图1 量价曲线与调节能力的结构性差异
Fig.1 Structural differences between quantity-price curves and regulating ability
摘要 当前现货市场机制以集中式机组与确定性负荷为设计范式，难以准确识别虚拟电厂（VPP）的调节能力和边际成本价值。该文聚焦VPP参与电力现货市场机制的适配问题，提出一种计及参数等效映射与线性出清优化的现货市场改进机制。首先，构建兼顾价格信号驱动与环境扰动反馈的调节参考曲线动态调整模型，突破静态分解方法在反映用户真实响应意愿上的局限性。其次，考虑现行“单调阶梯报价”投标机制难以反映VPP内部复杂结构，提出一种基于多层映射机制的等效“虚拟储能”参数化表征方法，将资源组态与运行状态内嵌为统一的线性出清约束。在此基础上，进一步设计了融合充放电里程边际成本函数与末状态荷电状态（SOC）估值函数的投标结构，以解决边际成本投标结构所导致的虚拟电厂价值失真问题。最后，结合某省电力现货市场试运行数据开展实证分析，验证所提机制在提升虚拟电厂响应执行率与经济收益方面的显著效果。
关键词：虚拟电厂 现货市场 调节参考曲线 投标结构 响应实证分析
在“双碳”目标引领下，我国亟须构建以可再生能源为主体的新型电力系统，以加快能源结构的低碳化转型[1]。2025年2月，国家发展改革委与国家能源局联合印发的136号文《关于深化新能源上网电价市场化改革促进新能源高质量发展的通知》明确提出，应加快推进新能源上网电价全面由市场机制形成，持续完善电力市场体系[2]。由于新能源本身具有显著的波动性和间歇性特征，电力系统调控的复杂性随之增加，系统边际调节成本抬升，进而强化了市场价格信号的敏感性与引导性[3]。这种变化也促使灵活性资源的价值日益凸显，其价格响应能力成为调控体系中的关键环节[4]。
在此背景下，虚拟电厂（Virtual Power Plant, VPP）作为多类型灵活性资源的聚合平台，具备跨主体、跨时空协调响应的优势，其灵活性释放空间将愈加多元与复杂[5-6]。特别是在以边际成本定价为基础的电力现货市场中，价格能够动态反映电力资源的实时供需关系和区域时空价值，为虚拟电厂参与市场提供了精准的价格信号[7]。由此，现货市场不仅有助于引导虚拟电厂的资源配置与运营策略优化，也为其市场化价值评估与收益机制设计提供了科学的依据，对推动其高效地融入新型电力系统具有重要意义[8]。
现阶段，VPP仍处于以参与辅助服务市场为主、参与现货市场为辅的业务形态。因此，针对VPP参与现货市场的系统性研究仍处于起步阶段，但已有部分学者围绕市场机制设计与量价曲线生成机理展开了探索。在市场机制方面，文献[9]针对现货市场初期中小型用户缺乏主动报价能力问题，提出了考虑灵活负荷间接参与现货市场的出清与结算方法，从机制层面拓宽了VPP的市场准入路径。在此基础上，文献[10]构建了计及主配网协同的VPP灵活性调度与现货市场联合出清模型，以灵活性成本最小化为目标，并利用空间投影方法实现非迭代解耦，提升了大规模异质资源参与联合优化模型的可解析性。进一步地，文献[11]考虑了VPP的灵活性价值，构建了计及灵活块及灵活小时交易的现货市场出清模型，并引入了基于“能量+灵活性”两部制的定价模式，实现了VPP灵活性溢价的量化评估，显著增强了VPP的市场竞争力。随着电力市场体制改革的深入推进，现货市场的交易体系与规则日趋完善，VPP能够聚合多元用户资源，以报量报价的形式参与市场交易[12]。在这一背景下，文献[13-14]考虑了分布式能源（Distributed Energy Resource, DER）资源特性对VPP投标决策的收益损失，构建了VPP参与能量和备用辅助服务市场的联合投标量价模型，有效地降低了VPP的运营成本。进一步，文献[15]考虑了VPP等多类主体的时变量价特性，基于各类边际成本影响因素和市场环境，构建了以VPP收益最大化的时变量价曲线生成模型，刻画价格波动对VPP投标量价曲线的动态影响机理。文献[16]则聚焦于建筑型虚拟电厂，提出了计及建筑内部无损可转移、有损可转移及有损可削减三类灵活负荷调控成本的量价曲线的分段生成方法，设计了兼顾VPP与建筑用户收益均衡的量价申报机制。
综上所述，当前现货市场机制中尚未考虑VPP等新型市场主体的异质性和灵活性，量价曲线生成机理仍沿用传统机组的投标结构，导致VPP在市场化参与、灵活性释放及规模化发展等方面受到严重制约。此外，在当前现货市场机制下，市场价格的精准预测是虚拟电厂实现价格套利的决定性依据，当市场价格预测存在较大误差时，虚拟电厂将承担较高的市场运营风险，同时虚拟电厂所释放的灵活性与系统调节需求发生偏离。进一步地，调节型虚拟电厂的量价曲线生成机理及偏差考核结算皆与调节参考曲线紧密相关。然而，当前主流的静态分解方法（均值法）难以准确反映用户对价格信号与外部环境扰动的动态响应特征，造成调节能力识别偏差与收益结算失真，难以满足调节型虚拟电厂在运行机制与建模方法上的实际需求，具体问题将在本文第1节详细阐述。因此，本文提出一种面向调节型虚拟电厂的现货市场改进机制。主要贡献包括：①构建兼顾价格信号驱动与环境扰动反馈的调节参考曲线动态调整模型，突破了在反映用户真实响应意愿时静态分解的局限性；②构建面向多类型DER响应特性的多层级等效映射模型，将其复杂调节行为统一等效为虚拟储能；③设计融合充放电里程边际成本函数与末状态SOC估值函数的投标结构，开展湖北电网实际市场规则背景下的响应实证分析，验证本文所提的现货市场改进机制在提升社会福利与虚拟电厂收益稳定性方面的优越性。
随着我国电力市场改革的纵深推进，现货市场正逐步向“价格激励、灵活性引导”转型，具备灵活调节能力的VPP日益成为提升系统稳定性与资源配置效率的关键载体[17-18]。然而，虚拟电厂作为由类型多元、特性异质、意愿分散的分布式资源构建的聚合体，与传统机组相比，其运行特性存在显著差异，难以以确定性、线性化的投标结构参与现有的现货市场机制，导致与现有市场出清算法的兼容难题。在此背景下，如何将虚拟电厂经济特性中海量用户的响应意愿影响进行解耦，依据调节能力和调节成本进行量价生成，已成为能量市场中虚拟电厂响应能力最大挖掘的核心问题[19]。经分析，适配虚拟电厂的现货市场交易技术存在以下三方面的关键问题。
问题1：当前我国虚拟电厂参与电力现货市场主要包括全电量虚拟电厂与调节型虚拟电厂等两种典型组织模式[20-21]。在虚拟电厂全电量参与现货市场的市场机制下，海量资源用户的发用电行为模式的决策过程与市场价格趋势的预测结果紧密相关，即峰谷价差和套利空间成为其量价曲线生成的决定性因素。当市场价格预测存在较大偏差时，虚拟电厂将承担较高的市场运营风险，同时虚拟电厂所释放的灵活性与系统峰谷调节需求将在时序和空间上发生偏离，导致灵活性错配。不仅如此，当前现货市场价格尚未直接传导至终端用户，资源用户通过虚拟电厂代理进入市场，其调节意愿依赖对市场价格的有限认知与主观判断，资源调节能力与用户有限理性产生动态制约，导致用户的响应意愿呈现高度波动性和收敛不稳定性，从而难以充分挖掘虚拟电厂真实的可调空间。
现货市场的核心目标是通过市场化手段，引导发用两侧的供需匹配和适度调节，以满足电力系统运行的平衡需求。即，当系统存在电量盈余（如风光出力高峰）时，允许VPP通过“增加负荷”消纳冗余发电量，提供向下调节能力；当系统存在顶峰需求时，VPP可通过“削减负荷”释放可用调节空间，提供向上调节的“虚拟”出力。量价曲线与调节能力的结构性差异如图1所示。从图1可以看出，在虚拟电厂全电量参与现货市场机制下，大多数虚拟电厂被视作统一的“用电主体”，其调节行为（无论是增加负荷还是削减负荷）均被视为“正向用电”，无法直观表征其“负发电”特性。为解决这一问题，在虚拟电厂参与现货市场机制中引入“调节参考曲线”，并将其作为调节型虚拟电厂上下调节能力的正负基准和响应执行的结算依据。具体地，调节型虚拟电厂不再以全电量参与现货市场，而是基于调节参考曲线评估虚拟电厂向上和向下的可调空间作为市场参与的“量”；并在此基础上，核算各类灵活资源的调节成本，叠加聚合商的策略性溢价，从而形成对应调节量的“价”。这一过程，将量价曲线生成机理从“基于市场价格预测的套利驱动”转变为“调节容量+调节成本+套利空间”结构形式，形成与传统机组相似的阶梯式分段投标结构。
图1 量价曲线与调节能力的结构性差异
Fig.1 Structural differences between quantity-price curves and regulating ability
综上所述，不论是调节还是全电量参与现货的虚拟电厂组织模式，在完全理性下现货市场将发挥相似的峰谷调节引导作用。而真实场景下，海量用户资源全部向最优决策逼近是难以实现的理想场景。因此，调节型虚拟电厂参与现货市场将产生更多优势：一是可以激励虚拟电厂聚合商开展更加广泛和深入的需求侧灵活性挖掘，提高现货市场参与量；二是有利于虚拟电厂在日前阶段提前锁定灵活资源的调节能力，将意愿波动带来的响应偏差降至最低；三是可以更加精确地提取虚拟电厂的经济特性，解构意愿溢价以外的边际运行成本和真实可调能力。
问题2：在调节型虚拟电厂的现货市场改进机制下，调节参考曲线直接影响调节型虚拟电厂调节能力评估与偏差考核结算结果，但在现阶段调节参考曲线的精准刻画面临建模复杂与数据不可得等诸多限制。理想条件下，调节参考曲线应通过自下而上的建模方法，根据终端用户设备的静态参数（设备类型、额定功率、能效比）与微环境动态扰动等信息进行生成，从而精准刻画资源的真实需求与可调边界。但由于当前数据获取能力、建模手段尚不成熟，导致该方法在实操性上存在较大限制。因此，在现货市场机制与分解模型尚未成熟的过渡时期，采用中长期分解曲线作为调节参考曲线，实际上是一种兼顾实施可行性与数据可得性的协同策略。但目前多数分解方法仍采用静态均值法或行业平均数据处理，未能反映用户对市场价格与外部环境扰动的动态响应特性，从而导致虚拟电厂的执行偏差率高、结算误差大、调节积极性受限。因此，亟须构建一种兼顾准确性与动态性的调节参考曲线生成方法，以支撑调节型虚拟电厂的高效结算与灵活性释放。
问题3：传统电力现货市场设计以集中式发电机组与确定性负荷为核心，遵循“边际成本最优+物理可行性”原则，构建了基于线性/凸优化的市场出清模型[20]。然而，现阶段VPP广泛采用的“单调阶梯报价”分段式出清申报机制（即按分段容量和价格进行逐时申报），难以映射虚拟电厂资源的非线性、非连续、动态可用等复杂特征。虚拟电厂在申报过程中，将离散调节能力设置成跨时段的连续出力，导致部分中标指令无法执行，产生执行偏差的风险，影响其市场化收益。因此，亟须构建一种“简洁申报、复杂内部调度”的外部特性等效模型，降低虚拟电厂参与市场的复杂度，即将虚拟电厂等效为参数化的“虚拟储能”参与现货市场申报。尽管这一方法已有一定的研究基础，但是针对异质资源虚拟电厂的调节损耗等数值暂未开展相关研究。
图2展示了非完全理性场景下上述两种现货市场组织模式的虚拟电厂出清场景。可以看出，在虚拟电厂以全电量参与现货市场机制下，当市场主体普遍采用相似预测模型或行为策略时，容易引发“集群化调节”行为，进而导致价格峰谷信号失真，调节行为与系统需求错配，即虚拟电厂未能在价格高峰时段有效削减负荷，在价格低谷时段亦未匹配调峰需求，导致虚拟电厂调节能力未被充分释放，社会福利下降。相对而言，本文所提出的现货市场机制以虚拟电厂的物理调节能力为核心，构建虚拟储能参数化投标结构，引导其申报包括充放电里程的阶梯式上下限及末状态估值函数在内的本质能力参数。该机制通过将虚拟电厂等效为具备动态边界约束的虚拟储能单元，并由交易中心在掌握全部市场主体申报信息的基础上，以社会福利最大化为目标统一优化出清。相较于依赖市场价格预测的报量不报价的市场参与模式，该机制有效地规避了因价格博弈和预测误差引发的价值错配，提升了系统整体资源配置效率，在提升社会福利水平的同时，也提高了虚拟电厂自身收益的确定性。
图2 两种现货市场机制下的VPP出清场景
Fig.2 Clearing scenarios of VPP under two spot market mechanisms
当前现货市场机制仍处于过渡阶段，为防止用户虚报调节参考曲线扰乱市场秩序，现货市场管理规定用户的调节参考曲线由电力交易中心统一划分，以保证市场结算的公平性。现阶段，调节参考曲线按照中长期合同曲线的年—月—日顺序划分，如图3所示。
图3 中长期曲线分解
Fig.3 Decomposition of medium and long-term curves
具体划分步骤如下：
（1）静态调节参考曲线生成。基于各类型资源的用能机理及历史用电数据，利用均值法生成无价格与外部因素干扰下的静态调节参考曲线。
（1）
式中，
为t时刻静态调节参考曲线值；
为时段索引变量，用于遍历一天内全部时段；N为历史样本天数；T为时段总数；
为用户月度合同电量；Nd为当月天数；
为历史数据用户在d天t时段的用电量。式（1）第二项主要反映各时段的用电分布。
（2）动态调节参考曲线调整。引入价格弹性系数
和环境敏感系数
构建用户行为模式切变模型，对静态调节参考曲线进行动态调整，即
（2）
式中，
为t时刻动态调节参考曲线值；λ(t)为t时刻的市场电价；
为基准电价（中长期合同价）；
为t时刻的温度；
为基准温度。价格弹性系数用于刻画用户对电价变化的响应敏感度，当市场价格高于中长期合同电价，即存在套利空间时，用户可能主动削减用电以获益，从而调节参考曲线应相应下调；反之，在价格较低时，则可能存在负荷“填谷”行为，调节参考曲线应上移。环境敏感系数γ表示用户对环境变化（如温度等）的用能敏感程度，比如在夏季高温日，空调负荷对温度异常上升表现出强烈的正向刚性响应，若调节参考曲线不进行动态修正，则会低估实际负荷水平，进而影响调节量估计。β和γ均基于历史数据（用电数据、电价数据、温度数据）的数值模拟与响应回归建模方法确定。
为实现VPP资源聚合的市场化接入路径，将虚拟电厂等效为参数化的“虚拟储能”参与现货市场。本节将提出一种融合“资源聚合—等效映射—市场交互”的多层映射机制，具体如图4所示。
其中，资源聚合层量化分布式发电（Distributed Generation, DG）、分布式储能（Distributed Energy Storage, DES）及可调节负荷（Adjustable Load, AL）的灵活性边界，包括分布式发电的增加/减少发电量，分布式储能基于荷电状态约束确定充放电功率和容量，以及可调节负荷的削减/上行发电量。等效映射层基于资源聚合层的灵活性边界将虚拟电厂灵活资源转换为虚拟储能的等效参数，主要包括等效容量、等效功率及动态效率。市场交互层则是从虚拟储能的等效灵活特性出发，构建计及充放电里程的边际成本函数及末状态等效SOC估值函数的虚拟储能投标结构，联合额定容量、额定功率及动态效率等技术参数提交给电力交易中心，统一完成出清。
图4 多层映射机制
Fig.4 Multi-layer mapping mechanism
本节所构建的等效映射模型从以下两个方面解决“单调阶梯报价”机制的缺点：
（1）针对非连续性问题：本文提出将调节型虚拟电厂等效为一个统一的“虚拟储能单元”，通过对各类分布式资源的调节能力进行抽象整合，将原本离散的、间歇式的资源调节行为重构为在每一个时段内具备连续调节能力的虚拟储能容量-充放电功率模型，以有效地避免部分中标指令无法执行的偏差风险。
（2）针对成本非线性变化问题：本文引入了“充放电里程边际成本函数”与“末状态SOC估值函数”，将储能退化成本、分布式发电的发电成本、负荷老化损失与SOC动态效益以分段线性化的形式内嵌于虚拟电厂投标结构中，实质上反映了非线性成本的状态函数。
VPP通过聚合DES、AL及DG资源等效成虚拟储能系统，其参数化表征需从容量、功率、效率约束三个维度建模，具体如下。
首先，定义虚拟储能等效容量
，其由各类资源在控制周期内的可调节能量组成，包括DES的实时荷电状态（SOC）、AL在控制时间内的时移潜力，以及可调度DG的发电量调节空间三部分，即
（3）
式中，
为DES可调节容量；
为DG的可调节容量；
为AL的可调节容量；h、i、j分别为DES、DG及AL的索引号。
进一步地，定义虚拟储能的等效充放电功率，分别表示下调能力（如DES充电、AL上行、DG减发）和上调能力（如DES放电、AL削减、DG增发），即
（4）
式中，
、
分别为虚拟储能在t时刻的充、放电功率，
分别为DES在t时刻的充、放电功率，
分别为DG在t时刻增加、减少的发电功率，
分别为AL在t时刻的削减、上行负荷。
此外，虚拟储能的充放电功率受资源最大调节能力限制，需对上述等效充/放电功率施加上、下限约束，即
（5）
式中，
和
分别为虚拟储能的充、放电功率上限；
分别为DES的充、放电功率上限；
分别为DG增加、减少的发电功率上限；
分别为AL的削减、上行负荷上限。
在运行过程中，虚拟储能的等效容量将随时间推移不断变化，受制于当前充放电行为以及资源效率变化。通过递推公式可对虚拟储能的等效容量进行动态估算，递推公式表示为
（6）
式中，
为虚拟储能在t时刻的功率；
为充放电效率，采用随时间衰减的动态效率模型，反映了异构资源设备老化或响应性能的差异性；
为虚拟储能的基准静态效率；ω为效率衰减系数；
为调度时间间隔。
为避免资源物理上同时进行充放电操作，模型中需引入互斥约束，即
（7）
2.3.1 充放电里程的边际成本函数
为了反映虚拟储能的成本结构并保证市场出清模型的线性特征，投标结构被设计成随充放电功率而阶梯状递增的函数，如图5所示。具体而言，虚拟储能可以提交分段数的阶梯递增函数，表征其在不同充放电里程下的边际成本。虚拟储能放电边际成本
包括DES放电退化成本
、AL时移损失
及DG发电成本
，表示为
（8）
虚拟储能充电边际成本
，包括DES充电退化成本
、AL设备老化成本
及DG弃电成本
，表示为
（9）
式中，k为分段数；r为资源类型（DES、DG、AL）；
和
分别为资源r在分段k的最大充、放电功率，
分别为DES、DG、AL的资源集合。
图5 充放电里程的边际成本函数
Fig.5 Marginal cost function of charging and discharging mileage
综上所述，虚拟储能充放电里程的投标结构设计为
（10）
式中，
为虚拟储能在分段k的充（放）电边际成本；
为虚拟储能在分段k的充（放）电里程长度。
值得注意的是，为保证现货市场顺利出清，在本文所提出的投标结构中，虚拟储能不提交时变的充放电里程边际成本。
2.3.2 末状态等效SOC估值函数
在能量有限的情况下，虚拟储能可以在价格最高峰时期放电获取收益，而随着末尾存储能量的增加，虚拟储能只能寻找价格低一些的时段放电获利，因而边际价值将随着虚拟储能量的增加而减小。因此，将末状态等效SOC估值函数设计成随着末状态SOC而阶梯状递减的函数，如图6所示。然而，虚拟储能的末状态等效SOC受DES、DG和AL运行状态影响。其中，DES的末状态电量可直接作为虚拟储能末状态等效SOC的一部分，AL在末时段未释放的灵活性，可视为“仍可调节的一种存储能量”，DG在末时段未完全利用的调节潜力，可视为“剩余潜在发电量”。
图6 SOC末状态估值函数
Fig.6 Final state valuation function of SOC
综上所述，虚拟储能末状态等效SOC可表示为
（11）
式中，
为DES的末状态容量；
为AL在末时段未释放的调节灵活性；
为DG在末时段的剩余调节潜力。
虚拟储能末状态等效SOC的投标结构设计为
（12）
式中，
为虚拟储能在分段k的等效SOC；
为虚拟储能在分段k的末状态边际估值。
2.4.1 目标函数
现货市场出清模型通常以社会福利最大化为优化目标，即用电效用与发电成本之差。然而，本文构建的出清模型需考虑虚拟储能的成本特性，将虚拟储能充放电里程的边际成本与末状态等效SOC的估计函数纳入目标函数，即
（13）
式中，m、d分别为常规发电机组与用电负荷的数量；
为常规用电负荷d在t时刻分段k的用电功率；
为常规发电机组m在t时刻分段k的发电功率；
为常规用电负荷d在t时刻分段k的单位用电效用；
为常规发电机组m在t时刻分段k的单位发电成本，
分别为虚拟储能在t时刻分段k的充放电功率。
2.4.2 约束条件
常规发电机组、用电负荷及虚拟储能充放电功率的分段约束为
（14）
式中，
分别为常规用电负荷、发电机组及虚拟储能的集合；
分别为常规发电机组出力、用电负荷在分段k的上限。
由于实际运行需要，要求虚拟储能满足最小连续启/停时间，即
（15）
式中，
为虚拟储能在t时段的启停状态；TU、T D分别为虚拟储能的最小连续启、停时间；
、
分别为虚拟储能在t时刻连续启、停时间，可以用状态变量来表示，即
（16）
式中，
为虚拟储能i在第t时段对应的连续启/停状态累计量；
为虚拟储能i在第k个历史时段的启停状态变量。
出清模型供需平衡约束如式（17）所示，输入功率包括常规发电机组的发电量
、虚拟储能的放电量
；输出功率包括负荷用电量
、虚拟储能的充电量
。值得注意的是，式（17）暂不考虑目标节点向其他节点流出的功率。
（17）
此外，虚拟储能具备发用电特性，考虑现货市场中售电侧与购电侧市场主体的出清规则差异性，本文通过式（18）分别表示虚拟储能在发用电两侧的出清约束，即：售电侧虚拟储能放电报价小于出清价格时中标，购电侧虚拟储能充电报价大于出清价格时中标。
（18）
式中，
为t时刻市场出清价格；
分别为虚拟储能在购电侧与发电侧的中标状态，取值为0～1。
2.4.3 线性化处理
针对市场出清约束的多变量耦合问题，引入辅助变量
和中间变量（
,
）进行线性化处理。
（19）
电力市场交易中心在日前求解上述优化模型后，可以得到现货市场出清结果，即获取虚拟储能的最优执行计划，后续用上标“*”代表其出清结果。
本研究所涉及的全部仿真计算在一台配备2.6 GHz Intel(R) Core(TM) i9-13900H 处理器与32 GB内存的计算机上进行，优化模型通过Matlab平台调用Gurobi求解器完成。
结合2.4节虚拟储能的出清结果，虚拟储能福利函数用虚拟储能收入（第一项），充放电里程成本（第二项），末状态能量估值（第三项）及执行偏差考核费用（第四项）表示。
式中，
为虚拟储能的总收益；
为虚拟储能在分段k的基础SOC；
为虚拟储能的执行偏差考核费用，表示虚拟储能实际充放电电量与实时现货市场出清的偏差超出允许偏差范围时，对超出允许偏差范围外的电量按该储能场站当月充放电价差均值进行考核。实际充放电允许偏差范围取±10%，充放电计划执行偏差考核公式为
（21）
式中，
为虚拟储能充放电价均差；
分别为虚拟储能实际出清电力及计划出清电力，可由式（22）表示为
（22）
式中，
为虚拟储能参与现货市场的实际出清电力。
进一步地，为鼓励虚拟储能参与调节，构建虚拟储能合同偏差考核允许范围与用电计划执行偏差率挂钩机制，并在市场初期对市场主体考核放宽。假设2025年考核调整系数[22]暂定为
（23）
式中，
为虚拟储能的小时执行偏差率，计算公式为
（24）
综上所述，虚拟电厂参与现货市场的交易流程如图7所示。
图7 虚拟电厂参与现货交易流程
Fig.7 Trading process of VPP in spot market
为验证所构建虚拟电厂参与现货市场的参数化建模方法与市场出清机制的有效性，本文选取当前已开展现货市场试点的湖北省作为典型区域，将前述模型嵌入实际现货市场出清过程，开展响应性实证分析。在实证中，于2025年4月1—12日（12天）组织虚拟电厂开展现货市场连续调节试运行交易。目前湖北仅华能湖北能源销售有限公司1家虚拟电厂参与了交易，聚合1个用户资源（水泥集团用户，挂接于220 kV金台变节点下）。在申报价格方面，虚拟电厂充放电里程成本共分为依次递增的四段，单日申报价格区间为250～1 000元/(MW·h)。其中，单日上、下调申报均值分别在250～475元/(MW·h)、650～990元/(MW·h)，虚拟电厂（VPP）逐日申报价格如图8所示。虚拟电厂末状态SOC估值为依次递减的四段，估值范围为270～430元/(MW·h)；在申报容量方面，虚拟电厂单日申报容量如图9所示，充放电里程长度也同样分为依次递增的四段。火电机组投标价格及用户效用等信息涉及电网内部数据的安全保密问题，本文此处不公开。
图8 虚拟电厂逐日申报价格
Fig.8 Daily declared prices of VPP
图9 虚拟电厂逐日申报容量
Fig.9 Daily declared capacity of VPP
在出清容量方面，虚拟电厂逐日出清调节量如图10所示。从总体结果来看，虚拟电厂在试运行期间累计中标12日，累计出清调节电量528 MW·h，单日最大出清上、下调节容量分别为8 MW、4 MW。其中，上调节容量约为447MW·h，占比约84.7%；下调节容量约为81MW·h，占比为15.3%，展现出较强的系统正向支撑能力。
进一步分析发现，虚拟电厂的日均调节响应量为44.0MW·h，最大日出清量出现在4月6日，为 79MW·h，远高于试运行期间的平均水平，表明该日具有较高的调峰需求。与之对比，4月3日与4月11日的日出清量仅分别为22MW·h和24MW·h，显著低于均值水平，反映出在供需形势较宽松或保守投标情况下，虚拟电厂的响应活跃度有所下降。此外，在时段分布上，出清容量主要集中于每日9:00—15:00典型高峰时段，占全周期响应总量的62.4%，验证了虚拟电厂具备按需跟踪负荷变化的柔性调节能力。
图10 虚拟电厂逐日出清容量
Fig.10 Daily clearing capacity of VPP
在出清价格方面，虚拟电厂在试运行期间的逐日出清价格如图11所示，日内电价波动显著，其资源所挂接的节点电价（含其他机组）出清范围在0～497元/(MW·h)，有典型的峰谷价差结构。其中，平均出清价格为268.3元/(MW·h)，峰谷价差均值为312.6元/(MW·h)；除4日、11日出清峰谷价差较为平稳外，其余日期节点出清峰谷价差较大，最大峰谷价差出现在4月6日，高达440元/(MW·h)，与该日出清容量最高相呼应，验证了市场套利机会驱动下虚拟电厂投标行为的经济性响应逻辑。
图11 虚拟电厂逐日出清价格
Fig.11 Daily clearing prices of VPP
进一步对比分析发现，4月4日和11日的出清价格曲线波动较小，全天价格维持在220～280元/ (MW·h)区间，反映出系统负荷平稳、现货供需张力较低的特点。相对地，4月6日、7日及9日出现明显的“尖峰拉升”现象，最高电价分别达476元/ (MW·h)、497元/(MW·h)与464元/(MW·h)，对应时段与系统负荷高峰高度重合。
在执行情况方面，虚拟电厂计划执行曲线与实际执行曲线的对比如图12所示。可以看出，虚拟电厂在调节过程中表现出良好的执行能力与稳定性，具备较强的双向出力调节能力和对计划曲线的跟踪能力。日内累计实际调节电量达396MW·h，最大上、下调能力分别为10.1MW和12.3MW，执行偏差率均值控制在7.5%，大部分时段内偏差小于10%，体现出较高的调节准确性与可控性。尤其在跨时段、跨日期运行中，虚拟电厂调节能力保持稳定，调节效率与执行精度未出现明显波动，验证了其在多时空尺度下连续运行的可靠性，为其进一步参与大规模负荷调度和现货市场交易提供了数据支撑与实证依据。
图12 虚拟电厂实际执行曲线与计划执行曲线
Fig.12 Actual execution and planning execution curves of VPP
基于本文3.1节提出的调节参考曲线生成模型，得到虚拟电厂的调节参考曲线，如图13所示。将调节参考曲线和图10所示的出清调节量代入式（22），得到虚拟电厂的真实执行曲线和计划执行曲线。并在此基础上，为了探索最优的激励与考核机制，本文将基于表1所示的三种结算方案，开展虚拟电厂参与现货市场的收益结算，各方案结算结果对比见表2。从结算结果分析，考核费用是影响运营商、用户收益的重要因素之一。
图13 虚拟电厂逐日调节参考曲线
Fig.13 Daily regulation reference curves of VPP
表1 结算方案
Tab.1 Settlement schemes
方案考核系数偏差允许范围调节时段 一1.110%×1.1 = 11%全天 二2.210%×2.2 = 22%— 三不执行考核—
由于虚拟电厂运营商承担了合同偏差考核风险，只有在考核与回收费用较低时，调节后收益才有所增加。而在现货价格信号向电力用户传导的过程中，只要用户参与调节，便可获取更低的度电成本。用户参与现货市场时，由于多用低价电，度电成本有所下降；由于午间时段中长期与现货价差较大，合同偏差考核费用大幅集中在该时段，导致虚拟电厂的度电收益呈现亏损状态。进一步分析可知，在现阶段虚拟电厂试运行期间，聚合资源结构单一、以负荷类资源为主，尚未形成源-网-荷-储多元协同的响应格局，导致其运行调节能力不足。这种结构性局限，使得虚拟电厂在面对现货市场价格信号及合同偏差考核机制时，调节手段受限，无法实现收益最优化。
表2 结算结果
Tab.2 Settlement results
数据分类方案一方案二方案三 虚拟电厂运营商获得的分成（电能收益）/元345.9911 419.9823 384.36 合同偏差考核费用/元27 95318 8840 运营商总收益/元4 563.2815 637.2727 601.65 度电总收益/[元/(MW·h)]1.505.139.06 调节效果/[元/(MW·h)]收益降低（-5.15）收益降低（-0.14）收益增加（+7.78） 用户调节收益分成/元166.065 844.7611 968.14 度电成本/[元/(MW·h)]426.19419.27411.80 调节效果/[元/(MW·h)]成本降低（-12.69）成本降低（-19.61）成本降低（-27.08）
针对当前现货市场机制与调节型VPP难以适配问题，本文提出了融合价格信号与环境扰动的调节参考曲线动态调整方法，构建了基于多层映射机制的虚拟储能参数化表征模型，并在投标结构中引入充放电里程边际成本函数与末状态SOC估值函数，将VPP量价曲线生成机理转变为“调节容量+调节成本+套利空间”的结构形式。从湖北省试运行结果看出，本文所提的现货市场改进机制能够在保持出清可行性的同时，显著提升调节型VPP调节执行精度（偏差率均值7.5%、最大不超过15%）和收益稳定性。后续研究应进一步完善基于用能设备静态参数和微环境扰动的调节参考曲线精准生成技术，并探索多节点出清环境下的VPP安全校核方法，以进一步增强模型的市场适配性与工程可实施性。
参考文献
[1] 高洪超, 康重庆, 李嘉宇, 等. 新型电力系统下虚拟电厂的技术演进研判与运营挑战分析[J]. 电工技术学报, 2025, 40(19): 6057-6071. Gao Hongchao, Kang Chongqing, Li Jiayu, et al. Analysis of technological evolution and operational challenges for virtual power plants in new power systems[J]. Transactions of China Electrotechnical Society, 2025, 40(19): 6057-6071.
[2] 汤军, 高洪超, 余涛, 等. 电力市场环境下超大城市虚拟电厂的建设理念与创新实践[J]. 电网技术, 2025, 49(1): 103-112. Tang Jun, Gao Hongchao, Yu Tao, et al. Construction concept and innovative practices of virtual power plants in megacities under electricity market environment[J]. Power System Technology, 2025, 49(1): 103-112.
[3] 田昊欣, 陈艳波, 强涂奔, 等. 考虑煤炭-电力市场联动博弈的燃煤电厂期货-现货交易策略[J/OL]. 电工技术学报, 2025: 1-16[2025-12-10]. https://doi. org/10.19595/j.cnki.1000-6753.tces.251207. Tian Haixin, Chen Yanbo, Qiang Tuoben, et al. Futures-spot trading strategy for coal-fired power plants considering linked gamingin coal-electricity markets[J/OL]. Transactions of the China Electro- technical Society, 2025: 1-16[2025-12-10]. https:// doi.org/ 10.19595/j.cnki.1000-6753.tces.251207.
[4] 武昭原, 周明, 王剑晓, 等. 双碳目标下提升电力系统灵活性的市场机制综述[J]. 中国电机工程学报, 2022, 42(21): 7746-7763. Wu Zhaoyuan, Zhou Ming, Wang Jianxiao, et al. Review on market mechanism to enhance the flexibility of power system under the dual-carbon target[J]. Proceedings of the CSEE, 2022, 42(21): 7746-7763.
[5] 李嘉媚, 艾芊, 殷爽睿. 虚拟电厂参与调峰调频服务的市场机制与国外经验借鉴[J]. 中国电机工程学报, 2022, 42(1): 37-55. Li Jiamei, Ai Qian, Yin Shuangrui. Market mechanism and foreign experience of virtual power plant participating in peak-regulation and frequency- regulation[J]. Proceedings of the CSEE, 2022, 42(1): 37-55.
[6] 雷杨, 雷威, 陶源, 等. 考虑用户动态响应意愿的多主体嵌套博弈虚拟电厂优化策略[J/OL]. 电工技术学报, 2025: 1-17[2025-12-10]. https://doi.org/10. 19595/j. cnki.1000-6753.tces.251517. Lei Yang, Lei Wei, Tao Yuan, et al. A multi-agent nested game optimization strategy for virtual power plants considering customers’ dynamic response willingness [J/OL]. Transactions of China Electro- technical Society, 2025: 1-17[2025-12-10]. https:// doi. org/10.19595/j.cnki.1000-6753.tces.251517.
[7] 黄宇翔, 黄蔚亮, 牛振勇, 等. 虚拟电厂市场机制与盈利模式介绍及欧洲运行实例分析[J]. 电力系统自动化, 2025, 49(9): 17-30.Huang Yuxiang, Huang Weiliang, Niu Zhenyong, et al. Comparative introduction to virtual power plant profit models and analysis of European operation examples[J]. Automation of Electric Power Systems, 2025, 49(9): 17-30.
[8] 冯艺萱, 边晓燕, 陈雯, 等. 新型电力系统灵活性资源成本回收机制分析及挑战[J]. 电工技术学报, 2025, 40(21): 7013-7028. Feng Yixuan, Bian Xiaoyan, Chen Wen, et al. Analysis and challenges of new power system flexibility resource cost recovery mechanisms[J]. Transactions of China Electrotechnical Society, 2025, 40(21): 7013-7028.
[9] 尹逊虎, 丁一, 惠红勋, 等. 初期现货市场下考虑用户响应行为的需求响应机制设计[J]. 电力系统自动化, 2021, 45(23): 94-103. Yin Xunhu, Ding Yi, Hui Hongxun, et al. Design of demand response mechanism considering response behaviors of customers in initial electricity spot market[J]. Automation of Electric Power Systems, 2021, 45(23): 94-103.
[10] 黄福全, 何宇俊, 郭鸿业, 等. 考虑主配网协同的虚拟电厂灵活性调度与现货出清模型[J]. 电力建设, 2025, 46(7): 42-52. Huang Fuquan, He Yujun, Guo Hongye, et al. Clearing model for flexibility dispatching of virtual power plants and energy spot market considering transmission-distribution coordination[J]. Electric Power Construction, 2025, 46(7): 42-52.
[11] 高洪超, 陈启鑫, 金泰, 等. 考虑虚拟电厂灵活调节特性的现货市场出清模型及灵活性溢价评估方法[J]. 电网技术, 2023, 47(1): 194-204. Gao Hongchao, Chen Qixin, Jin Tai, et al. Spot market clearing model and flexible premium evaluation method considering flexible regulation of virtual power plant[J]. Power System Technology, 2023, 47(1): 194-204.
[12] 赵力航, 常伟光, 杨敏, 等. 电力市场环境下虚拟电厂两阶段能量经济优化调度[J]. 中国电力, 2022, 55(10): 14-22. Zhao Lihang, Chang Weiguang, Yang Min, et al. Two-stage energy economic optimal dispatch of virtual power plant in deregulated electricity market[J]. Electric Power, 2022, 55(10): 14-22.
[13] 周亦洲, 孙国强, 黄文进, 等. 计及电动汽车和需求响应的多类电力市场下虚拟电厂竞标模型[J]. 电网技术, 2017, 41(6): 1759-1766. Zhou Yizhou, Sun Guoqiang, Huang Wenjin, et al. Strategic bidding model for virtual power plant in different electricity markets considering electric vehicles and demand response[J]. Power System Technology, 2017, 41(6): 1759-1766.
[14] 王俊, 徐箭, 王晶晶, 等. 基于条件风险价值的虚拟电厂参与能量及备用市场的双层随机优化[J]. 电网技术, 2024, 48(6): 2502-2510. Wang Jun, Xu Jian, Wang Jingjing, et al. Bi-level stochastic optimization for a virtual power plant participating in energy and reserve market based on conditional value at risk[J]. Power System Technology, 2024, 48(6): 2502-2510.
[15] 曹昕冉, 刘继春, 刘可欣. 基于时变量价特性的多主体参与需求响应市场决策方法[J]. 电网技术, 2025, 49(18): 3362-3371. Cao Xinran, Liu Jichun, Liu Kexin. Decision-making method for multi-agent participation in demand response market based on time-varying price-quantity characteristics[J]. Power System Technology, 2025, 49(18): 3362-3371.
[16] 漆淘懿, 惠红勋, 叶承晋, 等. 建筑虚拟电厂参与需求响应市场的报量报价机制设计[J]. 电力系统自动化, 2024, 48(18): 14-24. Qi Taoyi, Hui Hongxun, Ye Chengjin, et al. Bidding mechanism design for building virtual power plant to participate in demand response markets[J]. Automation of Electric Power Systems, 2024, 48(18): 14-24.
[17] Li Bingkang, Zhao Huiru, Wang Xuejie, et al. Distributionally robust offering strategy of the aggregator integrating renewable energy generator and energy storage considering uncertainty and connections between the mid-to-long-term and spot electricity markets[J]. Renewable Energy, 2022, 201: 400-417.
[18] 田济源, 范帅, 杨冬阳, 等. 考虑负荷静态电压特性的虚拟电厂精准调控方法[J]. 电工技术学报, 2025, 40(15): 4770-4787. Tian Jiyuan, Fan Shuai, Yang Dongyang, et al. Accurate regulation method for virtual power plants considering static voltage load characteristics[J]. Transactions of China Electrotechnical Society, 2025, 40(15): 4770-4787.
[19] 孔祥玉, 张培榕, 刘高华, 等. 基于分层聚合的虚拟电厂互动调节能力多维量化评估[J]. 电力系统自动化, 2025, 49(20): 51-61. Kong Xiangyu, Zhang Peirong, Liu Gaohua, et al. Multi-dimensional quantitative assessment of interactive regulation capability for virtual power plants based on hierarchical aggregation[J]. Automationof Electric Power Systems, 2025, 49(20): 51-61.
[20] 陈启鑫, 房曦晨, 郭鸿业, 等. 电力现货市场建设进展与关键问题[J]. 电力系统自动化, 2021, 45(6): 1-15. Chen Qixin, Fang Xichen, Guo Hongye, et al. Progress and key issues for construction of electricity spot market[J]. Automation of Electric Power Systems, 2021, 45(6): 1-15.
[21] 陈启鑫, 房曦晨, 郭鸿业, 等. 储能参与电力市场机制: 现状与展望[J]. 电力系统自动化, 2021, 45(16): 14-28. Chen Qixin, Fang Xichen, Guo Hongye, et al. Participation mechanism of energy storage in electricity market: status quo and prospect[J]. Automation of Electric Power Systems, 2021, 45(16): 14-28.
[22] 湖北省能源局. 湖北省电力现货市场结算实施细则(V3.0)(鄂能源调度〔2024〕72号)[Z]. 2024-1221.
Abstract The current spot market mechanisms have yet to incorporate the heterogeneity and flexibility of distributed energy resources (DER), and remain take centralized generation units and deterministic loads as the design paradigm, while the generation mechanism of quantity-price curve continues to follow the traditional bidding structure of conventional generating units, standardized participation mechanisms and bidding structures accommodating all types of virtual power plant have yet to be established. In scenarios with large-scale VPP engagement in spot markets, this mechanism causes exponential proliferation in both the dimensionality of nonlinear constraints and the scale of decision variables within market clearing models. This significantly increases computational complexity during the solution process, severely impeding widespread VPP integration and scaled development. Moreover, under prevailing spot market mechanisms, accurate electricity price forecasting constitutes a critical basis for VPPs to execute price arbitrage. When substantial prediction errors occur, VPPs incur heightened market operational risks while their provided flexibility deviates from system regulation requirements.
To address the aforementioned challenges，this paper focused on the adaptation challenges of VPPs participating in the electricity spot market mechanisms, and proposed an improved spot market mechanism that considers parameter equivalent mapping and linear clearing optimization. Firstly, based on the static decomposition method, a dynamic adjustment model of regulation reference curve that considers both price signal driving and environmental disturbance feedback was constructed, to overcome the limitations of static baseline decomposition in reflecting users’ true response willingness. Secondly, considering that the current monotonic stepwise bidding mechanism is difficult to reflect the complex internal structure of VPPs, a multi-layer mapping mechanism integrating “resource aggregation–equivalent mapping–market interaction” was developed, on the basis，a parameterized representation method of “virtual energy storage” was proposed, which embedded resource configurations and operational dynamics into unified linear clearing constraints. Furthermore, an equivalent mapping model of multi-type DER response characteristics was constructed from the three dimensions of capacity, power, and efficiency constraints. Then, a bidding structure was further designed that integrates the marginal cost function of charging/discharging mileage and the final state-of-charge (SOC) value function, aiming to mitigate value distortion problems caused by conventional marginal cost-based bidding structure. Finally, an empirical analysis based on trial operation data from the Hubei Province electricity spot market was conducted, demonstrating the proposed mechanism’s effectiveness in improving both the response execution rate and economic returns of VPP.
The following conclusions can be drawn from the analysis of the two-week trial operation results of VPP in Hubei Province: (1) During the bidding stage, the VPP operator has gradually established a relatively stable bidding strategy by adopting the spot market improvement mechanism proposed in this paper. (2) During the clearing stage, virtual power plants have their regulating capacity cleared every day, with the nodal clearing price ranging from 0 to 497 RMB/(MW·h). Except for Days 4 and 11, the spot prices during the midday period remained relatively low. (3) During the execution stage, the average daily execution deviation rate of VPP operators was 7.5%, and the maximum execution deviation rate did not exceed 15%.
Keywords：Virtual power plant, spot market, regulation reference curve, bidding structure, empirical response analysis
DOI: 10.19595/j.cnki.1000-6753.tces.251263
中图分类号：TM732
国网湖北省电力有限公司科技项目“基于省域电网的灵活性评估的虚拟电厂资源优化配置技术”资助（521505240005）。
收稿日期 2025-07-18
改稿日期 2025-08-06
汪红波 女，1974年生，硕士，高级工程师，研究方向为虚拟电厂运行与电力市场机制设计。E-mail：283550038@qq.com
高洪超 男，1990年生，博士，助理研究员，研究方向为虚拟电厂规划与运行优化。E-mail：hcgaoth@tsinghua.edu.cn（通信作者）
（编辑 郭丽军）