优化调度

为了促进多能耦合互补和实现可再生能源就地消纳，综合能源系统已成为多领域的研究热点。考虑到能源设备及网络的多样性、复杂性以及多种能源时间尺度的差异性，根据能量平衡原理，对系统内具有可调特性的源、网、荷进行储能化建模，并构成虚拟储能系统参与到综合能源系统的优化调度中。为了准确把握虚拟储能的研究重点，首先介绍了虚拟储能的定义、逻辑架构和技术内涵；其次针对综合能源系统源、网、荷端设备或网络，总结和归纳了4种虚拟储能建模方法和特性指标；然后重点分析了虚拟储能在4种典型场景的具体应用；最后展望了虚拟储能未来的发展方向。

双碳目标下，多能耦合协同运行的虚拟电厂（virtual power plant，VPP）能够有效提升系统经济效益。为降低VPP碳排放量，同时挖掘其需求侧可调节潜力，提出一种考虑阶梯碳交易及综合需求响应的虚拟电厂优化调度模型。首先，基于阶梯式碳交易机制，考虑虚拟电厂各组成元件约束，建立参与碳交易市场的虚拟电厂模型；其次，将需求响应分为价格型需求响应和替代性需求响应，分别构建响应模型；最后，考虑购能成本、系统运营成本和阶梯式碳交易成本，以VPP在调度周期内收益最大为目标函数建立虚拟电厂低碳经济运行模型，并通过算例仿真验证所提模型的有效性。

随着人工智能技术特别是强化学习在能源优化调度领域的深入研究，将系统状态表示为向量用于学习的模式，其训练效率与信息利用率较低。针对这一问题，提出了一种融合图神经网络模型与强化学习的综合能源系统优化调度方法。首先，将电-热-气综合能源系统建模为图结构数据，充分利用系统的拓扑信息。其次，提出了基于图神经网络架构的强化学习模型，使其可以充分利用图结构信息实现更快的训练速度，获得更大的探索空间。最后，将表示系统状态的图结构信息送入该模型进行训练，算例仿真验证了该方法的训练效率与探索能力。

5月19日，国家电网新型电力系统科技攻关行动计划2022专项重大科技项目责任状签订视频会议召开。会议深入学习贯彻习近平总书记重要讲话和指示精神，落实党中央、国务院关于构建新型电力系统的决策部署，进一步统一思想、明确任务，扛牢责任、狠抓落实，全力攻关新型电力系统核心技术，推动能源清洁低碳转型，助力实现碳达峰碳中和目标，积极服务“六稳”“六保”大局，为促进经济社会高质量发展作出更大贡献，以实际行动迎接党的二十大胜利召开。

5G通信基站通常配备光储，数量庞大、功耗可调，是一种优质的电力灵活性调节资源。提出了多类型光储式5G基站集群灵活性资源聚合方法以及参与电网调峰的协同调度策略。首先，分析休眠机制下多类型基站功耗可调特性与计及基站备用电量的储能调节能力。基于极限场景思想，构建了光储式5G基站的灵活性空间量化模型。在此基础上，利用闵可夫斯基和法刻画异构基站柔性资源的时空耦合能量轨迹，得到海量基站集群的灵活性资源聚合可调域。其次，建立了基站集群聚合资源参与电能量市场和辅助服务市场的协同调度优化模型，提出了基于交替方向乘子法(alternating direction method of multipliers, ADMM)的分层分布式基站集群协同优化调度策略，将大规模基站集群调度问题降维分解为统一协同调峰功率响应、聚合功率自治调度和基站集群功率分配3个子问题进行求解。通过算例对比分析可知，所提策略可降低通信基站69.86%的用能成本，为提升通信资源利用率和电力系统灵活调节能力提供了有效手段。

围绕“碳达峰、碳中和”目标，能源电力系统“源-网-荷-储”全环节低碳化面临新的要求和挑战，高比例可再生能源发电已成为必然趋势。考虑可再生能源发电的不确定性对电力系统安全稳定运行的影响，利用具备多能互补特性的虚拟电厂(virtual power plant，VPP)是改善该问题的有效途径。为此，提出一种多能互补虚拟电厂优化调度策略。首先，充分考虑多种能源之间的耦合关系，构建计及“源-网-荷-储”全环节的虚拟电厂运行机制；其次，根据所提运行机制，提出以低碳经济为目标的多能互补优化调度模型，通过对各类型装置进行协调调度，促进可再生能源的消纳；最后，以某地区含可再生能源发电在内的多能互补虚拟电厂为参考案例进行仿真分析，验证所提策略的有效性。

针对新能源大规模并网下，因系统惯量低、调频备用不足导致的系统运行安全问题，提出了考虑风机惯量支撑及有功备用的新能源电力系统优化调度模型。首先，建立实时风速下风机参与系统惯量支撑响应的风机惯量模型及风机降载出力的有功备用模型；然后，构建了两阶段随机鲁棒优化调度模型，以总运行成本最小为目标，采用列与约束生成算法求解两阶段模型；最后，以改进的IEEE-RTS 24节点系统为算例进行分析，结果表明，所提优化调度模型的总成本较低且弃风弃光量较少。

建筑减排已成为中国达到“双碳”目标的重要途径，智慧楼宇作为多能流网络耦合的综合能源主体，面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题。针对这一问题，提出基于深度强化学习的多能流楼宇低碳调度方法。首先，根据智慧楼宇的实际碳排放量，建立了一种奖惩阶梯型碳排放权交易机制。其次，面向碳市场和多能流耦合网络，以最小化运行成本为目标函数，建立多能流低碳楼宇调度模型，并将该调度问题转换为马尔可夫决策过程。然后，利用Rainbow算法进行优化调度问题的求解。最后，通过仿真分析验证了优化调度模型的可行性及有效性。 Building emissions reduction has become a crucial pathway for China to achieve its 'dual-carbon' goals.As an integrated energy entity coupled with multi-energy flow networks, smart buildings face challenges such as high carbon emissions, a high degree of coupling in multi-energy flow networks, and distinct dynamic characteristics in load energy consumption behavior. In response to these challenges, a low-carbon scheduling method for multienergy flow buildings based on deep reinforcement learning(deep RL) is proposed. Firstly, a reward and punishment ladder-type carbon emissions trading mechanism is established based on the actual carbon emissions of smart buildings. Secondly, targeting the carbon market and multi-energy flow coupling networks, a low-carbon scheduling model for multi-energy flow buildings is developed, aiming to minimize operating costs as the objective function, and the scheduling is transformed into a Markov decision process(MDP). Subsequently, the Rainbow algorithm is employed to solve the optimal scheduling. Finally, the feasibility and effectiveness of the optimal scheduling model are verified through simulation analysis.

风电接入从发电侧降低了电力系统碳排放，而引入需求响应消纳弃风为从负荷侧降碳提供了新思路。综合考虑风电和需求响应，基于电力系统碳排放流理论提出了日前日内两阶段电网低碳优化调度方法。首先，对电力系统碳排放流理论进行了分析，建立负荷侧的节点碳势模型；然后，将柔性负荷分为可转移和可削减两类负荷，基于负荷节点碳势模型设计了调用这两类负荷降碳的响应机制；在此基础上，建立了考虑低碳性和经济性的源荷协调日前优化调度模型，基于模型预测控制对日前优化调度模型进行求解，并通过反馈校正调整日内调度结果。最后分别通过改进PJM-5节点和IEEE-300系统进行仿真验证，结果表明，提出的优化调度方法能够有效促进柔性负荷消纳风电，减少弃风的同时实现负荷侧降碳的目标。

冷热电联产（combined cooling, heating and power，CCHP）系统与微电网的结合有利于促进消纳可再生能源，为了提升CCHP型微电网的经济性、环保性和稳定性，提出了两阶段优化调度模型。离线优化阶段基于需求侧响应策略，建立了基于归一化法向约束法的多目标规划模型，并用熵权-TOPSIS法筛选最优结果。在线优化阶段建立了基于动态矩阵控制算法的有限时域优化模型，对离线优化结果进行跟踪优化和反馈校正，以降低不确定性因素的影响。最后，设计对比方案进行分析，验证了所提优化模型的有效性。