⚡ electrical engineering

Population scale enables reliable dispatch of distributed energy storage without real-time device-level sensing

本研究表明，在有效规模的集群规模下，只要考虑了异质性、确保聚合模型在漂移情况下依然有效并尊重网络约束，即使在缺乏实时设备级遥测的情况下，实现分布式储能的可靠调度也是可以实现的。

原作者： Hongbin Xie, Jiaxing Zhao, Ge Song, Hengyi Xu, Haoran Zhang

发布于 2026-10-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Hongbin Xie, Jiaxing Zhao, Ge Song, Hengyi Xu, Haoran Zhang

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

现代电网正经历着一场悄无声息的革命。几十年来，电力一直从少数大型发电厂流向数百万家庭，这是一条由中央控制器管理的单向街道，控制器准确知道每台发电机正在产生多少功率。而今天，这种流动正变得双向且具有混沌性。数以百万计的小型设备——从家用电池到电动汽车——正在加入电网，提议在需要时存储多余能量或释放能量。这些分布式资源是平衡一个由风能和太阳能驱动的世界（其本质是不可预测的）的关键。然而，管理它们构成了一个巨大的物流难题。为了协调成千上万个独立的设备，传统系统依赖于持续的实时通信，每隔几秒钟就询问每一个电池当前的充电水平和状态。这产生了一股数据洪流，不仅传输成本高昂，而且难以处理，威胁着要压垮它原本旨在帮助的系统。

工程师们面临的问题是，这种持续的信息流是否真的必要。是否可能通过向所有设备同时发送一个单一、简单的信号来管理大规模储能设备舰队，而无需了解每个单元的具体状态？这是来自北京大学、吉林大学和香港中文大学研究人员的一项新研究所探讨的核心挑战。他们研究了是否可以通过增加设备的数量来承担繁重的工作，从而让中央控制器依靠群体的平均行为，而非每个成员的详细状态来进行管理。他们的工作表明，虽然拥有大量设备确实使群体更具可预测性，但这并不是灵丹妙药。研究人员发现，可靠性取决于四个不同的条件：拥有足够的设备、确保它们的响应方式兼容、保持控制模型处于最新状态，以及确保局部线路能够实际承受电流。

为了测试这些想法，研究人员构建了一个复杂的数字实验室。他们没有依赖理论推测，而是使用了来自15个真实世界能源设备群体（包括住宅电池和建筑能源系统）的数据，并将它们组合成了119个新的混合群体。这使得他们能够模拟不同设备组在面对共同信号（如价格变化或直接的充放电指令）时的反应。他们运行了数千个场景，将设备组的大小从几十个到数千个不等进行变化，并观察在控制器不知道每个电池实时状态的情况下，该群体跟随请求功率目标的表现如何。

第一个重大发现是清晰地分离了两个经常被混淆的概念：可预测性与可控性。研究表明，随着设备组规模的扩大，其整体行为变得更容易预测。这是一个统计学效应；正如随着人数增加，人群的平均身高会变得更加稳定一样，大规模电池舰队的总输出也会平滑掉单个单元的随机特性。研究人员发现，大约89个设备就足以让总输出具有高度的可预测性。然而，具备可预测性并不等同于具备可控性。一个群体可以很容易被预测，但在遵循特定指令方面仍可能失败。研究显示，可靠的控制（即群体能持续达到目标功率水平）需要更庞大且更具体的条件。在许多情况下，即便是一个完全可预测的群体，在追踪请求功率方面依然表现不佳，这证明了仅靠规模并不能保证成功。

研究人员随后调查了为什么有些群体尽管规模庞大却无法实现控制。他们发现，群体的内部结构比单纯的人头数更重要。如果设备的响应时间不同，或者它们都由同一套软件控制并以同步的方式做出反应，那么该群体就会失去遵循指令的能力。例如，如果控制器发送了一个快速充电信号，但有些设备反应迟缓而另一些反应迅速，那么总体的结果就会变得混乱且不可靠。同样，如果太多设备共享完全相同的设置，它们可能会在同一时刻做出反应，从而产生难以管理的峰值。研究表明，设备响应方式的多样性实际上是一种优势，有助于平滑地吸收信号。此外，研究人员发现，控制器与设备之间的关系并非一成不变。随着时间的推移，设备的行为会发生变化，或者控制它们的软件可能会发生漂移。如果用于预测群体行为的中央模型没有根据新的聚合数据进行更新，系统就会失效，即使该群体规模依然庞大。研究表明，控制器可以通过监听群体的总输出并调整其模型来解决这个问题，而无需再次向单个设备询问其状态。

最后，团队测试了成功的群体指令是否能真正通过电网的物理导线进行传递。他们将模拟的群体映射到工程研究中使用的标准电气网络中。他们发现，一个群体在数学意义上可能是完美受控的，但在现实世界中却可能无法执行。如果设备聚集在电网的某个特定区域，或者局部线路已经承受压力，请求的功率流可能会导致电压问题或线路过载。研究表明，设备的物理位置和局部电网的状态与设备数量同样重要。如果一群表现良好的电池都接入了无法承受涌入电流的薄弱电网部分，那么它们可能毫无用处。

这些发现对于能源管理的未来具有重要意义。研究证实，可以在无需从每个设备获取持续实时数据的负担下，协调大规模的分布式储能舰队。这可以大幅降低管理电网的成本和复杂性。然而，研究也为这种方法何时奏效划定了明确的界限。它并不是一个适用于任何规模、任何群体的通用解决方案。为了使其奏效，运营商必须确保拥有足够数量的设备，确保设备具有足够的差异性以避免同步失效，确保控制模型是利用仅有的群体总输出进行定期更新，并且局部配电网络在物理上能够承受流量。这项研究建议了一种策略转变：与其试图看清一切，不如依靠大规模数量带来的统计力量，前提是必须尊重系统的物理和行为限制。这种方法为将数百万个小型能源资源整合进一个稳定的、由可再生能源驱动的电网提供了一条切实可行的路径。

技术摘要：规模化人口效应实现分布式储能可靠调度，无需实时设备级传感

问题陈述
分布式能源（DER）的快速激增（如家用电池和电动汽车）已使电力系统运行从管理少数中心可观测资产转向协调大规模、异构且独立运行的设备群体。传统的聚合架构依赖于对设备级状态（如荷电状态、可用性、功率限制）的持续实时采集，以实现集中式或分层式调度。然而，随着设备规模的增长，相关的传感、通信和数据管理负担变得难以承受。虽然低维广播协调（如基于价格的控制、虚拟电厂）通过通用信号提供了一种可扩展的替代方案，但目前尚不清楚在缺乏连续实时设备状态遥测的情况下，在何种条件下可以实现可靠调度。本文研究了在常规调度中，尽管缺乏瞬时设备级传感，仍能保持预测性和可控性的运行边界。

研究方法
本研究采用数据驱动的模拟实验来评估减量遥测协调的运行边界。研究方法基于：

经验数据： 分析了涵盖多种资源类型（住宅、馈线级、热储能、建筑能源）和运行领域共 15 组已发表的经验群体数据。
合成压力测试： 通过对 15 组经验来源进行受控重组，构建了 119 个混合群体，以测试组成异构性和依赖结构。
模拟框架： 一个控制导向的框架，其中地理分布的储能设备通过卫星赋能的广播架构进行协调。设备根据内部状态和响应模型将广播信号转换为局部功率响应，而在常规调度期间无需持续上传瞬时状态。
关键指标：
- 聚合预测性： 通过实际聚合响应与校准目标之间的 $R^2$ 进行衡量。
- 可靠可控性： 由复合成功概率 ( $p_{ctrl}$ ) 定义，要求同时满足低跟踪误差 (NRMSE $\le$ 0.10) 和高方向一致性 ( $\ge$ 0.95)。
- 有效群体规模 ( $N_{eff}$ )： 一个考虑了参与率和残余设备间依赖性的指标，用于归一化统计缩放。
- 网络可行性： 将聚合调度映射到 IEEE-33、IEEE-69 和 IEEE-123 馈线，评估分支负载、电压和变压器约束。
扰动分析： 通过引入结构化可用性变化（如相关性缺失）和控制器漂移来开展实验，以测试模型的有效性。

核心贡献与结果

1. 预测性与可控性尺度的分离
研究识别了群体规模与控制可靠性之间的非对称关系。聚合预测性（ $R^2 \ge 0.95$ ）在相对较小的群体规模下即可出现（中值阈值 $N_{95} \approx 89$ 台设备），遵循经典的 $N^{-1/2}$ 随机波动缩放规律。然而，可靠可控性（ $p_{ctrl} \ge 0.90$ ）则需要显著更大的有效群体规模，并表现出跨不同群体的更高异构性。结果表明，一个集群在统计上可能是可预测的，但可能由于系统误差、局部可行性丧失或结构化集体行为而无法持续跟踪请求功率。

2. 群体平均化的局限性：响应兼容性
增加群体规模可以抑制随机变异，但不能消除由响应不兼容引起的系统误差。

异构延迟： 当快速变化的广播信号与异构的局部响应延迟结合时，即使群体规模很大，也会变得不可预测。
控制器同质性： 控制器参数化的高度同质性会通过增加同步倾向来降低可控性，尽管过度同步并非失败的必要先决条件。
机制依赖性： 某些控制机制（如价格响应、随机延迟）尽管保留了经典的变异缩放指数，但在测试规模内仍无法达到可靠性标准。这表明响应兼容性是区别于统计规模的另一项独立要求。

3. 动态运行机制：群体演化
可靠控制并非一旦跨越规模阈值即可获得的永久状态，而是一个随之演化的动态机制。

结构化可用性： 设备间的相关性缺失（例如邻里效应）比独立缺失更严重地降低了有效统计规模，导致确定性的容量缺口，这种缺口是仅靠规模扩大无法缓解的。
控制器漂移： 局部控制器参数的变化会导致先前校准的聚合响应模型失效。研究表明，虽然增加群体规模无法纠正模型漂移，但仅基于聚合层面的校准（使用仅聚合层面的测量值）可以在不重新引入连续设备级遥测的情况下恢复模型保真度。

4. 网络约束与物理交付能力
统计可控的聚合响应并不保证物理上的可交付性。将调度映射到 IEEE 配电馈线后发现，网络约束（分支负载、电压限制、变压器容量）和资源的空间集中性会严重削减可行响应。

在严苛的网络压力下（例如 80% 的远端节点集中度），仅有 3.1–25.8% 的请求响应是可行的。
空间集中性主导了性能差异，即使在聚合控制在统计上是稳健的情况下，也会导致削减收益出现显著损失。
这确立了统计可控性与物理网络可行性之间的明确界限。

意义与主张
本文认为，群体规模是一种统计资源，它使得从连续的设备级观测转向基于异常驱动校准的聚合监控成为可能，但它并非信息的普遍替代品。其核心贡献在于划定了无需实时遥测即可实现可靠调度的条件运行机制。该机制需要同时满足以下四个条件：

充足的有效统计规模： 以抑制随机不确定性。
兼容的响应动力学： 以确保局部动作能够组合成预期的轨迹，而不产生系统偏差或同步失效。
有效的聚合模型： 通过定期校准来应对群体演化（可用性变化和控制器漂流）。
物理网络可行性： 以确保请求的聚合响应能在配电网络约束内得到交付。

作者强调，这些发现通过明确低维协调在何时在操作层面有效，补充了现有的协调方法（如 VPP、平均场控制）。他们提醒，此类系统的失效不应被简单归结为单一的“聚合误差”，而必须诊断为有限群体不确定性、响应律失配、模型漂移或网络不可行性，每种情况都需要不同的补救措施。本研究基于经验驱动的模拟和标准的 IEEE 馈线模型，旨在为未来的前瞻性验证和现场演示提供基础，而非对即时现场安全性的声明。

技术摘要：规模化人口效应实现分布式储能可靠调度，无需实时设备级传感

类似论文