CN110188950B - 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 - Google Patents

Abstract

基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，包括：建立采用多代理MAS控制方式的虚拟电厂优化调度模型：所述虚拟电厂优化调度模型包括供电侧Agent、需求侧Agent、电网Agent；所述供电侧Agent包含风电、光伏、火电；所述需求侧Agent包含柔性负荷、可充放电电动汽车；建立虚拟电厂的目标函数；建立虚拟电厂运行的约束条件；建立蓄电池模型和可充放电电动汽车模型。本发明建模方法建立的调度模型由含电动汽车与柔性负荷的负荷侧和含多种电源类型的供电侧两部分构成，考虑需求响应方法，通过优化发电侧各机组出力，控制负荷侧柔性负荷及协调电动汽车充放电，提高虚拟电厂消纳新能源发电的能力，增加虚拟电厂收益。

Description

基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模 方法

技术领域

本发明属于智能电网虚拟电厂优化调度技术领域，具体涉及一种基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法。

背景技术

目前，分布式电源并网的形式大多采用微网形式，微网主要是以用户就地消纳分布式能源为主要目标，受地理因素限制较多，在跨区域、大规模的分布式电源的充分利用及在电力市场中的规模化效益方面，具有一定的局限性。虚拟电厂技术可以在多区域大，大范围实现分布式电源的优化调度，突破微网的上述限制，有效整合大量分布式电源和柔性负荷。为此有必要对虚拟电厂技术进行深入研究。尤其是随着可充放电电动车的快速发展，其参与虚拟电厂优化调度研究不足。

通常，虚拟电厂主要由3个部分构成：发电系统、能量存储单元和通信系统。发电系统主要由分布式电源、可控机组构成。能量存储单元由蓄电池等构成，可以补偿可再生能源发电出力波动。近年来，随着电动汽车的快速发展，车用蓄电池也可以成为虚拟电厂能量存储单元的重要组成部分；通信系统则负责虚拟电厂的能量管理和数据采集与监控。

目前关于虚拟电厂方面的研究已开展很多，但针对虚拟电厂需求侧资源与供电侧资源联合优化调度方面的研究却不足。

现有的涉及虚拟电厂优化调度的专利文献有：

专利文献1：中国专利《一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法》(申请号：201610587240.5)，公开了一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法，所述计及负荷侧和电源侧的虚拟电厂多目标优化调度方法包括：建立虚拟电厂的多目标优化调度模型及其相关的求解算法，该方法考虑了环境因素及运行成本，提高了新能源的利用效率。

专利文献2：中国专利《一种考虑不确定性的虚拟电厂竞价及利益分配方法及系统》(申请号：201710898385.1)，提出了一种基于多代理方式的考虑不确定性的虚拟电厂内部分布式电源的竞价及利益分配方法及系统，主要是建立基于风险因子的改进Shapley值来优化竞价。

专利文献3：中国专利《一种区域范围内需求响应系统》(申请号：201810385485.9)公开了一种需求响应系统，该系统整合大、中、小容量的用户到需求响应平台上，通过该平台使用户快速响应供电公司的需求响应要求。

上述专利文献1考虑了负荷侧和供电侧两端联合调度和竞价方法，专利文献2基于多代理模式建立考虑不确定性的虚拟电厂内部分布式电源竞价及利益分配方法，专利文献3考虑了电网与用户签订合约方式响应电网需求响应指令，但都并未考虑负荷侧电动汽车参与调度的情况，同时也没有全面考虑到虚拟电厂的通信机制。而且当用户参与调度时，上述专利文献1-3并未就可充放电电动汽车和柔性负荷分类制定相关合约。根据上述分析，现有专利文献的不足具体如下：

(1)：未考虑电动汽车参与调度的情况，尤其针对可充、放电的电动汽车参与需求响应的研究不足。

(2)：针对可充放电电动汽车的不同分类情况研究不足。

(3)：未考虑基于多代理方式下的供电侧不同电源和需求侧柔性负荷和电动汽车的联合优化调度，对于虚拟电厂来说，其通信方式应当是其不可分割的一部分。

(4)：未针对柔性负荷用户：包括可中断负荷用户和电动汽车用户，并未分别签订合约。

发明内容

针对现有技术的不足，本发明提供一种基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，其中需求侧包含柔性负荷和电动汽车，针对客户使用电动汽车的模式，建立不同种类柔性负荷及电动汽车分别参与调度的方式，增加电网与用户的交互，增强客户体验。并通过建立目标函数优化虚拟电厂收益，使其收益最大化。

本发明采取的技术方案为：

基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，包括以下步骤：

步骤1：建立采用多代理MAS控制方式的虚拟电厂优化调度模型：

所述虚拟电厂优化调度模型包括供电侧Agent、需求侧Agent、电网Agent；

所述供电侧Agent包含风电、光伏、火电；供电侧Agent根据风速、光照强度及时长、检修、备用情况分别预测次日各电源的出力并进行调整；

所述需求侧Agent包含柔性负荷、可充放电电动汽车。

步骤2：建立虚拟电厂的目标函数：

以虚拟电厂总发电成本和基于激励的需求响应成本最小、虚拟电厂售电收益和环境收益最大为目标，建立如下多目标优化函数：

式中，F为虚拟电厂运行净利润，F₁为虚拟电厂售电收益，F₂为虚拟电厂环境收益，F₃为发电成本，F₄为基于激励的需求响应成本，T为一个调度周期时段数。

虚拟电厂售电收益包括：

用户缴费产生的收益和虚拟电厂与大电网发生交易所产生的收益：

F₁(t)＝c_grid(t)·P_grid(t)+c_sell(t)·[P_load(t)-P_L(t)+P_I(t)-P_car(t)] (2)

式中，P_grid(t)表示虚拟电厂与电网的交互功率；c_grid(t)表示t时段虚拟电厂与电网电能交易价格；c_sell(t)为虚拟电厂向电网及用户的售电价格；c_buy(t)为虚拟电厂向电网购电价格；当P_grid(t)≥0时，取分时购电价格，当P_grid(t)<0，取分时售电价格；P_load(t)为虚拟电厂在t时段的原负荷；P_L(t)、P_I(t)分别为应用需求响应方法后削减的负荷和转移的负荷；P_car(t)为电动汽车充放电总功率。

虚拟电厂环境收益：

F₂(t)＝C_WTP_WT(t)+C_PVP_PV(t)+C_peak(P_I(t)+P_L(t)+|P_car(t)|) (4)

式中，c_WT、c_PV、c_peak分别为风电、光伏、柔性负荷与电动汽车调峰功率的单位价格：元/kWh；P_WT(t)、P_PV(t)和分别表示风电、光伏的发电功率。

虚拟电厂发电成本：

虚拟电厂发电成本包括各电源的燃料费用和运行维护费用，如下所示：

式中，C_r,i、C_m,i分别表示电源i单位燃料成本和单位运维成本。C_r,iP_i(t)为电源i的燃料成本，C_m,iP_i(t)为电源i的运行维护费用，n为电源种类数。

需求响应成本：

为鼓励用户在峰时段减少部分柔性负荷用电，对于响应削减负荷的用户给予补贴，该部分成本仅考虑减少柔性负荷的部分P_L(t)，补贴费用为：

k₁和k₂分别为补偿金额系数，k₃为电动汽车参与调度的补偿金额系数。P_car(t)为电动汽车充放电总功率。

步骤3：建立虚拟电厂运行的约束条件：

虚拟电厂运行的约束条件包括系统功率平衡、各电源输出功率限制、虚拟电厂与主网之间交互功率限制约束条件：

(1)、系统功率平衡约束：

P_load(t)＝P_WT(t)+P_PV(t)+P_MT(t)+P_HD(t)+P_BA(t)+P_grid(t)+P_L(t)-P_I(t)+P_car(t)(7)

式中，P_MT(t)、P_HD(t)分别为燃气轮机、火力发电机的发电功率；P_BA(t)表示蓄电池的充放电总功率；P_car(t)表示电动汽车的充放电功率。

(2)、与主网交互的联络线约束：

由于虚拟电厂与主网之间联络线的容量限制，因此虚拟电厂与主网的交互功率应满足如下约束：

式中，

分别为虚拟电厂与主网功率交互的上下限。

(3)、燃气轮机、火电机组约束：

|P_i(t-1)-P_i(t)|≤△_i (10)

式中，P_i(t)为电源i的输出功率；

分别为电源i输出功率的上、下限。△_i为机组爬升速率。

(4)、柔性负荷：

柔性负荷通过需求响应控制，当虚拟电厂控制中心发布削减负荷指令后，柔性负荷执行响应。其响应约束为：

P_{L min}≤P_L(t)≤P_{L max} (11)

T_min≤T_L≤T_max (12)

式中，P_L(t)为响应需求响应指令的中断负荷，P_{L min}、P_{L max}分别为可中断负荷上下限，T_min，T_max分别为负荷响应削减的最小，最大响应时间，T_L为响应时长。

步骤3：建立数学模型：

所述数学模型包括蓄电池模型：

为了维持电池的寿命，需要对电池充放电功率加以限制，电池储能单元在第t优化时段的放电功率P_dc(t)以及电池储能单元在第t优化时段的充电功率P_c(t)表示为:

P_BA(t)＝P_dc(t)-P_c(t) (14)

式中，

和

分别为电池储能单元允许的最大充电和放电功率；

和

分别为第k个电池在第t时段内的充电状态变量和放电状态变量，n为电池数量。P_BA(t)为蓄电池在t时的充放电总功率。

所述数学模型包括可充放电电动汽车模型：

将可充放电电动汽车作为虚拟电厂需求侧的储能单元，参与削峰填谷。

其中，

分别为放电、充电的电动汽车数量，

分别电动汽车放电、充电功率，

分别为电动汽车放电功率上下限，

分别为电动汽车充电功率上下限。

本发明一种基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，该建模方法建立的调度模型由含电动汽车与柔性负荷的负荷侧和含多种电源类型的供电侧两部分构成，考虑需求响应方法，通过优化发电侧各机组出力，控制负荷侧柔性负荷及协调电动汽车充放电，提高虚拟电厂消纳新能源发电的能力，增加虚拟电厂收益。同时，采用与用户签订合约的方式提高可充放电电动汽车及柔性负荷的利用效率，实现将电网调度与用户执行合约行为两者相结合，可增加用户侧资源的利用率，增强用户加入电网调度的参与度。

附图说明

图1为本发明虚拟电厂优化调度模型图。

图2为本发明用户参与调度的方式图。

图3为本发明负荷、风力出力、光伏出力的预测曲线图。

图4为本发明实施例场景1各机组出力对比图。

图5为本发明实施例场景2各机组出力对比图。

图6为本发明实施例场景3各机组出力对比图。

具体实施方式

基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，包括以下步骤：

步骤1：建立采用多代理MAS控制方式的虚拟电厂优化调度模型：

所述虚拟电厂优化调度模型包括供电侧Agent、需求侧Agent、电网Agent；

所述供电侧Agent包含风电、光伏、火电；供电侧Agent根据风速、光照强度及时长、检修、备用情况分别预测次日各电源的出力并进行调整。

(1)风电预测：尽管风速在短期和长期都呈现随机性，但大型统计数据集已经表明风速可以通过基于式(1)中的概率密度函数的威布尔分布来近似描述。

式中v风速，

形状因子，θ比例因子，可用于获得相应时期的风速的平均值和方差获得θ和

后，用MATLAB工具模拟风速。WPP输出与实时风速之间的关系可用方程式描述。

其中，P_WT在t时风电机组的输出，v_in切入风速，v_rated额定风速，v_out切断风速。

(2)光伏预测：对于每个时间段，太阳辐射被认为是随机变量，并假设遵循β分布，因此，光伏发电的输出也遵循β分布。概率密度函数给出式(3)。

其中β(ψ,ζ)是beta分布函数，ψ和ζ可以用方程式计算。

其中P_PV表示光伏在t时的输出，ψ、ξ为β分布的形状参数，μ_PV光伏输出的均值，δ_PV光伏输出的标准值。

(3)火电机组：火电机组出力根据负荷预测数据、检修等情况调整，具体可根据功率平衡约束即式(13)得出。

所述需求侧Agent包含柔性负荷、可充放电电动汽车。

步骤2：建立虚拟电厂的目标函数：

以虚拟电厂总发电成本和基于激励的需求响应成本最小、虚拟电厂售电收益和环境收益最大为目标，建立如下多目标优化函数：

式中，F为虚拟电厂运行净利润，F₁为虚拟电厂售电收益，F₂为虚拟电厂环境收益，F₃为发电成本，F₄为基于激励的需求响应成本，T为一个调度周期时段数。

虚拟电厂售电收益包括：

用户缴费产生的收益和虚拟电厂与大电网发生交易所产生的收益：

F₁(t)＝c_grid(t)·P_grid(t)+c_sell(t)·[P_load(t)-P_L(t)+P_I(t)-P_car(t)] (8)

式中，P_grid(t)表示虚拟电厂与电网的交互功率；c_grid(t)表示t时段虚拟电厂与电网电能交易价格；c_sell(t)为虚拟电厂向电网及用户的售电价格；c_buy(t)为虚拟电厂向电网购电价格；当P_grid(t)≥0时，取分时购电价格，当P_grid(t)<0，取分时售电价格；P_load(t)为虚拟电厂在t时段的原负荷；P_L(t)、P_I(t)分别为应用需求响应方法后削减的负荷和转移的负荷；P_car(t)为电动汽车充放电总功率。

虚拟电厂环境收益：为鼓励使用可再生新能源，给予风电及光伏发电补贴。由于采用基于激励的需求响应和分时电价策略使一部分柔性负荷参与调峰，使得负荷曲线变化更平稳，提高了电能质量，从而获得一定的补贴。

F₂(t)＝C_WTP_WT(t)+C_PVP_PV(t)+C_peak(P_I(t)+P_L(t)+|P_car(t)|) (10)

式中，c_WT、c_PV、c_peak分别为风电、光伏、柔性负荷与电动汽车调峰功率的单位价格：元/kWh；P_WT(t)、P_PV(t)和分别表示风电、光伏的发电功率。

虚拟电厂发电成本：

虚拟电厂发电成本包括各电源的燃料费用和运行维护费用，如下所示：

式中，C_r,i、C_m,i分别表示电源i单位燃料成本和单位运维成本。C_r,iP_i(t)为电源i的燃料成本，C_m,iP_i(t)为电源i的运行维护费用，n为电源种类数。

需求响应成本：

为鼓励用户在峰时段减少部分柔性负荷用电，对于响应削减负荷的用户给予补贴，该部分成本仅考虑减少柔性负荷的部分P_L(t)，补贴费用为：

k₁和k₂分别为补偿金额系数，k₃为电动汽车参与调度的补偿金额系数。P_car(t)为电动汽车充放电总功率。

步骤3：建立虚拟电厂运行的约束条件：

虚拟电厂运行的约束条件包括系统功率平衡、各电源输出功率限制、虚拟电厂与主网之间交互功率限制约束条件：

(1)、系统功率平衡约束：

功率平衡约束对虚拟电厂运行至关重要，各电源出力之和与负荷需求时时相等。

P_load(t)＝P_WT(t)+P_PV(t)+P_MT(t)+P_HD(t)+P_BA(t)+P_grid(t)+P_L(t)-P_I(t)+P_car(t)(13)

式中，P_MT(t)、P_HD(t)分别为燃气轮机、火力发电机的发电功率；P_BA(t)表示蓄电池的充放电总功率；P_car(t)表示电动汽车的充放电功率。

(2)、与主网交互的联络线约束：

由于虚拟电厂与主网之间联络线的容量限制，因此虚拟电厂与主网的交互功率应满足如下约束：

式中，

分别为虚拟电厂与主网功率交互的上下限。

(3)、燃气轮机、火电机组约束：

|P_i(t-1)-P_i(t)|≤△_i (16)

式中，P_i(t)为电源i的输出功率；

分别为电源i输出功率的上、下限。△_i为机组爬升速率。

(4)、柔性负荷：

柔性负荷通过需求响应控制，当虚拟电厂控制中心发布削减负荷指令后，柔性负荷执行响应。其响应约束为：

P_{L min}≤P_L(t)≤P_{L max} (17)

T_min≤T_L≤T_max (18)

式中，P_L(t)为响应需求响应指令的中断负荷，P_{L min}、P_{L max}分别为可中断负荷上下限，T_min，T_max分别为负荷响应削减的最小，最大响应时间，T_L为响应时长。

步骤3：建立数学模型：

所述数学模型包括蓄电池模型：

为了维持电池的寿命，需要对电池充放电功率加以限制，电池储能单元在第t优化时段的放电功率P_dc(t)以及电池储能单元在第t优化时段的充电功率P_c(t)表示为:

P_BA(t)＝P_dc(t)-P_c(t) (20)

式中，

和

分别为电池储能单元允许的最大充电和放电功率；

和

分别为第k个电池在第t时段内的充电状态变量和放电状态变量，n为电池数量。P_BA(t)为蓄电池在t时的充放电总功率。

所述数学模型包括可充放电电动汽车模型：

电动汽车接入配电网时，其表现出的集聚特性对配电网的运行会造成较大影响，如果采用需求响应策略，将可充放电电动汽车作为调度的单元，便可化解大规模充电对电网造成冲击这一问题。将可充放电电动汽车作为虚拟电厂需求侧的储能单元，参与削峰填谷。日负荷曲线有峰荷也有谷荷，削峰填谷是指降低峰荷，填补谷荷，减小电网负荷峰谷差，使发电、用电趋于平衡。

本发明中，将可充放电电动汽车作为负荷侧的储能单元，若其在峰时放电，谷时充电，则可以达到削峰填谷的效果。

其中，

分别为放电、充电的电动汽车数量，

分别电动汽车放电、充电功率，

分别为电动汽车放电功率上下限，

分别为电动汽车充电功率上下限。

所述步骤1中，本发明所述的调度方案有用户参与，而用户参与方式具有多样性，不同的调度方式影响着电网制定调度方案，如柔性负荷用户参与调度时，用户可以采用当日申报次日可中断柔性负荷或常规中断柔性负荷两种方式，而这两种方式对电网制定调度方案有影响，因此针对用户参与的多样性，做出如下分类：

可充放电电动汽车用户包含两种参与调度方式：①客户当日申报次日可充放电时段；②未申报但是已同意参与电网调度的用户，按照常规充放电方式参与电网调度，即当电网发出需求响应时，按照要求响应充放电时段。

柔性负荷包括两种参与调度方式：①用户申报次日可中断负荷功率及时段；②未申报但是已同意参与电网调度的用户，可执行常规中断负荷方式参与电网调度，即当电网发出需求响应时，按照要求削减负荷。

执行方式及模型如图2所示，具体内容如下：

①、用户的柔性负荷参与电网调度，执行需求响应，按照要求中断部分柔性负荷。其可中断功率P_L及时段的方式分为两种：其一是当日申报次日可中断负荷P_L1及时段的方式，其二是常规中断方式，每日固定中断负荷P_L2及时段。两种方式的可中断负荷的总和就是可中断功率，即P_L＝P_L1+P_L2；

②、用户的电动汽车参与电网调度，执行需求响应，需按照要求充放电。其执行方式分为两种：其一是当日申报次日可参与电网调度的时段，该方式下电网汇总电动汽车数量N_chr1和N_dis1及时段，其二是常规充放电控制方式，每日固定充放电的时段，该方式下电网汇总电动汽车数量N_chr2和N_dis2及时段。不同时段下两种方式的充电电动汽车数量为

放电电动汽车数量为

③、针对上述执行需求响应的用户，供电公司需给予用户一定经济补贴，补贴措施依据公式(12)所示。

虚拟电厂调度方式如图1所示，图1虚线表示多代理方法的信息交流。

实施例：

步骤一：根据用户参与电网调度合约，为方便实例分析，并且按照电动汽车用户用车规律，电动汽车调度需满足以下要求：用户晚上6点前接入电源，并于早上6点后切断电源，在此期间车主同意电动汽车的蓄电池参与调峰调度。设某地区可充放电的电动车数量为2000辆，由于部分电动汽车不是每天都需要充电，所以每天参与调度的车辆应该为0-2000辆之间的随机数。由于响应基于激励策略的柔性负荷不确定性很强，故柔性负荷设定最高为30MW，且参与调度时间不超过12小时。

步骤二：设定虚拟电厂供电侧电源容量。虚拟电厂供电侧电源由220MW风电场、100MW光伏发电场、2个100MW燃气轮机、2个100MW火力发电机以及3个50MW的储能电池组成。

步骤三：根据预测获得虚拟电厂总负荷功率曲线及风力发电机、光伏发电的出力，曲线如图3，各电源发电燃料费用及运行维护费用、当地分时电价价格分别如表1-2所示。

表1.各电源发电费用系数

表2.虚拟电厂购售电价格表

步骤四：根据图1所示的虚拟电厂结构及上述方案中构建的模型，优化目标函数，得出更好的机组出力，达到更好的经济效益，为了更好对比含电动汽车及柔性负荷在需求响应下的效果，设置了三个场景：

场景1：参与调度的机组有供电侧新能源机组包括风电与光伏、燃气轮机、火力发电机以及储能电池；

场景2：在场景1的基础上，利用基于激励的需求侧响应和分时电价策略使柔性负荷参与调度；

场景3：在场景2的基础上增加电动汽车调度过程。

步骤五：3种场景下风电和光伏均为全额消纳，在此基础上通过调度不同机组，使其出力达到经济性最优。

通过优化算法得出相关结果。下面是根据上述方法得出的结果，以验证该方法的有效性。三种场景下各机组出力如图4-图6所示，表3为三种场景经济性对比。

表3.三种场景的经济性对比

分别用图5、图6所示机组出力数据与图4对比，可看出柔性负荷和电动汽车参与调度时可以减少传统机组出力，达到“削峰填谷”的效果，同时提高电网经济效益。由表3可以看出场景3收益最高，即电动汽车和柔性负荷联合参与调度场景下效益大于其他场景，且燃料及运维成本小于其他场景。

通过上述实例分析，验证了本发明基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法的合理性。通过与用户签订合约的方式，增加了电网与用户的互动，提高了用户体验。应用需求响应方法，协调供电侧各机组出力以及负荷侧柔性负荷和电动汽车充放电，提高了虚拟电厂消纳新能源发电的能力，增加了虚拟电厂收益。

Claims (2)

1.基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，其特征在于包括以下步骤：

步骤1：建立采用多代理MAS控制方式的虚拟电厂优化调度模型：

所述虚拟电厂优化调度模型包括供电侧Agent、需求侧Agent、电网Agent；

所述供电侧Agent包含风电、光伏、火电；供电侧Agent根据风速、光照强度及时长、检修、备用情况分别预测次日各电源的出力并进行调整；

所述需求侧Agent包含柔性负荷、可充放电电动汽车；

步骤2：建立虚拟电厂的目标函数：

以虚拟电厂总发电成本和基于激励的需求响应成本最小、虚拟电厂售电收益和环境收益最大为目标，建立如下多目标优化函数：

式中，F为虚拟电厂运行净利润，F₁为虚拟电厂售电收益，F₂为虚拟电厂环境收益，F₃为发电成本，F₄为基于激励的需求响应成本，T为一个调度周期时段数；

虚拟电厂售电收益包括：

用户缴费产生的收益和虚拟电厂与大电网发生交易所产生的收益：

F₁(t)＝c_grid(t)·P_grid(t)+c_sell(t)·[P_lo_ad(t)-P_L(t)+P_I(t)-P_car(t)] (2)

式中，P_grid(t)表示虚拟电厂与电网的交互功率；c_grid(t)表示t时段虚拟电厂与电网电能交易价格；c_sell(t)为虚拟电厂向电网及用户的售电价格；c_buy(t)为虚拟电厂向电网购电价格；当P_grid(t)≥0时，取分时购电价格，当P_grid(t)<0，取分时售电价格；P_load(t)为虚拟电厂在t时段的原负荷；P_L(t)、P_I(t)分别为应用需求响应方法后削减的负荷和转移的负荷；P_car(t)为电动汽车充放电总功率；

虚拟电厂环境收益：

F₂(t)＝C_WTP_WT(t)+C_PVP_PV(t)+C_peak(P_I(t)+P_L(t)+|P_car(t)|) (4)

式中，c_WT、c_PV、c_peak分别为风电、光伏、柔性负荷与电动汽车调峰功率的单位价格：元/kWh；P_WT(t)、P_PV(t)和分别表示风电、光伏的发电功率；

虚拟电厂发电成本：

虚拟电厂发电成本包括各电源的燃料费用和运行维护费用，如下所示：

式中，C_r,i、C_m,i分别表示电源i单位燃料成本和单位运维成本；C_r,iP_i(t)为电源i的燃料成本，C_m,iP_i(t)为电源i的运行维护费用，n为电源种类数；

需求响应成本：

为鼓励用户在峰时段减少部分柔性负荷用电，对于响应削减负荷的用户给予补贴，该部分成本仅考虑减少柔性负荷的部分P_L(t)，补贴费用为：

k₁和k₂分别为补偿金额系数，k₃为电动汽车参与调度的补偿金额系数；

步骤3：建立虚拟电厂运行的约束条件：

虚拟电厂运行的约束条件包括系统功率平衡、各电源输出功率限制、虚拟电厂与主网之间交互功率限制约束条件：

(1)、系统功率平衡约束：

P_load(t)＝P_WT(t)+P_PV(t)+P_MT(t)+P_HD(t)+P_BA(t)+P_grid(t)+P_L(t)-P_I(t)+P_car(t) (7)

式中，P_MT(t)、P_HD(t)分别为燃气轮机、火力发电机的发电功率；P_BA(t)表示蓄电池的充放电总功率；P_car(t)表示电动汽车的充放电功率；

(2)、与主网交互的联络线约束：

由于虚拟电厂与主网之间联络线的容量限制，因此虚拟电厂与主网的交互功率应满足如下约束：

式中，

分别为虚拟电厂与主网功率交互的上下限；

(3)、燃气轮机、火电机组约束：

P_i ^min≤P_i(t)≤P_i ^max (9)

|P_i(t-1)-P_i(t)|≤△_i (10)

式中，P_i(t)为电源i的输出功率；P_i ^max、P_i ^min分别为电源i输出功率的上、下限；△_i为机组爬升速率；

(4)、柔性负荷：

柔性负荷通过需求响应控制，当虚拟电厂控制中心发布削减负荷指令后，柔性负荷执行响应；其响应约束为：

P_Lmin≤P_L(t)≤P_Lmax (11)

T_min≤T_L≤T_max (12)

式中，P_L(t)为响应需求响应指令的中断负荷，P_Lmin、P_Lmax分别为可中断负荷上下限，T_min，T_max分别为负荷响应削减的最小，最大响应时间，T_L为响应时长；

步骤3：建立数学模型：

所述数学模型包括蓄电池模型：

为了维持电池的寿命，需要对电池充放电功率加以限制，电池储能单元在第t优化时段的放电功率P_dc(t)以及电池储能单元在第t优化时段的充电功率P_c(t)表示为:

P_BA(t)＝P_dc(t)-P_c(t) (14)

式中，

和

分别为电池储能单元允许的最大充电和放电功率；

和

分别为第k个电池在第t时段内的充电状态变量和放电状态变量，n为电池数量；P_BA(t)为蓄电池在t时的充放电总功率；

所述数学模型包括可充放电电动汽车模型：

将可充放电电动汽车作为虚拟电厂需求侧的储能单元，参与削峰填谷；

其中，

分别为放电、充电的电动汽车数量，

分别电动汽车放电、充电功率，

分别为电动汽车放电功率上下限，

分别为电动汽车充电功率上下限。

2.根据权利要求1所述基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法，其特征在于：所述步骤1中，针对用户参与的多样性，做出如下分类：

可充放电电动汽车用户包含两种参与调度方式：①客户当日申报次日可充放电时段；②未申报但是已同意参与电网调度的用户，按照常规充放电方式参与电网调度，即当电网发出需求响应时，按照要求响应充放电时段；

柔性负荷包括两种参与调度方式：①用户申报次日可中断负荷功率及时段；②未申报但是已同意参与电网调度的用户，可执行常规中断负荷方式参与电网调度，即当电网发出需求响应时，按照要求削减负荷；

执行方式及模型具体内容如下：

①、用户的柔性负荷参与电网调度，执行需求响应，按照要求中断部分柔性负荷；其可中断功率P_L及时段的方式分为两种：其一是当日申报次日可中断负荷P_L1及时段的方式，其二是常规中断方式，每日固定中断负荷P_L2及时段；两种方式的可中断负荷的总和就是可中断功率，即P_L＝P_L1+P_L2；

②、用户的电动汽车参与电网调度，执行需求响应，需按照要求充放电；其执行方式分为两种：其一是当日申报次日可参与电网调度的时段，该方式下电网汇总电动汽车数量N_chr1和N_dis1及时段，其二是常规充放电控制方式，每日固定充放电的时段，该方式下电网汇总电动汽车数量N_chr2和N_dis2及时段；不同时段下两种方式的充电电动汽车数量为

放电电动汽车数量为

③、针对上述执行需求响应的用户，供电公司需给予用户一定经济补贴，补贴措施依据上述公式(6)所示。

Images