虛擬電廠的靈活性輔助服務投標策略研究

張巍，李懷寶，董曉偉，王俊翔，劉若瑤

虛擬電廠的靈活性輔助服務投標策略研究

張巍，李懷寶，董曉偉，王俊翔，劉若瑤

（上海理工大學 機械工程學院，上海 200093）

虛擬電廠（VPP）作為靈活性輔助服務商，有助于緩解可再生能源的不確定性給電網帶來的影響。由于VPP在靈活性輔助投標過程中，其內部風電預測出力和實際出力具有偏差性。因此，為了降低VPP參與靈活性投標出力受到偏差懲罰和投標風險，采用魯棒優化法處理風電出力的不確定性。將不確定風電出力限制在一個確定區間內，通過調節魯棒系數得出不同優化投標方案。由于VPP在提供能量與靈活性輔助時在容量上存在耦合效應，建立了VPP同時參與能量–輔助服務市場魯棒隨機投標模型，提高VPP的實際利潤。算例分析證明了魯棒隨機投標模型的有效性。

虛擬電廠；靈活性輔助服務；魯棒優化；投標策略

0 引言

近年來，可再生能源作為可持續發展的清潔能源，其發電不需要消耗化石燃料的特點，有助于人類應對傳統化石能源短缺等問題。美國加州政府計劃在未來十年內將可再生能源發電比例增長到整體發電容量的50%[1]；歐洲提出2050年在歐洲和北非實現100%可再生能源電力系統的技術路線圖[2]；我國的可再生能源發電發展迅速，到2030年和2050年其發電量占比可望分別達到30%和60%[3]。然而，隨著可再生能源滲透率的不斷提高[4]，系統出現隨機波動與反調峰現象愈發嚴重。傳統輔助服務如調頻與備用容量由于成本較高且無法長時間進行調節，出現大規模的棄風、棄光現象。以新疆地區新能源發電為例，新疆在2019年棄風電量就達到1.44×1010kWμh，占全國棄風、棄光總電量的36%。如何解決大規模可再生能源并網導致系統隨機波動與反調峰現象成為目前的研究重點[5]。

美國中部電力系統運營商（midcontinent independent system operator，MISO）與美國加州電網獨立運行商（CAISO）為了解決可再生能源大量并網出現隨機波動與反調峰問題，設計了相應的靈活性調節輔助服務。其目的是在本時段為系統預留足夠的靈活性調節容量，確保系統出現預測誤差和可再生能源出現波動情況下，滿足下一時段系統凈負荷的需求。傳統設計靈活性調節主要對靈活性中標容量以機會成本方式進行定價，而不是以市場化形式進行投標報價。

傳統非市場化的靈活性調節服務在實際執行和補償存在分攤不明確現象，無法提高參與靈活性調節的積極性。因此需要通過建立市場機制，激勵不同市場成員參與靈活性輔助服務。一方面可以降低市場靈活性調節成本；另一方面可以增加多提供靈活性輔助服務的補償。基于此，不同能源參與靈活性輔助服務市場交易應運而生[6,7]。文獻[8]提出了電動汽車參與調頻競標模型。電動汽車通過市場調頻競標機制參與電網的靈活性需求，仿真得出電動汽車可以很好地平抑不確定性波動。文獻[9]利用新型電轉氣技術和燃氣輪機快速調節能力，構成含氣電雙向轉換的氣電聚合商參與電力市場靈活性的競標。文獻[10]引入需求響應（demand response，DR）處理風電商的日前市場投標偏差，用戶通過價格競標電量解決風電靈活性不足問題。

以上文獻靈活性調節資源單一，在短時間內系統凈負荷快速增加的情況下，并不一定能夠實時滿足系統靈活性調節輔助服務。虛擬電廠（virtual power plant，VPP）作為綜合能源服務商，通過整合多種分布式能源進行靈活性輔助服務，有助于減少傳統機組提供的靈活性爬坡能力，降低系統聯合運行服務供應的總成本。在電力市場環境下，系統運行機構如獨立系統運營商（independent system operator，ISO）預測下一時刻系統總體的爬坡和滑坡量，然后向能提供靈活性輔助服務市場成員購買靈活性爬坡和滑坡量。文獻[11]將VPP作為一個整體參與能量市場和輔助服務市場的競標模型，考慮VPP總收益最大情況下，確定各個市場下VPP的參與競標電量。文獻[12]提出風電、電動汽車單獨參與市場和風電與電動汽車組成VPP整體參與電力市場3種模式，通過仿真得出VPP參與電力市場競標比風電、電動汽車單獨參與市場競標所獲得收益更多。文獻[13]將儲能與風電作為整體，考慮其不確定性的競標模型，以求解VPP優化調度問題。

上述文獻風電不確定性運用蒙特卡洛算法模擬多個場景，通過采樣后計算期望值。本文將風電、儲能和燃氣輪機組成VPP參與靈活性輔助服務，由于風電預測出力和實際出力具有偏差性，導致目標預測利潤和實際利潤之間存在偏差。為了降低VPP投標偏差帶來的懲罰和提高VPP整體收益，采用魯棒優化法處理風電出力不確定性。將風電預測誤差控制在一個子區間內，通過調節魯棒系數得到不同保守程度的投標策略最優解。

1 靈活調節服務需求的確定與組成

由于可再生能源大量并網，電力系統的靈活性市場定義為系統運行波動性和不確定性，這主要來自負荷與可再生能源。目前，傳統機組無法滿足大量可再生能源并網所產生的靈活性需求，因此，需要通過購買其他靈活性資源彌補火電靈活性不足[14-19]。

靈活性爬坡產品（flexible climbing products，FRP）包括向上靈活性爬坡（upward ramping products，FRU）和向下靈活性爬坡（downward ramping products，FRD）。在實時調度中，對FRU和FRD的需求由系統需求變化量確定，包括兩部分：一是下一時刻相較當前時刻的預測變化量；二是下一時刻預測偏差不確定量[5]。

圖1 系統靈活性爬坡和滑坡出力圖

FRP的公式組成如下：

在電力市場靈活性輔助服務市場環境下，ISO預測下一時刻系統總體的爬坡和滑坡量，然后向能提供靈活性輔助服務市場成員購買靈活性爬坡和滑坡量。其預測需求步驟如下：首先，在時刻需要預測+1時刻FRP的凈負荷需求量B，求出系統+1時段凈負荷相較當前時段的變化量。其滿足公式如下：

式中：B為系統凈負荷在+1時刻的預測值；A為系統凈負荷在時刻的實際值；Δ為系統凈負荷之差。

其次ISO考慮負荷預測不準確導致FRP的需求量。其滿足公式如下：

其中：

式中：U與D分別為靈活性需求量置信區間的上界和下界，取值分別為97.5%與2.5%；P()是預測誤差概率函數；U()與D()分別為對應靈活性需求量置信水平上界和下界。

2 VPP參與靈活性市場投標策略

大規模的可再生能源并網，使得傳統機組無法在此時段預留足夠的靈活性調節容量來滿足系統下一時段靈活性需求。為了減少靈活性不足帶來電價上升和棄風、棄光現象，需要通過其他具有靈活性調節能力的資源來彌補傳統機組靈活性不足問題。

VPP作為模擬電廠，不僅具有與傳統機組相同發電優勢，還具有投標競爭的價格優勢。因此，本文將風電、儲能、燃氣輪機組成一個VPP參與靈活性輔助服務投標，通過VPP管理商進行協調優化，參與電力市場的競爭，從而提高整體獲益機會，同時也降低了風電單獨投標不確定性。VPP組成如圖2所示。

圖2 各個分布式能源組成的VPP

考慮到VPP提供能量與FRP在容量上存在耦合效應，VPP在參與靈活性市場同時也參與了能量市場。虛擬電廠參與能量與靈活性輔助市場投標時，在天的日前市場，ISO發布次日需要能量與靈活性需求量。VPP預測自己的可用能量–靈活性投標量情況，向ISO提交+1天24個時段的競標信息（價格–能量–靈活性投標量）。假設VPP由于容量限制，其競標報價策略對市場電價沒有基本影響，VPP為了確保預期的投標量能夠全部被賣出，可以將投標競價設置為0，只需根據預測的市場出清價格優化自己的投標量。

2.1 風電參與能量–靈活性輔助調度模型

風電作為清潔能源，具有發電成本低和無污染等特點，目前被考慮參與除了能量市場以外的其他輔助市場。由于其隨機性、間歇性和難以預測的特點，參與其他市場會給電網帶來更加不確定性。VPP作為一種模擬電廠，可以通過先進技術控制分布式能源穩定輸出，所以，VPP目前成為現代各個國家關注的焦點，風電與其他資源組成的VPP參與市場也成為研究重點。

風電參與能量–靈活性輔助服務調度，其出力不僅取決本身特性，而且還取決于風速大小。其出力模型如下：

通過式（6）和歷史風速數據可以預測出日前風電出力情況，VPP為了獲益最大，在時刻靈活性需求價格較高時，將預留一部分容量參與靈活性調節。雖然在時刻風電因損失能量收益，但是因參與了靈活性調節，使其總收益增加。

由于風電實時出力受到實際風速的影響，日前出力和實際出力有一定偏差。VPP為了減少偏差降低懲罰，將通過儲能和燃氣輪機進行協調彌補不確定性，當儲能和燃氣輪機無法彌補風電偏差時，VPP將受一定的偏差懲罰。因此滿足下列能量約束：

本文以風電爬坡出力不確定性為例，將風電爬坡出力不足部分通過儲能和燃氣輪機進行靈活性調度彌補；爬坡過量通過協調降低儲能放電、燃氣輪機爬坡或進行低于市場售賣；當儲能和燃氣輪機無法進行彌補風電不足時，VPP將受到一定的偏差懲罰。滿足下列約束條件：

2.2 燃氣輪機參與能量–靈活性輔助調度模型

燃氣輪機作為VPP一部分，具有傳統機組的優點。在參與彌補風電調度出力不足的同時也參與市場輔助服務。考慮到燃氣輪機受功率、成本以及爬坡約束。本文在考慮其利潤的條件下，以燃氣輪機在該時刻最大功率和靈活性調節量約束進行協調，ISO發布了價格低于燃氣輪機調節成本，VPP將不對燃氣輪機進行調度；當價格高于其成本時，VPP考慮其自身獲益最大情況，進行燃氣輪機電量、爬坡量調度。同時燃氣輪機可以進行儲能充電，等到市場價格較高時VPP通過調度儲能進行售賣，增加VPP整體收益，燃氣輪機實時能量–靈活性調節量滿足下列等式。

在滿足等式約束條件下，也要滿足此時自身出力約束。

2.3 儲能參與能量–靈活性輔助調度模型

儲能具有精確調節能力，一直被廣泛應用于電力市場。由于其投入成本費用和容量限制，在調節過程中都是用于緊急備用服務。本文考慮VPP參與能量–靈活性輔助投標時，由于風電出力不確定性，為了降低VPP懲罰和滿足日前調度。儲能通過在時刻提供協調備用容量，使得風電實際調度出力與風電日前調度出力不等時，進行充放電彌補。

儲能在參與風電實時發電不足進行協調的同時也參與能量與靈活性輔助服務市場。在實時市場時刻，儲能不僅需要考慮滿足日前能量和上、下靈活性調度量，同時也要考慮滿足風電不足出力。儲能在實時能量–靈活性輔助市場需要滿足下列等式約束。

儲能需要滿足此時出力約束。

3 VPP投標策略優化

3.1 VPP投標目標函數

由于風電出力過剩，VPP將出力過剩部分以低于市場價格進行售賣或者降低儲能、燃氣輪機出力。本文為了計算簡便，認為低于市場進行售賣價格低于儲能和燃氣輪機出力成本。因此，VPP先通過降低儲能放電、燃氣輪機發電，進行VPP能量–靈活性輔助服務投標。當儲能、燃氣輪機無法調節風電偏差時，ISO進行VPP偏差懲罰或低于市場價格售賣，使得VPP投標策略最優。

由于VPP提供能量與FRP時在容量上存在耦合效應，VPP在參與靈活性市場同時也參與了能量市場，如圖3所示。VPP參與投標時，既需要考慮風電不確定性帶來的懲罰，又要保證在此時投標策略最優。因此，在滿足第2節邊界約束條件進行投標時，需要對其能量–靈活性投標策略進行優化。其目標函數為。

圖3 VPP參與市場投標示意圖

3.1.1 約束條件

（1）功率平衡約束。

（2）燃氣輪機參與能量–靈活性輔助服務市場出力成本。

（3）儲能運行成本與靈活性調度成本。

（4）風電出力成本。

式中：W()為風力發電機組能量、向上和向下爬坡成本。

3.2 魯棒性隨機優化模型

為了使VPP投標策略最優，不能以最保守形式進行投標，需要對風電出力進行魯棒隨機優化，降低儲能、燃氣輪機協調量，增加在時刻的能量–靈活性調度量。在實際情況下，風電出力并不能準確被預測出來。可以基于預測結果在給定范圍波動區間。

由式（16）VPP中標量等于各分布式能源投標量可得下式：

為了使在風電出力不確定的情況下，依然存在調度可行解，需要滿足下式：

令：

則式（25）即為：

將式（22）代入式（26）得：

通過式（27）可以推導出風電不確定性越大，式（27）的約束條件要求越高。為了滿足所求解達到預測值邊界的情況下，需要對式（27）約束進一步改進。引入變量()，令()≥|()|，則

從而，將不確定量的線性規劃轉化為確定規劃。如下式所示：

當=0時，為預測確定模型；當=1時，為風電最保守魯棒性優化模型。因此，調節系數就可以得到具有不同保守程度的最優解，對給出最優魯棒系數進行投標，從而提高實際利潤。

4 算例分析

為驗證上述模型，本文選取1臺15 MW風電機組、1臺20 MW的儲能機組和1臺20 MW的燃氣輪機共同組成一個VPP。風電機組切入風速、額定風速和切出風速為4 m/s、17 m/s和18 m/s；風電能量–靈活性調節成本系數wt=0.3。市場能量–靈活性電價信息如附錄表A1所示。為每天的時段數。由于風電靈活性調節時間段設置為15 min，因此，將每天時段分為96個時段。VPP投標偏差懲罰系數設置為時刻電價系數的1.3倍。

通過魯棒隨機優化模型求解出不同魯棒系數下預測利潤和實際利潤值，如圖4所示。魯棒隨機投標模型最大實際利潤和對應預測利潤如表1所示。

圖4 預測利潤和實際利潤

表1 魯棒隨機優化投標實際利潤與預測利潤

通過圖4可以看出，實際利潤隨著魯棒性系數增大并不是一直減少，而是先增加后減少，且在取0.7時，獲得實際最大利潤。預測利潤隨著魯棒性系數增大，其利潤一直減少。因為，為了降低風電出力偏差給VPP帶來懲罰，VPP通過燃氣輪機、儲能預留一定的備用容量來調節風電的不確定性。考慮風電的魯棒性系數越大，燃氣輪機、儲能給風電預留的備用容量越大，因此，VPP在市場投標出力就會越少。若魯棒性取最大值，不平衡懲罰并不能彌補保守投標方案帶來的損失，實際利潤將會降低。

VPP為了使自己投標利潤最大，在取0.7時，通過附錄A能量–靈活性價格信息參與輔助服務投標，其投標出力如圖5所示：

圖5 VPP能量–靈活性投標出力示意圖

由圖5可得VPP在能量–靈活性輔助投標過程中，由于[0~17]、[22~24]區間，靈活性調節信息價格低于能量信息價格，VPP只參與了能量投標；在[18~21]區間，由于可再生能源出力降低，傳統火電機組無法短時間彌補可再生能源迅速下降出力，使得ISO通過提高靈活性價格購買靈活性產品，降低用戶停電帶來的損失。VPP在[18~21]區間降低能量投標出力，預留一定的備用容量進行靈活性爬坡出力。從附錄A分布式能源爬坡率和風電魯棒性系數可知，VPP在此時以最大爬坡出力進行靈活性調節。[21~22]區間由于儲能容量限制和燃氣輪機出力限值，使得VPP靈活性調節量降低。VPP各個分布式能源實際能量–靈活性調度如圖6所示。

由圖6 VPP內部各分布式能源調度出力可知，VPP在靈活性價格較低時段考慮自身利益情況下，只進行能量調度出力；在靈活性價格高與能量價格時段，VPP降低分布式能源能量出力，增加靈活性需求調節量。

圖6 分布式能源參與能量–靈活性調節示意圖

5 結論

本文考慮VPP內部風電不確定性，建立了VPP同時參與能量–輔助服務市場魯棒隨機投標模型。通過設置不同魯棒性系數，獲得不同投標收益，在選取合適魯棒性系數時，可以獲得最大利潤。VPP調度方案不僅受到各個分布式能源出力成本影響，而且受到能量–靈活性電價影響。當靈活性調節價格高于此時能量價格時，VPP降低能量出力或不出力，預留一定容量進行靈活性投標。雖然VPP在此時損失能量收益，但是VPP進行靈活性投標出力使得總收益增加。

由于本文靈活性分布式資源考慮不全面，其靈活性調節還受其他資源的影響。比如水電和負荷需求響應。不同資源參與市場靈活性輔助服務，將給傳統機組參與輔助服務產生一定的影響，對社會效益和環境都產生較高影響。

靈活性輔助服務市場剛剛建立，其實際運行和創造的價值需要進一步論證和分析，一些不確定因素尚未被考慮到。如何完善靈活性市場和進一步對不確定性因素采取有效措施進行規避，都是未來很值得研究的重點問題。

[1] 魯宗相, 李海波, 喬穎. 含高比例可再生能源電力系統靈活性規劃及挑戰[J]. 電力系統自動化, 2016, 40(13): 147-158. LU ZONGXIANG, LI HAIBO, QIAO YING. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147-158(in Chinese).

[2] CHIKKATUR A, SAQARA D. Comments on the draft report of expert committee on integrated energy policy[J]. Science, 2006, 70(1804): 89-90.

[3] OCDE. Support mechanisms for the renewable energy sector in the Middle East and North Africa[J]. 2013(32): 53-84.

[4] 王仲穎. 2050年高比例可再生能源發展圖景[J]. 國家電網, 2015(9): 61-62.

[5] 郭鴻業, 陳啟鑫, 夏清, 等. 電力市場中的靈活調節服務: 基本概念、均衡模型與研究方向[J]. 中國電機工程學報, 2017, 37(11): 3057-3066. GUO HONGYE, CHEN QIXIN, XIA QING, et al. Flexible ramping product in electricity markets: basic concept, equilibrium model and research prospect[J]. Proceedings of the CSEE, 2017, 37(11): 3057-3066(in Chinese).

[6] HOWLANG E. Cal-ISO opposes change to ramping product[J]. Platts Megawatt Daily, 2016(8): 9.

[7] 王蓓蓓, 叢小涵, 高正平, 等. 高比例新能源接入下電網靈活性爬坡能力市場化獲取機制現狀分析及思考[J]. 電網技術, 2019, 43(8): 2691-2701. WANG BEIBEI, CONG XIAOHAN, GAO ZHENGPING, et al. Status analysis and thoughts of market-oriented acquisition mechanism on flexible ramp capability for power grid with high proportion of renewable energy[J]. Power System Technology, 2019, 43(8): 2691-2701(in Chinese).

[8] 張琨. 含電動汽車的電力系統輔助服務研究[D]. 天津: 天津大學, 2017. ZHANG KUN. Power system ancillary services considering electric vehicles[D]. Tianjin: Tianjin University, 2017(in Chinese).

[9] 周任軍, 呂佳, 張武軍, 等. 氣電虛擬電廠多能源市場競標策略[J]. 中國電力, 2018, 51(7): 120-127. ZHOU RENJUN, LV JIA, ZHANG WUJUN, et al. Bidding strategies for gas-electricity virtual power plants in multi-energy market[J]. Electric Power, 2018, 51(7): 120-127(in Chinese).

[10] 王晛, 張凱, 張少華. 風電參與投標的日前電力市場與需求響應交易市場聯合均衡分析[J]. 中國電機工程學報, 2018, 38(19): 5738-5750. WANG XIAN, ZHANG KAI, ZHANG SHAOHUA. Joint equilibrium analysis of day-ahead electricity market and DRX market considering wind power bidding[J]. Proceedings of the CSEE, 2018, 38(19): 5738-5750(in Chinese).

[11] JIN Y, WANG Z, JING C, et al. Dispatch and bidding strategy of active distribution network in energy and ancillary services market[J]. Journal of Modern Power Systems & Clean Energy, 2015, 3(4): 565-572.

[12] 王晛, 張華君, 張少華. 風電和電動汽車組成虛擬電廠參與電力市場的博弈模型[J]. 電力系統自動化, 2019, 43(3): 155-162. WANG XIAN, ZHANG HUAJUN, ZHANG SHAOHUA. Game model of electricity market involving virtual power plant composed of wind power and electric vehicles[J]. Automation of Electric Power Systems, 2019, 43(3): 155-162(in Chinese).

[13] 代業明, 高巖. 基于智能電網需求側管理的多零售商實時定價策略[J]. 中國電機工程學報, 2014, 34(25): 4244-4249. DAI YEMING, GAO YAN. Real-time pricing strategy with multi-retailers based on demand-side management for the smart grid[J]. Proceedings of the CSEE, 2014, 34(25): 4244-4249(in Chinese).

[14] 宋依群, 侯志儉, 文福拴, 等. 電力市場三種寡頭競爭模型的市場力分析比較[J]. 電網技術, 2003, 27(8): 10-15. SONG YIQUN, HOU ZHIIAN, WEN FUSHUAN, et al. Comparison of market power in three oligopoly models of electricity market[J]. Power System Technology, 2003, 27(8): 10-15(in Chinese).

[15] 韓精藝, 代業明. 智能電網環境下多零售商的實時定價決策分析: 基于需求側管理角度[J]. 價值工程, 2016, 35(29): 80-82. HAN JINGYI, DAI YEMING. Analysis on the real-time pricing strategy for retailers coexisting in the power market under the smart grid condition: from the angle of demand-side management[J].Value Engineering, 2016, 35(29): 80-82(in Chinese).

[16] 彭石, 劉文, 陳萬喜, 等. 大量可再生能源接入下的電力系統靈活性指標及評價綜述[J]. 中國科技成果, 2019, 20(7): 42-47.

[17] 劉吉臻, 李明揚, 房方, 等. 虛擬發電廠研究綜述[J]. 中國電機工程學報, 2014, 34(29): 5103-5111. LIU JIZHEN, LI MINGYANG, FANG FANG, et al. Review on virtual power plants[J]. Proceedings of the CSEE, 2014, 34(29): 5103-5111(in Chinese).

[18] XU Y, XIE L, SINGH C. Optimal scheduling and operation of load aggregator with electric energy storage in power markets[C]// North American Power Symposium. IEEE, 2010: 1-7.

[19] 張曉東, 高波, 宋之平. 發電企業競標策略的研究[J]. 中國電機工程學報, 2004, 24(9): 153-157. ZHANG XIAODONG, GAO BO, SONG ZHIPING . The study of bidding strategies for a power supplier[J]. Proceedings of the CSEE, 2004, 24(9): 153-157(in Chinese).

附錄A

附表A1 能量–靈活性電價信息

Tab. A1 Energy and flexibility tariff information

時段能量電價/（USD/MW）靈活性電價/（USD/MW）時段能量電價/（USD/MW）靈活性電價/（USD/MW）時段能量電價/（USD/MW）靈活性電價/（USD/MW） 13.052.7599.807.56179.807.56 23.052.75109.807.56186.8010.21 33.052.75119.807.56196.8010.21 43.052.75126.805.73209.8010.21 53.052.75136.805.73219.8010.21 66.185.65149.807.56226.807.56 76.185.65159.807.56236.185.73 89.807.56169.807.56246.185.73

附表A2 虛擬電廠內各分部式電源參數

Tab. A2 Parameters of distributed power supply in virtual power plant

類型出力下限/MW出力上限/MW爬坡率/(WM/h) 風電機組015±3 儲能020±2 燃氣輪機020±3

附表A3 VPP中各個分布式能源發電成本系數

Tab. A3 Cost coefficients of distributed energy generation in VPP

ai/(USD/MW2)bi/(USD/MW)ci/USD 燃氣輪機0.300.5000.320.600 儲能0.250.4800.280.500

附圖A1 風電出力的預測值和實際值

Fig. A1 Forecast and actual value of wind power output

Research on Flexible Auxiliary Service Bidding Strategy of Virtual Power Plant

ZHANG Wei, LI Huaibao, DONG Xiaowei, WANG Junxiang, LIU Ruoyao

(School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

As a flexible auxiliary service provider, virtual power plant (VPP) helps to mitigate the impact of renewable energy uncertainty on power grid. In order to reduce the deviation penalty and bidding risk of VPP participating in flexible bidding, robust optimization method is adopted to deal with the uncertainty of wind power output. The uncertain wind power output is limited to a certain interval, and different optimal bidding schemes are given by adjusting the robust coefficient. Due to the coupling effect in capacity when VPP provides energy and flexibility ancillary services, this paper establishes a robust stochastic bidding model for VPP to participate in the energy provision and ancillary service market at the same time, so as to improve the actual profit of VPP. The effectiveness of the robust stochastic bidding model is proved by an example.

virtual power plant; flexible ancillary services; robust optimization; bidding strategy

TM71

A

1672-0792(2021)03-0047-10

10.3969/j.ISSN.1672-0792.2021.03.007

2020-11-05

張 巍（1983—），男，講師，主要研究方向為電力經濟與電力市場、智能電網與電力系統規劃等；

李懷寶（1992—），男，碩士研究生，主要研究方向為電力系統靈活性、電力市場下的需求響應、計及可再生能源的電力市場輔助服務；

董曉偉（1996—），男，碩士研究生，主要研究方向為電網數據挖掘與分析；

王俊翔（1995—），男，碩士研究生，主要研究方向為綜合復雜網絡分析；

劉若瑤（1996—），女，碩士研究生，主要研究方向為新能源調頻。

李懷寶