Page 88 - 《中国电力》2026年第4期

2026 年 第 59 卷

1） 计算每个场景与其他场景之间的欧式距 式中：c 、c 、c 分别为光伏、风电、储能的单
S
WT
PV
离，得到距离矩阵。 位运维成本；P 、P 、P 分别为光伏、风电、
WT
PV
S
2） 计算概率距离矩阵，计算每个场景与其 储能功率。
他场景之间的平均距离，得到平均距离矩阵。 购售电成本为
3） 选 取 概 率 距 离 矩 阵 中 距 离 最 大 的 场 景 ， T ∑
C Grid = c Grid Grid （18）
P
t
t
将其从剩余的场景中剔除，并重复执行此操作。
t
具体的场景生成及削减过程如图 3 所示。 式中： c Grid 为 t 时刻的单位购售电价格； P Grid 为 t 时
t t
刻向电网购售电量；T 为调度周期总时长。

开始
确定初始场景概率 柔性负荷调度成本为
为1/N, 计每个场景
概率均等 T ∑
F
风光历史数据 C = c P （19）
F F
t
根据概率矩阵计算
概率距离并进行排序
式中：c 为柔性负荷单位调度成本；P 为柔性负
F
F
统计转移概率矩阵
荷功率。
根据削减参数，保留
距离较大的场景样本 运行维护成本为
统计累计频率 T ∑∑∑
α α
α
是否 否 C OM = (c P +c P y,t ) （20）
x,t
x
y
达到保留场景 t=1 x y
参数？
MCMC抽样生 式中： c 、 c 分别为能源转换设备 x 与储能设备
α
α
成随机分布数 是 x y
y 在 t 时刻的运行维护成本； P 、 P y,t 分别为设备
α
获得典型场景 x,t
x、y 在 t 时刻的出力功率与充放电功率。
生成光伏、风电
出力场景 网损成本为
结束
Loss Loss Loss
C = c t P t （21）
图 3 场景生成与削减流程
式中： c Loss 为 t 时段网损成本的单价； P Loss 为 t 时
Fig. 3 Scenario generation and reduction flowchart t t

段的网损功率。

3 基于 PPO 算法的高速路域 VPP 运行 3.2 约束条件
为保证 VPP 满足用户用能需求，弃风弃光率
优化策略
降低，对风光、储能、机组出力进行约束。

风光发电的设备出力约束为
3.1 目标函数
 WT WT
 WT
运行优化的目标设定为运行成本最小化，可 P ≤P ≤P max （22）
 min
 PV PV PV

表示为  P min ≤P ≤P max
S
F
minC VPP =min(C PV +C WT +C +C + 式中： P WT 、 P PV 分别为风电、光伏的最小出力；
min min
C OM +C Grid +C Loss ) （16） P WT 、 P PV 分别为风电、光伏的最大出力。
max max
S
WT
PV
式中：C VPP 为 VPP 运行优化成本；C 、C 、C 、 储能约束为
 S S
 S
OM
C 、C 、C Grid 、C Loss 分别为光伏、风电、储能运 P ≤P ≤P max
F
t
 min


 （23）
行成本、柔性负荷调度成本、运行维护成本、电 S OCmin ≤S OCt ≤S OCmax





网购售电成本、网损成本。 S OC0 = S OCend
光伏、风电、储能的运行成本分别为 式中： P S max 、 P S min 为储能出力的上、下限；S OCmin 、
 PV PV PV x 为储能荷电状态的上、下限。
C = c P S OCma




 WT WT WT （17） 内部电功率平衡约束为
C = c P




 S S S WT PV Grid S,f S,c load Loss
C = c P P + P + P + P = P + P + P （24）
t t t t t t t
84