电力论文哪里有？本文考虑电动汽车充电负荷、新能源出力预测误差，滚动修正虚拟电厂低碳调度。首先构建了不同预测误差度的规模化电动汽车有序充电模型，提出了含误差惩罚成本的新能源出力预测误差模型。建立了以发电聚合商及电动汽车经济成本最小为目标的修正模型，利用模型预测控制方法求解。
第一章 绪论
1.2 国内外研究现状
1.2.1 虚拟电厂低碳调度研究现状
虚拟电厂可以对分布式电源进行有效管理，发挥内部清洁主体的低碳减排潜能。文献[13]分析了不同碳减排目标和碳排放权价格下不同场景需求响应机组调度结果以及对风电的消纳情况。文献[14]构建了风电机组和光伏机组的联合出力概率分布函数，利用风光互补特性，通过实施价格需求响应法，提升虚拟电厂运营效益。由于风电、光伏出力的不确定性会给虚拟电厂的调度增加难度，文献[15、16]采用条件风险价值法和鲁棒随机优化法刻画风光不确定性约束的不确定变量，兼顾分布式能源的高额经济收益和不确定性风险。文献[17]考虑风光出力的相关性，利用 Frank-Copula 理论生成不确定场景，以最大碳排放限额为边际条件，优化能源出力结构，减少弃风弃光，实现功率与调节能力互补。文献[18]将风电、负荷用模糊参数表述，考虑基于可信理论的模糊机会约束，构建考虑发、用电侧不确定性的风-光-碳捕集虚拟电厂。根据系统供需平衡特性，风电、光伏出力不确定会影响碳排放权基础价格（简称“碳价”），文献[19]利用鲁棒优化法处理风电出力不确定性及电价波动性，求解碳排放约束下虚拟电厂鲁棒优化竞标策略，文献[20]基于新能源出力不确定性及价格波动，分析虚拟电厂与常规机组的合作空间及电量分配策略，共同参与多时间尺度滚动市场，在不同电价机制下合作博弈。文献[21]分析电价与碳价波动的交互作用为虚拟电厂竞标决策带来的风险，利用条件风险价值理论度量虚拟电厂的不确定性。文献[22-24]研究了风电机组或光伏机组全生命周期碳排放情况，通过核算全生命周期减排量，量化清洁能源发电的减排潜力。
第三章 基于阶梯碳价碳交易的虚拟电厂低碳调度
3.1 规模化电动汽车充电模型
电动汽车的用途、出行场景决定电动汽车的行驶特性，电动汽车的类型、出行时间场景直接影响其负荷需求量、入网离网时间、入网剩余电量、电池容量、荷电期望度、百公里耗电量、电池充电特性，故对已有电动汽车数据进行挖掘，构建不同时间场景下不同类型电动汽车充电负荷模型。电动汽车开始行驶时间为离网时间，结束行驶时间为入网时间，入网时间段内可以根据需求进行充电。电动汽车类型主要包括：电动私家车、电动公交车、电动出租车，出行场景主要包括：工作日、双休日、节假日。
电动汽车无序充电模式是根据电动汽车车主需要，入网便开始充电，充电结束立即离网，电动汽车类型、出行场景会影响充电特性[72]。电动汽车规模化发展，为研究规模化电动汽车无序充电情况，本节先整理多类型多场景电动汽车无序充电负荷数据。
根据《南京市“十三五”新能源汽车推广应用实施方案》及《2020 年上海新能源汽车监测报告》，结合城市规模、各类型电动汽车比例，引入电动汽车 283000 辆，其中电动私家车 164242 辆，电动出租车 75586 辆，电动公交车 43172 辆，各场景各类型电动汽车数量如表 3.1 所示：
第五章 考虑预测误差的虚拟电厂低碳调度滚动修正
5.1 引言
随着新能源建设规模增加，发电侧随机性提高，可控性降低，同时电动汽车的加入导致用电侧波动性加大，对能源系统的安全风险保障带来了新的难题。电动汽车出行、结束出行时间与车主当日个人行程安排有关，电动汽车充电负荷预测是基于对大数据的整理与分析并对车主进行行为预测得出的。然而，电动汽车出行时间、实际充电情况会受到城市限号、天气状况、交通事故等影响，电动汽车充电负荷预测会产生误差，导致发电侧需要根据用电侧的变化实时调整发电情况。
新能源出力具有随机性、波动性，风电机组出力与风速有关，光伏机组出力与光照强度和辐射强度有关，均为不可控自然因素，因此对风电出力和光伏出力的预测必然存在误差。风电和光伏出力的预测误差会对系统调度带来负面影响，电网需要为风电和光伏的预测偏差提供备用机组以保证系统供需平衡。
目前新能源出力预测精度较差，单日 96 点分时段的预测结果表明，新能源日前预测精度低于 40%，然而日内提前三小时的预测精度高于 80%，因此对新能源进行日内预测可以提升预测准确度及实用性。
因此，研究考虑电动汽车充电负荷预测误差、新能源出力预测误差，对新能源出力进行日内预测，提供虚拟电厂日内低碳调度滚动修正策略，对减少虚拟电厂调度难度、降低应急成本具有十分重要的意义。
5.2 规模化电动汽车日充电负荷预测误差
电动汽车充电负荷误差与车主个人行程安排、城市政策以及天气情况等因素有关，属于随机性误差。本节对各类电动汽车出行数量及结束出行误差情况随机抽样，预测误差 2%、4%、6%、8%、10%下的规模化电动汽车有序充电出行数量如图 5-1、5-2 所示：
由于风电机组、光伏机组具有出力不确定性，新能源出力预测误差领域已有广泛研究。用来拟合风电出力预测误差的分布方法包括正态分布、柯西分布、β分布等，由文献[81]、[82]可知，根据中心极限定理，大规模风电出力预测误差采用正态分布拟合效果更好。光伏出力预测误差也多用正态分布表示其概率分布[83]、[84]。因此本章采用正态分布拟合风电、光伏出力预测误差。
第六章 结论与展望
高碳排放的传统机组是碳交易市场的重点管控对象，碳交易机制下传统机组沉重的碳排放负担及新能源出色的减排特性提升了新能源的竞争力。电动汽车相较于燃油汽车碳排放大量减少，可作为清洁主体为虚拟电厂提升环境效益。电网大力倡导绿色发电，如何促进新能源发电、提升电动汽车碳减排强度受到广泛关注。本文以包含风电、光伏、燃气轮机、电动汽车的虚拟电厂为研究对象，主要从虚拟电厂多元主体全生命周期碳排放建模、基于阶梯碳价碳交易的虚拟电厂低碳调度、基于发电权绿色交易机制及绿证绿色交易低碳调度、考虑新能源出力及规模化电动汽车日充电负荷预测误差的滚动修正调度四个方面展开具体的研究。
本文具体工作如下：
（1）构建了不同充电方式的电动汽车全生命周期模型，并建立了新能源机组、燃气轮机的全生命周期碳排放模型。本章首先介绍了全生命周期法，考虑电动汽车制造、行驶及报废回收，对无序充电和有序充电电动汽车全生命周期碳排放建模。其次预测了风电机组、光伏机组出力，从部件生产、运输、电厂建设、运营维护、废弃处理五个阶段建立了风电、光伏、燃气轮机全生命周期碳排放模型。最后基于各机组全生命各阶段碳排放实际数据核算全生命周期碳排放系数，为后文的研究打下基础。
（2）基于阶梯碳价碳交易对虚拟电厂低碳调度。本章首先构建了多类型多场景电动汽车模型，得到规模化电动汽车无序、有序充电模型。其次为发电机组及电动汽车分配碳排放额度，建立了阶梯碳价碳交易机制下的虚拟电厂低碳调度模型，采用 NSGA Ⅱ算法进行求解。算例结果表明，阶梯碳价提升了新能源出力占比，为虚拟电厂提升了碳排放收益。电动汽车有序充电可以减少碳排放量并促进新能源机组出力，数量越多，作用越显著。电动公交车的清洁效果强于电动私家车和电动出租车。节假日下三类电动汽车的各项盈利最高，双休日次之。
（3）构建了发电权绿色交易和绿证绿色交易机制并引入虚拟电厂低碳调度。首先分析了多绿色交易机制下的虚拟电厂低碳调度模式，其次研究了阶梯碳价与发电权价格、阶梯碳价与绿色证书价格之间的耦合效应，提出了含阶梯碳价碳交易及发电权交易的发电权绿色交易机制、含阶梯碳价碳交易与绿色证书交易的绿证绿色交易机制。算例表明提出的两种交易机制相比于阶梯碳价碳交易均能促进新能源发电，进一步提升虚拟电厂碳减排效益，碳排放权价格越高、新能源规模越大、电动汽车数量越多，虚拟电厂环境效益越高。
参考文献（略）
