无需基线数据的灵活性聚合与目标功率跟踪技术,用于工业微电网集群的源负载协调

《Sustainability》:Baseline-Free Flexibility Aggregation and Target Power Tracking for Source–Load Coordination of Industrial Microgrid Clusters

【字体: 大 中 小 】 时间:2026年08月07日 来源:Sustainability 4.1

编辑推荐:

  工业微电网正成为主动配电网需求侧灵活性的重要提供者。然而,其参与源-荷协调受到复杂生产约束、调度可执行性有限以及广泛依赖基于基线的需求响应机制的限制。为解决这些挑战,研究人员提出了一种用于工业微电网集群的无基线源-荷协调框架。采用线性状态-任务网络(LSTN)

  
工业微电网正成为主动配电网需求侧灵活性的重要提供者。然而,其参与源-荷协调受到复杂生产约束、调度可执行性有限以及广泛依赖基于基线的需求响应机制的限制。为解决这些挑战,研究人员提出了一种用于工业微电网集群的无基线源-荷协调框架。采用线性状态-任务网络(LSTN)模型来表征工业生产过程,同时保留设备运行、物料平衡、缓冲存储和生产目标约束。基于单个微电网的可行运行区域,在聚合商层面开发了一种简化的最优可调负荷模型(OALM),以识别和聚合集群级灵活性边界,而不泄露详细生产信息。在聚合灵活性区域基础上,建立了一种无基线目标功率跟踪策略,其中配电网发出绝对功率目标,聚合商协调多个工业微电网以实现这些目标。所提框架同时确保生产可行性、可扩展的灵活性聚合和实际调度执行。案例研究表明,聚合工业负荷能够准确跟踪调度目标,同时满足所有生产约束,从而增强工业微电网集群参与大规模源-荷互动和可再生能源消纳的能力。案例研究结果显示,当工业微电网数量从10个增加到200个时,总计算时间从5.08秒增加到337.40秒,而目标跟踪误差保持在数值容差内。与传统的基于基线的虚拟电池(VB)方法相比(其在±10%基线估计误差下,相对于预期绝对目标的均方根误差(RMSE)达到241.30千瓦),所提方法实现了接近零的跟踪误差。此外,忽略生产的聚合模型将灵活性边界扩大了21.84%,并生成在完整LSTN生产约束下不完全可执行的目标。
**研究背景与问题**
随着碳中和电力系统的转型,可再生能源在配电网中的渗透率持续提升,传统被动配电网正演变为主动配电系统,其特征是发电、网络、负荷和存储资源之间的广泛互动。然而,可再生能源的间歇性和波动性给配电网运行带来了功率波动、电压越限、拥堵和弃能等挑战,促使运营商激活需求侧灵活性。工业微电网作为需求侧资源的重要类型,具有用电量大、运行模式可预测和调节潜力显著等优势,被视为源-荷互动和需求侧灵活性服务的关键参与者。但工业微电网与传统可控负荷存在本质区别,其生产灵活性受物料守恒、工序顺序、设备运行条件、中间库存限制和生产完成要求等约束,简单功率调节范围无法充分表征其可调容量。现有需求响应和灵活性聚合方法通常依赖估计基线或虚拟电池模型,而这些模型未明确保留工业过程的任务执行、物料平衡和库存约束,导致调度决策在生产实践中可能不可行。此外,基线估计误差可能传播至调节量,影响绝对功率跟踪的准确性。因此,急需一种同时保留生产可执行性、支持集群级灵活性聚合和绝对目标跟踪的协调框架。

**研究内容与结论**
研究人员提出了一种无基线源-荷协调框架,用于工业微电网集群参与配电网源-荷互动。该框架采用线性状态-任务网络(LSTN)模型表征生产过程,保留物料平衡、设备运行和生产目标约束;基于单个微电网可行区域,在聚合商层面开发了最优可调负荷模型(OALM),以识别和聚合集群级灵活性边界,避免泄露生产细节;在聚合灵活性区域内,建立无基线目标功率跟踪策略,使配电网发出绝对功率目标,聚合商协调多个微电网实现目标。案例研究验证了该框架的有效性,表明聚合工业负荷能准确跟踪调度目标,同时满足所有生产约束,从而增强工业微电网集群参与大规模源-荷互动和可再生能源消纳的能力。研究结果还显示,当微电网数量从10个增至200个时,总计算时间从5.08秒增至337.40秒,但跟踪误差保持在数值容差内。与传统基于基线的虚拟电池(VB)方法相比,所提方法在±10%基线估计误差下实现接近零的跟踪误差,而VB方法的均方根误差(RMSE)达到241.30千瓦。此外,忽略生产的聚合模型将灵活性边界扩大了21.84%,但生成的目标在完整LSTN约束下不完全可执行,强调了生产约束的必要性。

**关键技术方法**
研究人员主要采用了以下关键技术方法:
- 线性状态-任务网络(LSTN)模型:用于精确表征工业过程,包括任务调度、物料平衡、库存动态和生产目标约束。
- 最优可调负荷模型(OALM):基于LSTN可行区域,在聚合商层识别集群级功率和能量边界,采用顺序时间周期识别处理跨期耦合。
- 目标功率跟踪策略:配电网在OALM边界内生成绝对功率目标,聚合商通过优化模型分配调度任务,最小化跟踪误差和交易成本。
- 分布式网络约束:引入线性化径向潮流模型,确保灵活性边界和调度轨迹满足节点电压和支路容量限制。
案例研究基于钢粉制造工艺,使用PJM市场2022年8月的电价和光伏数据,在MATLAB 2021上求解,涉及10至200个工业微电网集群。

**研究结果**
- **灵活性边界识别**:案例研究验证了OALM模型能有效识别聚合工业负荷的上下功率边界和累积能量边界,且边界随需求响应窗口变化,夜间窗口向上调节空间小,中午窗口向下调节能力弱。
- **协调调度性能**:在向下和向上调节场景中,聚合工业负荷能准确跟踪配电网目标,且调度结果保持在OALM边界内,证明边界约束有效。
- **生产可行性验证**:在极端调节场景下,所有工厂的最终产品完成率保持100%,中间缓冲库存始终满足容量约束,表明调节通过库存调整和任务时序重分配实现。
- **模型适应性分析**:光伏下降和并网限制下,向上灵活性边界显著收缩(可调能量减少23.9%),向下灵活性基本不变;并网容量限制导致向上目标跟踪不完全,但生产过程仍可执行。
- **计算复杂度与可扩展性**:微电网数量从10增至200时,总计算时间从5.08秒增至337.40秒,OALM边界识别为主导计算部分,但跟踪误差始终在数值容差内。
- **对比分析**:与基线相关虚拟电池(VB)方法相比,所提方法避免基线误差传播,跟踪误差接近零;与忽略生产的聚合模型相比,后者边界扩大21.84%,但目标在LSTN约束下不完全可执行(RMSE为499.16千瓦)。
- **网络约束验证**:加入电压和支路容量约束后,电压范围保持在0.95–1.05 p.u.,支路负载不超过100%,累积能量边界减少11.47%,但生产完成率和跟踪精度保持。

**讨论与结论**
讨论部分指出,所提框架在保留生产可执行性的同时实现集群级灵活性聚合和绝对目标跟踪,避免了基线误差传播,提高了调度透明度和实用性。研究结论强调,该框架为配电网需求响应提供了可行且高效的技术方案,具有强实际应用潜力。未来工作将扩展至考虑运行不确定性(如光伏预测误差)、非线性生产过程和更详细的网络模型,以提高鲁棒性和适用性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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