组件运行要求为约束：

f)vpp平衡约束：

式中，为vpp内部预测总负荷；为vpp与系统间预测交换功率。

g)分布式燃气轮机机组出力及爬坡约束：

式中，和分别为分布式燃气轮机机组出力上下限；和分别为分布式燃气轮机机组向上和向下爬坡率。

h)储能单元充放电约束：

式中，s^es0为储能单元初始储能；和分别为储能功率单元容量的下限和上限；和分别为其最大充电功率和最大放电功率；式(3-38)约束储能单元在一个运行周期内起始状态和结束状态容量相等。

i)可中断负荷调用约束：

对包含分级可中断负荷在内的虚拟电厂内部功率组件出力优化，仍需对其中断量、中断次数加以约束，避免对用户的生活生产产生较大影响。同时分级可中断负荷中断顺序严格按照中断等级从低到高进行。

中断量约束：

式中，代表分级可中断负荷中断与否状态的0-1变量；pil,min和pil,max分别为t时段第m级可中断负荷中断电量的下限和上限。

中断次数约束：

式中，代表分级可中断负荷中断的中断次数上限

5、采用基于nsga-ii的多目标遗传算法对模型进行求解

运用多目标进化算法时，各目标之间不存在优劣之分，避免了将多目标问题转化为单目标问题时如何选取不同目标权重的麻烦。因此，本发明用基于nsga-ii的多目标遗传算法求解步骤4中所构建的多目标优化模型，求解流程框图如图4所示，具体实现方法如下：

1)系统初始化。读取系统中燃料机组、燃气轮机、风机、光伏、储能功率单元等设备和遗传算法的参数。

2)初始化种群p，通过随机函数产生第一代种群的优化变量，通过准稳态仿真，计算初始种群个体适应度函数值、pareto顺序以及聚集距离。

3)从父代种群p中通过选择、交叉和变异操作得到子代种群。选择算子选取pareto排序高的个体，pareto顺序相同则选择聚集距离大的个体。

4)对子代种群调用准稳态仿真策略，计算在每个时间步长内各设备出力和运行时间、系统未满足负荷量和浪费功率等指标。

5)分别计算各个体的目标函数和约束值，并作为个体适应度函数的评价指标，即

式中，f1,max(x)为所有个体的第1个目标函数值中的最大值；f2,max(x)为所有个体的第2个目标函数值中的最大值；δ为不满足约束条件个体的相关约束的绝对值之和。

6)根据得到的适应度函数值，计算各个体的支配关系，对个体进行pareto排序并计算聚集距离。

7)根据排序结果，从父代种群和子代种群中选择最优的n个个体产生新的父代种群p。

8)判断终止条件，若满足，则对最后一代种群调用准稳态仿真策略，输出最终优化的机组组合结果，即传统发电厂和虚拟电厂中各机组各时段启停计划、机组各时段最优出力，以及内含的各时段的直流潮流等，否则返回步骤3)。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。