基于能源路由器的多区域虚拟电厂优化调度

《基于能源路由器的多区域虚拟电厂优化调度》论文发表期刊：《电测与仪表》；发表周期：2020年24期

《基于能源路由器的多区域虚拟电厂优化调度》论文作者信息：牛壮壮（1995-），男，硕士研究生，从事电力系统规划与优化运行研究。 刘三明（1962-），女，通信作者，教授，硕士生导师，从事智能电网多目标优化、微电网最优控制、电力系统规划与优化运行，风力发电机组、电力设备故障诊断等研究。 刘扬（1996一），男，硕士研究生，从事电力系统规划与优化运行研究。

　　摘要：为避免风、光、热等资源浪费，建立了在风、光电全消纳情况下，基于能源路由器的多区域虚拟电厂(Virtual Power Plant，VPP)优化调度模型，该模型包含风电、光伏、电动汽车(Electrie Vehicles，EVs)、垃圾焚烧电厂、燃气轮机、电转气(Power to Gas，P2G)技术以及需求响应。以改进的IEEE 9节点系统为例，利用MATLAB/YALMIP工具求解模型，得到不同场景下调度模型的净运行利润。算例分析表明：VPP通过同时参与电力市场、加装余热回收装置和烟气联合处理装置、P2G技术及各区域间电能互补，极大地提高了能源利用率，同时使得VPP净运行利润增大。

　　关键词：虚拟电厂;资源浪费;能源路由器;优化调度;P2G技术

　　Abstract: In order to avoid waste of resources such as wind energy, solar energy and heat energy, a multi-region virtual power plant (VPP) optimal scheduling model based on energy routers was established under the condition of total con sumption of wind power and photovoltaics. The model includes wind power, solar photovoltaics, electric vehicles (EVs).

　　waste incineration power plants, gas turbines, power to gas (P2G) technology and demand response. Taking the improved IEEE9node system as an example, the MATLAB/YAIMIP tool is used to solve the model, and the net operating profit of the scheduling model in different scenarios is obtained. The analysis of the example shows that VPP can greatly improve the energy utilization rate and increase the net operating profit of VPP by participating in the electricity market, adding waste heat recoverv device and fue gas combined treatment device, P2G technology and complementary energy betweer regions.

　　Keywords: virtual power plant, resource waste, energy router, optimized scheduling, P2G technology.

　　0引言

　　随着泛在电力物联网[]的提出，利用互联网、Al等现代化的通信技术，将电力系统各环节联系起来已经是大势所趋。然而，我国存在着严重的电力资源和负荷需求不对称，很难将不同地区资源互联，为了解决这类问题，虚拟电厂应运而生。虚拟电厂就是利用先进的通信技术将不同地域的分布式能源(Distributed Energy，DE)联系在一起，协调优化调度，使得不稳定的新能源(如：风能和太阳能等)也可以参与电力市场的竞价[2]。

　　目前，对于VPP的研究，大多数人主要针对单个VPP，而多VPP的协调优化调度的文献比较少。文献

　　[3]提出了能源市场和旋转备用市场下，建立了聚合风-光-电-热-冷等单元的多区域VPP综合能源优化调度模型。文献[4]建立了包含主动放水策略的梯级水电站和碳捕集机组的调度模型并提出了基于群变异基向量的改进型分子微分进化算法。文献[5]考虑了风力发电的不可控的影响，建立了多VPP的市场竞价模型。文献[6]构建了以能量枢纽为基本决策主体的电气能量流解耦机制，提出了与能量枢纽分布式粒度相适应的多主体协同优化调度模型。文献[7]提出了多VPP基于需求响应和博弈论的多时间尺度的循环调度策略。文献[8]提出了一种基于同步交替方向乘子法

　　(SADMM)的多虚拟发电厂有源配电网的分散式两阶段随机调度模型。

　　以上研究大多考虑的是电能和热能的协调优化调度，从而达到成本最低(或利润最大)，但是忽略了弃风、弃光、弃热等现象，导致了资源浪费。文中建立了在风、光电全消纳情况下，基于能源路由器的多区域VPP优化调度模型，该模型包含风电、光伏、EVs、燃气轮机、垃圾焚烧电厂、P2G技术以及需求响应。利用“温度匹配与热能梯级利用”原理，在垃圾焚烧电厂和燃气轮机中加装余热回收装置，将烟气中的余热回收利用，减少热能的损失，增加能源市场收益。P2G技术的应用可以消纳多余的风/光电，避免了在晚上(或白天)风大(或太阳充足)超出负荷需求而弃风、弃光的现象，同时，在P2G工作时会消耗C02，减少碳的排放，增大碳交易收益，从而使VPP净利润增大。风、光、垃圾焚烧电厂联合为垃圾焚烧电厂烟气处理装置供能，使三者充分互补，达到利润最大化。最后，以改进IEEE9节点系统为例，验证了所构建模型的有效性。

　　1多区域VPP结构和能源路由器的控制原理VPP通常包括各种类型、容量不一甚至地域不同的DE，将多种DE聚合在一起能有效降增加收益，使利润最大化19)。在不影响大电网的稳定运行条件下，利用能源路由器主动控制和分配各DE的功率流向，实现多虚拟电厂的优化管理。能源路由器有各种能量接口如：DE接口、储能设备接口和新型负荷接口等，并根据需求，精准有效的地控制各节点的功率流，实现能量的高效利用[10]，其结构如图1所示。

　　能源路由器通过电力电子器件控制和管理所属区域内部各单元的功率流，同时接收上层能源管理中心的指令并上传所属区域的运行状态，实现全局协调控制。在电网高峰期，能源路由器控制风、光和垃圾焚烧电厂和EVs放电输出功率，增加中断负荷，增加区域互联功率，尽量减少向电网购电;在电网低谷期，负载尽可能的由电网供电，EVs充电储存电能;电网故障时，能量管理中心检测到电网故障且供电开关跳开，能源路由器转换控制方式，使其在满足负荷需求的情况下实现多区域VPP的稳定可靠运行。多区域VPP结构图如图2所示。

　　2 P2G技术

　　P2G技术主要包括2个过程，第一步是电解反应生成02和H2，第二步是Sabatier反应消耗Co2合成天然气，其对应的化学反应方程式分别为[]

　　电解

　　2H20 2H2 +02

　　(1)

　　C02 +4H，化CH，+2H，0

　　(2)

　　由式(2)可知，利用P2G技术合成甲烷时需要消耗C02，若消耗VPP内部产生的CO2，使得VPP的碳排放低于碳排放配额时，将低于的部分出售从而获利。因此P2G技术不仅可以将多余的风、光电转化为天然气储存起来供燃气轮机使用，还能减少VPP的Co，排放，实现了电和气的循环并增加了VPP利润。

　　3多区域VPP调度模型

　　3.1 VPP内各单元模型3.1.1垃圾焚烧电厂模型(1)烟气储存装置模型

　　fA，=a，/a la，=Pic-ea= i，，+ 02，.

　　(3)

　　式中a，是1时段焚烧垃圾电厂运行产生的烟气总量;a，a2，分别是1时段进入反应塔与进入储气装置中的烟气量;e。为垃圾焚烧电厂单位出力产生的烟气量。

　　(2)余热回收装置模型

　　通常垃圾焚烧电厂排气系统设定的烟气温度大约为150 ℃，该值超过了烟气露点温度(约70 ℃)[]。

　　若将这部分能量回收利用，可提高能源利用率。

　　Q.c，=P.c.-6ic

　　(4)

　　式中Q.c.和P，c，分别是i区域1时段回收的余热功率以及垃圾焚烧电厂出力;5.c是i区域余热回收装置效率。

　　(3)烟气处理系统模型

　　风/光/垃圾焚烧联合运行，一部分电能提供烟气处理系统(可收集烟气中的二氧化碳)耗能，另一部分供给电网。

　　P =w..(a.+as)

　　(5)

　　P.a.=P.wa.+P.ca + P.wa.

　　(6)

　　Pic.=Pi.c+P.ca

　　(7)

　　P.w，=P.we，+Pi.wa

　　(8)

　　P.w.=PPv+ P.wa

　　(9)

　　式中P..是i区域1时段烟气处理耗能，P.wa.

　　Pi.ca，和P.pva，分别是i区域1时段风、光和垃圾焚烧提供给烟气处理系统的功率;P，w.P.c，和P.m.，分别是i区域1时段风、光和垃圾焚烧上网功率;w，是烟气处理系统的单位处理能耗;a，，是1时段从储气装置中进入反应塔的烟气量。(4)co2排放量模型

　　F = 10-(a(P.c +bPc+c)(10)

　　式中r，是i区域1时段垃圾焚烧电厂排放的co2的量;a、b、c和分别是垃圾焚烧发电二氧化碳排放系数。

　　3.1.2 燃气轮机模型

　　P.Gr，=ECr..H..cT

　　(11)

　　Q.cr.=Ear-H.Si.cT

　　(12)

　　F，=BroaP.c

　　(13)

　　式中P，ar，、Q.cr，和F，分别是i区域1时段燃气轮机发电出力、回收的热功率和Co，排放量;E.C.

　　是i区域1时段燃气轮机消耗的天然气的量;n.crs.a和Pcr.an分别是区域燃气轮机气转电效率、余热回收效率和CO，排放系数;H是天然气流量转换为天然气功率的系数，其值为1.026 MBu/kcf

　　3.1.3区域间互联功率

　　各VPP之间相互连接实现电能互补，区域间互联功率表达式如下：

　　=P-P(14)

　　式中P，是1时段i区域流入j区域的功率;Pon是1时段i区域流出到j区域的功率;P-是传输过程中的线路损耗。

　　3.1.4 EVs充放电及储能模型为了建模的可行性，假设每个区域的可调度EV通过一个集中控制器与电网连接，这个集中控制器就等值为一辆EV来完成优化调度，其模型为：P，Ev，= P，.，i，d，-P，s，d，s.

　　(15)

　　S.v，= S，v.t.ap.(1(6)

　　7式中p..和p.th，分别是i区域1时段EV的充、放电功率;S，v，是i区域1时段EV的电池电量;7a和7a分别是EV的充、放电效率。

　　3.1.5 电转气模型e.Prac.Pps EaP2C

　　н

　　(17)

　　Fac =Bo，ED.

　　(18)

　　式中P.nc，是i区域1时段P2G电转气消耗的电功率;EaG，和F，分别是i区域1时段P2G技术产生的天然气的量和消耗的CO2的量;Prxc和Bo，分别是电转气效率和生成单位天然气所需C02的系数;4是能量转换系数，其值为3.4 MBu/MWh

　　3.1.6 碳交易模型

　　碳排放模型：F=，一(19)

　　碳排放配额：

　　E n l(r+t.，+.，)20)

　　式中F和E分别是VPP研究周期内总的碳排放总量和碳排放配额;7a是区域碳排放因子，取值为0.6397

　　VMW;eB分别是风机和光伏的碳排放修正系数。

　　3.2 目标函数

　　以运行净利润最大为目标对VPP进行日前优化调度建模，决策变量包括电力市场的交易量、垃圾焚烧电厂与风、光的联合出力、EVs的充、放电功率、燃气轮机消耗天然气的量、可中断负荷功率、区域互联功率、风机和光伏出力以及PG消纳的风光电功率，其目标函数为：min-mngg-c

　　(21)

　　其中：

　　1=1.1+1.M.+lEv.+lc

　　(22)

　　C= C.pv.w.c.+ C.s，+ C，a.+ C.(23)

　　目标函数包括收益1和成本C两部分，收益主要包括i区域，时段负荷收益.，能源市场收益1，M..

　　EVs充放电收益1.，以及碳交易收益1.c.;成本主要包括i区域1时段风机、光伏和垃圾焚烧电厂的运维成本CG.rv.w.c，P2G运行转化成本C，pas.，热气轮机运维成本G，cr，环境成本C.a每部分具体表达式如下：

　　(1)风机、光伏以及垃圾焚烧电厂的运维成本：C.w.w.= A，P.w+AP.w.+A，P.(24)

　　式中P.rv，和P，.w，分别是i区域1时段光伏、风机功率;A，A2和A，分别是风机、光伏和垃圾焚烧电厂的运维成本。

　　(2)P2G运行转化成本：C，g：=A，asP，，+ Ao(，-F)(25)

　　式中A，psc和A，ca，分别是P2G运行转化成本和co2的单价。

　　(3)燃气轮机成本包括燃料成本以及启停成本C.a.=Ai.(EC-Ec.)+A.++

　　Ai，dm idw.

　　(26)

　　式中A是单位天然气的费用;A.和A.a分别是燃气轮机的启、停成本;0-1变量4..和pd分别是i区域1时段燃气轮机是否启动、停止，是则置1，否则置0。

　　(4)环境成本主要是从电网中购电量产生的污染气体对环境的污染惩罚，则环境成本表述为[0：G =(-P，.a)D(，+)(27)

　　式中R是污染气体种类数;D，是从第r种气体的排放强度H，和Y，分别为第r种气体的环境价值和罚款数量级。

　　(5)负荷收益是总负荷收益减去中断负荷费用：

　　1.，=A，.P-B"P.

　　(28)

　　式中Pi，和Pla，分别是是i区域2时段负荷和第k级中断负荷功率;K是中断等级数;A，w，是市场电价;B"是第k级中断负荷补偿价格，取三级中断负荷，其值分别为50 8/Mw-h，55 s/Mw-h，60 s/Mw.h

　　(6)能源市场收益包括电力市场收益和热网收益：

　　1м.=АР.м，-лА..Pм，+ Aо.

　　(29)

　　式中P，a，和Q.分别是i区域1时段VPP与电力市场交易量(售电为正，购电为负)以及与热网交易量;

　　0-1变量u..和u.d，分别表示售、购电，是则置1，否则置0;A.A，da和Aa分别是VPP与电力市场合同售、购电电价以及与热网交易价格。

　　(7)EV收益表达式如下：lEv，=A.c.i.P.ev.+A..bP.v，-

　　A.avP.Ev

　　(30)

　　式中P，wv，是i区域，时段电动汽车充放电电量

　　(充电为正，放电为负)：0-1变量wcb，和A，a，分别表示充、放电，是则置1，否则置0;A.A.t和A.v，分别是EVs充、放电电价和电池充放电补偿系数。(8)碳交易收益：如果碳排放低于碳排放配额，则可以将剩余的碳排放配额卖给其他区域从而获利，反之，则对多出配额的碳排放量进行罚款。

　　碳交易收益如下：

　　1.c，=Ac(E-F)

　　(31)

　　式中A，是单位碳排放价格。

　　3.3约束条件

　　(1)各区域电功率平衡约束

　　P，ns，+t.，P P.avy +P-

　　(32)

　　式中P.n.是i区域1时段中断负荷功率。

　　(2)中断负荷约束

　　0 sPi，s P

　　(33)

　　P =

　　(34)式中Pi

　　：是i区域1时段第6级可中断负荷最大功率。

　　(3)电动汽车约束

　　Hid+Hit1

　　Pid., SP. ch,a Hid P. dt, SPkh. maHi. dh

　　0. 15,m SS. Ev. S0.95, mas Pi,d., ch S S.-S. Ev.

　　Pid e S, Ev

　　7

　　式中S，-是电池容量。

　　(4)网络约束

　　ГРм.•(uиmн—и.)+ P-m，=

　　E.co(41)

　　Umd s V sUme式中Pa，是m节点，时刻发电厂注入的功率;1m.

　　是m节点1时刻的负荷;v，是m节点1时刻的电压;Ym和分别是节点m、n之间的导纳和相角差;Um和Umdaa分别是m节点电压的上下限。

　　(5)其他约束

　　Pcr.mn Li.o，S P.cr，SPar.a Pio

　　(42)

　　-Tст SPicr.-P.cr STor

　　(43)

　　-Hi，Sio-Hio-1 Siad.e

　　(44)

　　0sPour SPs

　　(45)

　　oePiN sPas

　　(46)

　　Pc.a S P.c.Pc，eas

　　(47)

　　-T SPc-PiGe1 STc

　　(48)

　　EP..= 230公

　　(49)

　　0sA，s1

　　(50)

　　osVSVas

　　(51)

　　式(42)-式(43)是燃气轮机约束;式(44)~式

　　(46)是互联线路约束;式(47)~式(51)是垃圾焚烧电厂约束。

　　4算例分析

　　4.1 算例描述

　　为验证所建立模型的有效性，以改进的IEEE9节点系统为例，如图3所示，在原系统的基础上，分别将VPPI，VPP2和VPP3挂于5，6，8节点上，并将三个区域相连。该系统的资源整合如表1所示，市场电价预测值如表2所示，风电/光伏的预测功率以及各区域负荷数据如表3所示，VPP各单元参数如表4所示。

　　为了鼓励电动汽车参与电力市场调度，电动汽车充电电价较市场电价低5(s/Mw-h)，电动汽车放电电价较市场电价低10(s/Mw.-h)。

　　4.2不同场景的对比及分析

　　为了衡量VPP中垃圾焚烧电厂安装余热回收装置和烟气处理联合装置、VPP间电能互联、P2G技术转化多余风、光电以及孤岛与并网对VPP净运行利润和弃风、弃光、弃热的影响，设置了5个场景，如表5所示。

　　构建上述5种VPP调度优化模型，收益和成本对比、调度情况对比、含烟气存储装置的垃圾焚烧电厂运行结果对比分别如表6-表8所示。表中所给数据为一天内所有区域优化结果的总和。

　　综合表6~表8的数据对比可以看出：

　　(1)相比于场景5，场景1是当电网出现故障时，VPP与电网断开连接，形成孤岛，无法向电网购、售电，使得燃气轮机出力和P2G技术消纳的风、光电分别增加了8.91 MW和37.23 Mw，进而导致VPP的净利润减少了8669s;

　　(2)相比于场景2，场景5中VPP区域间实现电能互联，负荷重的区域可以通过区域连接线从负荷轻的区域获得电能，从而实现电能互补，向电网售、购电量分别减少了33.21 MW和24 Mw。场景2中多余的风、光电无法传输给其他区域导致P2G的成本增加了613 s，使得VPP净利润减少;

　　(3)相比于场景3，场景5中风/光/垃圾焚烧联合为烟气处理装置提供所需的耗能，虽然总烟气出力耗能增加了26.86 Mw，但是垃圾焚烧电厂的上网功率增加了20.14 MW;余热回收装置的存在使得热网收益交易量增加了330.53 Mw，从而使得VPP净利润增加;

　　(4)由于风、光的不稳定性，往往在晚上负荷低谷时风机发的电反而很多，而电网为了保持自身稳定，不能消纳全部的风电便出现弃风、弃光现象，场景5中，利用P2G技术将多余的风/光电转化为天然气，该过程中还会消耗CO2，减少VPP碳排放，增加碳排放收益从而增加VPP净利润。

　　综上所述，含余热回收装置和烟气处理联合供能装置、P2G技术以及区域互联同时参与电力市场都可以增大VPP的净运行利润，同时提高能源利用率。

　　4.3 风光全消纳下的多区域VPP调度结果分析

　　4.3.1 VPP1中垃圾焚烧电厂的优化调度结果VPPI中垃圾焚烧电厂不同时段烟气分流比与储气装置中烟气量的调度结果和烟气处理装置能耗调度结果分别如图4和图5所示，不难看出，优化调度结果与市场电价和VPPI中风、光的发电功率有很强的关联。大体上，烟气分流比与市场电价呈负相关，而储气装置烟气体积比与市场电价呈正相关。即：在市场电价低时进行烟气处理，电价高时将烟气存储起来，待电价低时进行处理，从而降低烟气处理成本。

　　由图5可知，风电、光伏虽然具有不稳定性，但是它们与垃圾焚烧电厂联合为烟气处理装置提供能耗不仅提高了垃圾焚烧电厂的电能上网率，还充分利用清洁能源，减少弃风弃光，从而增加了VPP收益。

　　4.3.2 多VPP优化调度结果分析场景5中VPP与电力市场的交易量、中断负荷及燃气轮机出力、VPP之间的电能传输功率、电转气技术消纳风、光电功率以及电动汽车的充放电电量和电池电量分别如图6-图10所示。

　　综合图6-图10可知，由于VPPI中垃圾焚烧电厂中烟气处理装置需要耗能，导致VPPI中断负荷功率较大，但其大体上可以满足自身负荷需求;由于P2G技术消耗二氧化碳生成天然气为燃气轮机提供燃料，降低其工作成本，进而出力较多。

　　在1-6时段，VPP2在满足自身负荷需求的情况下，输送电能给VPPI和VPP3，还会向电网售电从而获利，且电动汽车充电，将多余电量储存在电池中。其中在2~5时段，由于风电输出功率大于负荷需要，多余的电能被转化为天然气，从而增加了利润。

　　在7-18时段，由于光伏开始发电，VPP3和VPPI向VPP2输送电能以及电动汽车放电，保证其在用电高峰时仍可以满足负荷需求。由于该时段市场电价较燃气轮机的运行费用高，所以VPP2和VPP3选择增加燃气轮机的出力来减少购电和增大售电。其中在9~15时段，市场电价高于中断负荷价格，导致各VPP增加中断负荷，从而获得更高利润。

　　在19-24时段，VPP3无法满足区域内负荷需求，需向电网购电并接受VPPI和VPP2的电能输送，其中在22-24时段，VPP3增加燃气轮机出力，VPPI将多余的风电转化为天然气，提高了能源利用率，增加了净利润。

　　5结束语

　　建立了包含风电、光伏、EVs、垃圾焚烧电厂、燃气轮机、P2G技术以及需求响应的多区域虚拟电厂优化调度模型，通过案例分析说明：(1)多VPP通过参与电力市场和区域间电能互补，使得VPP净运行利润增大;(2)通过加装余热回收装置和P2G技术，减少了风、光、热能的浪费，且实现了电-气的循环;(3)

　　多区域VPP较单个VPP更经济更节能。但是文中主要考虑了电能的优化调度，没有考虑热和冷的参与，在下一步的研究中会将其考虑进去，从而完善研究体系。

　　参考文献

　　[1]陈皓勇，陈永波，王晓娟，等，基于LWAN的泛在电力物联网

　　[J].电力系统保护与控制，2019，47(8)：1-8.

　　Chen Haoyong，Chen Yongho，Wang Xiaojuan，et al.Ubiquitous power internet of things based on LPWAN[J].Power System Protection and Control，2019，47(8)：1-8.

　　[2]刘吉臻，李明扬，房方，等，虚拟发电厂研究综述[J].中国电机工

　　程学报，2014，34(29)：5103-5111.

　　Liu Jizhen，Li Mingyang，Fang Fang，et al.Explanation and Praspect of Ubiquitous Electric Power Internet of Things[J].Proceed ings of the CSEE，2014，34(29)：5103-5111.

　　[3]周亦洲，孙国强，黄文进，等，多区域虚拟电厂综合能源协调调度

　　优化模型[J].中国电机工程学报，2017，37(23)：02588013.

　　Zhou Yizhou，Sun Guoqjiang，Huang Wenjin，et al.Optimized Multi-

　　Regional Integrated Energy Coordinated Scheduling of a Virtual Power Plant[J].Procedings of the CSEE，2017，37(23)：0258-8013.

　　[4]孙惠娟，蒙锦辉，彭春华，风/光/水/碳捕集多区域虚拟电厂协调

　　优化调度[J].电网技术，2019，43(11)：4040-4049.

　　Sun Huijuan，Meng Jinhui，Peng Chunhua.Coordinated Optimization Scheduling of Multi-region Virtual Power Plant with Wind-power/Photo-

　　voltaic/Hydropower/Carbon-Capture Units[J].Power System Technolo-

　　gy，2019，43(11)：40404049

　　[5]周博，吕林，高红均，等，多虚拟电厂日前鲁棒交易策略研究[J].

　　电网技术，2018，42(8)：1000-3673

　　Zhou Bo，Li Lin，Gao Hongjun，et al.Robust Day-Ahead Trading Strategy for Multiple Virtual Power Plants[J].Power System Technolo-

　　gy，2018，42(8)：1000-3673.

　　[6]文云峰，墨小斌，肖友强，等，耦合能量枢纽多区域电一气互联能

　　源系统分布式协同优化调度[J].电力系统自动化，2019，43(9)：

　　22-34.

　　Wen Yunfeng，Qu Xiaobin，Xiao Youqiang，et al.Distributed Coordin-

　　ated Optimal Dispatch of Multi-regional Electricity-Gas Integrated Ener-

　　gy System with Energy Hubs[J].Automation of Electric Power System，

　　2019，43(9)：22-34.

　　[7]Yao Wang，Xin Ai，Zhong Futan.Dispatch Modes and Bidding Strategy of Multiple Virtual Power Plants Based on Demand Response and GameTheory[J].IEEE Transactions on Smart Grid，2016，7(1)：10.1109/

　　TSG.2015.2409121.

　　[8]Xiangyu li，Dongmei Zhao，Baicang Guo.Decentralized and Collabora-

　　tive Scheduling Approach for Active Distribution Network with Multiple Virtual Power Plants[J].Energies，2018，11(11)：1-18

　　[9]Dabbagh S R，Sheikh-El-Eslami M K.Risk-based profit allocation toD.

　　ERs integrated with a virtual power plant using cxoperative game theory

　　[J].Electric Power Systems Research，2015，121：368-378.

　　[10]徐荆州，肖晶，许洪华，等，基于能源路由器的源网优化管理[J].

　　电力需求侧管理，2018，20(6)：16-17，21.

　　Xu Jingzhou，Xiao Jing，Xu Honghua，et al.Research on source-grid-

　　louad-storage optimization management based on energy router[J].Power Demand Side Management，2018，20(6)：16-17，21.

　　[11]李杨，刘伟佳，赵俊华，等，含电转气的电-气-热系协同调度与消

　　纳风电效益分析[J].电网技术，2016，40(12)：3680-3689.

　　Li Yang，Liu Weija，Zhao Junhua，et al.Optimal Dis-patch of Com-

　　bined Electricity-Gas-Heat Energy Systems with Power-to-Gas Devices and Benefit Analysis of Wind Power Acconmodlation.Power System Technology，2016，40(12)：3680-3689.

　　[12]周任军，陈溢，阳卫伟，等，含烟气储存装置的风电-垃圾焚烧虚拟

　　电广双阶段优化调度[J].中国电力，2019，52(2)：78-84

　　Zhou Renjun，Chen Yi，Yang Weiwei，et al.Two-Stage Optimal Dis-patching of Wind Power-Waste Incineration Virtual Power Mant with Flue Gas Storage Device[J].Electric Power，2019，52(2)：78-84.

　　[13]龚樂，陈霜玲，赵联淼，等，垃圾焚烧发电厂烟气余热的回收利用

　　[J].节能与环保，2016，(6)：6769.

　　Gong Shen，Chen Shuangling，Zhao Lisnmiao，et al.Waste Incinera-

　　tion Power Plant Flue Gas Residue Heat Recyeling[J].Energy Conser-

　　vation&Environmental Protection，2016，(6)：6769.

　　[14]孙国强，袁智，耿天翔，等，含电动汽车的虚拟电厂鲁棒随机优化

　　调度[J].电力系统自动化，2017，41(6)：44-50，79.

　　Sun Guoqiang，Yuan Zhi，Geng Tianxiang，et al.Robust Stochastic Optimal Dispatching of Virtual Power Plant Containing Plug-in Electrio Vehicle[J].Automation of Electric Power System，2017，41(6)：4450，79.