考虑多不确定性的多能虚拟电厂运行优化.pdf

462023.5期区域供热考虑多不确定性的多能虚拟电厂运行优化卜心明，白烨？，张亮，蔡浩飞?，徐海涛，王子涵?，吴燕玲3*（1.呼伦贝尔安泰热电有限责任公司海拉尔热电厂，内蒙古呼伦贝尔021000;2.中国华能集团清洁能源技术研究院有限公司，北京102209;3.浙江大学能源工程学院，浙江杭州310027)摘要：为了增强虚拟电厂（VPP)的运行灵活性，提出了一种多能VPP结构，该结构将电转气、储能、电锅炉和碳捕获装置集成于一体。针对多能VPP运行优化所面临的挑战，构建了一种考虑环境和主体行为不确定性的运行优化模型，并引入滑动时间窗口，以实现VPP效益的最大化。研究发现，电转气和碳捕获技术的引入有效地提高了VPP的整体经济性并减少了碳排放。考虑利益相关者的不确定性时，整体利润下降的上限提高。本文提出的结构和操作优化方法有望提高VPP的调节灵活性。关键词：虚拟电厂；灵活性；运行优化；不确定性；预测优化资助项目：高寒地区长距离网源协同与城市智慧供热关键技术研究（HNKJ21一H73)DOI 编码:10.16 6 41/11-3241/tk.2023.05.006Research on operation optimization of multi-energy virtualpower plant considering multiple uncertaintiesBU Xinming,BAI Ye,ZHANG Liang,CAI Haofei?,XU Haitao,WANG Zihan?,WU Yanling(1.Hailar Thermal Power Plant,Hulunbeier Antai Thermal Power Co.,Ltd.,Hulunbuir 021000,China;2.Huaneng Clean Energy Research Institute Co.,Ltd.,Beijing 102209,China;3.College of Energy Engineering,Zhejiang University,Hangzhou 310027,China)Abstract:In order to enhance the flexibility of virtual power plants(VPPs),a multi-energy VPPstructure is proposed,integrating power-to-gas,energy storage,electric boilers,and carbon capturedevices.To address the challenges of optimizing the operation of a multi-energy VPP,a new operationoptimization model is developed,which takes into account environmental and behavioral uncertaintiesand incorporates a sliding time window to maximize VPP benefits.Introducing power-to-gas andcarbon capture technologies effectively improves the overall economic efficiency of VPPs and reducescarbon emissions.When considering the uncertainty of stakeholders,the upper limit of the overallprofit decrease increases.The proposed structure and operation optimization method can enhance theregulation flexibility of future VPPs.Keywords:virtual power plants;flexibility;operation optimization;uncertainty;prediction optimization472023.5期区域供热0引言化石能源存在安全、经济和环保方面的问题，因此发展以可再生能源为主体的新型电力系统是实现“碳中和”和可持续发展的必要途径门。分布式可再生能源发展迅速，但由于其数量多、容量小、差异大、空间分散 2 ，难以独自参与电力市场。为此，虚拟电厂(VPP)已经成为提高可调整资源利用率的中间层 3.4，能将分布在不同地区的设备聚合成一个系统，通过协调内部各机组的负荷应对发电侧的不稳定，以及需求侧的增长和变化。但随着可再生能源比例的提高，扩展聚合结构、提高系统的灵活性就变得至关重要。针对聚合实体的选择，现有研究主要关注单一类型的实体，例如可再生能源聚合和用户负荷聚合。一些研究考虑了可再生能源聚合，如风电场、水力发电厂和光伏发电厂，以及具有灵活需求的用户和储能系统 5。然而，这些研究只考虑了电能。随着综合能源系统的发展，一些学者将热能等能源引人VPp6,7,以提高决策的灵活性和经济效益。一些学者还将电转气（P2G)8、碳捕集装置(CCUS)9,101和碳储存系统等耦合到VPP中，从而实现低碳运行和多能源优化。可见，将VPP从单一的电力市场扩展到平衡市场、热力市场、天然气市场和碳市场，可以提高系统的灵活性和可靠性。然而，系统聚合结构的扩展和聚合实体的变化加大了VPP运行优化的难度。为了应对这个问题，研究人员提出了多种方法。例如，Zhang等人 提出了VPP的双目标优化模型，从经济和环境角度进行了优化，并通过多目标离子群算法加以求解。Lee等人 12 将电力供需响应成本函数建模为分段线性函数，并解决了基于混合整数线性规划的VPP优化问题。Zapata等人 13提出了滚动优化方法，以减少计划与实际方案之间的不平衡。Kaczorowska等人 14则使用粒子群算法来优化包含VPP的光伏发电和存储设备。然而，确定性调度优化忽略了输入条件的波动性甚至模型结构的波动性，导致控制策略与实际情况之间存在显著偏差，可执行性较低。此外，系统聚合结构的扩展和聚合实体的变化也显著增加了系统的不确定性。目前，概率方法、混合人工智能方法、模糊理论、鲁棒随机方法、场景方法和蒙特卡洛模拟方法被广泛用于解决风力发电的不确定性问题和负荷需求问题。例如，Sharifian等人 15 结合I型模糊神经网络和粒子群优化算法，从模糊理论的角度处理了不确定性。上述研究主要关注需求、价格等外部因素的不确定性。但随着VPP的发展，内部主体的多样化和合作程度成为当前不确定性调控策略的一个关键干扰因素。Niu等人 16 以具有多个投资利益相关者的VPP为研究场景，从竞价策略和市场均衡的角度分析和验证了不同市场参数变化对每个分布式电源的影响，以及市场机制和竞价模型的有效性。Tang等人 17基于条件风险值理论和蒙特卡洛模拟方法，建立了惩罚成本函数，以应对各个可再生能源的不确定性。然而，上述研究所涉及的主体类型是单一的，未充分考虑多主体环境下的主体内在不确定性。由上述文献分析可知，现有的VPP研究还存在改进的空间，特别是在多能源、多市场交互方面的VPP聚合结构、不确定因素分析、应对不确定性的能力等方面仍有优化空间。因此，本文提出了一种新的多能源VPP聚合结构，将碳捕获(CCUS)、电转气(P2G)和储能集成到VPP中，同时提出了一种考虑不确定性的运行优化方法。本文的主要贡献在于：(1)设计了一种新的VPP聚合结构,用于多能源、多市场交易，并实现了CCUS、P2 G 和储能的集成；(2)提出了一种考虑环境和主体行为不确定性的运行优化方法，并对引人P2G和CCUS的经济效益影响进行了定量分析。1多能虚拟电厂预测优化模型1.1多能VPP聚合结构本文提出的集CCUS、P2 G、电锅炉、储能于一体的多能VPP结构，如图1所示。482023.5期区域供热时记得多能内部能源供需关系，TEO，T 热负荷储热电负荷电锅炉CCUS设备碳交易市场CHP机组储电PV机组储碳P2G设备全天然气市场弃风光WP机组-热能电能CO2一 天然气电交易市场图1多能VPP内部系统结构及能源供需图在图1中设定：光伏发电机组为PV，风力发电机组为WP，热电联产机组为CHP。1.2多能VPP预测优化模型(1)行为参数u与环境参数设置变量1为图1中各设备主体的用/产电参数，记为行为参数u。其中，u的纵坐标长度为调度周期总长度T。u,=pCCPP,IPcC.tppVP2C.pwPP2C.1,P2G.1PTH.,CHI,CHO.t PBOP.I,CEO.tP TAPOU,t,CEI.PFORU.,J(1)设置变量2 为外界条件参数，记为环境参数x，其纵坐标长度为T：,=ppvP.ppwP.,price H.priceE.pricecH4.tpricecTl.tpricecc.rpricecT2.tpricecE.tpricecH.tppl,pph,qcso.tpcco.zpchpo.tq taho.tq tapo.t(2)式中：PcCP.l一t时刻热电联产装置的发电功率，MW;Pcc.t时刻碳捕集装置的发电功率,MW;PPVP2C.一t时刻光伏发电机组的有效发电功率，MW;pwpP2C.l一t时刻风力发电机组的有效发电功率，MW;Pp2G.t时刻P2G设备的用电功率,MW;PTH.一t时刻热电联产装置的热流量，MW;CH1.一t时刻进人储热装置的热流量，MW;CHo.t时刻从储热装置用掉的热流量，MW;PBoP.一t时刻电锅炉用电功率，MW；CEo.1一t时刻从储电装置用掉的电功率,MW;PTAPOU.一t时刻储电装置去满足用户电负荷的电功率，MW；CEl.一t时刻进人储电装置的电功率，MW;PFORU.一t时刻直接去满足用户电负荷的电功率,MW;ppvp.一t时刻光伏发电机组的总发电功率,MW;Ppwp.一t时刻风力发电机组的总发电492023.5期区域供热功率,MW;priceH.t一t时刻供暖价格，元/MW;priceE.t一t时刻售电价格，元/MW；pricecH4.一t时刻天然气交易价格，元/MW；pricecT1.一t时刻碳税成本，元/MW；pricecc.一t时刻储碳成本系数，元/MW;pricecT2.一t时刻碳市场交易价格，元/MW；pricecE一t时刻储电成本系数，元/MW；pricecH.一t时刻储热成本系数，元/MW;ppl,一t时刻电负荷需求，MW;pph,一t时刻热负荷需求,MW;Qcso.t-1 时刻储碳量,t;Pcco.t一t-1时刻碳捕集装置耗电功率,MW;Pchpo.一t-1时刻热电联产装置的发电功率,MW;Qabo.t-1时刻储热流量,MW;Qap.t-1时刻储电功率,MW。日标函数目标函数：maxminf(,u,biasra,biasu.s)(3)sa=1,2,3,.,sa.,nc(4)式中：T一时间窗口长度，h；f，一t时刻虚拟电厂总成本，元；biaSt.a一sa场景下的环境不确定性参数；biasu一sa场景下的行为不确定性参数；nc一场景个数。约束条件：(1)储碳量约束CCibqcsoCCub(5)q cso=CC,-1(6)式中：CCib一储碳装置储碳的下限值；CCub一储碳装置储碳的上限值。(2)储热量约束CHlbq ahoCH ub(7)q taho=CH,-1(8)式中：CHib一储热装置储热的下限值；CHub一储热装置储热的上限值。(3)储电量约束CEbqtapoCEub(9)q tapo=CE,-1(10)式中：CEib一储电装置储电的下限值；CE品一储电装置储电的上限值。(4)储电装置放电约束CCo.t-P TAPOU.t0(11)（5）行为参数上下限约束ulbuuub(12)式中：uib一行为参数u的下限值；uub一行为参数u的上限值。(6)爬坡约束CHP机组存在爬坡约束，即与上一时刻的功率差值。pcPP,t+pcc.tccPP,t-1-pcc.t-1dtp(13)-pccpP,t-pcc.t+pccP,t-1+pcC.,t-1dtp(14)P chpo=P chp.t-1(15)式中：dtp一热电联产机组爬坡能力限制。(7)电负荷约束PTAPOU.t+PFORU.,t=Ppl,(16)(8)热负荷约束pTH-CHI,+CHo.t+pBOP,elta bo=phl,(17)式中：eltabo一电锅炉效率。(9)供给市场的电约束PcCPP,t+p pVP2C.,+p wPP2C,P BOP,t-CC1,P FORU,t+CCo.t-P TAPOU.,O(18)（10)热电联产机组总出力约束Pchp.lbpchp,pchp.ub(19)式中:pchp,lb热电联产机组出力下限；502023.5期区域供热Pchp,ub热电联产机组出力上限（11)热电联产机组热电比约束PTH,trHEbrHEub(20)Pchp,t式中：rHEib一热电联产机组热电比下限；rHEub一热电联产机组热电比上限。(12)可再生能源发电与P2G设备用电约束pPVP.,+pwPP.p P2G.tpVP2C.pwPP2C.t0(21)(13)不确定性约束r=r (1+sample(biasr.)(22)u=u (1+sample(biasu)(23)式中：sample一蒙特卡洛抽样函数。2案例验证2.1参数设置构建结构如图1的VPP，参照文献 18-2 1设置模型参数如表1所示。制定的VPP调度计划时间粒度为h，时间长度为2 4h。表1VPP模型参数配置参数类型参数数值CCUS设备的固定能耗/MW0.015热电联产机组发电系数a、b、c0.01,5,50碳捕集效率/%90热电联产机组碳排放强度0.96/t (MWh)-1设备运行与碳排放配额系数/t（M Wh）-10.76能耗参数单位天然气产出的二氧化碳0.2消耗量/t(MWh)-1P2G设备的转换效率/%60单位能耗的CO,捕集量3.717/t(MWh)-1P2G设备单位能耗成本20/元(MWh)-1光伏发电成本系数/元（M Wh）-150经济参数风电发电成本系数/元（M Wh）-1110弃风弃光惩罚成本系数100/元（M Wh）-12.2VPP确定性优化结果分析图2 展示了VPP确定性优化后的电量和热量平衡结果。(1)在0 一1时间段内，电功率需求较低，因此建议降低热电联产的发电功率值。(2)在1一6 时间段内，由于WP功率较高，CHP的输出保持在较低的值，同时WP的功率也被充分消耗。(3)随着WP功率的下降，热电联产机组的输出功率会随着电力负荷的变化先增加后减小。（4）这项方案的最优利润为17 19 0.57元，并且每时没有任何弃风弃电量。供电供热满足10 0%的用电和热负荷需求，有效避免了因需求无法满足而产生的惩罚成本。10Pp2GPcCPPPFORUPCOPPccCEo5CEPTAPOUPpVWPMW/率-10L一471013161922时段/h(a)电功率平衡CH,PTH4CHoPBOP2MW/率一471013161922时段/h(b)热功率平衡图2不考虑环境与主体行为时变及时间窗的VPP优化结果2.3带时间窗口的VPP确定性优化结果分析图3展示了不同时间窗口长度下，未来24h内总优化利润和爬坡功率变化的情况。（1)当T设置为12 时，总优化利润曲线达到峰值，比设置为1时增加了142 8.59 元。这说明随着时间窗口长度的增加，优化后的512023.5期区域供热总利润逐渐增加并趋于稳定。(2)当T设置为12 时，爬坡功率只改变了17.39%。说明从爬坡功率变化次数的曲线来看，时间窗口长度的增加有效地减少了爬坡功率的变化次数。(3)对于热电联产来说，更少的电力变化意味着更低的运营成本和更少的设备损坏。因此，求解调度优化时决策时间窗口的长度确实会影响整个VPP的优化方案和效果。（4)此外，由于时间窗口参数的设置，该模型可以考虑机组的运行稳定性，提高方案的可行性。这也意味着热电联产的运营成本更低，设备损坏的风险更小。2020000功率变化数15一总利润1900010180005170003691215182124时间窗长度/h图3不同的时间窗长度对优化利润与爬坡功率的影响2.4考虑不确定性的VPP优化结果分析根据2.3计算的结果，选择时间窗长度T为12,并将每个不确定性系数下的采样场景数设置为30。在环境不确定性因素下，选择总利润的最坏场景作为优化结果。图4展示了在不同环境和主体行为不确定性系数下总利润的变化情况在图4中可以看到：（1）总利润和环境不确定性系数呈反向趋势。当环境参数的总体不确定性为1%时，总利润减少约9 6 6.7 5元。(2)随着利益相关者行为不确定性的增加，VPP调度优化的总利润亦呈下降趋势，最大利润下降18.19%。在表2 中，以环境不确定性和利益相关20000斜率：9 6 6.7 5/15.0001000050000.000.050.10环境不确定性系数(a）不同环境不确定性系数19000180001700016000150000.000.050.10主体不确定性系数(b）不同行为不确定性系数图4不同不确定性因素下总利润的变化者行为不确定性为零的方案作为基准，开展每个方案的结果比较。其中，方案1一4是传统方法的计算结果，方案5一10 和基准方案是本文提出的运行优化方法的计算结果。可以发现，传统方法的优化时间粒度为h，在长期优化中忽略了近期决策的影响，导致利益损失高达7.6 7%。而环境不确定性和主体行为不确定性的耦合更进一步地降低了总体规划的利润。2.5多种能源结构模式对虚拟电厂总利润的影响从图5可以看出，传统的VPP结构的总利润为1149 1.50 元。引入P2G后，总利润达到14512.2 5元，有了显著提高。而当进一步引人CCUS时，总利润将比传统VPP结构增加56 9 9.0 7 元，进一步提高了整体利润。这表明引人P2G和CCUS技术可以有效提高VPP系统的利润。此外，我们比较了仅引人P2G和仅引人CCUS两种方案的利润。结果显示，单独引人P2G的利润要高于仅引人CCUS。52区域供热2023.5期表2 各方案结果对比表时间窗长度主体行为较基准方案利润较基准方案利润方案名称环境不确定性总利润/元/h不确定性下降值/元下降幅度/%基准方案120018619.16/方案110017 190.571428.597.67方案2120.01017 605.721 013.445.44方案3120.02016 711.921 907.2410.24方案4120.03015 170.433.448.7418.52方案51200.0117572.931 046.235.62方案61200.0217826.56792.614.26方案71200.0316 728.961 890.2110.15方案：120.010.0116692.521 926.6410.35方案9120.020.0217252.781.366.387.34方案10120.030.0316 758.661 860.519.99传统虚拟电厂(无P2G、CCU S)只添加CCUS只添加P2G添加P2G及CCUS05000100001500020000总利润/元图5不同的聚合结构模式对虚拟电厂总利润的影响图6 显示了设备负荷能力对VPP利润的影响。结果表明，增加CCUS负荷能力不会增加VPP的整体利润，而增加P2G负荷能力可以显著提高整体利润。当负荷上限达到1.8MW时，P2G负荷的继续增加不会带来进一步的利润增长。这说明合理设置设备负荷能力可以提高VPP系统的经济效益，提高系统盈利能力。综上，聚合P2G和CCUS技术形成的多能VPP可以有效提高整体利润，同时满足能12.3001220012100/120001190011800117000246负荷上限/MW(a)CCUS150001400013000-12.0001100001234负荷上限/MW(b)P2G图6设备负荷能力对VPP整体利润的影响源和环保目标。从负荷与VPP调度总利润的分析来看，VPP可以根据热电联产负荷和碳排放总量选择合适的P2G容量和CCUS容532023.5期区域供热量，进而制定合理的调度策略以达到最佳的经济效益和环保效益平衡。3结论VPP是新型电力系统的重要组成。随着VPP结构的复杂性增加,如何分析、量化及应对不确定性，是目前VPP运行优化迫在眉睫的问题。根据本文的研究，得出的主要结论如下：(1)引人CCUS和P2G设备的聚合可以使多能VPP结构的利润比传统VPP结构增加56 9 9.0 7 元。(2)通过引人滑动时间窗口来考虑最近的决策对后续决策的影响，可以增加8.31%的利润，同时将爬坡功率的变化控制在17.39%以内，有效降低操作成本。(3)当环境与主体行为的不确定性系数较大时，整体调度利润减少的程度越明显；当环境与主体行为的不确定性相互作用时，优化方案总体利润减少的上限将从47.7 0%扩大至 6 0.45%。参考文献1孔力，裴玮，饶建业，等建设新型电力系统促进实现碳中和 J.中国科学院院刊，2 0 2 2,37（4)：522-528.2HADAYEGHPARASTS,FARSANGI ASN,SHAYANFARH.Day-aheadstochasticmulti-objective economic/emission operational schedulingof a large scale virtual power plant J.Energy,2019,172:630-646.3陈会来，张海波，王兆霖不同类型虚拟电厂市场及调度特性参数聚合算法研究综述 J中国电机工程学报，2 0 2 2：1-16.4 卫志农，余爽，孙国强，等虚拟电厂的概念与发展.电力系统自动化，2 0 13，37（13）：1-9.5 VAHEDIPOUR-DAHRAIE M,RASHIDIZADEH-KERMANI H,SHAFIE-KHAH M,et al.Risk-averseoptimal energy and reserve scheduling for virtualpowerplantsincorporatingdemandresponseprogramsJ.IEEE Transactions on Smart Grid,2021,12(2):1405-1415.6CHEN B,WU W,SUN H.Coordinated heat andpower dispatch considering mutual benefit andmutual trust:a multi-party perspectiveJ.IEEETransactions on Sustainable Energy,2022,13(1):251-264.7FANG F,YU S,LIU M.An improved Shapleyvalue-based profit allocation method for CHP-VPPJ.Energy,2020,213:1-15.8 JU L W,YIN Z,ZHOU Q Q,et al.Near-zero carbonstochastic dispatch optimization model for power-to-gas-basedvirtual1powerplanttconsideringinformation gap status theory J.InternationalJournalofClimateChangeStrategiesandManagement,2022,15(2):105-127.9】袁桂丽，刘骅骐，禹建芳，等含碳捕集热电机组的虚拟电厂热电联合优化调度 刀.中国电机工程学报，2 0 2 2,42(12)：4440-4449.1o TAN C,WANG J,GENG S,et al.Three-levelmarket optimization model of virtual power plantwith carboncaptureequipment consideringcopula-CVaR theoryJ.Energy,2021,237:1-18.11 ZHANG J,NONG J,XU Z,et al.A costs-emissionsbi-objective optimization of virtual power plantoperation in Hongfeng eco-town CJ/2018 37thChinese Control Conference（CCC)，2 0 18:8752-8757.12 LEE D,PARK D,PARK J B,et al.Security-constrained unit commitment considering demandresponse resource as virtual power plantJJ.IFAC-PapersOnLine,2016,49(27):290-295.13 ZAPATA J,VANDEWALLE J,DHAESELEERW.A comparative study of imbalance reductionstrategies for virtual power plant operation J.Applied Thermal Engineering，2 0 14,7 1（2):847-857.14 KACZOROWSKA D,REZMER J,SIKORSKI T,etal.Application of PSO algorithms for VPPoperation optimizationJ.Renewable Energy andPower Quality Journal,2019,17(17):91-96.15SHARIFIAN A,GHADI M J,GHAVIDEL S,etal.A new method based on Type-2 fuzzy neuralnetwork for accurate wind power forecastingunder uncertain data J.Renewable Energy,2018.120.220-230.（下转第6 4页）（下转第6 4页）64上接第5 3 页）区域供热2023.5期水定压值的换热站，“一补二”电磁阀可根据水箱液位对二次侧进行补水；针对一次侧供、回水压力大于二次侧补水定压值的换热站，冷凝水电磁阀可根据二次侧回水压力进行补水，同时在该指令状态下，该站点现场补水泵将处于无法启动状态5项目效益热源侧和二次侧换热站经过改造后，一次网补水基本可以实现使用冷凝水替代软化水，二次侧补水根据实际运行工况和冷凝水池的余量进行调整。经过一个供热季的统计，冷凝水供热季排放量为2 0.1万吨，其中经过回收处理用于系统补水的为18 万吨，该部分水量代替原有软化水，可实现节约水成本9 7.2 万元；同时2 5 的冷凝水补水进入供热管网，与软化水相比，可为管网额外输送热量1.1万吉焦，每吉焦供热直接成本按照140元计算，可节约能源成本15 4万元。经过测算，冷凝水综合利用项目可降低供热直接成本2 5 1.2 万元，减少CO2排放量约6 0 0 吨。6总结本文以青岛市某区燃气锅炉冷凝水综合16 牛壮壮，基于水循环算法的含多利益主体的虚拟电厂优化调度研究 D上海：上海电机学院，2 0 2 1.17唐佳圆，赵文彬，卢武，等，考虑风险分摊的多主体交易及利润分配方法.电气传动，2 0 2 2，52(15):38-45.【18 李鹏，余晓鹏，张艺涵，等，计及碳捕集和电转气的农村虚拟电厂多目标随机调度优化模型J.电力建设，2 0 2 2,43(7)：2 4-3 6.19艾星贝，闫庆友，基于信息间隙决策的含碳捕利用项目为例，阐述了冷凝水区域补水的整体设计方案和整体控制系统，并简要介绍了项目效益情况，对冷凝水的区域综合利用具有一定借鉴意义。当前，随着全国“煤改气”的推行，天然气将成为部分地区的主要供热形式，地方和企业在关注锅炉烟气余热回收利用的同时，不能忽略冷凝水资源的宝贵性，这部分资源既能提供大量的供热系统用水，又能产生低品位热能。冷凝水的深度利用，可助力企业进一步节能降耗，有着良好的经济效益和社会效益。参考文献1雷鑫，耿爱民，孔祥渠燃气锅炉烟气冷凝水回收利用分析 J中国高新技术企业，2 0 16(2 1)：87-88.2】惠荷.燃气锅炉烟气冷凝水回收利用的设计计算及探讨.电力与能源，2 0 2 0,41(3)：3 7 5-3 7 7.3 周五林燃气锅炉冷凝水处理设计实例分析 J：区域供热，2 0 2 2(2)：5 0-5 3.4 别尔兰贾纳依汗燃气工业锅炉冷凝水危害与防治 J.工业锅炉，2 0 2 1(2)：5 3-5 6.集虚拟电厂经济调度优化模型.电力科学与工程,2 0 2 2,3 8(5):6 8-7 8.20陈思璇含热电联产机组的虚拟电厂博奔研究D.北京：华北电力大学（北京），2 0 2 1.21SHAHKOOMAHALLIA,KOOCHAKIA，SHAYANFARH.Risk-basedelectrical-thermalscheduling of a large-scale virtual power plantusing downside risk constraints for participating inenergy and reserve marketsJ.Arabian Journal forScience and Engineering,2021,47(3):2663-2683.