买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京工业大学申请的专利一种包含VPP聚合风险的售电商风险量化分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113065903B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110448779.3，技术领域涉及：G06Q30/0201；该发明授权一种包含VPP聚合风险的售电商风险量化分析方法是由黄品皓;窦迅;范冬楼设计研发完成，并于2021-04-25向国家知识产权局提交的专利申请。

本一种包含VPP聚合风险的售电商风险量化分析方法在说明书摘要公布了：本发明公开了一种包含VPP聚合风险的售电商风险量化分析方法，包括，建立VPP运营框架；建立售电公司运营框架；基于VPP运营框架内分散式资源竞标过程，建立用户侧资源的效用模型；基于售电公司运营框架内与外部市场竞标过程，建立考虑VPP聚合风险的售电商竞标模型，获取售电商的风险成本曲线；基于售电商的风险成本曲线，对售电商可能存在的风险进行量化分析；本发明通过优化VPP内部分散式资源的报量和售电商在外部市场的竞标策略，提高了用户效用和减小售电公司聚合风险；量化聚合风险中的不确定性程度，计算同等竞标结果下售电公司聚合风险的变化，有助于售电公司更全面认识进行竞标时所承担的经济风险，规避风险，提高效益。

本发明授权一种包含VPP聚合风险的售电商风险量化分析方法在权利要求书中公布了：1.一种包含vpp聚合风险的售电商风险量化分析方法，其特征在于：包括， 建立VPP运营框架； 建立售电公司运营框架； 基于VPP运营框架内分散式资源竞标过程，建立用户侧资源的效用模型； 基于售电公司运营框架内与外部市场竞标过程，建立考虑VPP聚合风险的售电商竞标模型，获取售电商的风险成本曲线； 基于所述售电商的风险成本曲线，对售电商可能存在的风险进行量化分析，获得售电商风险量化结果； 建立所述VPP的运营框架包括， VPP聚合的用户侧资源包括分布式电源和可控负荷，其中所述可控负荷包括可中断负荷和可平移负荷； 通过VPP分别向所辖范围内用户侧的分布式电源和可控负荷报价，内部用户根据所述VPP进行报价，并向所述VPP申报分布式电源和可控负荷电量； 所述VPP结合自身风电和光伏出力，与所述内部用户交互电价电量，并在满足分布式电源的光伏风力出力大于用户实际用电量的情况下，根据售电公司所报电价，与售电公司申报剩余的不平衡电量； 根据VPP聚合的用户侧负荷的实际电量的波动和用户响应的主观性获取售电公司根据申报电量参与外部市场交易的经济风险； 建立所述售电公司运营框架包括， 售电公司利用所述VPP聚合的用户侧资源，形成满足电力市场准入规则的资源聚合体； 所述售电公司向其所辖的各VPP传递来自外部日前电力市场的电价后，所述VPP基于所述VPP运营框架，与聚合的用户侧交互电量电价，并向所述售电公司申报剩余的不平衡电量； 所述售电公司与外部日前、实时电力市场竞价购买电量，并将不平衡的电量在所述实时电力市场中进行交易； 根据日前市场电价的不确定性和VPP申报电量的不确定性，获取交易过程中的经济风险； 建立所述用户侧资源的效用模型包括， 以分布式电源和可控负荷的最大效用设计目标函数： maxU＝UDG+UDL 其中，U为售电公司所拥有的VPP用户侧总效用，UDG为全部分布式电源用户的效用，UDL为全部可控负荷用户的效用； 还包括， 所述全部分布式电源用户的效用UDG为： 分布式电源出力约束为： 所述全部可控负荷用户的效用UDL为： 可控负荷约束为： 其中，T为竞标周期，N为售电公司所拥有的VPP管辖范围内的分布式电源用户总数，为t时段第i个分布式电源用户报给VPP的竞标电量，为VPP在t时段报给第i个分布式电源用户的电价，Ai,Bi,Ci分别为第i个分布式电源用户的出力成本系数；M为售电公司所拥有的VPP所辖的可控负荷用户总数，和分别为t时段第j个可控负荷用户实际用电量和刚性电量，q为用户用电量，a为常数，ε为需求-价格弹性系数，PRT,t为VPP在t时段给用户的零售电价，和分别为VPP在t时段给用户j的可中断负荷价格和可平移负荷价格，和分别为t时段用户j的可中断负荷竞标电量和可平移负荷竞标电量；和分别为在整个T时段内，第i个分布式电源用户出力的最大值和最小值；和分别为第i个分布式电源用户出力的下坡率和上坡率；分别为第j个可控负荷用户的可中断负荷最大值和最小值；分别为第j个可控负荷用户的可平移负荷最大值和最小值，为t时段第j个可控负荷用户的可平移负荷平移时间间隔；分别为第j个可控负荷用户可平移负荷平移时间间隔的下限和上限；为t时段第j个可控负荷用户的初始负荷； 获取所述售电商的风险成本曲线包括， 以售电公司的最大运营收益设计目标函数： maxf1＝CRT-CDG+CDL+CMT 根据下式计算售电公司的各项收益和支出： 采用条件风险价值量化计算VPP的聚合风险，以最小条件风险价值设计目标函数： 定义VPP运行收益f1的相反数-f1为VPP的运行成本，以VPP运行的最小成本和最小风险设计目标函数： minR＝-f1,f2； 其中，f1为VPP运行收益，CRT为VPP以零售电价向负荷用户零售电量的收入，CDG为VPP从分布式电源收购电量的费用，CDL为需求响应中VPP支付给可控负荷用户的费用，CMT为VPP从日前外部市场购售电的支付费用；PM,t为日前外部市场的电价，σt为标准差，为t时段第j个用户的实际用电量，其值服从正态分布为该用户电量均值，σRE,t为标准差，QM,t为售电公司向日前市场的购售电量，其值为正表示从市场购电，为负则表示向市场售电；f2为VPP运行时承担的风险，为条件风险价值的估计近似值，α为在一定置信水平β与风险水平约束下的VaR值，即VPP的单位最大可能损失；f1,k为总计K种来自历史或模拟未来的样本数据中，第k个样本下的VPP运行收益，[-f1,k-α]+为max0,-f1,k-α； 还包括， 市场准入约束： QM,min≤QM,t≤QM,max PRT,min≤PRT,t≤PRT,max 其中，分别为VPP在t时段给第i个分布式电源用户报价下限和上限，分别为VPP在t时段给第j个可控负荷用户的可中断负荷报价的下限和上限，分别为VPP在t时段给第j个可控负荷用户的可平移负荷报价的下限和上限，QM,min,分别为VPP参与日前外部市场交易的电量最小值和最大值，PRT,min,PRT,max,PRT,avg分别为VPP给内部用户零售电价的最小值、最大值和平均值，QW,t+QPV,t分别为风电W和光伏PV在t时段的出力； 所述量化分析包括， 基于所述考虑VPP聚合风险的售电商竞标模型，获得售电公司及下属VPP所采取的竞标结果；其中获得售电公司及下属VPP所采取的具体竞标结果包括零售电价，DG、PV、W电量，DGIL和TL电价电量； 当VPP聚合风险提升时，满足正态分布且所述售电公司及下属VPP所采取的竞标结果不变，进而获得售电商的新的聚合风险，售电商的新的聚合风险以条件风险价值表示为： 其中，δ为不确定程度因数，表征风险提升的程度；f2，new为δ改变而竞标结果不变时，售电商新的聚合风险值； 所述对售电商可能存在的风险进行量化分析，包括以下步骤： 初始化售电公司所拥有的所有VPP对内部聚合的用户侧资源的报价，记为k，用户根据价格上报DG和DL电量，记为l；然后计算用户侧效用U， 判断用户效用是否达到最大化，若未达到最大化，则返回更新DG和DL申报量l，直至用户侧效用最大； 若达到最大化，则根据VPP的报价k确定用户侧效用U最大时对应的DG和DL电量，进入下一步操作； 售电公司对日前市场的购售电量和零售电价进行决策，记为m，基于遗传算法优化售电公司及其下属所有VPP的总运行成本和条件风险价值CVaR，分别记为-f1和f2； 判断是否收敛，若未收敛，则返回更新售电公司在上层的日前市场购售电量和零售电价决策m； 若收敛，则计算目标函数-f1和f2的非支配解集虚拟拥挤度，组合父代和子代种群获取精英策略，进入下一步操作； 判断是否达到多目标模型的非劣解集，若为劣解集，则返回更新售电公司所拥有的所有VPP对内部聚合的用户侧资源的报价k，直至达到多目标模型的非劣解集，进入下一步操作； 判断迭代次数i是否达到最大值I，若迭代次数未达到最大值I，则返回重新初始化售电公司所拥有的所有VPP对内部聚合的用户侧资源的报价； 若迭代次数达到最大值I，则输出VPP对内资源报价报量、售电公司与外部市场购售策略以及售电公司的风险成本曲线； 计算由于用户负荷、用户响应不确定性与外部市场电价的不确定性导致的售电公司的聚合风险，并实现根据聚合风险的不确定程度，量化聚合风险的变化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京工业大学，其通讯地址为：211800 江苏省南京市浦口区浦珠南路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。