近期，自動(dòng)化工程學(xué)院由彭道剛教授領(lǐng)銜，趙慧榮副教授、渠博崗講師等為骨干的研究團(tuán)隊(duì)指導(dǎo)博士和碩士研究生在綜合能源與虛擬電廠(chǎng)方面的研究工作取得重要進(jìn)展，相關(guān)研究成果在2024年底以第一單位和第一作者/通信作者在《Applied Energy》（IF:10.1）、《Energy Conversion and Management》（IF:9.9）、《Renewable Energy》（IF:9.0）以及《Energy》（IF:9.0）等能源領(lǐng)域中科院一區(qū)Top期刊發(fā)表學(xué)術(shù)論文多篇。
分布式綜合能源系統(tǒng)與虛擬電廠(chǎng)是解決可再生能源就地消納、提升網(wǎng)荷互動(dòng)靈活性，支撐能源電力行業(yè)低零碳轉(zhuǎn)型發(fā)展的重要技術(shù)方向，近年來(lái)受到了國(guó)內(nèi)外研究者的廣泛關(guān)注和深入探討。自動(dòng)化工程學(xué)院彭道剛教授領(lǐng)銜的科研團(tuán)隊(duì)立足能源電力行業(yè)低零碳轉(zhuǎn)型需求，聚焦低零碳分布式綜合能源與虛擬電廠(chǎng)的系統(tǒng)優(yōu)化設(shè)計(jì)、源荷預(yù)測(cè)、協(xié)同控制與運(yùn)行調(diào)控等關(guān)鍵技術(shù)攻關(guān)，并取得系列研究成果。
系統(tǒng)優(yōu)化設(shè)計(jì)方面，在《Renewable Energy》上發(fā)表題為“A preference adjustable capacity configuration optimization method for hydrogen-containing integrated energy system considering dynamic energy efficiency improvement and load fast tracking”的論文，針對(duì)含氫綜合能源系統(tǒng)提出一種偏好可調(diào)的容量配置方法。主要貢獻(xiàn)在于在系統(tǒng)設(shè)計(jì)階段通過(guò)設(shè)備選型和容量配置優(yōu)化，改善系統(tǒng)在后續(xù)運(yùn)行過(guò)程中的負(fù)荷跟蹤動(dòng)態(tài)特性，提升系統(tǒng)能效。相比于傳統(tǒng)容量配置方法，論文在容量配置優(yōu)化問(wèn)題構(gòu)建過(guò)程中設(shè)計(jì)添加了能夠綜合表征系統(tǒng)動(dòng)態(tài)能效和負(fù)荷跟蹤能力的性能指標(biāo)，并提出了一種偏好可調(diào)的容量配置多目標(biāo)優(yōu)化求解方法，可滿(mǎn)足不同投資主體對(duì)于經(jīng)濟(jì)、環(huán)保、動(dòng)態(tài)等多項(xiàng)優(yōu)化目標(biāo)的容量配置偏好需求，有力推動(dòng)含氫綜合能源系統(tǒng)優(yōu)化研究，為能源系統(tǒng)規(guī)劃設(shè)計(jì)與運(yùn)行控制提供重要理論和實(shí)踐支撐。
源荷預(yù)測(cè)方面，在《Energy Conversion and Management》上發(fā)表題為“Short-term PV-Wind forecasting of large-scale regional site clusters based on FCM clustering and hybrid Inception-ResNet embedded with Informer”的論文，提出了一種新型區(qū)域站點(diǎn)集群短期電力預(yù)測(cè)模型。主要貢獻(xiàn)在于創(chuàng)新性地結(jié)合Pearson相關(guān)系數(shù)和基于Copula函數(shù)的Spearman秩相關(guān)系數(shù)，全面分析發(fā)電影響因素的線(xiàn)性與非線(xiàn)性相關(guān)性以篩選強(qiáng)相關(guān)變量；利用FCM聚類(lèi)算法對(duì)大規(guī)模電力集群分類(lèi)，并通過(guò)輪廓系數(shù)評(píng)估聚類(lèi)效果選取代表性站點(diǎn)構(gòu)建數(shù)據(jù)輸入集；構(gòu)建了融合Inception、ResNet和Informer的深度神經(jīng)網(wǎng)絡(luò)模型，能有效捕捉時(shí)間序列特征和緩解梯度消失問(wèn)題；改進(jìn)GWO算法，引入新策略和收斂因子尋找最優(yōu)參數(shù)，提升模型預(yù)測(cè)精度與魯棒性，經(jīng)實(shí)驗(yàn)驗(yàn)證在風(fēng)電和光伏預(yù)測(cè)上均優(yōu)于其他算法，提高了預(yù)測(cè)的準(zhǔn)確性和效率。
在《Energy》上發(fā)表題為“Multi-energy load forecasting for integrated energy system based on sequence decomposition fusion and factors correlation analysis”的論文，提出了一種基于序列分解融合與因素相關(guān)性分析的綜合能源系統(tǒng)多元負(fù)荷預(yù)測(cè)方法。主要貢獻(xiàn)在于運(yùn)VMD分解復(fù)雜負(fù)荷序列并融合相關(guān)分量，克服模態(tài)混疊問(wèn)題，降低預(yù)測(cè)難度；通過(guò)結(jié)合Pearson與基于Copula函數(shù)的Spearman秩相關(guān)分析的ICA方法，全面考量影響因素與負(fù)荷間線(xiàn)性及非線(xiàn)性關(guān)系，精準(zhǔn)篩選強(qiáng)相關(guān)因素，避免傳統(tǒng)方法單一相關(guān)性分析導(dǎo)致的信息遺漏；構(gòu)建MTL-CNN-BiGRU-Attention 模型，以BiGRU為硬共享層挖掘負(fù)荷耦合信息，并借助注意力機(jī)制突出關(guān)鍵特征，提升預(yù)測(cè)精度；改進(jìn)GWO算法，引入新策略和收斂因子優(yōu)化模型超參數(shù)，增強(qiáng)搜索效率與收斂速度，使模型在多能源負(fù)荷預(yù)測(cè)上表現(xiàn)更優(yōu)，有效提高了預(yù)測(cè)準(zhǔn)確性和效率，在不同數(shù)據(jù)集上均展現(xiàn)出良好的魯棒性和泛化能力。
多主體優(yōu)化調(diào)控方面，在《Applied Energy》上發(fā)表題為“Optimal scheduling of multiple entities in virtual power plant based on the master-slave game”的論文，提出了一種基于主從博弈的虛擬電廠(chǎng)多主體最優(yōu)調(diào)度策略。主要貢獻(xiàn)在于構(gòu)建了含電動(dòng)汽車(chē)與碳處理系統(tǒng)的綜合能源虛擬電廠(chǎng)多主體運(yùn)行模型，全面考慮多種能源交易及碳排放，充分兼顧消費(fèi)者滿(mǎn)意度、能源供應(yīng)方經(jīng)濟(jì)性與電廠(chǎng)低碳性，突破現(xiàn)有調(diào)度模型單電能市場(chǎng)局限，實(shí)現(xiàn)多能源形式下的優(yōu)化配置；提出基于Stackelberg主從博弈的多主體最優(yōu)調(diào)度策略，構(gòu)建用戶(hù)滿(mǎn)意度能效模型及多主體博弈模型并證明其均衡唯一性，提升調(diào)度效率，增強(qiáng)系統(tǒng)在不同市場(chǎng)環(huán)境的適應(yīng)性與穩(wěn)定性，有效協(xié)調(diào)各主體利益關(guān)系；運(yùn)用NOA-QP組合算法制定能量定價(jià)策略，通過(guò)分布式均衡求解避免信息泄露，保護(hù)隱私，同時(shí)顯著提高算法收斂速度與電廠(chǎng)運(yùn)行效率，為虛擬電廠(chǎng)優(yōu)化調(diào)度提供高效的解決方案，相比傳統(tǒng)算法優(yōu)勢(shì)顯著。
以上研究成果獲得國(guó)家自然科學(xué)基金面上項(xiàng)目、國(guó)網(wǎng)上海市電力公司科技項(xiàng)目等資助，同時(shí)也得到上海市電站自動(dòng)化技術(shù)重點(diǎn)實(shí)驗(yàn)室、上海發(fā)電過(guò)程智能管控工程技術(shù)研究中心、智能發(fā)電上海市級(jí)實(shí)驗(yàn)教學(xué)示范中心、上海市高水平地方高?！案咝У吞及l(fā)電與清潔能源利用”重點(diǎn)創(chuàng)新團(tuán)隊(duì)等支持。
自動(dòng)化工程學(xué)院 趙慧榮 供稿
2025年1月20日