摘要

灵活性资源数量与日俱增，技术快速发展，使电力系统灵活性和经济性的提升获得了巨大潜力。为降低电力系统调控中心的管理负担，虚拟电厂成为实现规模化灵活性资源高效管理的有效手段。本书从灵活性资源聚合模型出发，分别从经济调度和市场出清两个层面对虚拟电厂短期调度展开介绍，继而对虚拟电厂实时调控进行探索，旨在深度挖掘规模化灵活性资源的调控潜力，促进虚拟电厂经济运行。具体内容介绍如下。

首先，本书构建了考虑参数异质性和不确定性的规模化小容量灵活性资源聚合模型； 考虑多类服务之间的耦合关系，基于多面体内接近似方法和分布鲁棒机会约束理论，推导了规模化灵活性资源聚合可行域和等效成本函数； 设计了基于多尺度相似性度量的谱聚类算法，实现了灵活性资源集群聚类，并进一步挖掘了聚合模型灵活性。算例分析验证了该方法在提高系统灵活性和实现海量资源高效调控方面的优势。

其次，本书提出了计及调频指令随机性和潮流安全约束的虚拟电厂经济调度策略。本书为应对上级调频指令的不确定性，基于三层优化模型对虚拟电厂的运营效益、恶劣运行场景和调频指令分解方法分别建模，制订了计及调频指令随机性和潮流安全约束的虚拟电厂有功功率和调频容量联合调度计划； 推导了等效单层模型，能够满足虚拟电厂短期调度计算效率需求。数值仿真结果表明，所提方法能有效提高虚拟电厂的潮流安全和经济效益。

然后，本书提出了一种灵活性资源介入的虚拟电厂侧电力市场出清策略。本研究对灵活性资源参与虚拟电厂运营的商业运营模式和组织方法进行探讨，进而提出了一种考虑多种电力市场产品耦合关系的虚拟电厂侧市场联合出清模型并推导了相应的定价方法，所涉及的电力市场产品包括有功功率、无功功率、旋转备用、调频容量和调频里程。案例仿真结果表明，所提市场出清模型对促进虚拟电厂技术发展和电力市场长效经济运行具有一定的积极意义。

最后，本书提出了基于深度强化学习的调频指令实时分解方法。此方法设计了两阶段深度强化学习架构，构建了虚拟电厂实时运行离线仿真训练平台，为在线实施积累了先验知识； 采用锐度感知最小化方法改进深度强化学习算法，提升了指令分解方法的鲁棒性和适应性。数值仿真结果表明，所提方法能实现虚拟电厂对辅助服务调节指令的精确追踪和快速分解。

关键词： 灵活性资源； 虚拟电厂； 电力市场