虚拟电厂的优化调度技术与市场机制设计综述

张凯杰，丁国锋*，闻铭，惠红勋，丁一，贺民，褚杰锋，谢康，俞楚天，张利军

（1.国网浙江省电力有限公司宁波供电公司，浙江宁波 315016；2.澳门大学智慧城市物联网国家重点实验室，澳门特别行政区 999078；3.浙江大学电气工程学院，杭州 310027；4.国网浙江省电力有限公司经济技术研究院，杭州 310016）

0 引言

能源危机的日益加深及化石燃料带来的环境污染，使可再生能源在全球范围内得到广泛应用。然而，可再生能源发电的可预测性有限，与传统发电机组相比具有间歇性和波动性特征，使得可再生能源的调度变得十分困难［1］。为实现可再生能源的最佳高效利用，国内外已经进行了大量研究，其中需求响应（Demand Response，DR）和分布式储能（Distributed Storage，DS）被认为是2 种关键且潜力巨大的方案。DR 通过信息通信技术，向电力用户提供变动电价或激励措施，引导用户调节用电行为，从而达到消纳间歇性可再生能源［2-3］、削峰填谷等目的［4-5］。DS 通过调节储能设备的充放电状态和功率大小，平衡可再生能源发电给系统带来的波动性［6-7］。与DR 相比，DS 的调节速度更快，可以更好地参与电力系统调频等快速调节服务［8］。

为了实现可再生能源、DR以及DS的有效整合，更好地促进电力系统运行的安全性、稳定性和经济性，虚拟电厂（Virtual Power Plant，VPP）的概念应运而生。VPP 是通过先进的通信技术，将区域内的各种分布式电源、储能系统以及可控负荷等聚合成一个整体，实现高效的能源交互，提高电网运行的稳定性［9-11］。目前已有大量研究聚焦于风电、光伏及储能系统的整合与协同调度，实现VPP 最优化运营，平抑可再生能源引入的系统波动，充分挖掘可再生能源的发电潜力［12-14］。

此外，在电源侧，发展综合能源是全球能源未来发展的趋势，通过气、热等储能形式实现不同能源的梯级利用，提高终端能源利用效率，同时提升电力系统灵活性。因此，VPP 与综合能源的协同优化调度逐渐受到更多关注，文献［15-16］分别将风电机组和燃气热电联产机组，热电机组、燃气锅炉和风电机组组成虚拟电厂，实现平抑风电波动、降低发电成本的目标。

在负荷侧，快速增加的电动汽车（Electric Vehicle，EV）具有储能能力，显示出与电力系统灵活互动的巨大优势［17-18］。然而，大规模电动汽车接入电网充电，也会造成新的负荷增长，加剧电网负荷峰谷差［19］。VPP 的出现为有效管理日益增多的EV提供了新的方法，可更大限度发挥EV 在降低成本等方面的优势。

本文从综合能源、EV、可再生能源3 个角度入手，对VPP 参与系统优化运行的关键技术进行剖析，并研究梳理VPP 参与电力市场的竞价策略和商业模式［20-21］。首先，本文对VPP 的定义进行了全面透彻的阐述，并介绍了VPP 的实现架构；然后，从冷热电气等综合能源、电动汽车以及风电光伏等可再生能源3 个角度入手，论述了VPP 参与电力系统优化调度的关键技术；最后，详细介绍了VPP 相关的市场机制实现综合电力系统综合效益最大化，并介绍了世界范围内VPP的典型工程应用。

1 VPP的功能与定义

VPP 作为一项蓬勃发展的技术，有多种不同角度的定义。VPP 这一概念，最早起源于1997 年Shimon Awerbuch 博士的著作《虚拟公共设施：新兴产业的描述、技术及竞争力》，其中对虚拟公共设施进行了定义［22］。虚拟公共设施被定义为独立实体间的一种灵活合作，这些实体受市场驱动，能够为消费者提供所需的高效电能服务而不必拥有相应的资产［22］。此后，行业内众多专家学者都发表了各自的观点与见解，但由于这些研究各具特点，对VPP的研究侧重也不尽相同，学术领域尚未形成对VPP这一概念准确而统一的定义。

文献［9］将VPP 定义为分布式发电机组、柔性负荷和储能系统的有机组合，它们作为一个整体在控制中心的管理下参与电网运行。文献［10］中VPP被定义为一种先进的区域性电能集中管理模式，依靠这种模式，在不改变电网结构的前提下，可以有效整合区域内各种形态的电源和用电负荷，并经济高效地控制区域内的发电和用电单元。文献［11］将虚拟电厂视为能源互联网技术的一个典型代表，利用先进的信息技术，将大量分散安装的分布式电源、受控负荷和储能单元聚合起来，实现广域范围的能源互联与共享。文献［23］将VPP 看作一种需求侧响应的实现方式，通过在电力需求侧安装特定装置，提高用电能效调节用电需求，达到与实际发电厂相同的效果，也称为“能效电厂”。文献［24］将VPP定义为在不改变现有电网网络拓扑结构的前提下，通过先进的测量、通信和控制技术，由不同类型、不同地域的分布式电源聚合而成的发电联合体。文献［25］从狭义和广义2个层面对VPP 进行了描述，狭义上的VPP 由直接并网的分布式发电机组和储能装置组成，广义上的VPP 还包括需求侧的可控负荷、电动汽车等灵活性资源。

在工程实践中，FENIX（Flexible Electricity Network to Integrate Expected Energy Solution）项目定义VPP 为众多分布式电源经过整合接入电网后，通过关键传输机制作为配电网和输电网的控制源，并通过综合表征各分布式电源的参数建立整体的运行模式，为系统提供频率控制、电压控制、潮流控制，降低系统运行费用和电能输送成本，提升系统的安全性和可靠性［26］，如图1 所示。图中DER（Distributed Energy Resource）为分布式能源。

图1 FENIX项目中的VPP架构Fig.1 VPP architecture in FENIX project

综上所述，VPP 技术的核心由2 点组成，其一为“通信”，其二为“控制”。“通信”是指VPP 通过先进的通信装置和技术，将分布式电源、储能系统以及需求侧灵活负荷聚合为一个有机整体，具备协调优化调度的能力。“控制”是指通过各类优化算法对VPP 内的组成元素进行调度控制，实现对分布式电源发电、储能充放电以及可控负荷的灵活调节。

2 VPP的典型控制架构

VPP 的控制对象主要包括各种分布式电源、储能系统、可控负荷以及电动汽车，控制结构主要包括集中控制、集中-分散控制、完全分散控制3类，分别如图2—4所示［10，22，26］。

图2 集中控制结构Fig.2 Centralized control structure

（1）集中控制结构中，VPP的全部负荷信息均传递至控制协调中心（Control Coordination Center，CCC），CCC 拥有对VPP 中所有单元的控制权，制定各单元的发电或用电计划。CCC 控制力强且控制手段灵活，但通信压力大且计算量繁重，兼容性和扩展性也不理想。

（2）集中-分散控制结构中，VPP 被分为2 个层级，分别为低层控制和高层控制。在低层控制中，本地控制中心管理本区域内有限个发用电单元，彼此进行信息交换，并将汇集的信息传递到高层控制中心；高层控制中心将任务分解并分配到各本地控制中心，然后本地控制中心负责制定每一个单元的发电或用电具体方案。此结构有助于改善集中控制方式下的数据拥堵问题，并使扩展性得到提升。

图3 集中-分散控制结构Fig.3 Centralized-decentralized control structure

图4 完全分散控制结构Fig.4 Fully decentralized control structure

（3）完全分散控制结构中，VPP被划分为若干个自治的智能子系统，这些子系统通过各自的智能代理彼此通信并相互协作，实现集中控制结构中控制中心的功能，控制中心则成为数据交换与处理中心。

VPP的优化调度主要是利用先进的通信技术和控制策略，对内部的分布式电源进行聚合，调节它们的出力，使之参与电力市场和辅助服务市场的运行。其目标为在满足用户负荷需求的前提下，使发电成本、污染物或碳排放量最小。目前主流的VPP模型目标函数为［27-32］

（1）燃气轮机约束：

（2）风电、光伏约束：

（3）储能充放电约束：

（4）DR约束：

（5）系统功率平衡约束：

（6）线路潮流与母线电压约束：

3 VPP的优化调度技术

3.1 VPP对综合能源的优化调度

近年来，随着综合能源概念的不断发展，能源行业的发展模式愈加要求高效、安全和可持续，VPP可以有效帮助冷热电联供（Combined Cooling，Heating and Power，CCHP）型综合能源系统实现协调优化控制。VPP 参与能量市场和旋转备用市场，可以加强系统内部各单元间的协调调度，提高系统决策灵活性，获得更为可观的经济效益。文献［32］在考虑热电联产机组参与旋转备用市场情景下，建立了能量市场和旋转备用市场下VPP 的日前热电联合调度优化模型，针对VPP 面临的不确定性问题和由此带来的风险，采用鲁棒优化处理能量市场（Energy Market，EM）电价、旋转备用市场（Spinning Reserve Market，SRM）电价、风电出力、光伏出力、电负荷和热负荷的不确定性，降低了系统风险。文献［33］研究了包含风电供热的VPP“热电解耦”负荷优化调度，提出了将供热区域内的大型热电厂、风力发电、光伏发电整合成VPP 参与电网运行，并加入风电供热作为热负荷侧可调度资源，构建了含风电供热的全因素VPP 热电负荷优化调度模型，设计了VPP运行策略及偏差补偿策略。文献［34］则针对燃煤热电联产机组“以热定电”的运行方式造成的灵活调节能力不足的问题，运用基于拉丁超立方采样的场景法处理风光出力的不确定性，提出了一种基于实时电价的VPP 运行策略，优先利用新能源发电，在获得较好经济效益的同时，使电力系统的运行更加低碳、安全。文献［35］在之前的基础上加入了冷负荷，建立了多区域VPP 综合能源协调调度优化模型，该模型考虑了VPP 内不同区域间的冷、热、电交互，以及区域内的冷、热、电互补问题，将单区域VPP的热电协调调度优化问题扩展到多区域VPP的冷热电协调调度优化问题。文献［36］在VPP 中进一步增加了电转气单元，同时考虑VPP 参与由EM，SRM 及天然气市场组成的多种市场，并提出了参与多种市场的电、热、气协调优化调度模型。

综上所述，VPP通过双向通信技术实现发电侧、需求侧、电力交易市场等各个部分的信息与数据的调度，可有效提升系统的能源利用效率，使系统运行更加灵活可靠，充分实现了资源的优化配置。

3.2 VPP对电动汽车的优化调度

EV 因其节能、零排放的优点，近年来得到了快速发展，但大规模EV 接入电网充电时会加剧电网峰谷差，对电网运行的安全稳定造成影响。然而，通过VPP 聚合EV 既可有效缓解EV 无序充放电给电网产生的负面影响，又可丰富电力系统的运行和控制手段，使VPP 参与系统削峰填谷、提供频率稳定和备用容量等辅助服务［19］。

文献［37］针对慢充EV 集群，提出了一种电动汽车虚拟电厂（Electric Vehicle Virtual Power Plant，EVVPP）多时间尺度响应能力评估模型，在日前对EVVPP 响应能力进行评估，日内基于响应时间裕度和荷电状态裕度对EVVPP 响应能力进行滚动修正，分析了EV状态变化对EVVPP响应能力的影响。

此外，EV并网时的鲁棒优化也是VPP应用中人们密切关注的一个核心问题。文献［19］为解决可调度电动汽车数量的随机性与不确定性问题，构建了含电动汽车的虚拟电厂鲁棒随机优化调度模型，并分析了VPP 和EV 对日运行成本及环境的影响。文献［38］建立了含VPP 的双层逆鲁棒优化调度模型，分析了风电消纳水平和电动汽车入网充放电功率之间的极限制约关系。

3.3 VPP对可再生能源的优化调度

随着我国经济社会的快速发展，化石燃料大量燃烧带来的环境问题日益突出，VPP 中的分布式电源多以风电、光伏为主，其绿色低碳的特性可有效缓解能源危机。然而，可再生能源发电站具有间歇性或随机性以及存在预测误差等特点［22］，并网后会在一定程度上对电网运行的稳定性造成不利影响。

针对可再生能源的波动性，提高风电、光伏等可再生能源的功率预测精度能有效缓解这一问题。文献［39］提出了基于堆叠降噪自编码器的风光功率预测模型，用以实现场站区域风光功率的月度预测。文献［40］采用基于机器学习的集群聚类划分方式，利用每个子区域中的特征电站结合神经网络法实现区域电站未来3 d 的功率预测。文献［41］以风电功率、光伏发电功率和负荷间的互动耦合关系为依据，提出了基于变量注意力机制-多任务学习的风-光-荷联合预测方法，实现了15 min 时间尺度上风-光-荷预测精度的同时提升。文献［42］就目前风电场的短期功率预测技术进行了归纳分析，建立了效率高、时间短的风电场短期功率预测模型SVM_PSO，实现了10 min时间尺度上的功率预测。

VPP 的核心功能是将分布式电源、储能系统（Energy Storage Systems，ESS）、可控负荷等参与对象整合为一个有机整体，其中的储能系统在解决间歇性和波动性方面具有极大优势，大量研究引入ESS用于平衡风机和光伏电站出力的随机变化。文献［43］利用ESS 平抑光伏波动，使得光伏发电的电能质量和经济效益显著提升。文献［44］基于机会约束规划，在VPP 的优化调度中充分发挥ESS 平衡风机出力不确定性的作用，有效降低了系统的失负荷概率和弃风概率。文献［45］利用ESS 削峰填谷，减少日负荷波动，提升电网消纳风电的能力。文献［46］则构建了含有ESS 调度和ESS 优化目标函数的ESS 优化配置模型，并采用混合整数线性规划和粒子群优化算法进行求解，使ESS 在DR、削峰填谷和提高电压质量方面发挥重要作用。文献［47］针对解决分布式电源难以分配、控制和管理的问题，引入VPP概念，与能效电厂进行联合调度优化。

建立科学合理的模型，细致量化可再生能源带来的不确定性，也是VPP 在消纳可再生能源时的一个有效途径。文献［48-49］提出了考虑条件风险价值（CVaR）的VPP 多电源容量优化配置模型，利用CVaR 来度量可再生能源出力及市场电价不确定性给规划VPP 带来的风险，基于成本效益分析获得多电源容量最优配置方案。文献［50］针对大规模风电并网消纳的难题，在风电并网系统的需求侧引入DR-VPP，提出了一种考虑DR-VPP 的风电并网系统分布式日前经济调度模型，实现了电网经济调度和风电消纳的全局最优。文献［51-52］在风电的基础上进一步考虑了光伏。文献［51］为促进以风光为代表的分布式能源优化利用，考虑以风险损失后的VPP 运营净收益最大化为目标，建立随机调度优化模型，利用CVaR 理论和置信度方法描述VPP 运行不确定性。文献［52］将光热电站聚合到一般的风火虚拟电厂中，构建了计及光热发电特性的光-风-火虚拟电厂双阶段优化调度模型，充分挖掘了光热电站调节潜力并提升了虚拟电厂调节能力。文献［53］研究了VPP 参与电力市场的情况，在分析VPP 在市场中与独立系统运营商（Independent System Operator，ISO）之间运行规则的基础上，设计和引入相关奖惩措施，更大限度减少弃风。文献［54］通过日前经济性和环境效益目标建立多目标优化调度模型，得到日前计划出力值，再以日内滚动优化调度中的最小电源调整量和最小调整成本为目标，于日内滚动修正计划出力值。文献［55］用等效负荷的方法处理风电机组出力，并引入碳交易机制，以系统联合调峰成本最低为优化目标建立核-火-虚拟电厂3 阶段联合调峰模型，有效降低了系统的运行成本与碳排放。

3.4 VPP中负荷控制的时延优化

由于电力系统电力电量存在实时平衡的特殊性，对其传输网络有低时延和高安全性的要求。面对虚拟电厂中负荷控制多样化高标准的通信服务需求，5G 网络将迎来重大的发展机遇。传统“一刀切”的网络架构已无法解决负荷控制在带宽、时延、可靠性等方面的个性化需求，网络切片技术为5G通信适应多种类型设备和不同服务的需求，提供了新的思路和解决方案［56］。文献［56］定义了电力系统中端到端的时延，将其分为3 部分，即固有时延、传播时延、排队时延。

针对负荷控制中具体的时延量化工作，文献［57］提出了一种线性估计模型，用以量化通信时延，同时在分析实验室条件下广域闭环控制系统中设备的操作时延基础上，提出了基于实时数字仿真器硬件在环平台的波形对比测量法，用正态分布拟合操作时延的分布特性。文献［58］在综合考虑了通信时延与操作时延后，以估计实际系统中的闭环时延分布为目标，提出了正态分布模型，以及确定正态分布模型参数的方法。

实际负荷控制迫切需要有效的补偿修正方法来尽可能地减少通信时延对控制流程的影响，实现控制效果的优化。针对此需求，文献［59］将时延补偿与闭环控制系统的实现相结合，提出了一种分层预测补偿方法，通过该预测方法为控制策略提供近似的实时数据，使时延的影响与闭环控制策略隔离，进而保证控制效果。文献［60］针对实际电力系统的负荷调控过程中不可避的通信时延和参数测量误差，提出了基于云边双端测量和回溯修正的负荷集中-分散控制架构，从而解决了通信时延带来的系统振荡和测量误差带来的容量控制精度问题。

4 VPP的市场机制与工程应用

4.1 VPP的市场机制

VPP 的顺利发展与配套的商业模式关系密切，因此，应加大对VPP 竞价策略的研究，使VPP 作为一个市场主体，在售电侧逐步放开的环境下尽可能多得从市场中获益。

在市场架构方面，文献［61］从经济资本概念切入，阐述了VPP 调度模型中风险计算的经济学含义，并引入条件在险现金流确定VPP 经济资本的需求量。文献［62］提出了VPP 批发、零售2 级市场的商业模式与典型交易组织模式，并结合我国泛在电力物联网建设和电力市场的建设方向，给出了VPP发展建议，即VPP 对外参与电力批发市场，对内整合零售市场，基于此项运营特点，构建VPP 对内、对外的2级市场交易体系。

在竞价策略方面，对于VPP 竞价策略的研究重点主要集中在处理VPP 内部资源的不确定性，构建VPP参与市场竞价的相关模型。文献［63］构建了含EV 和风电机组的VPP 参与日前能量市场和调节市场时的联合最优报价策略，并利用数学编程语言AMPL（A Mathematical Programming Language）进行求解。文献［64］在考虑用户多种博弈行为的基础上设计研究竞价策略，建立了未来智能电网用户并网多目标优化模型，设计了基于VPP 技术的未来智能电网用户并网规则。

在参与模式方面，部分研究又进一步将DR 纳入VPP 竞价策略的考虑之中。文献［25］将市场导向的DR 分为价格型DR 和激励型DR，分别对各自参与VPP 运营的情况进行了论述。文献［30］分析了VPP 同时参与双边合同市场、日前市场、实时市场和平衡市场的3 阶段竞标流程，并在此基础上建立了同时参与多类电力市场情况下计及EV 和DR的VPP 3阶段竞标模型。文献［65］在对VPP竞价策略进行研究时，一方面考虑售电侧放开对其参与电力市场的影响；另一方面考虑VPP 通过聚合各类负荷，采用电价或激励引导其用电行为，使其作为发电资源参与电力市场，构建了售电侧放开环境下计及DR的虚拟电厂参与市场交易的流程。

一般的组织流程为VPP 以整体收益最大为目标对内部分布式单元进行日前优化，并根据优化结果上报计划参与市场竞价，经调度中心进行市场出清，依据调度指令下发日前计划，各分布式单元进行日内计划执行，并在日后进行结算及零售商再选择。

上述竞价策略中，均采用最大化VPP 净收益或VPP 各成本之和最小作为目标函数，但在电力市场中存在多个主体，且仅考虑VPP 经济性所得的最优调度方案往往无法满足配电网的安全需求，为使各类资源获得最优分配，平衡各市场主体利益以及VPP的经济性和配电网的安全性，最大化综合效益，研究者们又将博弈论的理念引入到了VPP 的市场机制当中。文献［28］提出了双层优化理念，针对具备发电能力并拥有配网运营权的发电型售电公司，提出售电公司利用VPP 技术辅助参与市场的双层优化调度模型和求解方法，配网层优化售电公司运营收益，VPP 层使VPP 经济效益最高。文献［66-68］将主从博弈应用于VPP，文献［66］认为电价竞标和电量竞标2 个阶段存在主从递阶关系，建立了VPP 的电价竞标模型和电量竞标模型，将Stackelberg 博弈理论应用于VPP 的电价竞标和电量竞标过程中。文献［67］构建了以VPP 作为售电商的EV 主从博弈模型，以EV 充电站为充电代理实现二者的博弈均衡。文献［68］建立了运营商和多虚拟电厂的一主多从博弈模型，用以研究运营商动态定价行为和VPP 能量管理，兼顾了配电网运营商和VPP 的利益，并提出一种基于Kriging 元模型的主从博弈均衡算法。在主从博弈中，常用的双层目标博弈模型为

式中：Fi为分布式电源i的效用函数；λi，t为VPP为分布式电源i制定的电价；为t时刻机组i的实时出力；ΔPi，t为t时刻机组i的弃电量为t时刻机组i的发电成本；Fdj为负荷j的效用函数；λdj，t为负荷j的电价为t时刻负荷j的实时需求量；ΔPdj，t为t时刻负荷j的负荷调整量；F为VPP 的运行成本；F1为VPP 支付给内部分布式电源和负荷的费用，可正可负，其值为正表示VPP 支付费用，其值为负表示VPP 获得收益；F2为弃风弃光成本；F3为DR 成本；F4为与配电网发生交易的收益。

式（8）与式（9）为下层模型，解决电量优化问题，式（10）为上层模型，解决电价优化问题。

文献［69-70］选取了非合作博弈，前者运用非合作博弈理论构建发电侧和用户需求侧的互动模型，并同时考虑用户满意度，以各自效用最大化为目标进行博弈寻优运算，在兼顾用户满意度的前提下实现用户负荷侧经济最优以及发电侧效用最优；后者提出了考虑VPP 经济性和配电网安全性的非合作博弈模型，通过循环迭代求解使双方达到Nash均衡。文献［71］进一步考虑了博弈论中的合作模式，基于寡头竞争的博弈均衡理论，分别建立了风电商和EV 聚合商以VPP 合作模式和非合作模式参与投标竞争的电力市场多时段随机博弈均衡模型。

4.2 VPP的工程应用

具有代表性的VPP 工程应用，主要集中于欧盟和美国。欧盟的VPP 项目，主要聚焦于对分布式电源的整合与应用。2001 起实施的欧盟虚拟燃料电池发电厂（Virtual Fuel Cell Power Plant，VFCPP）项目将31 个分散的居民燃料电池聚合成1 个有机的热电联产整体，降低了生产成本和峰值负荷［72］。2005 年欧盟实施FENIX 项目，采用北部和南部2 个方案，聚合了大量分布式电源，使欧盟供电系统实现高性价比、安全、可持续的技术体系和商业框架［73］。2007 年，荷兰研究中心提出了功率匹配器的概念，基于此实施了包含10个微型热电联产机组的VPP 项目，实现了在电价的驱动下降低配电网峰值［74］。同在2007年，卡塞尔大学将德国的风力涡轮机、太阳能系统、沼气电站和水电站组成最大的VPP项目［25］。2009年丹麦的EDISON 项目采用VPP技术对电动汽车智能充放电进行管理，为大规模的EV并网提供了支撑［75］。2010年启动的欧盟WEB2ENERGY 项目以VPP 的形式将分布式电源与需求侧资源进行聚合，并利用智能计量技术，实现了智能能量管理和智能配电自动化［76］。文献［25］还提出2012 年德国莱茵集团（RWE）开始运营第一家商用规模的虚拟电厂，采用西门子设计的能量管理系统对绿色能源设备进行组合管理，实现了稳定供电，并获得政府补贴。

与欧洲VPP 项目相比，美国的VPP 研究更关注DR［77］。例如，纽约ISO（NYISO）电力市场下的DR产品包括紧急DR 计划、日前DR 计划、有自备发电装机的特殊资源以及需求侧辅助服务计划4 类；PJM电力市场下的DR 分为参与PJM 能量市场的DR、参与PJM 容量市场的DR 和参与PJM 辅助服务市场的DR 3 类，其中第3 类对检测设备要求最高；德克萨斯州电力可靠性委员会（ERCOT）的DR 是一种自愿的负荷响应，参与的负荷作为一类独立资源的负荷，具有和发电机相同的遥测和调度要求，在负载之上进行能量平衡。

综合上述事例，可以总结出欧洲实行VPP 主要针对分布式电源在电力系统中的配置与利用，美国的VPP 更加侧重于DR，可控负荷在其中占据重要地位。

我国同美国相似，虚拟电厂的工程应用更侧重其内部灵活负荷的DR。我国的VPP 项目起步较晚但发展迅速，上海市于2019 年12 月组织开展虚拟电厂运营项目“迎峰度冬”试点交易工作［78］，将客户用能设备进行深层连接和精准接入，实现对闲散负荷的聚合，同时通过终端移动App，实现用户对自身能耗情况的检测，进一步提升自身电力能源的精细化管理水平［78］。河北省的实践主要集中在DR 方面［79］，出台了《关于大力开展电力需求侧管理的意见》，为需求侧管理项目的开展设立了专项资金，并将“十项绿色工程”作为重点工作。江苏省于2015年出台了《江苏省电力需求响应实施细则》［79］，并自2016 年起，开始实施国家重点研发计划“城区用户与电网供需友好互动系统”，立足于“科学合理的机制及模型设计”和“高效便捷的用户及电网侧装备”，选取苏州环金鸡湖地区和常州武进地区为示范工程，使示范互动家庭用户综合能耗下降5.5%以上，示范区峰谷差下降5.8%以上。南方电网公司以“绿色行动”为契机，于2010年成立了南方电网综合能源有限公司，开展合同能源管理节能服务项目共115 项，已建成或初步建成合同能源管理项目72项［80］。

4.3 VPP的研究展望

随着技术的快速提升以及新需求的不断涌现，VPP 的研究也将不断深入，有待研究的热点问题主要包含以下2个方面。

首先，随着5G 通信技术的进步与普及，信息传输速度愈发迅捷，应当更加关注VPP 中灵活负荷的调控指令在传输时的通信延迟问题，使之与5G技术紧密结合，对调控效果实现优化。当VPP 通过调节内部灵活负荷参与电力系统辅助服务时，需要减小通信延迟，提高调控速度［60］。但是，目前大部分针对灵活负荷集群控制方法的研究，其关注焦点集中在控制方法设计本身，在研究中往往将环境设定为负荷调控指令在传输时没有通信延迟，调控行为能够瞬间实现，并且假设电力系统的频率偏差可以被精确检测而没有测量误差［81-84］。在VPP的实际运行过程中，通信延迟和测量误差难以避免，这将对VPP提供辅助服务的性能产生极大影响。

其次，当VPP 聚合工业用户时，其主要调控负荷多为公共能源系统中的灵活负荷，如空调等温控负荷、空气压缩机等设备。研究过程中的物理建模以及控制策略，也多是针对上述对象提出［85-87］。在工艺能源系统方面，现有研究稍显薄弱。针对工艺终端，可梳理开采、输运、使用全寿命周期内高能耗点及易于调节点，从能源活动排放、净调入电力、工业生产过程3 方面展开研究，计算碳排放量及VPP的外特性参数，提出工艺终端灵活负荷的调控优化策略，实现助力“双碳”以及为电力系统提供辅助服务的效果，并结合环境经济效益提出VPP 中工艺能源系统的优化调度评估模型。

5 结论

VPP 是通过先进的通信技术，在不改变电网原有拓扑结构的基础上，将地理位置分散的分布式电源、储能系统、可控负荷等单元聚合成1个协调管理系统，依靠一系列控制手段使其参与到电力市场和电网运行当中。它的概念侧重于对外界表现出的功能与效果，其核心内容可概括为“通信”与“控制”。

VPP 的控制结构分为集中控制、集中-分散控制、完全分散控制3 类，在优化调度层面聚焦于3点。

（1）与电-热-冷-气等综合能源协同优化，促进能源行业安全、高效发展，缓解能源危机。

（2）与EV 进行协调优化调度，降低EV 大规模并网时产生的峰谷差。

（3）消纳风电、光伏等可再生能源，平抑分布式电源发电的间歇性和随机性带来的影响，减少弃风弃光现象，提高电网运行的经济性和可靠性。除优化调度外，建立适合我国VPP 发展的市场机制也非常重要，需找到适合我国VPP 发展的商业模式，通过对竞价策略的研究确保VPP 在市场环境下的收益，并结合博弈论使综合效益最大化。

在工程实践方面，欧洲VPP 项目关注对分布式电源的聚合与控制，美国则更偏向于使用可控负荷参与DR，我国VPP 项目起步较晚但发展迅速，是未来发展的重点领域。随着我国电力体制改革的推进，VPP 在电力市场的发展和能源物联网的建设方面都有着更加重要的作用。