[发明专利]计及综合效率评价的虚拟电厂组建方法

权利要求书

1.一种计及综合效率评价的虚拟电厂组建方法，其特征是，步骤如下：

CCR模型

对于k个DMU，每个DMU用m个输入指标和n个输出指标进行评价，则称DMU_i，的所有输入指标组成的向量为其输入向量：

X_i＝(x_1i,x_2i,…,x_mi)^Ti＝1,2,…,k (1)

称DMU_i的所有输出指标组成的向量为其输出向量，右上角的角标T代表转置：

Y_i＝(y_1i,y_2i,…,y_ni)^T (2)

式中，T为向量转置符号；

CCR模型的具体数学表达式如公式(3)所示：

U^T,V^T≥0 (3)

式中，U和V分别为DMU_i的输出指标权重向量和输入指标权重向量；E_d为当前被评价决策单元DMU_d的CCR效率，其含义为：当E_d＝1时，DMU_d位于生产前沿面上，此时称DMU_d相对于其他DMU是有效的；当E_d1时，DMU_d位于生产前沿面之内，则DMU_d是相对无效的；

交叉效率CCR模型

基于CCR模型求各DMU平均交叉效率的步骤为：首先求解CCR模型得到各DMU的最优权重向量和然后计算DMU_d各项指标在DMU_i最优权重下的交叉效率E_id，如公式(4)所示；最后求DMU_d的k个交叉效率的平均值得到其平均交叉效率d＝1,2,…k，如公式(5)所示：

博弈交叉效率CCR模型

博弈交叉效率CCR模型的二级约束为：当前被评价的DMU所选择的指标权重除了要使自身效率值尽可能优秀，还应该保证所选择的权重不会使其他DMU的交叉效率低于其期望交叉效率，改进后的博弈交叉效率CCR模型如公式(6)所示：

max E_dj＝μ^TY_d

s.t.μ^TY_i≤ω^TX_i,i＝1,2,…,k

ω^TX_d＝1

μ^T≥0,ω^T≥0 (6)

式中，e_j为DMU_j的期望交叉效率，E_dj为DMU_d对应于e_j的博弈交叉效率，公式(6)可以在保证DMU_d效率值最大的同时使DMU_j的交叉效率不低于给定的期望效率e_j，将这一计算过程重复进行k次可求得DMU_d与其他所有决策单元相对应的博弈交叉效率，求平均值得到DMU_d的平均博弈交叉效率e_d；

定义设为求解模型(6)得到的DMU_d对应e_j的最优权重向量，则对于每个DMU_d，定义

为该DMU的平均博弈交叉效率；

在公式(6)和(7)的基础上进一步求解各DMU平均博弈交叉效率最优值的过程为：

第一步：求DMU_j的平均交叉效率，令迭代次数t＝1，并且令

第二步：求解DMU_d的平均博弈交叉效率：

表示成更一般的形式为：

第三步：在求出之后，将其作为DMU_d新的期望交叉效率，再次求解DMU_d的平均博弈交叉效率，如果对于决策单元DMU_d，其中ε为某一很小的正数，令并跳转到第二步，如果说明DMU_d的平均博弈交叉效率不再显著改进，则停止计算，此时，即为DMU_d最终的平均博弈交叉效率；

建立计及综合效率评价的虚拟电厂成员数学模型，包括确定目标函数和约束条件；

基于势博弈的虚拟电厂成员选择模型

对应策略博弈的局中人、策略集以及效用函数三要素，将各候选电力企业和高载能企业视为局中人，电源企业的出力、储能电站的充放电功率以及CAIL生产用电决策为各自的策略集，并以各局中人目标函数为主体构造各局中人效用函数如下：

u_i(a_i,a_-i)＝F_i(a_i,a_-i)-F_p(a_i,a_-i) (32)

式中，F_i(a_i,a_-i)为局中人i的目标函数，F_p(a_i,a_-i)为功率平衡罚函数，用来表示虚拟电厂运行过程中必须满足的功率平衡约束，其表达式为：

式中，P_i为各局中人功率，P为高载能企业不可调负荷与民用负荷之和，σ为一个很大的系数，当其取值增大到一定程度后，求解得到的结果中罚函数项为0，代表满足了功率平衡约束；

以局中人目标函数为主体构造势函数φ来代表虚拟电厂的整体效用：

对于有：

Δu_i＝u_i(a_i',a_-i)-u_i(a_i”,a_-i)

＝(F_i(a_i',a_-i)-F_p(a_i',a_-i))-(F_i(a_i”,a_-i)-F_p(a_i”,a_-i)) (35)

ΔΦ＝Δu_i (37)

公式(35)—(37)表明，虚拟电厂成员选择模型是一个以Φ为势函数的完全势博弈。

2.如权利要求1所述的计及综合效率评价的虚拟电厂组建方法，其特征是，建立虚拟电厂成员评价指标体系如下：

电力企业评价指标：

火电厂评价指标：输入指标-烟气污染物浓度、输入指标-设备噪声最大值、输出指标-计划检修实施率、输出指标-关键设备完好率；

风电场评价指标：输入指标-电压偏差越限次数、输入指标-功率因数越限比例、输出指标-高频率穿越比例、输出指标-低频率穿越比例、输出指标-低电压穿越比例；

储能电站评价指标：输入指标电池失效率、输入指标电池相对故障次数、输出指标充放电循环次数；

计及综合效率评价的虚拟电厂成员数学模型

(1)火电厂

①目标函数

火电厂的目标函数F_cf由净收益和效率函数两部分构成，为了使效率更高的企业能更多地参与到虚拟电厂生产过程中，将博弈交叉效率和总出力的乘积定义为效率函数，

F_cf＝α_cf[ω_cfR_cf+(1-ω_cf)E_cf] (10)

式中，α_cf为是否选择火电厂作为成员的0-1决策变量，ω_cf为权重系数，R_cf为火电厂收益函数，E_cf为火电厂效率函数，T_total为根据实际情况划分的时间段总数，ρ_vpp(t)为虚拟电厂中电力企业的电能交易价格，P_cf(t)为火电厂出力，ρ_coal为煤价，D_coal为火电厂煤耗，γ_cf为火电厂单位运维成本，P_cf,cap为火电厂容量，e_cf为火电厂博弈交叉效率；

②约束条件

α_cfP_cf,min≤P_cf(t)≤α_cfP_cf,cap (13)

ΔP_cf,min≤P_cf(t)-P_cf(t-1)≤ΔP_cf,max (14)

式中，P_cf,min为火电厂最小出力，ΔP_cf,max和ΔP_cf,min分别为火电厂爬坡功率上、下限；

(2)风电场

①目标函数

F_w＝α_w[ω_wR_w+(1-ω_w)E_w] (15)

式中，α_w为风电场成员选择决策变量，P_w(t)为风电场实际出力，γ_w为风电场单位运维成本，P_w,cap为风电场容量，e_w为风电场博弈交叉效率；

②约束条件

0≤P_w(t)≤α_wP_pre(t) (18)

式中，P_pre(t)为风电场预测出力；

(3)储能电站

①目标函数

F_es＝α_es[ω_esR_es+(1-ω_es)E_es] (19)

式中，α_es为储能电站成员选择决策变量，P_es(t)为t时段电站功率，P_es(t)0电站放电，P_es(t)0电站充电，δ_es为电站电池损耗成本,γ_es为电站单位运维成本，P_es,cap为电站容量，e_es为电站博弈交叉效率；

②约束条件

E(t+1)＝E(t)(1-γ_loss)-P_es(t)Δt (22)

α_esE_min≤E(t)≤α_esE_max (23)

-α_esP_chmax≤P_es(t)≤α_esP_dismax (24)

式中：E(t)为储能电站t时段储存的电能，γ_loss为储能电站的能量损耗率，E_max和E_min为储能电站存储能量的上、下限，P_chmax和P_dismax分别为储能电站最大充、放电功率；

(4)高载能企业

①目标函数

高载能企业中不可调负荷部分效益为固定值，因此其目标函数只考虑CAIL的收益和成本，包括销售产品的收益、提供旋转备用的收益、设备启停成本、用电成本以及环境成本；

式中，π_L为产品价格，c_L为产品产量，ρ_u和ρ_d为上、下旋转备用的价格，P_u(t)和P_d(t)为CAIL在t时段提供的上、下旋转备用功率，U和D为CAIL启、停成本，u和v为启、停状态变量，ρ_tou(t)为工业负荷用电电价，P_L(t)为t时段CAIL有功功率，ρ_env为环境成本；

②约束条件

P_L(t)-P_u(t)≥x(t)P_Lmin (26)

P_L(t)+P_d(t)≤x(t)P_Lmax (27)

P_u(t)≥0 (28)

P_d(t)≥0 (29)

c_order≤c_L≤c_max (31)

式中，x(t)为CAIL运行状态0-1变量，P_Lmin为CAIL最小运行功率，P_Lmax为CAIL最大运行功率，η_L为生产单位产品的用电量，c_order为日订单产量，c_max为日最大产量。