計及光伏期望出力可信度的配電網(wǎng)調(diào)度計劃研究

汪勝和,王正風，應益強，徐 俊

(1. 國網(wǎng)安徽省電力有限公司調(diào)控中心，安徽 合肥 230061；2. 南京郵電大學自動化學院、人工智能學院，江蘇 南京 210023)

近年來，隨著社會經(jīng)濟高速發(fā)展，能源短缺和環(huán)境污染問題也愈加顯著[1]。為應對能源和環(huán)境問題，可再生能源發(fā)電與控制技術得到快速發(fā)展[2]。根據(jù)BP世界能源統(tǒng)計網(wǎng)站數(shù)據(jù)[3]，太陽能發(fā)電2013年較2009年增長了大約110 TWh，且光伏發(fā)電占比還在持續(xù)增長。然而，光伏出力預測困難和波動幅度大，用戶端動態(tài)負荷變化都讓配電網(wǎng)調(diào)度變得困難[4-5]。

配電網(wǎng)調(diào)度的本質(zhì)是在保證發(fā)電和負荷平衡的前提下，實時調(diào)度各電源出力實現(xiàn)低發(fā)電成本和高穩(wěn)定性。調(diào)度的主要手段包括對分布式電源以及用電負荷進行主動控制，以提高可再生能源利用率和優(yōu)化電能分配[6-8]。

對于傳統(tǒng)的經(jīng)濟調(diào)度，文獻[9]建立了一種計及風電出力不確定性的線性區(qū)間優(yōu)化模型，并將該模型轉(zhuǎn)為求解兩個確定性問題的模型。文獻[10]提出了一種適應多時段空間時間跨度的分層電網(wǎng)控制方法來協(xié)調(diào)電網(wǎng)運行。文獻[11]提出了一種在時空變化下控制目標綜合協(xié)調(diào)的能量管理調(diào)度系統(tǒng)。隨著大容量動態(tài)負荷增加，用電負荷預測影響著配電網(wǎng)調(diào)度。文獻[12]通過將實際負荷與預測負荷的偏差量這一隨機變量引進目標函數(shù)與約束條件中，建立了基于模糊機會約束規(guī)劃方法的隨機調(diào)度優(yōu)化模型。文獻[13]綜合考慮時間維度與對象維度，將負荷調(diào)度劃分為多個時間尺度，基于所提包括風電出力不確定性的多個核心決策模型，提出源荷協(xié)調(diào)調(diào)度模型。文獻[14]針對蓄電池可改善新能源出力波動的特點，綜合考慮新能源并網(wǎng)時的分時電價和蓄電池容量，并通過粒子群算法求解使系統(tǒng)利潤最大時的蓄電池容量。

對于含有分布式發(fā)電裝置的配電網(wǎng)，文獻[15]基于微網(wǎng)經(jīng)濟調(diào)度模型，提出了一種用原偶內(nèi)點算法求解的采用場景法描述間歇性能源發(fā)電的簡化模型，提高了電網(wǎng)對風電不確定性的適應能力，但是不足是降低了經(jīng)濟性。文獻[16]構建了兼顧環(huán)境效益和發(fā)電經(jīng)濟的風電多目標并網(wǎng)模型，提高了配電網(wǎng)運行經(jīng)濟性和環(huán)境效益。文獻[17]針對風電出力的不確定性，提出了基于模糊集的風電出力預測模型，并計算由風電替代的柴油發(fā)電機成本評估風電出力的成本效益，基于該預測提高了電網(wǎng)運行出力穩(wěn)定性。文獻[18]考慮動態(tài)安全約束作用，建立了減小棄風量下的火電風電協(xié)調(diào)優(yōu)化經(jīng)濟調(diào)度模型。

對于電網(wǎng)需求側(cè)的負荷預測，文獻[19]通過分析歷史負荷相對誤差特征，并結合最優(yōu)窗寬選擇，實現(xiàn)短期負荷預測。文獻[20]結合相似日度量準則和Bootstrap抽樣方法，提出一種基于集成極限學習機的負荷區(qū)間預測方法。文獻[21]通過模式聚類等對歷史數(shù)據(jù)進行分析，將相似日與負荷求導法結合，得出歷史負荷預測值并計算分析誤差，得到了一定置信水平下的負荷預測區(qū)間，一定程度上提高了預測的準確性。

上述文獻分別考慮了配電網(wǎng)經(jīng)濟調(diào)度中負荷預測不確定性及分布式能源發(fā)電波動大等問題，然而考慮光伏出力和用電負荷的不確定性對運行可靠性影響的配電網(wǎng)調(diào)度還鮮有報道，仍需進一步研究。

本文提出了一種考慮光伏出力和負荷需求預測區(qū)間的配電網(wǎng)調(diào)度計劃方法?；诮艬eta分布的光照強度概率分布進行光伏出力的區(qū)間預測，并提出了光伏期望出力可信度指標λ以保證光伏并網(wǎng)出力的可靠性?；谟秒娯摵杉訖喾謱痈怕暑A測與稀疏貝葉斯學習法進行負荷需求區(qū)間預測。提出了預測區(qū)間下計及可信度指標λ的多目標調(diào)度計劃，并采用粒子群方法進行求解。通過仿真算例對該調(diào)度計劃結果進行了驗證。

1 光伏出力和負荷需求的預測區(qū)間模型

本文采用區(qū)間概率分布方法，基于近似Beta分布的光照強度概率密度函數(shù)計算光伏出力的概率分布，得到光伏出力的預測區(qū)間?；谟秒娯摵杉訖喾謱痈怕暑A測與稀疏貝葉斯學習計算得到負荷需求的預測區(qū)間。

1.1 光伏出力預測區(qū)間模型

由于光伏的隨機出力特性，準確合理的預測出力區(qū)間范圍對安排配電網(wǎng)的調(diào)度計劃具有重要意義。

通常情況下光伏的出力可以表示為

(1)

式中：n為光伏機組數(shù)；Ppvi為光伏整體出力值；Ai為第i個光伏組件的發(fā)電面積；γ是光電轉(zhuǎn)換效率。

考慮到外界因素對光伏引起的出力隨機特性，可以采用Beta分布來近似得到光照強度的概率分布函數(shù)[22]：

(2)

式中：Smax和S分別為光照強度的最大值和實際值；α和β為Beta分布的形狀參數(shù)，可以通過數(shù)值方法和計算機模擬方法求得。

則光伏出力的概率密度函數(shù)可如下表示：

(3)

(4)

根據(jù)該模型對光伏出力預測值的誤差分析計算，其預測誤差近似滿足正態(tài)分布[22]，即：

(5)

式中：δPpvi表示光伏預測出力誤差的標準差。

求解區(qū)間下限Ppvimin時，依據(jù)二分法求解過程與上述類似。

1.2 負荷區(qū)間預測模型

本文采用文獻[23]提出的一種用電負荷加權分層概率預測與稀疏貝葉斯學習相結合，對動態(tài)負荷變化屬性、特征經(jīng)分類歸納后，通過貝葉斯學習訓練進行負荷區(qū)間預測。

具體步驟如下：

a.將不同負荷樣本的主分量特征提取出來，其提取方法采用核主成分分析方法；

b.通過對比將訓練樣本與預測樣本中相似度較低的樣本剔除，其對比方法采用馬氏距離加權判定；

c.將選出的用電負荷樣本的電量進行分解，分解不同頻段值進行模態(tài)，采用稀疏貝葉斯學習方法預測；

d.加權分層融合計算不同頻段的預測結果，得到最終的用電負荷需求預測量。

通過上述方法步驟，用戶負荷需求預測為一條置信度為ζ的區(qū)間帶，如圖1所示。

2 預測區(qū)間下基于可信度指標的配電網(wǎng)調(diào)度計劃

根據(jù)光伏出力預測模型得出光伏出力為一定置信度的區(qū)間，由此，提出光伏期望出力可信度指標λ表示光伏出力計劃落在此區(qū)間的可信度，并構建光伏與負荷預測區(qū)間下計及λ的多目標調(diào)度計劃策略以保證配電網(wǎng)運行可靠性。

2.1 目標函數(shù)

2.1.1 光伏期望出力可信度指標

因此，為了提高調(diào)度計劃中實際光伏出力落在該預測區(qū)間的可信度以保證配電網(wǎng)的可靠性，定義光伏期望出力可信度指標λ：

(6)

λ的值越小，說明實際光伏出力點落在預測區(qū)間的概率越大，即可信度越高。

2.1.2 計及可信度指標的多目標優(yōu)化函數(shù)

假設配電網(wǎng)含n個光伏機組場站，m個電力負荷,每天光照時長為T小時，分為k個時間段，每個時間段t為(60T/k)分鐘。配電網(wǎng)運行經(jīng)濟性主要考慮發(fā)電成本，因此其運行經(jīng)濟性可表示為

(7)

綜合考慮配電網(wǎng)運行的發(fā)電成本和光伏期望出力可信度，構造多目標優(yōu)化函數(shù)：

(8)

式中：ξ為權重系數(shù)；κ為量綱轉(zhuǎn)換常數(shù)；λi為i個光伏機組期望出力可信度。

2.2 約束條件

(9)

光伏發(fā)電出力波動是在一定區(qū)間波動的，因此光伏實際出力應滿足上下限約束式(10)。配電網(wǎng)光伏出力變化，會造成配電網(wǎng)節(jié)點電壓變化，為了配電網(wǎng)安全運行，節(jié)點電壓應滿足上下限約束式(11)。

(10)

(11)

3 調(diào)度計劃策略求解

采用Pareto 技術與粒子群O算法相結合的粒子群優(yōu)化算法來求解多目標優(yōu)化函數(shù)。多目標問題的解集被稱為Pareto最優(yōu)解。Pareto最優(yōu)是指不能再改善某些情況，且不能使其他情況受損。

求解配電網(wǎng)優(yōu)化調(diào)度步驟如下：

步驟2：通過預測得到不同置信度ζ下的負荷預測區(qū)間，采用模糊抽樣方法抽樣J次；

步驟4：更新多目標下各粒子的速度和位置；

步驟5：判斷粒子是否收斂，或迭代次數(shù)是否達到最大迭代次數(shù)，若是，則輸出調(diào)度出力計劃結果 ，若否，則跳到步驟4。

4 算例仿真

4.1 算例系統(tǒng)參數(shù)

在含2個微電網(wǎng)的配電網(wǎng)[24]對提出的調(diào)度模型通過仿真試驗進行優(yōu)化調(diào)度。其配電網(wǎng)結構圖如圖3所示。

該配電網(wǎng)共有12段支路，節(jié)點1和12接主網(wǎng)絡線，由變電站經(jīng)變壓器直接輸電到子網(wǎng)，節(jié)點3、4、9、7和14各自接入一個PV光伏場站，光伏場站分別表示為PV1、PV2、PV3、PV4和PV5，其參數(shù)如表1所示。該配網(wǎng)總裝機出力為54 MW。考慮外界光照時長等影響因素，主要分析白天06:00—18:00有光照時段的調(diào)度策略，設定谷荷電價時段06:00—07:00，價格為0.42元/kWh；平荷電價時段為07:00-10:00和14:00-18:00，價格為0.61元/kWh；峰荷電價時段為10:00—14:00，價格為0.76元/kWh。

表1 光伏場站參數(shù)

根據(jù)光照強度預測曲線，以及該地區(qū)平均太陽輻射度所求得的Beta分布形狀參數(shù)α和β，如表2所示，求出5個光伏場站發(fā)電機組預測出力的概率分布函數(shù)和概率密度函數(shù)曲線，如圖4所示。

表2 Beta分布形狀參數(shù)

根據(jù)基于光照強度近似Beta分布的區(qū)間預測模型，設定出力預測誤差標準差δPvi均取預測功率的10%，區(qū)間置信度選取75%～90%，求出各臺機組在不同預測出力區(qū)間置信度下的預測區(qū)間上下限[PVimin,PVimax]如表3所示。

表3 不同置信度下各臺光伏機組的預測區(qū)間

負荷抽樣選用模糊三角隸屬度函數(shù)抽樣，抽樣模糊區(qū)間置信度為ζ，置信度ζ取85%、87.5%、90%、92.5%和95%分別進行討論分析。光伏機組優(yōu)化出力值采用粒子群優(yōu)化算法，設置粒子數(shù)m=60，c1=c2=1.8；最大迭代次數(shù)為200；vimax=8，vimin=-8。

4.2 仿真結果與分析

考慮到06:00—18:00的12個時段負荷隨著時間不斷的波動，選取峰荷、谷荷及平荷3個時間段進行各個不同場景的分析討論。目標函數(shù)F的量綱轉(zhuǎn)換系數(shù)κ為500，成本指標c=(成本/κ)值為實際計算成本除以量綱轉(zhuǎn)換系數(shù)的折算值。

4.2.1 峰荷時段

選取12點負荷值較高時段為例，仿真結果表明負荷波峰時普通潮流調(diào)度模型運行的經(jīng)濟性較好，然而綜合可靠性和經(jīng)濟性考慮，本文的調(diào)度模型運行更優(yōu)。并且在ξ=0.3時達到運行最優(yōu)，說明當負荷處于波峰時段時，系統(tǒng)運行更側(cè)重于可靠性，保證系統(tǒng)的安全穩(wěn)定運行。

a.同普通潮流模型比較

以11:30—12:30這一時段微網(wǎng)負荷值較高時為例，該時段變電站的輸送功率固定為6 MW，發(fā)電機組的出力經(jīng)濟性權重系數(shù)ξ取0.3，光伏預測出力區(qū)間置信度選取80%，負荷預測抽樣區(qū)間置信度ζ選取90%，各光伏場站出力大小、成本及可信度指標同文獻[25]一般調(diào)度模型的對比如表4所示，一般調(diào)度模型[25]的光伏出力可信度指標根據(jù)本文優(yōu)化調(diào)度模型的光伏預測區(qū)間計算得出。

可見，本文所提調(diào)度模型結果同一般潮流調(diào)度模型相比，對于可靠性，PV1、PV2、PV3和PV4可靠性指標明顯較低，分別低0.6488、0.3620、0.099和0.08，PV5的可靠性指標相比較高，高0.32；對于經(jīng)濟性，PV1、PV2、PV3和PV4的成本折算值較低，分別低0.0081、0.0156、0.0044和0.0107，PV5的成本折算值相比較高，高0.0879，并且加上網(wǎng)損成本，其系統(tǒng)整體成本折算值普通最優(yōu)潮流模型較低，低0.1706，然而整體可靠性指標本文調(diào)度模型較低，低0.8689。綜合目標函數(shù)F值本文調(diào)度模型較低，低3362.0157。說明，普通潮流最優(yōu)模型運行的經(jīng)濟性較好，然而綜合可靠性和經(jīng)濟性考慮，本文的調(diào)度模型運行更優(yōu)。

表4 光伏調(diào)度出力計算結果比較

b.權重系數(shù)ξ對調(diào)度結果的影響

在負荷抽樣區(qū)間置信度ζ=90%，光伏預測區(qū)間置信度η=80%條件下，選取不同數(shù)值的ξ來分析權重系數(shù)對調(diào)度模型結果的影響。λ1、λ2、λ3、λ4、λ5和c1、c2、c3、c4、c5分別是5個光伏場站出力的可信度指標和成本指標，電價變?yōu)榉逯惦妰r。

如圖5所示，在權重系數(shù)從0.2增大到0.8的過程中，對于可信度：PV1、PV2、PV3和PV4的可信度指標值逐漸增大，可信度下降，PV5的可信度指標值逐漸減小，出力可信度上升；對于經(jīng)濟性，PV1、PV2、PV3和PV4的成本指標略微增大，經(jīng)濟性下降，PV5的成本指標逐漸減小，經(jīng)濟性上升。然而，如圖6所示，系統(tǒng)的整體可信度指標值上升，整體的成本折算值呈減小趨勢，說明系統(tǒng)運行的可靠性下降，經(jīng)濟性提升。綜合目標函數(shù)F在ξ=0.3的時候達到最小，說明當負荷處于波峰時段時，系統(tǒng)運行更側(cè)重于可靠性，保證系統(tǒng)的安全穩(wěn)定運行。

4.2.2 平荷時段

選取09:00負荷值較為平滑時為例，仿真結果表明普通潮流調(diào)度模型運行的經(jīng)濟性更好，但系統(tǒng)可靠性高于普通模型，且負荷抽樣區(qū)間置信度越大，系統(tǒng)運行的經(jīng)濟性和可靠性都相對提高。綜合兩個指標本文模型運行更優(yōu)。系統(tǒng)運行的綜合目標函數(shù)F值在ξ=0.4時最小，即此時系統(tǒng)運行的經(jīng)濟性和可靠性平衡最優(yōu)。

4.2.3 谷荷時段

選取07:00負荷值較低時為例，仿真結果表明普通潮流調(diào)度模型運行的經(jīng)濟性更好，但只是略好于本文模型；相比于系統(tǒng)可靠性，本文模型遠高于普通模型，綜合2個指標本文模型運行更優(yōu)。系統(tǒng)運行的綜合目標函數(shù)F值在ξ=0.7時最小，說明當系統(tǒng)的負荷處于波谷較小時段時，系統(tǒng)運行側(cè)重于經(jīng)濟性，保證系統(tǒng)運行經(jīng)濟效益最好。

4.2.4 平荷、峰荷和谷荷時段的對比分析

對比平荷、峰荷和谷荷3個時段的機組出力調(diào)度及系統(tǒng)運行指標結果，可以看出，用戶側(cè)的負荷需求越高，系統(tǒng)需要更高的可信度來保證光伏機組的穩(wěn)定出力，而負荷降到波谷較低時，系統(tǒng)的運行更側(cè)重于經(jīng)濟性，盡可能發(fā)電以及減小網(wǎng)損成本。并且，該調(diào)度模型同普通潮流優(yōu)化模型相比，運行的經(jīng)濟性和可靠性都明顯更優(yōu)，通過負荷區(qū)間抽樣預測更是提高了系統(tǒng)出力的精確性，有效降低了系統(tǒng)的網(wǎng)損量。

5 結論

本文分析了基于光伏出力和負荷需求預測區(qū)間下的配電網(wǎng)調(diào)度優(yōu)化問題，根據(jù)一天不同時段負荷需求大小不同，在峰荷、谷荷、平荷3個時段下，考慮了電網(wǎng)運行經(jīng)濟性和可靠性要求、光伏出力預測區(qū)間置信度等因素對電網(wǎng)運行的影響，建立了不確定性因素下配電運行時經(jīng)濟性和光伏出力可信性的優(yōu)化分配調(diào)度模型，采用粒子群算法優(yōu)化調(diào)度結果，主要得出以下結論。

a.本文所提的調(diào)度模型同普通最優(yōu)潮流相比，提高了光伏出力的可信度，在保證電網(wǎng)運行足夠經(jīng)濟性的情況下還能有較高的可靠性。

b.用戶側(cè)的負荷需求越高，系統(tǒng)應提高可靠性權重系數(shù)來保證光伏機組的穩(wěn)定出力，而負荷降到波谷較低時，系統(tǒng)的運行更側(cè)重于經(jīng)濟性，盡可能發(fā)電以及減少網(wǎng)損成本。算例分析并驗證了模型的有效性，對光伏消納配電網(wǎng)的運行具有指導意義。