Page 85 - 《中国电力》2026年第4期

李欣等：计及源荷双重不确定性的高速路域虚拟电厂运行优化策略 2026 年第 4 期

速公路典型交通基础设施的能源协同管理；针对 施供电负荷；2）EV 及充电设备负荷：由于高速
路域风光资源波动性强、负荷随机性高的特点， 公路沿线服务区和停车场配置有充电桩，EV 充
本 文 融 合 马 尔 可 夫 链 蒙 特 卡 洛 法 （ Markov chain 电需求具有较大波动性。本文在高速路域的背景
Monte Carlo，MCMC）与概率距离场景削减方法， 下，将 EV 仅作为用电负荷考虑。

形成适用于高速公路实际运行特性的典型源荷场 1.2 高速路域源荷运行优化策略
景集；为应对 VPP 在复杂动态环境下的实时调控 高速路域 VPP 优先利用分布式风光发电，主
需 求 ， 将 VPP 运 行 问 题 构 建 为 马 尔 可 夫 决 策 过 要满足以下几类高速服务区和路域负荷需求：高
程，引入基于约束策略优化（constrained proximal 速公路隧道照明负荷、通信与监控系统负荷、服
policy optimization，C-PPO）的 VPP 智能调度算法。 务区及收费站供电负荷和 EV 充电站负荷。
该算法通过引入与物理约束对应的代价函数、代 1）风光发电的自用及消纳策略。
价价值网络以及拉格朗日乘子法，实现经济目标 为最大限度减少弃风弃光量，本文采用全额
与安全约束的解耦优化。最后，通过算例验证所 上网、就地消纳的模式，优先利用风光发电解决
提模型以及算法在提升高速路域分布式能源的可 高速公路沿线服务区及收费站的自用电需求。在
消 纳 能 力 与 运 行 经 济 性 方 面 具 有 有 效 性 ， 为 交 风光资源充足时，优先供给本地负荷，实现自发
通–能源融合场景中的智能优化提供新路径。 自用，降低供电成本和线路损耗。

2）需求响应与负荷调度策略。
1 高速路域 VPP 系统结构 在需求侧管理方面，本文将负荷划分为可转
移负荷与不可转移负荷，通过分时电价和需求响

1.1 高速路域 VPP 系统结构 应进行灵活调控。对于可转移负荷，如服务区部
在高速路域交能融合背景下，通过将分布式 分用电辅助设施，可在电价低谷时段集中用电；
光伏、风电、储能及高速路域用电负荷进行聚合 对于刚性负荷，如隧道照明和收费站基础供电，
与集中调控，实现路域分布式风光资源的就近利 则保障持续供电。

用与储存。高速路域 VPP 系统结构如图 1 所示。
高速路域 VPP 所涵盖的用电负荷包括多种类 2 基 于 MCMC 的 高 速 路 域 VPP 源 荷 不
型 的 常 规 负 荷 与 特 殊 负 荷 。 1） 常 规 用 电 负 荷 ： 确定性处理
包括照明、监控、通信设备、空调及各类基础设
由于风光资源和路域用能设施具有显著的不
源

确定性，这种不确定性对系统的安全稳定运行带
- 荷
- 储聚合单元 充电区 来巨大挑战，其预测误差直接影响 VPP 运行优化
负荷
决策的准确性。因此，合理处理源荷不确定性对
于 VPP 运行优化具有重要意义。
储能
2.1 马尔可夫链基础
能量 电力
交互 信息 马尔可夫性质是指未来状态的条件概率分布
VPP系统协调控制平台 电网调度 仅依赖于当前状态，而与此前经历的所有历史状
中心
交通 电车 态无关 [27] 。假设随机过程为{X , t∈T}，其中时间
流信 充电 t
息 信息 屋顶光伏 服务区2 集为 T={0, 1, 2, ···, n}，在该随机过程中，每个随
路 C C C C 机变量的取值集合相同，称为状态空间，记为 S=
- 车
{s , s , s , ···, s }，这一随机过程 X 表现出时间与
t
0
1
2
n
C C C C 状态的离散性特征。即随机过程 X 满足式（1）、
t
服务区1 路域光伏
（2）的关系时，{X , t∈T}为马尔可夫链。
t
图 1 高速路域 VPP 系统结构
p{X n+k = s n+k |X n+k−1 = s n+k−1 ,··· ,X n = s n+k ,··· ,
Fig. 1 System architecture of highway domain virtual X 1 = s 1 ,X 0 = s 0 } = p{X n+k = s n+k |X n = s n } （1）
power plant
81