耦合

为了促进多能耦合互补和实现可再生能源就地消纳，综合能源系统已成为多领域的研究热点。考虑到能源设备及网络的多样性、复杂性以及多种能源时间尺度的差异性，根据能量平衡原理，对系统内具有可调特性的源、网、荷进行储能化建模，并构成虚拟储能系统参与到综合能源系统的优化调度中。为了准确把握虚拟储能的研究重点，首先介绍了虚拟储能的定义、逻辑架构和技术内涵；其次针对综合能源系统源、网、荷端设备或网络，总结和归纳了4种虚拟储能建模方法和特性指标；然后重点分析了虚拟储能在4种典型场景的具体应用；最后展望了虚拟储能未来的发展方向。

电碳耦合是指充分发挥电力大数据优势，以电力为纽带，围绕“算碳”“减碳”“治碳”等主题，协同带动全社会实现绿色低碳发展的新兴业务领域。

3月27日，中国电力科学研究院有限公司技术战略研究中心室主任康建东在绿氢技术与氢电协同发展专题论坛上发表了《电氢耦合技术战略及发展趋势》的主题演讲。

随着国家“双碳”目标的推进，电解水制氢将迎来爆发式增长，其中电源的拓扑及控制对提升制氢系统效率具有重要意义。对DC/DC隔离型制氢电源的拓扑进行梳理及分析，针对不同的应用场景，分别从单级型、两级型、并联型和多端口型DC/DC隔离型制氢电源的结构及其优缺点进行分析，结果表明，全桥谐振变换器及考虑电解槽温度、压力及氢/氧交叉渗透反馈的控制方案，将成为适应宽范围、强波动的大功率规模化制氢电源发展趋势，且隔离型三端口DC/DC变换电源将成为分布式集成化电-氢耦合未来发展模式，为电解水制氢电源进一步研究提供参考。

《多能智慧耦合系统》报告于2022年09月发布。随着可再生能源（如光伏和风能）的发展，考虑到可再生能源自然是间歇性和随机的，大规模采用可再生能源将对能源供应安全带来技术挑战，而多能源耦合系统可能会缓解这一挑战。多能源耦合系统可以增加整个能源系统的灵活性，平衡可再生能源的波动。此外，多能量耦合系统还可以提高能量利用效率。 该报告阐述了多能源耦合系统和服务的概念、在碳中和背景下面临的机遇和挑战；介绍了多能源智能耦合能源系统的关键技术；分析了多能源智能耦合能源系统国际标准的发展现状、多能源智能耦联能源系统的标准化需求及发展前景。

双碳目标下，多能耦合协同运行的虚拟电厂（virtual power plant，VPP）能够有效提升系统经济效益。为降低VPP碳排放量，同时挖掘其需求侧可调节潜力，提出一种考虑阶梯碳交易及综合需求响应的虚拟电厂优化调度模型。首先，基于阶梯式碳交易机制，考虑虚拟电厂各组成元件约束，建立参与碳交易市场的虚拟电厂模型；其次，将需求响应分为价格型需求响应和替代性需求响应，分别构建响应模型；最后，考虑购能成本、系统运营成本和阶梯式碳交易成本，以VPP在调度周期内收益最大为目标函数建立虚拟电厂低碳经济运行模型，并通过算例仿真验证所提模型的有效性。

集中式市场适用于电力交易的经济性与电网安全性耦合比较强的情况。集中式市场是在日前电能量市场出清的同时考虑完全的电网约束，尽量保障日前能量市场出清结果与实时市场接近，日前市场的出清结果、电价同时反映了电能量市场的供需情况和网络阻塞情况，即集中式市场的阻塞问题在日前按节点电价出清过程中已经自然解决，这就是所谓的“事前阻塞管理”。比较适用于网络卡口比较严重，供需较为紧张的情况，因为此时电力交易的经济性与网络安全性深度捆绑，矛盾突出。

通过高压熔盐电磁感应加热装置直连高压电网，利用电磁感应原理实现熔盐加热。通过熔盐管道绕制异型多层，增大换热面积，内置高效导磁材料，实现高压励磁线圈与异型熔盐管道的高效电磁耦合，降低励磁线圈损耗。采用纳米绝缘材料将异型熔盐管道一体化浇注成型，降低系统散热，实现大功率高效加热。

电力系统转型过程中不确定性、强非线性、多层次性、开放性、高度耦合性等复杂系统特点凸显，传统理论方法体系难以应对系统演化发展多方向性、有序进化多规律性及安全风险涌现性等复杂系统独有难题。综合还原论与复杂性科学，研究电力系统复杂特性表征与机理分析、安全风险预判、系统构网规划、运行状态表征及控制等问题，对认识和构建新型电力系统具有重大意义。

虚拟电厂(virtual power plant,VPP)作为多能流互联的综合能源网络，已成为中国加速实现双碳目标的重要角色。但VPP内部资源协同低碳调度面临多能流的耦合程度紧密、传统碳交易模型参数主观性强、含高维动态参数的优化目标在线求解困难等问题。针对这些问题，文中提出一种融合注意力机制(attention mechanism,AM)与柔性动作评价(soft actor-critic,SAC)算法的VPP多能流低碳调度方法。首先，根据VPP的随机碳流特性，面向动态参数建立基于贝叶斯优化的改进阶梯型碳交易机制。接着，以经济效益和碳排放量为目标函数构建含氢VPP多能流解耦模型。然后，考虑到该模型具有高维非线性与权重参数实时更新的特征，利用融合AM的改进SAC深度强化学习算法在连续动作空间对模型进行求解。最后，对多能流调度结果进行仿真分析和对比实验，验证了文中方法的可行性及其相较于原SAC算法较高的决策准确性。