Scenario Generation Method for Low-carbon Scheduling of Virtual Power Plants Based on Carbon-aware Modulated Diffusion Model

WANG Xihao; WANG Xiaojun; DONG Yongle; GE Lukun; LIU Zhao; SI Fangyuan

doi:10.7500/AEPS20250428009

您当前的位置：

首页 >

文章列表页 >

Scenario Generation Method for Low-carbon Scheduling of Virtual Power Plants Based on Carbon-aware Modulated Diffusion Model

Basic Research | 更新时间：2026-02-28

- Scenario Generation Method for Low-carbon Scheduling of Virtual Power Plants Based on Carbon-aware Modulated Diffusion Model
- Automation of Electric Power Systems Vol. 50, Issue 4, Pages: 69-78(2026)
- 作者机构：
  
  1.北京交通大学电气工程学院，北京市 100044
  2.国网天津市电力公司电力科学研究院，天津市 300392
- 作者简介：
- 基金信息：
  
  Smart Grid-National Science and Technology Major Project(2024ZD0800800);State Grid Corporation of China: “Low-carbon and Reliable Urban Power Distribution System Demonstration Project”(SGTJDK00DWJS2400298)
- DOI：10.7500/AEPS20250428009
  CLC：
- Received：28 April 2025，
  
  Revised：2025-09-23，
  
  Online First：02 December 2025，
  
  Published：25 February 2026
- 稿件说明：
移动端阅览
王希豪,王小君,董永乐等.基于碳感知调制扩散模型的虚拟电厂低碳调度场景生成方法[J].电力系统自动化,2026,50(4):69-78.

WANG Xihao,WANG Xiaojun,DONG Yongle,et al.Scenario Generation Method for Low-carbon Scheduling of Virtual Power Plants Based on Carbon-aware Modulated Diffusion Model[J].Automation of Electric Power Systems,2026,50(4):69-78.
王希豪,王小君,董永乐等.基于碳感知调制扩散模型的虚拟电厂低碳调度场景生成方法[J].电力系统自动化,2026,50(4):69-78. DOI： 10.7500/AEPS20250428009.

WANG Xihao,WANG Xiaojun,DONG Yongle,et al.Scenario Generation Method for Low-carbon Scheduling of Virtual Power Plants Based on Carbon-aware Modulated Diffusion Model[J].Automation of Electric Power Systems,2026,50(4):69-78. DOI： 10.7500/AEPS20250428009.

摘要

在光伏和电动汽车等清洁资源广泛纳入虚拟电厂（VPP）低碳调度的趋势下，如何在源荷不确定性条件下生成适配低碳调度的高质量场景，成为提升VPP经济性与低碳性的关键问题。然而，现有场景生成方法普遍缺乏对源荷联合扰动及碳配额敏感结构的有效建模，导致生成样本与调度目标适配性不足。为此，提出一种基于碳感知调制扩散模型的VPP低碳调度场景生成方法。首先，构建VPP低碳调度模型，挖掘碳配额在源荷扰动下的敏感性传播路径；其次，从历史数据中提取碳配额敏感性特征，将其嵌入去噪扩散概率模型的扰动注入、网络结构与损失函数中，实现对关键扰动路径的结构化建模与调制，并引入条件变量构造调度日源荷联合场景；最后，通过实际数据开展仿真实验，验证了所提方法在场景生成质量和低碳调度适应性方面的显著优势。所提方法可作为VPP低碳调度的输入场景生成工具，且提升了场景在不确定性建模和决策支持中的实用性与适应性。

Abstract

Under the trend of widely integrating clean energy resources such as photovoltaics (PV) and electric vehicles (EVs) into the low-carbon scheduling of virtual power plants (VPPs)

how to generate high-quality scenarios that are suitable for low-carbon scheduling under source-load uncertainty conditions has become a key issue in enhancing the economic and low-carbon nature of VPPs. However

existing scenario generation methods generally lack effective modeling of source-load joint perturbations and their sensitivity structure with respect to carbon allowances

resulting in generated samples being insufficiently aligned with the scheduling objectives. To address this issue

this paper proposes a scenario generation method for low-carbon scheduling of VPPs based on a carbon-aware modulated diffusion model. First

a low-carbon scheduling model is constructed to reveal the sensitivity propagation paths of carbon allowances under source-load perturbations. Then

the carbon sensitivity features are extracted from historical data and embedded into the noise injection

network structure

and loss function of a denoising diffusion probabilistic model

enabling structured modeling and modulation of key perturbation paths and introducing conditional variables to construct source-load joint scenarios specific to the target scheduling day. Finally

simulation experiments are conducted using actual data to verify the significant advantages of the proposed method in terms of scenario generation quality and low-carbon scheduling adaptability. The proposed method can serve as an input scenario generation tool for low-carbon scheduling of VPPs

enhancing the practicality and adaptability of scenarios in uncertainty modeling and decision-making support.

关键词

Keywords

references

GAO H ， JIN T ， ZHENG K ， et al . Dynamic construction and enhanced control of VPPs considering trade matching in IoT-based local energy system ［J］. IEEE Internet of Things Journal ， 2024 ， 11 （ 14 ）： 24523 - 24537 .

国家发展改革委，国家能源局 . 关于加快推进虚拟电厂发展的指导意见［EB/OL］.（ 2025-03-25 ）［ 2025-04-27 ］. https：//www.gov.cn/zhengce/zhengceku/202504/content_7018244.htm https://www.gov.cn/zhengce/zhengceku/202504/content_7018244.htm .

National Development and Reform Commission ， National Energy Administration . Guiding opinions on accelerating the development of virtual power plants ［EB/OL］. （ 2025-03-25 ）［ 2025-04-27 ］. https：//www.gov.cn/zhengce/zhengceku/202504/content_7018244.htm https://www.gov.cn/zhengce/zhengceku/202504/content_7018244.htm .

高洪超，陈启鑫，金泰，等 . 考虑虚拟电厂灵活调节特性的现货市场出清模型及灵活性溢价评估方法［J］. 电网技术， 2023 ， 47 （ 1 ）： 194 - 207 .

GAO Hongchao ， CHEN Qixin ， JIN Tai ， et al . Spot market clearing model and flexible premium evaluation method considering flexible regulation of virtual power plant ［J］. Power System Technology ， 2023 ， 47 （ 1 ）： 194 - 207 .

赵东元，胡楠，傅靖，等 . 提升新能源电力系统灵活性的中国实践及发展路径研究［J］. 电力系统保护与控制， 2020 ， 48 （ 24 ）： 1 - 8 .

ZHAO Dongyuan ， HU Nan ， FU Jing ， et al . Research on the practice and road map of enhancing the flexibility of a new generation power system in China ［J］. Power System Protection and Control ， 2020 ， 48 （ 24 ）： 1 - 8 .

陈中，陆舆，邢强，等 . 考虑电动汽车碳配额的电力系统调度分析［J］. 电力系统自动化， 2019 ， 43 （ 16 ）： 44 - 51 .

CHEN Zhong ， LU Yu ， XING Qiang ， et al . Dispatch analysis of power system considering carbon quota for electric vehicle ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 16 ）： 44 - 51 .

陈海鹏，唐俊敏，吴昊，等 . 计及电动汽车需求响应与碳配额收益的配电网优化调度［J/OL］. 电网技术［ 2025-04-27 ］. https：//doi.org/10.13335/j.1000-3673.pst.2024.1365 https://doi.org/10.13335/j.1000-3673.pst.2024.1365 .

CHEN Haipeng ， TANG Junmin ， WU Hao ， et al . Optimal scheduling of distribution network considering electric vehicle demand response and carbon quota revenue ［J/OL］. Power System Technology ［ 2025-04-27 ］. https：//doi.org/10.13335/j.1000-3673.pst.2024.1365 https://doi.org/10.13335/j.1000-3673.pst.2024.1365 .

WANG Y ， WANG X ， ZHANG Y ， et al . Over-limit risk assessment method of integrated energy system considering source-load correlation ［J］. Global Energy Interconnection . 2023 ， 6 （ 6 ）： 661 - 674 .

HOELTGEBAUM H ， FERNANDES C ， STREET A . Generating joint scenarios for renewable generation： the case for non-Gaussian models with time-varying parameters ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 7011 - 7019 .

WANG Y ， ZHANG N ， CHEN Q ， et al . Dependent discrete convolution based probabilistic load flow for the active distribution system ［J］. IEEE Transactions on Sustainable Energy ， 2016 ， 8 （ 3 ）： 1000 - 1009 .

李东东，仇文杰，周波，等 . 考虑源荷相关性及条件风险价值的综合能源系统参与电能量-备用市场优化［J］. 电力系统保护与控制， 2024 ， 52 （ 18 ）： 24 - 34 .

LI Dongdong ， QIU Wenjie ， ZHOU Bo ， et al . Optimization of an integrated energy system participating in energy and spinning reserve markets considering source-load correlation and conditional value of risk ［J］. Power System Protection and Control ， 2024 ， 52 （ 18 ）： 24 - 34 .

ZHAO W ， SHAO Z ， YANG S ， et al . A novel conditional diffusion model for joint source-load scenario generation considering both diversity and controllability ［J］. Applied Energy ， 2025 ， 377 ： 124555 .

LÖHNDORF N . An empirical analysis of scenario generation methods for stochastic optimization ［J］. European Journal of Operational Research ， 2016 ， 255 （ 1 ）： 121 - 132 .

BESSA R J ， MIRANDA V ， BOTTERUD A ， et al . Time adaptive conditional kernel density estimation for wind power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2012 ， 3 （ 4 ）： 660 - 669 .

SINGH R ， PAL B C ， JABR R A . Statistical representation of distribution system loads using Gaussian mixture model ［J］. IEEE Transactions on Power Systems ， 2010 ， 25 （ 1 ）： 29 - 37 .

王守相，陈海文，李小平，等 . 风电和光伏随机场景生成的条件变分自动编码器方法［J］. 电网技术， 2018 ， 42 （ 6 ）： 1860 - 1867 .

WANG Shouxiang ， CHEN Haiwen ， LI Xiaoping ， et al . Conditional variational automatic encoder method for stochastic scenario generation of wind power and photovoltaic system ［J］. Power System Technology ， 2018 ， 42 （ 6 ）： 1860 - 1867 .

钱涛，任孟极，邵成成，等 . 基于深度学习考虑出行模式的电动汽车充电负荷场景生成［J］. 电力系统自动化， 2022 ， 46 （ 12 ）： 67 - 75 .

QIAN Tao ， REN Mengji ， SHAO Chengcheng ， et al . Deep-learning-based electric vehicle charging load scenario generation considering travel mode ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 12 ）： 67 - 75 .

罗萍萍，盛奥，林济铿，等 . 基于可解释性条件生成对抗网络的台风气象负荷场景生成方法［J］. 电力系统自动化， 2025 ， 49 （ 2 ）： 186 - 197 .

LUO Pingping ， SHENG Ao ， LIN Jikeng ， et al . Scenario generation method of typhoon meteorological load based on interpretability conditional generative adversarial network ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 2 ）： 186 - 197 .

彭维锋，董树锋，邱剑 . 基于特征约束与目标驱动的WGAN-GP光伏特定多场景生成方法［J/OL］. 中国电机工程学报［ 2025-04-27 ］. http：//kns.cnki.net/kcms/detail/11.2107.tm.20250416.1528.016.html http://kns.cnki.net/kcms/detail/11.2107.tm.20250416.1528.016.html .

PENG Weifeng ， DONG Shufeng ， QIU Jian . A WGAN-GP approach for multi-scenario specific photovoltaic generation with feature-constrained and target-driven optimization ［J/OL］. Proceedings of the CSEE ［ 2025-04-27 ］. http：//kns.cnki.net/kcms/detail/11.2107.tm.20250416.1528.016.html http://kns.cnki.net/kcms/detail/11.2107.tm.20250416.1528.016.html .

DONG X ， MAO Z ， SUN Y ， et al . Short-term wind power scenario generation based on conditional latent diffusion models ［J］. IEEE Transactions on Sustainable Energy ， 2024 ， 15 （ 2 ）： 1074 - 1085 .

LI S ， XIONG H ， CHEN Y . DiffCharge： generating EV charging scenarios via a denoising diffusion model ［J］. IEEE Transactions on Smart Grid ， 2024 ， 15 （ 4 ）： 3936 - 3949 .

刘锦翔，张江丰，董山玲，等 . 基于条件增强扩散模型的短期负荷概率预测［J］. 电力系统自动化， 2024 ， 48 （ 23 ）： 197 - 207 .

LIU Jinxiang ， ZHANG Jiangfeng ， DONG Shanling ， et al . Short-term load probabilistic forecasting based on conditional enhanced diffusion model ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 23 ）： 197 - 207 .

牟长兴，张俊涛，程春田，等 . 考虑时空相关性的流域水风光多能互补系统高维不确定性场景生成方法［J］. 电网技术， 2024 ， 48 （ 9 ）： 3614 - 3623 .

MU Changxing ， ZHANG Juntao ， CHENG Chuntian ， et al . High-dimensional uncertainty scenario generation method for hydro-wind-solar multi-energy complementary system considering spatio-temporal correlation ［J］. Power System Technology ， 2024 ， 48 （ 9 ）： 3614 - 3623 .

CHEN Y ， CHEN M ， XU L ， et al . Chance-constrained optimization of storage and PFC capacity for railway electrical smart grids considering uncertain traction load ［J］. IEEE Transactions on Smart Grid ， 2024 ， 15 （ 1 ）： 286 - 298 .

朱庆，郑红娟，唐子逸，等 . 基于生成对抗网络的综合能源负荷场景生成方法［J］. 电力建设， 2021 ， 42 （ 12 ）： 1 - 8 .

ZHU Qing ， ZHENG Hongjuan ， TANG Ziyi ， et al . Load scenario generation of integrated energy system using generative adversarial networks ［J］. Electric Power Construction ， 2021 ， 42 （ 12 ）： 1 - 8 .

王新迎，李烨，董骁翀，等 . 基于变分自编码器的主动配电网多源-荷场景生成方法［J］. 电网技术， 2021 ， 45 （ 8 ）： 2962 - 2969 .

WANG Xinying ， LI Ye ， DONG Xiaochong ， et al . Multi-source-load scenario generation of active distribution network based on variational autoencoder ［J］. Power System Technology ， 2021 ， 45 （ 8 ）： 2962 - 2969 .

杨震，杨晶显，王凯，等 . 基于去噪扩散概率模型的水-光互补系统随机场景生成方法［J］. 电力系统自动化， 2024 ， 48 （ 19 ）： 171 - 180 .

YANG Zhen ， YANG Jingxian ， WANG Kai ， et al . Stochastic scenario generation method based on denoising diffusion probabilistic model for hydro-photovoltaic complementary system ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 19 ）： 171 - 180 .

蒋玮，单沫文，邓一帆，等 . 虚拟电厂聚合电动汽车参与碳市场的优化调度策略［J］. 电力工程技术， 2023 ， 42 （ 4 ）： 13 - 22 .

JIANG Wei ， SHAN Mowen ， DENG Yifan ， et al . Optimization strategy for aggregating electric vehicles through VPP to participate in the carbon market ［J］ Electric Power Engineering Technology ， 2023 ， 42 （ 4 ）： 13 - 22 .

李雨婷，刘俊，刘嘉诚，等 . 基于去噪扩散概率模型不平衡样本增强的暂态稳定评估［J］. 电力系统自动化， 2024 ， 48 （ 21 ）： 148 - 157 .

LI Yuting ， LIU Jun ， LIU Jiacheng ， et al . Transient stability assessment based on imbalanced sample enhancement of denoising diffusion probabilistic model ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 21 ）： 148 - 157 .

慧聚环境 . 慧聚数据天气日历［EB/OL］.（ 2025-02-18 ）［ 2025-07-10 ］. http：//www.hjhj-e.com/ http://www.hjhj-e.com/ .

Huiju Environmental . Huijiu data weather calendar ［EB/OL］. （ 2025-02-18 ）［ 2025-07-10 ］. http：//www.hjhj-e.com/ http://www.hjhj-e.com/ .

WANG J ， WANG Z ， YANG B ， et al . V2G for frequency regulation service： a Stackelberg game approach considering endogenous uncertainties ［J］. IEEE Transactions on Transportation Electrification ， 2025 ， 11 （ 1 ）： 463 - 475 .

刘祚宇，齐峰，文福拴，等 . 含电动汽车虚拟电厂参与碳交易时的经济与环境调度［J］. 电力建设， 2017 ， 38 （ 9 ）： 45 - 52 .

LIU Zuoyu ， QI Feng ， WEN Fushuan ， et al . Economic and environmental dispatching in electric vehicles embedded virtual power plants with participation in carbon trading ［J］. Electric Power Construction ， 2017 ， 38 （ 9 ）： 45 - 52 .

HAN J ， FANG Y ， DU E ， et al . Eliminating distribution network congestion based on spatial-temporal migration of multiple base stations ［J］. IEEE Transactions on Smart Grid ， 2024 ， 15 （ 6 ）： 5638 - 5652 .

张宁，李姚旺，黄俊辉，等 . 电力系统全环节碳计量方法与碳表系统［J］. 电力系统自动化， 2023 ， 47 （ 9 ）： 1 - 12 .

ZHANG Ning ， LI Yaowang ， HUANG Junhui ， et al . Carbon measurement method and carbon meter system for whole chain of power system ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 9 ）： 1 - 12 .

FU X ， LU N ， SUN H ， et al . Extraction of representative scenarios for photovoltaic power with shared weight graph clustering ［J］. IEEE Transactions on Smart Grid ， 2024 ， 15 （ 6 ）： 6158 - 6170 .

WANG Y ， LIU Y ， YANG Q . Operational scenario generation and forecasting for integrated energy systems ［J］. IEEE Transactions on Industrial Informatics ， 2024 ， 20 （ 2 ）： 2920 - 2931 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Construction Method for Probability-based Feasible Region of Virtual Power Plant Considering Uncertainty of Distributed Renewable Energy Output

融合风光出力场景生成的多能互补微网系统优化配置

含电动汽车的虚拟电厂鲁棒随机优化调度

基于投资组合的虚拟电厂多电源容量配置

Related Author

JIAO Zhijie

LIU Zhao

HE Jinghan

SI Fangyuan

GUAN Jinyu

BAI Kaifeng

SUN Guoqiang

HUANG Xinying

Related Institution

NARI Technology Co., Ltd.

School of Electronic Information and Electrical Engineering, Research Center for Big Data Engineering and Technologies, Shanghai Jiao Tong University

College of Energy and Electrical Engineering, Hohai University

College of Electrical Engineering, Zhejiang University

School of Electrical Engineering, Zhejiang University

⁰