考虑需求响应的电力系统低碳转型鲁棒规划方法研究
《Journal of Modern Power Systems and Clean Energy》:Robust planning of power system decarbonization pathways considering demand response
【字体:
大
中
小
】
时间:2025年12月12日
来源:Journal of Modern Power Systems and Clean Energy 6.1
编辑推荐:
本文针对高比例可再生能源并网带来的不确定性与波动性挑战,提出了一种考虑需求响应(DR)资源的电力系统低碳转型路径鲁棒规划框架。研究创新性地将政府政策等社会因素对投资成本与开发约束的长期影响纳入模型,构建了融合长期发展规划、日前机组组合(UC)与日内调度的三阶段鲁棒优化模型,并采用改进的列与约束生成(MCCG)算法求解。案例研究表明,该框架能有效提升可再生能源消纳能力,在确保经济性的同时增强系统运行的鲁棒性与可靠性,为电力系统低碳转型提供了科学决策工具。
全球气候变化压力下,电力系统作为碳排放的关键部门,其低碳转型路径规划已成为各国实现碳中和目标的核心议题。然而,高比例可再生能源(如风电、光伏)的并网在带来清洁电力的同时,也引入了显著的波动性与不确定性,给电力系统的安全稳定运行带来严峻挑战。传统的电源规划模型往往侧重于供应侧资源的优化配置,对需求侧灵活性资源的潜力挖掘不足,且未能充分耦合政府政策、技术进步等社会因素(Social Factors)的长期动态影响,导致规划方案在实际运行中可能面临适应性差、成本高昂等问题。在此背景下,如何科学规划电力系统的 decarbonization pathway(脱碳路径),使其在应对极端不确定性时仍能保持经济、可靠与鲁棒,成为学术界与工业界亟待突破的难题。
发表于《Journal of Modern Power Systems and Clean Energy》的论文《Robust Planning of Power System Decarbonization Pathways Considering Demand Response》针对上述问题展开了深入研究。该研究团队提出了一种新颖的鲁棒规划框架,旨在为电力系统寻找一条既能满足长期碳减排目标,又能充分利用需求侧灵活性资源以应对可再生能源波动的优化发展路径。
为开展此项研究,作者主要采用了以下几项关键技术方法:首先,构建了一个考虑社会因素(如政策驱动的学习效应)影响的长期资源投资成本与开发约束量化模型;其次,建立了一个集成长期发展规划、日前机组组合(UC)模拟和日内经济调度的三阶段鲁棒规划模型,以捕捉不同时间尺度的决策耦合关系;第三,针对模型中的决策依赖不确定性(Decision-Dependent Uncertainty),对传统的列与约束生成(CCG)算法进行了改进,提出了MCCG算法进行高效求解;最后,基于中国某省级电网的实际数据进行了案例研究,验证所提框架的有效性。
该部分阐述了电力系统低碳转型的背景与挑战,指出当前规划模型在整合需求响应(DR)、运行模拟及社会因素方面的不足,从而引出了本文的研究动机。
本章详细描述了所提出的规划框架。框架将电力系统视为信息-物理-社会系统(CPSS),不仅考虑了发电、储能、外部输电等传统资源,还重点将需求侧负荷根据社会属性(居民、商业、工业、电动汽车充电)和响应特性(可调节、可转移)进行分类,将DR作为关键的灵活性资源。同时,框架定量评估了政府政策等社会因素通过学习效应(Learning Effect)对各类资源投资成本的长期影响,以及通过碳排放路径、可再生能源配额等对系统发展的约束作用。对于可再生能源和外部输电的功率不确定性,则采用箱型不确定集(Boxed Uncertainty Set)进行描述。
III. 面向电力系统低碳转型路径的三阶段鲁棒规划模型
本章是论文的核心,提出了三阶段鲁棒规划模型。第一阶段(Stage 1)为长期发展规划,以年为单位决策各类资源(如燃煤、燃气、核电、风电、光伏、储能、DR)的新建数量,目标函数为最小化投资成本与固定运维成本(FOM)。约束条件包括资源开发数量限制、投资预算、可再生能源装机比例要求等,并引入了学习效应导致的投资成本动态变化。第二阶段(Stage 2)为日前机组组合(UC)模拟,以小时为单位优化发电机组的启停状态、储能的充放电状态以及DR资源的调节状态,成本为启停成本。第三阶段(Stage 3)为日内经济调度模拟,在给定机组组合和不确定性的最恶劣场景下,优化各类资源的出力,成本包括燃料成本、储能充放电成本、DR响应成本、碳减排成本以及弃电和失负荷惩罚成本。约束条件涵盖了CO2排放路径、各类电源出力与爬坡限制、储能运行约束、DR调节约束(特别是可转移负荷的功率平衡约束)、系统功率平衡和备用要求等。该三阶段模型通过鲁棒优化技术耦合,其目标是最小化整个规划期内的总成本,确保投资决策能够适应最恶劣的运行场景。
针对模型中含有整数变量和决策依赖不确定性(新建资源的投运状态决定了其功率不确定集的范围)的特点,本章提出了改进的列与约束生成(MCCG)算法。该算法将原问题分解为主问题(Master Problem)和子问题(Subproblem)迭代求解。主问题在给定最恶劣场景下求解投资和机组组合方案,子问题则在给定投资方案下寻找使运行成本最大的最恶劣不确定性场景。MCCG算法的核心改进在于能够根据主问题传递的投资决策,动态构建子问题中新建资源的不确定集。
基于中国东部某省级电力系统的修改数据,对2025-2050年的低碳转型路径进行了规划。案例研究设置了先进、适中、保守三种政策情景(对应DR技术学习率LR分别为15%、10%、5%),分析了不同投资成本变化情景下的规划结果。研究表明,更积极的政策(更高学习率)会促使可再生能源更早、更大规模地发展,并降低DR资源的投资成本,从而降低系统总成本。通过对比考虑与不考虑DR资源的规划案例,发现DR资源能有效平滑可再生能源波动,替代部分昂贵的储能投资,延缓火电发展,促进可再生能源消纳,使总成本降低119亿元。此外,通过与忽略机组组合(UC)的两阶段模型对比,证明所提三阶段模型能更准确地反映机组启停特性对系统运行成本和碳排放的影响,避免了低负荷时期不必要的机组运行和高碳排放,提升了规划方案的经济性与可靠性。
本研究构建了一个考虑需求响应(DR)的电力系统脱碳路径鲁棒规划框架。该框架创新性地将社会因素对投资成本和发展约束的长期影响纳入考量,并将DR作为关键柔性资源应对可再生能源波动。所提出的三阶段鲁棒规划模型通过集成机组组合(UC)等精细化的运行模拟,确保了规划方案在极端不确定性下的适应能力。改进的MCCG算法有效解决了模型中的决策依赖不确定性难题。案例研究证实,该框架能够促进可再生能源的大规模并网,降低系统总成本,为电力系统科学、经济、稳健地实现低碳转型提供了重要的理论方法支撑和决策依据。
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