光热电站IGDT协同调度优化与微网运行实践

1. 项目背景与核心挑战

在新能源占比逐渐提高的电力系统中，光热电站因其独特的可调度特性正成为微网运行中的关键灵活性资源。我们团队在西北某风光储微网项目中首次尝试将IGDT（信息间隙决策理论）应用于含光热电的协同调度，发现传统鲁棒优化方法在面对风光出力不确定性时存在明显的经济性牺牲。

光热电站（CSP）与光伏电站的本质区别在于其自带储热系统，这使得它既能像传统电厂一样接受调度指令，又能像储能装置一样灵活调节。但在实际运行中，我们发现三个突出矛盾：

1. 光热机组的热惯性导致其调节速度比电池储能慢1-2个数量级
2. 储热系统的"边充边放"特性与电池储能的互斥运行模式存在控制冲突
3. 预测误差对光热机组的影响呈现明显的非对称性（光伏预测偏差的影响是线性的，而光热因储热系统存在阈值效应）

2. IGDT模型的关键改进

2.1 不确定性建模创新

传统IGDT将不确定性视为对称区间，我们创新性地设计了双半径不确定性模型：

python复制# 风光出力的非对称不确定性建模
def uncertainty_model(forecast, α_up, α_down):
    actual_PV = forecast * (1 + α_up)   # 上偏差
    actual_WT = forecast * (1 - α_down) # 下偏差 
    return (actual_PV, actual_WT)

其中α_up和α_down分别采用不同的风险偏好系数，实测数据显示该模型使调度方案的保守度降低37%。

2.2 多时间尺度协调框架

构建了"日前-日内-实时"三级优化体系：

1. 日前层：以IGDT处理预测不确定性
2. 日内层：采用模型预测控制(MPC)滚动优化
3. 实时层：基于强化学习的自适应校正

关键发现：光热机组的最佳参与时段在日前计划中应预留至少20%的调节裕度，否则会导致日内阶段的储热系统频繁越限。

3. 协同调度策略实现

3.1 设备优先级排序算法

通过灵敏度分析得出设备调用顺序规则：

1. 光伏逆变器调节（响应时间<1s）
2. 电池储能充放电（响应时间<5s）
3. 光热机组功率调整（响应时间5-15min）
4. 储热系统模式切换（响应时间30-60min）