【编辑推荐】

本书系统性地构建了规模化灵活性资源虚拟电厂多时间尺度优化调控模式，提出了计及参数异质性和不确定性的灵活性资源聚合策略，设计了基于深度强化学习的虚拟电厂调控指令快速分解策略，为海量可调设备带来的“维度灾”难题提供新方法。

 【内容简介】

我国正在加快构建以新能源为主体的新型电力系统，在高比例新能源接入和分散式灵活性资源迸发增长的态势下，虚拟电厂成为提升新型电力系统灵活调节能力及多层级智慧调度水平的重要手段。本书对灵活性资源虚拟电厂运行调控中涉及的聚合建模、经济调度、价格激励、实时控制方法进行了系统性介绍，有效支撑虚拟电厂在新能源随机波动性强、海量灵活性资源调控负担重的复杂环境中安全、经济、高效运行。
本书适合电气工程领域的学术研究人员，电力系统领域的专业技术人员，虚拟电厂、综合能源服务商、工业园区、售电公司、聚合商、智慧楼宇等电力市场运营管理人员、专业研究人员、研究生和本科生阅读参考。

【作者简介】

仪忠凯，副教授，目前就职于哈尔滨工业大学电气学院电力系统研究所，主要从事优化理论/机器学习在电力系统运行调控领域的研究，发表一区和CCFA类论文20余篇，合著专著1部，参编团队标准2项，主持国家重点研发计划任务/中国南方电网公司科技项目/中央高校基本科研业务项目，参与国家科技支撑计划、国家重点研发计划、国网/南网/阿里巴巴科技项目等14项，在电力系统/电力市场优化领域研发的产品曾在广州、中山等地区电网示范应用。曾在阿里巴巴达摩院担任机器学习算法专家，入选阿里巴巴先进技术人才培养项目“阿里星”计划，任国际动力与可再生能源会议电力系统技术委员会主任委员，Processes期刊的客座编辑等，担任IEEE PES Transactions期刊的评审专家。曾荣获清华大学优秀博士学位论文，多个国际会议最佳论文和核心期刊年度优秀论文，国际神经信息处理系统竞赛NeurIPS Citylearn Challenge冠军，被中国日报等多家媒体刊登报导。

【目　录】

第1章绪论
1.1背景和意义
1.1.1问题背景
1.1.2实际需求
1.1.3现状难点
1.1.4破题之策
1.1.5目标意义
1.2主要技术挑战和拟解决的关键技术问题
1.3主要框架
参考文献
第2章海量异构灵活性资源的聚合模型
2.1本章引言
2.2灵活性资源运行模型
2.2.1多种类型灵活性资源的运行模型
2.2.2灵活性资源通用运行模型
2.3海量灵活性资源的聚合模型
2.3.1考虑不确定性的可行域内接聚合方法
2.3.2解聚合策略及聚合商等效运行成本
2.4灵活性资源集群聚合方法
2.4.1引入灵活性资源聚类过程的必要性说明
2.4.2灵活性资源聚类方法
2.4.3所提集群聚合方法的实施流程概述
2.5算例分析
2.5.1所提方法的有效性分析
2.5.2所提方法的优势分析
2.5.3针对灵活性资源充放电损耗的讨论
2.6本章小结
参考文献
第3章考虑潮流安全约束的虚拟电厂经济调度
3.1本章引言
3.2相关背景介绍
3.2.1技术方法的应用背景
3.2.2数学模型的主要结构
3.3虚拟电厂日前经济调度的三层优化模型
3.3.1第一层: 虚拟电厂经济调度优化
3.3.2第二层: 恶劣辅助服务场景估计
3.3.3第三层: 调节服务分解方法
3.4模型处理与重构
3.4.1方案1的等效单层优化问题
3.4.2方案2的等效单层优化问题
3.5虚拟电厂的日内经济调度
3.6案例分析
3.6.1两种辅助服务指令分解调节场景比较
3.6.2策略的经济调度效果分析
3.6.3所提方法的有效性和优越性
3.7本章小结
参考文献
第4章灵活性资源虚拟电厂多元市场产品协同定价策略
4.1本章引言
4.2灵活性资源聚合商介入的虚拟电厂商业运营模式和组织方法
4.2.1灵活性资源聚合商介入的市场商业运营模式
4.2.2灵活性资源聚合商介入的虚拟电厂市场交易组织执行方法
4.3考虑多类市场产品耦合的虚拟电厂侧电力市场出清模型及定价方法
4.3.1虚拟电厂出清模型
4.3.2各类市场产品定价方法
4.4算例分析
4.4.1算例仿真1： 中山25节点虚拟电厂
4.4.2算例仿真2： Matpower141节点虚拟电厂
4.5本章小结及展望
第5章基于深度强化学习的虚拟电厂辅助服务指令快速分解
5.1本章引言
5.2相关基础
5.2.1背景
5.2.2灵活性资源动态数学模型
5.2.3马尔可夫决策过程
5.3两阶段深度强化学习方法
5.3.1两阶段深度强化学习框架
5.3.2离线仿真模拟器建模
5.3.3在线实施
5.4强化学习算法
5.4.1SAC强化学习算法
5.4.2SAM-SAC强化学习算法
5.5案例分析
5.5.1模拟仿真环境设置
5.5.2所提方法的有效性分析
5.5.3本节所提方法的优势分析
5.6本章小结
参考文献
第6章结语
在学期间发表的学术论文
致谢