virtual power plant, CHP-VPP)聚合了各类电热出 力单元，可兼顾风光出力不确定性、动态电价、用户热舒适度等影响，实现整体出力的优化调度。 提出了两阶段分布鲁棒优化调度方法，第一阶段考虑计划调度，旨在保证CHP-VPP的收益最大； 第二阶段基于矩不确定分布鲁棒方法，构建风光出力的不确定性模糊集，引入用户热舒适度 HOMIE 模型，降低电热净负荷波动幅度，实现对 CHP-VPP 内部各单元实时出力的优化调整。针 参数、不同优化方法以及动态电价对调度结果的 影响，结果表明：所提出的两阶段调度方法能够有效进行电热调度，实现系统的收益最大化和波 动最小化。 关键词 关键词：热电联产虚拟电厂；优化调度；矩不确定性；分布鲁棒优化；热舒适度 中图分类号：TP391.9 文献标志码：A 文章编号：1004-731X(2023)05-1046-13 DOI: 10.16182/j.issn1004731x 聚合了多种电热资源，通过优化调 度可助力高比例可再生能源消纳。与此同时，可 再生能源、电价等带来的不确定性 [6-7]也成为CHP- VPP 优化调度研究中的重点关注问题。其中，由 风光出力引起的不确定性 [8]是 CHP-VPP 优化求解 的关键，对这类不确定性的建模处理已有大量研 究 [9-11]。在已有文献中，针对不确定性的常用方法 主要有：随机规划(stochastic programming, SP)

北京 100084） 摘 要：针对园区综合能源系统的优化运行问题，从模型、算法和机制 3 个层面综述了其研究现状及存在的主要 问题。在模型层面，依次讨论了园区综合能源系统的基本优化模型、不确定性模型和博弈模型的研究现状；在算 法层面，归纳分析了数学规划方法、启发式方法和强化学习在园区综合能源系统优化运行的应用情况；在机制层 面，概括分析了综合需求侧响应机制、碳交易机制、绿证交易机制及综合能源市场交易机制下园区综合能源系统 的电力系统或热力系统不同，PIES 的用能设备和决 策主体更为多样，能源耦合关系及交互决策行为复 2470 高电压技术 2022, 48(7) 杂。此外，PIES 面临着来自不同能源系统的多重不 确定性的影响，这也对其建模分析提出了较大的挑战。 优化算法是支撑 PIES 优化运行的关键。PIES 优化运行问题本质上是一个非凸非线性随机优化问 题，求解难度高[4]。常用的求解方法包括数学规划 传统能源系统，PIES 主要具有如下特性： 1）本地性。PIES 存在相当比例的分布式能源， 可实现就地消纳。这使 PIES 成为发展、消纳分布 式可再生能源的重要载体[6]。 2）多重不确定性。光照强度、风力风向、当 地气温、终端负荷需求、能源价格等因素的随机性 与波动性均会对 PIES 的能源生产、转换、消费等 环节产生影响[7]。 3）灵活性。PIES 供需两侧的能源路径多样，可

...................................................................................... 44 4.7 不确定性与重新计算 ................................................................................. 47 4.8 报告和核查 一家公司的领导团队寻找证据支持其“最少资源投入”措施来满足 碳合规要求，而忽略了那些表明政府正在制订颠覆性政策的情报。 • 风险规避 (Risk Aversion)： 由于感知到的风险或不确定性，对投资于 新技术或新运作模式过于谨慎。 通用碳管理指南 – 第三章：给高层管理人员的战略建议 24 示例： 一家企业因担心技术的可靠性而决定不投资于太阳能电池板等可 如适用，收集产品使用数据以估算下游排放。 数据质量和准确性： • 一手数据与二手数据： 尽可能使用一手数据（直接测量或收集），因为 它通常比二手数据（估算或来自数据库）更准确。 • 不确定性管理： 承认并记录数据收集中潜在的不确定性来源，有助未来 改进。 企业遵循这些步骤，可以确保为碳量化收集的数据是全面、准确而且可用，从 而有效地管理排放。这些数据将作为计算排放、设定减排目标和开诚报告进展 的基础。

特别是在高峰时段，供需不 平衡问题尤为突出，需要更 灵活的能源管理系统。 增强电网稳定性 提升能源利用效率 · 通过智能体技术优化资源配置，提高可再生能源利用率，减少能 源浪费，实现能源高效利用。 · 智能体技术能够实时监测和调度电力系统，快速响应供需变化， 有效增强电网的稳定性和可靠性。 · 虚拟电厂通过智能体技术参与电力市场交易，实现资源的灵活调 度和优化配置，提升市场交易的效率和灵活性。 智能体技术在虚拟电厂中的应用，为构建新型电力系统提供了有 力支撑 。 传统电力系统在应对大规模 可再生能源接入时，稳定性 问题日益突出。如何有效平 衡供需，确保电力稳定供应 成为亟待解决的问题。 促进市场交易灵活性 推动电力行业创新 随着技术进步和成本下降， 风光等可再生能源得到快速 发展。然而，其间歇性和不 确定性给电力系统带来挑战， 需要新型管理和调度技术。 传统能源面临资源枯竭、环 境污染严重及温室气体排放 境污染严重及温室气体排放 过多等问题，这些挑战促使 全球能源结构转型，寻找更 加可持续的能源解决方案。 传统能源面临的挑战 可再生能源发展需求 智能体与虚拟电厂技术 电力系统稳定性问题 研究背景 #2 能源现状分析 第 三 道 防 线 的 低 频 、 低 压 减 载 只 配 置 在 变 电 站 ， 过 频 切 机 只 配 置 在 电 厂 。 高 比 例 新 能 源 接 入 电 网

据不出域、安全高效的 AI 服务分发。以 IPv6/IPv6+ 为基础，依托 SRv6 策略路由和网络切片技术，智能 IP 广域 网具备灵活的策略调度与差异化服务保障能力，可为不同优先级的算力任务提供确定性低时延和高可靠性的网络 质量，提升端到端算力调度的敏捷性与智能化水平。 三、新质互联网近期探索方向 新质互联网智鉴报告（2025） 07 08 图 3 智能 IP 广域网架构 案例 1：交通运输行业 案例 3：跨广域确定性网络 由江苏省未来网络创新研究院、清华大学、中国科学技术大学、深圳信息通信研究院等单位共 建的国家重大科技基础设施“未来网络试验设施”提出并有效验证了云网资源一体化调度、异厂商可 编程网络数据面 / 控制面互联互通、异构多云互联等技术方案。首次验证了基于 SRv6 和 FlexE/ 小 颗粒度软硬切片组合方案，为试验用户提供一个跨广域、端到端、有确定性质量保证且安全隔离的 无线网络以及基于全光以太、长距 POE 等技术的有线网络实现终端高速接入；基于无线网络的 IoT 物联融合、通感一体、高精度定位能力，灵活接入各类终端及传感器，为 AI 智能提供丰富的数据流通基础；需 要提供确定性体验以保障核心业务的生产力，通过 AI 应用识别与流量调度，为关键业务分配保障带宽和优先转 发权，确保高负载时段核心业务体验流畅。网络需践行绿色节能目标，通过采用高集成度芯片、硬件平台按需休 眠、基于业务负载的动态功率调整、CSI

推广至存在大规模高比例新能源接入的电力系统。同时认为将 Grid 6 Forming 与现有新能源并网变流器控制技术（Grid Following）及其改 进技术相结合，可以提升大规模高比例新能源接入的电力系统稳定性， 进一步提高未来电力系统的新能源接入比例极限。 在 2020 年，奥尔堡大学王雄飞教授将基于检测电压实现并网同 步的控制定义为跟网型控制技术，而将采用功率同步机制的电压源型 控制定义为构网型控制技术。 压的响应和支撑。此外，顾名思义，电压源型构网控制通常也具备建 立电压和构建电网的能力，在能量供给充足时，可以独立地为负荷供 电。 在 2022 年末，南瑞继保电气有限公司詹长江总工在《构网型变 流器稳定性研究综述》一文中指出，通过借鉴同步发电机的物理机理， 不同学者在不同时期，从不同角度提出了构网型(grid-forming)变流器 的概念。尽管在不同文献中，构网型变流器控制架构的具体实现在细 3586-3595 [8] 秦世耀，齐琛，李少林，等. 电压源型构网风电机组研究现状及展望. 中国 电机工程学报，2023，43(04): 1314-1334. [9] 詹长江，吴恒，王雄飞，等. 构网型变流器稳定性研究综述. 中国电机工程 学报，2023，43(06): 2339-2359. [10] 刘辉,于思奇,孙大卫,等.构网型变流器控制技术及原理综述[J/OL].中国电机 工程学报:1-16[2024-05-17]

管理潮流的能力，为日益增长的效率问题和可持续性需求提供了解决方案。 然而，电网现代化也伴随着重大技术挑战：可再生能源发电的波动性、现有基础设施的过载以及 系统复杂性的增加。这些障碍需要创新方法来确保电网的稳定性、安全性和弹性。 引言 02 在此背景下，电网的智能选型成为优先事项。通过精确分析和优化基础设施，选型软件在应对智 能电网挑战中发挥着战略作用。这些适应多源电网特性的先进工具有以下优势： |多源电网中选型软件的关键作用 智能电网的关键特性包括： 1 整合可再生能源 智能电网能够最大化利用可再生能源，通过储能系统和智能能源管理补偿其波动性。 2 运行自动化 使用传感器和通信网络持续监控电网状态，检测异常并自动调整以保持稳定性。 3 优化电力能量流 通过实时数据分析，智能电网优化负载分配，减少能量损耗并提高整体效率。 4 以用户为中心 智能电网将消费者纳入其运行中，允许他们生产和消费自己的能源，并激励他们根 严格符合标准 实时计算界面 自定义和 可设置的界面 识别标准偏差和 不合规项警告 第二部分 潮流计算： 优化潮流与预防低效 07 08 理解潮流计算 1. 潮流计算是分析电网性能和稳定性的基本方法。 它是理解电力如何在系统中流动、识别网络中不同支路的负荷、电压和电流分布的重要工具。 | 什么是潮流计算？ 潮流计算是一种数学分析，用于： • 确定网络中电力负载的分布，即通过系统中任意点的能量。

一能源供应独立规划、设计和运行的既有模式，通 过供能和用能系统的协调配合，实现了可持续发 展。但是，可再生能源具有间歇性、不稳定性、不 可控性的特点 [2]，接入电网后对主能源系统冲击大， 需要在此之前开展有效的组织利用形式探讨 [3]。虽 然可利用多种资源的互补性一定程度上缓解能源供 应的不稳定性，但仍然迫切需要储能、多能互补能 源系统容量配置优化方法等技术实现可再生能源连 续、稳定、可控的能量输出 况，提出了一种最佳容量配置模型。徐林等 [11]基于 分时电价差异化使风、光、储多能源系统协调统 一，采用一种分时优化策略，实现了一种改进型综 合能源系统容量优化配置方法。祝荣等 [12]构建了一 种集可再生能源输出功率不确定性模型、柔性负荷 模型和储能设备模型于一体的工业园区风光储一体 化综合能源系统模型，以运行成本最低为目标，利 用商业求解器 CPLEX 进行求解。结果表明，所建 立模型有效提升了系统的运行经济性及可再生能源 估可再生能源利用率和负荷缺失率判断达标情况。 此外，随着分布式电源和波动负荷在电网中的渗透 率不断增大，供电系统的不确定性显著增加，已不 再满足要求传统的确定性无功优化条件。尹青 等 [15-16]提出的概率无功优化模型和调度方法有效地 解决了不确定性与调度计划的具体确定性之间的矛 盾，提高了求解效率。 随着多能互补能源系统的发展，优化目标也随 之多样化，不仅关注单目标优化，而且多目标优化

合”能力使其能够整合不同种类能源的特 性，如将经济性高但稳定性低的风光能源与 经济性低但稳定性高的调节型能源（如煤 电、气电、小水电、生物质发电）相结合， 打造既经济又稳定的能源产品，从而在电力 市场上获得竞争优势。 资料来源： 国家电网，普华永道分析 传统电源 高可控性 风电 光伏 火电/气电 经济性+++ 稳定性--- 经济性- 稳定性+++ 经济性++ 稳定性+++ 聚合电力产品 新能源电源 新能源电源 低可控性 虚拟电厂的进阶模式 虚拟电厂组合各类能源提供经济稳定性俱佳的产品 我国虚拟电厂发展目前正处于早期邀约型阶 段，相关机构组织用户侧参与需求响应，有 电网引导各方参与共同完成邀约、响应和激 励流程实现可调节负荷的有序用电，主要遵 从计划机制。随着电能量市场、辅助服务市 场的基本成型，虚拟电厂将迈向市场性阶段， 虚拟电厂聚合商将以类似于实体电厂的模式 主动响应市场价格信号，通过整合调度源、 调频 其他辅助服务 电能量市场 中长期市场 现货市场 应用场景 邀约型阶段 市场性阶段 聚合对象 大工业、工商业企业 • 分布式发电 • 灵活机组（成本低，稳定性差）：风电、光伏 • 调节机组（成本高，稳定性强）：气电、煤电、生物质发电 • 储能 风光发电占比高 省份 累计分布式 风光能源 （MW） 平均峰谷价 差（元/度） 是否开展电力 现货市场 电力市场成熟程度