含光伏储能与余热回收的数据中心双层模型预测控制实时调度仿真研究

能源科学 2026-11-20 24 阅读

Applied Energy · 2026-11-18 · 期刊论文

  • 一句话结论:提出面向光伏、电池储能、余热回收与区域供热一体化数据中心的双层模型预测控制框架,仿真显示可较准确地跟踪调度计划,并在与单层控制策略比较时降低实时调度偏差及其不平衡成本;该结论来自仿真研究,属模型层面的证据支持。
  • 研究设计与做法:研究为基于微服务的仿真研究,未报告实际样本量或现场部署规模;上层采用基于场景的随机优化,联合优化日内市场参与、工作负载调度与能量管理;下层采用自适应tube-based MPC补偿短期扰动并跟踪上层调度参考,同时结合多时间尺度预测。
  • 主要结果:在典型晴天、阴天与供过于求三类运行工况下开展仿真,结果显示框架在光伏与工作负载快速波动下仍能跟踪调度计划;与单层控制相比,自适应下层控制器“大幅”降低实时调度偏差及相关不平衡成本,但摘要未给出具体效应量、置信区间或p值,材料未报告。
  • 机制或解释:作者解释为:上层随机优化处理不确定性并给出调度参考,下层自适应tube-based MPC针对短期扰动进行补偿,多时间尺度预测支撑实时决策,从而减小跟踪偏差;摘要未提供更细的机制分析或定量归因。
  • 局限与边界:局限包括:结论仅基于仿真,未报告真实数据中心部署或现场验证;样本量与运行周期材料未报告;不确定性建模与预测误差的影响范围未量化;利益冲突与资助信息材料未报告。
  • 可否落地:对科研的含义是提供了一种可复现的分层控制建模范式,提示该方法在仿真条件下具备降低调度偏差的潜力;对临床无直接含义。落地到实际运行尚不足以下结论,需现场试点与长期运行数据支持,当前证据档位为C。

🔗 打开原文

Wenyu Liu, Enea Figini, Mario Paolone


本文摘自《每日前沿研究简报 · 2026-11-20》「能源科学」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部