面向非对称失衡成本下经济调度的决策聚焦风功率预测

《Energies》:Decision-Focused Wind Power Forecasting for Economic Dispatch Under Asymmetric Imbalance Costs

【字体: 大 中 小 】 时间:2026年08月29日 来源:Energies 3.9

编辑推荐:

  摘要译文:风功率预测通常以最小化统计误差为训练目标,然而基于预测生成的火电机组调度方案最终会产生非对称的追索成本。为将预测训练与这一调度后果相关联,本文提出了一种面向调度价值预测(DVOF)框架,将Mamba风格预测器与基于求解器的可微经济调度层相结合。预测结

  
摘要译文:风功率预测通常以最小化统计误差为训练目标,然而基于预测生成的火电机组调度方案最终会产生非对称的追索成本。为将预测训练与这一调度后果相关联,本文提出了一种面向调度价值预测(DVOF)框架,将Mamba风格预测器与基于求解器的可微经济调度层相结合。预测结果决定第一阶段火电调度方案;在风功率实际值揭晓后,通过切负荷和弃风对不平衡量进行结算,所产生的追索成本梯度通过基于KKT条件的隐式微分反向传播至预测器。在2014年全球能源预测竞赛(GEFCom2014)数据上,与具有相同骨干网络的MSE损失模型相比,DVOF将日前实现的失衡惩罚从每小时的55.5成本单位降低至26.6成本单位。由此产生的预测结果趋近于非对称追索模型所隐含的保守运行点。在简化的单区域、单时段算例中,上述结果表明,调度梯度可以在无需预设或搜索分位数水平的情况下,引导预测器进行与成本相关的调整。
**面向经济调度的决策聚焦风功率预测研究解读**

**研究背景与问题**

随着电力系统向低碳化转型,风电在电力供应中的占比日益提升。根据《全球风能报告2026》,2025年全球累计风电装机容量已达1299吉瓦。然而,风电的出力本质上具有依赖于天气条件的波动性与不可调度性,其不确定性深刻影响着发电计划、经济调度、备用安排与平衡运行等环节。因此,可靠的风功率预测(Wind Power Forecasting, WPF)是含高比例风电电力系统安全经济运行的关键输入。

长期以来,风功率预测研究致力于提升预测的统计精度——无论是基于物理模型、统计方法还是深度学习模型,其训练目标多为最小化均方误差(Mean Squared Error, MSE)或平均绝对误差(Mean Absolute Error, MAE)等统计指标。然而,在实际运行中,风功率预测并非孤立存在的统计输出。在基于预测的两阶段经济调度过程中,预测值首先决定第一阶段火电机组的发电计划;待风功率实际值揭晓后,预测偏差所导致的功率缺额或盈余则需要通过追索手段(即切负荷或弃风)进行结算。由此产生一个关键问题:统计误差相同的两个预测,其导致的追索成本可能截然不同。

例如,当实际风功率为0.5 p.u.时,预测值0.4 p.u.与0.6 p.u.具有相同的绝对误差,在MAE指标下等价。但从运行角度看,0.6 p.u.的高估预测可能导致火电计划出力不足,增加向上平衡需求,极端情况下引致切负荷;而0.4 p.u.的低估预测则会增加火电计划出力,虽降低了缺电风险,但在实际风功率偏高时可能造成更多弃风。当高估与低估产生非对称的运行后果时,对称的统计损失函数无法区分符号相反但幅值相等的误差。这就引出了本研究的核心动机:更高的预测精度是否必然带来更低的追索成本?预测训练能否直接面向调度后果而非仅面向统计误差进行优化?

**研究内容与主要结论**

针对上述"精度-价值"错配问题,本文提出了一种面向调度价值的预测(Dispatch-Value-Oriented Forecasting, DVOF)框架,发表于《Energies》期刊。该框架将Mamba风格的序列状态空间预测器与基于求解器的可微经济调度层相耦合。预测器输出的风功率预测值送入调度层,求解凸二次规划形式的第一阶段经济调度问题,确定火电出力计划;在实际风功率揭晓后,通过切负荷与弃风进行不平衡结算,所产生的追索成本梯度通过基于Karush–Kuhn–Tucker(KKT)条件的隐式微分反向传播至预测器,从而实现预测模型端到端的决策聚焦训练。

研究在GEFCom2014数据集上进行了单小时前(H=1)与日前(H=24)两个预测时域的实验验证。结果表明:与具有相同骨干网络的MSE损失模型相比,DVOF将日前实现的失衡惩罚从每小时的55.5成本单位降至26.6成本单位,下降幅度显著。更重要的是,DVOF在不预设分位数水平、不进行分位数搜索的前提下,使预测结果趋近于非对称追索模型所隐含的保守运行点——即条件分位数τ*配比所对应的分位数水平。在简化的单区域、单时段算例中,该结果证明了调度梯度能够引导预测器进行与成本相关的调整,而无需依赖分位数水平的预设或搜索。这一结论具有重要的理论与应用意义:它表明预测模型完全可以通过端到端学习来自主发现最优的运行偏移量,将非对称成本结构内化为预测输出的系统性调整。

**关键技术方法**

研究人员主要运用了以下关键技术方法。其一,构建了Mamba风格的预测器作为骨干网络,该模型采用选择性状态空间架构,具有线性序列长度复杂度,输入特征包括历史风功率、与预测时域对齐的数值天气预报(Numerical Weather Prediction, NWP)变量以及日历编码。其二,设计并实现了基于求解器的可微经济调度层,通过CVXPY求解器完成前向凸二次规划求解,并通过基于KKT条件的隐式微分实现反向梯度的传播,在KKT矩阵奇异或病态时采用有限差分法作为梯度计算的备用方案。其三,提出了混合训练目标,将精度导向的MSE损失与归一化的第二阶段追索成本相结合,通过权重系数λ平衡两者的相对贡献。其四,引入可验证的学习机制检验方法:由于追索模型具有闭式最优分位数解,可直接测量训练后预测所达到的分位数水平,并与理论值进行比对。实验中还设置了两个分位数对照模型——固定参考分位数模型与验证集选择分位数模型,以分离可微调度层的增量贡献。研究采用GEFCom2014竞赛Zone 3的风功率数据与Zone 1的负荷数据构建标准化调度场景,数据按时间顺序以3:1:1划分为训练集、验证集和测试集。

**研究结果**

**4.3.1 训练后预测达到的运行点**。通过测量测试集上训练后预测达到的经验分位数水平发现:MSE损失模型的运行点接近条件中位数(τ≈0.52~0.55),而DVOF模型的运行点显著向τ=0.71靠拢(τ≈0.65~0.66),接近追索最优水平。验证集选择分位数模型达到相近水平(τ≈0.64~0.67),而固定τ=2/9的对照组则低于两者。这表明基于KKT的梯度能够忠实地传递追索模型的不对称性,使预测器在无监督条件下恢复经济上正确的运行点。

**4.3.2 运行点在不同运行条件下的稳定性**。将测试集按预测时域对齐的100米NWP风速分位数分为三组后,DVOF模型的运行点在三组间的变动幅度最小(H=1时变动0.03,H=24时变动0.04),而各对照组的变动幅度更大。这表明调度梯度所均衡的是边际经济权衡而非概率水平,从而实现条件无关的稳定运行点。

**4.3.3 实际调度成本对比**。MSE损失模型在两个时域均取得最低的MAE,但产生最高的实现失衡惩罚。相对于MSE模型,DVOF在H=1时平均惩罚降低53.8%,在H=24时降低52.1%。验证集选择分位数模型的平均惩罚与DVOF相近,配对六种子测试在两个时域均未检测到显著差异。固定分位数对照组的表现介于两者之间。

**4.3.4 事件条件化评估**。在高爬坡时段与高失衡时段两个压力场景下,MSE模型始终是惩罚最高的模型,且精度导向与成本导向目标之间的差距在高失衡时段显著扩大。成本导向模型之间的时域相关排序在压力场景中保持不变。

**4.3.5 追索场景与训练权重敏感性分析**。当缩短与弃风的惩罚比从2:1变化至8:1时,DVOF相对于MSE的惩罚降低幅度从34.1%逐步增至69.4%,表明更强的不对称性驱动更强的保守预测激励。训练权重λ从0.05增至0.5时,惩罚持续下降,MAE相应上升,预测集中位置下移,体现了从精度导向向价值导向的平滑过渡。

**4.3.6 决策层面解读**。通过追索分解(切负荷与弃风量的变化)以及具体案例追踪,研究揭示了保守预测的作用机制:通过增加火电计划出力以避免高代价的切负荷,以相对低代价的弃风增加予以抵消,从而在总体上降低失衡惩罚。

**讨论与结论**

讨论部分指出,运行点分析、追索分解与事件条件化结果共同解释了可微调度层的核心贡献:它将非对称追索成本转化为预测的系统性保守调整,使预测器达到与验证集选择分位数回归相近的运行点。两者的区别在于,后者通过显式分位数搜索实现,而DVOF直接从调度梯度中习得该运行点。研究同时明确指出其局限性:风功率与负荷数据构成标准化场景而非同期观测轨迹,调度模型为单区域、单时段凸优化模型,未考虑网络潮流、爬坡约束、备用采购、储能动态等实际因素。因此,结果的泛化需在更广泛的运行条件下进一步验证。

结论部分总结道:本文开发了面向风电经济调度的调度价值预测框架,将Mamba风格预测器与可微经济调度层耦合,使第二阶段追索成本的梯度补充了传统预测损失。案例研究表明预测精度与调度价值不必一致。相对于MSE损失模型,DVOF在显著降低实现失衡惩罚的同时,将预测推向非对称追索模型所隐含的保守运行点。在后续扩展中,将该框架推广至多时段网络约束调度场景(含机组组合、爬坡约束、备用与储能),并采用独立同期数据与市场化结算规则进行验证,是尤为重要的发展方向,因为在此类设置下成本相关的运行点未必保持固定不变。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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