✨ 要点🔬 技术摘要
在现代电网中，电力并非在需要时凭空出现，而必须在每一时刻都实现发电量与消耗量之间的精确平衡。几十年来，这种平衡一直由大型、可预测的发电厂来维持，它们可以像水龙头一样调节输出大小。然而，如今系统越来越依赖风能和太阳能，这些能源对气候非常有益，但其本质具有不可预测性。当风力强劲或阳光灿烂时，这些可再生能源产生的电力可能会超过当地网络物理上能承载的容量，或者超过系统能够安全处理的限度。这给电网运营商带来了难题：他们有时必须命令这些发电机降低输出，这一过程被称为“弃电”（curtailment），以防止停电或设备损坏。在爱尔兰，这种情况是通过一套特定的规则来管理的，即通过将发电机进行分组，如果网络变得拥挤，它们就会按比例同时减少输出。准确了解这种方式造成了多少能量损失以及产生损失的原因，对于投资者和规划者来说至关重要，因为他们需要知道建设更多可再生能源电厂是否是一项明智的决策。
来自斯特拉斯克莱德大学（University of Strathclyde）和可再生能源解决方案公司（Renewable Energy Solutions）的一个研究小组构建了一个新的数学模型，用以模拟爱尔兰电力系统中这些复杂的相互作用。他们的工作重点在于将爱尔兰电网的现实运行规则转化为计算机程序，从而能够预测何时以及会在多少程度上削减可再生能源的输出。研究人员首先绘制了整个市场流程的图谱，从设定价格的日前规划阶段，到电网运营商为保持系统安全而进行的实时调整。他们特别关注了爱模型处理约束条件的独特方式，即不同的风能和太阳能电场是如何被链接在一起的。如果网络的一部分发生过载，该模型会计算如何将功率的减少分摊到这些重叠的组别中，以确保没有任何单一的发电机被不公平地针对。
为了测试他们的成果，团队首先在一个简化的、小规模的示例上运行了该模型，以确保逻辑成立。随后，他们将模型应用于整个爱尔兰输电网络的详细表示，其中包括数百条输电线路、变压器和发电机。模拟涵盖了完整的一个月，以每半小时为一个间隔，并在一台标准笔记本电脑上运行，以观察系统在现实条件下的表现。结果显示，该模型成功捕捉到了弃电和约束的机制，能够正确识别系统何时需要减少风能和太阳能的输出以满足安全限制。当研究人员将他们的模拟结果与来自爱尔兰电网运营商的实际数据进行对比时，他们发现该模型能够对总发电量提供合理的估算。然而，模拟结果往往高估了因系统整体安全限制而导致的能量削减量，同时略微低估了由局部网络瓶颈引起的削减量。
研究人员解释说，这些差异并非模型的失败，而是反映了其目前的简化程度。该模型尚未考虑到每一种可能的紧急情况，也未考虑发电机一旦启动后必须持续运行多长时间的复杂时序问题。此外，它将爱尔兰与大不列颠之间的电力流动视为一个固定值，而非动态的市场决策。尽管存在这些局限性，该研究仍提供了一个清晰、循序渐进的表示方式，展示了爱尔兰特定的分担弃电责任的规则在实践中是如何运作的。通过使这些规则变得可视化且可测试，该模型为理解现有系统提供了宝贵的工具，并为未来的改进奠定了基础，从而使电网对每个人都更加高效可靠。
技术摘要：爱尔兰电力系统中可再生能源弃电与约束条件的建模
问题陈述 比例分配法（pro-rata approach） ，即在特定的、通常是重叠的约束组内，按比例分配弃电量。
关于爱尔兰特定机制的技术公式化描述，在公开文献中存在显著空白。现有工具往往缺乏模拟重叠约束组或传输系统运营商（TSO，即 EirGrid 和 SONI）所采用的具体安全约束（如系统非同步渗透率限制和最小机组运行要求）所需的粒度。此外，像 PLEXOS 这样的商业平台所使用的确切数学公式是专有的且无法获取。
方法论
市场模型（铜板模型/无约束模型）： 单位组合（UC）模型确定发电机的预验市场地位。该模型忽略网络约束以建立边际价格顺序，生成最终物理通知（FPNs）和发电机启停状态。弃电模型： 此阶段纳入了由 TSO 定义的系统安全约束。它计算由于以下原因导致的发电量减少：
系统非同步渗透率（SNSP）： 一个限制条件（目前为 75%），即非同步发电量与需求量的比例。最小机组运行（MUON）： 确保特定常规机组保持在线或达到最小输出水平，以维持系统稳定性（如惯量、频率支持）的约束。此阶段对非同步发电机组应用比例分配的减额。
约束模型（DCOPF）： 模型被重新表述为 UC DCOPF ，以考虑局部传输约束。
重叠组： 引入了一种全新的数学公式来处理属于多个重叠约束组的发电机组。模型使用二进制变量来确定发电机所属所有组中的最小比例减额因子，从而确保应用最严格的约束。网络拓扑： 模型利用 DCOPF 线性化技术来管理跨越总线、线路和变压器网络的功率流。
主要贡献
需求形式化： 它提取并形式化了爱尔兰弃电与约束框架的高层需求，提供了这些机制在实践中应用的逐步表示，包括针对重叠约束组的具体逻辑。具有代表性的数学模型： 开发了一个简化但具有代表性 的市场和网络模型，能够估算弃电与约束量。该模型提供了一个起点 ，用于捕捉重叠约束组的复杂性，而这一特性在通用的开源工具中往往是缺失的。
结果
说明性测试用例： 一个简化的网络展示了模型处理重叠约束组的能力。结果表明，该公式能够正确识别共享组内发电机的限制性约束，将它们降额至适当的比例水平，而不会过度弃电。全岛测试用例： 模型应用于一个代表性的爱尔兰传输网络（446 个总线、586 条线路、288 台发电机），并使用 2025 年 7 月 的测试运行。该场景利用 2022 年预测数据 （来自全岛十年传输预测声明）来模拟未来的运行状况。结果与 EirGrid 的实际历史调度降额数据 进行了对比，以验证模型的行为。
发电量估算： 模型提供了合理的风能和太阳能发电量估算，尽管其总体上高估了实际输出。调度降额： 模型低估了总体的调度降额量，具体表现为低估了**约束（Constraints）**和 MUON 的量，同时高估了 SNNP 弃电 。差异分析： 作者将 SNSP 弃电的高估归因于缺乏时间耦合（未能捕捉来自前一时段的最小运行时间和爬坡约束）以及缺乏 N-1 安全性应急方案。对约束量低估的原因则归结于简化的网络模型以及缺乏 N-1 故障分析。
意义与局限性
然而，作者对其模型的当前能力保持谦逊，承认存在若干局限性：
缺乏时间耦合： 快照方法无法捕捉动态运行行为（如爬坡速率、停留点和最小启停时间），导致 SNSP 计算出现偏差。简化安全性： 模型未包含 N-1 故障分析，这限制了传输约束量的准确性。数据依赖性： 模型依赖于关于发电机参数、互联线路流量和网络拓扑的准确输入数据。排除项： 当前公式未明确对储能（抽水蓄能、电池储能系统/BESS）以及基于耦合市场价格的互联线路动态特性进行建模。
作者总结道，虽然提出的公式在捕捉弃电与约束的核心机制方面有效，但未来的工作必须侧重于引入时间耦合和 N-1 故障分析，以实现与现实运行数据更高精度的匹配。
每周获取最佳 electrical engineering 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。