風光水發(fā)電系統(tǒng)聯(lián)合調(diào)度規(guī)則提取

沈 筱，方國華，譚喬鳳，聞 昕

(河海大學水利水電學院，江蘇 南京 210098)

清潔能源的開發(fā)利用越來越受到國內(nèi)外的關注，但風能、太陽能等清潔能源具有隨機波動性[1]，這類電源的并網(wǎng)發(fā)電將對電網(wǎng)的穩(wěn)定產(chǎn)生沖擊，對電能質(zhì)量產(chǎn)生不良影響[2]。為此，國內(nèi)外已有大量研究針對可再生能源的互補開發(fā)利用。李勁彬等基于頻譜分析確定風能、太陽能接入容量的最佳配比，提高可再生能源發(fā)電系統(tǒng)的經(jīng)濟效益[3]。Ming等建立長期與短期調(diào)度決策相結(jié)合的嵌套模型，確定接入水電站的光伏電站的最佳規(guī)模[4]。陳麗媛等建立最低成本的優(yōu)化模型，提出風光水互補發(fā)電系統(tǒng)的調(diào)度策略[5]。目前，針對水庫群與其他多種可再生能源結(jié)合形成的互補系統(tǒng)的調(diào)度決策，國內(nèi)外相關研究較少。

本文在前人研究的基礎上，研究梯級水庫群接入光伏電站、風電場后的調(diào)度規(guī)則。以雅礱江下游梯級水庫群為例，在確定性優(yōu)化模型計算結(jié)果的基礎上，基于GRA分析結(jié)果確定各時期影響因子，應用BP人工神經(jīng)網(wǎng)絡提取調(diào)度規(guī)則。

1 多能互補優(yōu)化調(diào)度模型

1.1 目標函數(shù)

建立以風光水發(fā)電系統(tǒng)發(fā)電量最大為目標的模型，目標函數(shù)為：

(1)

1.2 約束條件

水量平衡約束Vi，t+1=Vi，t+(Ii，t-QFi，t-qi，t)Δt

(2)

(3)

(4)

(5)

梯級水庫之間的水力聯(lián)系Ii+1，t=QJi，t+Qi，t

(6)

(7)

(8)

2 調(diào)度規(guī)則提取

2.1 決策變量和影響因子

水庫調(diào)度規(guī)則的決策變量一般選擇時段的下泄流量、時段的出力或者時段末的水庫蓄水量，從調(diào)度規(guī)則的有效性檢驗結(jié)果看，以時段末的水庫蓄水量為決策變量較好[6]。本文選擇時段末的水庫蓄水量為決策變量，初定水庫自身所處的狀態(tài)(時段初的水庫蓄水量和入庫流量)、與該水庫有聯(lián)系的其他水庫所處的狀態(tài)、接入各水電站的風電場以及光伏電站的平均出力作為影響因子。

2.2 灰色關聯(lián)分析確定影響因子

灰色關聯(lián)分析是根據(jù)因素之間發(fā)展趨勢的相似或相異程度衡量因素間關聯(lián)程度的一種方法。灰色關聯(lián)度可找出系統(tǒng)中各影響因素的主次關系，為系統(tǒng)決策提供信息，即使在數(shù)據(jù)量不充足的情況下仍能反應系統(tǒng)內(nèi)部演變的規(guī)律。對于水庫調(diào)度規(guī)則的提取，基于灰色關聯(lián)分析結(jié)果可篩選影響因子[7]。

灰色關聯(lián)分析一般需要以下步驟[8]：①確定參考數(shù)列與比較數(shù)列，由決策變量(時段末的水庫蓄水量)組成參考數(shù)列，影響因子組成比較數(shù)列；②無量綱化處理初始序列；③計算關聯(lián)系數(shù)；④計算關聯(lián)度；⑤關聯(lián)度排序，將關聯(lián)度從小到大排列，關聯(lián)度越大，該比較數(shù)列對參考數(shù)列的影響越大。

2.3 基于BP人工神經(jīng)網(wǎng)絡工具箱的調(diào)度規(guī)則提取

BP人工神經(jīng)網(wǎng)絡是采用誤差逆?zhèn)鞑ニ惴ㄟM行誤差校正的多層前饋網(wǎng)絡，由輸入層、隱含層和輸出層組成[9]。本文使用Matlab中神經(jīng)網(wǎng)絡工具箱進行神經(jīng)網(wǎng)絡的創(chuàng)建、訓練和預測，將數(shù)據(jù)樣本分為訓練樣本和測試樣本，訓練網(wǎng)絡并提取優(yōu)化調(diào)度下的水庫群調(diào)度規(guī)則。隱層結(jié)點數(shù)可根據(jù)經(jīng)驗公式s=2a+1 取值(a為輸入層結(jié)點數(shù))[10]。

3 實例研究

3.1 雅礱江下游梯級水庫群

以雅礱江下游梯級水庫群為實例研究對象。下游河段從錦屏一級至江口共有5級開發(fā)，依次為錦屏一級(3 600 MW)、錦屏二級(4 800 MW)、官地(2 400 MW)、二灘(3 300 MW)以及桐子林(600 MW)。其中，錦屏一級、二灘水電站水庫分別具有年調(diào)節(jié)、季調(diào)節(jié)能力，其余僅進行日調(diào)節(jié)。本文以錦屏一級和官地為典型工程，考慮接入其周邊全部風能、太陽能資源。

本文選用1953年～2011年逐月徑流數(shù)據(jù)。為了與水文資料尺度相匹配，風電、光電出力數(shù)據(jù)以月為尺度，分別按各水電站裝機容量控制其送出能力。由于水電具有較好的調(diào)節(jié)性能，本文假設系統(tǒng)優(yōu)先送出風電、光電。以風光水互補系統(tǒng)多年平均年發(fā)電量最大為目標，運用動態(tài)規(guī)劃逐次逼近法(DPSA)得到梯級水庫群長系列優(yōu)化調(diào)度結(jié)果。動態(tài)規(guī)劃逐次逼近法(DPSA)將多維問題轉(zhuǎn)化為多個一維問題進行求解，降低了算法的時間復雜度和空間復雜度[11]。

3.2 優(yōu)化調(diào)度結(jié)果

運用DPSA求解多能互補優(yōu)化調(diào)度模型得到系統(tǒng)最優(yōu)調(diào)度軌跡。由圖3可知，風電、光電呈現(xiàn)“冬春季大，夏秋季小”的規(guī)律，水電、風電以及光電的自身出力存在季節(jié)上的互補。由圖1至圖4可知，風光水聯(lián)合優(yōu)化下，供水階段，錦屏一級、二灘水電站水庫水位略有提高，非汛期水庫可增加蓄水，提高水電出力；蓄水階段，由于系統(tǒng)優(yōu)先送出風電與光電，且受到外送通道的限制，汛期錦屏一級水電出力受限；供水期結(jié)束時，水庫水位更低，水電出力較未接入風光時有所提高，增加水電出力。

圖1 接入風、光前后錦屏一級水庫多年平均月末水位

圖2 接入風、光前后二灘水庫多年平均月末水位

表1 錦屏一級水電站水庫逐月關聯(lián)度計算結(jié)果以及影響因子選取結(jié)果

圖3 接入風、光前后錦屏一級水電站多年平均出力

圖4 接入風、光前后二灘水電站多年平均出力

3.3 基于優(yōu)化調(diào)度的調(diào)度規(guī)則提取

3.3.1決策變量與影響因子選擇

根據(jù)灰色關聯(lián)分析計算影響因子和決策變量之間的關聯(lián)程度，由此確定各發(fā)電階段的影響因子。由于篇幅限制，以錦屏一級水電站水庫為例列出影響因子選取結(jié)果見表1。

3.3.2調(diào)度規(guī)則提取

分別以1953年～2002年、2003年～2011年的多能互補優(yōu)化調(diào)度模型求解結(jié)果為訓練樣本、檢驗樣本，通過Matlab神經(jīng)網(wǎng)絡工具箱實現(xiàn)BPANN訓練過程，將樣本數(shù)據(jù)帶入訓練好的模型中得到擬合結(jié)果。為提高網(wǎng)絡的泛化能力、防止過擬合，將網(wǎng)絡的擬合誤差控制在10%以內(nèi)，本文用BP人工神經(jīng)網(wǎng)絡擬合得到的時段末水庫蓄水量與DPSA優(yōu)化調(diào)度結(jié)果間的相對誤差來表示[12]。

由于篇幅原因，錦屏一級、二灘BPANN網(wǎng)絡擬合結(jié)果以4月為例進行說明，如表2所示。由表2可知，該BP人工神經(jīng)網(wǎng)絡調(diào)度規(guī)則合格率較高，且檢驗期平均誤差小于4%，對水庫最優(yōu)運行軌跡的擬合效果較好，可滿足實際調(diào)度的需求。

表2 錦屏一級、二灘4月BPANN網(wǎng)絡擬合結(jié)果

3.4 不同調(diào)度方案對比分析

在本文提取得到的調(diào)度規(guī)則的基礎上，以各水電站自身約束、外送通道限制等約束為基本約束，以優(yōu)化調(diào)度的BPANN模擬水庫時段末蓄水量為基本條件，對雅礱江下游水庫群進行長系列模擬調(diào)度。

比較4種調(diào)度方案結(jié)果，可分析得到風光水互補系統(tǒng)的優(yōu)越性和調(diào)度規(guī)則的有效性。具體方案如下：方案1，風光水聯(lián)合優(yōu)化調(diào)度，即多能互補優(yōu)化調(diào)度模型求解結(jié)果；方案2，調(diào)度規(guī)則模擬調(diào)度，在方案1結(jié)果的基礎上進行模擬調(diào)度；方案3，水庫常規(guī)調(diào)度與風電、光電直接輸出；方案4，水庫優(yōu)化調(diào)度與風電、光電直接輸出。其中，方案3、4未進行風光水聯(lián)合調(diào)度，且系統(tǒng)優(yōu)先送出風電與光電。

對于4種調(diào)度方案，計算雅礱江下游水庫群、風電場以及光伏電站的多年平均總發(fā)電量。由表3可知，風光水聯(lián)合優(yōu)化調(diào)度方案下的系統(tǒng)總發(fā)電量最大，達到872.80億kW·h，與水庫優(yōu)化調(diào)度與風電、光電直接輸出方案相比，提高2.68億kW·h，水庫常規(guī)調(diào)度與風電、光電直接輸出時，系統(tǒng)多年平均總發(fā)電量最??；這是由于考慮水電、風電與光電在季節(jié)上的互補運行后，非汛期水庫可蓄更多的水，以便提高汛期的發(fā)電量。調(diào)度規(guī)則模擬調(diào)度方案下的系統(tǒng)總發(fā)電量小于風光水聯(lián)合優(yōu)化調(diào)度，降低了6.16億kW·h，即減少了0.70%；與水庫常規(guī)調(diào)度與風電、光電直接輸出方案比較，提高了28.35億kW·h，即增加了3.38%。因此，風光水聯(lián)合優(yōu)化調(diào)度基礎上提取的調(diào)度規(guī)則，可較好地保持聯(lián)合優(yōu)化調(diào)度的發(fā)電效益。

表3 四種調(diào)度方案下的系統(tǒng)多年平均年發(fā)電量對比

4 結(jié) 論

本文在確定性優(yōu)化的基礎上，提取風光水互補系統(tǒng)的調(diào)度規(guī)則。以雅礱江下游梯級水庫群為研究對象，建立了以系統(tǒng)總發(fā)電量最大為目標的確定性優(yōu)化模型，采用DPSA獲得最優(yōu)調(diào)度軌跡，利用GRA確定各時期影響因子，應用BP人工神經(jīng)網(wǎng)絡提取調(diào)度規(guī)則：風光水聯(lián)合優(yōu)化調(diào)度下系統(tǒng)的發(fā)電量最高，這是由于水電、風電和光電在季節(jié)上存在互補性，風電和光電可彌補水電在非汛期的發(fā)電不足；調(diào)度規(guī)則模擬下系統(tǒng)發(fā)電量較水庫常規(guī)調(diào)度與風電、光電直接輸出方案提高3.38%，但低于風光水聯(lián)合優(yōu)化調(diào)度方案0.70%。因此，在風光水聯(lián)合優(yōu)化調(diào)度基礎上提取的調(diào)度規(guī)則可行，且能較好地保持確定性優(yōu)化調(diào)度的發(fā)電效益，為風光水互補系統(tǒng)實際優(yōu)化運行提供依據(jù)。本文仍存在一些不足，如僅選用BP人工神經(jīng)網(wǎng)絡方法，在今后研究中需進一步探討其他方法在提取風光水互補系統(tǒng)的調(diào)度規(guī)則上的應用。