虚拟电厂专题解读纪要–20230618

一、介绍环节 1997年，国外就提出了虚拟电厂的概念。从2000年开始，美国、德国、英国和法国等都在应用虚拟电厂。国外电力现货市场推进较快，在电力现货商业模式上较为清晰。目前来看，在技术水平、虚拟电厂的负荷控制、负荷预测以及类似微电网这种控制系统方面，国外的表现非常出色。 国内从2010年开始研究虚拟电厂，但一直没有发展起来。原因是传统电力系统仍然相当可控，没有大量新能源、负荷以及终端多元负荷（如电动汽车、可调节负荷和微电网等）。因此，传统电力系统不需要像虚拟电厂这样灵活可调节的手段来实现源、网和主要环节的互动。但是现在新型电力系统一直在向前发展。国家提出这个概念后，《蓝皮出》也规划了几个规划。《蓝皮出》中提到了一个非常重要的原因，即我们需要适应大量新能源和终端多元负荷接入的情况。 为了保证整个电力系统的平衡，并且在当前电力供应问题凸显、其他电力调控手段相对有限的条件下，虚拟电厂被催生出来了。利润，当前电力供应的保障仍然是一个突出的问题。尽管整体上供电压力稍微有所减轻，但去年全网仍然存在一些紧平衡和局部缺口的情况。 现在北方已经采取了供电保障措施，并已逐步展开。但受极端气温影响，最大负荷屡创新高，今年全国用电量预计增长约为6.5%，最高复合增长率也将超过6%。因此，今年的最大负荷可能会达到13.5亿千瓦，比去年还要增加一些。尤其是在极端高温天气下，最高用电负荷正在逐步攀升。 审视整个电力系统，之前提到的煤电建设3个8000万（2022年、2023年每年核准8000万千瓦，2024年保证投产8000万千瓦）等受到价格机制等因素影响导致市场化推进程度很弱。所以在完全原装上进行调节资源、应对保供电，以及大规模新能源接入后调节能力响应这种方式已经难以为继了。以前的刚性负荷不参与整个系统的调节，但现在不行，因为原创的调节能力有限，必须通过需求调控的方式来应对。在国外需求响应是非常正常的，因为在市场环境下，通过实时电价的变化，需求可以实现削峰填谷。当电价高峰时减少用电量，电价低谷时增加用电，这种自动响应市场指令的机制是通过电价来实现的。我国目前并没有这种情况，更多地依赖行政命令。 尽管目前虚拟电厂的商业模式还不够清晰，但在个别地区仍然存在一些商业模式。所以在这种情况下，负荷调节虚实响应作为一种保障供应的重要手段被提了出来。因此去年我们在新一代负荷控制系统上投资了超过100亿元，用三年的时间将大型工业和商业用户这些可调节的负荷纳入需求响应的范畴。过去称之为有需用电，现在变成了需方响应。有需用电意味着行政命令，基本上可以说是一种强制性的措施，本质上有点类似拉闸限电。而需方响应本质上是通过市场化手段，让用户自愿参与这种调节。 去年我们已经开始解决这个问题，今年大约能够承担尖峰负荷的1%-2%，能够参与削峰填谷。然而尽管已经将一些大负荷，如工商业和大工业，通过尽调、签协议的方式纳入可调节资源库，但对于小负荷来说手段仍然不够充分。因为大型用户中，通信、计量和控制终端等模块相对完善，但是对于小负荷来说，不可能在每个点上都配备完备的监控和监测系统。因此在这种情况下就需要使用虚拟电厂，将一些小规模的负荷聚合成整体，类似于一个大规模负荷调节能力，以参与需方响应。因此，在这种情况下虚拟电厂再次被提出。从虚拟电厂的发展历程来看，一定是存在刚性需求、电力系统发生变化，虚拟电厂才能发展。 刚刚提到的只是关于负荷响应方面的虚拟电厂，实际上未来虚拟电厂在分布式电源、户用光伏接入方面有着更广阔的发展前景。目前来看，分布式光伏主要集中在低压电网，比如接入到10千伏、380伏或者220伏的这种分布式户用光伏，调度基本上是盲目进行的，或者不调。在穿越变压器能力较大的情况下，基本上做0-1的刚性切除，即直接把电表拉掉。但未来是不可能这样做的，当分布式光伏越来越多时，不能再简单粗暴地采用0到1的方式，而是应该有弹性的调节，例如10%或20%，以实现供电的稳 定。所以虚拟电厂在户用光伏、分布式电源的控制方面具有巨大的潜力和前景。 虚拟电厂本质上是通过先进的信息通信和监控控制技术，实现大规模的分布式新能源、储能、可控负荷、电动汽车等的聚合和协调优化，作为一个特殊的电厂，参与电网的运行和电力市场的电源协调管理系统。这是虚拟电厂的本质特征。 国外虚拟电厂有负荷型（只连接可控负荷的）、电源型（把储能、分布式光伏结合在一起的）和混合型（有可调节性负荷和电源）。目前在我国，虚拟电厂的起步更多是以负荷型为主。当然，有些地方同时具备电源型，例如冀北地区的虚拟电厂，它将分布式光伏、电动汽车和商业楼宇（空调）等聚合在一起，目前最大接入的负荷响应已经达到了20万千瓦。从目前来看，虚拟电厂的发展路径应该是从现在的负荷型逐渐过渡到明年大量接入户用光伏的电源型，然后再逐步发展为混合型。因此，我个人认为我国虚拟电厂的发展路径相当清晰。因此，未来大家可以更加关注混合型虚拟电厂的发展。 目前我国，虚拟电厂试点项目较多，已经超过15个，主要以负荷型需求响应为主，基于保供电的基础进行试点。这些试点项目的运营主体基本上是电网公司或与电网公司合作的机构，主要是以电网企业为运营商的为主，其他企业作为网硬件设备提供商的格局。在后续的发展中，如果逐渐构建混合型虚拟电厂，当连接到分布式光伏和其他电源如电动汽车时，电网公司将不再作为第三方推动虚拟电厂建设，更多的责任将交由第三方承担，例如像分布式光伏业主、电动汽车业主以及微电网业主等。因为一旦过渡到与更多电源连接的情况，虚拟电厂的格局、形式和关键技术将变得更加复杂。因此，电网企业原则上不应参与源端电源的接入、监控和建设等工作。因此，国家的虚拟电厂发展路径决定了虚拟电厂运营商将呈现出多元化的趋势。 关于虚拟电厂的市场空间，有两个方面需要考虑。根据目前的政策，到2025年最高用电负荷的5%将进行虚拟电力响应，这是政策设定的底线。个人认为，实际响应规模会更高。预计到2025年，最高用电负荷可能超过15亿千瓦，5%的份额将是7500万千瓦，其中大部分将涵盖大工业和商业用电，虚拟电厂的响应能力只占其中一部分。例如，假设虚拟电厂占到1/3，即2500万千瓦的可调性负荷通过虚拟电厂聚合起来。目前虚拟电厂的投资相对较低，大约每千万千瓦需要100到200元左右。与其他新兴储能技术和火电等响应方式相比，虚拟电厂技术相对成熟，应用前景广泛，经济性最高。2500万千瓦如果每千瓦按照200元计算，负荷性虚拟电厂总金额在50多亿左右。这是保守估计，因为5%只是政策底线。此外从明年开始，会有大量电源型虚拟电厂。因为目前户用光伏已经超过1亿千瓦，已经对电网产生了重要影响，尤其是在一些局部地区的配电网承载能力方面。所以政策制定方面要在六个地方进行试 点，评估整个配电网的承载能力，这里主要是指分布式光伏。2025年，户用光伏至少将达到1.5-1.8亿千瓦。假设有1亿千瓦的户用光伏要通过虚拟电厂来进行调节，每千瓦的成本仍然是200元，市场空间大约在200亿左右。所以200亿再加上前面提到的负荷性约50多亿，在2025年时，整个虚拟电厂市场空间应该在250到300亿之间。大家可以认为这是一个相对保守的估计，特别是对于负荷型应用场景来 说，可能其市场空间还会更大。 最后再谈一下AI如何赋能虚拟电厂。AI与电力领域结合有许多方，虚拟电厂的三大核心能力直接决定了AI能够将其作用发挥到最大化。 第一个是虚拟电厂的一个主要关键技术，即功率预测。如果要过渡到电源型、混合型虚拟电厂，首先需要知道连接的各种发电形式在下一个时段能够发电多少。只有知道发电量，我们才能参与市场化或调控辅助服务市场，所以功率预测非常重要。目前已经通过人工智能的方式、通过大量样本来提高功率预测的准确性。目前的功率预测主要基于数字天气预报，使用气象方程推演下一个时段的辐照度、倾角、DMI等参数。然而这种方法缺乏一些训练，通常需要人为进行参数调整。但是引入AI后可以自主学习并根据特定的天气条件和接入参数情况进行优化，而不需要人为调整，从而提高功率预测的精 度。通过引入AI的方式，功率预测在超短期内的精度可以提高1-2个百分点。目前我们的超短期功率预测的准确率大约达到95%以上，而引入AI后可能可以达到96%-97%以上。因此，AI在功率预测方面具有巨大的应用潜力。 第二个关键技术是负荷预测，这在负荷控制型虚拟电厂中是一个重要问题，需要知道到底有负荷参与响应。目前我们在负荷预测方面主要使用传统模型，如弹性系数法、外推法、自然增长法等。但现在越来越多的人开始使用AI来进行负荷预测，通过AI的自主学习大量样本，提高负荷预测的精度。由于负荷涉及到多个行业，增加了预测的难度，因此需要大量的样本让AI自主学习，在短时间内提高负荷预测的精度。因此，AI在负荷预测中具有广泛的应用场景，与功率预测类似。 第三个关键技术是虚拟电厂的调控，这是虚拟电厂中最关键的技术之一，也是国内外存在较大差距的 关键技术。调控技术是优化配置的关键，尤其是在德国等国家的厂商中已经有较为成熟的应用。在市场化运营环境下，准确响应市场指令是至关重要的，需要在分钟级或秒级内计算出如何发电、储能以及削峰填谷等控制策略。目前国内缺乏成熟的市场化环境，因此在优化控制、调控算法方面相对落后，因为没有大量的样本和响应时间。解决虚拟电厂商业模式问题非常重要，主要是电力现货市场和时间尺度越来越短的辅助服务市场，包括频率调节和调峰填谷等辅助市场。在当前整个市场环境下，对于虚拟电厂，无论是响应时长还是通讯时长，都需要满足一定的要求。所以AI在虚拟电厂有许多可应用的场景。比如对于省级电网，这个时段优化的变量有几百万兆，并在秒级或短时间内计算出下一 时段的100多个变量、出力状态的预判等。这是一个具有挑战性的任务，因为目前许多计算方法仍倾向于离线计算。然而，对于整个新型电力系统的调度或微网，虚拟电厂中的许多调控技术需要实现在线实时的方式。基于人工经验或手动调参的模型在满足这些要求方面仍存在一定的局限性。因此，需要大量的算力，并结合AI技术来实现智能化，在短时间内给出优化结果。例如，在接收到指令后，需要确定虚拟电厂连接的要素以及优先处理哪些要素、哪些要素需要优先储能等。这需要一些研究和策 略，如果优化配置效果不佳，整个虚拟电厂的经济性也会受到影响，这是国外特别关注的方面。 因此，虚拟电厂在没有AI的情况下可以运行，但如果要在未来复杂的环境中实现最大化的盈利性，达到响应调度指令的要求，AI是不可或缺的。 二、提问环节 Q：AI赋能虚拟电厂对调控技术的影响有多大？ A：以主网调度为例，对于一个省级电网来说，波动并不多，以前在调度中基本上都是通过离线或准时计算来进行，例如在当前时段计算下一时段发电编排和电网潮方式编排。因为以前电力系统变化非常 缓慢，做离线预案仍然可行。但现在，随着分布式光伏以及终端的大量户用光伏接入，不可能继续使用离线方式进行计算。因此，原先的调度自动化系统、算法模型和响应频率已经无法满足这么多接入元素的要求。现在能提升的只能是一些人工调参的方式，比如编制算法模型中调整一些参数。然而，随着元素越来越多，会面临一个问题，到底是调整参数a还是参数b？比如在发电计划中有一个优化调度模型，其中还有许多需要调整的参数。在过去，当元素没有那么多时，可以凭借经验用人工方式进行调整，但是以后变量越来越多，这些参数的调整也会变得复杂，不能再用人工的方式来介入调整，而必须自动化地进行调整。目前我们需要为AI提供大量的样本进行训练，使AI做到在不同环境、不同调度阻力条件下自动、智能调参，这在虚拟电厂的调度控制中将起到非常重要的作用。 如果虚拟电厂所连接的负荷比较小，比如1万千瓦，那么不需要使用大规模的AI应用；但是如果虚拟电厂在未来规模变得非常庞大，甚至可能达到20万甚至50万以上的规模，那么很多决策将无法做到精 确。如果仍然停留在过去的人工方式上，会给整个调度工作或虚拟电厂对调度指令的响应方面带来很多障碍。 Q：虚拟电厂负荷侧和电源侧这两种的分