基于信息间隙决策理论的虚拟电厂低碳需求响应调度模型

doi:10.16381/j.cnki.issn1003-207x.2022.2161

摘要/Abstract

摘要：

“30·60”双碳背景下，电力系统低碳化可从低碳政策和低碳技术两个方面加以实现。本文综合采用低碳技术与政策两种手段，探究碳减排技术、碳税机制与需求响应机制对虚拟电厂低碳调度的影响，并在此基础上，考虑可再生能源的不确定性下虚拟电厂运营商不同风险态度对调度决策的影响。首先，本文考虑不同的用户特性构建需求响应模型，以电力系统运营商利润最大化为目标构建确定性低碳调度模型。其次，考虑风光出力的不确定性，采用信息间隙决策理论描述不确定变量，构建鲁棒模型与机会模型以探究虚拟电厂运营商不同风险态度下的调度方案，为系统动态运行提供指导意见。最后，采用蒙特卡洛模拟方法生成初始风光出力和用户负荷数据，利用Gurobi优化软件进行仿真模拟。结果表明，所提模型能兼顾系统低碳性、经济性与稳定性，制定合理的碳税价格有利于在保护虚拟电厂运营商经济效益的同时提高社会环境效益，采用科学的态度决定虚拟电厂运营商对于风光不确定性的态度，才能充分发挥鲁棒模型与机会模型的优势。

关键词: 信息间隙决策理论, 低碳技术, 需求响应, Gurobi, 虚拟电厂

Abstract:

Given the context of carbon peak and neutrality targets， the low-carbon power system can be achieved from two aspects： low-carbon policy and low-carbon technology. In this regard， these two methods are considered and the impact of carbon emission reduction technology， carbon tax mechanism， and demand response mechanism on the low-carbon dispatch of virtual power plants （VPP） is explored. On this basis， the impact of various risk attitudes of virtual power plant operators （VPPO） on scheduling decisions under the uncertainty of renewable energy is considered. Firstly， in order to maximize VPPO profits， a demand response model is built that considers various user attributes as well as a deterministic low-carbon dispatching model. Secondly， considering the uncertainty of wind and photovoltaic power， the information gap decision theory （IGDT） is used to describe the uncertain variables， and the robust model and opportunity model are constructed to explore the scheduling scheme under different risk attitudes of VPPO， so as to provide guidance for the dynamic operation of the system. Finally， the Monte Carlo simulation method is used to generate the initial wind output， photovoltaic output and user load data， and the Gurobi optimization software is used for simulation. The results show that the low carbon， economy and stability of the system can be obtained in the proposed model， and the establishment of a reasonable carbon tax price is conducive to protecting the economic benefits of the VPPO while improving the social and environmental benefits. Only by adopting a scientific attitude to determine the attitude of the VPPO towards the uncertainty of the scenery can the advantages of the robust model and the opportunity model be fully utilized.

Key words: information gap decision theory, low-carbon technology, demand response, Gurobi, virtual power plants

中图分类号:

TK01+8

李军祥, 陈鸣, 邵馨平. 基于信息间隙决策理论的虚拟电厂低碳需求响应调度模型[J]. 中国管理科学, 2025, 33(4): 345-356.

Junxiang Li, Ming Chen, Xinping Shao. A Low-Carbon Demand Response Dispatch Model for Virtual Power Plants Based on Information Gap Decision Theory[J]. Chinese Journal of Management Science, 2025, 33(4): 345-356.

图/表 16

图1

表1

图2

表2

各设备参数"

参数	取值	参数	取值
$p I$	0.1	$χ$	0.2
$λ$	0.2	$L$	100
$η$	0.005	$△ χ$	0.2
$m$	240	$a s$ 、 $b s$	0.01、0
$a$ 、 $b$ 、 $c$	0.0015、0.001、0	$Q c, i t$ / $Q d, i t$ 、 $Q c, a t$ / $Q d, a t$	-800、800
$Q ̲ m t$ 、 $Q ¯ g, b t$	0、1000	$Q ̲ c t$ / $Q ̲ d t$ 、 $Q ¯ c t$ / $Q ¯ d t$	0、800
$Δ Q ¯ m t$	500	$S ̲ b$ 、 $S ¯ b$	400、1600
$σ$	0.879	$p g, s$ 、 $p g, b$	0.2、1

表2

表3

表4

图3

图4

图5

图6

表5

表6

图7

图8

表7

图9

参考文献 27

1	米剑锋，马晓芳.中国CCUS技术发展趋势分析［J］. 中国电机工程学报， 2019， 39（9）： 2537-2544.
	Mi J F， Ma X F. Development trend analysis of carbon capture， utilization and storage technology in China［J］. Proceedings of the CSEE， 2019， 39（9）： 2537-2544.
2	任大伟，肖晋宇，侯金鸣，等. 双碳目标下我国新型电力系统的构建与演变研究［J］. 电网技术， 2022， 40（10）： 3831-3839.
	Re D W， Xiao J Y， Hou J M， et al. Construction and evolution of China’s new power system under dual carbon goal［J］. Power System Technology， 2022， 40（10）： 3831-3839.
3	崔杨，曾鹏，王铮，等. 计及电价型需求侧响应含碳捕集设备的电-气-热综合能源系统低碳经济调度［J］. 电网技术， 2021， 45（2）： 447-461.
	Cui Y， Zeng P， Wang Z， et al. Low-carbon economic dispatch of electricity-gas-heat integrated energy system with carbon capture equipment considering price-based demand response［J］. Power System Technology， 2021， 45（2）： 447-461.
4	Ji Z， Kang C Q， Chen Q X， et al. Low-carbon power system dispatch incorporating carbon capture power plants［J］. IEEE Transactions on Power Systems， 2013， 28（4）： 4615-4623．
5	崔杨，谷春池，付小标，等. 考虑广义电热需求响应的含碳捕集电厂综合能源系统低碳经济调度［J］. 中国电机工程学报， 2022， 42（23）： 8431-8446.
	Cui Y， Gu C C， Fu X B， et al. Low-carbon economic dispatch of integrated energy system with carbon capture power plants considering generalized electric heating demand response ［J］. Proceedings of the CSEE， 2022， 42（23）： 8431-8446.
6	赵冬梅，王浩翔，陶然，等. 含核电-碳捕集机组的直流跨区互联电网多源协调鲁棒经济调度策略［J］. 电网技术， 2022， 46（10）：4064-4077.
	Zhao D M， Wang H X， Tao R， et al. Multi-source coordinated robust economic scheduling strategy of DC cross regional interconnected grid with nuclear power and carbon capture units［J］. Power System Technology， 2022， 46（10）：4064-4077.
7	中国财政科学研究院课题组，傅志华，程瑜，等. 在积极推进碳交易的同时择机开征碳税［J］. 财政研究， 2018（4）： 2-19.
	CAFS Research Group， Fu Z H， Chen Y， et al. Selecting appropriate opportunities to levy carbon tax while actively promoting carbon emissions trading［J］. Public Finance Research， 2018（4）： 2-19.
8	张菁，林毓军，齐晓光，等. 考虑碳税与碳交易替代效应的电力系统低碳经济调度方法［J］. 电力建设， 2022， 43（6）： 1-11.
	Zhang J， Lin Y J， Qi X G， et al. Low-carbon economic dispatching method for power system considering the substitution effect of carbon tax and carbon trading［J］. Electric Power Construction， 2022， 43（6）：1-11.
9	徐意婷，艾芊. 考虑碳税策略的微网与常规机组协同运行［J］. 电力系统自动化， 2016， 40（14）： 25-32.
	Xu Y T， Ai Q. Coordinated operation of microgrid and conventional generators considering carbon tax strategy［J］. Automation of Electric Power Systems.， 2016， 40（14）： 25-32.
10	田丰，贾燕冰，任海泉，等. 考虑碳捕集系统的综合能源系统“源-荷”低碳经济调度［J］. 电网技术， 2020， 44（9）： 3346-3355.
	Tian F， Jia Y B， Ren H Q， et al. “Source-load” low-carbon economic dispatch of integrated energy system considering carbon capture system［J］. Power System Technology， 2020， 44（9）： 3346-3355.
11	韩莹，于三川，李荦一，等. 计及阶梯式碳交易的风光氢储微电网低碳经济配置方法［J］. 高电压技术， 2022， 48（7）： 2523-2533.
	Han Y， Yu S C， Li L Y， et al. Low-carbon and economic configuration method for solar hydrogen storage microgrid including stepped carbon trading［J］. High Voltage Engineering， 2022， 48（7）： 2523-2533.
12	陈张宇，刘东，刘浩文，等. 基于精细化需求响应的虚拟电厂优化调度［J］. 电网技术， 2021， 45（7）： 2542-2550.
	Chen Z Y， Liu D， Liu H W， et al. Optimal dispatching of virtual power plant based on refined demand response［J］. Power System Technology， 2021， 45（7）： 2542-2550.
13	唐力，刘继春，杨阳方，等. 基于信息间隙决策理论的多种零售合同模式下售电公司购售电策略［J］.电网技术， 2019， 43（6）： 1978-1986．
	Tang L， Liu J C， Yang Y F， et al. Study on strategies of electricity procurement and sale of power retailer with multiple retail contract modes based on information gap decision theory［J］. Power System Technology， 2019， 43（6）： 1978-1986．
14	彭飞翔，隋鑫，胡姝博，等.基于信息间隙决策的风火联合投标策略［J］. 电网技术， 2021， 45（9）： 3379-3390.
	Peng F X， Sui X， Hu S B， et al. Combined bidding strategy for wind and thermal power based on information gap decision theory［J］. Power System Technology， 2021， 45（9）： 3379-3390.
15	汪超群，韦化，吴思缘. 基于信息间隙决策理论的多源联合优化机组组合［J］. 中国电机工程学报， 2018， 38（12）： 3431-3440+2.
	Wang C Q， Wei H， Wu S Y. Multi-power combined unit commitment based on information gap decision theory［J］. Proceedings of the CSEE， 2018， 38（12）： 3431-3440+2.
16	耿建，周竞，吕建虎，等.负荷侧可调节资源市场交易机制分析与探讨［J］. 电网技术， 2022， 46（7）： 2439-2448.
	Geng J， Zhou J， Lv J H， et al. Analysis and discussion on transaction mechanism of load side adjustable resources in electricity market［J］. Power System Technology， 2022， 46（7）： 2439-2448.
17	傅质馨，李紫嫣，朱俊澎，等. 面向多用户的多时间尺度电力套餐与家庭能量优化策略［J］. 电力系统保护与控制， 2022， 50（11）： 21-31.
	Fu Z X， Li Z Y， Zhu J P， et al. Multi-user multi-timescale power packages and home energy optimization strategies［J］. Power System Protection and Control， 2022， 50（11）： 21-31.
18	杨莘博，谭忠富，林宏宇，等. 计及需求响应及储能聚合商的分布式农村清洁能源系统运行优化模型［J］. 系统工程理论与实践， 2022， 42（12）： 3319-3334.
	Yang S B， Tan Z F， Lin H Y， et al. Operation optimization model of distributed rural clean system considering demand response and energy storage aggregator［J］. Systems Engineering-Theory & Practice， 2022， 42（12）： 3319-3334.
19	侯慧，王晴，薛梦雅，等. 计及源荷不确定性及需求响应的离网型微电网两阶段日前经济调度［J］. 电力系统保护与控制， 2022， 50（13）： 73-85.
	Hou H， Wang Q， Xue M Y， et al. Two-stage economic day-ahead dispatch of an islanded microgrid considering uncertainty and demand response［J］. Power System Protection and Control， 2022， 50（13）： 73-85.
20	胡蓉，魏震波，郭毅，等. 现货市场下计及用户需求响应弹性差异的微电网优化运营分析［J］. 高电压技术， 2022， 48（4）： 1393-1402.
	Hu R， Wei Z B， Guo Y， et al. Analysis of optimal operation of microgrid considering the differences in user demand response elasticity in spot market［J］. High Voltage Engineering， 2022， 48（4）： 1393-1402.
21	夏晖，王思逸，蔡强. 多目标碳配额分配下的减排技术投资策略研究［J］. 系统工程理论与实践， 2019， 39（8）： 2019-2026.
	Xia H， Wang S Y， Cai Q. Study on the investment strategies of emission reduction technology under the multi-target carbon quota allocation［J］. Systems Engineering-Theory& Practice， 2019， 39（8）： 2019-2026.
22	Sun L C， Cao X X， Alharthi M， et al. Carbon emission transfer strategies in supply chain with lag time of emission reduction technologies and low-carbon preference of consumers［J］. Journal of Cleaner Production，2020， 264（1）： 121644.
23	高岩. 智能电网实时电价社会福利最大化模型的研究［J］. 中国管理科学， 2020， 28（10）： 201-209.
	Gao Y. The social welfare maximization model of real-time pricing for smart grid［J］. Chinese Journal of Management Science， 2020， 28（10）： 201-209.
24	孙国强，周亦洲，卫志农，等. 能量和旋转备用市场下虚拟电厂热电联合调度鲁棒优化模型［J］. 中国电机工程学报， 2017， 37（11）： 3118-3128+3367.
	Sun G Q， Zhou Y Z， Wei Z N， et al. Thermal and electrical scheduling of a virtual power plant for participating in energy and spinning reserve markets based on robust optimization［J］. Proceedings of the CSEE， 2017， 37（11）： 3118-3128+3367.
25	于雪菲，张帅，刘琳琳，等. 基于信息间隙决策理论的碳捕集电厂调度［J］. 清华大学学报（自然科学版）， 2022， 62（9）： 1467-1473.
	Yu X F， Zhang S， Liu L L， et al. Carbon capture power plant scheduling based on information gap decision theory［J］. Journal of Tsinghua University （Science and Technology， 2022， 62（9）： 1467-1473.
26	陈美玲，高岩. 计及源荷双侧不确定性的综合能源系统优化配置［J］. 上海理工大学学报， 2022， 44（1）： 77-84+102.
	Chen M L， Gao Y. Optimal configuration of integrated energy systemwith uncertain generation and load［J］. Journal of University of Shanghai for Science and Technology， 2022， 44（1）： 77-84+102.
27	彭春华，陈露，张金克，等. 基于分类概率机会约束IGDT的配网储能多目标优化配置［J］. 中国电机工程学报， 2020， 40（9）： 2809-2819.
	Peng C H， Chen L， Zhang J K， et al. Multi-objective optimal allocation of energy storage in distribution network based on classified probability chance constraint information gap decision theory［J］. Proceedings of the CSEE， 2020， 40（9）： 2809-2819.

负荷类型	需求响应机制	负荷特点
居民负荷	PBDR	负荷分布广泛、灵活，可主动响应，难以集中控制
工业负荷	PBDR	用电需求大、分布灵活，可主动响应，用电成本敏感
电动汽车负荷	IBDR	用电灵活，可通过充电桩对充电行为进行集中控制

时段	工业负荷弹性系数			居民负荷弹性系数
时段	低谷	平段	高峰	低谷	平段	高峰
低谷	-0.15	0.02	0.025	-0.1	0.01	0.012
平段	0.02	-0.15	0.03	0.01	-0.1	0.016
高峰	0.025	0.03	-0.15	0.012	0.016	-0.1

情境类型	虚拟电厂收益/元	碳排放量/吨	最大峰谷差率/%
情境1	15089.3	2729.2	52.1
情境2	16583.9	6717.0	49.8
情境3	14714.0	2710.1	56.0
情境4	16165.0	6356.4	56.0

情境类型	虚拟电厂收益/元	碳排放量/吨	煤电机组发电量/千瓦时
情境5	15089.3	2729.2	5048.3
情境6	14820.5	4430.3	5040.2

模型类型	碳排放量/吨	最大峰谷差率/%	总负荷/ 千瓦时
确定性模型	2729.2	52.1	33179.9
鲁棒调度模型	2760.0	51.9	33127.1
机会追求模型	2575.2	49.4	33647.2