湘潭大學研究團隊提高能源系統“智能化”

　　與常規能源系統各類能源獨立運行相比，綜合多能源系統包含氣、電、冷、熱、蓄、新能源等協調互濟，梯級應用，系統的復雜性遠高于常規能源系統，多能協同系統的負荷預測與優化調度是公認的難題。

　　近日，湘潭大學信息工程學院教授段斌、譚貌和蘇永新的團隊在能源負荷預測與分布式能源調度優化的研究方面取得多項重要進展。主要成果發表在能源與電力系統領域頂尖學術期刊《IEEE電力系統匯刊》和《應用能源》上。

華菱湘鋼總調室需量負荷實時監測。譚貌攝

團隊在華菱湘鋼煉鋼爐主控室現場調研。唐旻泰攝

　　真實數據訓練人工智能提高負荷預測精度

　　在我國，對于大型電力用戶，一旦用電負荷超過一定閾值，結算周期內就需要按峰值功率承擔常規電度電費以外的一筆高額需量電費。

　　為此，大型鋼鐵企業華菱湘鋼犯了難。譚貌說，華菱湘鋼能源系統是一個典型的區域性綜合能源系統，能耗巨大，每年外購電力超十億元。

　　“他們希望能夠把用電負荷平滑下來。”譚貌告訴《中國科學報》，“這需要對負荷進行預測，其精度對企業用能成本有重要影響。”

　　據譚貌介紹，之前企業在這方面的預測工作主要是通過外購施耐德等幾家平臺的軟硬件系統實現的。

　　然而，外購系統僅提供黑盒服務，通過企業數據自我學習的功能不完善，企業也不能自己調整軟件的模型。鋼鐵市場在不斷變化，企業的生產模式也不是一成不變的，長此以往，模型對負荷預測的準確度就會降低。

　　“這給了我們自己設計一套負荷預測和控制系統的契機。”譚貌說。

　　“當前的電力負荷預測問題按時間尺度劃分主要分為長期、中期、短期（超短期）三大類，不同類別問題其數據特征差異很大，采用的方法也有很大差別，我們重點關注的是短期和超短期預測問題。” 譚貌說。

　　電力系統負荷預測是典型的時間序列預測問題。適用于短期和超短期預測的有人工神經網絡預測法、支持向量機預測法等。

　　以淺層人工神經網絡和支持向量機為代表的算法是當前電力負荷預測主流方法，但通常都存在特征提取困難和數據重建過程復雜、網絡模型復雜度高和非線性優化的局部極小等問題。

　　最新研究中，基于深度學習的負荷預測成為熱點，其預測精度和穩定性高、能處理復雜問題，表現出很大發展潛力。

　　“我們在企業現有需量負荷預測系統的基礎上，研發了超短期需量負荷預測與控制系統。”

　　“以前的一些負荷預測評估只使用模擬數據集，而沒有真實數據，結果不可靠。”譚貌介紹道，“而我們的工作和應用廣泛結合，提出的模型經AEMO開放數據集和大批工業實測數據驗證，盡最大可能的避免樣本選擇性誤差。”

　　“最終結果表明，我們所提出的方法精度和穩定性均超當前主流先進的時序預測方法，特別是在解決工廠場景問題中具有明顯的優勢。”譚貌說。

　　“2019年5月啟動試點應用，3臺鋼包爐參與調控，峰值負荷預測誤差小于3%，這是一個技術先進、現場滿意的指標。試用期每個月可節省需量電費約130萬元，成果全面應用后預計將產生更大收益。”

　　需求響應策略優化促進家庭節支減排

　　當前各類能源獨立運行，獨立優化。如電力、天然氣系統獨立運行，優化主要集中在電力系統，但兩者相互替代的領域廣闊，并且電力和天然氣相互轉化的技術已經成熟，需要考慮多種能源的調度策略。

　　在此次發表的另一項工作中，湘潭大學團隊嘗試將需求響應策略作為分布式家庭能源調度的一種解決方案。

　　蘇永新告訴記者，分布式能源系統數量龐大，系統具有三個顯著的特征：多樣性，即各個家庭的基本情況如用能設施、面積、儲能設施、新能源等的不同；伸縮性，即用戶可能會新買一些設備，舊的設備也可能會壞掉，形成設備增、刪；不確定性，即用戶的耗能習慣、氣溫、水溫、家庭新能源發電不同。

　　“我們的這項工作主要是應對不確定性。”蘇永新說。

　　此前的系統調度優化策略主要是兩類，一類是魯棒優化，即為了安全性，按最壞的外部條件調度系統。但是，最壞的情況總是很少發生，系統總按最壞的情況運行，太保守，也導致過高運行成本。

　　另一類稱為隨機優化，是把系統的不確定性分成幾種典型情況，優化每種典型情況下系統的運行方案。這個方法最大的挑戰，就是必須得到系統不確定性的具體分布，否則，事先沒有預計、沒有處理的壞工況來臨，就可能拉升能源支出，甚至影響系統安全性。

　　“而需求響應策略可以解決上述兩種策略的不足。”蘇永新說。“電力的調度需要有提前量，譚貌教授的工作提高了負荷預測的精度，這為實施需求響應策略提供了基礎。”

　　并且，結合物聯網和5G技術，電力系統可以廣泛、高效地采集需求信號。

　　利用預測信息和真實的電力價格信號形成用能方案，這就是需求響應策略。這種策略簡單、容易實現、生命力強，能夠在不損失系統安全性的條件下，降低系統運行成本。

　　“我們提出的需求響應優化策略只需要確定系統不確定性的范圍，不管系統在這個范圍內如何變化，我們的方案都能保證系統安全、能源費用低，不確定性的范圍往往由一些常識、經驗就能很方便的得到，我們采取的這種區間優化工程可用性和效果好。”蘇永新說道。

　　電網可以根據能源供需關系制訂電價，用戶也可以根據動態的電價信號來調節需求，提高能源和資源的利用效率。

　　“先用手機APP查一下現在各項能源的價格，調度程序結合用戶舒適度和價格因素，自動決定洗衣、做飯的時間，以及空調在每個時刻的功率。”蘇永新描繪出一幅頗具未來感的綠色節能生活場景。

　　產學研合作建設綜合多能源系統

　　“應用背景的研究不同于純粹的基礎研究，應該以問題為驅動。” 譚貌說，“而如果沒有好的應用場景和合作環境，沒有驗證環境，所謂的研究就不能真正的解決問題。我們的研究不能光寫論文，而要結合真實場景，融入企業和社會，實現產學研結合。”

　　研究之初，團隊也面臨過數據獲取與成果驗證的難題。針對該問題，他們選取幾家區域重點骨干企業，從科研平臺共建、人才聯合培養、技術聯合攻關多方面全方位合作。

　　他們發現，當具備了與企業攻堅克難的共同經歷、建立了彼此間的信任以后，原有的很多難題都迎刃而解，合作過程中逐步形成的機制也可以保障校企合作可持續發展。

　　段斌告訴《中國科學報》，在能源優化調度方面，他們與湖南工程學院、湘電集團、興業太陽能等多家單位聯合建設了“風電裝備與電能變換”湖南省協同創新中心，“多能協同控制技術”湖南省工程中心，圍繞風電場運行優化、風電場群運行優化、微電網風光儲協同優化中的關鍵技術難題，形成了系列技術解決方案，部分成果以合作企業為媒介，應用到國內大型風電場和光伏扶貧項目的建設和運營中。

　　蘇永新說，當前，我國能源消費結構性問題突出，隨著能源轉型的提速和電力體制改革的不斷深入，能源、網絡、用戶三者之間的關系變得越來越緊密。綜合能源服務將打破不同能源品種單獨規劃、單獨設計、單獨運行的傳統模式，實現橫向“電熱冷氣水”能源多品種之間，縱向“源網荷儲用”能源多供應環節之間的協同以及生產側和消費側的互動，從而提高能源效率和緩解能源環境問題。

　　綜合能源系統已成為當前國際能源領域重要戰略研究方向和國家能源戰略重大發展需求。

　　譚貌說，在應用中我們還面臨一些挑戰，比如，內部、外部各種因素的變化導致不同周期數據特征有所差異，單一固定模型的性能隨著時間推移容易退化，復合預測模型的在線學習和動態集成問題變得迫切。

　　譚貌認為，精準的預測是能源系統智能運行的重要基礎，但考慮多種能源種類后，能源網絡更加復雜，用戶更加龐大，涉及的不確定因素進一步增加，對預測形成很大挑戰。目前，基于深度學習技術、復雜網絡理論在該方面已取得了研究進展。

　　而對于系統優化調度而言，蘇永新說，現實環境下的多能源系統其網絡結構、運行策略相對固定，對真實系統的改造和調整涉及現實成本問題，所以有些新穎的、前沿的構想還只能通過仿真優化的手段實現，如何融合或者說打通仿真與現實之間的界限還有較大的挑戰。

　　隨著系統可再生能源規模不斷增大，發電側波動性增大；大量智能電力電子設備應用，系統柔性不斷增強；需求響應、綜合能源系統的發展，使系統的彈性、韌性增強。

　　這些新情況，使得傳統的以發電調度為主的電力系統運行面臨挑戰，迫切需要能夠滿足多方參與、友好互動、智能決策的新的調度策略來適配能源系統的變革，對求解算法的自適應性和計算性能都帶來挑戰。

　　蘇永新說，他們下一步工作將圍繞分布式綜合能源系統自治管理與優化展開。研究即插即用、自動趨優的智能優化策略，對需求響應政策落地，社會節能減排具有重要意義。