3. 分布式资源的建模与特性刻画

虚拟电厂要参与调度、申报调节容量、参与现货或辅助服务市场，前提是把分散在用户侧、配电网侧的资源“翻译”成调度系统能理解、能计算、能验证的数学模型。这一节围绕四类核心资源展开：可调负荷、分布式光伏与风电、储能，以及把三者统一起来的调节能力与响应特性参数。建模的目标不是追求物理上的绝对精确，而是让模型在调度时间尺度上能反映资源的功率边界、能量约束、时间约束和不确定性，从而支撑聚合与优化决策。

一、可调负荷模型：从用电曲线到可调节区间

可调负荷的建模核心是把一个用户或一类负荷的用电行为，拆成“基线功率”和“可调节量”两部分。基线功率是负荷在不受调度干预时的自然用电曲线，通常用历史负荷数据按日类型、温度、生产班次等条件聚类得到。可调节量则取决于负荷的物理属性：空调、热水器、冰箱等温控负荷受温度舒适区间约束，可短时中断或降功率；工业电机、水泵、压缩机等过程负荷受生产流程约束，可平移但不可随意削减；照明、部分办公负荷则几乎不可调。

工程上常用“功率上下限 + 能量约束 + 最小/最大持续时间”来刻画可调负荷。设某聚合体在时段 t 的基线功率为 P_base(t)，可调负荷的调节功率为 ΔP(t)，则实际功率 P(t)=P_base(t)+ΔP(t)，其中 ΔP(t) 的取值区间为 [−P_down(t), +P_up(t)]。P_up 表示可增加用电（如提前启动、蓄冷蓄热），P_down 表示可削减用电。同时还要满足能量守恒：在一个调度周期内，负荷的总用电量不能无限偏离基线，即 ΣΔP(t)·Δt 应落在允许的能量偏移范围内。对于温控负荷，这个能量偏移范围直接对应室内温度的允许波动区间。

实际建模时，一个可调负荷聚合体可以用如下参数集描述：额定功率、可调比例、响应延迟、爬坡速率、最小持续时间和最大持续时间。例如某商业楼宇空调聚合体，额定功率 800 kW，可调比例 25%，即最大可削减 200 kW；响应延迟约 2 分钟；爬坡速率 50 kW/min；最小持续时间 15 分钟，最大持续时间 2 小时。这些参数决定了它在调度指令下能“出多少力、出多快、出多久”。

二、分布式光伏与风电出力模型：不确定性的量化

分布式光伏和风电的出力模型与可调负荷有本质区别：它们的出力由自然资源决定，虚拟电厂只能预测和接纳，不能直接命令。光伏出力主要取决于太阳辐照度和组件温度，工程上常用“辐照度—功率”转换模型：P_pv = P_stc · (G/G_stc) · [1 + γ(T_c − T_stc)]，其中 P_stc 为标准测试条件下的额定功率，G 为实际辐照度，G_stc 为 1000 W/m²，γ 为功率温度系数（约 −0.3%/℃），T_c 为组件温度。风电出力则取决于风速，通过风机功率曲线把风速映射为功率：低于切入风速不出力，介于切入与额定风速之间按曲线上升，达到额定风速后维持额定功率，超过切出风速则停机保护。

由于天气具有随机性，仅给出一个预测值是不够的。实际建模中通常采用“预测值 + 不确定性区间”的方式，例如用分位数回归或场景生成方法，给出未来 15 分钟、1 小时、4 小时等不同时间尺度的出力预测区间。调度系统在安排调节任务时，会把光伏和风电的预测出力作为“已知但不确定”的输入，再结合储能和可调负荷来对冲偏差。一个常用的简化处理是：把光伏和风电的预测误差视为正态分布或 Beta 分布，用置信水平 90% 或 95% 对应的区间作为调度边界。

三、储能充放电模型：功率与能量的双重约束

储能是虚拟电厂中最“听话”的资源，但它的模型必须同时处理功率和能量两个维度。设储能在时段 t 的充电功率为 P_ch(t)≥0，放电功率为 P_dis(t)≥0，荷电状态为 SOC(t)，额定容量为 E_rated，充放电效率分别为 η_ch 和 η_dis，则荷电状态递推关系为：

SOC(t+1) = SOC(t) + [η_ch · P_ch(t) − P_dis(t)/η_dis] · Δt / E_rated

同时要满足功率约束 0 ≤ P_ch(t) ≤ P_ch_max、0 ≤ P_dis(t) ≤ P_dis_max，以及能量约束 SOC_min ≤ SOC(t) ≤ SOC_max。工程上通常不允许储能同时充放电，因此还会引入一个二进制变量或通过优化逻辑避免冲突。此外，储能的循环寿命与充放电深度、次数相关，建模时可在目标函数中加入循环成本项，或对日充放电次数设置上限。

以一个 500 kW/1000 kWh 的磷酸铁锂储能系统为例，P_ch_max=P_dis_max=500 kW，η_ch=η_dis=0.95，SOC 允许范围 10%～90%。若从 SOC=50% 开始以 500 kW 充电，则每小时可增加 0.95×500×1/1000=47.5% 的 SOC，约 0.84 小时可充到 90%。这个计算过程说明：储能的调节能力不仅取决于功率，还取决于当前 SOC 和剩余可充/可放能量。

四、调节能力与响应特性参数：把资源统一成可调度对象

把上述三类资源聚合后，虚拟电厂需要向调度系统提交一组标准化的调节能力参数。这些参数通常包括：可上调容量、可下调容量、调节速率、响应时间、持续时间、调节精度、以及不确定性范围。可上调容量指虚拟电厂在给定时间内能增加的净注入功率，可下调容量指能减少的净注入功率。调节速率是单位时间内可变化的功率，响应时间是收到指令到开始动作的延迟，持续时间是维持该调节量的最长时间。

这些参数不是简单相加，而是要考虑资源之间的时序耦合和能量耦合。例如，储能的可上调容量受当前 SOC 限制，可调负荷的可下调容量受用户舒适度和生产流程限制，光伏和风电的可下调容量则取决于当前预测出力和是否允许弃光弃风。实际聚合时，常用“可行域”方法：把每个资源的功率—能量约束投影到聚合体的功率—能量平面上，求取交集或近似外包络，得到聚合体的整体调节能力。

图中展示了三类资源模型如何汇聚为聚合调节能力，并最终输出到调度或市场接口。需要强调的是，聚合不是简单的功率相加，而是要在功率—能量—时间三维约束下求取整体可行域。例如，当储能 SOC 接近下限时，即使可调负荷还有下调空间，聚合体的可下调容量也会受到储能无法继续放电的限制；反之，当光伏预测出力较高且允许弃光时，可下调容量会显著增加。

最后，响应特性参数需要在运行中持续校正。虚拟电厂可以通过实际响应事件记录，统计每个聚合体的实际响应时间、调节速率和稳态误差，用这些数据反过来修正模型参数。例如，某空调聚合体在多次削峰指令中实际响应延迟平均为 3.2 分钟，比模型设定的 2 分钟更长，就应把响应时间参数调整为 3.5 分钟并重新评估可调度容量。只有模型与实际响应特性不断对齐，虚拟电厂的调节能力申报才具备可信度。