在显式降解动力学下，氢SSB蓄电池虚拟电厂的可扩展鲁棒跨电管理

2026-08-04 20:31:37

将基于电解槽的氢气生产（EHP）和电池储能系统（BESS）整合进虚拟电厂（VPP）对于富含可再生能源的电网至关重要，但在市场参与度、多实体协调和设备劣化经济性方面也存在挑战。现有研究常忽视能源定价、去中心化交易的战略整合以及物理老化带来的重大经济影响。本文提出了一种新型分散式稳健的可移动能源管理（DRTEM）框架，用于多个集成氢电池VPP（IHB-VPP）的可扩展协调。该框架协同优化了每日交易、定价和内部调度，同时为BESS和燃料电池嵌入了明确的高保真度降解模型，将周期老化和日历老化转化为边际降解成本，以确保长期经济可持续性。基于共识的交替方向乘法（CB-ADMM）实现了IHB-VPP之间保持隐私保护的去中心化协调，仅需有限的交易信息交换。为确保在不确定性和非线性退化动力学下的计算可解性，采用基于Wasserstein的指标模糊性集进行数据驱动的稳健优化，并引入了一种带有增强拉格朗日和场景分解（PHAL-SD）求解器的新型渐进对冲算法，显著降低了主问题复杂度。修改后的RBTS网络案例研究表明，所提DRTEM框架提升了系统可靠性，比非协调运行减少了36.51%的未供应能源，并通过有效内化退化成本和实现高效的VPP间能源交易，提升了运营盈利能力。该框架的自适应惩罚机制加速了CB-ADMM收敛，而其两层迭代结构则保证在非线性约束下有限收敛。仿真验证了其在成本、可靠性指数、电压稳定性、资产寿命和场景数量可扩展性方面优于基准测试，验证了其在实际大规模实现中的潜力。

全球能源格局正经历深刻的转型，这由脱碳、数字化和去中心化推动。在这一范式下，虚拟电厂（VPP）已成为基石技术，能够聚合和优化多样化分布式能源资源，积极参与电力市场[1]。通过协调可再生能源发电、灵活负载和储能系统，VPP增强电网稳定性并开启新的收入来源。然而，可再生能源间歇性需要坚实且可调度的灵活性。在此背景下，电解氢气和电池储能系统（BESS）分别作为中长期和短期能量转移的补充支柱崛起。它们在VPP架构中的协同集成为行业耦合和深度脱碳提供了前所未有的机遇，但也带来了复杂的运营复杂性，需要复杂的优化范式。
氢循环与BESS在VPP架构中的整合代表了一个复杂的研究前沿，有望减少能源限制、增强可再生能源自用、关键电网服务以及难以减排行业的脱碳。然而，严峻挑战依然存在：跨能力、能源及辅助服务市场的多时间尺度协调;管理可再生能源发电、价格和负荷的不确定性;维护参与实体之间的隐私和自主权;更关键的是，电解槽（EL）、燃料电池（FC）和电池等资本密集型资产的经济可持续性，这些资产随着时间显著性能下降。这些交织的挑战需要一个统一的框架，同时解决经济效率、运营可靠性、资产寿命和计算可处理性。
协调异构VPP参与者这一基础挑战由Wu等人[2]创新解决，其多智能体变换器与并行模块处理动态建筑参与，减少了微调需求。虽然他们的方法在处理代理变异性方面表现出色，并展现出强有力的泛化能力，但主要聚焦于控制策略学习范式，未明确整合详细的资产退化物理计量模型或多VPP跨能能源策略，因此在系统层面的技术经济协同优化方面留下了空白。
文献中一个主导主题是氢能在提升VPP盈利能力中的战略作用。Gholami等人[3]展示了一种机器学习驱动的随机竞标模型，氢气加注整合可使利润提升高达86%。Yang等人[4]设计了一个VPP，实现了赋能为氢（P2H）和蒸汽甲烷在灵活碳定价下重整，显示出风能利用率的提升。Zepter 等人[5] 为海运中绿色氢气生产提供了技术经济分析，强调了 EL 的双重灵活性和废热供应。这些研究有力地论证了氢的经济价值，但将氢气的效率和成本视为静态，忽视了影响终生经济性的渐进降解。在这一探究的延伸下，Yang和Yu[6]提出了一种基于不确定性的物联网管理框架，用于氢气支持的多载波VPP，证明了高频遥测结合随机建模能够使近零碳微电网优于依赖化石燃料的运行。同样，郭等人[7]利用纳什议价和交替方向乘数法（ADMM）开发了电热和电力氢气VPP的多时间尺度优化，实现了2.94%的收入增长和3.08%的排放减少，同时保持隐私保护，同时采用简化的设备表示，无需复杂的老化机制。尽管他们的框架考虑了存储系统劣化中的过度收费或放电，但并未将非线性退化动态内化为内生成本。
扩大VPP参与度超越当日市场是关键趋势。Wang 等人[8]提出在容量、能源及辅助服务市场协调调度氢集成多能源虚拟化电厂，报告成本降低52%。Gholami等人[9]专注于利用信息缺口决策理论（IGDT）进行频率控制辅助服务，实现高达8.29倍的盈利乘数。Yin等人[10]采用了共享存储的两阶段模型，平衡了风险与机会。这些工作通过随机或稳健编程熟练处理不确定性，但假设存储特性简化，忽略了对循环深度、频率和功率坡度敏感的BESS和FC劣化，这是生命周期经济评估中的关键疏忽。
针对系统复杂性的复杂方法包括Luo等[11]，其信息熵评估通过氢缓冲动态调整调度约束，降低成本24.92%。Gao等人[12]提出了时变的风光伏（PV）场景发电，采用灵活的双响应，降低成本和排放。Flores-Perez等人[13]在库诺竞争下桥接氢气供应链的战略设计与运营管理。在协调方面，Zhang 等人[14] 利用混合自适应大邻域搜索解决端口集群 VPP 的隐私问题，而 Zhou 等人[15] 提出了基于 ADMM 的多能和碳共享算法。这些研究在不确定性量化、多目标决策和保护隐私的分布式优化等特定领域表现出色，但文献中缺乏一个综合框架，能够将高保真度降级模型与去中心化、市场感知的稳健优化（RO）整合应用于交互的虚拟终端网络。
文献揭示了VPP不确定性处理方法的快速发展，从确定性方法、随机规划和RO，再到分布稳健优化（DRO）。基础的逆渗透方法在预定义的不确定性集中内，使解对最坏情况的实现产生免疫。Liu等[16]开发了一种两级逆渗透模型，结合精细需求响应，通过灵活负载分类将实时运营成本降低0.81%至6.39%。Nemati 等人[17]提出了两阶段的能源和储量市场参与 RO，并结合跨期碳交易，实现了 29.0–55.3% 的盈利提升和 8.9% 的减排。为了解决RO中的保守性问题，Wen等人[18]通过整合偶然约束推进了该方法论，这一举措成功证明了两者都被简化排放和成本节约。Li等[19]在高峰监管市场为多能源VPP开发了强劲的招标，实现了5.16%至15.35%的收入增长。虽然RO提供了可行性保证，但其保守性在分配信息可用时可能对经济表现进行次优化。
为解决这一限制，基于灵活的RO和IGDT方法允许风险调整后的鲁棒性。Nemati 等人[20]在不对称不确定性下，为连续市场中的可再生能源虚拟生产商开发了灵活的稳健竞标，展示了竞争力和计算效率的提升，尽管未完全纳入分布信息。
近年来，DRO作为一种强大的范式出现，连接随机规划与反渗透，通过构建歧义集、与现有数据一致的分布族，并在这些集合内优化最坏情况分布。Cao 等人[21]为农村VPP的能源-碳-绿色证书交易开发了情景驱动DRO，利用1-范数和无穷-范数约束，将规划和运营成本降低22.49%，碳交易量降低44.21%。Song 等人[22] 提出了离散场景下 L 的 DRO 竞标₁/L_∞- 规范模糊性集合，比RO实现了36.0%的收入提升。瓦瑟斯坦度量因在没有限制性假设的严格有限样本保证中而日益受到重视。Wang 等人[23]开创了基于瓦瑟斯坦的DRO技术，用于结合电力转燃技术的冷却、供暖和电力系统，展示了有效的抗不确定性能力。Esfahani 等人[24]将此扩展到分布式VPP协同优化，用于能源调度、频率调节和电压支持，利用自适应ADMM实现隐私和可扩展性。Zhang 等人[25]开发了完全数据驱动的点对点交易 DRO，采用深度高斯过程歧义集，优于逆渗透、随机规划及其他 DRO 变体。Lei 等人[26]提出了基于数据驱动的强健竞标，车辆到电网，分别实现了17.9%、25.3%和2.4%的收入增长，优于随机规划、RO和DRO。马等人[27]开发了数据驱动区间RO，在单阶段稳健方法上实现了2.5%的成本降低，相比无套利方法降低了52.0%，计算时间减少为1除以生成场景数量，相较于基于场景的方法。
DRO与跨主动范式的集成已在多VPP环境中被探索。Xiong等人[28]提出了针对集成风能聚光太阳能VPP的全分散式稳健跨能管理，引入了自适应缓冲柱和约束生成（AB-C&CG），计算消耗降低了50.98%，误差低于0.46%，并通过不同惩罚因子提升了ADMM效率46.51%。然而，他们的工作重点是风力集中太阳能VPP，且没有氢电池结构中核心电化学储存的高保真劣化动力学。
近期贡献将不确定性感知优化扩展到多能协调和博弈论框架。Dong 等人[29]提出了针对多不确定性下多个VPP的分层纳什-斯塔克尔伯格博弈模型，结合了可再生能源的模糊概率约束规划和价格波动的逆渗透规划，通过ADMM分布式求解。他们的框架通过合作纳什谈判和斯塔克尔伯格博弈实现战略互动，但缺乏针对资本密集型氢资产的降解意识调度。可控负载侧不确定性的关键作用已被Li等人[30]认识到，他们开发了风险规避协优化，将不确定性集合扩展到可调度的潜能界限并调度合规意愿。他们的调度-成本模型通过非线性函数将调度强度映射为用户成本，表明省略负载不确定性会使利润估算膨胀，其模型利润增长11.31%，容量市场参与率提升48.50%。这强调了全面的不确定性表征，但不适用于电化学系统的降解动力学。
另一个关键方向聚焦于规划与运营的协作优化。Elgamal 等人[31]同时优化了受监管市场中VPP的规模和能源管理，证明忽视投资成本会削弱利润。Sun 等人[32]提出了利用红熊猫优化实现氢气储存可再生能源VPP的双层多目标选址和规模。在控制方面，Feng等人[33]提出改进EL网格形成控制，减少三分之二的储存功率和34.27%的能量损失。Khosravi等人[34]开发了基于车辆到电网技术的氢微电网AI驱动概率能源管理。Moghadam 等人[35] 关注使用混合存储、模型预测控制和比例积分控制器的电力质量。这些贡献至关重要，但很少能弥合运营策略与资产退化之间的长期经济反馈，可能导致系统在资产生命周期内规模过小或过大。
一个常被简化的关键方面是网格物理表示。Rodrigues 等人[36]将全交流最优电力流集成到带有P2H的VPP模型中，确保配电网络的时刻表技术上可行。在提升保真度的同时，将如此详细的模型纳入去中心化的多VPP，具有非线性降解的RO带来了巨大的计算挑战。本研究利用具有损耗和温度依赖额定值的线性交流功率流解决了这一差距，平衡了物理精度与可处理性。
综合考察显示，这一领域沿多个方向发展：1）市场成熟度的提升;2）采用从IGDT到基于数据驱动的Wasserstein指标的先进不确定性管理;3）开发分布式协调算法（ADMM、博弈论、纳什议价）以实现隐私;4）改善规划与运营的整合;5）通过多载流子VPP承认氢气的核心作用;6）引入多能源动态和碳交易;7）通过自适应算法推进计算方法。然而，在它们的交汇处仍存在一个趋同的差距：设备退化的经济影响——对于BESS和氢气资产的终身成本效益分析至关重要——在经典研究和近期贡献中，这一问题始终被外部化或简化建模。因此，短期内看似最优的策略可能加速磨损，从而损害长期可持续性，这在氢能基础设施的资本密集型中尤为重要。此外，尽管分布式优化和DRO在不确定性下被公认为多实体系统的关键，但其结合去中心化市场交易、Wasserstein模糊集和高保真非线性降解约束的协同应用仍未被充分探索。在详细的物理建模、去中心化的经济协调和严谨的数据驱动不确定性管理之间，缺少一个联系，而这篇手续正是建立的。
正是在这一已知空白中，本稿做出了开创性贡献。所提的去中心化稳健跨能管理（DRTEM）框架并非渐进式改进，而是解决现有技术多方面局限性的基础集成。本研究通过以下原创贡献推动了技术进步。

• ■
  战略与运营维度的协同优化：与专注于调度[8,9]或控制[33,35]的研究不同，该框架将能源定价的协同优化、集成氢电池虚拟电厂（IHB-VPP）交易以及内部调度整合到单一模型中。与多市场参与模型[17,18,20,26]对定价进行外生处理或假设集中清算不同，该框架通过去中心化共识内生决定交易权力量和清算价格，实现自主决策并实现系统范围的经济效率，这与以往的DRO-ADMM整合[24,28]着重于无内生价格形成的调度形成的模式有根本性区别。
• ■
  嵌入式高保真退化经济学：一项根本性进展是将 BESS 和 FC 的显式高保真劣化模型直接集成到优化核心中。循环老化依赖于放电深度、电流速率以及日历老化，通过半经验的电化学模型转换为边际降解成本。退化压力因素包括通过可再生能源不平衡条款和启动事件带来的运营不确定性。这一关键整合内化了运营决策的长期经济后果，而此前研究中明显缺失，确保资产生命周期内的经济可持续运营，实现真正的生命周期感知优化。
• ■
  多VPP系统的去中心化稳健协调：根据隐私需求[7,14,24,29]，该架构采用基于共识的ADMM（CB-ADMM）去中心化协调。每个IHB-VPP自主解决其局部优化，仅共享最小的交易信息，特别是双边交易变量的本地副本。该范式相比集中式方法为多利益相关者系统提供了更优越的实用性[4,32,36]，并且通过包含对功率数量和交易价格的共识约束，超越了以往的去中心化ADMM应用[7,24,28]。此外，这种协调嵌入基于Wasserstein模糊性集的数据驱动DRO中，通过严格的有限样本保证对冲联合市场和可再生能源的不确定性，这是以往文献中未实现的综合。
• ■
  突破性计算可处理性：在DRO中整合非线性降解动力学是一个非凡的挑战，阻碍了以往统一框架。引入了带有增强拉格朗日和情景分解（PHAL-SD）的渐进对冲算法，该算法放宽了第一阶段决策和Wasserstein对偶变量的非预期性约束，创建了可并行化的情景子问题。这种分解使得在不确定情景下实现令人尴尬的并行计算，显著降低了主问题的复杂度，相对于列约束生成[21,27,28]和自适应边界[16]。内凸近似环通过连续线性化处理非线性退化约束，将子问题转换为可处理的混合整数二次规划，使该综合模型在大规模实现中具有计算能力。
• ■
  增强收敛性与保证可解决性：为加速协调收敛，CB-ADMM 引入了自适应惩罚参数机制，基于最新进展[24,28]，并扩展以支持降解感知型 DRO 的嵌套分解。该机制基于原始轨迹和对偶残余轨迹动态调整惩罚参数，平衡收敛速度与数值稳定性。此外，两层迭代过程在复杂的非线性降解约束下也提供了有限收敛的理论保证，而这一特性在现有的VPP操作DRO框架中尚未确立。外部的 CB-ADMM 循环实现了交易变量的共识，而内部的 PHAL-SD 确保了场景层面的一致性，形成了整体 DRTEM 框架可证明的收敛架构。