基于智能体的虚拟电厂技术方案（48页 PPT）

微信扫码，打开到小程序

基于智能体的虚拟电厂技术方案 主讲人介绍 裘 愉 涛 Qiu Yutao ■ 国 家 电 网 首 席 专 家 正 高 级 工 程 师 全 国 劳 动 模 范 IET Fellow,IEEE Senior Member 主持或参与国网公司、浙江电网 40 多项重要项目和课题的研究， 62 次获得省部级以上科学技术奖励，在国内外各类科技期刊上 发表论文 92 篇，授权专利 145 余项，先后主持或参与标准 69 项， 编写教材 24 本。 01 研究背景 02 研究思路 03 总体框架 04 技术应用 05 发展展望 目录 1 研究背景 研究背景 #1 政策背景 国家发布一系列政策，将虚拟电厂作为能源转型的重要抓手。国家发改委印发新版 《电力需求侧管理办法》、《关于新形势下配电网高质量发展的指导意见》等文件明 确要逐步将需求侧资源以虚拟电厂等方式纳入电力平衡。 时间 发布单位 文件名 相关内容 2025.02 国家能源局 《 2025 能源工作指导意见》 资源聚合类新型经营主体主要包括虚拟电厂 ( 负荷聚合商 ) 和智能微电网。 鼓励虚拟电厂聚合分布式光伏、分散式风电、新型储能、可调节负荷等资源，为电力 系统提供灵活调节能力。微电网。 2024.12 国家能源局 《关于支持电力领域新型经营主体创 新发展的指导意见》 提升需求侧协同能力，推进虚拟电厂高质量发展。 建立 适应新型储能、虚拟电厂广泛参与的市场机制。 2024.02 国家发展改革委 《关于新形势下配电网高质量发展的 指导意见》 挖掘用户侧调节潜力，鼓励虚拟电厂、负荷聚合商、车网互动等新业态创新发展， 提高系统响应速度和调节能力。 2023.09 国家发改委 工信部等多部门 《电力需求侧管理办法》 逐步将需求侧资源以虚拟电厂等方式纳入电力平衡， 提高电力系统的灵活性。 2023.06 国家能源局 《新型电力系统发展蓝皮书》 积极培育电力源网荷储一体化。负荷聚合服务、综合能源服务、虚拟电厂等贴近终端 用户的新业态新模式，整合分散需求响应资源，打造具备实时可观、可测、可控能力 的需求响应系统平台与控制终端参与电网调度运行，提升用户侧灵活调节能力。 2022.11 国家能源局 《电力现货市场基本规则 ( 征求意见 稿 ) 》 推动储能、分布式发电、负荷聚合商、虚拟电厂和新能源微电网等 新兴市场主体参与交易。 2022.08 科技部等九部门 《科技支撑碳达峰碳中和实施方案 (2022-2030 年 ) 》 低碳零碳技术示范应用方面，建立一批适用于分布式能源 的“源 - 网 - 荷 - 储 - 数”综合虚拟电厂。 2024.11 杭州发改委 《加快杭州市虚拟电厂建设发展若干 措施》 建设完善市级虚拟电厂平台，推动加强分布式资源汇聚，支撑虚拟电厂关键技术产业 发展。 2025.6 杭州发改委 《 2025 年杭州市迎峰度夏电力需求侧 管理工作实施方案》 充分挖掘需求侧响应潜力，夯实虚拟电厂调控能力，引导虚拟电厂等新型主体参与 电 网调控，力争迎峰度夏期间真调实用 能源供需矛盾凸显 能源需求持续增长与能源供 应有限之间的矛盾愈发明显， 特别是在高峰时段，供需不 平衡问题尤为突出，需要更 灵活的能源管理系统。 增强电网稳定性 提升能源利用效率 · 通过智能体技术优化资源配置，提高可再生能源利用率，减少能 源浪费，实现能源高效利用。 · 智能体技术能够实时监测和调度电力系统，快速响应供需变化， 有效增强电网的稳定性和可靠性。 · 虚拟电厂通过智能体技术参与电力市场交易，实现资源的灵活调 度和优化配置，提升市场交易的效率和灵活性。 · 智能体技术在虚拟电厂中的应用，为构建新型电力系统提供了有 力支撑 。 传统电力系统在应对大规模 可再生能源接入时，稳定性 问题日益突出。如何有效平 衡供需，确保电力稳定供应 成为亟待解决的问题。 促进市场交易灵活性 推动电力行业创新 随着技术进步和成本下降， 风光等可再生能源得到快速 发展。然而，其间歇性和不 确定性给电力系统带来挑战， 需要新型管理和调度技术。 传统能源面临资源枯竭、环 境污染严重及温室气体排放 过多等问题，这些挑战促使 全球能源结构转型，寻找更 加可持续的能源解决方案。 传统能源面临的挑战 可再生能源发展需求 智能体与虚拟电厂技术 电力系统稳定性问题 研究背景 #2 能源现状分析 第 三 道 防 线 的 低 频 、 低 压 减 载 只 配 置 在 变 电 站 ， 过 频 切 机 只 配 置 在 电 厂 。 高 比 例 新 能 源 接 入 电 网 后 ， 同 样 面 临 人 第二道防线存在控制精度不足、时空协同缺失、电网安全稳定等诸多问题。。 长 期 以 来 ， 低 频 减 载 、 过 频 切 机 均 采 取 “ 盲 切 ” , 执 行 准 确 性 低 ， 偏 差 大 ， 严 重 不 适 应 方 式 变 化 大 ， 电 源 出 力 波 动 大 的 新 型 电 力 系 统 。 现 有 的 低 压 减 载 装 置 仅 仅 依 据 就 地 电 压 响 应 情 况 采 取 “盲 切 ” , 无 法 计 及 无 功 电 压 影 响 因 子 ， 一 旦 发 生 系 统 性 低 压 稳 定 事 故 ， 电 压 控 制 区 间 小 ， 准 确 性 差 ， 区 域 性 电 压 控 制 效 果 差 ， 严 重 时 导 致 分 布 式 电 源 批 量 脱 网 、 负 荷 脱 扣 等 种 种 问 题 ， 进 一 步 恶 化 了 系 统 电 压 。 为了协调全网频率、电压紧急控制，若在事故后采用集中控制的模式，依赖通信网络，存在重大安全隐患。 恢复控制 黑启动 预防控制 自动或调度调整 电网结构 预防控制 第一道防线 研究背景 #3 第三道防线存在的问题 正常运行 故障发生 故障元件切除 稳定破坏 大面积停电 失步解列频 率紧急控制电 压紧急控制 ( 第三道防线 ) 解列控制 第三道防线 稳定控制切 机或切负荷 ( 第二道防线 ) 稳定控制 第二道防线 继电保护动作 ( 第一道防线 ) 继电保护 安全防护 < < 实际负荷曲线 功率 △L 应拟发电机组 等效出力 负荷基线 虚拟电厂调整量 虚拟电厂对分布式资源的聚合，形成对外提供电能量或者辅助服务的“电厂” , 实现电源侧的 多能互补和负荷侧的灵活互动，对电网提供电能或调峰、调频、备用等辅助服务。其负荷调度特性 打破了传统电力系统运行模式，以电力供需平衡为目标，将负荷也作为提供平衡能力的资源来看待 实现供需的动态平衡。 聚合商向运营范围内负荷终端下发 APC 实时指令或计划曲线，具备实时指 令或计 划值接收能力的负荷终端数量及总容量占 比均不应低于 80% 。 研究背景 #4 第三道防线存在的问题 基于调度机构调度控制系 统平台部署，交互监视、控制 和电力市场等相关数据的功能 和系统级应用。 可调节负荷聚合后的 APC 等效调节性能应满 足 所接入调度机构的最 低要 求。 实时调控 (DL/T 2473) APC 等效调节性能 负荷调控系统 时间 缺乏量测 380/220V 0.00% 变压器 超机不确定性 100.00% 10kV -150.00% 严 重 上 送 过 载 一 10kV 随机不确定性 -20000% 台区、线路等发生潮流反向 重过载 大量低压分布式电源接入配电网，调度人员缺乏对其有效的感知手段，给电网运行带来新的挑 战，如配电网运行状态感知困难、台区线路等设备电压越限和潮流反向重过载、部分地区新能源消 纳困难等。 80000 负荷曲线 不可消纳电量 60000 50000 新实发 30000 20000 常规电源及区外来电 10000 蒸 垂 范 盈 警 铭 婆 量 喜 喜 超 孟 温 器 粗 鉴 盖 蕴 热 邕 盖 盈 骗 需 得 器 羁 一全网用电 部分地区部分时段 ( 如节 假日 ) 新能源消纳困难 工厂 大量低压分布式电源接入 配电网运行状态不可知 研究背景 #5 挑战 住宅 随机不确定性 13:45 5:00 3:45 12:30 配变负载率曲线图 15:00 16:15 17:30 负 载 率 ( % ) 50.00% 变电站 6:15 7:30 8:45 缺乏 10:00 11:15 电动汽车 23;45 21:15 20:00 22:30 220V 2:50 184 5 1:15 50.00% 70000 0000 0 0 海量低压分布式资源难以准确观测，现有调控感知架构无法适应，缺少群控群调方法 和区域协调互济手段。 低 压 分 布 式 电 源 集 群 聚 合 调 节 中 多 维 度 难 以 协 同 架合效率低 台区 2 事 台区 4 导季甲 台区 3 出 感 台 区 资 源 波 动 性 强 与 调 控 需 求 不 匹 配 资源波动性强 14 协同调节困难 12 10 8 6 4 2 9 a.m. 12 p.m. 3p.m. 6p.m. 分布式光伏有功出力曲线 台 区 分 布 式 资 源 波 动 性 强 ， 传 统 预 测 方 法 精 度 不 足 、 协 同 调 节 效 率 低 、 时空协调不足。 低 压 分 布 式 集 群 缺 乏 考 虑 拓 扑 关 系 的可调潜力聚合分析方法、 缺乏协 调互济和有效的群控群调方法。 缺 乏 考 虑 拓 扑 - 资 源 耦 合 关 系 的 可 调 潜 力 动 态 聚 合 方 法 、 无法对低压台 区 内 的 分 布 式 资 源 进 行精 准 调 控 。 研 究 背 景 # 6 关键难题 亟 需 构 建 海量 低 压 分 布 式 电 源 调 度 感 知 控 制 与 调 节 体 系 ， 提 升 新 型 电 力 系 统 承 载 能 力 和 经 济 低 碳 运 行 水 平 。 现 有 电 网 调 控 架 构 集 中 调 控 压 力 大弃风弃光问题严重 1.4 1.2 1 0.8 0.6 0.4 0.2 0 盐 2 魅 58/ 圣 吉 英事 事事事 思 # 有 功 功 率 ( k W ) 临念整 系 台区 1 ammse 三 所 研究思路 融合多种先进技术 智能体融合了人工智能、机器学习、物联网等多 种先进技术，形成了强大的技术体系。这些技术 的融合使得智能体具备了更加智能、高效的能力， 能够在复杂环境中发挥出色。 典型智能体的案例 典型的智能体案例包括智能家居 中的语音助手、自动驾驶汽车中 的决策系统等。这些智能体通过 感知环境、分析数据并作出决策， 为用户提供了更加便捷、智能的 生活体验。 经海量数据训练而成 大模型经过海量数据的训练 和优化，能够捕捉到数据中 的细微规律和潜在联系。 具备语言理解生成力 大模型具备卓越的语言理解 和生成能力，能够流畅地进 行自然语言交互。 可处理多样复杂任务 大模型具有高度的灵活性和 可扩展性，能够处理多样且 复杂的任务。 大模型如百科全书 大模型是人工智能领域的璀 璨明珠，其知识库广泛而深 入，犹如一部百科全书。 03 02 能在复杂场景工作 智能体能够在复杂场景中工作， 如工业生产线上的智能巡检、 城市交通中的智能调度等。它 们能够根据场景需求进行灵活 调整，确保任务的顺利完成。 04 具备自主行动能力 智能体是一种具备自主行动能力 的实体，能够在特定环境中感知、 决策并执行任务。它们能够根据 环境变化调整自己的行为策略， 以实现预设的目标。 01 大模型与智能体理 解 01 01 单智能体 02 多智能体 03 多智能体强化学习 单智能体 (Single Agent) 是指在 一 个特定的环境中，仅有一个智能 体进 行感知、学习和行动的情况。 在这种 情况下，智能体需要独立地 与环境进 行交互，并根据环境的反 馈来优化其 行为策略，以实现预设 的目标。 多智能体系统 是多个智能体组成 的 集 合 ， 它 的 目 标 是 将大而复杂 的系统建 设成小的、彼此相互通 信和协调的，易于管理的系统。 多智能体强化学习旨在解决多个智 能体在共享环境中协同或竞争学习 的问题。因为智能体之间存在着一 定的关系，如合作关系，竞争关系， 或者同时存在竞争与合作的关系。 所以每个智能体最终所获得的回报 不仅仅与自身的动作有关系，还跟 对方的动作有关系 智能体 (Al Agent), 又称“人工智能代理” , 是一种模仿人类智能行为的智能化系统，它就像拥有丰富 经验和知识的“智慧大脑” , 能够感知所处的环境，并依据感知结果，自主地进行规划、决策，进而采取 行 动以达成特定目标。简单来说，智能体能够根据外部输入做出决策，并通过与环境的互动，不断优化自 身行为。智能体本身既不是单纯的软件也不是硬件，而是一个更为宽泛的概念，它们可以是软件程序、机 器人或其他形式的系统，具备一定的自主性和智能性。 02 智能体定 义 简单反射型智能体 简单反射型智能体主要是基于固定的条件 - 动作规则，它们的智能行为受限于事先定义好的规则，缺乏复杂的推理和学习能力， 不 能灵活地决策和解决问题。这种类型的智能体智力水平非常有限，无法适应环境的变化。 基于模型的智能体 基于模型的智能体主要利用条件操作规则，即通过查找满足当前情况的条件规则进行工作。此类智能体能够利用智能体内部状态和 建模能力，在面对复杂人物和动态环境时能够更加灵活、智能地做出决策。 基于目标的智能体 基于目标的智能体是一种适应性非常强的实体，能够利用知识和搜索算法选择实现该目标的最佳选项。该智能体灵活性强，当环境 发生变化或任务要求发生改变时，智能体可以通过更新知识库和调整搜索算法来适应新的要求。 基于效用的智能体 基于效用的智能体通过性能度量，为给定的环境状态打分，根据实现目标区分更可取和更不可取的实现方式。该智能体与基于目标 的智能体的基础架构基本一样，但其在灵活性和学习方面有很多优势。 学习型智能体 学习型智能体是 AI 领域中的关键组件，能够将感知能力整合到早期的环境观察中，并将其存储为内部状态，为未来的决策和行动 提供有用的信息。学习型智能体不仅能够执行任务，还能够进行研究和规划。 01 02 03 04 03 智能体分 类 04 智能体基本组成 #1 短期记忆 长期记忆 记忆 智能体 自我反思 数字计算器 函数调用 API 调用 AI 智能体主要由规划、记忆、工具使用 3 个方面组 成 思维链 思想树 7 规划 工 具 03 工具使用 智能体在学习到模型内部知识 不够时，利用调用外部 API 的 方式，通过获取外部实时信息、 访问专有的信息知识库等方式 更新信息。大语言模型擅长文 本处理、意图理解等，但是对 于计算等操作能力较弱。因此 需要使用工具提升大语言模型 的操作能力，常用工具包括模 块化推理、知识和语言。 01 规划 规划主要是对子目标的管理和 拆解，将大的任务拆解为小的 子任务，并对这些子任务进行 管理，从而有效地处理复杂的 任务。同时，规划会基于过去 的动作开展自我批评和自我反 省 ，从过去的问题中进行学习， 从而优化未来的动作，以此得 到更优的结果 02 记忆 记忆可以被定义为获取、存储、 保留、事后取回等针对信息的 流程，其包括感觉记忆、短期 记忆和长期记忆。将记忆进行 映射，感觉记忆作为学习嵌入 原始输入的表示，其模态为文 本、图像等。 04 智能体基本组成 #2 05 智能体应用场景：智能调度 多模态数据融合分析 智能体通过集成先进算法，实现多源异构 数据的融合分析，包括气象、负荷预测、 设备运行等，为虚拟电厂提供全面的数据 支撑，提升调度决策的精准性与前瞻性。 提升能效降低成本 智能体通过精细化管理和优化调度， 减少能源浪费，实现能效最大化， 同时降低运维成本，提升虚拟电厂 的整体经济效益。 动态调优发电策略 基于深度学习算法，智能体动态调 整发电计划，适应负荷波动，有效 平衡供需，减少弃风弃光现象，提 高清洁能源利用率。 实时监测能源负荷 利用物联网技术，智能体实时捕捉 各类能源负荷变化，精确预测需求 趋势，为电力资源的优化配置提供 实时数据支持，确保供需平衡。 05 智能体应用场景：能量管理 实时监测能量状态 智能体实时监控储能设备的能量状态， 确保能量储备充足，为电网提供灵活的 调节能力，增强电网韧性。 保障电网稳定运行 智能体通过精准预测与快速响应，有效 平抑电网波动，提升电网的稳定性和安 全性，确保电力供应的连续性。 优化充放电的策略 运用先进算法，智能体根据电价波动 和电网需求，智能决策储能设备的充 放电时机，实现经济效益最大化。 促进可再生能利用 智能体优化可再生能源的接入与调度， 提高可再生能源渗透率，推动能源结 构绿色转型。 短期功率预测 前几日发电数据 当地天气预报数据 未来 4 小时 ~3 日内 发电情况 中长期功率预测 月际至年际发电数据 气候变化预测数据 未来 10 日 ~12 个月 发 电 情 况 光伏电站 lL.L. 05 智能体应用场景：功率预 测 发电数据与气象数 据 智慧调度 风险警告 储自配置 方案评估 波动分析 运维建议 装机扩容 选址规划 后续建设规划与评估 智能调度与运维 时 序 数 据 收 集 风力发电厂 运用机器学习技术， 智能体自动识别故障 特征，提前发出预警， 为维修团队争取宝贵 时 间 。 智能体有效预防重大 故障发生，降低事故 损失，保障人员安全， 提升虚拟电厂的整体 安全管理水平。 通过智能预警与快速 响应机制，智能体显 著提升虚拟电厂的运 行可