《基于能源路由器的多區域虛擬電廠優化調度》論文發表期刊：《電測與儀表》；發表周期：2020年24期

《基于能源路由器的多區域虛擬電廠優化調度》論文作者信息：牛壯壯（1995-），男，碩士研究生，從事電力系統規劃與優化運行研究。 劉三明（1962-），女，通信作者，教授，碩士生導師，從事智能電網多目標優化、微電網最優控制、電力系統規劃與優化運行，風力發電機組、電力設備故障診斷等研究。 劉揚（1996一），男，碩士研究生，從事電力系統規劃與優化運行研究。

　　摘要：為避免風、光、熱等資源浪費，建立了在風、光電全消納情況下，基于能源路由器的多區域虛擬電廠(Virtual Power Plant，VPP)優化調度模型，該模型包含風電、光伏、電動汽車(Electrie Vehicles，EVs)、垃圾焚燒電廠、燃氣輪機、電轉氣(Power to Gas，P2G)技術以及需求響應。以改進的IEEE 9節點系統為例，利用MATLAB/YALMIP工具求解模型，得到不同場景下調度模型的凈運行利潤。算例分析表明：VPP通過同時參與電力市場、加裝余熱回收裝置和煙氣聯合處理裝置、P2G技術及各區域間電能互補，極大地提高了能源利用率，同時使得VPP凈運行利潤增大。

　　關鍵詞：虛擬電廠;資源浪費;能源路由器;優化調度;P2G技術

　　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

　　隨著泛在電力物聯網[]的提出，利用互聯網、Al等現代化的通信技術，將電力系統各環節聯系起來已經是大勢所趨。然而，我國存在著嚴重的電力資源和負荷需求不對稱，很難將不同地區資源互聯，為了解決這類問題，虛擬電廠應運而生。虛擬電廠就是利用先進的通信技術將不同地域的分布式能源(Distributed Energy，DE)聯系在一起，協調優化調度，使得不穩定的新能源(如：風能和太陽能等)也可以參與電力市場的競價[2]。

　　目前，對于VPP的研究，大多數人主要針對單個VPP，而多VPP的協調優化調度的文獻比較少。文獻

　　[3]提出了能源市場和旋轉備用市場下，建立了聚合風-光-電-熱-冷等單元的多區域VPP綜合能源優化調度模型。文獻[4]建立了包含主動放水策略的梯級水電站和碳捕集機組的調度模型并提出了基于群變異基向量的改進型分子微分進化算法。文獻[5]考慮了風力發電的不可控的影響，建立了多VPP的市場競價模型。文獻[6]構建了以能量樞紐為基本決策主體的電氣能量流解耦機制，提出了與能量樞紐分布式粒度相適應的多主體協同優化調度模型。文獻[7]提出了多VPP基于需求響應和博弈論的多時間尺度的循環調度策略。文獻[8]提出了一種基于同步交替方向乘子法

　　(SADMM)的多虛擬發電廠有源配電網的分散式兩階段隨機調度模型。

　　以上研究大多考慮的是電能和熱能的協調優化調度，從而達到成本最低(或利潤最大)，但是忽略了棄風、棄光、棄熱等現象，導致了資源浪費。文中建立了在風、光電全消納情況下，基于能源路由器的多區域VPP優化調度模型，該模型包含風電、光伏、EVs、燃氣輪機、垃圾焚燒電廠、P2G技術以及需求響應。利用“溫度匹配與熱能梯級利用”原理，在垃圾焚燒電廠和燃氣輪機中加裝余熱回收裝置，將煙氣中的余熱回收利用，減少熱能的損失，增加能源市場收益。P2G技術的應用可以消納多余的風/光電，避免了在晚上(或白天)風大(或太陽充足)超出負荷需求而棄風、棄光的現象，同時，在P2G工作時會消耗C02，減少碳的排放，增大碳交易收益，從而使VPP凈利潤增大。風、光、垃圾焚燒電廠聯合為垃圾焚燒電廠煙氣處理裝置供能，使三者充分互補，達到利潤最大化。最后，以改進IEEE9節點系統為例，驗證了所構建模型的有效性。

　　1多區域VPP結構和能源路由器的控制原理VPP通常包括各種類型、容量不一甚至地域不同的DE，將多種DE聚合在一起能有效降增加收益，使利潤最大化19)。在不影響大電網的穩定運行條件下，利用能源路由器主動控制和分配各DE的功率流向，實現多虛擬電廠的優化管理。能源路由器有各種能量接口如：DE接口、儲能設備接口和新型負荷接口等，并根據需求，精準有效的地控制各節點的功率流，實現能量的高效利用[10]，其結構如圖1所示。

　　能源路由器通過電力電子器件控制和管理所屬區域內部各單元的功率流，同時接收上層能源管理中心的指令并上傳所屬區域的運行狀態，實現全局協調控制。在電網高峰期，能源路由器控制風、光和垃圾焚燒電廠和EVs放電輸出功率，增加中斷負荷，增加區域互聯功率，盡量減少向電網購電;在電網低谷期，負載盡可能的由電網供電，EVs充電儲存電能;電網故障時，能量管理中心檢測到電網故障且供電開關跳開，能源路由器轉換控制方式，使其在滿足負荷需求的情況下實現多區域VPP的穩定可靠運行。多區域VPP結構圖如圖2所示。

　　2 P2G技術

　　P2G技術主要包括2個過程，第一步是電解反應生成02和H2，第二步是Sabatier反應消耗Co2合成天然氣，其對應的化學反應方程式分別為[]

　　電解

　　2H20 2H2 +02

　　(1)

　　C02 +4H，化CH，+2H，0

　　(2)

　　由式(2)可知，利用P2G技術合成甲烷時需要消耗C02，若消耗VPP內部產生的CO2，使得VPP的碳排放低于碳排放配額時，將低于的部分出售從而獲利。因此P2G技術不僅可以將多余的風、光電轉化為天然氣儲存起來供燃氣輪機使用，還能減少VPP的Co，排放，實現了電和氣的循環并增加了VPP利潤。

　　3多區域VPP調度模型

　　3.1 VPP內各單元模型3.1.1垃圾焚燒電廠模型(1)煙氣儲存裝置模型

　　fA，=a，/a la，=Pic-ea= i，，+ 02，.

　　(3)

　　式中a，是1時段焚燒垃圾電廠運行產生的煙氣總量;a，a2，分別是1時段進入反應塔與進入儲氣裝置中的煙氣量;e。為垃圾焚燒電廠單位出力產生的煙氣量。

　　(2)余熱回收裝置模型

　　通常垃圾焚燒電廠排氣系統設定的煙氣溫度大約為150 ℃，該值超過了煙氣露點溫度(約70 ℃)[]。

　　若將這部分能量回收利用，可提高能源利用率。

　　Q.c，=P.c.-6ic

　　(4)

　　式中Q.c.和P，c，分別是i區域1時段回收的余熱功率以及垃圾焚燒電廠出力;5.c是i區域余熱回收裝置效率。

　　(3)煙氣處理系統模型

　　風/光/垃圾焚燒聯合運行，一部分電能提供煙氣處理系統(可收集煙氣中的二氧化碳)耗能，另一部分供給電網。

　　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區域1時段煙氣處理耗能，P.wa.

　　Pi.ca，和P.pva，分別是i區域1時段風、光和垃圾焚燒提供給煙氣處理系統的功率;P，w.P.c，和P.m.，分別是i區域1時段風、光和垃圾焚燒上網功率;w，是煙氣處理系統的單位處理能耗;a，，是1時段從儲氣裝置中進入反應塔的煙氣量。(4)co2排放量模型

　　F = 10-(a(P.c +bPc+c)(10)

　　式中r，是i區域1時段垃圾焚燒電廠排放的co2的量;a、b、c和分別是垃圾焚燒發電二氧化碳排放系數。

　　3.1.2 燃氣輪機模型

　　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，分別是i區域1時段燃氣輪機發電出力、回收的熱功率和Co，排放量;E.C.

　　是i區域1時段燃氣輪機消耗的天然氣的量;n.crs.a和Pcr.an分別是區域燃氣輪機氣轉電效率、余熱回收效率和CO，排放系數;H是天然氣流量轉換為天然氣功率的系數，其值為1.026 MBu/kcf

　　3.1.3區域間互聯功率

　　各VPP之間相互連接實現電能互補，區域間互聯功率表達式如下：

　　=P-P(14)

　　式中P，是1時段i區域流入j區域的功率;Pon是1時段i區域流出到j區域的功率;P-是傳輸過程中的線路損耗。

　　3.1.4 EVs充放電及儲能模型為了建模的可行性，假設每個區域的可調度EV通過一個集中控制器與電網連接，這個集中控制器就等值為一輛EV來完成優化調度，其模型為：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，分別是i區域1時段EV的充、放電功率;S，v，是i區域1時段EV的電池電量;7a和7a分別是EV的充、放電效率。

　　3.1.5 電轉氣模型e.Prac.Pps EaP2C

　　н

　　(17)

　　Fac =Bo，ED.

　　(18)

　　式中P.nc，是i區域1時段P2G電轉氣消耗的電功率;EaG，和F，分別是i區域1時段P2G技術產生的天然氣的量和消耗的CO2的量;Prxc和Bo，分別是電轉氣效率和生成單位天然氣所需C02的系數;4是能量轉換系數，其值為3.4 MBu/MWh

　　3.1.6 碳交易模型

　　碳排放模型：F=，一(19)

　　碳排放配額：

　　E n l(r+t.，+.，)20)

　　式中F和E分別是VPP研究周期內總的碳排放總量和碳排放配額;7a是區域碳排放因子，取值為0.6397

　　VMW;eB分別是風機和光伏的碳排放修正系數。

　　3.2 目標函數

　　以運行凈利潤最大為目標對VPP進行日前優化調度建模，決策變量包括電力市場的交易量、垃圾焚燒電廠與風、光的聯合出力、EVs的充、放電功率、燃氣輪機消耗天然氣的量、可中斷負荷功率、區域互聯功率、風機和光伏出力以及PG消納的風光電功率，其目標函數為：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)

　　目標函數包括收益1和成本C兩部分，收益主要包括i區域，時段負荷收益.，能源市場收益1，M..

　　EVs充放電收益1.，以及碳交易收益1.c.;成本主要包括i區域1時段風機、光伏和垃圾焚燒電廠的運維成本CG.rv.w.c，P2G運行轉化成本C，pas.，熱氣輪機運維成本G，cr，環境成本C.a每部分具體表達式如下：

　　(1)風機、光伏以及垃圾焚燒電廠的運維成本：C.w.w.= A，P.w+AP.w.+A，P.(24)

　　式中P.rv，和P，.w，分別是i區域1時段光伏、風機功率;A，A2和A，分別是風機、光伏和垃圾焚燒電廠的運維成本。

　　(2)P2G運行轉化成本：C，g：=A，asP，，+ Ao(，-F)(25)

　　式中A，psc和A，ca，分別是P2G運行轉化成本和co2的單價。

　　(3)燃氣輪機成本包括燃料成本以及啟停成本C.a.=Ai.(EC-Ec.)+A.++

　　Ai，dm idw.

　　(26)

　　式中A是單位天然氣的費用;A.和A.a分別是燃氣輪機的啟、停成本;0-1變量4..和pd分別是i區域1時段燃氣輪機是否啟動、停止，是則置1，否則置0。

　　(4)環境成本主要是從電網中購電量產生的污染氣體對環境的污染懲罰，則環境成本表述為[0：G =(-P，.a)D(，+)(27)

　　式中R是污染氣體種類數;D，是從第r種氣體的排放強度H，和Y，分別為第r種氣體的環境價值和罰款數量級。

　　(5)負荷收益是總負荷收益減去中斷負荷費用：

　　1.，=A，.P-B"P.

　　(28)

　　式中Pi，和Pla，分別是是i區域2時段負荷和第k級中斷負荷功率;K是中斷等級數;A，w，是市場電價;B"是第k級中斷負荷補償價格，取三級中斷負荷，其值分別為50 8/Mw-h，55 s/Mw-h，60 s/Mw.h

　　(6)能源市場收益包括電力市場收益和熱網收益：

　　1м.=АР.м，-лА..Pм，+ Aо.

　　(29)

　　式中P，a，和Q.分別是i區域1時段VPP與電力市場交易量(售電為正，購電為負)以及與熱網交易量;

　　0-1變量u..和u.d，分別表示售、購電，是則置1，否則置0;A.A，da和Aa分別是VPP與電力市場合同售、購電電價以及與熱網交易價格。

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

　　A.avP.Ev

　　(30)

　　式中P，wv，是i區域，時段電動汽車充放電電量

　　(充電為正，放電為負)：0-1變量wcb，和A，a，分別表示充、放電，是則置1，否則置0;A.A.t和A.v，分別是EVs充、放電電價和電池充放電補償系數。(8)碳交易收益：如果碳排放低于碳排放配額，則可以將剩余的碳排放配額賣給其他區域從而獲利，反之，則對多出配額的碳排放量進行罰款。

　　碳交易收益如下：

　　1.c，=Ac(E-F)

　　(31)

　　式中A，是單位碳排放價格。

　　3.3約束條件

　　(1)各區域電功率平衡約束

　　P，ns，+t.，P P.avy +P-

　　(32)

　　式中P.n.是i區域1時段中斷負荷功率。

　　(2)中斷負荷約束

　　0 sPi，s P

　　(33)

　　P =

　　(34)式中Pi

　　：是i區域1時段第6級可中斷負荷最大功率。

　　(3)電動汽車約束

　　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，-是電池容量。

　　(4)網絡約束

　　ГРм.•(uиmн—и.)+ P-m，=

　　E.co(41)

　　Umd s V sUme式中Pa，是m節點，時刻發電廠注入的功率;1m.

　　是m節點1時刻的負荷;v，是m節點1時刻的電壓;Ym和分別是節點m、n之間的導納和相角差;Um和Umdaa分別是m節點電壓的上下限。

　　(5)其他約束

　　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)是燃氣輪機約束;式(44)~式

　　(46)是互聯線路約束;式(47)~式(51)是垃圾焚燒電廠約束。

　　4算例分析

　　4.1 算例描述

　　為驗證所建立模型的有效性，以改進的IEEE9節點系統為例，如圖3所示，在原系統的基礎上，分別將VPPI，VPP2和VPP3掛于5，6，8節點上，并將三個區域相連。該系統的資源整合如表1所示，市場電價預測值如表2所示，風電/光伏的預測功率以及各區域負荷數據如表3所示，VPP各單元參數如表4所示。

　　為了鼓勵電動汽車參與電力市場調度，電動汽車充電電價較市場電價低5(s/Mw-h)，電動汽車放電電價較市場電價低10(s/Mw.-h)。

　　4.2不同場景的對比及分析

　　為了衡量VPP中垃圾焚燒電廠安裝余熱回收裝置和煙氣處理聯合裝置、VPP間電能互聯、P2G技術轉化多余風、光電以及孤島與并網對VPP凈運行利潤和棄風、棄光、棄熱的影響，設置了5個場景，如表5所示。

　　構建上述5種VPP調度優化模型，收益和成本對比、調度情況對比、含煙氣存儲裝置的垃圾焚燒電廠運行結果對比分別如表6-表8所示。表中所給數據為一天內所有區域優化結果的總和。

　　綜合表6~表8的數據對比可以看出：

　　(1)相比于場景5，場景1是當電網出現故障時，VPP與電網斷開連接，形成孤島，無法向電網購、售電，使得燃氣輪機出力和P2G技術消納的風、光電分別增加了8.91 MW和37.23 Mw，進而導致VPP的凈利潤減少了8669s;

　　(2)相比于場景2，場景5中VPP區域間實現電能互聯，負荷重的區域可以通過區域連接線從負荷輕的區域獲得電能，從而實現電能互補，向電網售、購電量分別減少了33.21 MW和24 Mw。場景2中多余的風、光電無法傳輸給其他區域導致P2G的成本增加了613 s，使得VPP凈利潤減少;

　　(3)相比于場景3，場景5中風/光/垃圾焚燒聯合為煙氣處理裝置提供所需的耗能，雖然總煙氣出力耗能增加了26.86 Mw，但是垃圾焚燒電廠的上網功率增加了20.14 MW;余熱回收裝置的存在使得熱網收益交易量增加了330.53 Mw，從而使得VPP凈利潤增加;

　　(4)由于風、光的不穩定性，往往在晚上負荷低谷時風機發的電反而很多，而電網為了保持自身穩定，不能消納全部的風電便出現棄風、棄光現象，場景5中，利用P2G技術將多余的風/光電轉化為天然氣，該過程中還會消耗CO2，減少VPP碳排放，增加碳排放收益從而增加VPP凈利潤。

　　綜上所述，含余熱回收裝置和煙氣處理聯合供能裝置、P2G技術以及區域互聯同時參與電力市場都可以增大VPP的凈運行利潤，同時提高能源利用率。

　　4.3 風光全消納下的多區域VPP調度結果分析

　　4.3.1 VPP1中垃圾焚燒電廠的優化調度結果VPPI中垃圾焚燒電廠不同時段煙氣分流比與儲氣裝置中煙氣量的調度結果和煙氣處理裝置能耗調度結果分別如圖4和圖5所示，不難看出，優化調度結果與市場電價和VPPI中風、光的發電功率有很強的關聯。大體上，煙氣分流比與市場電價呈負相關，而儲氣裝置煙氣體積比與市場電價呈正相關。即：在市場電價低時進行煙氣處理，電價高時將煙氣存儲起來，待電價低時進行處理，從而降低煙氣處理成本。

　　由圖5可知，風電、光伏雖然具有不穩定性，但是它們與垃圾焚燒電廠聯合為煙氣處理裝置提供能耗不僅提高了垃圾焚燒電廠的電能上網率，還充分利用清潔能源，減少棄風棄光，從而增加了VPP收益。

　　4.3.2 多VPP優化調度結果分析場景5中VPP與電力市場的交易量、中斷負荷及燃氣輪機出力、VPP之間的電能傳輸功率、電轉氣技術消納風、光電功率以及電動汽車的充放電電量和電池電量分別如圖6-圖10所示。

　　綜合圖6-圖10可知，由于VPPI中垃圾焚燒電廠中煙氣處理裝置需要耗能，導致VPPI中斷負荷功率較大，但其大體上可以滿足自身負荷需求;由于P2G技術消耗二氧化碳生成天然氣為燃氣輪機提供燃料，降低其工作成本，進而出力較多。

　　在1-6時段，VPP2在滿足自身負荷需求的情況下，輸送電能給VPPI和VPP3，還會向電網售電從而獲利，且電動汽車充電，將多余電量儲存在電池中。其中在2~5時段，由于風電輸出功率大于負荷需要，多余的電能被轉化為天然氣，從而增加了利潤。

　　在7-18時段，由于光伏開始發電，VPP3和VPPI向VPP2輸送電能以及電動汽車放電，保證其在用電高峰時仍可以滿足負荷需求。由于該時段市場電價較燃氣輪機的運行費用高，所以VPP2和VPP3選擇增加燃氣輪機的出力來減少購電和增大售電。其中在9~15時段，市場電價高于中斷負荷價格，導致各VPP增加中斷負荷，從而獲得更高利潤。

　　在19-24時段，VPP3無法滿足區域內負荷需求，需向電網購電并接受VPPI和VPP2的電能輸送，其中在22-24時段，VPP3增加燃氣輪機出力，VPPI將多余的風電轉化為天然氣，提高了能源利用率，增加了凈利潤。

　　5結束語

　　建立了包含風電、光伏、EVs、垃圾焚燒電廠、燃氣輪機、P2G技術以及需求響應的多區域虛擬電廠優化調度模型，通過案例分析說明：(1)多VPP通過參與電力市場和區域間電能互補，使得VPP凈運行利潤增大;(2)通過加裝余熱回收裝置和P2G技術，減少了風、光、熱能的浪費，且實現了電-氣的循環;(3)

　　多區域VPP較單個VPP更經濟更節能。但是文中主要考慮了電能的優化調度，沒有考慮熱和冷的參與，在下一步的研究中會將其考慮進去，從而完善研究體系。

　　參考文獻

　　[1]陳皓勇，陳永波，王曉娟，等，基于LWAN的泛在電力物聯網

　　[J].電力系統保護與控制，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]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.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，孫國強，黃文進，等，多區域虛擬電廠綜合能源協調調度

　　優化模型[J].中國電機工程學報，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]孫惠娟，蒙錦輝，彭春華，風/光/水/碳捕集多區域虛擬電廠協調

　　優化調度[J].電網技術，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，呂林，高紅均，等，多虛擬電廠日前魯棒交易策略研究[J].

　　電網技術，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，肖友強，等，耦合能量樞紐多區域電一氣互聯能

　　源系統分布式協同優化調度[J].電力系統自動化，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]徐荊州，肖晶，許洪華，等，基于能源路由器的源網優化管理[J].

　　電力需求側管理，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]李楊，劉偉佳，趙俊華，等，含電轉氣的電-氣-熱系協同調度與消

　　納風電效益分析[J].電網技術，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]周任軍，陳溢，陽衛偉，等，含煙氣儲存裝置的風電-垃圾焚燒虛擬

　　電廣雙階段優化調度[J].中國電力，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]龔樂，陳霜玲，趙聯淼，等，垃圾焚燒發電廠煙氣余熱的回收利用

　　[J].節能與環保，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]孫國強，袁智，耿天翔，等，含電動汽車的虛擬電廠魯棒隨機優化

　　調度[J].電力系統自動化，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.