金國鋒,張 林,范曉奇,范佳琪,李恩源
(國網(wǎng)內(nèi)蒙古東部電力有限公司經(jīng)濟技術(shù)研究院,內(nèi)蒙古 呼和浩特 010020)
經(jīng)實際運行可知,光伏發(fā)電存在波動與間歇等特性,一般大規(guī)模的光伏電站并網(wǎng)在正常運行過程中會對電力系統(tǒng)的供需均衡性、安全穩(wěn)定經(jīng)濟性和電能質(zhì)量等方面產(chǎn)生不容忽略的影響[1-2]。高效協(xié)調(diào)控制光伏功率有利于電力系統(tǒng)的調(diào)度部門進行統(tǒng)籌安排,實現(xiàn)常規(guī)電源與光伏發(fā)電站之間的相互配合,及時對調(diào)度計劃進行相應調(diào)整,科學配置電網(wǎng)運行模式,不僅能夠高效減少光伏接入對電力系統(tǒng)產(chǎn)生的不良影響,提升電網(wǎng)運行安全與可靠性,還可有效降低電網(wǎng)的旋轉(zhuǎn)備用容量以及整體運行成本,充分使用太陽能資源,以此減少輸變電工程造價,并實現(xiàn)綜合效益最大化。
當前光伏系統(tǒng)功率協(xié)調(diào)控制精確性還無法高效滿足電網(wǎng)調(diào)度需求,已經(jīng)成為了光伏發(fā)展過程中一個瓶頸[3]。由此,改進和優(yōu)化光伏功率協(xié)調(diào)控制模型,以更好地適應電網(wǎng)調(diào)度是當前亟待解決的問題,值得深入研究。
楊錫運等[4]考慮到電網(wǎng)運行的安全性,針對園區(qū)典型日負荷提出了一種儲能系統(tǒng),用以改變功率參數(shù),進行負荷狀態(tài)控制,依據(jù)輸入向量實現(xiàn)光伏功率協(xié)調(diào)控制。耿嘉勝等[5]針對實際工況中刮板輸送機電機功率不平衡的問題,介紹并提出了包括硬件結(jié)構(gòu)與軟件設計兩個方面的功率協(xié)調(diào)控制系統(tǒng),在一定程度上為刮板輸送機驅(qū)動電機功率控制研究提供新思路。劉濤等[6]將電導增量法引入?yún)f(xié)調(diào)控制中,并將電導增量法和模型的算法相互結(jié)合,實現(xiàn)各種環(huán)境下光伏發(fā)電系統(tǒng)有效跟蹤,利用性能指標函數(shù)對控制變量動作進行評價和估算,以此實現(xiàn)P-U曲線協(xié)調(diào)控制。
上述光伏功率協(xié)調(diào)控制相關(guān)研究成果中,僅考慮到簡單的天氣影響,對于分量之間的影響考慮的比較少,沒有考慮非平穩(wěn)行為在協(xié)調(diào)控制中的影響,對于協(xié)調(diào)控制結(jié)果的輸出會產(chǎn)生不利影響。為此,提出基于ELM_k(ELM-KNN,極限學習機特征映射的K最近鄰算法)的短期光伏功率協(xié)調(diào)控制算法。本文算法的創(chuàng)新之處在于將氣象變量與工程造價通過協(xié)調(diào)控制模型直接聯(lián)系起來,可減少中間環(huán)節(jié)的冗余數(shù)據(jù)量,在最大程度上實現(xiàn)考慮輸變電工程造價的短期光伏功率協(xié)調(diào)控制。
在電力系統(tǒng)運行過程中,少不了規(guī)劃評審輔助決策系統(tǒng),該系統(tǒng)能夠?qū)⒃痉稚⒑凸铝⒌男畔?shù)據(jù)整理歸納存儲,并進行統(tǒng)一管控,以此得到數(shù)據(jù)資源的融合結(jié)果。在該系統(tǒng)中,輸變電工程造價是需要考慮的一個重要因素,其關(guān)系著電力系統(tǒng)運行成本,對于整體電網(wǎng)運行中規(guī)劃評審輔助決策而言極為重要。光伏發(fā)電系統(tǒng)功率輸出隨機性強,波動性大,負載突加或突減的時候會影響輸出電壓的穩(wěn)定性,因此光伏功率協(xié)調(diào)控制可以達到調(diào)節(jié)電壓的目的,確保了整體輸變電工程的穩(wěn)定性即為輸變電工程造價評估提供更適宜的環(huán)境。相對應的,電網(wǎng)調(diào)度是輸變電工程造價比較重要的影響因素之一,而經(jīng)上述內(nèi)容可知光伏功率協(xié)調(diào)控制對于電網(wǎng)調(diào)度而言非常重要。由此說明,輸變電工程造價也限制光伏功率協(xié)調(diào)控制的成本投入水平,光伏發(fā)電系統(tǒng)功率輸出受到限制,輸變電工程造價和光伏功率協(xié)調(diào)控制具有很強的關(guān)聯(lián)性。綜上,強化電網(wǎng)規(guī)劃,構(gòu)建協(xié)同一體化的運行機制均離不開光伏功率協(xié)調(diào)控制??紤]到輸變電工程造價,對短期光伏功率進行協(xié)調(diào)控制的詳細過程如下所示。
1.1.1 太陽輻照情況
經(jīng)長期測試研究可知,光伏功率變化主要影響因素為氣象條件,例如太陽輻照情況、溫度等均會對光伏輸出功率產(chǎn)生影響[7-8]。其中,太陽輻照情況和輸出功率之間存在的關(guān)聯(lián)性最高。
光伏電池中光電流和太陽輻照存在線性關(guān)系,太陽輻照度在100至1 000 W/m2并為恒溫時,太陽的輻照度越大則光電流就會越強,此時光伏電池開路電壓基本恒定,因此輸出功率和太陽輻照度存在正比關(guān)系。綜上,將和輸出功率相應時刻的太陽輻照度當作主要協(xié)調(diào)控制指標,圖1為太陽輻照度變化與光伏輸出功率之間的影響情況。
圖1 太陽輻照度變化與光伏輸出功率之間的影響情況
溫度和光伏電池運行溫度對輸出功率產(chǎn)生的影響較為顯著,電池組的光電轉(zhuǎn)換效率會在溫度升高的情況下逐漸降低。部分氣象參數(shù)會對太陽輻照度產(chǎn)生直接影響,和輻照度之間有非常大的關(guān)聯(lián)性,能夠在一定程度上將輻照度整體變化情況反映出來。例如相對濕度的不斷增加,會致使太陽輻射逐漸減弱,會間接地影響輸出功率。
1.1.2 輻照度
因輻照度在天氣種類識別中可以起到?jīng)Q定性的作用,因此應該綜合考量日實時輻照度和輻照度均值之差對時間的三階導數(shù),三階導數(shù)主要用于純理論分析,可以更逼近需要的輻照度值。由此,利用每日最高溫度Tmax、濕度最大值Hmax、整體最大能見度Wmax、太陽最大輻照度Gmax、日實時風速以及平均風速之差三階導數(shù)的最大值以及太陽輻照度三階導數(shù)的最大值特征因素完成氣象種類頂層分類,則有:
經(jīng)相關(guān)研究分析可知,選擇導數(shù)的最大值進行天氣種類識別,識別度較高。在此選擇Wmax、能見度差三階導數(shù)的最大值特征因子進行底層分類,則有:
1.1.3 其他局部因素
除了上述影響因素,云量和云狀以及風速等均和輻照度存在相關(guān)性。溫濕度、風速和能見度等是區(qū)分晴雨天種類的特征因子,其中能見度、輻照度能夠當作區(qū)分陰天和小大雨天氣種類的特征因子。溫濕度、能見度以及輻照度都能夠提取出最大值當作特征因子。因風速有波動性,能夠通過其導數(shù)當作描述局部變化特征的一個指標。
在信號處理方面,經(jīng)驗模態(tài)分解法依據(jù)信號原來的局部特征時間尺度,針對相對復雜的信號函數(shù)實行分解操作,獲取有限本征模態(tài)函數(shù)IMF,通過分解操作使得瞬時頻率具備了物理意義。利用對各IMF實行Hilbert變換(Hilbert transform,希爾伯特變換)操作,能夠得到各IMF在時間不斷變化下產(chǎn)生的瞬時頻率與瞬時幅值,以此能夠獲取較為完整的非平穩(wěn)信號時頻情況。
假設x(t)代表原始信號函數(shù),那么實行EMD(empirical mode decomposition,經(jīng)驗模態(tài)分解)操作之后x(t)會分解成頻率從大到小進行排列的n個IMF分量ci(t)和剩余趨勢量r(t)相加值:
綜上,IMF分量之間互為影響被隔離,盡量地降低非平穩(wěn)行為對短期光伏功率協(xié)調(diào)控制產(chǎn)生的影響。IMF可以更為顯著地突出原始數(shù)據(jù)存在的局部特征,利于歷史數(shù)據(jù)變化規(guī)律挖掘[9-10]。上述利用對歷史功率序列實行EMD操作,分解獲取一組IMF分量,更為清晰地得到了歷史功率細節(jié)和趨勢項,為短期光伏功率協(xié)調(diào)控制奠定了可靠的基礎。
根據(jù)上述影響因素和功率序列預處理,引入ELM_k實現(xiàn)短期光伏功率協(xié)調(diào)控制。
(1)組建光伏功率樣本
式(4)為光伏功率樣本組建情況:
式中:St為t時刻光伏功率樣本;xt為t時刻光伏功率的采樣結(jié)果;At-1為氣象記錄值。
(2)尋找協(xié)調(diào)控制模型離線參數(shù)的最優(yōu)值
選取連續(xù)七、八個月歷史樣本所組建的離線參數(shù)尋優(yōu)總集合即歷史功率細節(jié)和趨勢項,同時根據(jù)十倍交叉驗證法組建參數(shù)尋優(yōu)過程中訓練和驗證兩個樣本,即:
式中:G為影響因素的歷史數(shù)據(jù)總集合;V為十倍交叉驗證所產(chǎn)生的驗證樣本集合;M為相應訓練樣本集合。
假設樣本集合V、M的構(gòu)成有如下形式:
對訓練與驗證兩個樣本集合相似度均值進行計算,則有:
式中:Pj為第j個訓練樣本和測試樣本相似度均值;ω為樣本屬性權(quán)重值。
依據(jù)比例系數(shù)對訓練樣本進行篩選,則有:
式中:MC為篩選的訓練樣本集合;TH為篩選比例系數(shù);Pg為訓練樣本集合中被篩選掉的樣本相似度均值。
依據(jù)屬性值全部相同與否,對MC中冗余屬性f進行判斷:
經(jīng)式(9)計算,將其中的冗余屬性刪除,以此降低算法計算過程中的復雜度。
利用ELM_k算法設計并構(gòu)建協(xié)調(diào)控制模型?,通過樣本集合V進行驗證,則有:
引入平均誤差MAPE,當作離線參數(shù)尋優(yōu)過程中協(xié)調(diào)控制精確度的評估函數(shù),則有:
式中:xi為功率實際值為協(xié)調(diào)控制值;Cap為協(xié)調(diào)控制光伏安裝容量值;結(jié)合平均誤差MAPE(非0元素)尋優(yōu)過程,對預測參數(shù)進行優(yōu)化。
(3)在線短期光伏功率協(xié)調(diào)控制
式中:M°為在線歷史樣本的總集合。則在線篩選樣本集合MC°可表示為:
設計并構(gòu)建在線短期光伏功率協(xié)調(diào)控制模型F°,同時對時刻光伏功率進行協(xié)調(diào)控制,則有:
在線協(xié)調(diào)控制模型通過隊列的方式對在線歷史樣本的總集合進行更新。該模型可以直接協(xié)調(diào)控制某時刻光伏功率,如果要同時對下一時刻光伏功率進行協(xié)調(diào)控制,可依據(jù)當前時刻協(xié)調(diào)控制值更新運算得到。
為了驗證基于ELM_k的短期光伏功率協(xié)調(diào)控制算法可行性,進行相關(guān)性測試。實驗將某光伏系統(tǒng)當作目標對象,針對某年的9月22日系統(tǒng)功率進行協(xié)調(diào)控制?;?月22日最新的天氣預報數(shù)據(jù),利用對光伏電站和氣象環(huán)境每天監(jiān)測數(shù)據(jù)的整體變化情況分析,選擇75個采樣點采集實驗所需數(shù)據(jù),每間隔10 min是一個采樣點。其中,表1描述的是歷史功率數(shù)據(jù)波動量變化情況。圖2、圖3及圖4分別描述了采樣點輻照度情況、溫度及相應輸出功率信息數(shù)據(jù)情況,采樣時間為6點開始,18點結(jié)束。
表1 歷史功率數(shù)據(jù)波動量變化情況
圖2 輻照度數(shù)據(jù)
圖3 溫度數(shù)據(jù)
圖4 輸出功率數(shù)據(jù)
采用PSCAD/EMTDC軟件作為數(shù)據(jù)整合平臺,進行控制系統(tǒng)參數(shù)與上述各項數(shù)據(jù)的模擬整定,按照如下公式計算工程造價成本:
式中:Hit為用戶用電行為;k為歷史相似日;Si為上述三種數(shù)據(jù)的應用函數(shù),包裹負載、輸出功率等變量。
得到的協(xié)調(diào)控制結(jié)果與其他文獻方法的對比曲線如圖5所示。
圖5 協(xié)調(diào)控制結(jié)果的工程造價對比
分析圖5可知,將本文算法與文獻[4]和[5]方法進行對比,其中成本造價最高的為文獻[4]方法,僅在起始點和結(jié)尾點產(chǎn)生較小成本,而最低的為本文算法,在整個驗證過程中其曲線波動情況保持穩(wěn)定,說明本文算法運行精度高,具有可實踐性。這是因為該算法為了提高協(xié)調(diào)控制精度,將氣象因素與影響成本運行的各項指標直接聯(lián)系起來,首先對影響光伏功率輸出的各項因素指標進行了分析,并對其中較為關(guān)鍵的因素——氣象因素進行了分類,為后續(xù)協(xié)調(diào)控制提供了支撐;然后基于EMD對光伏功率序列進行預處理分析,實現(xiàn)了分量之間互為隔離,盡量防止相互影響的情況,降低了非平穩(wěn)行為對短期光伏功率協(xié)調(diào)控制產(chǎn)生的影響,為短期光伏功率協(xié)調(diào)控制奠定了可靠的基礎;最后在功率協(xié)調(diào)控制過程中優(yōu)化參數(shù),進一步提高了光伏功率協(xié)調(diào)控制的精確性,降低了工程造價。
鑒于電力系統(tǒng)運行和輸變電工程造價規(guī)劃需求,提出基于ELM_k的短期光伏功率協(xié)調(diào)控制算法。依據(jù)光伏功率協(xié)調(diào)控制影響因素分析和功率序列預處理,利用ELM_k構(gòu)建功率協(xié)調(diào)控制模型。測試結(jié)果表明,所提算法能夠減少中間數(shù)據(jù)冗余,高效實現(xiàn)短期光伏功率協(xié)調(diào)控制,模型魯棒性強,能夠有效控制輸電網(wǎng)工程造價。在接下來的研究中,將對所提算法在各種氣象下的協(xié)調(diào)控制效果進行驗證,進而進一步優(yōu)化模型參數(shù),使協(xié)調(diào)控制模型精確性更強,更具實用性。