“氢”云直上九万里！虚拟电厂用算法撬动万亿能源市场
发布日期：2026/3/16
传统的虚拟电厂优化研究，多集中于内部资源的调度，或参与单一的电能市场。然而，随着氢能产业的崛起和电力市场改革的深化，虚拟电厂面临的舞台正变得空前广阔与复杂。它不仅要参与传统的电能买卖，还可以通过提供削峰填谷等辅助服务赚取收益，更可以将富余的电能转化为氢能，进入氢燃料市场进行销售。
我们在实践中发现，当前项目往往忽视了在动态电价环境下，虚拟电厂同时参与电、氢、辅助服务等多市场协同博弈的复杂性。市场电价瞬息万变，氢能生产与储存成本不菲，内部风光出力难以预测，如何在这张多维度的棋盘上走出最优解，实现整体净收益的最大化，是虚拟电厂商业化运营必须攻克的核心难题。
创新之路：一套主从博弈模型与一个“混合智能”算法
面对这一复杂挑战，研究团队探索性采用了两个工具：一套精准刻画利益关系的双层主从博弈模型，以及一个能高效寻优的改进型智能算法。
首先，是模拟市场行为的“博弈大脑”。
研究者构建了一个Stackelberg主从博弈框架。在这个框架中，虚拟电厂运营商（VPP）作为“领导者”（上层），其目标是制定在多市场中的竞标策略，追求总收益最大化。收益来源包括：在电价高时售电、在辅助服务市场提供调峰/填谷服务、以及在氢市场售氢。
与此同时，下层的虚拟电厂系统（含风光、储能、氢能设备、柔性负荷等）作为“跟随者”，则在上层给出的交易策略框架下，以最小化自身运行成本为目标，精细协调内部每一度电、每一方氢气的生产、储存、转换与消耗。
这个模型深刻揭示了现实商业中的决策逻辑：运营商制定宏观战略以捕捉市场机遇，而实体电厂则负责微观层面的成本控制与高效执行，两者在博弈中达到一种动态平衡。
其次，是驾驭复杂模型的“运算引擎”——改进的减法平均优化算法（Golden Sine with Subtraction-Average-Based Optimizer，GSABO）。优化此类包含大量变量与约束的博弈模型，是极其复杂的计算问题，传统算法容易陷入局部最优解而“卡壳”。为此，团队对新兴的减法平均优化算法（SABO）进行了关键性改良。
SABO算法的核心思想颇具哲理：它不盲目追随当前的最优个体，而是计算整个种群所有个体位置的平均差异来指导搜索方向，强调“集体智慧”。其位置更新公式为：
然而，为克服其可能存在的初期收敛问题，研究团队创造性引入了黄金正弦算法（Gold-SA）的全局探索机制。当SABO在迭代中无法改进解的质量时，便启动Gold-SA的策略，利用正弦函数与黄金分割率在搜索空间中进行大范围、有规律的探索。这两种算法的优势互补，形成了GSABO混合算法，使其既能深度挖掘潜在优势区域，又能有效跳出局部最优陷阱，极大地提升了找到全局最优策略的几率。
实战推演：算法如何指挥一场“氢-电-交易”的协奏曲？
第一步：设定战场——初始化模型参数与市场环境
任何精妙的推演都始于清晰的规则设定。研究首先为虚拟电厂系统及其所处的市场环境绘制了精确的“地图”。
在物理系统侧，设定了一个中等规模的虚拟电厂资产包：风力电站装机容量为1500千瓦，光伏电站为2500千瓦。系统中除了传统的蓄电池、燃气轮机、灵活负荷外，核心是引入了氢储能系统，包括电解槽、储氢罐和燃料电池，其关键运行参数得以明确，例如电解槽制氢效率为75%，燃料电池发电效率为65%。
在市场环境侧，研究采纳了某地区工业分时电价政策，将一天24小时划分为峰、平、谷三个时段，并给出了清晰的购电价与售电价。例如，高峰时段（如11:00-16:00）购电价高达0.82元/千瓦时，售电价为0.65元/千瓦时；而低谷时段（如01:00-08:00）购电价仅0.25元/千瓦时，售电价0.22元/千瓦时。这为能量套利提供了明确的价格信号。氢市场的售氢价格则被设定为固定值，提供了一个稳定的收益来源。辅助服务市场的价格区间也被一并给出。
这些参数构成了优化模型的全部边界条件，算法必须在这个“棋盘”内落子。
第二步：剖析棋局——GSABO算法驱动下的动态调度策略生成
这是整个算例的核心，展现了模型与算法的“思考”过程。GSABO算法作为求解引擎，开始在主从博弈的框架内进行迭代寻优。上层（运营商VPPO）尝试不同的市场投标组合（售电量、辅助服务量、售氢量），下层（VPP系统）则对每一个上层策略，快速求解成本最小的内部调度方案（如何分配风光出力、何时充放电、何时制氢/发电），并将成本反馈给上层。经过多次博弈迭代，最终收敛到一个均衡策略。这个策略具体体现在24小时的调度计划中。
从调度策略图可以清晰地看到算法做出的系统性安排。
VPP日前优化调度策略
在夜间谷电时段（00:00-08:00），电价极低，而风力发电可能较为充裕。
此时，算法的决策逻辑是：以最低成本储备能量和高价值商品。因此，虚拟电厂一方面从电网购电，另一方面将富余的风电，共同用于驱动电解槽大规模制氢，并将氢气储存起来。这个时段，购电和制氢是主旋律。
VPP参与电力市场购售电策略
进入早高峰及日间平时段（08:00-11:00, 16:00-19:00），电价开始上升，光伏开始出力。系统开始切换模式。在早高峰，算法可能选择出售部分电力以获取收益。在光伏大发的中午时段，虽然电价并非最高，但电力极为充裕。算法会进行精细分配：优先满足自身负荷和售电需求，同时继续利用部分低成本光伏电力制氢，增加储备。
蓄电池充放电策略图
到了午间及傍晚高峰时段（11:00-16:00, 19:00-22:00），电价达到峰值，而光伏在傍晚出力下降。此时，算法启动“价值兑现”模式。它指挥系统多管齐下：首先，出售风光产生的直接电能；其次，启动燃料电池，将储氢罐中在低谷时段制备的氢气转化为电能，以高峰电价售出，实现“低储高发”的套利；最后，积极响应用电高峰的辅助服务（削峰）需求，通过调节内部的可中断、可转移负荷，在帮助电网稳定的同时赚取服务费用。氢能的销售也主要安排在与工业需求匹配的高峰时段。
对于蓄电池，其策略则更为灵活敏捷，主要起到日内短时调节和套利作用。例如，在上午风光出力开始增加但电价还未达峰值时充电，在傍晚电价最高点时放电售电。
第三步：盘点战果——成本收益的量化核算
经过GSABO算法的优化调度，虚拟电厂的运营成果被精确核算。
各市场所得收益及成本（单位：元）
在收益端，运营商（VPP）在电力市场售电收益为4,249.41元，在辅助服务市场收益为1,302.24元，在氢市场售氢收益为2,277.03元，每日总收益达7828.68元。
在成本端，下层VPP系统的总运行成本为5871.51元。成本构成非常细化，包括：从电网的购电成本1004.34元，风光电站的运维成本1405.99元，因预测偏差导致的弃风弃光惩罚成本265.67元，对用户进行负荷调节的补偿成本498.02元，以及蓄电池、燃气轮机、甲烷发生器的运维成本。氢储能系统自身的运维成本也被单独列出，其中电解槽成本最高，为1989.58元，这主要源于其在低电价时段的大量运行；储氢罐和燃料电池的成本则相对较低。
净收益即为总收益与总成本之差。这份详单证明了商业模式的可盈利性，也揭示了氢储能系统虽带来新的收益流，但其设备（尤其是电解槽）的运维成本是主要支出之一，优化其运行策略至关重要。
第四步：验证算法——多场景与多算法的对比分析
首先是多场景对比。 设置了四个渐进式场景：1）无氢储能，也不参与氢市场；2）有氢储能，但不参与氢市场；3）有氢储能，但不参与辅助服务市场；4）完整策略（有氢储能，参与所有市场）。结果显示，从场景1到场景4，系统净收益逐步提高。特别是，加入氢储能并参与氢市场后，收益提升了15.21%；同时参与辅助服务市场又进一步提升了收益。这量化地证明了“电-氢-辅助服务”多市场协同的价值。
其次是多算法对比。 将GSABO与粒子群算法（PSO）、遗传算法（GA）和原始SABO算法在相同问题上进行比拼。关键指标有两个：收敛速度（迭代次数）和解的质量（最终系统收益）。结果显示，GSABO算法平均仅需30次迭代即可收敛，速度快于其他三者。更重要的是，GSABO找到的方案能实现7828.68元的最高系统收益，且成本控制合理。这双重优势证实了融合黄金正弦策略的改进，有效提升了算法的全局寻优能力和求解效率。
碧蓝观察：虚拟电厂的“氢”盈未来与数字基石
研究团队的发现，其价值体现在三个层面：
其一，验证了“电-氢协同”的商业可行性。 氢能成为了连接电价差、辅助服务价值和氢商品价值的桥梁，是虚拟电厂从“电力供应商”升级为“综合能源服务商”的关键拼图。
其二，提供了智能决策的核心工具。 在电力市场改革深化、价格波动成为常态的背景下，虚拟电厂的竞争力很大程度上取决于其预测与决策算法的先进性。GSABO算法及其背后的博弈模型，相当于为虚拟电厂配备了一个“AI交易员”。
其三，揭示了系统演进的方向。 未来的研究将向更精细化的多时间尺度调度、融合实时电价预测、以及考虑氢能运输成本等方向深入。更引人注目的是，提出了探索区块链技术在虚拟电厂交易中的应用。区块链的去中心化、透明可信、智能合约自动执行等特性，恰好能够应对虚拟电厂涉及众多分布式主体、交易频繁且需可靠结算的挑战，有望极大提升交易效率和信任度，为构建一个安全、透明、活跃的分布式能源交易生态奠定基础。
来源：碧蓝能源
