面向智能电网生产模拟的质量感知与可行性保留的机组聚合方法

《Energies》：Quality-Aware Feasibility-Preserving Unit Aggregation for Smart-Grid Production Simulation

　　

高比例可再生能源接入、分布式能源资源(DER)以及快速波动的电力负荷，正将智能电网规划从能量平衡模拟转向质量感知的运行评估。全机组基准模型(FULL)能够保留机组组合、爬坡记忆和备用可行性，但在重复的年度研究中计算成本高昂；而传统的等效聚合(EQ)则会夸大异构机组的可实现灵活性。本研究提出了质量感知灵活性包络聚合(QFEA)方法，该方法根据继承的边界状态对机组进行分离，通过跟踪可再生能源的灵活性对机组进行排序，构建保守的聚类包络，并将降维优化与可行解聚合及状态回写相耦合。该模型协调了可再生能源弃电、备用充足性、联络线爬坡和归一化的质量应力代理指标，但不旨在替代详细的潮流、谐波或电磁研究。在标称单区域案例中，QFEA使组合对象数量减少了46.2%，计算时间减少了63.7%，同时将总成本偏差限制在1.1%，可再生能源弃电偏差限制在0.2个百分点。在20个匹配的24小时应力场景中，其平均质量应力指数为2.56%，而FULL为2.58%，EQ为6.57%。一项单独的13至104台机组的简化扩展测试将逆映射闭合误差保持在5.2 × 10^?9 MWh以下，解聚合时间占端到端测量时间的比例低于1.3%。研究结果表明，当年度计算效率和可实现的机组轨迹同时被要求时，QFEA是一种用于可再生能源整合筛选的可追溯中间模型。

随着风能和光伏发电的高比例接入、分布式能源资源以及快速变化电力负荷的不断增加，长期的智能电网规划正逐渐转化为一个序贯的灵活性管理问题。在年度生产模拟中，必须协调机组组合、储能、可再生能源弃电、区域间传输以及边界状态。通常采用的全机组基准模型(FULL)能够保留每个物理机组的组合和爬坡记忆，提供最直接的可行性参考。然而，随着机组、区域和可再生能源场景数量的增加，其二元维度使得重复的年度筛选越来越昂贵。传统的等效聚合(EQ)通过根据类型或静态技术特性合并机组来减轻计算负担，但这种忽略状态的压缩会将具有不兼容启停历史的机组合并，并夸大用于可再生能源跟踪的快速响应能力。一个实用的降维模型必须在不丢失使集群调度物理上可实现的运行包络的情况下加速模拟。此外，现有的研究通常将状态条件聚类、可行逆映射和面向质量的筛选作为单独的阶段实施，导致了三个实际的差距：聚合对象在混合在线和离线机组时可能会扩大可行域；集群调度无法映射回符合约束的物理机组轨迹；且仅关注成本和计算时间无法揭示聚合是否歪曲了可再生能源弃电和备用余量。为了解决这些差距，研究人员开展了质量感知灵活性包络聚合(QFEA)研究，并发表于《Energies》期刊。研究得出结论，QFEA保留了FULL的主要结论，消除了EQ引入的质量失真，在加速年度场景筛选的同时保留了与物理机组调度的可追溯联系。这对于在年度规划研究中需要考虑投资、运行或电气分析的可实施轨迹具有重要意义。

在技术方法方面，研究人员构建了一个闭合的聚合-优化-解聚合框架。首先，根据继承的运行状态（边界态）对机组进行分层，并利用基于最小技术出力、启动成本和爬坡能力的综合灵活性指数对机组排序。然后，按照受状态依赖的粒度限制将机组划分为小集群，并采用保守策略构建集群参数，确保参数不超出现有机组的物理极限。接着，在降维的混合整数规划(MILP)中进行优化求解。最后，通过可行承诺子集选择和两阶段出力分配实现解聚合，并执行状态回写以确保跨月计算的连续性。

在研究结果部分：
单区域可再生能源整合结果：通过在13台可调度机组的基准系统中应用QFEA，发现其将组合对象从13个减少到7个，总时间减少63.7%。在标称情况下，QFEA的总成本误差为1.13%，远低于EQ的4.52%；可再生能源弃电率仅增加0.2个百分点，消除了90.5%的EQ弃电误差。在20个匹配的24小时场景中，QFEA的平均质量应力指数为2.56%，与FULL的2.58%非常接近，而EQ高达6.57%。这表明状态分层和物理投影保留了降维轨迹的运行意义。

多区域智能电网协调结果：在包含39台物理机组的三区域系统中，QFEA将总成本保持在FULL的1.11%以内，并消除了83.3%的EQ联络线爬坡失真。在20个场景中，QFEA的可再生能源容纳损失代理指标和质量应力指数紧随FULL，而EQ由于歪曲的区域灵活性需要第四次外迭代并增加了联络线爬坡越限。这说明状态感知聚合在联络线协调后依然有效。

权重敏感性和聚合粒度：通过改变归一化灵活性指数的权重，发现局部扰动不会改变聚类决策或打破逆映射闭合。在粒度实验中，标准QFEA在实现46.15%二元降维的同时保持了100%的目标点闭合，其最大集群规模限制为两个成员，从而在结构风险和计算效率之间取得了稳健的折中。

质量应力指数的物理验证和异构性限制：通过20个确定性场景验证，质量应力指数与独立的95百分位净负荷爬坡存在强正相关（Pearson r = 0.956），证实了该指数随外部轨迹跟踪难度上升的单调筛选价值。此外，研究指出集群内异构性是QFEA的主要限制，当机组属性差异强烈时精度会下降。通过设定归一化跨度阈值和自适应分裂规则可以缓解但无法消除此风险。

计算负担和可扩展性：在13至104台机组的简化24小时扩展测试中，集群数量从7个增加到47个，承诺二元数减少幅度保持在46.15%至54.81%之间。端到端时间从133.32毫秒增加至2621.22毫秒，其中解聚合时间占比始终低于1.3%，且逆映射闭合误差保持在5.2 × 10^?9 MWh以下。

在讨论与结论部分，研究人员总结道，QFEA最适合用于涉及可再生能源、储能部署和输电等多种方案重复筛选的规划研究。它作为一个可计算的调度层，介于粗略容量筛选和详细运行认证之间。当集群内呈现高度异构性、拆卸拒绝率高或质量应力持续增加时，应触发更精细的聚类或退回FULL模型。研究最终得出结论，QFEA作为一种可追溯的年度筛选层，在大幅缩减计算时间的同时，保留了可实施机组轨迹的关键约束，为可再生能源整合提供了一种平衡效率与可行性的有效工具。