面向决策的预测优化方法在多阶段电-碳协同管理中的创新应用
《Journal of Modern Power Systems and Clean Energy》:Multi-Stage Electricity-Carbon Joint Management with Decision-Oriented Predict-then-Optimize Method
【字体:
大
中
小
】
时间:2025年12月16日
来源:Journal of Modern Power Systems and Clean Energy 6.1
编辑推荐:
为应对高比例可再生能源并网带来的不确定性及现有碳交易机制下发电公司碳排放配额利用不充分的问题,本文提出了一种融合决策导向预测优化(D-PTO)方法与双边碳配额交易合约的多阶段电-碳协同管理框架。研究通过改进预测模型训练目标,显著降低了系统运行成本;设计的去中心化碳排放交易机制有效提升了社会福利。仿真结果验证了所提方法在降低运行成本与改善发电公司福利方面的优越性。
在全球迈向碳中和的背景下,电力系统作为碳排放的主要来源,其低碳转型至关重要。大规模可再生能源(RESs)的接入为减排提供了路径,但其出力的不确定性也给电力系统运行带来了巨大挑战。传统的调度决策严重依赖于对可再生能源出力的预测,然而,一个令人深思的现象是:更准确的预测并不总能带来更优的决策。这是因为预测误差与最终决策失误之间的关系往往是非对称的,甚至是非单调的。与此同时,现行的集中式碳排放交易机制(ETS)下,碳排放量低于配额的发电公司(GENCOs)无法充分利用其配额,而超排公司则面临高额罚款,两者在碳排放配额消耗上存在天然的互补性,但缺乏有效的协调机制。这些问题凸显了现有电-碳管理模式的局限性,亟需创新性的解决方案。
为了应对上述挑战,一项发表在《Journal of Modern Power Systems and Clean Energy》上的研究提出了一种新颖的多阶段电-碳协同管理框架。该框架的核心创新在于将预测模型的训练目标从追求“预测精度”转向优化“决策效果”,即采用决策导向的预测后优化(D-PTO)方法。此外,框架还引入了发电公司之间的碳排放配额双边交易合约,作为集中式ETS的有效补充,旨在充分挖掘碳配额的利用潜力,提升整体社会福利。
研究人员为开展此项研究,主要运用了几项关键技术方法:首先,构建了基于决策遗憾最小化的预测模型训练范式,通过优化预测模型的回归系数矩阵,使其直接服务于后续调度决策的成本优化,而非单纯追求预测值与实际值的接近。其次,建立了包含碳感知日前电-能量备用联合调度(P1)和日内再调度(P3)的两阶段优化模型,并在目标函数中引入了针对超排碳排放的虚拟惩罚项以引导低碳调度。最后,设计了基于交替方向乘子法(ADMM)的分布式优化算法,用于求解发电公司间碳排放配额双边交易量(P4),该算法能保护各参与方的运营隐私。案例研究基于修改的IEEE-30节点系统,利用来自Ausgrid的实际负荷和可再生能源出力数据进行仿真验证。
研究人员首先建立了以最小化运行成本和虚拟碳惩罚为目标的日前优化模型(P1)。该模型在满足系统功率平衡、机组运行约束、备用容量要求、储能系统(ESS)动态、输电线路容量等常规约束的同时,通过虚拟惩罚项软性约束各发电公司的碳排放。仿真结果表明,引入该虚拟惩罚项后,与无碳约束的情景相比,总碳排放量减少了518.89吨,验证了该机制在引导低碳调度方面的有效性。
为解决“预测准”与“决策优”之间的脱节问题,研究提出了决策导向的预测模型训练方法(P2)。该方法的目标不是最小化预测误差,而是最小化基于预测所做决策的成本与完美信息下最优决策成本之间的差距(即决策遗憾)。研究在线性回归(LR)模型上实现了D-PTO方法。与传统的精度导向预测(A-PTO)方法相比,D-PTO方法在300个场景下的统计结果显示,其平均决策遗憾降低了约15.369%,尽管其预测的平均绝对误差(MAE)和均方根误差(RMSE)更高。这证实了对于该碳感知调度问题,预测误差与决策遗憾之间存在非对称关系,过度预测(OP)通常比低估预测(UP)导致的决策后果更轻微,因为系统运营商(SO)通常会预留更多的向上备用以规避切负荷的高惩罚。
在日内阶段,基于实际观测到的可再生能源出力,系统运营商利用日前阶段优化的备用容量,对火电机组(TGs)和储能系统的出力进行调整(P3),以平衡预测误差带来的功率缺额或盈余,并继续考虑碳排放的虚拟惩罚。此阶段是对日前计划的修正,实际运行成本为日内再调度成本扣除虚拟碳惩罚项后的值。
为提升碳配额利用率,研究设计了月度结算的发电公司间碳排放配额双边交易机制(P4)。该机制允许碳配额有盈余的发电公司向碳配额短缺的发电公司出售配额,交易量和价格通过ADMM算法分布式确定。十个月的仿真结果表明,该去中心化ETS为所有参与的发电公司带来了约3250美元的福利提升,特别是对于配额有盈余的发电公司(如GENCO3),福利改善最为显著。交易价格机制也体现了激励相容,在配额短缺的月份,清算价格被推高但不高于买方中的最低惩罚价格;在配额盈余的月份,价格则尽可能降低但不低于卖方向集中式市场出售配额的价格。
研究还将D-PTO方法与条件风险价值(CVaR)这一经典的风险感知优化方法进行了对比。结果显示,在风险厌恶系数较低时(如β=0.1),CVaR方法的决策遗憾与D-PTO方法相当且非常稳定,但随着风险厌恶系数增大,决策遗憾显著上升,表明过度关注尾部风险会导致经济性下降。同时,D-PTO方法的平均计算时间远低于CVaR方法,显示出更优的计算效率。
研究进一步在日内动态场景(如因阻塞管理导致的拓扑变化)下验证了D-PTO方法的鲁棒性。在256种可能的日内拓扑配置下,D-PTO方法的平均决策遗憾(6.419%)仍显著低于A-PTO方法(12.588%),且预测误差与决策遗憾间的非对称关系依然存在,证明了该方法在不同动态场景下的适应性和有效性。
本研究成功构建了一个集成决策导向预测优化和去中心化碳交易的多阶段电-碳协同管理框架。核心结论表明,通过将预测模型训练目标对准最终的决策质量,D-PTO方法能够统计显著地提升调度决策的经济性,其优势根植于碳感知电力-备用联合调度问题中预测误差与决策误差的非对称性。此外,所设计的双边碳配额交易合约,作为对集中式ETS的补充,有效激发了发电公司参与碳市场的积极性,促进了碳配额的优化配置,从而提升了整体社会福利。这项研究为电力系统在高比例可再生能源接入背景下,实现经济、可靠与低碳的协同优化提供了创新的方法论支持和可行的实施路径。其提出的D-PTO范式具有普适性,可推广至其他存在决策目标与预测精度非直接关联的优化问题中。
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