考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法

1.本发明涉及园区虚拟电厂目前优化调度技术领域，具体涉及一种考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法。


背景技术：

2.当前，聚合大量可再生能源的虚拟电厂(virtual power plant，vpp)成为配网侧节能减排的重要载体，并可以通过配置诸如碳捕集系统、p2g等节能减排装置进一步降低c02的排放量。然而，目前有关促进vpp节能减排的市场交易机制不够完善，相关的补贴政策往往过于单一，无法充分发挥出vpp聚合资源的灵活性，导致vpp绿色化、低碳化发展水平较低。因此，亟需开展综合考虑电力市场交易、绿色证书交易以及碳排放权交易的vpp运行优化模型研究。
3.目前，国内外学者针对vpp在不同市场交易机制下的优化调度模型开展了一系列的研究，并得出了不同交易机制下vpp的最优调度策略。然而，研究中所涉及的碳交易机制大多为基于基准线法的碳排放权交易方法，碳价为单一固定的数值，无法体现对vpp节能减排的激励作用。此外，研究中碳捕集电厂的能耗来源大多为燃气轮机或火电机组，而vpp中的风光等可再生能源则全部用来上网，无法体现vpp在电-碳市场的选择性和交互性，且受限于联络线传输功率，其可再生能源的消纳水平也普遍不高。
4.在此背景下，可再生能源配额制以及绿色证书交易机制为提高其消纳率提供了新的途径。考虑到碳交易与绿色证书交易的互补特性，在减少碳排放量同时，尽可能的提高清洁能源的消纳比例。绿色证书交易与风光等可再生能源的出力密切相关，然而目前的研究并未考虑由风光出力的不确定性导致的绿色证书交易风险，且未涉及电-碳-绿色证书三者联合交易，因此需要进一步在风光不确定性下对vpp参与多市场的交易风险进行研究。


技术实现要素：

5.为了解决上述技术问题，本发明提出了一种考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法，该方法首先建立了电-碳-绿色证书联合交易的市场框架。在此基础上，搭建了vpp内部风-光-碳捕集系统协调调度框架，并进一步建立了联合交易机制下vpp日前调度模型；与此同时，为了准确衡量vpp在不同市场所面临的交易风险，引入信息间隙决策理论对vpp内部风电、光伏等可再生能源出力的不确定性进行处理，并得出了鲁棒模型和机会模型约束下vpp的最优调度方案以及市场交易策略，能够为不同投资者提供决策参考。
6.本发明采取的技术方案为：
7.考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法，包括以下步骤：
8.步骤1：构建电-碳-绿色证书联合交易框架；
9.步骤2：构建联合交易框架下vpp日前优化调度模型；
10.步骤3：设置步骤2中优化调度模型的约束条件；
11.步骤4：对电-碳-绿证联合交易下vpp调度方案和市场交易策略进行风险度量；
12.步骤5：在matlab环境下，以vpp调度总成本最小为目标函数，通过yalmip工具箱调用cplex求解器进行求解；
13.步骤6：首先，对vpp分别在电-碳市场、电-绿证市场、碳-绿证市场的市场交易策略和调度方案进行分析；其次，由于vpp聚合风-光-火碳捕集系统，通过设置四种不同场景，对其在可再生能源消纳效果和二氧化碳排放的削减效果进行对比分析；最后，对于风光的不确定性，采用信息间隙决策理论对不确定参数进行处理，得出了风险规避模型和风险偏好模型约束下vpp的最优调度方案以及市场交易策略。
14.所述步骤1中，
15.考虑vpp能够同时参与电-碳-绿色证书市场交易，构建了电-碳-绿色证书联合交易框架。vpp参与多个市场的交易流程为：首先，vpp向政府监管部门提出申请，监管部门审核后为vpp制定可再生能源消纳配额与碳排放配额；其次，vpp根据相关配额，在满足要求前提下在cet平台和gct平台进行交易；最后，不同市场交易量确定后，按照相关结算规则进行结算，获取收益；
16.电-碳-绿色证书市场之间的耦合关系主要有以下两个方面：
17.首先，由于vpp内部聚合风-光-火碳捕集系统，当电力市场价格较高时，则风-光-火大部分电能用于上网以从电力市场中获取较高收益，此时用于处理co2排放的能耗较低，因此vpp需要从碳排放市场购买较多的碳排放配额，即电-碳市场存在一定的耦合关系；其次，可再生能源的消纳比重与vpp内部的等效负荷相关，等效负荷的变化会影响相应购售电量的变化，因此，绿色证书市场交易量也与电力市场密切相关；
18.综上所述，在电-碳-绿色证书联合交易框架下，vpp将根据其在不同市场获取的潜在效益，合理制定内部聚合单元的运行计划，从而获取更高的经济效益。
19.所述步骤2中，
20.vpp整体参与市场包括：碳交易市场、电力市场、绿色证书交易市场；
21.vpp内部聚合资源包括以下部分：
22.电源测包括：风电、光伏、传统火电基础上改装而成的碳捕集电厂；
23.负荷侧包括：基础负荷、可转移负荷、可中断负荷、中央空调负荷；
24.储能设备包括：蓄电池；
25.在电-碳-绿色证书联合交易框架下，以vpp运行成本最小为目标函数，构建联合交易机制下vpp日前优化调度模型，如式(1)所示，具体包含以下六个部分，分别为碳捕集电厂燃料成本、储能电池损耗成本、可控负荷成本、碳排放权交易成本、绿色证书交易成本和弃风、弃光惩罚成本：
[0026][0027]
式(1)中，f为vpp总成本，为t时刻vpp的碳捕集电厂燃料成本、为储能电池损耗成本、为可控负荷成本、为碳排放权交易成本、为绿色证书交易成本、为弃风、弃光惩罚费用。t表示调度周期，取24小时；t表示时间。
[0028]
(i)碳捕集电厂燃料成本
[0029]
为简化计算，碳捕集电厂成本不考虑阀点效应，故总燃料费用计算式为：
[0030][0031]
式(2)中，为t时刻vpp的碳捕集电厂燃料成本，a、b、c分别为火电机组的燃料成本系数，p
tg
为火电机组t时刻的总出力。
[0032]
(ii)储能系统的电池损耗费用计算如下：
[0033][0034]
式(3)中，为储能电池损耗成本，c
ess
为电池损耗成本系数，p
tesc
、p
tesd
分别表示储能的充、放电功率。
[0035]
(iii)可控负荷的调控费用
[0036]
可控负荷的调控费用主要包括可转移负荷费用可中断负荷的补偿费用以及空调负荷调控引起的用户不舒适度补偿
[0037][0038][0039][0040][0041]
式(4)-式(7)中，可控负荷成本，分别为t时刻中断负荷、转移负荷以及空调负荷的调控费用；cm、cs、c
res
分别为中断负荷、转移负荷及空调负荷的成本系数；表示第m级中断负荷的响应量；p
tsfl
、p
tsfq
分别表示转移至别的时段的负荷和从别的时段转移过来的负荷，t
tin
表示室内温度，t
tref
表示参考室温。
[0042]
(iv)碳交易成本
[0043][0044]
式(8)中，为阶梯式碳交易成本；λ为碳交易基础价格，为vpp实际的碳排放量，l为碳排放区间长度，α为价格增长率。
[0045]
(v)绿色证书交易成本
[0046][0047]
式(9)中，为绿色证书交易成本，p
tgc
为绿色证书交易价格，为vpp在t时刻购
买或出售的绿色证书量，若为正值表示vpp此刻购买绿色证书，若为负值表示此刻出售绿色证书。
[0048]
(vi)弃风、弃光惩罚成本
[0049][0050]
式(10)中，为弃风、弃光惩罚成本，c
pv
、c
pw
分别为弃光、弃风惩罚费用，p
tppv
、p
tppw
分别为光伏、风电出力的预测值，p
tpv
、p
tpw
为实际消纳的光伏、风电功率。
[0051]
所述步骤3中，vpp日前优化调度模型的约束条件主要为聚合单元的运行约束、功率平衡约束以及市场交易约束等，具体包括以下部分：
[0052]
(a)风-光-火碳捕集系统运行约束：
[0053]
p
tgn
＝p
tg-p
tgc
(11)；
[0054]
p
tgc
＝p
tb
+p
top
(12)；
[0055]
式(11)、式(12)中，p
tgn
为碳捕集电厂的实际出力；p
tg
为火电总出力；p
tgc
为碳捕集的总能耗，包括固定能耗p
tb
及运行能耗p
top
；
[0056]
将风光机组与碳捕集机组联合运行，风光的部分功率可以作为碳捕集系统的运行能耗使用，具体如下：
[0057][0058][0059]
式(13)、式(14)中，p
top
为运行能耗；p
twc
、p
tvc
分别为风电、光伏用于碳捕集能耗的功率；wc为处理单位co2需要的功耗；为再生塔处理的co2量；为实际火电碳排放量；eg为单位火电机组出力产生的co2量；p
tg
为火电总出力。
[0060]
风光机组除了供给碳捕集系统，余电依然可以由vpp向外部电网出售，表达式如下：
[0061]
p
tpv
＝p
tvc
+p
tvw
(15)；
[0062]
p
tpw
＝p
twc
+p
tww
(16)；
[0063]
式(15)、式(16)中，p
tpv
、p
tpw
为实际消纳的光伏、风电功率；p
tvw
、p
tww
分别为光伏以及风电的上网功率；p
twc
、p
tvc
分别为风电、光伏用于碳捕集能耗的功率。
[0064]
风、光、火电机组需满足最大出力约束：
[0065]
0≤p
tpw
≤p
tppw
(17)；
[0066]
0≤p
tpv
≤p
tppv
(18)；
[0067]
p
gmin
≤p
tg
≤p
gmax
(19)；
[0068]
式(17)、式(18)、式(19)中，p
gmin
、p
gmax
分别为火电机组出力的技术最小值和最大值；p
tg
为火电总出力；p
tpv
、p
tpw
为实际消纳的光伏、风电功率；p
tppv
、p
tppw
分别为光伏、风电出力的预测值。此外，火电机组还须满足爬坡率约束：
[0069][0070]
式(20)中，p
tg
为t时刻火电出力，为t-1时刻火电出力，p
ramp
为火电机组的爬坡功率。
[0071]
(b)储能装置运行约束：
[0072][0073]
式(21)中，分别为t时刻、t-1储能蓄电量值；ηc、ηd为储能系统的充放电效率；p
tesc
、p
tesd
分别表示储能的充、放电功率。
[0074]
(c)可控负荷运行约束：
[0075][0076][0077][0078]
式(22)、式(23)、式(24)中，为第m级削减负荷的最大削减量，为第m级可削减负荷，p
til
为t时刻的总削减负荷，为t-1时刻总削减负荷；m表示削减负荷的级别。p
cmax
为最大连续削减负荷量；式(24)表示避免连续负荷削减导致用户舒适度下降。
[0079][0080][0081][0082][0083]
式(25)、式(26)、式(27)、式(28)中，p
tsfl
、p
tsfq
分别表示转移至别的时段的负荷和从别的时段转移过来的负荷；p
tfmax
为t时段最大转移负荷；分别表示t时刻是否有负荷转移到别处或从别处转移过来，为布尔变量。
[0084]
式(27)表示负荷的转移在某个确定的时段式单向进行的，式(28)表明负荷转移前后总负荷功率应保持不变。
[0085][0086]
t
inmin
≤t
tin
≤t
inmax
(30)
[0087]
式(29)、式(30)中，γ、α
t
、β为与建筑物蓄热特性相关的参数；σ为空调的制冷能效比；p
tcold
为中央空调的制冷功率；t
tin
为t时刻温度，为t-1时刻温度；t
inmin
、t
inmax
分别为满足用户舒适度的温度区间上、下限。
[0088]
(d)系统功率平衡约束：
[0089]
p
tcold
+p
tloads
+p
tesc
+p
tmgs
＝p
tvw
+p
tww
+p
tgn
+p
tmgb
+p
tesd
(31)
[0090]
p
tloads
＝p
tload-p
tsfl
+p
tsfq-p
til
(32)
[0091]
式(31)、式(32)中，p
tcold
为中央空调的制冷功率；p
tesc
、p
tesd
分别表示储能的充、放电功率；p
tloads
为t时刻的等效负荷；p
tload
为t时刻的基础负荷；p
tvw
、p
tww
分别为光伏以及风电
的上网功率；p
tmgs
、p
tmgb
分别为t时刻vpp向外部电网出售以及购入的电量；p
tgn
为碳捕集电厂的实际出力；p
tsfl
、p
tsfq
分别表示转移至别的时段的负荷和从别的时段转移过来的负荷；p
til
为t时刻的总削减负荷。
[0092]
(e)联络线传输功率约束：
[0093]
0≤p
tmgs
≤p
mgmax
(33)
[0094]
0≤p
tmgb
≤p
mgmax
(34)
[0095]
式(33)、式(34)中，p
tmgmax
表示联络线最大传输功率，p
tmgs
为售电量，p
tmgb
为购电量。
[0096]
(f)碳排放市场运行约束：
[0097]
采用基准线法确定vpp的碳排放配额：
[0098]etd
＝ηbp
tmgb
+ηgp
tg
(35)
[0099]
式(35)中，为vpp核发的碳配额总量，ηb、ηg为从市场购电及火电机组的配额系数，p
tmgb
为购电量，p
tg
为火电总出力。
[0100]
vpp的实际碳排放量计算如下：
[0101]etp
＝a
p
(p
tmgb
)2+b
p
p
tmgb
+c
p
+e
tn
(36)
[0102]
式(36)中，为vpp的实际碳排放量，a
p
、b
p
、c
p
为实际排放系数，p
tmgb
为购电量，为碳捕集电厂净排放。
[0103]
碳排放市场交易需求计算如下：
[0104][0105]
式(37)中，为vpp碳排放市场交易量，为vpp的实际碳排放量，为vpp核发的碳配额总量。
[0106]
(g)vpp消纳权责及绿证交易约束：
[0107]
vpp内可再生能源的消纳量与绿色证书交易量总和应不小于消纳权责规定的电力消纳总量：
[0108][0109]
t
ttotal
＝p
tloads
+p
tcold
+p
tesc-p
tesd
(39)
[0110][0111]
式(38)、式(39)、式(40)中，表示可再生能源消纳总量；w为消纳权重；为总电量；为vpp在t时刻购买或出售的绿色证书量；p
tloads
为t时刻的等效负荷；p
tcold
为中央空调的制冷功率；p
tesc
、p
tesd
分别表示储能的充、放电功率；p
tpv
、p
tpw
分别为实际消纳的光伏、风电功率。
[0112]
所述步骤4中，由于风光出力具有较强的随机性与间歇性，因此vpp在日前制定的各类型市场申报策略和调度方案可能会与实际日内申报结果产生偏差，从而遭受高额的不平衡惩罚。采用信息间隙决策理论(informationgapdecisiontheory，igdt)处理不确定性参数；
[0113]
按照预设目标的好坏，不确定性参数对目标函数的影响分为积极和消极两个方面，相应的igdt模型又可分为风险偏好型(机会)以及风险规避型(鲁棒)两种，其反应了不
同投资者在面对风险时的价值取向。一种认为不确定性参数将会有利于目标函数实现，另一种则认为不确定性参数将会对目标函数产生负面影响，二者对应的数学模型分别如下：
[0114][0115][0116]
式(41)、式(42)中，b0为预设目标值，通常由确定性的模型求解得出；bc、ba为不同风险偏向模型下的期望目标函数；βc、βa为偏差因子，表示预期成本与预设目标的偏差程度；h(x，d)＝0、g(x，d)≥0分别为优化模型的等式与不等式约束；α为不确定性参数的波动程度；为不确定性参数的预测值；x为不确定参数实际值；d为决策变量，为不确定参数波动范围函数，s.t.表示约束条件。
[0117]
式(41)对应igdt鲁棒模型，为保守者的决策模型，在最大化不确定性扰动下以期实现最低的预设目标；
[0118]
式(42)对应igdt机会模型，为激进者决策模型，在最小化不确定性扰动下以期实现最高的预设目标。
[0119]
本发明一种考虑电-碳-绿证联合交易的虚拟电厂日前优化调度方法，技术效果如下：
[0120]
1)本发明能够让虚拟电厂在电-碳-绿色证书联合交易框架下，根据其在不同市场获取的潜在收益，合理制定内部聚合单元的运行计划，从而获取更高的经济效益；
[0121]
2)风-光-火联合碳捕集电厂为vpp的调度策略提供了更高的灵活性和可靠性。通过碳捕集系统可以优先将无法消纳的可再生能源消纳，其余不足的能耗再由边际成本较高的火电机组供给，因此整体运行策略更加具有经济性；
[0122]
3)针对风光出力具有较强的随机性与间歇性，导致vpp在目前制定的各类型市场申报策略可能会与实际日内申报结果产生偏差，从而遭受高额的不平衡惩罚。本发明引入信息间隙决策理论对不确定性参数进行处理，根据决策者偏好，得出了鲁棒模型和机会模型约束下vpp的最优调度方案及市场交易策略。
附图说明
[0123]
图1是电-碳-绿色证书联合交易框架图。
[0124]
图2为本发明所建立电-碳-绿色证书联合交易下vpp日前调度模型。
[0125]
图3为风电、光伏、负荷日前预测曲线图。
[0126]
图4为分时电价下碳市场交易图。
[0127]
图5为碳捕集电厂c02处理于实际排放图。
[0128]
图6为碳捕集电厂电源供给图。
[0129]
图7为gct交易量及等效负荷图。
[0130]
图8为联合交易下vpp调度成本三维曲面图。
[0131]
图9为扰动水平随调度成本变化曲线图。
[0132]
图10为不同模型下vpp市场交易策略对比图。
具体实施方式
[0133]
如图1所示，为电-碳-绿色证书联合交易框架图，电-碳-绿色证书市场之间的耦合关系主要有以下几个方面。首先，电-碳市场存在一定的耦合关系，由于vpp内部聚合风-光-火碳捕集系统，在电价峰时段，vpp会选择减少碳捕集系统能耗，在满足负荷需求情况下，更多的参与电市场以获利；在电价谷时段，此时不能在电市场获得更高收益，则会选择通过风、光、火更多为捕集供给能耗，减少二氧化碳的排放，参与碳市场以获得更高利润，风、光为碳捕集提供能耗的同时也意味着会优先对可能无法消纳的可再生能源进行了消纳，进而减少了弃风、弃光量；其次，可再生能源的消纳比重与vpp内部的等效负荷相关，等效负荷的变化会影响相应购售电量的变化，因此，绿色证书市场交易量也与电力市场密切相关；此外，碳市场也与绿证市场有着紧密的联系，随着火电出力的增加，二氧化碳排放量也会不断增加，在考虑碳价随碳排放量递增的阶梯型碳交易市场下，碳排放成本会越来越高，因此通过风-光-火碳捕集电厂协调运行，可以在促进可再生能源消纳进而达到可再生能源消纳权责的同时，减少火电机组的出力，进而减少碳排放成本。在电-碳-绿色证书联合交易框架基础上，搭建了vpp内部风-光-碳捕集系统协调调度框架，并进一步建立了联合交易机制下vpp日前调度模型。
[0134]
由于风光出力具有较强的随机性与间歇性，因此vpp在日前制定的各类型市场的申报策略和调度方案可能会与实际日内申报结果产生偏差，从而遭受高额的不平衡惩罚。为了应对风光出力不确定性带来的潜藏风险，采用信息间隙决策理论(information gap decision theory，igdt)处理不确定性参数，并得出了风险规避模型和风险偏好模型约束下vpp的最优调度策略及市场交易策略，最后通过算例验证了所构模型和所用算法的有效性。具体包括以下步骤：
[0135]
步骤1、构建电-碳-绿色证书联合交易框架：
[0136]
鉴于不同市场之间良好的互动能力和互补潜力，考虑vpp可同时参与电-碳-绿色证书市场交易，构建了电-碳-绿色证书联合交易框架。vpp参与多个市场的交易流程为：首先，vpp向政府监管部门提出申请，监管部门审核后为vpp制定可再生能源消纳配额与碳排放配额；其次，vpp根据相关配额，在满足要求前提下在cet平台和gct平台进行交易；最后，不同市场交易量确定后，按照相关结算规则进行结算，获取收益。
[0137]
此外，电-碳-绿色证书市场之间的耦合关系主要有以下两个方面：首先，由于vpp内部聚合风-光-火碳捕集系统，当电力市场价格较高时，则风-光-火大部分电能用于上网以从电力市场中获取较高收益，此时用于处理co2排放的能耗较低，因此vpp需要从碳排放市场购买较多的碳排放配额，即电-碳市场存在一定的耦合关系；其次，可再生能源的消纳比重与vpp内部的等效负荷相关，等效负荷的变化会影响相应购售电量的变化，因此，绿色证书市场交易量也与电力市场密切相关。综上所述，在电-碳-绿色证书联合交易框架下，vpp将根据其在不同市场获取的潜在效益，合理制定内部聚合单元的运行计划，从而获取更高的经济效益。
[0138]
步骤2、构建联合交易框架下vpp日前优化调度模型：
[0139]
vpp整体参与的市场交易包括：碳交易市场、电力市场、绿色证书交易市场；
[0140]
vpp内部聚合资源包括以下部分：
[0141]
电源测包括：风电、光伏、传统火电基础上改装而成的碳捕集电厂；
[0142]
负荷侧包括：基础负荷、可转移负荷、可中断负荷、中央空调负荷；
[0143]
储能设备包括：蓄电池；
[0144]
在电-碳-绿色证书联合交易机制下，以vpp运行成本最小为目标函数，如式(1)所示，具体包含以下六个部分，分别为碳捕集电厂燃料成本、储能电池损耗成本、可控负荷成本、碳排放权交易成本、绿色证书交易成本和弃风、弃光惩罚成本。
[0145][0146]
式(1)中，f为vpp总成本；
[0147]
为t时刻vpp的碳捕集电厂燃料成本；
[0148]
为储能电池损耗成本；
[0149]
为可控负荷成本；
[0150]
为碳排放权交易成本；
[0151]
为绿色证书交易成本；
[0152]
为弃风、弃光惩罚费用。
[0153]
(i)碳捕集电厂燃料成本
[0154]
为简化计算，碳捕集电厂成本不考虑阀点效应，故总燃料费用计算式为：
[0155][0156]
式(2)中，为t时刻vpp的碳捕集电厂燃料成本；
[0157]
a、b、c分别为火电机组的燃料成本系数；
[0158]
p
tg
为火电机组t时刻的总出力。
[0159]
(ii)储能系统的电池损耗费用计算如下：
[0160]
[0161]
式(3)中，为储能电池损耗成本；
[0162]cess
为电池损耗成本系数；
[0163]
p
tesc
、p
tesd
分别表示储能的充、放电功率。
[0164]
(iii)可控负荷的调控费用
[0165]
可控负荷的调控费用主要包括可转移负荷费用可中断负荷的补偿费用以及空调负荷调控引起的用户不舒适度补偿
[0166][0167][0168][0169][0170]
式(4)-式(7)中，可控负荷成本；
[0171]
分别为t时刻中断负荷、转移负荷以及空调负荷的调控费用；
[0172]cm
、cs、c
res
分别为中断负荷、转移负荷以及空调负荷的成本系数；
[0173]
表示第m级中断负荷的响应量；
[0174]
p
tsfl
、p
tsfq
分别表示转移至别的时段的负荷和从别的时段转移过来的负荷；
[0175]
t
tin
表示室内温度；
[0176]
t
tref
表示参考室温。
[0177]
(iv)碳交易成本
[0178][0179]
式(8)中，为阶梯式碳交易成本；
[0180]
λ为碳交易基础价格；
[0181]etvpp
为vpp实际的碳排放量；
[0182]
l为碳排放区间长度；
[0183]
α为价格增长率。
[0184]
(v)绿色证书交易成本
[0185]
[0186]
式(9)中，为绿色证书交易成本；
[0187]
p
tgc
为绿色证书交易价格；
[0188]
为vpp在t时刻购买或出售的绿色证书量
[0189]
(vi)弃风、弃光惩罚成本
[0190][0191]
式(10)中，为弃风、弃光惩罚成本；
[0192]cpv
、c
pw
分别为弃光、弃风惩罚费用；
[0193]
p
tppv
、p
tppw
分别为光伏、风电出力的预测值；
[0194]
p
tpv
、p
tpw
为实际消纳的光伏、风电功率。
[0195]
步骤3、构建优化调度模型的约束条件：
[0196]
vpp日前调度模型的约束条件主要为聚合单元的运行约束、功率平衡约束以及市场交易约束等，具体包括以下部分：
[0197]
(a)风-光-火碳捕集系统运行约束：
[0198]
p
tgn
＝p
tg-p
tgc
(11)
[0199]
p
tgc
＝p
tb
+p
top
(12)
[0200]
式(11)-式(12)中，p
tgn
为碳捕集电厂的实际出力；
[0201]
p
tg
为火电总出力；
[0202]
p
tgc
为碳捕集的总能耗；
[0203]
固定能耗p
tb
；
[0204]
运行能耗p
top
。
[0205]
将风光机组与碳捕集机组联合运行，风光的部分功率可以作为碳捕集系统的运行能耗使用，具体如下：
[0206][0207][0208]
式(13)-式(14)中，p
top
为运行能耗，
[0209]
p
twc
、p
tvc
分别为风电、光伏用于碳捕集能耗的功率；
[0210]
wc为处理单位co2需要的功耗；
[0211]
为再生塔处理的co2量；
[0212]
为实际火电碳排放量；
[0213]eg
为单位火电机组出力产生的co2量；
[0214]
p
tg
为火电总出力。
[0215]
风光机组除了供给碳捕集系统，余电依然可以由vpp向外部电网出售，表达式如下：
[0216]
p
tpv
＝p
tvc
+p
tvw
(15)
[0217]
p
tpw
＝p
twc
+p
tww
(16)
[0218]
式(15)-式(16)中，p
tpv
、p
tpw
为实际消纳的光伏、风电功率；
[0219]
p
tvw
、p
tww
分别为光伏以及风电的上网功率；
[0220]
p
twc
、p
tvc
分别为风电、光伏用于碳捕集能耗的功率。
[0221]
风、光、火电机组需满足最大出力约束：
[0222]
0≤p
tpw
≤p
tppw
(17)
[0223]
0≤p
tpv
≤p
tppv
(18)
[0224]
p
gmin
≤p
tg
≤p
gmax
(19)
[0225]
式(17)-式(19)中，p
gmin
、p
gmax
分别为火电机组出力的技术最小值和最大值；
[0226]
p
tg
为火电总出力；
[0227]
p
tpv
、p
tpw
为实际消纳的光伏、风电功率；
[0228]
p
tppv
、p
tppw
分别为光伏、风电出力的预测值。
[0229]
此外，火电机组还须满足爬坡率约束：
[0230][0231]
式(20)中，p
tg
为t时刻火电总出力；
[0232]
为(t-1)时刻；
[0233]
p
ramp
为火电机组的爬坡功率。
[0234]
(b)储能装置运行约束：
[0235][0236]
式(21)中，分别为t时刻、t-1储能蓄电量值，
[0237]
ηc、ηd为储能系统的充放电效率，
[0238]
p
tesc
、p
tesd
分别表示储能的充、放电功率。
[0239]
(c)可控负荷运行约束：
[0240][0241][0242][0243]
式(22)-式(24)中，为第m级削减负荷的最大削减量；
[0244]
为第m级可削减负荷；
[0245]
p
til
为t时刻的总削减负荷；
[0246]
为(t-1)时刻总削减负荷；
[0247]
p
cmax
为最大连续削减负荷量。
[0248][0249][0250]
[0251][0252]
式(25)-式(28)中，p
tsfl
、p
tsfq
分别表示转移至别的时段的负荷和从别的时段转移过来的负荷；
[0253]
p
tfmax
为t时段最大转移负荷；
[0254]
分别表示t时刻是否有负荷转移到别处或从别处转移过来。
[0255][0256]
t
inmin
≤t
tin
≤t
inmax
(30)
[0257]
式(29)-式(30)中，γ、α
t
、β为与建筑物蓄热特性相关的参数；
[0258]
σ为空调的制冷能效比；
[0259]
p
tcold
为中央空调的制冷功率；
[0260]
t
tin
为t时刻温度；
[0261]
t
inmin
、t
inmax
为满足用户舒适度的温度区间上下限。
[0262]
(d)系统功率平衡约束：
[0263]
p
tcold
+p
tloads
+p
tesc
+p
tmgs
＝p
tvw
+p
tww
+p
tgn
+p
tmgb
+p
tesd
(31)
[0264]
p
tloads
＝p
tload-p
tsfl
+p
tsfq-p
til
(32)
[0265]
式(31)-式(32)中，p
tcold
为中央空调的制冷功率；
[0266]
p
tesc
、p
tesd
分别表示储能的充、放电功率；
[0267]
p
tloads
为t时刻的等效负荷；
[0268]
p
tload
为t时刻的基础负荷；
[0269]
p
tvw
、p
tww
分别为光伏以及风电的上网功率；
[0270]
p
tmgs
、p
tmgb
分别为t时刻vpp向外部电网出售以及购入的电量；
[0271]
p
tgn
为碳捕集电厂的实际出力；
[0272]
p
til
为t时刻的总削减负荷；
[0273]
p
tload
为基础负荷；
[0274]
p
tsfl
、p
tsfq
分别表示转移到别处的负荷和从别处转移来的负荷。
[0275]
(e)联络线传输功率约束：
[0276]
0≤p
tmgs
≤p
mgmax
(33)
[0277]
0≤p
tmgb
≤p
mgmax
(34)
[0278]
式(33)-式(34)中，p
tmgmax
表示联络线最大传输功率；
[0279]
p
tmgs
为售电量；
[0280]
p
tmgb
为购电量。
[0281]
(f)碳排放市场运行约束：
[0282]
采用基准线法确定vpp的碳排放配额：
[0283][0284]
式(35)中，为vpp核发的碳配额总量；
[0285]
ηb、ηg为从市场购电及火电机组的配额系数；
[0286]
p
tmgb
为购电量；
[0287]
p
tg
为火电总出力。
[0288]
vpp的实际碳排放量计算如下：
[0289][0290]
式中，为vpp的实际碳排放量；
[0291]ap
、b
p
、c
p
为实际排放系数；
[0292]
p
tmgb
为购电量；
[0293]
为碳捕集电厂净排放；
[0294]
碳排放市场交易需求计算如下：
[0295][0296]
式(37)中，为vpp碳排放市场交易量；
[0297]
为vpp的实际碳排放量；
[0298]
为vpp核发的碳配额总量。
[0299]
(g)vpp消纳权责及绿证交易约束：
[0300]
vpp内可再生能源的消纳量与绿色证书交易量总和应不小于消纳权责规定的电力消纳总量：
[0301][0302]ettotal
＝p
tloads
+p
tcold
+p
tesc-p
tesd
(39)
[0303][0304]
式(38)-式(40)中，表示可再生能源消纳总量；
[0305]
w为消纳权重；
[0306]
为总电量；
[0307]
为vpp在t时刻购买或出售的绿色证书量；
[0308]
p
tloads
为t时刻的等效负荷；
[0309]
p
tcold
为中央空调的制冷功率；
[0310]
p
tesc
、p
tesd
分别表示储能的充、放电功率；
[0311]
p
tpv
、p
tpw
为实际消纳的光伏、风电功率。
[0312]
步骤4、对电-碳-绿证联合交易下vpp调度方案和市场交易策略的风险度量：
[0313]
由于风光出力具有较强的随机性与间歇性，因此vpp在日前制定的各类型市场申报策略和调度方案可能会与实际日内申报结果产生偏差，从而遭受高额的不平衡惩罚。采用信息间隙决策理论(informationgapdecisiontheory，igdt)处理不确定性参数。
[0314]
按照预设目标的好坏，不确定性参数对目标函数的影响分为积极和消极两个方面，相应的igdt模型又可分为风险偏好型(机会)以及风险规避型(鲁棒)两种，其反应了不同投资者在面对风险时的价值取向。一种认为不确定性参数将会有利于目标函数实现，另
一种则认为不确定性参数将会对目标函数产生负面影响，二者对应的数学模型分别如下：
[0315][0316][0317]
式(41)-式(42)中，b0为预设目标值，通常由确定性的模型求解得出；
[0318]bc
、ba为风险规避模型和风险偏好模型下的期望目标函数；
[0319]
βc、βa为偏差因子，表示预期成本与预设目标的偏差程度；
[0320]
h(x，d)＝0、g(x，d)≥0分别为优化模型的等式与不等式约束；
[0321]
α为不确定性参数的波动程度；
[0322]
为不确定性参数的预测值；
[0323]
x为不确定参数实际值；
[0324]
d为决策变量；
[0325]
为不确定参数波动范围函数；
[0326]
s.t.表示约束条件。
[0327]
式(41)对应igdt鲁棒模型，为保守者的决策模型，在最大化不确定性扰动下以期实现最低的预i设目标；式(42)对应igdt机会模型，为激进者决策模型，在最小化不确定性扰动下以期实现最高的预设目标。
[0328]
步骤5、在matlab环境中进行求解：
[0329]
本发明在matlab环境下，以vpp总成本最小为目标，通过yalmip工具箱调用cplex求解器进行求解。
[0330]
步骤6、vpp参与多种市场交易策略和调度方案风险度量并进行算例分析：
[0331]
本发明以图2虚拟电厂为例，验证所构模型以及所提算法的有效性。风、光以及负荷的日前预测值如图3所示，vpp与上级电网的交易电价如表1所示，储能参数方面，最大充放电功率均取为1mw，储能容量为4mw，初始蓄电量为0，充放电效率取为95％；可削减负荷的各级最大削减比例为15％、10％、8％，各级削减负荷的补偿费用为500/700/800元/mw，联络线的传输功率取为10mw，转移负荷的补偿费用为50元/mw，单时段最大转移负荷比例为20％，碳排放配额取火电为0.385，市场购电为0.798，基础碳价取为0.25元/kg，火电最大出
力3.56mw，取最低消纳权重为12.5％，激励型消纳权责为13.8％。
[0332]
(1)：首先对vpp参与电-碳市场所获经济效益进行分析，仿真结果如图4所示。
[0333]
从图4中可以明显看出，碳排放权交易与分时电价之间具有显著的相关性，即说明电力市场与碳市场存在相关耦合特性。具体而言，当电价较低，vpp不能从电力市场获取高额收益时，vpp增加碳市场的交易量，以期从碳排放市场获取更高的收益。相反，当电力市场价格较高时，vpp从电力市场可以获取较高的收益，此时vpp的碳市场交易量较低，甚至需要大量从外部购入碳排放权。因此，通过电-碳市场联动，不仅提高了vpp市场交易策略的灵活性，也提高了vpp整体的经济效益。
[0334]
表1 vpp电力市场交易价格
[0335][0336]
vpp之所以能够实现电-碳市场的友好互动，很大程度上依赖于自身聚合的风-光-碳捕集系统的协调调度，通过碳捕集系统控制vpp实际排放的co2，从而能够实现对电价以及碳价的准确响应，vpp调度周期内再生塔处理的co2量和碳捕集电厂实际排放的co2量如图5所示，碳捕集电厂的能耗组成如图6所示。
[0337]
从图5可以看出，在电价较低的时期，vpp通过增加碳捕集能耗，增加再生塔对co2的吸收，整体碳捕集系统对外实现了零碳排放，从而可以对外出售更多的co2排放权。
[0338]
从图6中可以看出，风-光-火联合碳捕集系统为vpp的调度策略提供了更高的灵活性和可靠性。通过碳捕集系统可以优先将无法消纳的可再生能源消纳，其余不足的能耗再由边际成本较高的火电机组供给，因此整体运行策略更加具有经济性，且充足的能耗供给来源使得vpp可以精准响应外部电价和碳价。
[0339]
为了进一步证明本发明所构模型的经济性和促进可再生能源的消纳，分别设置以下方案：
[0340]
方案1：风-光-火碳捕集系统加阶梯式碳交易；
[0341]
方案2：风-光-火碳捕集系统加传统碳交易；
[0342]
方案3：仅火电碳捕集系统加阶梯式碳交易；
[0343]
方案4：仅火电碳捕集系统加传统碳交易；
[0344]
四种方案下可再生能源的消纳率以及整体vpp的目标函数如表2所示，对比表2可以看出，四种场景下vpp的最终调度结果有较为明显的区别。对比方案1和方案2可知，阶梯式碳交易与传统碳交易相比能够进一步引导vpp参与碳市场交易，降低vpp参与碳市场交易
的成本，且阶梯式碳交易下可再生能源的消纳率略有提升。对比方案1以及方案3可知，风-光-火碳捕集系统能够充分利用风光等可再生能源，降低碳捕集的成本，降低vpp整体调度成本，同时能最大限度的提高风光等可再生能源的消纳率。
[0345]
表2不同方案下vpp调度结果
[0346][0347]
(2)vpp参与电-绿证市场的交互分析：
[0348]
为体现vpp电-绿证市场交互关系，图7给出了vpp等效负荷与gct交易量之间的关系图。主要有以下特点：图中可以看出，由于高电价时段10-15h可控负荷大量响应，造成等效负荷大幅度降低，此时消纳权责较低，且在满足负荷需求下vpp可以尽可能的参与电市场，故此时绿色证书交易量以及电力市场交易量有较为明显的增加。而在15-18h，由于等效负荷此时较峰值电价时期有所升高，因此绿色证书交易量开始较少。由此可见，绿色证书交易量与电力市场交易量近似呈正相关，而与等效负荷近似呈负相关。
[0349]
(3)碳-绿证市场灵敏度分析：
[0350]
在电-碳-绿色证书联合交易机制下，vpp的总成本与碳排放单价、绿色证书单价密切相关，为了进一步明确vpp的总调度成本随多种市场交易价格变化规律，图8绘制了碳价-绿色证书价格变化下的vpp调度成本三维曲面图。随着碳价的增加，vpp成本呈现先增后减的趋势，这是因为在碳价较低的时段，vpp会优先选择从外部购入碳排放权，因此随着碳价的增加，vpp的成本也不断增加；当碳价达到某一临界值，即vpp从外部购买碳排放权的成本高于碳捕集的成本时，vpp选择利用碳捕集系统减少自身碳排放量，并可以对外出售部分碳排放权，因此随着碳价的继续增加，vpp碳市场的收益也不断增加，故总运行成本不断降低。
[0351]
此外，随着绿色证书交易单价的不断增加，vpp在绿色证书交易市场上的收益也将不断增加，故vpp的调度成本也呈线性趋势下降。随着碳市场和绿色证书市场的不断开放，vpp可参考图8所得的三维曲面图，灵活选择报价合理的交易对象，从而降低自身运行成本，提高其运行效益。
[0352]
(4)基于igdt算法的vpp调度策略分析：
[0353]
假设偏差因子最大值为20％，依次计算偏差因子从20％～0变化过程中扰动水平的数值，得到图9所示轨迹图。可以看到，随着vpp调度成本的逐渐增加，机会模型的扰动水平αa逐步降低，鲁棒模型的扰动水平αc逐渐增加，变化呈现相反的趋势。可以理解为，αc越高，风光的出力越偏离预测值，决策者对风光波动的看法越悲观，在此情况下所做出的决策就更加偏向保守，但同时风光容许波动范围也在不断扩大，这意味着系统调度方案和市场交易方案对不确定量的变化的敏感程度大大降低，因此系统鲁棒性会相对较高；相反，随着αa增加，风光的出力越高于所作预测，可再生能源能够更加多的发电，决策者对风光的波动更加的乐观，认为能够带来更多的收益，但所面临风险也会随之增加。
[0354]
图10给出了偏差因子为10％时，电-碳-绿色证书市场交易结果。在鲁棒模型下，无论是哪一种类型的市场，vpp的调度策略几乎总是最为保守的，电、碳、绿色证书的交易出售量较低，但是购入值却较高。与之相反，机会模型下，vpp调度策略则愈发激进，表现为电、碳、绿色证书的出售量更高，且购入值更低。由此可见，本发明提出的igdt模型能够准确对由风光出力不确定性引起的不同类型市场的交易策略的风险进行度量，从而为不同投资者提供决策参考。
[0355]
本发明构建了电-碳-绿色证书联合交易下含风光、碳捕集、储能及需求响应等的vpp日前调度模型，并考虑可再生能源出力不确定性造成的潜在市场运行风险，建立了基于igdt算法的vpp优化调度模型，经过算例分析，得出以下主要结论：
[0356]
(1)通过电-碳市场联动、电-绿色证书市场联动，能够提高vpp市场交易策略的灵活性和整体的经济性；
[0357]
(2)vpp的调度成本与基础碳价近似呈二次函数关系，而与绿色证书价格近似成本线性关系，随着碳-绿色证书市场的不断开放，vpp可灵活选择报价合理的交易对象，从而降低自身运行成本；
[0358]
(3)随着vpp调度成本的增加，机会模型的扰动水平呈线性降低，鲁棒模型的扰动水平呈线性增加，vpp可以根据自身风险的偏好程度，灵活合理选择其在电-碳-绿证市场的交易策略。