Multi-Time Scale Optimal Dispatching of Virtual Power Plants under Carbon-Green Certificate Interconnected Trading

Resumen Técnico: Despacho Óptimo de Múltiples Escalas Temporales de Plantas de Energía Virtuales bajo el Comercio Interconectado de Carbono y Certificados Verdes

Planteamiento del Problema
A medida que avanzan los mecanismos de mercado de "doble carbono", las Plantas de Energía Virtuales (VPP, por sus siglas en inglés) están integrando cada vez más una alta proporción de energía renovable. Sin embargo, el vínculo entre el Mecanismo de Comercio de Carbono (CTM) y el Comercio de Certificados Verdes (GCT) introduce riesgos sistémicos, incluyendo la "doble contabilidad" de reducciones de emisiones y el "subsidio cruzado" entre mercados. Estas brechas institucionales pueden conducir al arbitraje de mercado, donde las VPP buscan un consumo excesivo de energía renovable para obtener subsidios duales, inflando inadvertidamente las declaraciones de reducción de emisiones y desestabilizando las operaciones del sistema. Además, la naturaleza aleatoria y fluctuante de las fuentes renovables y las cargas crea una incertidumbre significativa, lo que hace que la optimización estática tradicional de día anterior sea vulnerable a las desviaciones de pronóstico. Los métodos de optimización robusta existentes suelen depender de escenarios del peor caso excesivamente conservadores, comprometiendo la eficiencia económica, mientras que las arquitecturas de control centralizado enfrentan dificultades con la complejidad computacional y los riesgos de falla de punto único asociados con los recursos distribuidos a gran escala.

Metodología
El artículo propone un marco integral de despacho óptimo de múltiples escalas temporales bajo un Mecanismo de Comercio Interconectado de Carbono y Certificados Verdes (C-GITM). El enfoque se estructura en dos etapas principales:

1. Programación de Día Anterior (Optimización Robusta con Conservadurismo Ajustable):

   • Marco C-GITM: Se establece un mecanismo de comercio para prevenir la doble contabilidad y los subsidios cruzados. Incorpora la contabilidad de carbono de ciclo de vida completo para la energía renovable (Costo Nivelado de Emisiones de Carbono, LCCE) y diferencia los factores de emisión de carbono según la tecnología de generación. Esto asegura que la propiedad de los derechos de reducción de emisiones se transfiera correctamente durante el comercio de certificados, evitando el arbitraje institucional.
   • Modelo Robusto de Dos Capas: Se construye un modelo de optimización robusta de dos niveles para manejar la incertidumbre de fuente-carga. La capa exterior minimiza los costos de incentivos de mercado, mientras que la capa interior minimiza los costos operativos bajo el escenario de incertidumbre del peor caso.
   • Conservadurismo Ajustable: Se introduce un coeficiente de ajuste de robustez ($\xi$) para sintonizar dinámicamente el conservadurismo del modelo basado en las preferencias de riesgo del operador. Esto permite al sistema equilibrar la eficiencia económica y los márgenes de seguridad.
   • Algoritmo de Solución: El modelo se resuelve utilizando un algoritmo de Generación de Columnas y Restricciones Descompuesta (DC&CG), que desacopla el problema en un problema maestro y subproblemas para reducir la complejidad computacional.

2. Programación Intra-día (Control Predictivo de Modelo Distribuido):

   • Pronóstico: Se emplea una red neuronal de Algoritmo Genético-Retropropagación (GA-BP) para optimizar los pesos iniciales y los umbrales del modelo de predicción, actualizándose continuamente con datos en tiempo real para mejorar la precisión del pronóstico de ultra-corto plazo.
   • Optimización de Rodamiento Jerárquica: Se adopta una estrategia de Control Predictivo de Modelo Distribuido (DMPC). El sistema se descompone en unidades colaborativas (capa superior para cargas de calor y frío y capa inferior para potencia eléctrica) para gestionar las diferentes características de respuesta dinámica de diversas cargas.
   • Ajuste en Tiempo Real: A diferencia de los métodos tradicionales que dependen de una base fija de día anterior, este enfoque utiliza datos operativos en tiempo real como referente de base dinámica. Este mecanismo actualiza sincrónicamente las instrucciones de despacho para corregir las desviaciones de predicción y mitigar los errores acumulativos.

Contribuciones Clave

• Sistema C-GITM: El artículo introduce un marco de comercio que contabiliza las emisiones de carbono de ciclo de vida completo de la energía renovable y establece reglas claras de transferencia de propiedad para los Certificados Verdes (GC). Esto resuelve eficazmente los problemas de doble contabilidad y subsidios cruzados, previniendo el arbitraje de mercado que impulsa planes de consumo excesivo de energía renovable.
• Nuevo Método de Programación de VPP: Se integra un mecanismo de incentivo de mercado justo en un modelo de optimización robusta de dos capas de día anterior con conservadurismo ajustable. Esto se adapta a las variaciones en las preferencias de riesgo en diferentes escenarios operativos.
• Optimización Intra-día Basada en DMPC: El estudio implementa un algoritmo DMPC para el ajuste en tiempo real. Esta arquitectura distribuida reduce la carga computacional, evita fallas de punto único y responde eficazmente a las fluctuaciones significativas de fuente-carga mediante el uso de una estrategia de optimización de horizonte de rodamiento.

Resultados
Los resultados de la simulación basados en una VPP que integra sistemas de cogeneración de calor, frío y potencia (CCHP) demuestran la eficacia de la estrategia propuesta:

• Desempeño Económico y Ambiental: Comparado con un escenario que permite subsidios cruzados y doble contabilidad (Escenario 5.7), la estrategia C-GITM propuesta (Escenario 5.8) redujo los beneficios de cálculo repetido en 45,449 CNY y los gastos de ajuste adicionales en 15,791 CNY. Crucialmente, tras contabilizar estos factores, las emisiones de carbono reales disminuyeron en 1,014 kg.
• Robustez vs. Determinismo: El método de optimización robusta bi-nivel (Escenario 5) redujo significativamente los costos de ajuste intra-día en comparación con la optimización determinista (Escenario 3), al considerar proactivamente los escenarios de incertidumbre del peor caso, disminuyendo así la necesidad de recursos de emergencia.
• Eficiencia del Algoritmo: El modelo de optimización de rodamiento DMPC demostró un desempeño superior sobre el MPC tradicional. El tiempo promedio para un solo paso de optimización se redujo de 5.023 minutos (MPC) a 3.658 minutos (DMPC), una reducción de aproximadamente el 27%. Esto asegura que el modelo cumpla con las estrictas restricciones de ciclo de programación de 5 minutos requeridas para la operación en tiempo real.
• Precisión de Seguimiento: La estrategia basada en DMPC mostró una correspondencia más cercana entre las trayectorias operativas intra-día y las curvas de referencia de día anterior, equilibrando eficazmente la eficiencia operativa local con los objetivos de planificación global.

Significancia
El artículo sostiene que la estrategia de despacho de múltiples escalas temporales propuesta permite que las VPP logren una operación de bajo carbono y económica, mitigando al mismo tiempo las incertidumbres de los lados de la oferta y la demanda. Al establecer un marco de incentivos de mercado justo que elimina la doble contabilidad y los subsidios cruzados, el método previene el "lavado de imagen verde" de las reducciones de emisiones y asegura que los incentivos del mercado impulsen transiciones de bajo carbono genuinas. Además, la integración de la robustez ajustable y el control distribuido proporciona un sistema de programación resiliente capaz de manejar la alta volatilidad de la integración de energías renovables sin comprometer la estabilidad operativa o la eficiencia económica.