基于最优可调负荷模型的工业生产过程用电可行域建模方法

苏湘波; 吕睿可; 白云龙; 王小明; 赵文广; 郭鸿业

doi:10.7500/AEPS20241023003

您当前的位置：

首页 >

文章列表页 >

基于最优可调负荷模型的工业生产过程用电可行域建模方法

面向工业生产过程再电气化的供需互动 | 更新时间：2026-02-28

- 基于最优可调负荷模型的工业生产过程用电可行域建模方法
- Modeling Method for Feasible Region of Industrial Production Processes Based on Optimal Adjustable Load Model
- 电力系统自动化 2026年50卷第2期页码：18-26
- 作者机构：
  
  1.清华大学电机工程与应用电子技术系，北京市 100084
  2.国网安徽省电力有限公司，安徽省合肥市 230061
  3.国网安徽省电力有限公司电力科学研究院，安徽省合肥市 230022
- 作者简介：
  
  苏湘波（2000—），男，硕士，主要研究方向：虚拟电厂、工业用户。E-mail：sxb_tsinghua@163.com
  吕睿可(1999—)，男，博士研究生，主要研究方向：电力市场、需求侧管理。E-mail：lrk21@mails.tsinghua.edu.cn
  白云龙（1985—），男，高级经济师，主要研究方向：市场营销与负荷管理。E-mail：76339965@qq.com
  郭鸿业(1993—)，男，通信作者，博士，副研究员，主要研究方向：电力市场、智慧用电。E-mail：hyguo@tsinghua.edu.cn
- 基金信息：
  
  国家电网有限公司科技项目(5108-202218280A-2-378-XG)
- DOI：10.7500/AEPS20241023003
  中图分类号：
- 收稿：2024-10-23，
  
  修回：2024-11-23，
  
  网络首发：2025-01-13，
  
  纸质出版：2026-01-25
- 稿件说明：
移动端阅览
苏湘波,吕睿可,白云龙等.基于最优可调负荷模型的工业生产过程用电可行域建模方法[J].电力系统自动化,2026,50(2):18-26.

SU Xiangbo,LYU Ruike,BAI Yunlong,et al.Modeling Method for Feasible Region of Industrial Production Processes Based on Optimal Adjustable Load Model[J].Automation of Electric Power Systems,2026,50(2):18-26.
苏湘波,吕睿可,白云龙等.基于最优可调负荷模型的工业生产过程用电可行域建模方法[J].电力系统自动化,2026,50(2):18-26. DOI： 10.7500/AEPS20241023003.

SU Xiangbo,LYU Ruike,BAI Yunlong,et al.Modeling Method for Feasible Region of Industrial Production Processes Based on Optimal Adjustable Load Model[J].Automation of Electric Power Systems,2026,50(2):18-26. DOI： 10.7500/AEPS20241023003.

摘要

工业用户具有通过需求侧调控为电力系统提供灵活性的巨大潜力。虽然工业生产过程具有复杂的用能机理，但目前已有包括状态-任务网络（STN）在内的通用模型可以有效建模一类工业过程的用能约束。然而，STN模型具有大量离散变量且所需参数较多，难以直接嵌入面向海量需求侧灵活性资源的经济调度，阻碍了工业用户灵活性的充分利用。为此，面向可用STN模型建模生产过程中的工业用户，提出了基于最优可调负荷模型（OALM）的可行域建模方法。首先，利用需求响应时间尺度消除STN模型的整数变量，实现模型线性化；然后，针对工业用户的用电特点，采用可调负荷模型近似线性化STN模型，利用鲁棒优化方法求解其参数以最大化可行域体积，并通过添加功率能量耦合约束来解决现行可行域参数优化的无界问题。算例表明，与高维、含整数变量的原始STN模型相比，低维、线性的OALM在不同的生产计划、时间尺度和电价场景下均能保持较高的准确度和稳定性，为解决工业用户大规模接入负荷侧调控所面临的维数灾难问题提供了新的思路。

Abstract

Industrial users possess significant potential to provide flexibility for the power system through demand-side regulation. Although industrial production processes involve complex energy consumption mechanisms

existing general models such as the state-task network (STN) can effectively model the energy constraints of certain types of industrial processes. However

the STN model involves a large number of discrete variables and requires extensive parameters

making it difficult to directly embed into economic dispatch for massive demand-side flexibility resources. This hinders the full utilization of industrial user flexibility. To address this

a modeling method for the feasible region based on the optimal adjustable load model (OALM) is proposed for industrial users whose production processes can be modeled using STN. First

the integer variables of the STN model are eliminated by leveraging the demand response timescale

thereby linearizing the model. Then

considering the electricity consumption characteristics of industrial users

the adjustable load model is employed to approximate the linearized STN model. Robust optimization method is used to solve its parameters to maximize the volume of the feasible region

and power-energy coupling constraints are added to resolve the unbounded issue in current feasible region parameter optimization. Case studies demonstrate that

compared to the high-dimensional and integer-variable-based original STN model

the low-dimensional and linear OALM maintains high accuracy and stability under different production plans

timescales

and electricity price scenarios. This provides a new approach to addressing the curse of dimensionality faced by large-scale integration of industrial users into load-side regulation.

关键词

Keywords

references

张智刚，康重庆 . 碳中和目标下构建新型电力系统的挑战与展望［J］. 中国电机工程学报， 2022 ， 42 （ 8 ）： 2806 - 2819 .

ZHANG Zhigang ， KANG Chongqing . Challenges and prospects for constructing the new-type power system towards a carbon neutrality future ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 8 ）： 2806 - 2819 .

卓振宇，张宁，谢小荣，等 . 高比例可再生能源电力系统关键技术及发展挑战［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 171 - 191 .

ZHUO Zhenyu ， ZHANG Ning ， XIE Xiaorong ， et al . Key technologies and developing challenges of power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 171 - 191 .

2023年全社会用电量同比增长6.7% ［EB/OL］.［ 2024-03-18 ］. https：//www.nea.gov.cn/2024-01/18/c_1310760885.htm https://www.nea.gov.cn/2024-01/18/c_1310760885.htm .

The electricity consumption of the whole society increased by 6.7% year-on-year in 2023 ［EB/OL］. ［ 2024-03-18 ］. https：//www.nea.gov.cn/2024-01/18/c_1310760885.htm https://www.nea.gov.cn/2024-01/18/c_1310760885.htm .

SABOORI H ， MOHAMMADI M ， TAGHE R . Virtual power plant （VPP）， definition， concept， components and types ［C］// 2011 Asia-Pacific Power and Energy Engineering Conference ， March 25-28 ， 2011 ， Wuhan， China .

WANG X Y ， LIU Z ， ZHANG H ， et al . A review on virtual power plant concept， application and challenges ［C］// 2019 IEEE Innovative Smart Grid Technologies-Asia （ISGT Asia）， May 21-24 ， 2019 ， Chengdu， China .

陈启鑫，吕睿可，郭鸿业，等 . 面向需求响应的电力用户行为建模：研究现状与应用［J］. 电力自动化设备， 2023 ， 43 （ 10 ）： 23 - 37 .

CHEN Qixin ， LÜ Ruike ， GUO Hongye ， et al . Electricity user behavior modeling for demand response： research status quo and applications ［J］. Electric Power Automation Equipment ， 2023 ， 43 （ 10 ）： 23 - 37 .

刘承锡，曾冠维，廖敏芳，等 . 大容量电解槽动态仿真建模及其快速频率响应分析［J］. 电网技术， 2023 ， 47 （ 11 ）： 4638 - 4648 .

LIU Chengxi ， ZENG Guanwei ， LIAO Minfang ， et al . Modeling of large-scale electrolyzers for real-time simulation and analysis of its fast frequency response ［J］. Power System Technology ， 2023 ， 47 （ 11 ）： 4638 - 4648 .

JIE L ， XIAO X ， TANG Q H ， et al . Production scheduling of a large-scale steelmaking continuous casting process via unit-specific event-based continuous-time models： short-term and medium-term scheduling ［J］. Industrial & Engineering Chemistry Research ， 2012 ， 51 （ 21 ）： 7300 - 7319 .

CASTRO P M ， SUN L G ， HARJUNKOSKI I . Resource-task network formulations for industrial demand side management of a steel plant ［J］. Industrial & Engineering Chemistry Research ， 2013 ， 52 （ 36 ）： 13046 - 13058 .

DING Y M ， HONG S H ， LI X H . A demand response energy management scheme for industrial facilities in smart grid ［J］. IEEE Transactions on Industrial Informatics ， 2014 ， 10 （ 4 ）： 2257 - 2269 .

代心芸，陈皓勇，肖东亮，等 . 电力市场环境下工业需求响应技术的应用与研究综述［J］. 电网技术， 2022 ， 46 （ 11 ）： 4169 - 4186 .

DAI Xinyun ， CHEN Haoyong ， XIAO Dongliang ， et al . Review of applications and researches of industrial demand response technology under electricity market environment ［J］. Power System Technology ， 2022 ， 46 （ 11 ）： 4169 - 4186 .

MARAVELIAS C T ， GROSSMANN I E . New general continuous-time state-task network formulation for short-term scheduling of multipurpose batch plants ［J］. Industrial & Engineering Chemistry Research ， 2003 ， 42 （ 13 ）： 3056 - 3074 .

BOSE S K ， BHATTACHARYA S . A state task network model for scheduling operations in cascaded continuous processing units ［J］. Computers & Chemical Engineering ， 2009 ， 33 （ 1 ）： 287 - 295 .

HE Y H ， GU C C ， HAN X ， et al . Mission reliability modeling for multi-station manufacturing system based on quality state task network ［J］. Proceedings of the Institution of Mechanical Engineers ， Part O： Journal of Risk and Reliability， 2017 ， 231 （ 6 ）： 701 - 715 .

WEN Y L ， HU Z C ， YOU S ， et al . Aggregate feasible region of DERs： exact formulation and approximate models ［J］. IEEE Transactions on Smart Grid ， 2022 ， 13 （ 6 ）： 4405 - 4423 .

CHIANG H D ， JIANG C Y . Feasible region of optimal power flow： characterization and applications ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 1 ）： 236 - 244 .

SONG M ， GAO C W ， YAN H G ， et al . Thermal battery modeling of inverter air conditioning for demand response ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 6 ）： 5522 - 5534 .

HAO H ， SANANDAJI B M ， POOLLA K ， et al . Aggregate flexibility of thermostatically controlled loads ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 1 ）： 189 - 198 .

MULLER F L ， SZABO J ， SUNDSTROM O ， et al . Aggregation and disaggregation of energetic flexibility from distributed energy resources ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 2 ）： 1205 - 1214 .

TAN Z F ， YU A ， ZHONG H W ， et al . Optimal virtual battery model for aggregating storage-like resources with network constraints ［J］. CSEE Journal of Power and Energy Systems ， 2024 ， 10 （ 4 ）： 1843 - 1847 .

WEI C Y ， XU J ， LIAO S Y ， et al . Aggregation and scheduling models for electric vehicles in distribution networks considering power fluctuations and load rebound ［J］. IEEE Transactions on Sustainable Energy ， 2020 ， 11 （ 4 ）： 2755 - 2764 .

JIAN J ， XU Y L ， YI Z K . An electric vehicle aggregation region approach for active distribution network optimal dispatch ［C］// 2022 IEEE/IAS Industrial and Commercial Power System Asia （I&CPS Asia）， July 8-11 ， 2022 ， Shanghai， China .

ZHOU Y J ， WU Y X ， DONG Z H ， et al . TCL aggregators based on virtual battery model participate in energy transaction ［C］// 2021 IEEE/IAS Industrial and Commercial Power System Asia （I&CPS Asia）， July 18-21 ， 2021 ， Chengdu， China .

WANG Y R ， ZHONG H W ， RUAN G C . A projection-based approach for distributed energy resources aggregation ［C］// 2023 IEEE PES Innovative Smart Grid Technologies Europe （ISGT EUROPE）， October 23-26 ， 2023 ， Grenoble， France .

LIU X ， LI Y ， WANG L ， et al . Dynamic aggregation strategy for a virtual power plant to improve flexible regulation ability ［J］. Energy ， 2024 ， 297 ： 131261 .

HUI H Y ， BAO M L ， DING Y ， et al . Exploring the integrated flexible region of distributed multi-energy systems with process industry ［J］. Applied Energy ， 2022 ， 311 ： 118590 .

LYU R K ， GUO H Y ， ZHENG Y J ， et al . LSTN： a linear model of industrial production process for demand response ［C］// 2023 IEEE PES Innovative Smart Grid Technologies Europe （ISGT EUROPE）， October 23-26 ， 2023 ， Grenoble， France .

HAO H ， SANANDAJI B M ， POOLLA K ， et al . A generalized battery model of a collection of thermostatically controlled loads for providing ancillary service ［C］// 2013 51st Annual Allerton Conference on Communication， Control， and Computing （Allerton）， October 2-4 ， 2013 ， Monticello， USA .

王思远，吴文传 . 灵活性资源聚合参考模型与量化指标体系［J］. 电力系统自动化， 2024 ， 48 （ 3 ）： 1 - 9 .

WANG Siyuan ， WU Wenchuan . Aggregation reference model and quantitative metric system of flexible energy resources ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 3 ）： 1 - 9 .

童宇轩，胡俊杰，杜昊明，等 . 基于虚拟电池模型的外逼近闵可夫斯基热泵负荷调节可行域聚合方法［J］. 电网技术， 2024 ， 48 （ 8 ）： 3340 - 3349 .

TONG Yuxuan ， HU Junjie ， DU Haoming ， et al . Feasible region aggregation method for load regulation of Minkowski heat pump based on external approximation of VB model ［J］. Power System Technology ， 2024 ， 48 （ 8 ）： 3340 - 3349 .

白珈于，薛小代，陈来军，等 . 先进绝热压缩空气储能热电联供模式下的运行可行域分析［J］. 电力自动化设备， 2019 ， 39 （ 8 ）： 79 - 85 .

BAI Jiayu ， XUE Xiaodai ， CHEN Laijun ， et al . Operation feasible region analysis of advanced adiabatic compressed air energy storage under thermal-electric co-generation mode ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 8 ）： 79 - 85 .

WASSICK J M ， FERRIO J . Extending the resource task network for industrial applications ［J］. Computers & Chemical Engineering ， 2011 ， 35 （ 10 ）： 2124 - 2140 .

NIE Y S ， BIEGLER L T ， WASSICK J M ， et al . Extended discrete-time resource task network formulation for the reactive scheduling of a mixed batch/continuous process ［J］. Industrial & Engineering Chemistry Research ， 2014 ， 53 （ 44 ）： 17112 - 17123 .

SAADAT H . Power system analysis ［M］. New York， USA ： McGraw-hill ， 1999 .

FORTUNY-AMAT J ， MCCARL B . A representation and economic interpretation of a two-level programming problem ［J］. Journal of the Operational Research Society ， 1981 ， 32 （ 9 ）： 783 - 792 .

LU R ， BAI R ， HUANG Y ， et al . Data-driven real-time price-based demand response for industrial facilities energy management ［J］. Applied Energy ， 2021 ， 283 ： 116291 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑差异化激励的中小用户参与准线型需求响应交易机制

基于通信负载站间迁移的配电网与5G基站日前互动运行方法

基于NILE算法量化热水器参与需求响应的灵活性