計及光伏功率預(yù)測的配電網(wǎng)潮流計算

劉同心，江 靜，高 辰，李茂林

(1．華潤電力滄州運(yùn)東有限公司，河北 滄州 061004；2．河北康保廣恒新能源有限公司， 河北 張家口 071300；3． 燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004；4．國網(wǎng)山東鄒平縣供電公司，山東 鄒平 256200)

計及光伏功率預(yù)測的配電網(wǎng)潮流計算

劉同心1，3，江 靜2，高 辰3，李茂林4

(1．華潤電力滄州運(yùn)東有限公司，河北 滄州 061004；2．河北康保廣恒新能源有限公司， 河北 張家口 071300；3． 燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004；4．國網(wǎng)山東鄒平縣供電公司，山東 鄒平 256200)

采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對光伏系統(tǒng)進(jìn)行短期功率預(yù)測并計算其在配電網(wǎng)中的潮流問題，采用改進(jìn)前推回代算法進(jìn)行潮流計算，通過求解節(jié)點—分層矩陣來對系統(tǒng)分層，進(jìn)而對每層節(jié)點進(jìn)行前推回代計算系統(tǒng)有功網(wǎng)損。最后，利用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對某日光伏系統(tǒng)進(jìn)行功率預(yù)測，并采用改進(jìn)前推回代算法計算33節(jié)點系統(tǒng)的潮流，算例分析驗證了所提改進(jìn)算法的準(zhǔn)確性與預(yù)測模型的有效性與實用性。

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法；改進(jìn)前推回代算法；節(jié)點—分層矩陣；潮流計算

太陽能以其環(huán)保、無污染等優(yōu)點成為大力發(fā)展的清潔型能源，但其隨機(jī)性以及不可控性使得光伏發(fā)電具有很大的波動性。當(dāng)電網(wǎng)中光伏系統(tǒng)占到一定比例時，其波動性會對電網(wǎng)產(chǎn)生一定的不良影響[1-3]。光伏系統(tǒng)接入配電網(wǎng)，必然會使配電網(wǎng)變成復(fù)雜的多網(wǎng)絡(luò)系統(tǒng)，對配電網(wǎng)系統(tǒng)造成沖擊，它們功率的多變性以及不可控性隨時影響著配電網(wǎng)的電壓分布以及潮流方向[4-5]。

潮流計算是分析電網(wǎng)穩(wěn)定性等理論工作的基礎(chǔ)，近年來，專家學(xué)者采用不同算法對考慮光伏功率的配電網(wǎng)進(jìn)行了潮流計算研究。文獻(xiàn)[6]基于光伏功率預(yù)測使用了前推回代法與牛拉法相結(jié)合的算法計算潮流，該算法有效提高了潮流計算的收斂精度，但在功率預(yù)測上考慮因素不全，不具備普遍適用性。文獻(xiàn)[7]提出了網(wǎng)損靈敏度的概念，計算了基于網(wǎng)損靈敏度的含分布式電源的配電網(wǎng)潮流計算，未考慮各分布式電源的實際出力。文獻(xiàn)[8]以回路分析法作為潮流計算的方法，根據(jù)配電網(wǎng)的特點，將電壓回路方程簡化為線性代數(shù)方程，使得求解更為簡單。但是該方法需有一定的假設(shè)前提，不具備普遍適用性。文獻(xiàn)[9]給出了隨機(jī)潮流的計算方法，充分考慮了風(fēng)光互補(bǔ)情況下的潮流計算問題，但只是簡單地認(rèn)為太陽輻照度符合Beta分布，使得功率預(yù)測具有一定的誤差。文獻(xiàn)[10]認(rèn)為光伏輸出模型服從Beta分布，這樣處理往往使得模擬效果不是很好，潮流計算結(jié)果不準(zhǔn)確。因此，有必要精確預(yù)測光伏系統(tǒng)的實時輸出功率，并計算其并入配電網(wǎng)的潮流問題。文獻(xiàn)[11]詳細(xì)介紹了光伏功率預(yù)測原理及方法，介紹了常用的短期預(yù)測方法。文獻(xiàn)[12]提到了改進(jìn)分層前推回代算法的概念，并將其應(yīng)用于網(wǎng)絡(luò)重構(gòu)。

本文引入了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法來預(yù)測太陽輻照度，進(jìn)而經(jīng)由光轉(zhuǎn)電模型對光伏系統(tǒng)進(jìn)行功率預(yù)測。在此基礎(chǔ)上采用改進(jìn)分層前推回代算法對含光伏系統(tǒng)的33節(jié)點系統(tǒng)進(jìn)行潮流計算，在潮流計算的過程中，采用分層計算處理節(jié)點電壓和功率的辦法，快速求解系統(tǒng)有功網(wǎng)損。算例結(jié)果證明了文中光轉(zhuǎn)電模型能有效預(yù)測光伏功率，預(yù)測誤差相對較小，同時改進(jìn)前推回代算法能有效處理含光伏系統(tǒng)的配電網(wǎng)潮流問題。預(yù)測光伏系統(tǒng)出力情況，有助于解決調(diào)度與負(fù)荷問題，減輕光伏并網(wǎng)對電網(wǎng)的沖擊性。

1 光伏功率預(yù)測

1.1 光伏功率光轉(zhuǎn)電模型

光伏電池是一種直接將光能轉(zhuǎn)換成電能的能量轉(zhuǎn)換器，它的工作原理為半導(dǎo)體P-N結(jié)上接收太陽光照產(chǎn)生光生伏特效應(yīng)。光伏電池受光發(fā)電原理過程如圖1所示。

圖1 光伏電池發(fā)電原理圖

由圖1可看到，被太陽光激發(fā)的空穴和電子在P-N結(jié)電場的作用下漂移，N區(qū)中電子成為載流體，P區(qū)中空穴成為載流體，這樣就構(gòu)成了光生電場。

光伏電池的輸出功率具有不確定和不連續(xù)的特點，其輸出特性主要呈現(xiàn)為非線性特征，受太陽輻照度、環(huán)境溫度影響明顯。通常情況下，只研究光伏電池在標(biāo)準(zhǔn)狀況下的光伏電池短路電流、開路電壓、最大功率點電流和最大功率點電壓這四個參數(shù)。隨著外界溫度和太陽輻照度的變化，可得到最大功率點處電流Imax與電壓Umax的關(guān)系為

(1)

Umax=Um(I-cΔT)ln(e+bΔS)

(2)

式中Im為標(biāo)況下最大功率點電流；Um為標(biāo)況下最大功率點電壓；S為外界輻照強(qiáng)度；T為外界溫度；Sref為標(biāo)況下外界輻照強(qiáng)度；Tref為標(biāo)況下外界溫度；e為常數(shù)系數(shù)；a，b，c一般取典型值：a=0.002 5/℃，b=0.5 m2/W，c=0.002 88/℃；ΔS=S/Sref-1；ΔT=T-Tref。

故光伏電池的最大輸出功率Ppv為

(3)

由于光伏電池發(fā)出的是直流電,只有通過逆變器將直流電轉(zhuǎn)化為交流電才能并入配電網(wǎng)，考慮到光伏逆變器的效率等因素，光伏系統(tǒng)的有效輸出功率P表示為

P=η1η2η3η4nPPV

(4)

式中η1——光伏電池性能衰減系數(shù)；η2——逆變器效率；η3——光伏電池修正系數(shù)；η4——光伏系統(tǒng)線損系數(shù)；n——系統(tǒng)中光伏電池的數(shù)量。

1.2 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，該網(wǎng)絡(luò)利用輸出后的誤差來估計輸出層的直接前導(dǎo)層的誤差，再利用這個誤差估計更前一層的誤差，如此一層層的反傳下去，進(jìn)而獲得其他所有層的誤差估計，其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。通過改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法來預(yù)測太陽輻照度，然后結(jié)合光轉(zhuǎn)電模型來計算光伏功率。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

傳統(tǒng)的BP算法，把樣本的輸入與輸出問題轉(zhuǎn)化為非線性優(yōu)化問題，繼而通過負(fù)梯度下降算法，利用迭代運(yùn)算求解權(quán)值問題，但其存在收斂速度慢且容易陷入局部最小的缺點。為提高該算法的網(wǎng)絡(luò)收斂速度，改善權(quán)值的修正速度，本文選用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對光伏系統(tǒng)進(jìn)行功率預(yù)測。

在BP神經(jīng)網(wǎng)絡(luò)算法中，學(xué)習(xí)率的選取會影響整體網(wǎng)絡(luò)的收斂速度，因此本文在算法中通過不斷調(diào)整學(xué)習(xí)率來實時改變權(quán)值的修改速度，并采用高斯消元法對BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練。改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法流程圖如圖3所示。

圖3 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法流程圖

2 改進(jìn)前推回代法

電力系統(tǒng)潮流計算是電力系統(tǒng)運(yùn)行和規(guī)劃中最基本和最經(jīng)常的計算，其任務(wù)是在已知的運(yùn)行參數(shù)的情況下，計算出系統(tǒng)中全部的運(yùn)行參數(shù)。為有效地計算含光伏系統(tǒng)的配電網(wǎng)的潮流，本文采用改進(jìn)前推回代算法來處理含PQ節(jié)點的配電網(wǎng)潮流。該改進(jìn)算法的主要思想是根據(jù)線路結(jié)構(gòu)形成節(jié)點—分層矩陣，通過分層矩陣來直接明了地觀測出線路分支結(jié)構(gòu)，進(jìn)而對每層節(jié)點進(jìn)行前推回代計算。

2.1 節(jié)點—分層矩陣

節(jié)點—分層矩陣是根據(jù)初始支路信息生成節(jié)點—節(jié)點矩陣，按照相應(yīng)規(guī)則對配電網(wǎng)進(jìn)行合理分層，該矩陣每層存儲該層所屬節(jié)點及其上層直接相連節(jié)點。13節(jié)點線路圖如圖4所示。

圖4 13節(jié)點線路圖

根據(jù)該線路形成節(jié)點—節(jié)點矩陣M與節(jié)點—分層矩陣N。矩陣M表示的是節(jié)點與節(jié)點之間關(guān)系，若兩節(jié)點相連接則為1，否則為0；矩陣N表示的是分層節(jié)點之間的關(guān)系，首先根據(jù)矩陣M確定首節(jié)點所在列，寫在矩陣N的第一行第一列，然后在矩陣M中找到該列中數(shù)字1對應(yīng)的行數(shù)，將其所在行數(shù)寫在第一行第二列，以此類推，若所在行數(shù)前邊已出現(xiàn)，則忽略繼續(xù)。

圖3對應(yīng)的矩陣M與分層矩陣N如下表示。

2.2 前推回代算法

前推回代算法演變于高斯-賽德爾算法，能夠有效地處理輻射型配電網(wǎng)絡(luò)，其計算速度快，占有內(nèi)存少，是最優(yōu)的算法之一。該算法主要思想為將始端功率作為上級支路的末端功率前推計算，直到計算出網(wǎng)絡(luò)根節(jié)點的注入功率為止；將末端電壓作為下一級支路的始端電壓進(jìn)行回代，直到網(wǎng)絡(luò)中的所有節(jié)點電壓計算完畢。圖5為典型的輻射狀配電網(wǎng)絡(luò)。

圖5 典型輻射狀配電網(wǎng)絡(luò)

圖5中，節(jié)點j的子節(jié)點集合Cj包含了節(jié)點k和節(jié)點l。以節(jié)點i為例，相關(guān)前推回代公式如下：

(5)

(6)

(7)

2.3 改進(jìn)前推回代法

改進(jìn)前推回代算法的基本流程如下。

(1) 讀取原始參數(shù)數(shù)據(jù)，形成節(jié)點—節(jié)點矩陣M與節(jié)點—分層矩陣N。

(2)設(shè)置系統(tǒng)最大迭代次數(shù)與節(jié)點參數(shù)，PQ節(jié)點電壓為基準(zhǔn)電壓幅值，功率為給定值。

(3)由矩陣N最后一列開始，根據(jù)公式(6)和(7)以節(jié)點功率為已知條件前推，依次計算前一列各節(jié)點的功率，直到第一列為止。

(4)由矩陣N第一列開始，根據(jù)公式(5)以節(jié)點電壓為已知條件回代，依次計算后一列各節(jié)點的電壓，直到最后一列為止。

配電網(wǎng)進(jìn)行分層前推回代，可避免繁復(fù)的節(jié)點編號工作，具有對大規(guī)模的配電網(wǎng)進(jìn)行網(wǎng)絡(luò)拓?fù)鋭討B(tài)智能識別功能，該改進(jìn)算法能夠適應(yīng)動態(tài)計算潮流的需要，具有編程簡單，計算速度快的優(yōu)點。

3 算例仿真

本文選取秦皇島市(東經(jīng)119.36°，北緯39.55°)為觀測地點，以2016年7月23日為仿真日期，采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對某一固定光伏系統(tǒng)的輸出功率進(jìn)行預(yù)測，進(jìn)而采用改進(jìn)前推回代算法對接入該光伏系統(tǒng)的配電網(wǎng)進(jìn)行潮流計算。

3.1 光伏功率預(yù)測

以該地太陽輻照度歷史記錄情況為基礎(chǔ)，對該日的太陽輻照度進(jìn)行預(yù)測。該神經(jīng)網(wǎng)絡(luò)中包含24 h數(shù)據(jù)，每隔3 min一組，總共480組輸入數(shù)據(jù)。每組數(shù)據(jù)都由時間、溫度、濕度，天氣狀況和太陽輻照度組成。

將天氣狀況劃分為4種情況，0代表晴天，1代表多云，2代表陰天，3代表雨雪。將網(wǎng)絡(luò)數(shù)據(jù)的前4個因數(shù)作為預(yù)測輸入量，太陽輻照度作為輸出量。隨機(jī)選出300組作為訓(xùn)練數(shù)據(jù)，180組作為驗證數(shù)據(jù)，建立該參數(shù)下的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

該神經(jīng)網(wǎng)絡(luò)預(yù)測模型中輸入層個數(shù)為4，隱含層個數(shù)為5，輸出層個數(shù)為1。選取預(yù)測結(jié)果中不同時間處的太陽輻照度，相比于實際太陽輻照度，誤差對比結(jié)果如表1所示。

用平均誤差來反映預(yù)測系統(tǒng)的系統(tǒng)性偏差，平均誤差計算公式如下所示。

表1 不同時間段太陽輻照度預(yù)測值

(8)

表1可看出，太陽輻照度預(yù)測值與實際值偏差在±20%范圍內(nèi)，且絕大多數(shù)據(jù)誤差在5%范圍內(nèi)，將相應(yīng)數(shù)值帶入式(8)，可求得預(yù)測系統(tǒng)的平均誤差為6.93%?？梢姡摳倪M(jìn)BP神經(jīng)網(wǎng)絡(luò)算法能有效預(yù)測太陽輻照度，且預(yù)測精度較高。

光伏電池參數(shù)如表2所示。表2中的數(shù)據(jù)結(jié)合太陽輻照度的預(yù)測結(jié)果以及當(dāng)日溫度和式(1)～(4)，即可預(yù)測出該光伏系統(tǒng)功率輸出情況。光伏功率預(yù)測曲線如圖6所示。

表2 光伏電池參數(shù)

圖6 光伏功率預(yù)測圖

由圖6可看出，改進(jìn)BP算法預(yù)測的太陽輻照度結(jié)合光轉(zhuǎn)電模型的預(yù)測曲線更為平滑，與實際值更為接近。經(jīng)計算，本文所用算法的計算誤差為12.97%，光伏隨機(jī)出力模型的計算誤差為25.89%，故本文所提光轉(zhuǎn)電模型能有效預(yù)測光伏功率，適用于工程應(yīng)用。

3.2 配電網(wǎng)潮流計算

本文選取33節(jié)點系統(tǒng)進(jìn)行潮流計算，該系統(tǒng)結(jié)構(gòu)圖如圖7所示。系統(tǒng)共有33個節(jié)點，32條支路，基準(zhǔn)容量為100 MVA ，系統(tǒng)電壓等級為12.66 kV，其中1節(jié)點為平衡節(jié)點。

圖7 33節(jié)點配電網(wǎng)系統(tǒng)

由圖7可寫出該系統(tǒng)的節(jié)點—節(jié)點矩陣與節(jié)點—分層矩陣。

由矩陣可看出該系統(tǒng)可分為4層分別進(jìn)行前推回代計算。

文中將15 MW光伏系統(tǒng)作為PQ節(jié)點安裝在節(jié)點17處。為驗證文中改進(jìn)算法的有效性，分別采用牛拉法、前推回代法以及改進(jìn)前推回代法對中午13:00處的33節(jié)點系統(tǒng)進(jìn)行潮流計算，計算結(jié)果如表3所示。

通過表3可知，光伏輸出功率相同的條件下，不同算法的運(yùn)算時間不同，但整體比較發(fā)現(xiàn)改進(jìn)前推回代算法的運(yùn)算時間0.007 s相對較小，迭代5次就能夠達(dá)到收斂精度要求，可知該算法能夠準(zhǔn)確計算潮流問題。

表3 不同算法下潮流計算結(jié)果

為研究光伏功率預(yù)測對系統(tǒng)電壓和相角的影響，特取13:00處光伏功率預(yù)測值與實際值進(jìn)行比較，改進(jìn)前推回代算法計算結(jié)果如表4所示。

由表4可看出，13:00處的光伏預(yù)測功率與估計功率相差0.13 MW，差距相對較大，兩功率值計算的電壓和相角也均比相同，33個節(jié)點均存在一定的差距。若不對光伏功率進(jìn)行預(yù)測，只是憑經(jīng)驗判斷光伏的大致輸出功率，可能會不利于及時觀測系統(tǒng)電壓和相角變化，不利于配電網(wǎng)的穩(wěn)定運(yùn)行。總之，對光伏系統(tǒng)進(jìn)行功率預(yù)測，有助于及時準(zhǔn)確地計算電力系統(tǒng)的潮流，觀察節(jié)點電壓幅值與相角的變化情況，保證電力系統(tǒng)的穩(wěn)定運(yùn)行。

4 結(jié)語

本文采用了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法結(jié)合光轉(zhuǎn)電模型對光伏系統(tǒng)輸出功率進(jìn)行預(yù)測。算例分析證明了該算法計算出的太陽輻照度滿足精度要求，光轉(zhuǎn)電模型能有效預(yù)測光伏出力。文中采用了分層前推回代算法對含光伏系統(tǒng)的配電網(wǎng)進(jìn)行潮流計算，將33節(jié)點系統(tǒng)分層，進(jìn)而逐層計算。算例仿真結(jié)果表明，該改進(jìn)算法能夠減少迭代次數(shù)，節(jié)省計算時間，有效解決了配電網(wǎng)的潮流計算問題。對配電網(wǎng)中的光伏電源進(jìn)行功率預(yù)測，有利用配電網(wǎng)的穩(wěn)定運(yùn)行。

表4 光伏功率預(yù)測與估計下系統(tǒng)節(jié)點和相角

[1]艾欣, 韓曉男, 孫英云. 光伏發(fā)電并網(wǎng)及其相關(guān)技術(shù)發(fā)展現(xiàn)狀與展望[J].現(xiàn)代電力, 2013, 30(1): 1-7.

AI Xin, HAN Xiaonan, SUN Yingyun. The development status and prospect of grid-connected photovoltaic generation and its related technologies[J].Modern Electric Power, 2013, 30(1): 1-7.

[2]KANCHEV H, LAZAROV V, FRANCOIS B. Environmental and economical optimization of microgrid long termoperationalplanning including PV-based active generators[C]//Epe-PemcEcceEurope.2012.

[3]白曉清, 吳雪穎,李佩杰,等. 計及電壓穩(wěn)定裕度的配電網(wǎng)光伏發(fā)電選址與定容[J].現(xiàn)代電力, 2015, 32(4): 34-41.

BAI Xiaoqing, WU Xueying, LI Peijie, et al. Locating and sizing of photovoltaic power generations by considering voltage stability margin of distribution system[J].Modern Electric Power, 2015, 32(4): 34-41.

[4]SLOOTWEG J G, KLING W L. Impacts of distributed generation on power system transient stability[J]. 2002IEEE Power Engineering Society Summer Meeting,Chicago,United States,2002: 862-867.

[5]楊秋霞, 姜培培, 劉同心, 等. 含光伏電源配電網(wǎng)的復(fù)合序網(wǎng)自適應(yīng)保護(hù)[J].電力系統(tǒng)保護(hù)與控制, 2016, 44(18): 24-30.

YANG Qiuxia, JIANG Peipei, LIU Tongxin, et al. Photovoltaic power distribution network in composite sequence network adaptive protection[J].Power System Protection and Control, 2016, 44(18): 24-30.

[6]王振樹, 林梅軍, 劉巖, 等. 考慮光伏并網(wǎng)的配電網(wǎng)潮流計算[J].電工技術(shù)學(xué)報, 2013, 28(9): 178-185.

WANG Zhenshu, LIN Meijun, LIU Yan, et al. Power flow algorithm for distribution network with photovoltaic system[J].Transactions of China Electrotechnical Society, 2013, 28(9): 178-185.

[7]楊旭英, 段建東, 楊文宇, 等. 含分布式發(fā)電的配電網(wǎng)潮流計算[J]. 電網(wǎng)技術(shù), 2009, 33(18): 139-143.

[8]牛煥娜, 井天軍, 李漢成, 等. 基于回路分析的含分布式電源配電網(wǎng)簡化潮流計算[J].電網(wǎng)技術(shù), 2013,37(4): 1033-1038.

NIU Huanna, JING Tianjun, LI Hancheng, et al. Simplified power flow calculation for distribution network with distributed generation based on loop analysis[J].Fudan International Studies Review, 2013, 37(4): 1033-1038.

[9]王成山, 鄭海峰, 謝瑩華,等. 計及分布式發(fā)電的配電系統(tǒng)隨機(jī)潮流計算[J]. 電力系統(tǒng)自動化, 2005, 29(24):39-44.

[10]陳璨, 吳文傳, 張伯明, 等. 考慮光伏出力相關(guān)性的配電網(wǎng)概率潮流[J].電力系統(tǒng)自動化, 2015,39(9): 41-47.

[11]龔鶯飛, 魯宗相, 喬穎, 等. 光伏功率預(yù)測技術(shù)[J].電力系統(tǒng)自動化, 2016,40(4): 140-151.

GONG Yingfei, LU Zongxiang, QIAO Ying, et al. An overview of photovoltaic energy system output forecasting technology[J]. Automation of Electric Power Systems, 2016, 40(4): 140-151.

[12]王佳佳, 呂林, 劉俊勇, 等. 基于改進(jìn)分層前推回代法的含分布發(fā)電單元的配電網(wǎng)重構(gòu)[J].電網(wǎng)技術(shù), 2010,34(9): 60-64.

[13] MELLIT A, KALOGIROU S A. Artificial intelligence techniques for photovoltaic applications: a review[J]. Progress in Energy and Combustion Science, 2008, 34(5): 574-632．

[14] TAO Y, CHEN Y. Distributed PV power forecasting using g-enetic algorithm based neural network approach[C]//2014 International Conference on Advanced Mechatronic Systems, August 10- 12, 2014，Tokai，Japan: 557-560．

(本文編輯：趙艷粉)

電力簡訊

國家發(fā)改委、國家能源局印發(fā)《依托能源工程推進(jìn)燃?xì)廨啓C(jī)創(chuàng)新發(fā)展的若干意見》

國家發(fā)改委、國家能源局印發(fā)《依托能源工程推進(jìn)燃?xì)廨啓C(jī)創(chuàng)新發(fā)展的若干意見》旨在推動燃機(jī)產(chǎn)業(yè)發(fā)展、優(yōu)化調(diào)整能源結(jié)構(gòu)、確保能源供應(yīng)安全。

意見提出，提高天然氣發(fā)電利用比重，加快培育和發(fā)展各類型燃?xì)廨啓C(jī)的應(yīng)用市場。根據(jù)區(qū)域冷熱電需求大力發(fā)展天然氣分布式多聯(lián)供項目。支持用電負(fù)荷中心和風(fēng)電、光伏發(fā)電端發(fā)展燃?xì)庹{(diào)峰電站，提升電力安全保障水平和降低棄風(fēng)棄光率。在大氣污染防治重點地區(qū)結(jié)合熱、電負(fù)荷需求和氣源條件等有序發(fā)展燃?xì)鉄犭娐?lián)產(chǎn)項目。支持利用煤層氣、煤制氣、高爐煤氣等低熱值氣發(fā)電。依托天然氣輸送管線壓縮站建設(shè)，推動驅(qū)動用燃機(jī)應(yīng)用。通過推動國內(nèi)各類型燃?xì)廨啓C(jī)技術(shù)和產(chǎn)業(yè)進(jìn)步，明顯降低燃?xì)廨啓C(jī)設(shè)備造價和維修服務(wù)費(fèi)用。

鼓勵具備條件的地區(qū)燃?xì)獍l(fā)電通過市場競爭或電力用戶協(xié)商確定電價。完善氣電價格聯(lián)動機(jī)制，有條件的地方可積極采取財政補(bǔ)貼等措施疏導(dǎo)天然氣發(fā)電價格矛盾。細(xì)化完善天然氣分布式能源項目并網(wǎng)上網(wǎng)辦法，鼓勵天然氣分布式能源與電力用戶直接簽訂交易合同，自主協(xié)商確定電量和價格。鼓勵各地區(qū)結(jié)合本地實際情況制定相應(yīng)支持政策。

(本刊訊)

Flow Calculation of Distribution Network Considering PV Power Prediction

LIU Xintong1，3, JIANG Jing2, GAO Chen3, LI Maolin4

(1. Huaren Electric Power Changzhou Yundong Co., Ltd., Changzhou 061004, China;2. Hebei Kangbao Guangheng New Energy Co., Ltd., Zhangjiakou 071300. China;3. School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China;4. State Grid Shangdong Zhouping Power Supply Company, Zhoupin 256200, China)

The improved BP neural network algorithm is adopted for the short-term power prediction of the photovoltaic system and its power flow calculation in the distribution network. Power flow calculation is made by the improved forward/backward substitution algorithm: solving the node hierarchy matrix for the system stratification, then calculating active network loss by the forward/backward substitution of every layer node. Finally, the improved BP neural network algorithm is used for photovoltaic system power prediction some day, and the improved forward/backward substitution algorithm is used for the flow calculation of 33-node system. The calculation case analysis has proved the proposed improved algorithm accurate and the prediction forecasting model effective and practical.

improved BP neural network algorithm; improved forward/backward substitution algorithm; node hierarchy matrix; power flow calculation

10.11973/dlyny201703019

劉同心(1991—)，女，碩士研究生，從事光伏發(fā)電及其在電力系統(tǒng)中的優(yōu)化研究。

TM712

A

2095-1256(2017)03-0303-07

2017-02-14