考虑多主体互动的光储充微电网运行模式分析.pdf

第 38 卷第 2 期电 力 科 学 与 技 术 学 报Vol.38 No.22023 年 3 月JOURNAL OF EIECTRIC POWER SCIENCE AND TECHNOLOGYMar.2023考虑多主体互动的光储充微电网运行模式分析魏梅芳1，黎跃龙1，胡国峰2，钟俊杰2，龙敏1，李勇2（1.国网湖南省电力有限公司技术技能培训中心，湖南 长沙，410000；2.湖南大学电气与信息工程学院，湖南 长沙，410082）摘要：传统微电网存在用户间缺乏互动性、可再生能源利用率低等问题。本文考虑不同气候条件下光伏出力及智能楼宇内储能的运行模式，提出基于多主体互动的微电网运行模式，用于优化微电网的用户用能成本，同时提升可再生能源的消纳能力。首先，对比分析微电网经典运行模式及多主体互动运行模式，研究各主体在不同模式下的用能行为；然后，灵活制定合约电价，提升智能楼宇运营商与电动汽车充电站运营商在微电网内电能互动的效率，并进一步分析多主体互动模式下微电网内部的能量流动情况；最后，考虑环境因素对光伏出力的影响，分析不同运行模式下微电网内用户的用能成本以及微电网消纳可再生能源的能力。仿真结果表明，在采用多主体互动模式时，在光照条件充足时，可再生能源消纳率从经典运行模式的 67.83%提高到了 100%，同时减少了智能楼宇运营商及充电站运行商的用能成本。关键词：微电网；可再生能源消纳；多主体互动；分时电价DOI：10.19781/j.issn.16739140.2023.02.015中图分类号：TM732文章编号：16739140（2023）02013308Analysis of operating mode of photovoltaicenergy storagecharging stationmicrogrid considering multiagent interactionWEI Meifang1，LI Yuelong1，HU Guofeng2，ZHONG Junjie2，LONG Min1，LI Yong2（1.The Technical Skills Central Training Department of State Grid Hunan Electric Power Corporation，Changsha 410000，China；2.College of Electrical And Information Engineering，Hunan University，Changsha 410082，China）Abstract：Traditional microgrids have problems such as lack of interaction among users and low utilization rate ofrenewable energy.Considering the operation mode of photovoltaic（PV）output and energy storage（ES）in smart buildingsunder different climatic conditions，this paper proposes a microgrid operation mode based on multiagent interaction tooptimize the users energy cost of the microgrid and improve the ability to absorb renewable energy simultaneously.First，this paper compares and analyzes the classic operation mode of microgrid and the multiagent interactive operation mode，and studies the energy consumption behavior of each agent in different modes；Then，the contract price is set flexibly toimprove the efficiency of the energy interaction between the smart building operators and the electric vehicle（EV）charging station（CS）operators in the microgrid，and the energy flow inside the microgrid under the multiagantinteraction mode is analyzed；Finally，considering the impact of environments on PV output，the energy cost of users inthe microgrid under different operating modes and the microgrid s capacity of renewable energy consumption are analyzed.The simulation results show that the multiagent interaction mode of the microgrid increases the consumption rate ofrenewable energy from 67.83%of the classic operation mode to 100%when the light conditions are sufficient，and at the收稿日期：20191006；修回日期：20200106基金项目：国网湖南省电力有限公司科技项目（5216AP20000D）通信作者：龙敏（1992），女，硕士，高级工程师，主要从事新能源、电子与通信工程研究；Email：电力科学与技术学报2023 年 3 月same time optimizes the energy cost of smart building operators and CS operators.Key words：microgrid；renewable energy consumption；multiagent interaction；time of use能源问题自 20 世纪末以来一直受世界各国重视12。大到发展生产力，小到饮食起居都离不开能源的充分供应。微电网在提高能源生产/利用效率、消纳可再生能源方面扮演着重要角色，在社会经济发展、环保、能源高效利用等方面具有显著优势34。微电网主要包含各项负荷、分布式电源、各类智能控制器与开关、通信及控制系统等，是一个可以实现自我管理、保护以及控制的自治系统56，将可再生能源、储能、可控负荷等有机结合，能够同时协调多种能量的供应与消耗，且能够独立自治运行或并网运行，相较于传统电网而言，微电网集成了更多的发电资源，既为其内部各用户提供了良好的交互体验7，也提高了新能源的消纳水平，更协调了各用户间及其与电网间的互动关系，间接提高了电力市场的管理效率89。在微电网运行与调度方面，文献 10 考虑了可再生能源出力不确定性，采用区块链技术在多微电网间进行经济调度，文献 11 以各微电网利益最大化为目标建立了市场交易双层优化模型；但上述文献并未关注微电网对可再生能源的消纳及其内部能量流向；文献 12 建立了一个计及不确定性的综合能源系统多目标调度模型；文献 13 从碳交易市场的角度分析了微电网内分布式能源对降低碳排放的贡献，展示了微电网在节能减排方面的潜力；文献 14 展示了一个将部分由可再生能源、存储系统和负载组成的电网转换为微电网的实验案例，提高了微电网内部各设施的效率及可控性，以产消者的视角展示了微电网的运行逻辑；文献 1516 研究了微电网中分布式能源的 P2P 交易，关注产消者的收益，但没有研究主体间电能交易在电网层面的优点。微电网作为能源高效利用的重要自治主体，在消纳分布式能源、引导多主体自主互动方面具有天然优势，需要研究其消纳可再生能源的能力及调节主体互动的机理。为探究微电网对消纳可再生能源的潜力，本文在微电网运行模式内设置合约电价激励微电网内主体间进行电能互动，考虑含光伏、储能的智能楼宇、电动汽车充电站、电网间的电能互动模式建立多主体互动模式下的微电网运行模式，使得智能楼宇方能够考虑储能的实时荷电状态对充电站方进行报价以消耗富余电能，并针对不同光照条件下的光伏出力进行算例分析。1微电网运行模式分析1.1传统运行模式对于传统的多能源微电网，各类能源、负荷之间缺乏协调互动，没有充分发挥协同特性，降低了能源利用效率1718。对于光储充微电网而言，智能楼宇运营商及充电站运营商作为微电网中的两大主体，能否协同运行，对于提升微电网能量利用率及促进光伏消纳至关重要。图 1 所示为湖南长沙某光储充微电网，其中包含智能楼宇及充电设施。智能楼宇含有分布式光伏、储能、中央空调、智能照明等多种设施，且包含数据采集与处理系统。光伏储能智能照明中央空调数据采集中心双向电表智能楼宇配电网充电桩充电桩充电桩电动汽车充电站图 1光储充微电网结构Figure 1Structure of PVESCS microgrid如图 2所示，在经典运行模式下，智能楼宇通过光伏发电与电网供电，配合楼宇内的储能满足自身能耗。当楼宇判断自身净功率溢出时，则向电网反向送电，充电站从电网取电满足充电负荷。电网以分时电价，为智能楼宇及充电站供电。由此可知，经典运行模式对于微电网内各主体并非最优选择。对于智能楼宇方而言，光伏的产出随时间及气候波动幅度较大，而智能楼宇受储能容量限制，在自身能耗较低而光伏产量大时，以较低134魏梅芳，等：考虑多主体互动的光储充微电网运行模式分析第 38 卷第 2 期电价将电能输送给电网；在自身用电高峰期，以峰时电价从电网购电，这降低了系统对光伏的消纳，提高了楼宇的运行成本。充电站没能充分利用楼宇光伏满足电动汽车充电负荷，导致分布式光伏发电在微电网层面没有得到充分消纳19。电动汽车充电桩电网分时电价分时电价净功率溢出楼宇能耗光伏储能智能楼宇图 2微电网经典运行模式Figure 2Classic operation mode of microgrid1.2多主体互动下微电网内能量互动在经典模式中，各主体作为电能用户，或是作为产消者，只能单方面与电网这一主体进行电能互动，而微电网内各主体间的高效电能互动不仅使电能在微电网中的流动不仅局限于用户各主体与电网之间，也能充分协调微电网内各主体间的用能特性。如图 3所示，多主体互动模式下，楼宇方在净功率溢出时，可以选择不将电能反向输送给电网，而将电能以合约价格输送给充电站使其满足能耗；而充电站方可以对比当前电网电价与合约电价，选择电能来源以求降低自身运营成本。该模式利用了智能楼宇所产出的富余电能，使其能被微电网自行消纳而不反送回电网，充分发挥了微电网协调其内部多主体间电能流向的作用。电动汽车充电桩电网分时电价分时电价净功率溢出楼宇能耗光伏储能智能楼宇合约电价图 3多主体互动下的微电网运行模式Figure 3Intelligent microgrid operation mode undermultiagent interaction该模式下微电网内部能量流动如图 4所示。在该模式下，智能楼宇方首先判断自身在当前时段的楼宇净功率及储能的荷电状态，无法满足自身消耗时从电网取电使用，而电能有所富余时选择与充电站进行交易并报价。此时充电站对比合约电价与实时电价选择是否进行交易。若交易失败或完成交易后仍有电能富余，则剩余电能返回储能或返送回电网。光伏产电分时电价合约电价向电网购电报价交易失败成功储能电网充电桩分时电价返售电网反馈荷电状态图 4多主体互动下微电网能量流动示意Figure 4 Schematic diagram of energy flow in smartmicrogrid under multiagent interaction对于智能楼宇而言，要最大化降低楼宇的运行成本，提高售电收益，必须合理定制合约电价，使得运营商在储能剩余电量充足时参与主体间互动。如果售电行为过于激进，可能导致智能楼宇自身在电价尖峰时段储能内电能储量不足，从电网购电满足楼宇，提高了用能成本；如果售电行为过于保守，则会导致光伏在产量过大时储能容量过早使用完毕，智能楼宇方将溢出电能以较低电价售出给电网（或是弃光），从而降低了智能楼宇的收益。本文在智能楼宇与充电站间引入合约电价con，模拟智能楼宇方在电能互动中的定价决策。其表达式如下：con=aSmax+Stb+St0 b Smax（1）其中，为基准电价，a、b为修正系数，St为储能当前储电量，Smax为储能的最大容量。该模式使得合约电价会随储能的当前储电量调整。当储能容量接近最大值时，合约电价会降低以期待完成电能交易，避免电能被售回电网；当储能内剩余电量较少时，智能楼宇方将提高合约电价，以期待光伏发电被输送回储能。修正系数则用以表现智能楼宇主135电力科学与技术学报2023 年 3 月体在合约执行中的决策行为，这同样也会影响合约电价。2光储充微电网模型本文针对湖南长沙某光储充微电网，开展多主体互动模式下微电网运行模式研究，系统结构见图1。在该微电网示范平台中，电能可在电网与智能楼宇间双向流动。充电站运营商既可以选择向电网购电，也可以选择从智能楼宇获取电能。智能楼宇包含光伏、储能，可依据当前电价、储能的容量、楼宇内负荷情况，降低运行成本，并与电网及充电站进行电能互动。2.1目标函数智能楼宇运营商与电动汽车充电站作为微电网主要电能互动主体，其目标函数均为自身运行成本最小。min OFB=rtPB，r-sPsmin OFC=rtPC，r（2）式中，OFB与OFC分别为楼宇及充电站的运营成本；PB，r、PC，r分别为楼宇及充电站对电网的购电量；Ps智能楼宇返送回电网的电量；rt为电网的分时电价；s为楼宇向电网售电的电价。在引入多主体电能互动后，成本函数变为 min OFB=rtPB，r-sPs-conPconmin OFC=rtPC，r+conPcon（3）式中，Pcon、con分别为智能楼宇以合约电价出售给充电站的电量及合约电价。2.2光伏产电模型光伏的发电功率与温度和光强有关，受天气情况影响较大，光伏阵列输出功率20为PVT(t)=PSTCG(t)GSTC 1+k(T(t)-TSTC)T(t)=T1+3G(t)100（4）式中，PVT(t)为光强为G(t)时的输出功率；GSTC为标准测试条件下的光强；PSTC为标准测试条件下的最大输出功率；k为功率温度系数；T(t)为t时的表面温度，可通过环境温度T1和光照强度G(t)求出。光伏出力近似服从 Beta分布20，其概率密度函数为f(x|，)=(+)()()()xxmax-1()1-xxmax-1（5）式中，x为给定时间段内的太阳辐射率；xmax为其最大值；及为调节 Beta 分布形状的参数；函数及参数具体表达式如下：(z)=0+tz-1e-tdt，z 0=2-32-=()1-22-1+（6）其中，与分别为所选时段光照辐射的均值与方差。由 Beta 分布的概率密度特性可知，光伏出力PV的期望 E与方差为E()PPV=+PPVmax()PPV=()+2()+1P2PVmax（7）本文设置了晴、阴、雨 3种天气条件下的光伏输出，具体见算例分析。2.3储能模型智能楼宇内配置了容量为 12 kW h 的储能电池，其荷电状态模型为 SOC(t)=SOC(t-1)-HdchtdchSOC(t)=SOC(t-1)+Hchtch（8）式中，SOC(t)为储能当前时刻荷电状态；Hch、Hdch分别为储能的充放电功率；ch、dch为储能的充放电效率。智能楼宇内储能运行时满足充放电约束及容量约束：Hmindch Hdch HmaxdchHminch Hch HmaxchSmin St Smax（9）式中，Smax与Smin分别表示储能内电量的上下界，一般而言上界取储能容量的最大值，下界取零。2.4智能楼宇模型智能楼宇运行时，由光伏产电、储能供电、电网136魏梅芳，等：考虑多主体互动的光储充微电网运行模式分析第 38 卷第 2 期供电共同满足自身消耗。其约束如下：Pr+Hdch+PPV=PB+Hch+Ps（10）式中，Hdch、Hch分别为储能的每小时充放电功率；PPV为光伏产电量；PB为楼宇自身能耗；Ps为智能楼宇返送回电网的电量。当微电网处于多主体运行模式时，由于引入了智能楼宇与充电站间的电能交易，楼宇成本及电能平衡约束修改为Pr+Hdch+PPV=PB+Hch+Ps+Pcon（11）式中，Hdch、Hch分别为储能的每小时充放电功率；PPV为光伏产电量；PB为楼宇自身能耗；Ps为智能楼宇返送回电网的电量；Pcon为智能楼宇方以合约电价售出的电量。3算例分析智能楼宇配备的光伏板额定功率为20 kW h，储能最大容量为 12 kW h；充电站包含 3 台直流快充（302+20）kW h 及2台交流慢充（72）kW h。合约电价系数a取 0.97，b取 7.34；电网采用的分时电价如表 1。表 1分时电价Table 1Timeofuse price时段尖峰（19：0022：00）高峰（8：0011：00、15：0019：00）平段（7：008：00、11：0015：00、22：0023：00）谷时（23：007：00）电价/（kW h/元）0.930 30.830 30.680 30.480 3本文选取晴天、阴天、雨天 3种典型气候条件下光伏的出力情况，并依据式（7）计算其各时段光伏出力的期望与方差；再从中选出 10 组数据，使其每个时段的出力情况的期望与方差尽可能贴近实测数据的期望与方差，以此模拟真实情况下光伏的日出力曲线。仿真时从样本库中抽调数据，以模拟各种光照条件下系统的运行状态，样本库如图 5所示。其中，x轴与 y轴分别表示光伏出力数据所属的时间段及样本库编号，z 轴表示该样本当前时段的光伏输出功率。2015105时间/h样本1086422520151050光伏功率/（kW h）00（a）晴天2015105时间/h样本1086422520151050光伏功率/（kW h）00（b）阴天2015105时间/h样本1086422520151050光伏功率/（kW h）00（c）雨天图 5不同天气条件下光伏出力样本Figure 5PV output samples under differentweather conditions3.1光伏消纳能力图 6 为各光照条件下光伏的出力及消纳曲线，其中，折线为光伏的出力功率，柱状图为两种运行模式下微电网对其内部光伏产电的消纳情况。可以看出，在光照条件充足的晴天，以经典模式运行的微电网有大量电能在光伏发电高峰期被返送回电网，以午休时间最甚。此时太阳光辐射强度大，光伏产电能力远强于楼宇消耗，经典运行模式下的微电网无法消纳此部分溢出电能。137电力科学与技术学报2023 年 3 月24222018161412108642时间/h1.51.00.5光伏消纳率2520151050光伏产出/（kW h）多主体模式光伏消纳率经典模式光伏消纳率光伏产出0（a）晴天24222018161412108642时间/h1.51.00.5光伏消纳率20151050光伏产出/（kW h）多主体模式光伏消纳率经典模式光伏消纳率光伏产出0（b）阴天24222018161412108642时间/h1.51.00.5光伏消纳率20151050光伏产出/（kW h）多主体模式光伏消纳率经典模式光伏消纳率光伏产出0（c）雨天图 6各天气条件下光伏出力及消纳情况Figure 6PV output and consumption under variousweather conditions在阴天条件下，光伏所产电能大部分由楼宇消耗，仅在午休时段有少部分电能被返送电网；而在光照条件匮乏的雨天，由于光伏产电量不足以满足楼宇能耗需求，此时光伏产电完全由楼宇消纳，没有电能被返送。在多主体运行模式下，无论何种天气条件，所有光伏产电均由微电网内部消耗，没有电能被返送回电网，两种运行模式的光伏消纳率如表 2所示。表 2两种模式下微电网的光伏消纳率Table 2PV consumption rate of smart microgridin two modes%模式经典多主体不同气候下光伏消纳率晴67.83100.00阴93.56100.00雨天100.00100.003.2智能楼宇及电动汽车充电站运行成本由上述分析可知，当天气为阴天或者雨天时，光照条件不充分，光伏所产电量大部分由智能楼宇消纳，两种运行模式下楼宇及充电站成本无明显变化。因此，本文主要分析晴天条件不同运行模式下智能楼宇及充电站运行成本。图 7 和图 8 为晴天条件下智能楼宇每小时运行成本及储能运行状态。可以看出，在合约电价的作用下，当光伏发电量大于楼宇自身能耗时，经典模式中本应返送回电网的电能转而输向了充电站，既提高了楼宇的售电收益，也降低了电网的调控压力，降低了充电站的用能成本。值得指出的是，由两种模式下智能楼宇内储能荷电状态可知，微电网在采用经典运行模式时，将光伏额外产电量返送回电网是经济收益较低的选择，因此在 817 h智能楼宇选择优先将储能充满以供之后时段使用，而不是将其售向电网。而在多主体运行模式下，将电能以合约电价售予充电站能获得更高的收益。表 3 及表 4 为智能楼宇日总运行成本及多主体模式下充电站日节约用电成本。可以看出，只有光照条件充分时，光伏发电量充足，多主体运行模式相较于经典运行模式才有优势，否则光伏产电的大部分将被智能楼宇自身消耗，因此无法参与与充电站间的电能互动。2015105051024201612840时间/h成本/元多主体模式经典模式图 7各模式下智能楼宇每小时成本Figure 7Hourly cost of smart buildings in each mode138魏梅芳，等：考虑多主体互动的光储充微电网运行模式分析第 38 卷第 2 期1510524201612840时间/h成本/元多主体模式经典模式图 8不同模式下智能楼宇储能运行状态Figure 8ES status of smart buildings in each mode表 3智能楼宇日总运行成本Table 3Total daily cost of smart buildings元模式经典多主体不同气候下智能楼宇成本晴52.8244.38阴84.5382.15雨109.47109.08表 4多主体模式下充电站日成本节约百分比Table 4Percentage of daily cost savings of CSin multiagent mode%气候晴阴雨充电站成本节约百分比7.702.500.344结语本文基于某湖南长沙某光储充微电网，分析多主体用能行为及交互模式。通过合理制定合约电价，促进微电网内各主体间电能互动的效率。研究结果表明：在光照条件较好时，多主体互动运行模式能高效消纳微电网分布式光伏发电，在提升智能楼宇售电收益的同时，降低了电动汽车充电站的运营成本。微电网内各主体间的电能互动收益主要受系统内光伏产量影响。当光伏产量较低时，其发电量仅能满足智能楼宇自身消耗，没有额外电能可供微电网内多主体互动，各主体运行接近经典模式中的独立运行；当光照条件充分时，智能楼宇所产的额外电能参与微电网多主体互动，降低智能楼宇与充电站的运行成本。值得注意的是，智能楼宇配置的储能容量在很大程度上决定了智能楼宇运营商与充电站运营商的议价能力。如何在智能楼宇配置适当容量的储能，以优化楼宇运行成本，促进与分布式光伏和电动汽车负荷的互动，将是后续进一步开展的工作。参考文献：1谭玉东,李杨,邓有月,等.基于智能合约的“光伏充电站”交易互动场景研究J.电力科学与技术学报,2021,36(3):310.TAN Yudong,LI Yang,DENG Youyue,et al.Research onscenes of“PVcharging station”transaction based onsmart contractJ.Journal of Electric Power Science andTechnology,2021,36(3):310.2马一鸣，周夕然，董鹤楠，等.考虑电转气与冷热负荷惯性 的 综 合 能 源 系 统 优 化 调 度 J.电 网 与 清 洁 能 源，2021，37(8)：118127+138.MA Yiming，ZHOU Xiran，DONG Henan，et al.Optimaldispatchofintegratedenergysystemconsideringpowertogas and load inertiaJ.Power System and CleanEnergy，2021，37(8)：118127+138.3徐明宇,郝文波,王盼宝,等.基于动态随机模型的微电网 群 能 量 管 理 方 法 J.电 力 工 程 技 术，2022，41(5):140148.XU Mingyu,HAO Wenbo,WANG Panbao,et al.Energymanagementmethodofmultimicrogridsbasedondynamic stochastic modelJ.Electric Power EngineeringTechnology,2022,41(5):140148.4杨晓辉,袁志鑫,肖锦扬,等.考虑电池寿命的混合储能微电网优化配置J.电力系统保护与控制,2023,51(4):2231.YANGXiaohui,YUANZhixin,XIAOJinyang,etal.Optimal configuration of hybrid energy storage microgridconsidering battery lifeJ.Power system Protection andControl,2023,51(4):2231.5龚钢军,张心语,张哲宁,等.基于区块链动态合作博弈的多微网共治交易模式J.中国电机工程学报,2021,41(3):803818.GONG Gangjun,ZHANG Xinyu,ZHANG Zhening,et al,Multimicrogrid cogovernance transaction model basedondynamiccooperationgameofblockchainJ.Proceedings of the CSEE,2021,41(3):803818.6陆永耕，李建刚，黄禹铭，等.高渗透率分布式电源控制方法J.发电技术，2021，42(1):103114.LUYonggeng,LIJiangang,HUANGYuming,etal.Highpermeability distributed power control methodJ.Power Generation Technology，2021，42(1):103114.139电力科学与技术学报2023 年 3 月7随权,林湘宁,魏繁荣,等.一种考虑网络攻击风险的智能微网新型调度策略J.中国电机工程学报,2021,41(15):51795188.SUI Quan,LIN Xiangning,WEI Fanrong,et al.A novelschedulingstrategyforsmartmicrogridsconsideringcyber attackJ.Proceedings of the CSEE,2021,41(15):51795188.8王雪纯,陈红坤,陈磊.提升区域综合能源系统运行灵活性的多主体互动决策模型J.电工技术学报,2021,36(11):22072219.WANGXuechun,CHENHongkun,CHENLei.Multiplayerinteractivedecisionmakingmodelforoperational flexibility improvement of regional integratedenergy systemJ.Transactions of China ElectrotechnicalSociety,2021,36(11):22072219.9代琼丹，邓昕，吴雪妍，等.能源互联网下综合能源服务商业模式综述J.高压电器，2021,57(2):135144.DAI Qiongdan,DENG Xin,WU Xueyan，et al.Overview onintegrated energy service business model under energyinternetJ.High Voltage Apparatus，2021,57(2)：135144.10邸剑,臧齐齐,王桂兰,等.基于区块链和梯度修正法的分布式经济调度策略研究J.电力系统保护与控制,2022,50(21):99107.DI Jian,ZANG Qiqi,WANG Guilan,et al.A distributedeconomic scheduling strategy based on blockchain andgradient correction methodJ.Power System Protectionand Control,2022,50(21):99107.11赵毅,陈雨婷,孙文瑶.多微网配电系统区间调度方法与市场交易策略研究J.电网技术,2022,46(1):4756.ZHAO Yi,CHEN Yuting,SUN Wenyao.Region dispatchmethod and market trading strategy for multimicrogriddistribution systemJ.Power System Technology,2022,46(1):4756.12吕振华,李强,韩华春，等.计及源荷不确定性和多类储能响应的园区 IES多目标优化调度模型J.电力科学与技术学报,2021,36(2):4050.LZhenhua,LIQiang,HANHuachun,etal.Multiobjective optimal scheduling model for IES in parksconsidering source and load uncertainties and multipletype of energy storage responsesJ.Journal of ElectricPower Science and Technology,2021,36(2):4050.13贾德香,柳占杰,高骞,等.计及碳电一体化交易的虚拟电厂竞价策略J.电力科学与技术学报,2021,36(2):8997.JIA Dexiang,LIU Zhanjie,GAO Qian,et al.Biddingstrategyofthevirtualpowerplantbasedontheconsideration of carbonelectricity integration trading inauxiliary service marketJ.Journal of Electric PowerScience and Technology,2021,36(2):8997.14IZQUIERDOMONGEO,PEACARROP,VILLAFAFILAROBLES R,et al.Conversion of a networksectionwithloads,storagesystemsandrenewablegeneration sources into a smart microgridJ.AppliedSciences,2021,11(11):5012.15刘杨,刘天羽.基于区块链和动态定价模型的微电网P2P能源交易J.智慧电力,2022,50(3):3036.LIU Yang,LIU Tianyu.P2P energy trading in microgridbased on blockchain and dynamic pricing modelJ.SmartPower,2022,50(3):3036.16ZHANG C H,WU J Z,ZHOU Y,et al.PeertoPeer energytrading in a microgridJ.Applied Energy,2018,220:112.17戚艳，尚学军，聂靖宇,等.基于改进多目标灰狼算法的冷热电联供型微电网运行优化J.电测与仪表,2022，59(6):1219.QI Yan,SHANG Xuejun,NIE Jingyu,et al.Optimization ofCCHP microgrid operation based on improved multiobjective grey wolf algorithmJ.Electrical Measurement&Instrumentation,2022,59(6):1219+52.18黄宗龙,江修波,刘丽军.低碳化背景下配电网“源储荷”多目标优化配置J.电力科学与技术学报,2020,35(5):3645.HUANGZonglong,JIANGXiubo,LIULijun.Multiobjective optimal allocation of generation storageloadunder the lowcarbon backgroundJ.Journal of ElectricPower Science and Technology,2020,35(5):3645.19余雪莹,李华强,杨龙杰,等.兼顾企业综合成本与用户用电体验的微电网双层优化配置J.电力科学与技术学报,2020,35(2):3845.YU Xueying,LI Huaqiang,YANG Longjie,et al.Bilevelprogramming method for optimal sizing of gridconnectedDC microgrid system based on economic efficiency ofenterprises and customer electricity experienceJ.Journalof Electric Power Science and Technology,2020,35(2):3845.20李畸勇,张伟斌,赵新哲,等.改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪J.电工技术学报,2021,36(9):17711781.LI Jiyong,ZHANG Weibin,ZHAO Xinzhe,et al.Globalmaximum power point tracking for PV array based onsupport vector regression optimized by improved whalealgorithmJ.TransactionsofChinaElectrotechnicalSociety,2021,36(9):17711781.140