解读合肥工业大学 杨贺钧PPT：新型配电系统分布式资源灵活性聚合与市场模式

分布式资源涌入配电系统，灵活性为什么成了刚需

报告开篇指出，分布式资源具有颗粒度小、数量庞大、类型各异的特点，其大规模涌入配电系统势必压缩系统安全裕度，增加运行困难。这些困难主要体现在承载力不足、运行复杂性增加、市场机制不完善、灵活性没能充分利用四个方面。

从需求侧看，高渗透率分布式资源并网、海量多元分布式柔性负荷是两大新形势，而适应系统转型的配套机制则存在瓶颈：接入要求高、策略相对滞后。报告用高冗余、高灵活、高韧性、高协同四个新要求来对应，分别指向应对源荷不确定性、降低安全风险、提高资源利用率、提升系统调控能力。

如何表征灵活性：从可调节潜力到缺额风险

针对“如何表征分布式资源灵活性”，报告建立发电型、储能型以及柔性负荷等分布式资源的运行可调节潜力模型，刻画其可调节特性，并表征系统的灵活性需求和灵活性供给。

具体来看，报告分别刻画系统向上与向下运行灵活性，引入可靠性来反映供电缺额。在此基础上，考虑系统灵活性缺额、可靠性不足的风险惩罚，对分布式资源运行互动能力进行协同优化。报告将表征问题归结为三类矛盾：新能源大规模接入增加系统调节难度、设备随机故障导致灵活性下降、资源配置分散且协同机制不完善使资源利用率偏低。

在调度模型上，报告以燃气轮机能耗成本、电池储能系统运行成本、新能源弃电惩罚成本、电动汽车放电补偿成本及风险惩罚成本最小化为目标函数，并设置相应约束条件。运行调度结果显示，每种资源出力都呈现出明显的时段特征。

虚拟电池：把不同资源的灵活性装进同一个模型

围绕“如何利用分布式资源的灵活性”，报告指出双碳目标驱动下大规模分布式资源接入，促使配电网加速向新型配电系统演变，间歇性新能源逐渐压缩系统安全裕度，需要系统提供灵活性供给。但分布式资源单体容量小、调节能力分散，海量资源的灵活性难以充分发挥。

报告提出用虚拟电池来表征分布式资源的灵活性变化过程。储能电池元件具有功率双向流动、状态相关性等特点，可以有效等效表征分布式资源的灵活性上下调节特征。报告针对日前日内调度偏差场景，利用灵活性资源偏差补偿，刻画补偿前后灵活性变化过程，并选取统一参数集来表征各类资源的可调潜力和灵活性，便于聚合管控。

在虚拟电池基础上，报告构建虚拟储能系统模型，实现同类型分布式资源的单体灵活性虚拟电池聚合，形成协调调度的大规模灵活性集群。

分层调度架构：从单体设备到配电系统调控层

报告给出分层控制策略来协调分布式资源的调度管理。配电系统调控层通过分层级形式实现海量分布式资源参与日前日内联合优化调度；群体控制层以群体运行成本最优为目标，对多类型集群的灵活性潜力进行调度预决策；虚拟储能系统层将集群内单体虚拟电池模型按照功率范围、爬坡速率和能量约束进行聚合；灵活性虚拟电池层则等效量化不同类型分布式资源自身的可调度灵活性。

各类资源自下而上聚合成特性各异的虚拟储能系统，以集群形式在群体层面参与配电系统调度优化。报告还给出考虑灵活性供需平衡与调度偏差补偿的群体协调调度模型，分为日前预调度阶段和日内动态补偿阶段：前者构建考虑群体运行成本最小的日前预调度模型，决策变量是各类资源的可调度潜力与预调度出力；后者构建考虑群体运行成本和偏差惩罚最小的日内调度模型，决策变量是各类资源的灵活性调整量与最优出力。

算例结果：聚合后的群体具备足够调节范围

在群体日前可调度域聚合潜力算例中，报告展示了群体日前可调度功率域与群体聚合可行区域功率边界。结论是：群体具备足够的调节范围来满足系统中不确定性因素带来的灵活性需求，从而保证各时段的实际出力能够满足调度指令的要求。

报告进一步指出，群体功率边界上限与下限不仅受各资源集群的输出功率和爬坡率约束限制，还受群体最优运行策略和灵活性供给平衡约束的影响。DES集群与EV集群的能量状态曲线显示出较高的调节灵活性，提供资源调度信息。

在日内最优调度算例中，报告对群体资源进行最优调控，实现不同虚拟储能系统灵活性潜力充分利用。从调度结果来看，聚合的群体资源具有很强的调度灵活性，在应对灵活性需求变化与调度误差时，使灵活性调节范围较大的集群承担更多的激励变化量。

如何激发灵活性：把故障风险和稀缺价格放进出清机制

围绕“如何激发分布式资源的灵活性”，报告指出随着分布式资源大规模接入，系统运行不确定性显著上升，新能源出力波动与设备故障风险加剧了供需调节压力。不合理的机制难以有效激励分布式资源参与，影响其灵活性供给意愿。

报告提出基于分布式资源故障特性的供能可靠性模型，认为元件发生故障的概率与其运行状态、服役时间、气候环境等复杂因素相关，而不是常数。同时，报告基于运行风险指标分析灵活性需求，通过分析灵活性需求的构成，并结合弃电切负荷风险评估，合理确定系统所需的安全裕度。

在出清机制上，报告提出在辅助服务市场出清中引入稀缺价格机制。分布式资源预留可调容量维持灵活性平衡，会产生机会成本，而资源的故障可能会引发调度偏差，增加系统成本。为此，报告采用日前电能量市场的预出清策略，通过预出清结果进行基于故障风险的资源诚信度评估与稀缺价格-可调容量曲线生成，再通过日内电能量与辅助服务市场联合出清策略，动态调整各类资源功率报量并参与实时出清优化。

市场算例与结论：可靠性、经济性、灵活性三者兼顾

在市场出清算例中，报告对比了日前各分布式资源中标电量与日内各分布式资源中标电量。日前阶段，电能量市场出清的目标是根据各类资源的出力和市场需求进行优化调度，由于未考虑资源故障概率，所有资源的报量与报价均基于其正常运行状态下的出力能力提交；而日内阶段，考虑到配电系统的实时需求和潜在资源故障风险，电能量与辅助服务市场会根据各类资源的实际报量进行动态调整。

报告还给出四个场景下期望失电量（EENS）的对比：S1为2574.6、S2为476.88、S3为8956.7、S4为3210.4。结论是：考虑资源故障的出清策略有效降低高故障概率资源带来的供电风险，稀缺电价机制提高了资源参与灵活调节服务的积极性，有效补偿了因报量策略调整导致的发电收益损失的机会成本。

报告最终形成三点结论：一是可调节潜力模型挖掘资源灵活性响应能力，考虑运行灵活性与供能可靠性的协调优化运行模型引入风险惩罚项；二是灵活性虚拟电池模型量化固有灵活性调节潜力，虚拟储能系统模型实现集群化管理与分层控制；三是考虑设备随机故障的供能可靠性模型量化运行风险下的灵活性需求，日前预出清与日内联合优化出清实现差异化定价与公平竞争。

报告在诚信度评估与成本效益分析中对比了四个场景的期望失电量。S2最低，为476.88；S3最高，为8956.75；S1为2574.63，S4为3210.42。 报告并未逐场景解释差异来源，但给出了总体判断：考虑资源故障的出清策略有效降低高故障概率资源带来的供电风险。这说明场景之间的差异与资源故障概率的处理方式密切相关，也说明把故障风险纳入出清对降低期望失电量是有意义的。

报告给出的配电系统运行调度模型，目标函数由五类成本加总而成。前四项分别对应燃气轮机能耗、电池储能系统运行、新能源弃电惩罚和电动汽车放电补偿；第五项是风险惩罚成本，对应灵活性缺额与可靠性不足。 报告对灵活性缺额与供能不足设置了高惩罚系数。这意味着当系统出现向上或向下灵活性缺额、或供能不足期望值偏高时，调度方案会在目标函数中付出更高代价，从而在优化中被优先规避。这一处理方式把灵活性和可靠性的价值量化进了经济调度。