随着碳达峰碳中和战略的深入推进，新型电力系统建设迎来重大发展机遇。2024年国家能源局印发《加快构建新型电力系统行动方案》，明确提出清洁低碳、安全充裕、经济高效、供需协同、灵活智能的基础原则。东南大学能源与环境学院曹越教授团队在国家重点研发计划项目（2022YBF4100700）等多项国家级课题支持下，针对电热储协同调控技术开展深入研究，相关成果已应用于华能、华电、大唐、国家电投等电力企业的60余台机组，并在江苏首个300MW压缩空气储能项目成功落地。本文将从技术难点、创新突破和产业应用三个维度，深入分析2025年新型电力系统背景下电热储协同调控技术的发展现状与未来趋势。
新型电力系统建设面临的首要技术难题是电热储系统协同调控的复杂性。传统电力系统以煤电机组为主，调节灵活性不足，难以适应高比例可再生能源接入需求。曹越团队研究发现，电热储系统协同调控需要融合动力工程、电气工程、自动化、人工智能等多学科知识，存在四大技术难题：低碳运行工况难确定、长时深度调节区间受限、快速变负荷能力不足、设备安全监控不充分。
以600MW双机热电联供系统为例，研究团队通过建立抽汽-凝汽和抽汽-高背压两种运行模式的热电可行域模型，首次提出系统解耦度参数定量分析方法。该参数能够准确表征总电、热负荷指令下系统的热电解耦程度，其数学表达式为：
CD=GDmaxΔGDΔPD=i=1∑nGmaxi=1∑nPmax(gDmax(PD)−gDmin(PD))(fDmax(GD)−fDmin(GD))
其中gDmax(PD)和gDmin(PD)表示电负荷指令PD下系统最大、最小热负荷指令函数，fDmax(GD)和fDmin(GD)表示热负荷指令GD下系统最大、最小电负荷指令函数。这一创新方法为热电联供系统优化调度提供了理论依据。
在实际应用中，团队开发了基于BP神经网络的负荷优化调度工况库，通过典型热电负荷指令下的优化调度结果训练神经网络模型，实现了热电联供系统实时负荷智能调度。该方法在应用于某600MW双机系统时，相比传统调度方式提升系统调节效率23%，降低碳排放15%。
长输供热条件下的热惯性利用是另一项重要突破。研究表明，区域热网具备较大热惯性，热源负荷变化需数小时才能传导至用户端。基于这一特性，热电联供机组可利用热惯性对热负荷进行动态调整，以辅助电负荷响应。团队提出的考虑层级约束的双机热电联供系统负荷调度曲线评价方法，结合基于遗传算法的供热路径优化流程，有效扩展了机组负荷运行区间，为新型电力系统下的热电协同调控提供了新思路。
熔盐储能与压缩空气储能作为两种主流长时储能技术，在解决新型电力系统深度调节难题方面展现出巨大潜力。东南大学研究团队针对传统煤电机组调峰能力不足的问题，创新提出耦合熔盐储能的机组宽负荷运行跨时空协调优化方案。该方案通过熔盐储能与相变材料梯级储热技术结合，实现了深度调峰能力与系统效率的协同优化。
在技术实现路径上，团队建立了混合整数非线性规划日前调度模型，引入储能系统状态转移约束：
Mms,i+1=Mms,i+m˙ms,i(m˙is,i)τMms,i≥0
同时考虑可行域约束：
m˙fw,minm˙is,i,min(m˙fw,i)≤m˙fw,i≤m˙fw,max≤m˙is,i≤m˙is,i,max(m˙fw,i)
以及爬坡约束：
∣Pbase,i+1−Pbase,i∣≤2%Peτ
这一系列数学模型为储能系统优化运行提供了精确的量化指导。
研究团队发现，通过火积分析方法和多目标优化算法，可以在深度调峰能力ΔP和系统效率η之间找到最优平衡点。实验结果表明，在300MW机组中应用该技术后，调峰深度从40%提升至25%，系统效率仅下降0.8个百分点，显著优于传统调峰方式。团队进一步开发了基于分支界定的热电储负荷规划方法，结合动态响应机制和实时滚动优化策略，实现了储能系统智能灵活调控。
在压缩空气储能领域，团队针对大型高温绝热压缩空气储能系统开展了深入研究。通过分析压缩空气储能/释能过程动态响应机制，提出了全过程智能调控策略。该策略基于充储动态预测实现系统实时滚动优化，在江苏某300MW压缩空气储能项目中应用后，系统响应时间缩短35%，能量转换效率提升至68%。
快速变负荷能力是新型电力系统应对可再生能源波动的关键。东南大学研究团队开创性地将机器学习技术应用于机组快速变负荷控制，提出了基于强化学习的机组CCS与供热协同控制方法。该方法通过观测特征扩增、历史状态扩增和近端策略参数优化等技术手段，在保证供热需求的前提下显著提升了机组的电负荷响应性能。
在煤电机组耦合压缩CO2储能系统方面，团队开发了储能变速-释能节流变工况调节策略。研究表明，该策略能够有效应对可再生能源出力波动，实现机组负荷的快速平滑调节。实验数据显示，应用该技术后机组变负荷速率提升至3%/min，较传统方式提高50%以上，为电力系统提供了优质的主动支撑服务。
燃气-超临界CO2联合循环技术是另一项创新突破。团队提出了基于面心立方和神经网络的循环变负荷特性快速预测方法，建立了系统状态空间模型：
状态变量：X=(x1,x2,x3,x4,x5,x6,x7)T=(psc,Tsc,qs,εs,qt,ptc,εt)T
输入变量：U=(u1,u2,u3,u4,u5,u6,u7)T=(qsd,qsa,CVst,nsc,CVtt,ql,ntp)T
输出变量：Y=(y1,y2)T=(Ps,Pl)T
该模型通过灰狼算法实现快速变负荷多目标优化，针对不同变负荷裕度提出系统控制策略。应用结果表明，超临界CO2底循环能够高效回收燃机排气中的余热，变负荷响应时间缩短至2分钟以内。
在间歇波动工况下，团队还开发了燃气-超临界CO2联合循环的多源干扰抑制技术。通过建立自抗扰控制架构，有效解决了超临界CO2压缩机喘振等问题，系统抗干扰能力提升40%。这项技术为高比例可再生能源接入条件下的电力系统稳定运行提供了重要保障。
设备安全监控是电热储系统可靠运行的重要保障。东南大学研究团队提出了状态监控、品质评估、故障自愈"三位一体"的安全调控技术体系。针对深度调峰、清洁燃料掺烧等复杂运行工况，团队首次严格定义了多稳定模态过程数学描述：设有随机过程X:1→Hom(Ω,R")，其中I为R上的区间，称X是一个多稳定模态过程，如果满足对于定义域I，存在一个有限区间划分{I1,I2,...,In}，当X的定义域限制在每个/1上时都是单个稳定模态，其中为I的子区间，且满足i=j时，Ii∩Ij=0,Ui=1nIi=1。
基于这一定义，团队开发了多模态非平稳过程智能化状态监控技术，提出高精度数据驱动故障诊断方法。
该方法通过模态划分与识别算法，实现了电热储系统多运行模态的准确识别和故障预警。在实际应用中，该技术成功预警了多起设备异常事件，平均预警时间提前率达到85%。
控制回路在线品质评估是另一项创新成果。团队提出了基于随机性指标的机组运行在线品质评估方法，通过对系统运行数据的实时分析，实现了控制回路性能的定量评价。该方法在多个电厂应用表明，能够及时发现控制回路性能退化问题，评估准确率达到92%。
在故障自愈控制方面，团队针对机组故障波及范围的时序增量特征，开发了基于自预警信息与专家经验耦合触发的闭环故障处理逻辑。该技术实现了机组全过程快速闭环故障自愈，平均故障处理时间缩短60%，显著提升了系统运行可靠性。
以上就是关于2025年新型电力系统电热储协同调控技术的全面分析。从多模态协同调控到长时储能技术，从智能控制创新到安全监控体系，电热储协同调控技术正在重塑传统电力系统运行模式。东南大学曹越教授团队的研究成果表明，基于人工智能理论的数智化协同调控技术能够有力支撑电热储系统清洁低碳、安全可靠、灵活智能运行。这些技术创新不仅促进了可再生能源大规模高比例消纳，也为新型电力系统建设提供了重要技术支撑，将助力国家碳达峰碳中和战略的顺利实施。随着技术的不断成熟和推广应用，电热储协同调控技术必将在构建新型电力系统进程中发挥越来越重要的作用。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
