Resource-Aware Rolling-Horizon Controller for Renewable-Based Virtual Power Plants Providing Automatic Frequency Restoration Reserves
作者: Marco Vinicio Avendaño-Caiza, Juan Diego Rios-Peñaloza, Javier Roldán-Pérez, José Luis Rodríguez-Amenedo, Milan Prodanovic
分类: eess.SY
发布日期: 2026-09-25
备注: Submitted to a scientific journal for possible publication. 10 pages, 11 figures
💡 一句话要点
提出基于滚动视野优化的控制器以提升虚拟电厂频率恢复能力
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 虚拟电厂 可再生能源 频率恢复 滚动视野优化 电力系统 资源分配 实时调度
📋 核心要点
- 现有研究主要集中在调度优化层面，未能有效解决虚拟电厂的实时操作问题。
- 本文提出的中央控制器通过滚动视野优化，旨在最大化收益并提供频率恢复服务。
- 仿真结果表明，该控制器能够在不同的可再生能源生成和需求情况下，优化资源分配以支持电网频率恢复。
📝 摘要（中文）
虚拟电厂（VPP）是提高可再生能源（RES）在电力系统中渗透率的有效解决方案。尽管已有研究关注调度优化，但实时操作方面仍存在不足。本文提出了一种基于滚动视野优化的中央控制器，旨在最大化收益并提供频率恢复服务。通过日-ahead优化确定电力设定值和储备，随后每分钟执行的滚动视野优化器在考虑资源可用性和操作约束的情况下，分配电力和储备参考。通过在不同RES生成和需求配置下的仿真，验证了该控制器的有效性，展示了其在实际系统中的适用性。
🔬 方法详解
问题定义：本文旨在解决虚拟电厂在实时操作中的调度问题，现有方法多集中于调度优化，未能有效应对实时资源分配和操作约束的挑战。
核心思路：提出一种基于滚动视野优化的中央控制器，通过日-ahead优化确定电力设定值和储备，随后每分钟动态调整，以实现资源的最优分配。
技术框架：整体架构包括日-ahead优化和滚动视野优化两个阶段。日-ahead优化首先定义电力设定值和储备，而滚动视野优化则在每分钟执行，考虑资源可用性和操作约束。
关键创新：该研究的创新点在于结合了滚动视野优化与实时资源分配，能够在不确定性条件下有效支持电网频率恢复，区别于传统的静态调度方法。
关键设计：使用YALMIP建模日-ahead和滚动视野优化问题，并通过Gurobi求解，考虑了风速、辐照度等资源可用性以及电池衰减等操作约束。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的控制器在不同的可再生能源生成和需求配置下，能够有效优化资源分配，支持电网频率恢复。具体而言，在存在预测不确定性的情况下，控制器仍能实现资源的最优配置，提升了系统的整体性能。
🎯 应用场景
该研究的潜在应用领域包括电力系统的频率恢复、可再生能源的集成以及虚拟电厂的实时调度。通过优化资源分配，能够提高电力系统的稳定性和可靠性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Virtual power plants (VPPs) are an effective solution for increasing the penetration of renewable energy sources (RES) in power systems. Moreover, VPPs can provide ancillary services if generators and loads are closely connected and properly coordinated. This aspect has been addressed in several studies, yet they mostly focus on the dispatch optimisation level, leaving real-time operation aspects unresolved. To close this gap, a central controller for VPPs based on a rolling-horizon optimisation is proposed in this work. Its main objective is to maximise revenues while delivering frequency restoration services. A day-ahead optimisation firstly defines the power setpoint and the upward and downward reserves of the VPP. Then, the rolling-horizon optimiser, executed every minute, distributes the power and reserve references between the VPP units to achieve their close tracking while taking into account resource availability (wind speed, irradiance, etc.), operational constraints and battery degradation. The effectiveness of the controller is tested using a two-area interconnected power system under different RES generation and demand profiles. The simulations are performed in MATLAB/Simulink and include detailed dynamic models of the VPP elements, demonstrating the applicability of the algorithm to real systems. The day-ahead and the rolling-horizon optimisation problems are modelled using YALMIP and solved using Gurobi. The obtained results demonstrate the VPP supporting grid frequency restoration by optimally allocating its resources, even under the presence of forecast uncertainty.