《Renewable Energy Focus》:Optimizing energy resource scheduling under uncertainty: a thorough risk-based framework for day-ahead and intra-day operation in distribution networks
编辑推荐:
基于条件风险价值(CVaR)的随机日前调度可管理尾部风险暴露;日内校正调度在96个15分钟时段上运行;在99%置信水平下,CVaR下降76.78%,而预期成本增加3.23%;启用局部市场使匹配的日内成本降低83.55%;受控基线隔离风险、市场和储能灵活性效应。
基于条件风险价值(CVaR)的随机日前调度可管理尾部风险暴露;日内校正调度在96个15分钟时段上运行;在99%置信水平下,CVaR下降76.78%,而预期成本增加3.23%;启用局部市场使匹配的日内成本降低83.55%;受控基线隔离风险、市场和储能灵活性效应。对于日内公式,方程(38)—(40)中使用的成本符号表示相应15分钟区间成本系数,单位为m.u./MW-interval。
研究人员针对可再生能源(RES)高波动性和不确定性、智能电网(SG)需容纳高渗透分布式资源、聚合商需协调柔性负荷、储能系统(ESS)、电动汽车(EV)及本地微发电等问题,指出高效经济的能量资源管理(ERM)工具必须处理资源增长与不确定性。现有研究多聚焦单一运行时间尺度或特定柔性机制,日前/小时前调度与更细分辨率日内校正缺乏顺序协调;条件风险价值(CVaR,度量尾部平均损失的风险度量)虽有效,但少与局部市场及DER参与结合;EV/ESS双向时间耦合表示和可扩展计算仍不足。因此,研究人员提出并评估顺序两阶段ERM框架:日前采用场景随机优化和CVaR管理尾部风险,日内采用确定性校正调度,在96个15分钟时段内以日前解为运行参考,并用更新预测重新调度,信息流单向且不反馈。研究在180母线配电网络上验证,论文发表于《Renewable Energy Focus》。其意义在于为聚合商提供风险-成本可调、可校正的调度工具,并在一致条件下分离风险、市场和储能灵活性效应。
关键技术方法(不超过250字):研究人员用蒙特卡洛模拟(MCS)由历史预测误差分布生成5,000个场景,经GAMS/SCENRED降至150个,并加入15个低概率压力场景(每个p
s=0.0002,合计0.003)用于尾部风险测试;日前建立两阶段随机优化,目标含期望成本与β·CVaR
α,并用Benders分解求解;日内建立确定性混合整数线性规划(MILP),覆盖96个15分钟时段,接收日前状态与参考,含双向需求响应(DR)、局部能源市场(LEM)交易及ESS/EV偏差惩罚。案例为葡萄牙Leiria地区30 kV、180母线网络,含116个分布式发电单元(44 PV、55 wind、17 biomass)、5个EV停车场、7个ESS和90个中压消费者;研究为全计算,无实验室或现场测量。
研究结果:
4.1 日前风险调度:通过150场景随机优化与Benders分解求解180母线案例;完全风险规避(β=1)相对风险中性(β=0)在α=99%时使CVaR
α由233.710降至54.265 m.u.(-76.78%),期望成本Z
Ex由28.687升至29.615 m.u.(+3.23%);α=95%和90%时CVaR分别降67.17%和6.76%,成本增0.25%和0.12%。β超过0.6(α=99%)后CVaR收益变小。压力场景79(负荷+40%且DR不可用)最显著,风险规避下其成本降12.60%,但仍出现甩负荷;场景40(负荷-40%、风光+40%)因弃电使α=99%、β=1成本更高,弃电量19.3365 MWh,高于其他设置。平均调度差异小,β=1时DR使用较低。
4.2 日内调度:通过确定性MILP在96个15分钟时段、平均/最大/最小场景及不同负荷与可再生预测误差、ESS/EV 0/10/25%灵活性和有无LEM进行校正。需求预测误差影响大于可再生误差;0%灵活性下最大负荷误差导致相对日前目标函数差异21.53%,可再生误差最大8.43%;10%ESS/EV灵活性使二者降至18.20%和4.51%,25%收益有限。最大场景0%误差下,启用LEM使日内目标函数由316.97降至52.13 m.u.(-83.55%);最小场景中LEM优势较小;风险规避日前解使日内成本波动较小。
4.3 受控基线比较:通过同一网络、资源和不确定性假设下的匹配比较,量化风险规避、LEM和短时灵活性效应。α=99%时β由0到1使成本+3.23%、CVaR-76.78%;α=95%为+0.25%、-67.17%;α=90%为+0.12%、-6.76%。LEM使最大场景0%误差日内目标函数降83.55%;10%ESS/EV灵活性使最大负荷误差偏差由21.53%降至18.20%(降3.33个百分点)。这些比较表明CVaR改变日前成本-风险权衡,储能灵活性和LEM增加日内校正选项。
4.4 后优化压力场景稳健性分析:通过使用匹配β=0和β=1日前的场景成本,不重新优化,评估不同数量/类型压力场景下聚合成本响应。5场景子集对组成最敏感,中位降16.07%,5th—95th为-9.33%至20.27%,最小-42.74%、最大22.35%;10场景全部3,003组合均为正降幅,中位9.20%,范围2.78%—19.83%;15场景降11.33%。按压力维度,需求-11.91%、批发市场-17.22%、DR-15.52%、可再生+6.94%、外部供应+1.09%。风险规避并非逐一降低所有压力场景成本,而是重新分配调度以降低整体尾部风险暴露。
讨论与结论翻译:讨论表明,CVaR代表极端事件中的平均财务损失,聚合商可按风险态度选择99%、95%或90%置信水平;更风险规避会略增成本但降低CVaR,β>0.6后进一步降CVaR空间小。日内模型中需求误差影响大于可再生误差,ESS/EV提供有限但有效的灵活性,LEM在预测误差或关键场景中提供购售电渠道,降低惩罚和成本。研究结论翻译如下:随着可再生发电和DER并网增加,其波动性和不确定性带来显著挑战;本研究提出并评估两种互补方法,一是含CVaR的风险日前调度,二是15分钟分辨率日内确定性校正调度;日前解提供运行参考和初始状态,日内用更新信息在96个15分钟时段校正,LEM提供额外灵活性,耦合为单向顺序且日内不反馈到日前。关键发现:a)日前风险管理:完全风险规避且α=99%时CVaR可降76.78%,预期成本最大增3.23%;压力场景成本差异明显,场景79在完全风险规避下降12.60%;置信水平90%、95%、99%可按风险容忍度选择。b)日内调度与预测误差:需求误差比可再生误差影响更大,12—15%需求误差可使目标函数增高达19%;正误差通常比同幅负误差更不利;LEM可降低预测不准造成的成本影响;ESS/EV灵活性可缓解约3—4%的成本影响。c)组合方法与实践含义:最坏场景下预测误差可使成本增高达44%;风险规避日前调度使日内成本波动较小;180母线、150场景随机日前模型在单处理器上平均29.23分钟求解,确定性日内模型平均0.29秒;市场环境有助于DER经济参与和收益共享。计算评估限于该180母线网络、150场景、给定DER组合和单处理器环境,执行时间不应视为更大实例的通用性能保证。未来研究应扩展为完全耦合多阶段/滚动反馈模型,将日内随机风险指标纳入目标,加入完整网络流约束、更详细EV车队可用性与移动行为,并在更大系统和替代时间分辨率上评估,同时研究分解、并行化等求解策略。