高比例可再生能源并网下虚拟电厂多时间尺度调度与储能衰减建模

我最初看到“高比例可再生能源并网下虚拟电厂多时间尺度调度”这组词时，第一反应和很多人一样：直接找一篇SCI论文，把Matlab代码跑通，最后照着图把结果复现出来，不就完事了？后来真正动手才发现，最磨人的不是求解器，不是约束条件，而是一开始就要把一个非常实际的问题想明白——高比例可再生能源并网后，系统确实缺灵活性，但让储能去顶灵活性，每一度电、每一次循环都要花钱，这笔账到底该怎么算。

高比例可再生能源并网、虚拟电厂、多时间尺度调度、衰减建模，这几个关键词拼在一起，描述的是一个典型的电力系统经济调度问题。虚拟电厂把分布式光伏、分散风电、储能、可调负荷聚合成一个可统一调度的对象；多时间尺度调度解决的是风电光伏预测误差随预测时间缩短而逐步收敛的问题；衰减建模解决的是储能被频繁调用之后寿命损耗怎么计入调度成本的问题。这篇博文把这套逻辑拆开，讲清楚为什么目标函数要这么写，约束为什么那么设，以及用Matlab复现时哪些点最容易出错。

这篇内容适合正在复现相关SCI论文的研究生、做微电网或虚拟电厂调度算法的工程师，也适合刚接触储能优化建模、想知道“为什么我的储能老被充满放空”的同学。

1. 先把账算明白：虚拟电厂里的“灵活性”和“成本”指的是什么

很多人一上来就写目标函数，风电光伏出力、储能功率、主网交互功率全放进去，变成一个大而全的优化问题，然后去调求解器。这种做法不是不行，而是你没有先想清楚：这个系统到底缺的是什么，储能参与调度时到底消耗了什么。

1.1 净负荷曲线已经不再是“负荷曲线”

传统调度看的是负荷曲线，所有机组跟着负荷走。可再生能源并网比例提高之后，调度真正要看的是净负荷，也就是原始负荷减去风电和光伏出力：

P_net(t) = P_load(t) - P_wind(t) - P_pv(t)

这看起来只是一个数学平移，但物理意义完全不同。光伏大发的中午，净负荷可能被压得很低，甚至变成负值；傍晚光伏退坡，净负荷快速爬升，形成所谓的“鸭子曲线”。负荷侧的一小时爬坡可能只有几十兆瓦，但净负荷的一小时爬坡可能达到几百兆瓦。

我见过不少调度模型的初始设置是把风光的预测出力当成“负的负荷”直接扣掉，然后只调度火电和储能去跟踪净负荷。这样做其实没问题，但你要意识到，净负荷的波动和爬坡才是这个系统真正的调节需求来源。灵活性说白了，就是系统在给定时间窗内向上或向下改变出力的能力。

分布式电源有爬坡限制，主网交互有容量限制，可调负荷有舒适度约束，真正能快速双向调节的往往是储能。虚拟电厂的价值，就是把分散的小容量可调资源打包，让它们在净负荷变化最剧烈的时间窗口形成合力。

1.2 储能的成本不是“电费”，而是寿命损耗

如果不做衰减建模，储能的调度结果通常会非常激进：价格高时拼命放，价格低时拼命充，甚至一天内反复深度充放。从电价套利的角度看，这样确实能增加收益；但从电池寿命角度看，成本高得吓人。

储能单次充放电的边际运行成本很低，几乎可以忽略不计，因为电费本身已经算在购售电成本里了。真正需要计入调度目标的是循环寿命损耗。电池每经历一次充放电，内部活性物质都在发生变化，循环次数被消耗，容量逐渐衰减。等到循环次数用尽，整个储能系统就需要更换，而更换成本是以百万甚至千万为单位计算的。

我曾经用过一个非常直观的估算方式。假设一套1MWh储能系统总投资80万元，按100%充放电深度循环，额定循环寿命4000次，那么这套储能整个生命周期大约能完成4000个满充满放循环。如果按每个循环对应的总能量吞吐来算，每完成一次完整的充放循环，相当于消耗了80万除以4000，也就是200元的寿命成本。这200元不是电费，而是电池被用掉的那点寿命对应的钱。

如果不把这一项放进目标函数，优化器会认为储能出力是零成本，结果就是储能频繁动作，但实际全生命周期算总账时，这套系统可能提前好几年报废，综合成本反而更高。

1.3 灵活性平衡最终会变成一个多目标折中

高比例可再生能源并网下的调度，本质上是在多个互相冲突的目标之间找平衡：

• 尽量多用风电光伏，减少弃风弃光
• 尽量少买主网电，降低购电成本
• 尽量少让火电启停，减少燃料与运维成本
• 尽量少调用储能，延长电池寿命
• 同时保证系统功率平衡和备用容量充足

这些目标无法同时达到最优。弃风弃光惩罚设得太低，优化器会倾向于直接切掉过剩的可再生能源，因为那样最省钱；储能寿命成本设得太高，优化器会尽量不用储能，结果净负荷爬坡没人接，系统出现灵活性缺口。

多时间尺度调度要做的，不是一次性找到一个完美解，而是用“日前计划、日内滚动、实时修正”三层结构，让这些目标在不同预测精度下逐步收敛。理解了这个逻辑，后面再看代码就很顺了。

2. 虚拟电厂多时间尺度调度的三层递进逻辑

很多刚接触这个方向的人会误以为多时间尺度调度就是三个不同时间