为综合能源系统安装智慧大脑

与常规能源系统各类能源独立运行相比，综合多能源系统中气、电、冷、热、蓄、新能源等协调互济，梯级应用，其复杂性远高于常规能源系统。多能协同系统的负荷预测与优化调度也是目前公认的难题。

近日，湘潭大学信息工程学院教授段斌、谭貌和苏永新的团队在攻克上述难题时取得多项研究进展，主要成果已发表于《IEEE电力系统汇刊》和《应用能源》期刊。

深度学习提高负荷预测精度

在我国，大型电力用户一旦用电负荷超过一定阈值，结算周期内就需要按峰值功率承担常规电度电费以外的一笔高额需量电费。大型钢铁企业华菱湘钢为此犯了难。

“他们希望能够把用电负荷平滑下来。”谭貌告诉记者，华菱湘钢能源系统是一个典型的区域性综合能源系统，能耗巨大，每年外购电力超十亿元。“这就需要对负荷进行预测，其精度对企业用能成本有重要影响。”

据谭貌介绍，之前企业的预测工作主要通过外购系统实现。然而，外购系统仅提供黑盒服务，通过企业数据自我学习的功能并不完善，企业也不能自己调整软件的模型。而钢铁市场和生产模式都在不断变化，长此以往，模型对负荷预测的准确度就会降低。

“这也给我们自己设计一套负荷预测和控制系统提供了契机。”谭貌说。目前电力系统负荷预测主流方法通常存在特征提取困难和数据重建过程复杂、网络模型复杂度高等问题。而基于深度学习的负荷预测表现出很大潜力，其预测精度和稳定性更高，并能处理复杂问题。

“我们在企业现有需量负荷预测系统的基础上，研发了超短期需量负荷预测与控制系统。”谭貌介绍，以前的一些负荷预测评估只使用模拟数据集，而没有真实数据，结果不可靠。而他们的工作和应用广泛结合，提出的模型经大批工业实测数据验证，最大可能地避免了样本选择性误差。

“最终结果表明，我们所提出的方法精度和稳定性均超当前主流先进的时序预测方法，特别是在解决工厂场景问题中具有明显的优势。”谭貌说，“2019年5月启动试点应用，3台钢包炉参与调控，峰值负荷预测误差均小于3%，试用期每个月可节省需量电费约130万元。”

需求响应策略促进家庭节支

在此次发表的另一项工作中，该团队还尝试将需求响应策略作为分布式家庭能源调度的一种解决方案。

苏永新告诉记者，分布式能源系统数量庞大，不确定性是其显著特征之一，即用户的耗能习惯、气温、水温、家庭新能源发电不同。而他们的工作主要就是应对不确定性。

此前，系统调度优化策略主要是两类，一是鲁棒优化，即为了安全性，按最坏的外部条件调度系统，但最坏的情况总是很少发生，系统总按最坏的情况运行，导致运行成本过高；二是随机优化，即把系统的不确定性分成几种典型情况，优化每种典型情况下系统的运行方案。该方法最大的挑战是，若事先没有预计、没有处理的坏工况来临，就可能拉升能源支出。

“而需求响应策略可以解决上述两种策略的不足。”苏永新说。结合物联网和5G技术，电力系统可以广泛、高效地采集需求信号，利用预测信息和真实的电力价格信号形成用能方案。这种需求响应策略简单、容易实现、生命力强，能够在不损失系统安全性的条件下，降低系统运行成本。

针对需求响应优化策略，苏永新向记者描绘出一幅颇具未来感的绿色节能生活场景——先用手机App查一下现在各项能源的价格，调度程序结合用户舒适度和价格因素，自动决定洗衣、做饭的时间及空调在每个时刻的功率。

应用仍面临挑

当前，我国能源消费结构性问题突出。随着能源转型的提速和电力体制改革的不断深入，能源、网络、用户三者之间的关系变得越来越紧密。

苏永新说，综合能源服务将打破不同能源品种单独规划、单独设计、单独运行的传统模式，实现横向“电热冷气水”能源多品种之间、纵向“源网荷储用”能源多供应环节之间的协同以及生产侧和消费侧的互动，从而提高能源效率并缓解能源环境问题。

目前，综合能源系统已成为当前国际能源领域重要战略研究方向和国家能源战略重大发展需求。但谭貌坦言，其在应用中还面临一些挑战，如内部、外部各种因素的变化导致不同周期数据特征有所差异，单一固定模型的性能随着时间推移容易退化，复合预测模型的在线学习和动态集成问题变得迫切。

谭貌认为，精准的预测是能源系统智能运行的重要基础，但考虑多种能源种类后，能源网络更加复杂，用户更加庞大，涉及的不确定因素进一步增加，对预测形成很大挑战。

而对于系统优化调度而言，苏永新说，现实环境下的多能源系统网络结构、运行策略相对固定，对真实系统的改造和调整涉及现实成本问题，所以有些新颖的、前沿的构想只能通过仿真优化的手段实现，如何融合或者打通仿真与现实之间的界限还有较大的挑战。

苏永新说，他们下一步工作将围绕分布式综合能源系统自治管理与优化展开。研究即插即用、自动趋优的智能优化策略，对需求响应政策落地、社会节能减排具有重要意义。