超越单日规划：揭示综合能源系统中多日极端事件下短视调度的隐藏韧性损失

《Energy》：Beyond Single-Day Planning: Revealing Hidden Resilience Losses of Myopic Dispatch under Multi-Day Extreme Events in Integrated Energy Systems

　　•单日分析低估了储能的跨日贪婪放电风险。
•多日协调可消除单日规划遗漏的至多100%的切负荷。
•一个经验能量比指标主导多日协调价值。
•一个二维λ流匹配框架生成多日极端场景。

引言

在碳达峰和碳中和目标下，综合能源系统（IES）通过多能互补和储能协调电、热、气、冷，正日益成为整合可变可再生能源和提高终端用能效率的核心载体[1]。然而，风电和光伏出力的强间歇性，加上多能负荷的季节性波动，使IES面临严峻的源荷不确定性[2]。确定性调度针对单一预测进行优化，因此无法捕捉不确定性带来的成本暴露和运行风险。场景生成通过刻画源荷不确定性的联合分布并为调度决策提供批量场景输入，成为IES不确定性量化的核心技术[3]，[4]。

深度生成方法在IES场景生成领域进展迅速。生成对抗网络（GAN）[5]和去噪扩散概率模型（DDPM）[6]，[7]先后被应用于多能场景建模。MS-CGDM [8]采用非对称尾部加权损失刻画极端源荷场景。Zhao等人[9]提出了一种联合源荷条件扩散模型，平衡多样性与可控性。Wang等人[10]将增强扩散模型应用于低碳IES调度。我们之前的工作将条件扩散模型嵌入分布鲁棒优化框架[11]，并将其扩展到多能场景建模[12]。在极端事件建模中，将极值理论（EVT）与深度生成模型相结合已成为一个活跃方向。ExDiffusion [13]通过分类器引导生成多级极端负荷场景。FIDE [14]在频域中放大极端分量。Stamatelopoulos和Sapsis [15]从理论上分析了扩散模型捕捉极端事件的能力。Pandey等人[16]提出了重尾扩散模型。流匹配（FM）[17]，[18]通过直线常微分方程路径将DDPM的采样步数从约500步减少到50步，在保持生成质量的同时实现了一个数量级的加速。

然而，所有这些方法都遵循单日快照范式：每天的场景独立地从与相邻日无关的分布中抽取，且这些方法无法控制边缘极端性随时间的演变。与EVT相关的工作同样关注单日极值的统计特性。这些研究均未涉及多日连续极端场景的时间分布控制问题。

这种范式与极端事件的实际发生方式根本不符。在气候变化背景下，极端事件以连续多日的过程形式出现。2021年2月，冬季风暴乌里（Uri）导致得克萨斯州连续数日供暖需求激增和风机冻结，引发全州停电[19]。在2022年欧洲热浪期间，制冷负荷连续数日超过历史峰值[20]。可再生出力也呈现类似特征。Raynaud等人[21]刻画了欧洲风-光能源匮乏的持续时间和频率分布。Kittel和Schill [22]量化了Dunkelflaute事件，即持续的低风-光出力。Van der Most等人[23]揭示了欧洲电力系统中多日能源匮乏的时间复合效应。Otero等人[24]和Allen等人[25]为能源匮乏开发了联合建模和标准化监测指标。这些研究得出一个共同结论：极端事件的威胁不在于单日峰值，而在于连续数日的持续冲击。

Dunkelflaute文献将这种持续性转化为系统层面的需求。多日匮乏驱动了长时储能[26]，[27]的运行和投资论证，且储能配置对气象年的选择高度敏感[28]；多日匮乏也可直接从电力系统模型输出中识别[29]。Kittel等人[30]分析了超过35个欧洲气象年，表明极端风-光匮乏可持续数周甚至数月。然而，这些Dunkelflaute研究聚焦于电力系统层面的风-光匮乏。

表1从八个能力维度将本研究与近期文献的代表性脉络进行了比较。不确定条件下的鲁棒能源集线器管理[31]对多能转换和热-电可行运行区域进行建模，但仅优化单个24小时时段，没有跨日储能协调；具有电网级电池的局部能源社区韧性评估[32]量化了单一电网故障下的未供能量，没有多能耦合或多日轨迹。场景生成和能源匮乏文献占据了同一空间互补的角落。

总之，仍存在三个研究空白。

（1）多日极端事件对IES调度决策的影响从未被量化。现有调度研究独立优化每一天，仅将跨日储能转移视为物理约束。单日规划是否系统性地劣于多日协调调度，仍是一个未解答的经验问题。

（2）没有定量规则解释单日规划与多日协调调度之间的协调价值：哪个系统级量主导其大小，何时大、何时消失，其边界条件是什么，均属未知。

（3）针对多变量、多日极端事件的参数化方法缺乏。现有λ控制仅限于单日标量强度调整，无法区分不同事件类型（寒潮、热浪、供应冲击）的需求，每种事件需要将不同变量推向极端。极端场景验证也缺乏独立于训练数据的真值，标准测试集无法保证真正的极端日，因此极端生成质量无法客观评估。

针对这些空白，本文做出三项核心贡献。

（1）贪婪放电机制：单日规划的系统性盲区。在真实极端窗口上的多日调度实验揭示了一个清晰模式。短视调度独立最小化每日成本，因此在前段大量放电，系统性耗尽储能。当电网受到极端天气约束时，这种行为导致后段切负荷。单日分析无法发现这种风险。我们引入协调调度作为量化这一盲区的反事实基线：它在整个窗口上求解一个单一的N×24小时全局线性规划，当规划期与事件持续时间匹配时给出性能上限。滚动两日前瞻可恢复协调价值的77%–100%，表明该盲区在实践中可通过有限的前瞻信息修复。我们不认为“全知优于贪婪”这一平凡论断本身是贡献。相反，我们在真实多日极端场景中量化其大小，确定其成立条件，并展示如何用有限信息逼近它。

（2）协调价值的经验能量比指标。协调价值不是窗口的内在属性。其大小由储能能量与多日能量缺口的比值r主导。Δshed随r增大，当r<0.2时极小，在r～O(1)区间上升，一旦储能可桥接缺口则趋近完全消除。在所有七个窗口中，消除的切负荷低于的82%，因此报告为经验包络。电网容量扫描进一步表明，没有单一系统配置能使所有窗口同时显著。该指标将多日协调从一组案例观察转化为可检验的设计准则，而为单日规划设计的储能实际配置恰好落入r～O(1)风险区。

（3）λ2-Flow：用于多日极端事件的场景生成框架。多日极端场景是上述分析的前提，因此我们开发了λ2-Flow，一个二维流匹配框架，将变量级λ方向与λ(t)时间剖面相结合。事件类型通过变量方向签名定义，指定推向极端的变量。λ(t)剖面定义边缘极端性的时间演变。单个增强训练模型可覆盖三种多日极端事件类型，无需为每种事件类型重新训练。生成质量在分布水平和事件水平上均得到验证。事件级验证使用2020年沈阳七类真实气象异常事件作为独立于训练数据的真值。它为极端生成质量提供了客观基准。

本文其余部分组织如下。第2节建立IES模型和λ2-Flow生成框架。第3节介绍二维λ极端控制和条件增强训练。第4节给出实验设置。第5节报告结果与分析。第6节总结全文。

章节片段

系统建模与λ2-Flow生成框架

本章建立本文的物理和数学基础。第2.1节介绍沈阳133节点IES的系统建模和多日调度优化模型。第2.2节描述λ2-Flow生成框架。第2.3节定义46维条件向量，它是第2节中二维λ控制的对象。

λ2-Flow的二维λ极端控制与条件增强训练

本章提出并形式化λ2-Flow的方法论核心：变量级λ方向（什么）×λ(t)时间剖面（何时）的二维极端控制。第3.1节给出二维框架的形式定义。3.2节变量级λ方向控制（什么）和3.3节λ(t)时间剖面（何时）分别报告两个维度的实现细节。第3.4节描述条件增强训练策略，使模型适应

数据与极端窗口选择

源荷数据来自2023年沈阳某133节点工业园区IES全年8760小时实测，涵盖六个变量：风电、光伏、电负荷、气负荷、热负荷和冷负荷。气象数据来自NASA POWER逐小时数据库。数据集按月分层为训练集（317天）、验证集（36天）和测试集（12天）。

四个寒潮窗口（CW1–CW4）、一个供应冲击窗口（SS1）和两个热浪窗口

结果与分析

本节按贡献组织结果。第5.1节验证场景生成方法。第5.2节报告多日协调调度实验的直接证据，包括主要结果、剖面鲁棒性、单日分析反事实、中间策略、随机评估和预测误差下的样本外测试。第5.3节通过能量比指标解释协调价值的大小。

结论

本文解决了多日极端事件下IES极端韧性评估中的三个空白。它量化了多日极端事件对调度决策的影响，并开发了λ2-Flow生成框架。关键发现如下。

对七个真实极端窗口的调度比较表明，单日规划系统性耗尽储能，导致后段切负荷，而单日分析对此风险视而不见。单日分析隐含

CRediT作者贡献声明

李耀辉：写作—审阅与编辑、写作—初稿、可视化、验证、软件。于春伟：项目管理、资金获取。华栋：资金获取、数据管理。廖梦珂：验证、资金获取、概念化。卢浩：监督、项目管理

利益冲突声明

? 作者声明，他们不存在已知的竞争经济利益或个人关系，可能影响本文所报告的工作。

致谢

本研究由新疆维吾尔自治区科技计划项目（批准号：2025B04049）和新疆科技创新团队天山人才培训计划（批准号：2023TSYCTD0009）资助。

李耀辉 | 卢浩 | 廖梦珂 | 华栋 | 于春伟