第1章：资源类型与特性——分布式光伏、风电、储能、可控负荷的出力特性与数学模型
各位好，我是老张。做虚拟电厂调度这些年，我最大的感触就是——你得先摸清手底下这些资源的脾气。分布式光伏、风电、储能、可控负荷，它们各有各的性子。你想想看，要是连它们什么时候出力、能出多少力都搞不清楚，那调度策略就是纸上谈兵。
这一章，咱们就聊聊这四类核心资源的出力特性和数学模型。嗯，都是我在项目里反复验证过的东西，希望能帮你少走些弯路。
1.1 分布式光伏：看天吃饭的“阳光捕手”
分布式光伏，说白了就是靠太阳吃饭。它的出力特性跟光照强度直接挂钩。我在浙江做过一个园区级虚拟电厂项目，屋顶铺满了光伏板。晴天中午，出力能冲到装机容量的90%以上；可一到阴雨天，直接掉到20%以下。这波动，真让人头疼。
出力特性：
- 间歇性：白天有，晚上无。这是最明显的特征。
- 波动性：云层飘过，出力瞬间掉一半。我见过最快的变化是3秒内降了40%。
- 可预测性：相对较好。基于天气预报，能提前24小时预测出力曲线，误差一般在10%-15%。
数学模型：
光伏出力的经典模型，我习惯用这个公式：
P_pv(t) = η * A * G(t) * [1 - β * (T_cell(t) - 25)]其中：
P_pv(t)：t时刻光伏出力（kW）η：光伏组件转换效率（一般在15%-22%）A：光伏板总面积（m²）G(t)：t时刻光照强度（kW/m²）β：温度系数（约0.003-0.005/°C）T_cell(t)：t时刻电池板温度（°C）
重要：温度系数β千万别忽略。我见过有人直接用光照强度乘效率，结果夏天中午的出力算出来偏高15%。实际上，电池板温度一高，效率会下降。记住，温度每升高1°C，效率大约降0.4%。
我的经验：实际项目中，我更喜欢用简化模型——直接基于历史数据做回归。公式是死的，数据是活的。你拿过去30天的光伏出力数据和光照数据，拟合一个二次曲线，往往比理论公式更准。
1.2 风电：脾气最暴的“空中舞者”
风电比光伏更难伺候。为什么？因为风速的变化比光照更随机。我在内蒙古参与过一个风储联合项目，那风大的时候，风机满发；风小的时候，叶片转都不转。而且风向一变，出力曲线立马变样。
出力特性：
- 强随机性：风速受地形、气压、温度多重影响，难以精确预测。
- 反调峰特性：很多地区晚上风大，但负荷小。这就尴尬了——风电场满发时，电网用不完。
- 爬坡率限制：风机出力不能突变。从0到满发，一般需要几分钟到十几分钟。
数学模型：
风电的出力模型，核心是风速-功率曲线。我常用的三段式模型：
P_wind(t) =
0, v(t) < v_cut_in
0.5 * ρ * A * Cp * v(t)^3, v_cut_in ≤ v(t) < v_rated
P_rated, v_rated ≤ v(t) < v_cut_out
0, v(t) ≥ v_cut_out参数说明：
v(t)：t时刻风速（m/s）v_cut_in：切入风速（通常3-4 m/s）v_rated：额定风速（通常12-15 m/s）v_cut_out：切出风速（通常25 m/s）ρ：空气密度（约1.225 kg/m³）A：风轮扫掠面积（m²）Cp：风能利用系数（贝茨极限0.593，实际0.4-0.5）
避坑指南：我曾经在项目里直接用平均风速算风电出力，结果偏差大到离谱。记住，风速的立方关系意味着——平均风速10m/s，不等于出力等于10m/s对应的功率。正确的做法是用风速的概率分布（比如威布尔分布）来积分。这个坑，我替你们踩过了。
1.3 储能：虚拟电厂的“压舱石”
储能这东西，说白了就是虚拟电厂的调节器。光伏多了，它充电；风电少了，它放电。没有储能，你根本没法平抑新能源的波动。我个人觉得，储能是虚拟电厂里最核心的资源，没有之一。
出力特性：
- 双向调节：既能充电（作为负荷），也能放电（作为电源）。
- 响应速度快：毫秒级响应。比火电机组快了两个数量级。
- 容量约束：不能过充过放。SOC（荷电状态）一般控制在10%-90%。
- 寿命衰减：充放电次数有限。锂电池一般3000-5000次循环。
数学模型：
储能的核心是SOC的递推关系。我习惯这么写：
SOC(t+1) = SOC(t) + (η_ch * P_ch(t) - P_dis(t) / η_dis) * Δt / E_cap约束条件：
0.1 ≤ SOC(t) ≤ 0.9（防止过充过放）0 ≤ P_ch(t) ≤ P_ch_max（充电功率上限）0 ≤ P_dis(t) ≤ P_dis_max（放电功率上限）P_ch(t) * P_dis(t) = 0（不能同时充放电）
关键点：充放电效率η_ch和η_dis不是常数。我实测过，低功率充放电时效率低，高功率时效率也低。最佳效率点一般在额定功率的60%-80%。做调度优化时，最好用分段线性函数来拟合效率曲线。
我的习惯：在项目中，我会给储能加一个“寿命成本”项。每充放一次，折算成几分钱的损耗。这样调度算法就不会为了赚几毛钱而频繁折腾电池。你想想看，电池换一组几十万，省着点用才是长久之计。
1.4 可控负荷：被忽视的“柔性资源”
可控负荷，很多人不把它当资源。其实，它才是虚拟电厂的宝藏。为什么？因为可控负荷成本低、分布广、响应快。我在上海做过一个商业楼宇项目，把空调、照明、电梯这些负荷聚合起来，调节能力相当于一个5MW的储能电站，但投资成本几乎为零。
出力特性：
- 可中断性：部分负荷可以短时中断（如空调压缩机）。
- 可平移性：部分负荷可以提前或推迟（如洗衣机、充电桩）。
- 舒适度约束：调节不能影响用户体验。室温不能太高，照明不能太暗。
- 聚合效应：单个负荷容量小，但聚合起来规模可观。
数学模型：
可控负荷的模型，我习惯用“等效热参数模型”（ETP）来描述温控负荷：
T_in(t+1) = T_in(t) + Δt / (R * C) * [T_out(t) - T_in(t) - R * Q * s(t)]其中：
T_in：室内温度（°C）T_out：室外温度（°C）R：等效热阻（°C/kW）C：等效热容（kWh/°C）Q：制冷/制热功率（kW）s(t)：开关状态（0或1）
避坑指南：我曾经在项目里把可控负荷当成无限资源来调度，结果用户投诉说“空调关了半小时，办公室热得没法待”。记住，可控负荷的调节是有代价的——用户的舒适度就是你的约束条件。一般建议，空调的调节周期不超过15分钟，温度波动不超过2°C。
1.5 四种资源的对比与协同
好了，四种资源都讲完了。咱们来做个对比，看看它们各自的特点：
| 特性 | 分布式光伏 | 风电 | 储能 | 可控负荷 |
|---|---|---|---|---|
| 可控性 | 不可控 | 不可控 | 完全可控 | 部分可控 |
| 响应速度 | 秒级（被动） | 秒级（被动） | 毫秒级 | 秒-分级 |
| 预测难度 | 中等 | 困难 | 精确已知 | 依赖用户行为 |
| 成本 | 低（运维） | 低（运维） | 高（投资） | 极低（聚合） |
| 典型容量 | 10kW-10MW | 100kW-100MW | 100kWh-100MWh | 1kW-100MW（聚合） |
你看，这四种资源各有长短。光伏和风电便宜但不可控，储能可控但贵，可控负荷便宜但约束多。虚拟电厂的精髓，就是让它们取长补短——用储能平抑光伏风电的波动，用可控负荷提供快速响应，用光伏风电降低整体成本。
下面这张图，是我自己画的四种资源协同框架。你可以看到，光伏和风电是能量来源，储能是缓冲池，可控负荷是柔性调节器。调度中心就是那个“大脑”，负责协调它们。
嗯，这一章的内容就到这儿。四种资源的特性和数学模型，都是后续调度算法的基础。你把这些模型吃透了，后面讲优化策略的时候，才能跟得上节奏。