一种计及源-荷多类型备用的虚拟电厂双层优化调度方法

技术领域

本发明涉及虚拟电厂优化调度技术领域，尤其涉及一种计及源-荷多类型备用的虚拟电厂双层优化调度方法。

背景技术

在碳达峰、碳中和以及能源低碳绿色转型战略要求下，发展以风电为代表的分布式能源成为我国能源转型的方向。但由于分布式能源单机容量小、间歇性、不确定的特点，使得电网对高渗透率分布式能源的优化调度变得更加具有挑战性。目前虚拟电厂已成为解决这一挑战的重要方案。虚拟电厂作为独立于配电网的主体，有助于减轻高渗透率配电网的调度压力，实现高效和低成本的分布式能源能量管理。然而，在实际运行中虚拟电厂如何克服分布式能源不确定性，实现供需平衡仍是一大难题。

为解决风电的不确定性，虚拟电厂必须对风电出力进行精确的预测。主要有2种方法：第1种是包括点估计法、蒙特卡洛模拟和自回归综合移动平均等传统的概率统计预测方法。第2种是模糊逻辑、人工神经网络、支持向量机等智能算法。如文献[1]:HanQinkai,Meng,Fanman,HuTao,et al.Non-parametric Hybrid Models for Wind SpeedForecasting.Energy Conversion and Management.2017,148:554–568；

文献[2]:TangZhenhao,LiYuanyuan,ChaiXiangying,et al.Adaptive NonlinearModel Predictive Control of NOx Emissions under Load Constraints in PowerPlant Boilers.journalofchemicalengineeringofJapan,2020,53(1):36–44.；文献[3]:ChenGonggui,LiLijun,ZhangZhizhong,et al.Short-term Wind Speed Forecastingwith Principle-Subordinate Predictor Based on Conv-Lstm and ImprovedBPNN.IEEE Access 2020,8,67955–67973.分别利用自回归移动平均、训练支持向量机的回归模型和训练反向传播神经网络预测短期风电功率。但无论哪种预测都存在一定的误差，因此虚拟电厂需要配备一定的后备服务。由于火电污染物排放压力和抽水蓄能严格的地理要求，储能成为虚拟电厂后备服务的主要提供者。文献[4]:白雪岩,樊艳芳,刘雨佳,等.考虑可靠性及灵活性的风光储虚拟电厂分层容量配置[J].电力系统保护与控制,2022,50(08):11-24.提出一种风光储虚拟电厂分层容量配置策略，为虚拟电厂确定合理的储能容量配置方案提供指导。文献[5]:李星雨,邱晓燕,史光耀,等.考虑虚拟电厂和分时电价的风光火储系统两阶段优化调度策略[J].南方电网技术,2017,11(06):70-77.采用极点对称模态将风光出力分解为波动分量和平滑出力,并采用储能装置吸收波动分量。此外，针对虚拟电厂的优化调度，文献[6]:刘立洲,龚锦霞.基于改进Shapley算法的虚拟电厂博弈模型分析[J/OL].电测与仪表:1-7[2022-11-17].针对风电的不确定性，引入电动汽车建立了风电商和电动汽车运营商的博弈模型；文献[7]:韩志永,张宇华,李兵.基于多场景技术的冷热电虚拟电厂两阶段优化调度[J].电测与仪表,2022,59(03):174-180.对源-荷不确定进行分析，建立了两阶段调度模型。文献[8]:赵玲霞,王兴贵,丁颖杰,等.考虑分时电价及光热电站参与的多能源虚拟电厂优化调度[J].电力建设,2022,43(04):119-129.将光热电站作为灵活性资源，建立了日前计划模型和日内修正模型。但以上研究均未充分考虑计划调度的备用约束。近年来随着智能控制设备的发展，需求响应作为一种新型灵活性资源应运而生。

文献[9]:Wang JH,Liu C,Ton D,et al.Impact of plug-in hybrid electricvehicles on power systems with demand response and wind power.Energy Policy2011；39(7):4016–21.定义了需求响应的基本概念，将其分为基于价格的需求响应和基于激励的需求响应；文献[10]:关舒丰,王旭,蒋传文,等.基于可控负荷响应性能差异的虚拟电厂分类聚合方法及辅助服务市场投标策略研究[J].电网技术,2022,46(03):933-944.提出了一组反映可控负荷响应性能差异的指标，实现了可控负荷的分类聚合；文献[11]:刘丽军,罗宁,吴桐,等.基于混合整数二阶锥规划的考虑需求侧响应虚拟电厂优化调度[J].太阳能学报,2021,42(08):96-104.通过基于价格的需求响应引导用户响应电力市场电价变化，降低了负荷峰谷差。

综上所述，现有研究主要针对需求响应模式和优化用户侧用电曲线以及储能容量配置和参与平滑风、光波动性展开，较少同时考虑储能、分布式电源和需求响应对虚拟电厂能量和备用调度的影响。

发明内容

为解决以上问题，本发明针对含风电、燃气轮机、共享储能和柔性负荷的虚拟电厂提出一种计及源-荷多类型备用的虚拟电厂双层优化调度方法，首先引入第三方共享储能服务提供商，避免储能的一次性投资成本；其次，讨论燃气轮机、需求响应和共享储能的协调调度；最后考虑风电出力的不确定性和波动性，建立双层优化调度模型。该方法充分考虑源荷侧资源的备用潜力，在提高虚拟电厂经济效益的同时降低用户侧购电成本。

本发明采取的技术方案为：

一种计及源-荷多类型备用的虚拟电厂双层优化调度方法，包括以下步骤：

步骤1：构建含风电、共享储能、燃气轮机和柔性负荷的虚拟电厂系统；

步骤2：针对风电的不确定性、需求响应参与能量和备用调度、以及共享储能运行模式进行建模；

步骤3：建立上层为日前计划调度模型，下层为日内实时调度模型的双层调度模型；

步骤4：分析共享储能和需求响应对虚拟电厂能量和备用调度的影响，实现虚拟电厂优化调度。

所述步骤2中，虚拟电厂通过向共享储能运营商租赁容量，避免了储能的建设成本，租赁成本π

π

式(1)中，σ

所述步骤2中，虚拟电厂不确定性来自风电，风速特性能够近似认为符合威布尔分布，其概率密度函数为：

/>

式(2)中，v为风速，k、c分别为形状参数、尺度参数，通过求解统计数据的均值和方差获得，风机输出功率P

式(3)中，P

P

其中，预测输出功率P

所述步骤2中，需求响应模型包括：

Ⅰ、基于价格的需求响应模型：

基于价格的需求响应是指用户主动响应电价变化，自发将用电需求从负荷高峰时段转移到低谷时段的行为，用户对电价变化的敏感程度用弹性系数e

式(5)中，s、t均表示调度时段，分别为s时段和t时段；当s＝t时，e

式(6)中，

引入基于价格的需求响应后负荷购电成本

式(7)中，

Ⅱ、基于激励的需求响应模型：

考虑基于激励的需求响应参与虚拟电厂能量和备用调度的成本

式(8)中，

分别为实际调用负荷m级向上调峰补偿价格和向上调峰量；

为0-1变量，为1表示允许参与日内向上、向下调整；/>

实施需求响应后用户购电成本变化C

式(9)中，C

所述步骤3中，上层模型：考虑到需求响应的调峰潜力，将需求响应应用在上层。基于激励的需求响应在上层配合共享储能和燃气轮机参与虚拟电厂能量和备用调度，基于价格的需求响应在上层用以平滑用电曲线。上层模型考虑风电输出不确定性，采用蒙特卡洛模拟对日前风电出力进行预测并以预测值为基础，以共享储能和燃气轮机能量和备用、基于激励的需求响应备用以及虚拟电厂购售电为决策变量，以日前收益最大为目标制定调度计划。

3.1：在上层调度模型中，以虚拟电厂收益最大为目标进行调度。上层调度目标为：

式(10)中，t为交易时段，T为交易时段总数；f

式(11)中，λ

上层模型约束条件：

(1)功率平衡约束：

式(12)中，

(2)共享储能运行约束：

共享储能运行需要满足容量、充放电互斥和最大充放电约束，如下式表示：

式(13)中，E

(3)燃气轮机运行和备用约束：

燃气轮机作备用时，为满足机组实际爬坡约束，同一时刻不得同时提供上、下备用计划。

式(14)中，P

(4)与外网能量交互约束：

式(15)中，

(5)负荷备用约束：

式(16)中，

(6)共享储能备用约束：

由于共享储能自身不产生电能，在上层仅考虑其向下备用，且所提供的向下备用不得超过容量限制：

(7)虚拟电厂备用约束：

在上层调度中，由共享储能、燃气轮机和基于激励的需求响应提供备用，备用容量应不小于风电波动分量：

式(18)中，

下层模型：以风电实时采样值为基础，以实时运行成本最小为目标，采用滚动时域优化和线性规划相结合的方法，产生实时调用共享储能、燃气轮机和需求响应备用的指令。

3.2：在下层调度模型中，以采样值为基础，以发电侧运行成本最低为目标，模型如下：

式(19)中，

式(20)中，k'为调节比例，本发明取0.5。

下层模型约束条件：

(1)供需平衡约束：

(2)共享储能运行约束：

在下层调度中，共享储能实际产生的向下备用是其提供向上调整能量的来源。因此，共享储能提供的向上调整不得大于其实际产生的向下备用，此外，t时段储电量应包含实际调用的调整功率。

储能向上调整功率约束式(23)表示：当储能处于计划放电时，提供向上功率不得超过最大功率与计划功率之差，储能实际处于放电状态；当储能处于计划充电时，提供向上功率不得超过最大功率与计划功率之和，

储能向下调整功率约束式(24)表示：当储能处于计划充电时，提供向下功率不得超过最大功率与计划功率之差，储能实际处于充电状态；当储能处于计划放电时，提供向下功率不得超过最大功率与计划功率之和，

(4)下层燃气轮机运行约束：

(4)基于激励的需求响应调用约束：

用户在响应基于激励的需求响应时不能同时提供上/下调整。此外，考虑到用户用电满意度和防止虚拟电厂为降低成本过度调用需求响应，对需求响应的响应次数进行限制。

式(26)中，N

所述步骤4中，设置3种情景进行分析，包括情景1：虚拟电厂含有风电、燃气轮机、共享储能和基于价格的需求响应，但不考虑共享储能参与备用的常规虚拟电厂；情景2：在情景1的基础上考虑共享储能备用；情景3：在情景2的基础上引入基于激励的需求响应。本发明一种计及源-荷多类型备用的虚拟电厂双层优化调度方法，技术效果如下：

1)本发明建立的计及源-荷多类型备用的虚拟电厂双层模型，综合考虑虚拟电厂计划和实际调度，可实现燃气轮机、共享储能和需求响应备用和能量调度的协同运行，为虚拟电厂的优化运行提供了模型参考。

2)本发明需求响应包括：基于价格的需求响应和基于激励的需求响应，前者是用户响应电价的主动行为，后者为用户履行合同的响应行为；基于价格的需求响应被应用在上层预调度阶段，用以平滑用电曲线；基于激励的需求响应，在上层用以参与虚拟电厂备用，在下层实时调度阶段，用以参与平抑风电波动分量。

3)本发明需求响应参与能量和备用调度：终端用户通过与虚拟电厂签订长期合同由虚拟电厂代理参与电力市场调度，以规避市场电价变化的风险，虚拟电厂聚合商需在合同中明确中断补偿电价和备用电价。本发明虚拟电厂聚合负荷包括居民负荷、商业负荷和工业负荷。居民负荷和商业负荷主要通过节能措施降低能耗参与基于激励的需求响应。工业负荷通过调整用电计划，增加或削减负荷参与基于激励的需求响应。因此，基于激励的需求响应可通过削减或增加负荷参与虚拟电厂能量调度和备用计划

4)本发明虚拟电厂通过向共享储能运营商租赁容量的方式避免了储能的一次性投资建设成本。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为虚拟电厂架构图。

图2为本发明的调度流程图。

图3为求解流程图。

图4为不同情景虚拟电厂上层购售电曲线和共享储能充放电条形图。

图5为不同情景燃气轮机发电曲线和备用情况图。

图6为需求响应后负荷曲线图。

图7为不同情景虚拟电厂备用调用情况条形图和风电出力偏差曲线图。

具体实施方式

一种计及源-荷多类型备用的虚拟电厂双层优化调度方法，包括以下步骤：

步骤一：构建含风电、共享储能、燃气轮机和柔性负荷的虚拟电厂系统。

图1中VPP指虚拟电厂，SES指共享储能，GT指燃气轮机，IBDR指基于激励的需求响应负荷，PBDR指基于价格的需求响应负荷。如虚拟电厂架构图图1所示，本发明虚拟电厂由风电厂、燃气轮机、共享电储能和柔性负荷组成。由于风电输出的不确定性，虚拟电厂调度中心需在日前进行预调度。本发明采用蒙特卡洛模拟生成预测出力，并依据预测出力进行日前预调度。此外由于风电的波动性，在日内调度过程中需要根据风电实时采样值及时调整虚拟电厂调度计划，本发明采用滚动时域优化和线性规划相结合的方法修正燃气轮机、共享储能和基于激励的需求响应出力，更新每一时刻的调度指令。滚动时域优化的核心思想为：在采样优化时刻，通过比较预测值和采样值并基于目标函数和约束条件对模型进行优化，得到包括时刻以后的最优决策，但只实施时刻最优决策。随着优化时刻的推进，更新采样值，采用相同的方法对模型进行反复滚动优化，达到策略调整的最优性和实时性。

图2中WPP指风电，DR指需求响应，RHO指滚动时域优化，LP指线性规划，其他英文缩写含义同图1。如虚拟电厂调度流程图图2所示，上层为日前计划调度模型，下层为日内实时调度模型。考虑到需求响应的调峰潜力，将需求响应应用在上层。基于激励的需求响应在上层配合共享储能和燃气轮机参与虚拟电厂能量和备用调度，基于价格的需求响应在上层用以平滑用电曲线。上层模型考虑风电输出不确定性，采用蒙特卡洛模拟对日前风电出力进行预测并以预测值为基础，以共享储能和燃气轮机能量和备用、基于激励的需求响应备用以及虚拟电厂购售电为决策变量，以日前收益最大为目标制定调度计划。下层模型为日内调度模型，以风电实时采样值为基础，以实时运行成本最小为目标采用滚动时域优化和线性规划相结合的方法产生实时调用共享储能、燃气轮机和基于激励的需求响应备用的指令。

步骤二：针对风电的不确定性、需求响应参与能量和备用调度以及共享储能运行模式进行建模。

1、共享储能机制：

近年来，随着共享经济的提出，共享储能由于可降低规模化投资成本和提高储能利用率的特点，受到多方关注。文献[12]:闫东翔,陈玥.共享储能商业模式和定价机制研究综述[J/OL].电力系统自动化:1-14[2022-11-17].将共享储能描述为“由一个公共储能设备为多个用户提供储能服务的模式”，并通过租赁容量等方式获取收益；文献[13]：徐艳春,刘海权,孙思涵,等.计及需求响应和共享储能的多微网系统双层优化调度[J/OL].电力自动化设备:1-25[2022-11-17].在多微网系统中引入第三方共享储能提供商，加强了各微网之间的功率交互。本发明虚拟电厂通过向共享储能运营商租赁容量避免了储能的建设成本。租赁成本π

π

式中，σ

2、虚拟电厂不确定性处理：

虚拟电厂不确定性主要来自风电。风速特性可近似认为符合威布尔分布，其概率密度函数为：

式中，v为风速，k、c分别为形状参数和尺度参数，可通过求解统计数据的均值和方差获得。风机输出功率P

式中，P

P

其中，P

3、需求响应模型：

3.1、基于价格的需求响应模型：

基于价格的需求响应是指用户主动响应电价变化，自发将用电需求从负荷高峰时段转移到低谷时段的行为。用户对电价变化的敏感程度可用弹性系数e

式中，s、t表示调度时段；当s＝t时，e

引入基于价格的需求响应后负荷购电成本

式中，

3.2、基于激励的需求响应模型：

终端用户通过与虚拟电厂签订长期合同由虚拟电厂代理参与电力市场调度，以规避市场电价变化的风险，虚拟电厂聚合商需在合同中明确中断补偿电价和备用电价。本发明虚拟电厂聚合负荷包括居民负荷、商业负荷和工业负荷。居民负荷和商业负荷主要通过节能措施降低能耗参与基于激励的需求响应。工业负荷通过调整用电计划，增加或削减负荷参与基于激励的需求响应。因此，基于激励的需求响应可通过削减或增加负荷参与虚拟电厂能量调度和备用计划。考虑到不同负荷调用量对用户影响程度不同，负荷补偿应与负荷调用等级挂钩，调用等级越高，补偿价格越高。考虑基于激励的需求响应参与虚拟电厂能量和备用调度的成本

式中，

C

步骤三：建立双层调度模型；

计及源-荷多类型备用的虚拟电厂双层优化模型上层为日前计划调度模型，下层为日内实时调度模型。考虑到需求响应的调峰潜力，将需求响应应用在上层。基于激励的需求响应在上层配合共享储能和燃气轮机参与虚拟电厂能量和备用调度，基于价格的需求响应在上层用以平滑用电曲线。上层模型考虑风电输出不确定性，采用蒙特卡洛模拟对日前风电出力进行预测并以预测值为基础，以共享储能和燃气轮机能量和备用、基于激励的需求响应备用以及虚拟电厂购售电为决策变量，以日前收益最大为目标制定调度计划。下层模型为日内调度模型，以风电实时采样值为基础，以实时运行成本最小为目标采用滚动时域优化和线性优化相结合的方法产生实时调用共享储能、燃气轮机和基于激励的需求响应备用的指令。

1、上层调度模型：

为促进虚拟电厂的发展，在上层模型中，以虚拟电厂收益最大为目标进行调度。上层调度目标为：

式中，t为交易时段，T为交易时段总数；f

式中，λ

上层模型约束条件：

(1)功率平衡约束

式中，

(2)共享储能运行约束

共享储能运行需要满足容量、充放电互斥和最大充放电约束。如下式表示：

式中，E

(3)燃气轮机运行和备用约束

燃气轮机作备用时，为满足机组实际爬坡约束，同一时刻不得同时提供上/下备用计划。

式中，P

(4)与外网能量交互约束

式中，

(5)负荷备用约束

式中，

(6)共享储能备用约束

由于共享储能自身不产生电能，在上层仅考虑其向下备用，且所提供的向下备用不得超过容量限制：

/>

(7)虚拟电厂备用约束

在上层调度中，由共享储能、燃气轮机和基于激励的需求响应提供备用，备用容量应不小于风电波动分量：

式中，

2、下层调度模型：

在下层调度中，以采样值为基础，以发电侧运行成本最低为目标，模型如下：

式中，

式中，k'为调节比例，本发明取0.5。

下层模型约束条件

(1)供需平衡约束：

(2)共享储能运行约束：

在下层调度中，共享储能实际产生的向下备用是其提供向上调整能量的来源。因此，共享储能提供的向上调整不得大于其实际产生的向下备用。此外，t时段储电量应包含实际调用的调整功率。

/>

储能向上调整功率约束式(23)表示：当储能处于计划放电时，提供向上功率不得超过最大功率与计划功率之差，储能实际处于放电状态；当储能处于计划充电时，提供向上功率不得超过最大功率与计划功率之和，

储能向下调整功率约束式(24)表示：当储能处于计划充电时，提供向下功率不得超过最大功率与计划功率之差，储能实际处于充电状态；当储能处于计划放电时，提供向下功率不得超过最大功率与计划功率之和，

(3)下层燃气轮机运行约束：

(4)基于激励的需求响应调用约束

用户在响应基于激励的需求响应时不能同时提供上/下调整。此外，考虑到用户用电满意度和防止虚拟电厂为降低成本过度调用需求响应，对需求响应的响应次数进行限制。

式中，N

步骤四：算例讨论共享储能和需求响应对虚拟电厂能量和备用调度的影响。

为验证本发明所构建模型的优势，设置3种情景进行分析，包括情景1：虚拟电厂含有风电、燃气轮机、共享储能和基于价格的需求响应，但不考虑共享储能参与备用的常规虚拟电厂；情景2：在情景1的基础上考虑共享储能备用；情景3：在情景2的基础上引入基于激励的需求响应。

考虑到系统预测误差，下层优化目标需要根据最新风电采样值对剩余时段进行优化，

求解流程图如图3所示，图中英文缩写含义同图2一致。本发明采用线性规划(Yalmip+Cplex)和滚动时域优化相结合的调度算法。上层利用线性规划求解得到24时段的调度计划，下层根据采样值利用线性规划和滚动时域优化相结合的方法求解得到24时段的最优调度。

算例基础数据说明：

以中国北方某园区为研究对象，最大负荷12MW，燃气轮机装机容量10MW，爬坡和最小功率均为2MW。根据《中国可再生能源发展报告》指出到2035年，“三北”地区多个省份风电、光伏的装机容量占比将超过50％，故选取总装机容量10MW的风电接入系统以反映高比例分布式能源接入情景。根据5:1风储配置比例，选取最大功率为2MW，租用容量10MW的共享储能。共享储能租赁系数200元/KW·h/年。风电和共享储能运行参数参考文献[14]郑浩伟,闫庆友,尹哲,等.计及日前-实时交易和共享储能的VPP运行优化及双层效益分配[J].电力建设,2022,43(09):34-46.δ

上述为算例的基础参数，由这些基础数据仿真得到的不同情景输出结果。

虚拟电厂上下层收益/成本如表1所示。

表1虚拟电厂上下层收益/成本

其中，灵活性负荷实际成本是指因需求响应造成的购电成本变化，为正表示成本增加，为负表示成本降低。单位：元或MW。

不同情景虚拟电厂上层购售电曲线和共享储能充放电条形图如图4所示，燃气轮机发电曲线和虚拟电厂不同场景备用情况如图5所示。其中，虚拟电厂向外售电、共享储能放电和向上备用为正；图5中每组条形图从左至右分别为情景1、2和3的机组备用情况。

需求响应后负荷曲线变化如图6，不同情景虚拟电厂备用调用情况条形图和风电出力偏差曲线如图7。其中，图7每组条形图从左至右依次为情景1、2和3备用调用情况，电源向上调整和△

(1)上下层收益/成本对比分析：

情景1燃气轮机需同时提供上/下备用，导致燃气轮机在计划运行中不能满足备用爬坡约束，虽然为上层燃气轮机带来了更大的灵活性，但也为实际运行中受限于燃气轮机爬坡约束不能按计划提供备用埋下隐患。情景2燃气轮机不再是唯一的备用资源，可以在满足燃气轮机备用爬坡约束的条件下制定虚拟电厂上层调度计划，因此有能力在下层提供充足的备用。表现为表1中情景2相对于情景1上层总收益虽下降了0.15％，燃气轮机发电量下降了3.2％，但情景2相对于情景1下层运成本下降了5.9％且未出现不平衡成本。这也表明本发明建立的模型对常规电厂的适用性和经济性。此外，引入燃气轮机、共享储能和需求响应协调运行后情景3相对与情景1、2在上层实现了备用成本分别下降了44.1％，15.1％的同时总收益分别增加了13.6％、13.7％；在下层未产生不平衡成本的同时总成本相较于情景2仅增加了3.9％，表明了本发明所提计及源-荷多类型备用相对于常规虚拟电厂的经济优越性。

(2)上层备用和购售电情况分析：

由图4可知，不同情景共享储能各时段充放电功率虽有所不同，但都基本保持在谷时段充电在峰时段放电的变化趋势，以实现“峰谷套利”。图4中共享储能谷时段充电功率情景1>情景3＞情景2。从图5中可知，这主要由于情景1共享储能不需要提供备用服务而具有更大的灵活性，但这也为下层可能出现供需不平衡埋下了隐患。随着共享储能和灵活性负荷备用的引入，虚拟电厂备用服务逐渐由备用成本较高的燃气轮机转移至成本较低的共享储能和灵活性负荷。此外，虽然共享储能备用成本较灵活性负荷低，但由于储能“峰谷套利”的特性更有助于提高计划调度的经济性。因此，情景3引入基于激励的需求响应后，虚拟电厂备用进一步由共享储能转移至灵活性负荷，这也使得情景3共享储能相较于情景2在谷时段有更大的充电空间，在峰时段有更多的放电量。

图5中不同情景燃气轮机起始功率均不高，这主要由于燃气轮机发电成本较高，而谷时段售电电价不高，其发电动力不强。其次，由于情景1燃气轮机需要提供向下备用，起始段功率会略高于情景2、3。此外，由图5可知情景3相较于情景1、2燃气轮机备用较多的转移至共享储能和灵活性负荷，有更大的容量用来发电。

燃气轮机和共享储能的运行状态决定了虚拟电厂购售电曲线的变化趋势。由图5可知情景1和情景2燃气轮机发电曲线基本一致，因此图4中情景1和2的购售电曲线和共享储能相关，当共享储能充电较大是，对应情景售电量越低，反之亦然。情景3随着燃气轮机和共享储能备用的降低，燃气轮机发电量和共享储能运行灵活性显著提高，整体购售电曲线显著高于情景1和2，有利于提高虚拟电厂的经济性。

(3)下层实际调用结果分析：

基于价格的需求响应可起到平滑用电曲线的效果，表现为图6中情景1、2在引入基于价格的需求响应后用户侧谷时段负荷有所增加，峰时段负荷有所下降。此外，由表1可知实施基于价格的需求响应后负荷购电成本降低了4884元。但基于价格的需求响应具有较强的不可控性，无法参与虚拟电厂实时能量调度。表现为图7中情景1即使引入了基于价格的需求响应，在t＝3、5、6、23时段受限于燃气轮机爬坡约束，也产生了供需不平衡电量。其中，t＝5～7时段由图5可知燃气轮机计划发电量持续升高，但为满足该时段实际调度连续下调的要求，在t＝6时段产生了过量的下调以平抑t＝7时段风电的波动。情景2引入共享储能后，共享储能一方面通过消纳过剩的风电和协助燃气轮机向上调整(t＝2时段)进行充电，一方面通过放电承担部分燃气轮机向上调整的任务。

情景3进一步引入基于激励的需求响应后，用户购电成本从13.5万元下降至11.91万元，下降了11.7％。此外由图7可知，燃气轮机向上调整任务相较于情景2进一步转移至用户侧，共享储能可利用需求响应进行充电以积蓄向上调整的能力，燃气轮机也可利用需求响应进一步降低发电量以降低发电成本。但应注意的是过度调用需求响应会对用户满意度产生较大影响，在实际应用中应严格控制基于激励的需求响应的响应次数。