考虑源荷不确定性与需求响应的虚拟电厂多时间尺度低碳优化调度策略

《IEEE Access》：A Multi-Time Scale Scheduling Strategy for Virtual Power Plants Considering Source-Load Uncertainty and Demand Response

本文针对高比例可再生能源并网带来的消纳挑战，提出了一种融合P2G-CCS耦合系统与阶梯式碳交易机制的虚拟电厂(VPP)多时间尺度低碳经济调度策略。研究通过精细化建模两阶段P2G与碳捕集系统(CCS)的协同运行，并协调价格型与激励型需求响应(DR)资源，构建了日前-日内两阶段优化模型。仿真结果表明，该策略显著提升系统性能：弃风率从20%降至7%，碳排放减少约15%，总运行成本降低15-16%，为高可再生能源渗透场景下的低碳调度提供了有效决策支持。

　　

随着气候变化成为全球焦点，120多个国家承诺在本世纪中叶实现碳中和，电力行业作为碳减排的主战场面临严峻挑战。可再生能源特别是风电，以其边际成本低、零碳排放的优势，正从补充能源转向主导能源。然而，风电具有高波动性、随机性和反调峰特性，大规模并网加剧了系统灵活调节压力，常需弃风来保障电网安全。此外，由于预测精度限制，风电出力与日前计划调度的不匹配给系统灵活性带来新挑战。如何促进风电消纳替代传统火电，成为当前研究的热点问题。

碳捕集与封存(CCS)技术是实现零排放和负排放的关键技术之一。对传统燃煤机组进行CCS改造，可将其转化为碳捕集机组，不仅降低碳排放，还能提升运行灵活性，促进风电消纳。现有研究虽已探讨CCS电厂在调峰方面的优势，并将其视为风能的理想补充，但多数研究缺乏对日内多时间尺度需求响应特性的深入分析，未能充分考虑多时间尺度运行下能源设备的实际响应能力，以及处理源荷不确定性的有效策略。此外，当前文献往往忽视环境目标，或在建模分析框架中未充分考虑P2G利用场景。

为解决上述问题，北京印刷学院的马天义副教授团队在《IEEE Access》上发表论文，提出了一种考虑源荷不确定性的虚拟电厂(VPP)多时间尺度低碳经济调度优化方法。该研究通过整合P2G-CCS资源与需求响应，提升系统灵活性并降低碳排放；应用阶梯式碳交易机制激励低碳运行；并通过基于中国数据的案例验证了所提方法在提升经济和环境性能方面的有效性。

研究人员为开展此项研究，主要采用了以下几个关键技术方法：首先，构建了包含P2G-CCS耦合系统和氢掺混燃气设备的VPP结构模型，并建立了阶梯式碳交易模型。其次，针对源荷不确定性，采用拉丁超立方采样(LHS)和核密度估计生成风光出力相关场景，并通过K-means聚类进行场景缩减。第三，建立了考虑电热负荷多类型需求响应(包括价格型PDR和激励型IDR)的协调机制。第四，构建了日前和日内两阶段滚动优化调度模型，将非线性问题转化为混合整数线性规划(MILP)问题，并利用CPLEX求解器进行求解。研究还考虑了某风电场2019年的实际数据作为基础。

II. 源荷协同的多时间尺度低碳运行框架

研究人员首先分析了源侧碳捕集系统的灵活运行策略，包括旁路运行、溶液储存运行和综合灵活运行模式。引入富液和贫液储存罐的集成灵活运行模式，能够实现碳捕集能耗与发电的解耦，实现能量的时移。在此基础上，建立了阶梯式碳排放交易模型，通过划分碳排放权购买区间并引入补偿系数，激励减排行为。在负荷侧，分析了需求响应机制，将IDR资源根据响应速度分为A类（响应时长超1小时，需日前通知调度）和B类（响应时间5-15分钟，日内调度确定），通过协调不同响应速度的IDR资源，提升系统跨时间尺度的灵活性。

III. 源荷协同低碳虚拟电厂模型

该部分详细建模了液基碳捕集系统。将CCS与P2G系统耦合，在P2G停运时，CCS捕获的CO₂可储存在液罐中；当P2G运行时，储存的CO₂被释放并用于甲烷化反应，生成甲烷供燃气设备使用。这将P2G过程分为电解制氢(P2H)和甲烷化两个阶段，提高了整体转换效率和氢能的低碳效益。同时，对氢掺混燃气轮机和氢掺混燃气锅炉进行了建模，考虑了氢掺混比例对设备运行的影响。还建立了电锅炉、储热、储电等设备的模型。

IV. 考虑源荷不确定性的多时间尺度调度模型构建

基于上述框架，研究人员分别对日前和日内调度阶段进行建模求解。采用方程线性化方法将模型中的非线性规划问题转化为混合整数线性规划问题。对于负荷需求不确定性问题，采用场景生成方法处理，通过拉丁超立方采样更准确地转换采样概率分布特性，并利用Frank copula函数构建风光出力的联合概率分布函数，再进行场景缩减得到典型场景及其概率。

V. 算例分析

通过对四种不同系统配置（案例1：无DR、无CCS、无风光相关；案例2：无DR、无CCS、考虑风光相关；案例3：有DR、CCS无甲烷化、考虑风光相关；案例4：有DR、P2G-CCS耦合、考虑风光相关）在六种典型场景下的调度结果进行对比分析，验证了所提方法的有效性。

场景生成结果

利用基于风光相关的场景生成方法，生成了1000个场景，并缩减为6个典型场景。这些场景呈现出不同的天气特征，场景2、3、4呈现晴天特征，光伏出力较高；场景1、5、6呈现阴雨天特征，光伏出力降低且波动大。考虑风光相关性后，风光波动标准差σ_sd从89.70降至76.50，表明风光相关性降低了可再生能源出力的不确定性。

多时间尺度调度分析

日前阶段调度分析：案例4（P2G-CCS耦合）的总成本最低（4.4496x10^6 CNY），弃风成本大幅降至2.3693x10^5 CNY，弃风率从案例2的19.8%和案例3的21.7%降至8.05%。碳交易成本转为负值（-8.1070x10^4 CNY），表明系统通过出售碳配额获得收益。引入电热需求响应（案例3）优化了系统运行，促进了“以热定电”向热电协调调控策略的转变，碳排放降低了30.77%。

日内阶段调度分析：在日内调度阶段，时间尺度从1小时缩短至15分钟，机组爬坡约束和旋转备用约束更为严格。案例4的P2G-CCS耦合策略使碳交易产生收益（-8.866x10^4 CNY），弃风率进一步降至7.07%，且所有案例的失负荷成本均为零，表明系统能够满足所有负荷需求。

阶梯碳交易机制分析

通过对比案例4（阶梯碳交易）、案例5（统一碳交易）和案例6（无碳交易）发现，阶梯碳交易机制能最有效地减少直接排入大气的CO₂，其比例分别为0%、9.6%和89.12%。阶梯碳交易机制下的系统总成本最低，比案例5和案例6分别降低10.58%和9.79%。对阶梯碳交易参数的敏感性分析表明，碳价在120-150 CNY/t区间对系统运行影响最大，超过250 CNY/t后影响趋于平缓。

VI. 结论

该研究提出的融合P2G-CCS协同单元的VPP多时间尺度低碳优化调度方法，通过协调源荷两侧灵活资源，并充分考虑风光出力的不确定性及时空相关性，有效提升了VPP对高比例可再生能源的消纳能力，实现了低碳效益与运行经济的协同优化。主要结论包括：考虑风光相关性可降低出力波动，提升可再生能源消纳能力0.75%；P2G-CCS耦合实现了CO₂资源化利用，降低了天然气采购成本，有效提升了系统的低碳经济效益；日前调度阶段通过需求响应与碳捕集机组协同，进一步提升了低碳性能与经济性，日内调度阶段则提升了运行灵活性，减少了弃风和切负荷；阶梯碳交易价格对排放控制起关键作用，合理设置能有效降低CO₂排放，充分发挥系统节能降耗潜力。

该研究为构建低碳高效能源系统提供了可行的解决方案，对未来高比例可再生能源电力系统的调度优化具有重要的理论和实践意义。尽管所提方法有效降低了弃风率和碳排放，但可再生能源场景建模对历史数据和特定概率分布的依赖，以及场景缩减导致的部分不确定性信息损失，可能影响调度策略在实际应用中的鲁棒性。未来研究可探索更高效、鲁棒的可再生能源不确定性建模方法，以增强VPP调度优化的适应性和可靠性。