网讯：7月24日，第二届中国新型储能产业高质量发展大会暨第二届全国虚拟电厂技术高层研讨会召开，聚焦新型储能行业发展热点问题，为新型储能高质量规模化发展赋能助力。
在论坛现场，西安交通大学教授叶洪兴发表了《面向虚拟电厂的云边协同负荷管理系统》的主题演讲。
叶洪兴：大家好，非常高兴来跟大家分享一下我们做的一个关于虚拟电厂的工作，因为时间关系，我稍微快一点。
我主要讲三部分内容，首先是分布式资源，简单介绍一下分布式资源包括什么内容，之前各位领导专家都对其进行了介绍，然后我这里将重点讲一下多虚拟电厂云边协同优化。之前的专家已经谈到了单个的虚拟电厂，包括上一位嘉宾提到的共享储能，其实共享这个词是跟多虚拟电厂是可以挂钩的。最后我们介绍一下开发的系统。
分布式资源大家已经很关心了，包括一些风光的，源端的，包括荷端的，包括储能，其实储能既可以做源端也可以做荷端。
对于政策环境而言，我国已经推出了双碳30、60，这为行业或者说这个赛道带来了巨大的推动力，促使我们向低碳方面转型。今天在讨论云边协同时，我们也将谈到如何把碳的因素融入到虚拟电厂里面。另外我国还存在一个发展趋势，即电力系统对于灵活性资源的需求非常大，这也是虚拟电厂可以快速发展的原因之一。
最后一个要讨论的是我们如何利用灵活性资源，包括灵活调节、削峰填谷、以及爬坡等。面向虚拟电厂分布式资源聚合和调控，是虚拟电厂里面关键的技术要点。虚拟电厂可以打破分布式能源地域和范围的限制，不像传统的能源受制于地域的限制，因为有“虚拟”这个词，所以它可以把不同地区或地点的资源进行整合，进一步地促进分布式能源的发展和降低碳排放。
今天我讲的内容主从技术层面来看，涉及到分布式资源聚合和云边协同的优化。在此之前，先简单说一下分布式资源的特点。正如刚才提到的，单个储能或者是单个的风光电在虚拟电厂里面装机容量通常是很小的，对于一个调度系统来说，它们的颗粒度太小以至于调度系统难以直接调动，因为调度系统的计算的精度都达不到它们的装机容量。所以，这里面有涉及到一个关键词，即聚合，也是所谓的“聚沙成塔”。将小的资源结合起来就可以有效地参与市场，虽然单个个体小，但是数量大，所以总量大。然而，总量庞大对于我们的调度和调控会产生一些难题。
另外一个要考虑的点就是负荷的参与。在这方面，我们从原来的源随荷动发展到现在的源荷互动，这里面包括了储能，所以负荷的参与程度也是非常重要的。据统计，一般来说，像需求侧的管理，可能也只有5%的负荷能真正参与进来。然而，未来对于负荷参与度的要求和期望会变得非常高，尤其是在新能源占比提高了以后。
“聚合”难在哪里？是庞大的离散变量规模。在我们做模型或者建立聚合调控的时候，针对的是单个的个体，与以前传统的大型电厂不同，它们的调控都比较连续，而虚拟电厂中单个个体容量小，数量又很大，所以会引入很多离散的变量。
另外一个关键点在于资源多元性，虚拟电厂不仅仅涉及火电机组，或者仅仅是储能，现在它包括储能、火电、风光、电动汽车及其他各类负荷等多种资源。虚拟电厂的资源类型非常丰富，并且每种资源都有自己的特性。从某种程度上来说，它们可以互补共济，比如晚上风能可能很丰富，但是没有光能，而那白天光伏则较为充足，这里面光和风有一定的互补性。从储能来说，它有一个“万金油”的特性，它可以在任意时刻进行调用，虽然容量有限，不能无限的用，比如刚刚讲到的4个小时，2个小时，或者10个小时等等。但在储能无法调用的时间段，其他的资源此时或许可以被调用，比如说分布式的机组的使用时间是不受限制的，所以从时间层面来说也是可以互补的，这只是两个例子，为了说明多元资源特性互补。互补以后如果联合起来作为联合的市场主体就可以参与更多的市场竞争，在电力市场里面或者是其它的市场里面，包括碳交易市场，以实现盈利或者是达到更高的权益。
下面介绍一下多虚拟电厂的特点。多虚拟电厂需要接入电网，而接入点的位置会对潮流产生不同的影响。价格也会因此不一样，其实这里面潮流也是不一样的。比如说如果分别在不同的A点和B点接入，网损会不一样，可能接近某个地方的时候网损小一点，利用率高一点。而离负荷较远时，网损会大一点，可能成本也要更高。另外一个还有虚拟电厂的资源类型也不尽相同，正如之前所说，多个虚拟电厂里面的资源是多样化的，如果能够联合起来，进行聚合调度调控的话就可以发挥更高层次的资源互补效应。
还有一个要考虑的点是节点碳势的差异性，这跟我们说的碳排放挂钩。比如说，火电厂发电时排放的碳比较多，而风光发电无碳排放，计算的话可以用碳势的概念，即发一度电排放了多少的碳。每个节点的碳势会不一样，如果使用的清洁能源多一些，那么碳排放量就会减少。所以如果我们考虑每个节点的碳势不一样，那么多虚拟电厂内部的碳势就会各不相同，且因时空不同而变化。还有一个需要考虑的问题是敏感信息，或者是商业信息。有些参与市场的资源拥有方不想把自己的商业机密透露给外界，这个时候就有一个本地保护信息的需求。有时候人们会用加密的手段来保护信息，而我们提出的算法就无需对外透露关键信息，从源头杜绝了信息泄漏，并开发了云边协同优化平台来落地。
我们这里面提出来了时空优化模型，即在时间和空间上进行优化，同时实现资源的互补，可以达到3个目标，一个是提升配网新能源承载力，因为我们强调了灵活性，灵活性的提高可增强承载力；第二，提高削峰填谷的水平；第三，降低碳排放。这里面简单介绍一下所谓的节点的碳势的定义。针对某一个节点，首先根据潮流或者能量，计算总的碳排放量，然后除以潮流或者能量，这样就得到了碳势。有了碳势之后，就可以精确地计算虚拟电厂发电或者是用电会有多少碳排放。但是这里面也有难点，碳势的计算是非凸的问题，从计算的角度来说很复杂。如果问题是非凸的则有可能计算复杂度呈指数级的增长，计算十分困难。我们的处理方法就是用凸化，这个较为学术，就不具体展开了。
下面介绍云边协同优化的框架。在这个框架中，上层是主网，下层涉及价格信号和电能交换。配网运营商可以连接很多个虚拟电厂，通过价格信号实现电能交换的目的。这里面存在一些关键问题。首先，如果虚拟电厂或者是分布式资源的规模很大，如何进行高效的调度是一个重要问题；第二，对于敏感信息，有些资源拥有方不想把信息传给外部机构，想把重要性的信息比如成本信息放在本地，如何实现这一点也是一个关键问题；第三，运营商还要实现削峰填谷的效果，以及在电力市场中实现对外盈利的目标，能不能达到这一点？因此，为了解决以上问题，达到实现最优化的目的，需要通过右边的算法实现。
分布式和集中式优化出来的结果存在差异。集中式是把所有的信息收集后进起优化和计算，即在中心服务器里面进行计算，算完以后得到结果，由于这种方式拥有更多的信息，因此计算直接，可以作为比较标准或Benchmark。另外一种思路是分布式计算，在这种情况下，只传递部分的信息，而重要的商业成本信息都放在本地了，那跟集中式优化对比起来差异有多少？这个图列出来结果。左下角三个图，一个是比较了有功的差异，还有一个是无功的差异，右下角是电压幅值，集中式和分布式的结果基本上一致。
总结一下，我们这种分布式优化的优势包括：
1、将节点碳势引入多能源系统。
2、保护数据隐私的分布式计算。
3、提高了分布式OPF计算速度。
4、对节点碳势计算进行凸化处理。
这个是系统，所谓的云是指只进行少量聚合的信息加减乘除的计算，边是边缘计算，主要是指计算时在单个智能体里面本地进行计算，稳定性比较好。在通信过程当中，假如出现一些问题，但边缘计算对整体系统的影响不大。此外，边缘计算准确性也比较高，信息的交互量小，不需要透露太多的信息，还具备较快的计算速度。
这页PPT基于MQTT的云边协同系统是针对负荷管理用的。性能很好，对于500个用能智能体，计算时间仅需0.02秒，为了达到削峰填谷的作用进行排序，计算时间大概是0.02秒，整个物理的小平台计算时间是非常快的。然后这个是步骤，总的来说，首先第一步是将有乘子的信息交给信息中转方；第二步是下发至智能体，智能体进行计算，并上传功率的信息；然后再到信息总线，最后整合更新乘子。
小的平台有以下几个特点：
1、算法高效，硬件性能要求低，低成本。
2、计量节点碳排放。
3、可规模化，适用于虚拟电厂、分布式能源、综合能源系统。
4、隐私保护，不泄露本地重要信息。
这就是我今天主要汇报的内容，谢谢大家！
