近期，自動化工程學院由彭道剛教授領銜，趙慧榮副教授、渠博崗講師等為骨干的研究團隊指導博士和碩士研究生在綜合能源與虛擬電廠方面的研究工作取得重要進展，相關研究成果在2024年底以第一單位和第一作者/通信作者在《Applied Energy》（IF:10.1）、《Energy Conversion and Management》（IF:9.9）、《Renewable Energy》（IF:9.0）以及《Energy》（IF:9.0）等能源領域中科院一區Top期刊發表學術論文多篇。
分布式綜合能源系統與虛擬電廠是解決可再生能源就地消納、提升網荷互動靈活性，支撐能源電力行業低零碳轉型發展的重要技術方向，近年來受到了國內外研究者的廣泛關注和深入探討。自動化工程學院彭道剛教授領銜的科研團隊立足能源電力行業低零碳轉型需求，聚焦低零碳分布式綜合能源與虛擬電廠的系統優化設計、源荷預測、協同控制與運行調控等關鍵技術攻關，并取得系列研究成果。
系統優化設計方面，在《Renewable Energy》上發表題為“A preference adjustable capacity configuration optimization method for hydrogen-containing integrated energy system considering dynamic energy efficiency improvement and load fast tracking”的論文，針對含氫綜合能源系統提出一種偏好可調的容量配置方法。主要貢獻在于在系統設計階段通過設備選型和容量配置優化，改善系統在后續運行過程中的負荷跟蹤動態特性，提升系統能效。相比于傳統容量配置方法，論文在容量配置優化問題構建過程中設計添加了能夠綜合表征系統動態能效和負荷跟蹤能力的性能指標，并提出了一種偏好可調的容量配置多目標優化求解方法，可滿足不同投資主體對于經濟、環保、動態等多項優化目標的容量配置偏好需求，有力推動含氫綜合能源系統優化研究，為能源系統規劃設計與運行控制提供重要理論和實踐支撐。
源荷預測方面，在《Energy Conversion and Management》上發表題為“Short-term PV-Wind forecasting of large-scale regional site clusters based on FCM clustering and hybrid Inception-ResNet embedded with Informer”的論文，提出了一種新型區域站點集群短期電力預測模型。主要貢獻在于創新性地結合Pearson相關系數和基于Copula函數的Spearman秩相關系數，全面分析發電影響因素的線性與非線性相關性以篩選強相關變量；利用FCM聚類算法對大規模電力集群分類，并通過輪廓系數評估聚類效果選取代表性站點構建數據輸入集；構建了融合Inception、ResNet和Informer的深度神經網絡模型，能有效捕捉時間序列特征和緩解梯度消失問題；改進GWO算法，引入新策略和收斂因子尋找最優參數，提升模型預測精度與魯棒性，經實驗驗證在風電和光伏預測上均優于其他算法，提高了預測的準確性和效率。
在《Energy》上發表題為“Multi-energy load forecasting for integrated energy system based on sequence decomposition fusion and factors correlation analysis”的論文，提出了一種基于序列分解融合與因素相關性分析的綜合能源系統多元負荷預測方法。主要貢獻在于運VMD分解復雜負荷序列并融合相關分量，克服模態混疊問題，降低預測難度；通過結合Pearson與基于Copula函數的Spearman秩相關分析的ICA方法，全面考量影響因素與負荷間線性及非線性關系，精準篩選強相關因素，避免傳統方法單一相關性分析導致的信息遺漏；構建MTL-CNN-BiGRU-Attention 模型，以BiGRU為硬共享層挖掘負荷耦合信息，并借助注意力機制突出關鍵特征，提升預測精度；改進GWO算法，引入新策略和收斂因子優化模型超參數，增強搜索效率與收斂速度，使模型在多能源負荷預測上表現更優，有效提高了預測準確性和效率，在不同數據集上均展現出良好的魯棒性和泛化能力。
多主體優化調控方面，在《Applied Energy》上發表題為“Optimal scheduling of multiple entities in virtual power plant based on the master-slave game”的論文，提出了一種基于主從博弈的虛擬電廠多主體最優調度策略。主要貢獻在于構建了含電動汽車與碳處理系統的綜合能源虛擬電廠多主體運行模型，全面考慮多種能源交易及碳排放，充分兼顧消費者滿意度、能源供應方經濟性與電廠低碳性，突破現有調度模型單電能市場局限，實現多能源形式下的優化配置；提出基于Stackelberg主從博弈的多主體最優調度策略，構建用戶滿意度能效模型及多主體博弈模型并證明其均衡唯一性，提升調度效率，增強系統在不同市場環境的適應性與穩定性，有效協調各主體利益關系；運用NOA-QP組合算法制定能量定價策略，通過分布式均衡求解避免信息泄露，保護隱私，同時顯著提高算法收斂速度與電廠運行效率，為虛擬電廠優化調度提供高效的解決方案，相比傳統算法優勢顯著。
以上研究成果獲得國家自然科學基金面上項目、國網上海市電力公司科技項目等資助，同時也得到上海市電站自動化技術重點實驗室、上海發電過程智能管控工程技術研究中心、智能發電上海市級實驗教學示范中心、上海市高水平地方高校“高效低碳發電與清潔能源利用”重點創新團隊等支持。
自動化工程學院 趙慧榮 供稿
2025年1月20日