考慮能源出力不確定性的光伏接入微網(wǎng)優(yōu)化調(diào)度方法

劉 學(xué)，李 寧，張建功

（國網(wǎng)河北省電力有限公司 滄州供電分公司，河北 滄州 061000）

0 引 言

隨著現(xiàn)代化社會的飛速發(fā)展，多種能源的消耗程度不斷提升，能源供給量問題日益顯著，能源清潔轉(zhuǎn)化問題需要得到關(guān)注，通過微網(wǎng)調(diào)度方法使分布式光伏得到大規(guī)模發(fā)展[1]。通過將分布式光伏系統(tǒng)納入微網(wǎng)，使其在環(huán)保領(lǐng)域得到充分發(fā)展。這種做法不僅減少了發(fā)電過程中的能源消耗，也受到了廣大群眾的好評，可在考慮微網(wǎng)經(jīng)濟(jì)性的同時(shí)，根據(jù)微網(wǎng)實(shí)際消耗情況，以優(yōu)先并網(wǎng)的方式來減少發(fā)電運(yùn)行成本，在能源清潔市場中形成一種較為全面的調(diào)度方法。該方法能夠有效減少光伏系統(tǒng)在升壓過程中導(dǎo)致的能源浪費(fèi)，從而降低電能損耗。接入微網(wǎng)后，它能夠有效抑制微網(wǎng)負(fù)荷波動，調(diào)節(jié)機(jī)組峰值壓力，減少機(jī)組爬坡時(shí)的能源消耗[2]?，F(xiàn)有微網(wǎng)調(diào)度方法容易受到多方面因素的影響，在實(shí)際應(yīng)用中的有效性較差，難以抑制負(fù)荷波動。大規(guī)模接入電網(wǎng)會導(dǎo)致電網(wǎng)系統(tǒng)負(fù)荷增加，不僅增加能耗，還可能引發(fā)一定的安全隱患，使得結(jié)果難以達(dá)到預(yù)期效果?；诖?，以考慮能源出力不確定性的光伏接入微網(wǎng)優(yōu)化調(diào)度方法為研究對象，結(jié)合實(shí)際情況進(jìn)行實(shí)驗(yàn)與分析。

1 光伏接入微網(wǎng)的優(yōu)化調(diào)度

1.1 能源出力不確定性預(yù)測分析

運(yùn)用能源出力不確定性預(yù)測光伏出力的實(shí)時(shí)變化信息，將預(yù)測輻照分量進(jìn)行分類，同時(shí)運(yùn)用統(tǒng)計(jì)方法對光伏功率出力進(jìn)行擬合。為了能夠準(zhǔn)確反映預(yù)測值的波動情況，需要生成大量的最初場景。最初場景數(shù)量增多會使得計(jì)算速度下降，場景不斷疊加。因此，需要在準(zhǔn)確描述能源出力隨機(jī)性的同時(shí)，設(shè)置合適數(shù)量的最初場景[3]。在對計(jì)算能力添加一定要求時(shí)，設(shè)置最初場景為N。通過定義場景距離函數(shù)來弱化同種類的場景，提取一定的描述特征后，生成新的能源出力場景[4]。在得到一定數(shù)量的最初場景后，設(shè)定s為描述矩陣Xs中的場景，Ds為不同場景s和s'之間的向量標(biāo)準(zhǔn)。設(shè)定最初的場景集合為E，需要弱化的場景集合為R，通過運(yùn)用弱化法來弱化剩余場景[5]。計(jì)算場景距離為

式中：D為場景系數(shù)；ξs為場景起始點(diǎn)；ξs'為場景終點(diǎn)。對于不同的場景k，需要計(jì)算與之距離最短的場景，公式為

式中：Dr為最短場景距離；min 為取最小值。通過比較場景距離之間的關(guān)系得到場景中的索引，基于此得到光伏發(fā)電處理的動態(tài)概率模型，如圖1 所示。

圖1 光伏發(fā)電處理的動態(tài)概率模型

根據(jù)光伏發(fā)電出力預(yù)測曲線進(jìn)行場景生成和弱化，獲得場景樹。按照具有代表性的光伏發(fā)電的出力預(yù)測曲線，分析光伏發(fā)電出力的隨機(jī)性特性，以及上述模型中不同時(shí)間段內(nèi)的出力，得到一定的偏差值。將可再生能源出力預(yù)測曲線進(jìn)行擴(kuò)張形成一個(gè)區(qū)間，將所有曲線出力值包含其中。這個(gè)區(qū)間中場景發(fā)生的概率較高，通過場景生產(chǎn)與消除處理，可以對不同時(shí)間段內(nèi)的光伏出力預(yù)測情況進(jìn)行描述，獲取其波動特征，從而提升預(yù)測精度[6]。

1.2 基于近似動態(tài)分析的微網(wǎng)日內(nèi)調(diào)度優(yōu)化

運(yùn)用綜合能源微網(wǎng)的日內(nèi)調(diào)度優(yōu)化模型計(jì)算得到最優(yōu)方法序列，進(jìn)而計(jì)算在時(shí)間段s內(nèi)所有可能的系統(tǒng)狀態(tài)價(jià)值xt*(s)[7]。對于動態(tài)調(diào)度問題，貝爾曼方程式是求解最優(yōu)值函數(shù)的基本工具。在時(shí)間段s=0 的情況下，貝爾曼方程式最優(yōu)解的計(jì)算公式為

式中：y為狀態(tài)函數(shù)；V為狀態(tài)價(jià)值。在調(diào)度時(shí)，要使?fàn)顟B(tài)價(jià)值的估計(jì)函數(shù)盡可能地滿足微網(wǎng)的日內(nèi)經(jīng)濟(jì)調(diào)度要求。設(shè)定近似價(jià)值函數(shù)，運(yùn)用自動數(shù)據(jù)處理算法（Automatic Data Processing，ADP），在一定時(shí)間順序中可以解決算法易陷入低維度的問題[8]。為了獲得最優(yōu)決策，通過不斷迭代更新使其能夠達(dá)到真實(shí)的價(jià)值函數(shù)。設(shè)定經(jīng)過n輪迭代后，近似價(jià)值函數(shù)已收斂成為真實(shí)函數(shù)，近似最優(yōu)解可通過順序進(jìn)行計(jì)算得到。運(yùn)用分段函數(shù)對價(jià)值函數(shù)進(jìn)行估計(jì)，將狀態(tài)集合映射到相關(guān)價(jià)值中，得到的分段函數(shù)公式為

式中：r為投射在分段中的狀態(tài)變量。在實(shí)際運(yùn)算中，需要對狀態(tài)變量添加對應(yīng)的約束，簡化高維狀態(tài)下的收斂速度問題。對于狀態(tài)變量進(jìn)行聚合，如果r的值越大，則說明價(jià)值估計(jì)結(jié)果越粗糙。調(diào)節(jié)r值，對微網(wǎng)調(diào)度價(jià)值函數(shù)進(jìn)行初始化，使得微網(wǎng)中的不同單元狀態(tài)變量被高度聚合，并確定狀態(tài)量的設(shè)定閾值。在確定性場景下，將綜合能源微網(wǎng)的日內(nèi)經(jīng)濟(jì)調(diào)度問題轉(zhuǎn)變?yōu)橐粋€(gè)多時(shí)段組合的混合整數(shù)線性規(guī)劃（Mixed Integer Linear Programming，MILP）問題，并將全時(shí)段問題進(jìn)行一次性求解[9]?？紤]當(dāng)前時(shí)刻的微網(wǎng)運(yùn)行成本最小化以及當(dāng)前方法對系統(tǒng)未來運(yùn)行的影響，根據(jù)預(yù)設(shè)的目標(biāo)函數(shù)和約束條件不斷滾動優(yōu)化。通過實(shí)時(shí)信息的不斷修正，完成對未來動態(tài)的預(yù)測。設(shè)定誤差指標(biāo)為e，評估算法最優(yōu)解之間的距離，獲得對應(yīng)日內(nèi)調(diào)度的優(yōu)化策略結(jié)果。

2 實(shí)驗(yàn)測試與分析

為測試本文方法的應(yīng)用性，在考慮能源出力不確定性的同時(shí)，搭建微網(wǎng)簡化網(wǎng)架構(gòu)，對微網(wǎng)內(nèi)進(jìn)行優(yōu)化調(diào)度，并統(tǒng)計(jì)得到風(fēng)光消納電量值。為了達(dá)到更好的優(yōu)化調(diào)度效果，可以將預(yù)期目標(biāo)設(shè)置為在微網(wǎng)負(fù)荷區(qū)間內(nèi)風(fēng)光電消納電量值占風(fēng)光電預(yù)測電量的3%以內(nèi)。這樣可以確保微網(wǎng)能夠有效消納風(fēng)光電，并避免過多的電量浪費(fèi)。

2.1 搭建實(shí)驗(yàn)環(huán)境

搭建微網(wǎng)簡化網(wǎng)架構(gòu)，設(shè)置1臺容量為15 000 MW的風(fēng)光電裝機(jī)，5 個(gè)容量為15 142 MW 的可調(diào)節(jié)常規(guī)電源，電網(wǎng)總負(fù)荷為17 000 MW，其中具有高能耗的負(fù)荷容量為5 000 MW。將民用負(fù)荷進(jìn)行合并，形成具體的網(wǎng)絡(luò)集結(jié)點(diǎn)，之后對微網(wǎng)負(fù)荷區(qū)間進(jìn)行協(xié)調(diào)優(yōu)化調(diào)度。設(shè)定每次優(yōu)化的時(shí)間為20 min?；诙嘧兞靠刂疲瑢ξ磥磉B續(xù)時(shí)間的有功功率進(jìn)行優(yōu)化，在下一優(yōu)化時(shí)刻進(jìn)行更新。在空間尺度下，根據(jù)微網(wǎng)負(fù)荷的空間分布情況，將電網(wǎng)劃分成不同的區(qū)域。設(shè)定O為風(fēng)光電，P為常規(guī)點(diǎn)源，Q可調(diào)節(jié)民用負(fù)荷，具體劃分情況如表1 所示。

表1 550 kV 變電站區(qū)域劃分情況

考慮光伏不確定性，計(jì)算電網(wǎng)各區(qū)域內(nèi)負(fù)荷的剩余調(diào)節(jié)能力，建立不同區(qū)間的協(xié)調(diào)調(diào)度模型，對調(diào)度情況進(jìn)行實(shí)時(shí)修正。

2.2 結(jié)果分析

綜合優(yōu)化調(diào)度結(jié)果，對電網(wǎng)區(qū)域A ～區(qū)域J 的區(qū)間協(xié)調(diào)消納電量進(jìn)行統(tǒng)計(jì)，具體如表2 所示。

表2 電網(wǎng)區(qū)域A ～區(qū)域J 區(qū)間的協(xié)調(diào)消納電量統(tǒng)計(jì)

根據(jù)表2 電網(wǎng)區(qū)域A ～區(qū)域J 的區(qū)間協(xié)調(diào)消納電量統(tǒng)計(jì)結(jié)果，計(jì)算出占風(fēng)光電預(yù)測電量比重，分別為區(qū)域A ～區(qū)域E 的占比為2.65%，區(qū)域F、區(qū)域J的占比為2.87%，區(qū)域H ～區(qū)域I 的占比為2.94%，均在3%以內(nèi)，符合要求。由此說明，運(yùn)用本文方法能有效促進(jìn)風(fēng)光點(diǎn)消納，可較好地削弱不確定性對于區(qū)間內(nèi)能源優(yōu)化調(diào)度的影響，在實(shí)際中實(shí)現(xiàn)調(diào)度方法的良好應(yīng)用。

3 結(jié) 論

本次研究從光伏接入入手，深入分析微網(wǎng)優(yōu)化調(diào)度問題，探究了考慮能源出力不確定性的光伏接入微網(wǎng)優(yōu)化調(diào)度方法。對區(qū)域能源系統(tǒng)進(jìn)行約束，使其能有效優(yōu)化設(shè)計(jì)模型。通過多負(fù)荷需求進(jìn)行預(yù)測，提升運(yùn)算速率?？紤]不確定性，對電網(wǎng)部分區(qū)域進(jìn)行優(yōu)化調(diào)度。根據(jù)不同能源之間的互補(bǔ)性進(jìn)行微網(wǎng)優(yōu)化調(diào)度，實(shí)現(xiàn)對優(yōu)化方法的有效性驗(yàn)證。通過本文方法促進(jìn)風(fēng)光點(diǎn)消納，更好地削弱不確定性對于區(qū)間內(nèi)能源優(yōu)化調(diào)度的影響，實(shí)現(xiàn)了光伏接入微網(wǎng)優(yōu)化調(diào)度方法的良好應(yīng)用。