基于期望位点(expectile)的框架：在风能与光伏预测不确定性下对虚拟电厂的风险校准可信容量评估

这对未来电网的重要性

随着家庭和企业越来越依赖风电机组与屋顶太阳能，电网必须应对随天气波动的电力。这篇论文探讨了将大量清洁能源设备打包为“虚拟电厂”后，如何在风力衰减或云层来临时仍向电网承诺可靠出力。作者提出了一种新的决策方法，用以确定该类电厂可以安全承诺的出力规模，在收益与出现短缺风险之间寻找平衡。

从分散设备到单一智能电厂

虚拟电厂将多种资源汇聚在一起，例如风电场、大型光伏电站、电池和灵活负荷，并使它们在市场中表现得像一座大型发电站。系统运营者希望这些电厂能对其可交付功率做出确定性的承诺。然而，风和光的出力可能在风暴或静风期内快速且同步地波动。传统规划工具要么忽视这些联合波动，要么采用过于简单的安全裕度，这会导致运营者过于保守或面临突发短缺的风险。

在天气尾部看到风险

该研究聚焦于风光同时异常偏低的罕见但严重情形。作者采用了名为期望位点(expectile)的概念，不把所有预测误差一视同仁，而是对不利结果赋予更高权重，同时保持数学上的平滑性，便于大规模计算。他们构建了基于天气的详细模型，捕捉不同地点风能与光伏出力的联动特性，包括长期低风或大范围阴云等极端事件。通过将常态预测数据与模拟的极端模式混合，他们生成的情景集更能反映联合短缺的真实风险。

让储能与预测协同工作

随后，该框架将这些天气情景与逐小时的调度模型相连接，以决定虚拟电厂应承诺多少功率以及电池何时充放电。电池在模型中被赋予实际的荷电水平限制、爬坡率和损耗约束，从而使计划更贴近现实。可信容量不再由固定的安全裕度设定，而是直接从优化中得出：模型在满足选定可靠性目标的同时，利用储能吸纳过剩出力并在可再生出力下滑时提供支撑，从而确定可承诺的功率水平。

基于真实数据的模拟揭示了什么

作者在中国东部的真实组合上测试了他们的方法：五个风电场、四个光伏电站和两台大型电池，使用了以15分钟为间隔的一整年天气与功率数据。他们将该方法与常用的分位数方法及金融领域常用的风险度量进行了比较。基于期望位点的方法给出了更紧的承诺区间，意味着电厂可在不承担过度风险的情况下承诺更多功率。在数值试验中，与分位数方法相比，短缺事件最多减少了73%，同时虚拟电厂仍能获得高达95%的最大可能收入。结果还表明，最优的电池使用会自然转向在统计上更易发生短缺的时段，例如早晚快速爬坡期间。

对清洁能源可靠性的意义

对非专业读者而言，核心信息是：本文提出了一种更聪明的方式，帮助虚拟电厂在高度依赖风电与光伏时决定可可靠承诺的电量。通过聚焦最具破坏性的低出力事件并将其与电池行为协同考虑，该方法帮助电网运营者从波动型可再生能源中获取可靠容量，同时不过度损失潜在收益。这类风险感知的规划能使清洁能源组合更容易参与容量与备用市场，助力未来电力系统既保持绿色又更可靠。

引用: Hua, D., Zeng, J., Lin, Q. et al. An expectile-based framework for risk-calibrated credible capacity evaluation of virtual power plants under wind and PV forecast uncertainties. Sci Rep 16, 15253 (2026). https://doi.org/10.1038/s41598-026-44559-5

关键词: 虚拟电厂, 风能与光伏, 能量存储, 电力系统风险, 可再生能源预测