山东财经大学计算机与人工智能团队探索虚拟电厂运行新路径

让能源数据可信协作，让园区决策有据可循。

为积极响应新型电力系统建设和数据要素安全流通的战略部署，山东财经大学计算机与人工智能学院学生团队在指导教师带领下展开技术攻关，其研发的“面向能源可信数据空间的多方安全协同与隐私保护系统”于近日顺利完成原型验证。该系统立足园区虚拟电厂日前运行实际，在确保原始数据不集中汇集的前提下，实现多方协同预测与辅助决策，为运营人员生成可比较、可复核的调度方案。

随着分布式光伏、新型储能和企业多元负荷的大规模接入，园区虚拟电厂的供需协同难度与日俱增。国家出台的《加快构建新型电力系统行动方案》和《可信数据空间发展行动计划》等政策，明确提出了“源荷储协同”与“数据可信流通”的双重要求。在日前运行调度中，园区既要精准预判次日的光伏出力、用电需求与储能状态，又必须面对相关数据分散在不同企业、高度涉及生产经营秘密的现实痛点。如何在不突破各方管理红线的前提下开展跨主体数据协作，成为亟待突破的关键问题。

围绕这一难题，团队创新性地将数据使用权限与具体业务任务深度绑定。各资源主体可自主设定数据的用途、期限、调用频次及结果可见范围，严格落实原始训练数据留在本地的安全底线；同时，系统通过全流程身份认证与日志追溯，确保每一次数据调用均有据可依。在此基础上，系统针对发电和用电任务开展分组选择性联邦训练，高效输出次日96个时段的高精度供需预测及波动区间。

获得预测结果后，系统进一步结合分时电价、储能荷电状态及设备物理约束，多维度生成兼顾运行成本、购电峰值、新能源利用率和储能备用的候选方案。所有关键数值均由专业工具完成精确计算，并经过严格的独立约束校验。系统坚持“人机协同”定位，不直接向现场设备下发控制指令，最终方案交由运营人员审核确认，相关数据版本、校验结果与审批记录均同步归档存证。

系统总体技术架构与协同交互逻辑图

在实测验证阶段，该系统在本地模拟账本环境中先后完成了200项集成测试，以及160项故障恢复和防篡改检测，各项指标均达到设计预期。预测实验同样表现优异：在既定测试场景下，光伏预测的均方根误差较传统联邦平均算法降低4.82%，用电预测的平均绝对误差较独立训练降低约11.5%，展现出出色的算法精度与工程实用价值。

目前，团队正积极推进跨机构、多主体的实网试点，并计划结合不同园区的能源结构持续迭代算法模型。项目探索成型的“授权协作—供需预测—方案比较—人工确认”全流程机制，不仅为园区协调光伏、负荷与储能资源提供了可复用的技术范本，也为能源可信数据空间在实际业务中的落地应用积累了坚实经验。