三种环境下光伏–电池调度中的预测校准与充电反馈

《Energies》：Forecast Calibration and Charging Feedback in PV–Battery Scheduling Across Three Environments

　　

预测校准会改变电池调度方案，但其经济效果取决于计划动作如何被执行。研究人员将光伏（photovoltaic, PV）和负荷预测的两种残差校准与一种仅充电反馈规则交叉，应用于执行间隔为5分钟或15分钟的小时级滚动时域调度。环境A由建模的PERFORM光伏出力与按比例缩放的ERCOT Coast需求组合而成；环境B和C为来自CoSSMic项目的计量住户。三种环境、三种预测处理、三种反馈强度与三种电价情景共构成81种配置，其中18种重复了未校准单元，因为验证过程为B和C选择了零加权均值增益。中位数校准使A的第一阶段净负荷平均绝对误差（mean absolute error, MAE）降低8.47%，却提高了其成本；而在B和C中，该校准则使误差分别增加0.695%和0.629%。在参考电价下，A中的校准-反馈交互项为?3622.9货币单位（currency units, CU）（?0.251%），此时更准确的预测反而成本更高；B和C中的交互项分别为CU ?0.279（?0.088%）和CU ?0.371（?0.117%），此时反馈减弱了较差校正带来的成本。相同的充电请求可能产生不同的动作，因为荷电状态（state of charge, SOC）历史不同。在C中将储能容量加倍会使交互项反转为CU +0.370（+0.124%）；A在平电价下的交互项为CU +338（+0.021%），其区间包含零。研究结果以假设电价、重构负荷和受限反馈规则为条件。

论文解读：预测校准与充电反馈对光伏–电池调度成本的影响

研究背景与问题：光伏（photovoltaic, PV）预测用于决定电池何时保持、吸收或释放能量，但预测只有通过实际执行的动作才能影响电费账单。已有研究显示，预测精度提升并不必然带来运行成本下降，例如在微电网和光伏–电池市场参与中，技能与经济价值可能背离。现有工作大多在固定执行规则下改变预测质量，或单独比较闭环模型预测控制（model predictive control, MPC）与日前调度，较少在相同条件下系统检验“校准”与“执行反馈”之间的交互。因此，本文提出一个更窄的问题：当预测信息与执行权限同时改变时，运行成本会发生什么变化；并特别关注一种受限的“仅充电反馈”规则如何改变校准的边际成本效应。

研究内容与结论：研究人员将两种残差校准（中位数校准和指数加权均值校准）与一种仅充电反馈规则交叉，在小时级滚动时域调度中比较计划执行与全反馈执行。研究共设置三种环境：A为PERFORM光伏出力与按比例缩放的ERCOT Coast需求组合的模型环境；B和C为来自德国康斯坦茨CoSSMic项目的两户计量住户（数据取自Open Power System Data住户数据包2020-04-15版）。三种环境、三种预测处理、三种反馈强度和三种电价情景共构成81种主配置，另有注册变体和诊断运行。结果显示：中位数校准使A的第一阶段净负荷MAE降低8.467%，但成本上升；在B和C中，校准反而使MAE分别增加0.695%和0.629%，且两种环境下验证均选择了零加权均值增益。在参考电价S0下，三个环境的中位数校准-反馈交互项均为负，但其含义不同：A中反馈消除了校准带来的大部分成本增加；B和C中反馈削弱了较差校正带来的成本损害。

关键方法：研究采用小时级线性规划，以12小时为计划时域，并以5分钟（A）或15分钟（B、C）原生间隔执行。反馈规则仅在计划不放电时，用延迟观测的PV盈余替换计划充电请求，反馈强度α取0、1/2、1三个水平。物理限幅统一处理功率、能量与SOC边界。成本以通用货币单位（CU）计，电价情景包括参考电价S0、禁止出口S1和提高峰值电价S2。统计上采用配对日差异和7天分块重抽样的条件95%区间。

研究结果：在“数据集与预测特征”部分，测试天数分别为A 275天、B 368天、C 213天；验证选择A的中位数窗口为30天、B和C为60天。中位数校准使A的MAE降低8.467%，但B和C的MAE分别上升0.695%和0.629%。在“因子交互”部分，中位数校准在三个环境的所有情景下均提高端点成本；S0下交互项A为CU ?3622.864（?0.2514%），B为CU ?0.27936（?0.0876%），C为CU ?0.37137（?0.1169%）。S2增大负交互幅度，S1减小幅度，且B的S1区间包含零。在“跨数据集证据”部分，家庭数据并非成功预测改进的重复；三者的共同点是请求规则减弱了校准的成本效应，无论该校准改善还是恶化精度。在“计划到执行机制”部分，A中请求替代移除了约一半的计划动作差异，B和C中移除不足四分之一；相同充电请求在共享无放电时段仍产生不同动作，原因在于SOC历史不同导致的充电余量差异。成本差异集中在计划放电门不同的时段。C储能加倍使交互项反转为CU +0.37041（+0.1242%），A平电价交互项为CU +338.080（+0.0210%）且区间包含零。在“可迁移性与敏感性”部分，将A的残差窗口和终端价值设置迁移至B会反转交互项点估计，但其区间包含零；观测未来信息参考在家庭环境中仍显示信息价值；42个条件区间中26个完全低于零、6个完全高于零、10个包含零，表明交互项对储能规模、价格结构、动作选择与剩余能量计量方式敏感。

讨论与结论：讨论指出，预测精度提高后成本上升已有先例；本文的贡献在于将两种残差校准与仅充电反馈规则在共同运行条件下受控交叉，揭示联合成本效应在何处持续、何处改变方向。反馈主要在计划均不放电时把不同充电指令替换为相同请求，但该取消止步于请求阶段，因为早期决策留下的SOC余量不同，且预测变化可改变放电时机。经济效果取决于剩余动作的时序，而非仅取决于预测精度或动作传递率。反馈在主要情景中主要降低校准引入的额外成本，但能否替代有经济价值的预测服务仍无定论。结论部分翻译为：在一个模型生成基准和两个计量来源住户中，将预测校准与仅充电反馈规则交叉表明，反馈会改变校准的成本效应。九个主要端点交互项（三个环境×三种电价情景）均为负，但它们并不描述同一现象。在A中，中位数校准使MAE降低8.467%并提高成本，反馈消除了该增加的大部分（S0交互项CU ?3622.864，?0.251%）。在B和C中，中位数校准恶化精度，加权均值因验证选择零增益而未应用，反馈在测试窗口内将不良校正的成本削弱CU 0.279和0.371（?0.088%和?0.117%）。阶段记录追踪了即时请求替换和累积SOC施加的约束：相同请求可导致不同动作，从共同状态重新规划会改变对比，但该诊断不识别因果中介。C中储能加倍使交互项反转为CU +0.370（+0.124%），A中平电价得到CU +338（+0.021%）且区间包含零。在这些情形中，交易时序与成本分量间的抵消，而非预测精度或动作传递率单独决定了结果。研究结果适用于所测试的受限反馈架构和示例性电价，其部署相关性需要更丰富的独立测量和针对具体运行服务的验证。