关注公众号（小红书同名），查看往期更多资讯
联系小编：Fightingforall23（注明来意）
详细内容，请点击本帖底部 阅读原文
往期群聊：【群聊邀请|一网打尽】电力方向新增4群+海量帮助+科研探讨+同行交流，最新的群聊邀请，等你来！广告勿入！
公众号从未参与任何广告中介、文章代写、付费代码、文章走后门代发等活动，一切打着公众号名义的金钱和利益交易均为诈骗，请谨慎！
2024年10月,Applied Energy期刊发表了一篇题为"A multi-stage stochastic dispatching method for electricity hydrogen integrated energy systems driven by model and data"的研究论文。该文创新性地提出了一种数模双驱的电氢耦合系统多阶段随机调度策略。该策略融合了数据驱动的离线学习方法和高效求解技术，结合模型驱动的可解释性与全局最优性，通过数模互补以兼顾应对不确定性的调度策略的经济性、安全性和计算效率。
构建以新能源为主体的新型电力系统是我国未来能源清洁低碳转型的重中之重，也是实现碳中和目标的关键环节。然而，随着以风电和光伏为代表的可再生能源大规模并网运行，电力系统面临严重的电力不平衡、功率波动和潮流越限等问题。而在3060碳中和目标的驱动下，可再生能源渗透率的逐步增加将进一步加剧这些挑战，给能源系统的安全稳定运行带来巨大压力。
发展和建设电氢耦合系统（Electricity-Hydrogen Integrated Energy System，EH-IES）是解决上述问题有效手段。EH-IES结合了电力系统和氢能系统，能够通过利用氢能的灵活性来调节系统的不平衡，从而有效应对可再生能源的间歇性问题。在EH-IES中，过剩的可再生电力可以通过电解水产生氢气并储存，以在电力短缺或需求增加时释放使用。因此，EH-IES不仅能够提高可再生能源的利用率，还能够增强能源系统的灵活性和韧性。
虽然EH-IES有诸多优势，但其实际应用中仍面临诸多挑战，尤其是在调度优化方面。EH-IES的调度涉及到对可再生能源、电解氢、氢气储存、氢能消费等多种能源形式的协调管理，并且必须在保证系统安全的前提下实现经济性和最小化计算负担。然而，由于可再生能源的强不确定性和电力与氢能系统的复杂耦合，EH-IES的调度问题变得极为复杂。因此，如何在保证系统安全的情况下，提高系统的经济性，并降低计算负担，是当前研究的重要课题。然而现有研究主要存在以下问题：
（1）现有的单阶段不确定性调度方法通常将风光的不确定性建模直接融入到调度模型中，旨在通过数学模型或数据驱动的方式模拟系统的运行过程。但是现有的经典不确定性方法通常难以兼顾系统的安全性、经济性和计算效率，比如，鲁棒、分布鲁棒和解析机会约束方法过于保守，场景法和模拟机会约束计算效率过高，基于学习的数据驱动方法经济最优性难以得到保障。
（2）多阶段调度方法则通过协调日前和日内的调度来提高系统的经济性，但是他们通常基于假设的不确定性分布而不是真实不确定性数据去确定系统的调度方案，这可能导致错过关键场景或者覆盖了过多冗余的场景，影响系统运行的安全性和经济性。
为解决上述问题和挑战，本文创新性地提出了一种数模双驱的电氢耦合系统多阶段随机调度策略。该策略融合了数据驱动的离线学习方法和高效求解技术，结合模型驱动的可解释性与全局最优性，通过数模互补以兼顾应对不确定性的调度策略的经济性、安全性和计算效率。主要的创新点总结如下：
（1）提出涵盖“日前确定性调度-在线安全监测-日内柔性校正”的多阶段的电氢耦合系统不确定性调度策略去应对高维随机不确定性因素。所提方法可以有效整合模型和数据驱动的优势去兼顾系统的运行的安全性，经济性和计算负担。
（2）提出了一种基于深度学习的安全性监测方法，以实时监测系统在未来日内运行的安全域度。所提的监测网络基于带注意力机制的卷积神经网络，通过结合蒙特卡洛抽样和交流潮流进行训练。该网络能够指导系统制定日内的不确定性调度策略，以确保系统的安全性。
（3）提出数据驱动的日内矫正网络去确定考虑不确定性的日内矫正策略。该方法通过约束投影和可行样本学习方法将基于模拟法的机会约束内嵌到矫正网络中。为提升其性能，结合多代理近端策略优化算法和上述安全监测网络训练矫正网络。
电力系统与氢能系统通过制氢中心实现了深度耦合。制氢中心利用电网无法消纳的弃风和光电量，制取氢能以满足氢负荷的需求。同时，引入氢储能作为中间缓冲环节，以确保氢能的供需平衡。考虑到制氢和储氢能力的限制，系统会向外部氢市场购入部分氢气，以满足高峰氢负荷的需求。
图1 电氢耦合系统的结构
在上述耦合系统中，可再生能源的不确定导致复杂耦合能流的波动，影响系统运行的安全性和经济性。为了应对系统中复杂的高维不确定性因素，我们提出如下的多阶段不确定性调度框架。
图3 数据驱动的安全监测网络
上述不确定性框架包括三个环节：日前确定性调度、在线安全性监测和日内柔性矫正。日前确定性调度方法基于日前的确定性优化模型，确定系统在接下来的24小时内的最优调度方案，包括火电、风电和光伏的出力计划，以及电解槽、氢储和购氢计划等。尽管该方案在经济性方面表现出色，但由于忽略了不确定性因素的影响，无法确保系统的安全性。
为确保系统安全稳定运行，引入了基于带注意力机制的卷积神经网络，用于在线监测系统的安全运行域。该网络以系统的日内运行策略和可再生能源预测值作为输入，输出系统在不确定性环境中执行日内运行策略时的安全域度。借助深度学习技术，该网络能够实时评估系统在未来4小时内的安全性。
如果日前方案在日内环节能够安全运行，则直接执行该调度方案；若实际风光出力显著偏离预测值，导致日前方案难以安全运行，则启动日内柔性矫正环节。此时，通过基于深度强化学习的神经网络提供适当的矫正策略，以确保系统的安全运行。该方法将考虑不确定性的机会约束模型嵌入强化学习网络中，以确保网络输出的矫正策略能够在不确定性环境中保持系统的安全性。
本文所提方法被用于基于IEEE-57节点测试系统的电氢耦合系统。该输电系统通过两个风电制氢、两个光伏制氢以及两个网电制氢与氢能系统耦合，所得到的部分结果如下：
图4 氢能系统的确定性调度策略
图5 电力系统的调度策略
图6 日前-日内安全域度变化
图7 在第12小时的矫正策略
图4- 5分别给出了氢和电系统的确定性运行结果，该运行策略可以确保系统的经济性。然而，所提运行方案可能会偏离安全运行边界，图7给出在相应的校正策略去确保系统的安全性，图6表示，通过在线安全监测和日内柔性矫正的协同，可以确保系统安全域度始终在安全边界内。
本文提出模型和数据混合驱动的多阶段调度框架去应对电氢耦合系统的高维不确定性因素。该运行框架利用日前确定-日内矫正的协调运行去显著提升系统运行的经济性，引入基于深度学习的安全决策网络去确保系统运行的安全性，通过近端策略优化算法去学习海量的可再生能源不确定性数据和运行策略，以快速得到考虑不确定性的日内矫正策略，显著降低系统的计算负担。所提方法充分融合了数学建模求解方法去提升方法的可解释性与全局最优性，结合深度学习和强化学习离线学习在不确定性环境下的安全域度和运行策略，从而确保系统的安全性和计算效率。主要结论如下：
（1）所提方法不仅可以确保系统运行的安全性，还可以分别降低系统经济成本和计算负担7%和99%。所提框架较好的兼顾在安全性、经济性和计算效率之间的矛盾。
（2）在线安全监测网络和日内柔性矫正网络的协同可以以较低的计算负担去应对高维的不确定性因素。
（3）通过对比多种不同类型的制氢策略，相比光伏和网电制氢，本文发现风电制氢可能是更具前景和经济性的由于风电场和电解槽较高的容量系数。
Yang Z, Ren Z, Li H, et al.A multi-stage stochastic dispatching method for electricity‑hydrogen integrated energy systems driven by model and data [J]. Applied Energy, 2024, 371: 123668.
原文链接：
https://www.sciencedirect.com/science/article/pii/S0306261924010511
任洲洋
博士（后），副教授，博士生导师，研究方向为电力系统概率分析与人工智能、电氢综合能源系统。承担国家级、省部级及企业横向项目30余项，发表SCI/EI论文80余篇，申请/授权国家发明专利60余项。先后担任IEEE Trans. on Smart Grid、IEEE Trans. on Sustainable Energy等6本国际知名期刊编委，获省部级奖励3项，入选重庆英才-青年拔尖人才计划，获IEEE Trans. on Sustainable Energy Outstanding Associate Editor of 2022等荣誉。
杨志学
澳门大学智慧城市物联网国家重点实验室在读博士生。研究方向为电氢耦合系统运行和规划，已发表SCI/EI论文10余篇，其中以第一作者发表5篇，1篇入选“中国精品科技期刊顶尖论文（F5000）”。
李辉
澳门大学智慧城市物联网国家重点实验室博士后研究员。研究方向为低惯量能源系统优化分析与建模，已发表SCI/EI论文近30篇，其中以第一/通讯作者发表旗舰期刊论文9篇（含ESI高被引论文1篇）。
孙志媛
教授级高工，长期从事电力系统仿真建模、分析计算工作，现任IEEE可再生能源电力系统调度技术分委员会副秘书长、中国电机工程学会电力系统建模与仿真学术工作组委员、南方电网公司运行与控制技术标准工作组成员、南方电网交直流串并联复杂大电网规划与运行科研团队成员。主持和参与科技部政府间国际科技创新合作项目、自治区科技计划项目等省部级及以上重点项目7项，荣获省部级科技奖励11项，地市级科技奖励15项，发表论文10余篇，授权专利20余件。
冯健冰
重庆大学博士研究生。《中国电机工程学报》、《电网技术》等期刊发表论文3篇。参与纵向和横向课题6项。主要研究方向：低碳电力能源系统电力电量平衡分析、智能优化调度技术。
夏威夷
清华大学助理研究员，研究方向为新型电力系统概率运行与规划及电-氢-交通新智慧系统，已发表SCI/EI论文12篇，其中以第一/通讯作者发表旗舰期刊论文8篇。
扫码关注！
一个电气领域前沿动态与科研资源平台
论文分享 | 期刊投稿
科研汇报 | 学术招聘
点亮在看，你最好看！
1.【MESPO|2024招生】MESPO团队2024年博士及RA招生现状（更多请关注公众号）
2.【SCI期刊|IF 9.4】12月15！JES 期刊"混合储能在多能源系统运行规划中的作用探究"征稿中(无版面费)+专刊群聊邀请
3.【SCI征稿|影响因子6.4】2025年7月31！MDPI 六大期刊“采用新能源及其他设备实现智能电网灵活高效运行”专题征稿！
4.【SCI征稿|Frontiers】11月23！专题“韧性电网：信息-物理系统安全、模拟和自适应防御策略” 征稿进行中！+专刊群聊
5.【团队介绍|芬兰MESPO】芬兰阿尔托大学李正茂教授“AI/优化+综合能源系统（冷热电氢水等）规划和运行”团队介绍+互助群聊邀请
