耦合电热负荷不确定性下热电联产中心微电网的预测性能校准鲁棒调度
《Renewable Energy Focus》:Forecast-performance-calibrated robust scheduling of combined heat and power-centered microgrids under coupled electric–thermal load uncertainty
【字体:
大
中
小
】
时间:2026年10月22日
来源:Renewable Energy Focus 10.8
编辑推荐:
摘要 以热电联产(CHP)为核心的微电网对日前调度中的电力和供热负荷预测不确定性较为敏感,然而此类不确定性通常采用固定百分比裕度来表示,无法反映实际预测误差特征。本文提出一种数据驱动的鲁棒机组组合与经济调度(UC/ED)框架,将基于预测性能的偏差刻画与电-热耦合调度相联系。利
摘要 以热电联产(CHP)为核心的微电网对日前调度中的电力和供热负荷预测不确定性较为敏感,然而此类不确定性通常采用固定百分比裕度来表示,无法反映实际预测误差特征。本文提出一种数据驱动的鲁棒机组组合与经济调度(UC/ED)框架,将基于预测性能的偏差刻画与电-热耦合调度相联系。利用经验方向分位数从实际值与预测值之比推导出季节性偏差上界,为电力和供热需求分别提供向下的和向上的偏差界限。这些非对称偏差界限被纳入具有独立电力与供热不确定性预算的鲁棒混合整数优化模型中,并在向上和向下偏差两种情形下进行评估。该框架在24小时调度时域内协同优化CHP机组、电池储能、光伏发电和电网交易。基于住宅建筑数据的四季案例研究表明,预测偏差存在显著变化,秋季电力需求的偏差界限为[?3.76%,+5.39%]、供热需求为[?4.55%,+4.40%],而春季分别为[?29.91%,+40.66%]和[?45.28%,+43.23%]。与传统的固定±15%基准相比,统一的裕度在低误差季节可能高估了不确定性,而在经验偏差较大的季节又会低估其运行影响。所得运行成本响应随偏差方向和电-热预算分配而变化,表明在鲁棒微电网调度中保留季节性的、方向性的以及负荷特定的预测误差特征至关重要。
引言 微电网日益被视为改善能源效率、运行灵活性以及分布式能源集成的一种有效方案[1],[2],[3]。在其各种构型中,以CHP为核心的微电网尤为引人注目,因为它能够同时提供电力和热力,从而在协调本地发电、储能、可再生资源和电网交互的同时提高燃料利用率[4],[5]。在此类系统中,日前机组组合与经济调度(UC/ED)是实现经济可靠运行的核心环节。
日前调度面临的关键挑战在于不确定性的表征。电力和供热负荷需求、可再生能源发电以及市场交互中的预测误差会显著改变微电网的最优运行方案[6],[7],[8]。然而在实践中,不确定性仍常以围绕名义预测的固定百分比偏差来表示。尽管这种假设方便操作,但与给定系统的实际预测行为关联较弱。预测误差受局部负荷特征、天气敏感度和季节性运行条件的共同影响,因此在不同负荷类型和时段之间可能存在显著差异。在以CHP为核心的微电网中,这一问题尤为关键,因为供热需求的不确定性会通过CHP机组的电热耦合关系传播,直接影响力调度的可行性和调度成本。
因此,可靠的调度不仅需要准确的预测,还需要能够反映预测实际运行表现的偏差模型。数据驱动的预测方法,包括人工神经网络和循环神经网络,已被广泛应用于短期负荷预测,其中基于LSTM的架构在捕捉能量需求数据的时间依赖性方面表现出强大能力[9],[10],[11],[12]。然而,即使准确的点预测也无法消除预测误差,仅凭点预测不足以支撑风险感知的运行规划。因此,日前调度的核心问题不仅是如何预测需求,更在于如何将预测性能转化为对优化有意义的偏差集。
鲁棒优化和随机优化是面向不确定性的UC/ED的两大主导范式。鲁棒方法通过防范不确定性参数的不利实现来规避风险,并已借助自适应、预算化和多区间不确定性集进行了扩展,以平衡保护性和保守性[13],[14],[15],[16],[17],[18]。相比之下,随机优化通过场景来表征不确定性,已被广泛用于负荷和可再生能源出力波动的微电网及电力系统调度[19],[20],[21],[22],[23]。然而,基于场景的方法通常需要在各场景中重复设置变量和约束,随着不确定性维度和耦合约束的增长,混合整数调度模型的求解难度会越来越大。
尽管已取得上述进展,在以CHP为核心的微电网的偏差感知调度中仍存在一个重要空白。许多现有研究依赖于启发式的预测误差裕度、假设的概率分布或未经目标系统历史预测性能直接校准的通用不确定性集[24],[25],[26]。此外,电力和供热需求的不确定性通常采用共同或对称的裕度来表示,尽管它们的预测误差分布在幅值、方向和季节性特征方面可能存在显著差异。这种简化可能会高估或低估实际影响微电网运行的不确定性。另一个局限在于,电力和供热不确定性暴露往往被聚合为单一的鲁棒性度量,这可能会掩盖它们对耦合CHP调度的不同影响。因此,仍然需要一个可计算的框架,能够直接从预测性能中学习方向性偏差,保留电力与供热偏差各自的特征,并评估这些差异如何传播至鲁棒调度决策中。
为弥补这一空白,本文开发了一种面向以CHP为核心的微电网的数据驱动鲁棒UC/ED框架,在该框架中预测性能信息被直接转化为方向性调度偏差。利用历史实际值与预测值之比,为每个季节的电力和供热需求分别推导出向下的和向上的85百分位偏差界限。这些非对称偏差界限被嵌入24小时鲁棒调度模型中,采用独立的电力和供热不确定性预算,从而可以明确考察向上、向下偏差以及不相等的电热偏差暴露。所得模型在保持电热耦合关系的同时,协同优化CHP机组组合与调度、电池储能、光伏发电利用以及电网交换。该拟议方法进一步与传统的固定对称±15%偏差基准进行对比,以量化通用裕度何时会高估或低估实际预测误差的运行影响。
本文的主要贡献总结如下:
1. 开发了一种基于预测性能的偏差表征方法,利用经验方向分位数从历史实际值与预测值之比中分别推导出电力和供热需求的向下与向上界限。所得偏差集保留了季节性的、负荷特定的以及非对称的预测误差特征,而非施加统一的对称裕度。
2. 开发了一种具有独立电力与供热不确定性预算的方向性鲁棒UC/ED模型。该结构使得两种耦合需求的偏差小时数可以被分别控制,并支持对向上、向下以及不相等的电热偏差暴露进行系统性评估。
3. 跨冬季、夏季、秋季和春季评估了所提出的数据驱动模型,并与传统的固定±15%偏差模型进行对标。对比结果显示,季节性的预测误差如何影响总运行成本和各项成本组成,并表明固定裕度在低误差条件下可能过于保守,而在偏差较大的季节又会低估不确定性。
4. 评估了所得混合整数调度模型在所有季节和偏差预算情形下的计算可行性,证明了经预测校准的偏差表征可以被纳入24小时日前UC/ED而不带来显著的计算负担。
章节摘要 微电网构型与调度框架 本文针对电网连接的微电网,针对电力和供热需求预测的不确定性,开发了一种数据驱动的日前机组组合与经济调度(UC/ED)鲁棒框架。所考虑的微电网以热电联产(CHP)机组为核心,同时供应电力和热力需求。其运行还由电池储能系统(BESS)、太阳能光伏发电以及与电网的双向电力交换共同支撑。
案例研究构型 使用电力和供热负荷需求的逐时历史记录,并结合与天气相关的输入数据,包括气压(mmHg)、太阳辐照度(W/m2)、风速(m/s)、相对湿度(%)和室外温度(°C)。数据集对应于美国印第安纳州(39.7223°N, ?86.28°W)的一栋住宅建筑,覆盖从2015年12月1日到2016年11月30日的一年数据。为捕捉负荷行为和预测偏差的季节性变化,将年度数据集按季节划分。
结论 本文提出了一种面向以热电联产(CHP)为核心的微电网的数据驱动鲁棒机组组合与经济调度(UC/ED)框架,将经验预测误差表征与鲁棒日前调度相联系。该方法不采用统一的固定百分比偏差裕度,而是利用经验方向分位数从历史实际值与预测值之比中推导出针对电力和供热需求的、按季节和负荷类型区分的非对称偏差界限。
关于稿件准备过程中生成式人工智能和AI辅助技术的声明 在准备本文的过程中,作者使用了ChatGPT以提升英语语言和可读性。在使用该工具/服务后,作者对内容进行了审查和编辑,并负责所发表文章的全部内容。
利益冲突声明 作者声明不存在已知的竞争性财务利益或个人关系可能对本研究产生影响。
Syed Mahboob Ul Hassan
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