综述:虚拟电厂中的预测到调度:优化方法、电动汽车/V2G集成以及需求响应协调——战略综述
《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》:Forecasting-to-scheduling in virtual power plants: Optimization methods, EV/V2G integration, and demand-response orchestration — A strategic review
【字体:
大
中
小
】
时间:2026年06月28日
来源:RENEWABLE & SUSTAINABLE ENERGY REVIEWS 18.0
编辑推荐:
Sheeraz Iqbal|Md Shafiullah沙特阿拉伯达兰,法赫德国王石油与矿业大学可持续能源系统跨学科研究创新中心,邮编31261摘要可变可再生能源发电以及电气化终端用能的快速发展正在重塑电力系统运行模式,并增加配电层级能源组合的不确定性。虚拟电厂通过协调分布式能源资
Sheeraz Iqbal|Md Shafiullah沙特阿拉伯达兰,法赫德国王石油与矿业大学可持续能源系统跨学科研究创新中心,邮编31261摘要可变可再生能源发电以及电气化终端用能的快速发展正在重塑电力系统运行模式,并增加配电层级能源组合的不确定性。虚拟电厂通过协调分布式能源资源、储能系统、电动汽车以及灵活负荷,提供面向市场的能源服务及辅助服务,以此应对这些挑战。本综述重点探讨用于预测虚拟电厂性能、进行优化、整合电动汽车以及协调需求响应的方法,并将这些方法与服务需求及可衡量指标(如准确性、响应速度、可行性、稳健性及收益)相关联。首先,我们总结了用于虚拟电厂决策支持的预测方法,包括运用现代深度学习及混合模型(如N-HiTS、CNN–BiLSTM、KAN)以及概率性、风险感知型预测方法来进行负荷、可再生能源发电量及电价预测。同时,我们特别关注不确定性表达方式(如混合密度模型及递归概率模型),以及数据可用性、计算资源限制和实时响应速度之间的实际权衡问题。接着,我们回顾了从确定性调度到随机性及稳健性调度框架、滚动时域控制/模型预测控制,以及两阶段日前计划与实时协调等优化与调度方法。针对大规模、异构能源组合的调度问题,我们还探讨了分解法及对偶/拉格朗日方法在提升系统可扩展性方面的应用。随后,我们研究了需求响应与灵活性市场参与机制,包括计划制定、基准设定及结算流程,并建立了算法类别与服务类型之间的对应关系,这些服务类型包括能源供应、备用容量、快速频率响应能力以及电压/无功支持服务。在电动汽车整合方面,我们通过V2G/G2V协同机制、考虑移动性的车辆群建模、充电网络约束条件以及基于设备老化程度的调度策略,将电动汽车视为提升系统灵活性的重要手段。最后,我们阐述了部署这些方法所需的网络架构,包括物联网/边缘计算与云平台之间的数据传输流程、流式分析技术、标准化遥测数据及API接口,以及网络安全措施。同时,我们还提出了基准测试指南及比较选择矩阵。最后,我们指出了未来值得研究的方向,包括数字孪生技术、考虑设备老化程度的价值评估方法、多智能体协同机制,以及适用于新兴灵活性交易的可信赖结算体系。
引言随着电力需求的不断增加、环境要求日益严格,以及现代配电网络运营复杂性的提升,微电网作为一种可靠的本地能源解决方案再次受到关注[1]。与此同时,电力电子技术、传感器技术及控制技术的进步为降低碳排放提供了有力支持,这推动了分布式能源资源在配电系统中的广泛应用。过去十年间,由于可再生能源能够以模块化方式部署且具备较高的灵活性,它们已成为传统能源供应的重要替代方案[2,3]。然而,高比例的可再生能源接入也给电网运行带来了诸多挑战,主要源于其间歇性特征以及预测精度不足的问题[3]。虚拟电厂应运而生,通过整合分布在不同地理位置的风力发电机、光伏发电系统、微型涡轮机、储能系统以及可中断/灵活负荷等资源,虚拟电厂能够协调这些资源,使其整体表现更为稳定,从而优于单独使用任何单一设备的情况[4]。这种资源整合有助于提升系统的可靠性与运行效率,减少停电次数、加快故障恢复速度,促进分布式发电的更好整合,缓解电网拥堵状况,并有效降低高峰负荷压力[5]。随着分布式能源资源在电网中的占比不断上升,研究人员开始探讨在不同技术条件和市场环境下,虚拟电厂应如何构建及运作。其中,常见的挑战包括控制与运行协调问题、电能交易管理问题,以及实现实时监控与调度所需的通信基础设施问题。例如,有研究提出了一种完全分散式的控制方式,使得多个分布式发电单元能够更顺畅地组成虚拟电厂[6][NO_PRINTED_FORM]。此外,还有研究着眼于储能系统在虚拟电厂中的作用,旨在通过充分利用现有的储能设备来提升系统的实际供电能力[7]。同时,研究者们也对通信需求进行了探讨,尤其是双向数据交换及协议选择问题,并将虚拟电厂的控制问题视为核心议题,同时分析了多种不同的控制策略[8,9]。为应对可再生能源的随机性特征,有研究利用蒙特卡洛方法评估光伏发电和风力发电的不确定性对其影响的程度,并分析了相应的控制策略在虚拟电厂中的应用[10]。除了并网运行模式外,还有研究探讨了虚拟电厂在孤岛模式或断网状态下的运行表现,重点分析了可能限制其规模化发展的通信及运行障碍[11]。大量文献还将虚拟电厂的研究置于规划与优化的视角之下,这类研究往往以市场参与和环境目标为导向。其中,优化、发电规划以及虚拟电厂分类是三个主要研究主题,优化通常旨在降低碳排放量及规划成本,而发电规划则侧重于确保负荷与发电量之间的平衡以及满足各种运行约束条件[12]。为应对能源供需失衡问题,有研究提出了一种协调机制,使虚拟电厂能够与光伏发电、蓄电池储能等可用资源相互配合,从而弥补计划发电量与实际发电量之间的差距[13]。在工业领域,研究者们特别关注如何通过协调工业场景下的响应型负荷及电动汽车,提升系统的盈利能力和运行稳定性;在此类应用中,短期调度目标是在充分考虑分布式能源资源、传统发电单元、需求响应机制以及电动汽车灵活性因素的前提下实现利润最大化。更广泛地说,不确定性处理依然是虚拟电厂调度过程中的核心问题,因为它会显著影响最优调度方案及市场表现[5,14]。从市场角度而言,虚拟电厂的核心价值在于它能够让多个能源节点及分布式能源资源所有者通过一个统一的协调接口参与到电力市场中去[15]。在这一角色中,虚拟电厂负责为各类能源资源分配发电任务,通过激励或惩罚机制鼓励各方积极参与,甚至能够帮助小型分布式能源资源降低进入市场的门槛。不过,许多研究指出,目前的商业模式仍难以确保所有参与者都能获得“双赢”结果[16]。因此,有研究探讨了与虚拟电厂设计相关的市场结构、服务定义以及未来可能的机制。此外,以减碳为目标的发展规划在农村地区及高度分散型的能源系统中也越来越受到重视。例如,有一种规划框架将农村社区中的屋顶光伏发电及分布式风电资源整合起来,用以抵消燃气发电所带来的碳排放,同时通过共同优化收益与减排目标,提升所有相关方的利益水平[17,18]。还有研究探讨了在不确定性较大的市场环境中进行长期投资规划的问题,分析了在不同价格预期下的不同虚拟电厂结构及资源组合方案。类似地,还有研究采用了基于风险的建模方法,通过风险指数来反映电力价格和天然气价格中的不确定性,进而评估了包含碳吸收装置及响应型负荷机制的虚拟电厂模型效果[19](见图1)。在网络约束条件下实现系统扩展及提升市场参与度也是研究中反复出现的主题之一。大规模虚拟电厂的概念使得分散在广阔地理区域内的发电、储能及负荷资源能够得到统一协调,这些资源可能拥有多个连接点且所有权结构各异,但依然可以在统一的虚拟电厂控制器下实现协同运行[20]。参考文献[21]中提出了一种基于价格的机组承诺模型,用于指导虚拟电厂参与电力市场,该模型综合考虑了平衡约束、分布式能源资源单元的技术限制、安全保障要求以及网络约束条件;值得注意的是,根据与主电网之间的电能交换方向,虚拟电厂既可以作为净发电方,也可以作为净用电方[22]。最后,还有研究将虚拟电厂视为由多个分布式发电单元组成的集合体,通过分布式控制手段对这些单元的输出进行统一调控,从而使整个系统能够朝着最优运行状态发展[23]。总体而言,上述研究成果为本文的聚焦点提供了理论依据:精确的预测能力、能够考虑不确定性的优化算法、具备可扩展性的协调机制,以及完善的网络架构并非可有可无的附加元素,而是决定虚拟电厂能否真正提供可靠服务并创造市场价值的根本因素[24]。如图2所示,即为虚拟电厂的概念示意图。本综述从方法与性能的角度对虚拟电厂进行了系统分析,重点探讨了那些能够使分布式能源资源、储能系统、电动汽车及灵活负荷资源作为一个整体,以符合市场需求的模式进行调度的分析方法与控制技术[25,26]。本文并未将虚拟电厂视为一种抽象的架构概念,而是聚焦于其实际运行流程,包括预测、不确定性量化、优化/调度以及实时协调等环节,这些环节共同决定了虚拟电厂在日前计划、日内计划及实时调度阶段的可靠性、可行性及经济价值。至于总体政策框架及虚拟化电网基础设施等问题,仅在其直接影响方法应用时才会被提及,否则则认为与基于方法的本研究主题无关[27,28]。本综述主要有三个目标。首先,它汇总了目前最先进的负荷及可再生能源发电量的预测与概率预测方法,同时分析了与运营决策相关的校准问题、尾部风险、数据需求以及响应速度限制等问题。其次,本文梳理了各类优化与调度模型,包括确定性模型、随机性模型、稳健性模型以及滚动时域控制/模型预测控制模型,还分析了通过分解法实现系统可扩展性的方法,以及预测结果与调度指令之间的有效关联机制。第三,本文探讨了虚拟电厂如何组织需求响应计划及灵活性市场,如何通过考虑车辆移动性及设备老化程度的模型来整合电动汽车集群,进而将系统的灵活性转化为能源供应、备用容量、快速响应能力以及本地电压/无功支持等实际服务产品。通过以上几个方面,本综述提出了针对服务需求及部署限制的方法解决方案,比如遥测技术、边缘计算与云平台结合的控制方案以及网络安全措施,最后还提出了基于基准测试的研究规划,旨在提升系统的运行韧性,推动可再生能源的更快整合,实现更具可扩展性且能够有效应对不确定性的虚拟电厂控制方案。当前,能源系统正面临着从集中式、化石燃料驱动的发电方式向分布式、可再生能源主导的发电方式快速转型的趋势,这一转型旨在在降低碳排放的同时,确保能源供应的可靠性与经济性。然而,由于太阳能和风能的供应受天气条件影响较大,且通常与需求变化快、储能系统状态不稳定以及电网容量有限等情况同时出现,这一转型也增加了电力系统运行的波动性[29,30]。因此,协调机制需要实时获取高频遥测数据,预测不同层面的不确定性,并几乎在实时情况下对各类设备及电网运行施加约束条件[31,32]。微电网在这种变革中的环境中依然发挥着至关重要的支撑作用,因为它们能够为校园、社区以及偏远地区或易发生停电的区域提供本地化的能源保障与运行独立性;不过,微电网的价值通常仅限于单个区域的范围内[33,34]。尽管可再生能源的普及率正在不断提升,但仍有大量微电网面临着扩大规模及提升市场渗透率的难题。目前,馈线之间以及不同区域之间的协调程度较低,而且这些微电网大多未能充分参与电力市场及辅助服务市场,仅有少数配备完善监测设备的微电网能够参与相关市场活动[35]。正是由于存在这些局限性,人们开始致力于开发虚拟虚拟电厂,这类虚拟电厂能够将更大范围内的各类分布式能源资源整合在一起,从功能实现和市场定位的角度来看,它们可以被视作一种统一的能源资源[20,36]。理想情况下,通过运用遥测技术、预测工具及能源组合优化方法,可以实现发电、储能、电动汽车集群以及灵活负荷的日前计划协同优化,并通过实时调度来实现最优运行状态。但实际上,当前研究中的最大差距并不在于资源整合的概念本身,而在于如何在存在不确定性且对响应速度要求较高的情况下,通过有效的工程方法来实现稳定的服务输出[37,38]。目前文献中尚未得到充分研究的几大空白包括:第一,概率预测与调度之间的端到端集成问题,很多研究仅采用点预测数据进行优化,却未充分考虑预测结果的校准程度对备用容量、约束条件违反情况以及成本失衡现象的影响;第二,大规模能源组合的协调问题,虽然有研究提出了分解法及分布式优化方法,但很少有研究结合实际的通信延迟情况以及具有不同约束条件的能源资源进行实证分析;第三,电动汽车及需求响应模型在现实场景中的适用性问题,这些问题包括受车辆移动性影响的可用性、充电基础设施的局限性等。正是这些未被充分解决的难题,决定了我们需要超越传统的孤立式微电网,朝着具备协同能力、能够积极参与市场的虚拟电厂集群发展,这样的虚拟电厂集群才能进一步提升可再生能源的接纳能力,减少能源浪费,降低对高碳排放的峰值发电资源的依赖,同时依然保持系统的运行可靠性。本综述从方法论的角度探讨了从微电网向虚拟电厂过渡的过程,重点分析了那些能够使分布式能源资源具备可调度性、符合市场需求的灵活运行能力的运行机制。我们并未将虚拟电厂仅仅视为一种架构概念,而是深入分析了从预测、不确定性建模、优化/调度到实时协调等端到端的决策流程是如何影响虚拟电厂整体性能的,其中也包括电动汽车及需求响应机制的协调问题。本文的主要贡献如下(概念性总结见图3)。1.以“方法→服务→性能”为框架的系统性综述。与以往仅孤立地介绍各种技术不同,本文按照直接影响虚拟电厂运行结果的功能维度来组织相关研究内容,这些功能包括负荷/可再生能源/电价预测、不确定性表示方法、从日前计划到实时调度的全周期能源组合管理、电动汽车(V2G/G2V)协同控制,以及需求响应与灵活性市场参与机制。这样的框架有助于明确不同类型的模型分别如何服务于不同的运行目标(如能源出价、备用容量提供或快速响应能力等),同时也揭示了为何某些研究成果难以在实际应用中得到推广——因为这些研究的评估标准与实际服务需求并不一致。2.识别制约系统灵活性扩展的运行瓶颈。我们分析了在从单站点微电网控制向大规模虚拟电厂运行过渡过程中经常出现的各种障碍,包括制度转变带来的预测误差、分布式能源资源约束条件的多样性、观测数据的不完整性,以及响应速度和通信方面的限制问题。我们进一步阐述了虚拟电力厂如何通过分层协调(日前规划、日内调整、实时控制)以及基于预测的调度来解决这些问题,同时指出了在可再生能源占比高、电价波动大以及电网约束严格的条件下,“集成”式方案的局限性。3. 对具有实际应用价值的预测与调度方法的比较评估。我们将确定性模型(线性规划/整数线性规划)与随机/鲁棒优化、模型预测控制/滚动时域策略以及可扩展分解方法进行对比,从可行性保障、计算负担以及闭环运行准备程度等方面对其进行了评估。在预测方面,我们依据校准精度、尾部行为、数据需求以及推理延迟等对统计模型、集成模型、深度学习模型和概率模型进行了比较,从而架起了预测精度与调度可靠性之间的桥梁。4. 通过需求响应和电动汽车整合实现市场参与与价值创造。本文通过分析需求响应目标设定、基准标准/结算机制以及灵活性产品如何与预测和优化相结合,将算法选择与市场成果联系起来。电动汽车被视为一种重要资源,文章着重探讨了其移动性限制、基础设施瓶颈以及考虑电池衰减的调度问题,说明了车网互动/电网反向互动协调如何提升系统灵活性,同时也带来了新的运营和估值挑战。5. 基于基准测试与可扩展部署的研究方向。最后,我们提出了加快从试点项目走向成熟应用的优先事项:建立将预测质量与市场表现及可靠性结果相关联的基准测试体系,利用数字孪生技术评估强化学习/多智能体强化学习以及多智能体协调问题,制定实现互操作控制的标准化遥测方案和接口,构建能够支持大规模实时优化的安全网络数据架构。这些视角共同为构建可靠、融入市场且能够支持大规模可再生能源整合的虚拟电力厂提供了系统的理论依据和实践路径。这些研究成果构成了一个结构化的理论基础和明确的未来发展路线图,将当前的微电网技术与发展前景相连,助力构建可靠、融入市场、低碳的电力系统。图4将全文分为九个主题部分,之后是展望与结论部分。以下为文中各部分的结构安排。1. 引言部分明确了研究范围和目标,阐述了研究动机,指出了现有研究不足,列出了主要贡献,并概述了文章结构。2. 方法论部分介绍了研究设计和方法搜索策略(数据库、关键词),说明了文献来源的时间分布情况,详细阐述了纳入/排除标准,并将相关文献按主题分类;最后通过差距分析确定了本综述要探讨的问题。3. 虚拟电力厂的发展及其在现代电力系统中的作用部分追溯了从微电网到虚拟电力厂的演变过程,分析了这一转变的背后动因,解释了技术型虚拟电力厂与商业型虚拟电力厂的区别,以及虚拟电力厂在现代电力系统中的重要作用。4. 需求响应与预测应用部分评估了需求响应的潜力,总结了用于支持虚拟电力厂组合内承诺履行、资源储备以及实时重新调度等的预测与调度方法。5. 虚拟电力厂的优化与调度框架部分介绍了传统的虚拟电力厂规划与调度方法,阐述了用于虚拟电力厂调度的启发式方法和元启发式技术,包括滚动时域优化、混合精确优化调度、协作/协调框架以及两阶段(日前/实时)优化方法。6. 电动汽车的作用部分分析了车网互动/电网反向互动整合、车辆群灵活性与调度、经济与技术优势,以及大规模应用面临的实际障碍。7. 未来展望部分简要探讨了能源互联网架构,包括物联网遥测、云/边缘计算、预测功能以及用户管理等内容。8. 结论部分将研究结果整合为涵盖技术、市场和政策层面的未来发展路线图,并总结了核心要点。方法论部分:本综述采用系统化、主题化的方法,研究分布式、本地化运营如何发展为整体能源管理系统,重点关注虚拟电力厂在其中的作用,以及决定其运营性能和市场表现的机制。研究围绕虚拟电力厂实施过程中的实际需求展开,包括多时间尺度预测、对不确定性敏感的规划、电动汽车的车网互动/电网反向互动协调、需求响应协调以及灵活性与市场的结合。虚拟电力厂的发展及其在现代电力系统中的作用部分:虚拟电力厂是一种新的协调模式,它借助先进的信息、通信和控制技术,将地理上分散的可控负荷和储能装置整合为一个可调度资源[39]。通过虚拟电力厂,可以统一协调各类能源资产的调度计划,实现基于预测的调度,并以市场为导向对不同类型的能源资源进行管理,而无需让每个资产独立运作[40,41]。预测在虚拟电力厂决策流程中处于首要位置,因为它决定了日前报价、资源储备承诺以及日内重新调度的置信水平,同时还需兼顾整个能源组合和电网的约束条件。在实际运行中,预测任务具有多维度特点:预测机构需要提前掌握净需求、可再生能源出力、市场价格,以及在几分钟到数天不等的不同时间跨度内可用的需求响应能力和电动汽车的灵活性[24,58]。优化与调度框架部分:优化与调度是虚拟电力厂的执行核心,它们将预测结果和灵活性评估值转化为市场报价、调度指令以及实时控制措施。在现有研究中,虚拟电力厂调度方法可根据其对不确定性的处理方式,以及其受电网约束程度(技术层面)或市场驱动程度(商业层面)进行分类[144]。确定性模型通常是线性规划、混合整数规划或非线性规划,这类模型是目前应用最为广泛的方案。电动汽车在虚拟电力厂中的作用部分:在虚拟电力厂中,电动汽车已从被动负载转变为可移动、可控制的储能装置,可作为一个整体集群进行调度。智能充电功能有助于将用电需求转移到非高峰时段,同时吸收多余的太阳能或风能;而车网互动功能则能让电动汽车反向输送电能,用于快速调节频率、降低峰值负荷以及维持局部电压稳定[239,240]。预测机构会根据对车辆到达时间、离开时间、所需能量的预测,来制定涵盖日前计划和实时调度的调度方案。虚拟电力厂的未来前景部分:虚拟电力厂正在推动电力系统向去中心化、数字化的方向发展,成为分布式数字电网的“操作系统”。通过将光伏、风电、固定式储能、柔性负荷以及电动汽车等多种小型能源资源整合为一个整体能源组合,虚拟电力厂能够将能源的不确定性转化为可调度的灵活性,从而为大规模可再生能源提供接入能力[287]。如图18所示,能源互联网架构包括物联网遥测、云/边缘计算、预测功能以及用户管理等功能模块。结论部分:随着高比例可变可再生能源的广泛应用以及万物电气化的趋势,电力系统正逐渐向更加去中心化、以数据为核心且具备高度灵活性的方向发展,而这种灵活性需要通过对海量设备进行预测、调度和验证来实现。在这样的背景下,虚拟电力厂提供了一种可扩展的解决方案,它通过整合各种分布式能源资源、储能装置、柔性负荷、产消者以及电动汽车集群,将微电网级别的能力与系统级的碳减排目标结合起来。作者声明:作者们声明自己不存在任何可能影响本文研究结果的财务利益冲突或个人关系。致谢:我们衷心感谢沙特阿拉伯达兰市的法赫德国王石油矿业大学可持续能源系统跨学科研究中心对本项目的支持与协助,该项目名为“利用机器学习进行短期负荷预测,以提升DEMA虚拟电力厂的需求响应能力”(项目编号:INSE2512)。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号