西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法

李 立，張林森，田永華

(寧夏中科嘉業(yè)新能源研究院(有限公司)，寧夏 銀川 750001)

目前能源問(wèn)題受到全球范圍的重視，越來(lái)越多的國(guó)家開(kāi)始積極對(duì)可再生能源包括太陽(yáng)能、風(fēng)能等進(jìn)行綜合利用。由此，各國(guó)均提出綜合能源利用效率的最大幅度提升以及新能源的最大限度利用與開(kāi)發(fā)的綠色能源系統(tǒng)[1]。綠色能源互聯(lián)網(wǎng)是將電力系統(tǒng)作為整體核心，突破供熱、供冷、供氣、供電等能源系統(tǒng)獨(dú)立運(yùn)營(yíng)和單獨(dú)設(shè)計(jì)規(guī)劃的現(xiàn)有模式，在運(yùn)營(yíng)、建設(shè)、設(shè)計(jì)、規(guī)劃等過(guò)程中，對(duì)各種能源的消費(fèi)、存儲(chǔ)、轉(zhuǎn)化、分配等環(huán)節(jié)進(jìn)行有機(jī)優(yōu)化協(xié)調(diào)，達(dá)到高效、綜合利用能源目的的區(qū)域能源綠色新型供應(yīng)系統(tǒng)[2]。對(duì)綠色能源互聯(lián)網(wǎng)進(jìn)行建設(shè)，能夠促進(jìn)規(guī)?；_(kāi)發(fā)清潔能源、提升能源綜合利用效率，對(duì)于環(huán)境的保護(hù)以及基礎(chǔ)社會(huì)設(shè)施利用率的提升均有重要意義，因此對(duì)綠色能源互聯(lián)網(wǎng)進(jìn)行研究已成為能源領(lǐng)域的重點(diǎn)研究方向。基于該背景，同時(shí)考慮電負(fù)荷與熱負(fù)荷，研究綠色能源互聯(lián)網(wǎng)的結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整問(wèn)題。

針對(duì)該領(lǐng)域大量學(xué)者對(duì)其進(jìn)行了研究，并取得一定的研究成果。文獻(xiàn)[3]提出區(qū)域綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度方法，構(gòu)建電-氣-熱多種能源耦合的系統(tǒng)框架，對(duì)區(qū)域綜合能源系統(tǒng)運(yùn)行經(jīng)濟(jì)性進(jìn)行分析，采用多目標(biāo)加權(quán)模糊規(guī)劃方法，協(xié)調(diào)運(yùn)行成本和系統(tǒng)整體運(yùn)行經(jīng)濟(jì)性。該方法能夠有效增強(qiáng)運(yùn)行經(jīng)濟(jì)性，但電力運(yùn)行波動(dòng)較大。文獻(xiàn)[4]提出電-氣互聯(lián)系統(tǒng)多目標(biāo)優(yōu)化模型，采用線性化方法，構(gòu)建混合整數(shù)線性規(guī)劃模型，通過(guò)氣電解耦優(yōu)化方式，分散自治電-氣系統(tǒng)，分解系統(tǒng)多目標(biāo)優(yōu)化問(wèn)題，利用獨(dú)立優(yōu)化器求解多目標(biāo)優(yōu)化子問(wèn)題，根據(jù)交換邊界變量和虛擬目標(biāo)因子，獲取全局調(diào)整多目標(biāo)解。該方法能夠有效提高系統(tǒng)信息私密性，但該方法未考慮能源互聯(lián)網(wǎng)結(jié)構(gòu)運(yùn)行規(guī)律，存在較大的電力運(yùn)行波動(dòng)問(wèn)題。針對(duì)上述問(wèn)題，根據(jù)西北地區(qū)綠色能源互聯(lián)網(wǎng)的具體情況，提出了西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法。

1 西北地區(qū)綠色能源使用情況

1.1 煤電情況

寧夏的煤炭?jī)?chǔ)量豐富，是我國(guó)富煤省區(qū)之一。全區(qū)2 000 m以淺含煤面積9 598.16 km2，煤炭資源量1 932.83億t，其中1 000 m以淺含煤面積3 570.67 km2，煤炭資源量593.47億t。全區(qū)累計(jì)探明煤炭?jī)?chǔ)量461.82億t，保有儲(chǔ)量418.51億t。從地域分布上看，全區(qū)劃分為四個(gè)煤田，即東部的寧東煤田、北部的賀蘭山煤田、南部的固原煤田和西部的香山煤田，其中，寧東是國(guó)家的14個(gè)大型煤炭基地之一，煤田探明儲(chǔ)量386.39億t、占全區(qū)探明儲(chǔ)量的83.7%，保有儲(chǔ)量348.7億t、占全區(qū)的83.3%。

寧東煤田位于靈武市、鹽池縣和同心縣境內(nèi)，南北長(zhǎng)約130 km，東西寬約50 km，含煤面積約2 000 km2，遠(yuǎn)景預(yù)測(cè)資源量1 394億t。寧東煤田分為靈武、鴛鴦湖、橫城、馬家灘、積家井、萌城、韋州七個(gè)礦區(qū)和石溝驛一個(gè)獨(dú)立井田。寧東煤田主要煤種為不粘結(jié)煤、焦煤等。其中不黏結(jié)煤分布較廣，煤質(zhì)優(yōu)良，具有低灰(平均13%)、特低硫(平均0.57%)、特低磷(0.006%～0.035%)、中高發(fā)熱量(20～22 MJ/kg)、高化學(xué)活性等特點(diǎn)，是優(yōu)質(zhì)的動(dòng)力用煤和化工原料用煤。寧東煤田屬整裝煤田，地質(zhì)結(jié)構(gòu)簡(jiǎn)單，埋藏淺，保護(hù)較好，基本沒(méi)有私挖亂采現(xiàn)象。開(kāi)采條件優(yōu)越，多數(shù)礦區(qū)以緩傾斜—傾斜的中厚、特厚煤層為主，煤層賦存條件良好；礦區(qū)總體地質(zhì)構(gòu)造簡(jiǎn)單，瓦斯含量較低(除橫城礦區(qū)以外)，煤炭資源豐富可靠，適宜機(jī)械化開(kāi)采及建設(shè)大型、中型現(xiàn)代化礦井。

1.2 水資源

寧夏水能資源總量不大，分布集中。95%分布在黃河干流，其余5%分布在清水河、涇河等支流，經(jīng)濟(jì)可開(kāi)發(fā)裝機(jī)容量為246萬(wàn)kW，年發(fā)電量97.8億kW·h，其中黃河干流年發(fā)電量97.4億kW·h，裝機(jī)容量244.6萬(wàn)kW；其他支流年發(fā)電量0.4億kW·h，裝機(jī)容量1.3萬(wàn)kW。

1.3 新能源

寧夏風(fēng)能資源的分布主要受地形地貌和山地走勢(shì)的影響，風(fēng)能資源較豐富帶位于賀蘭山脈、香山—羅山—麻黃山、西華山—南華山—六盤(pán)山區(qū)等山地區(qū)域，及靈武市、鹽池縣、同心縣等地勢(shì)較平坦區(qū)域。從風(fēng)能資源隨高度變化情況來(lái)看，賀蘭山地區(qū)地形比較復(fù)雜，風(fēng)資源隨高度變化不大，平均風(fēng)速5.0～8.0 m/s，風(fēng)功率密度為200～525W/m2；香山地區(qū)地勢(shì)變化稍平緩，風(fēng)能資源隨高度變化比較明顯，90 m高度處平均風(fēng)速5.5～6.75 m/s，風(fēng)功率密度為225～375 W/m2；靈武市和鹽池縣的平坦地區(qū)風(fēng)能資源也比較豐富，90 m高度處平均風(fēng)速6.0～7.25 m/s，風(fēng)功率密度為200～350 W/m2。

從空間分布上看，寧夏大部分地區(qū)年太陽(yáng)總輻射高于5 800 MJ/m2，中部干旱帶的西安鎮(zhèn)、蒿川鄉(xiāng)、雙橋鄉(xiāng)、高崖鄉(xiāng)、田老莊鄉(xiāng)、下馬關(guān)鎮(zhèn)一線以北(除大武口區(qū)、平羅縣崇崗鎮(zhèn)、興慶區(qū)、金鳳區(qū)、西夏區(qū)、賀蘭縣洪廣鎮(zhèn)、永寧縣楊和鎮(zhèn)和望遠(yuǎn)鎮(zhèn)以外)各地均高于6 000 MJ/m2，是寧夏太陽(yáng)能資源最為豐富區(qū)，其中興仁年太陽(yáng)總輻射最高為6 344.2 MJ/m2。大武口區(qū)、平羅縣崇崗鎮(zhèn)、興慶區(qū)、金鳳區(qū)、西夏區(qū)、賀蘭縣洪廣鎮(zhèn)、永寧縣楊和鎮(zhèn)和望遠(yuǎn)鎮(zhèn)、海原縣海城鎮(zhèn)和雙河鄉(xiāng)以南、同心縣王團(tuán)鎮(zhèn)和予旺鎮(zhèn)以南等地年太陽(yáng)總輻射介于5 800～6 000 MJ/m2。原州區(qū)、西吉縣、彭陽(yáng)縣、隆德縣、涇源縣等地年太陽(yáng)總輻射均低于5 800 MJ/m2。

根據(jù)最新發(fā)展?jié)摿ρ芯拷Y(jié)果，寧夏90 m高度、風(fēng)功率密度200 W/m2以上的風(fēng)能資源技術(shù)可開(kāi)發(fā)量約5 200萬(wàn)kW，集中式光伏發(fā)電技術(shù)可開(kāi)發(fā)量約4.54億kW，近期光伏發(fā)電發(fā)展?jié)摿σ?guī)模約5 400萬(wàn)kW。目前已開(kāi)發(fā)2 900萬(wàn)kW(考慮待并網(wǎng)項(xiàng)目)，剩余開(kāi)發(fā)量7 700萬(wàn)kW。

2 西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法設(shè)計(jì)

2.1 特性分析

首先對(duì)西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)實(shí)施特性分析，獲取不同時(shí)期下西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)的運(yùn)行規(guī)律，以對(duì)其結(jié)構(gòu)進(jìn)行優(yōu)化調(diào)整。西北地區(qū)屬于典型的溫帶氣候，其氣候類型具體包括溫帶大陸性氣候與溫帶季風(fēng)氣候[5-7]。

對(duì)于西北地區(qū)，在綠色能源互聯(lián)網(wǎng)的運(yùn)行中，天氣溫度整體較高也就是夏季時(shí)，運(yùn)行需要很多冷負(fù)荷與較少熱負(fù)荷，此時(shí)具備充足的太陽(yáng)能資源。而在天氣溫度整體較低，也就是冬季時(shí)，運(yùn)行需要很多熱負(fù)荷與較少冷負(fù)荷，此時(shí)具備充足的風(fēng)能資源[8-10]。根據(jù)以上規(guī)律優(yōu)化調(diào)度西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)，能夠有效降低綠色能源互聯(lián)網(wǎng)的風(fēng)險(xiǎn)與成本。西北地區(qū)整年氣溫變化情況如圖1所示。

圖1 西北地區(qū)整年氣溫變化情況

根據(jù)圖1可知，西北地區(qū)平均溫度最高時(shí)在7月，平均溫度最低時(shí)在12月。

2.2 功率預(yù)測(cè)

將7月作為西北地區(qū)綠色能源互聯(lián)網(wǎng)運(yùn)行的典型夏日，并將12月作為西北地區(qū)綠色能源互聯(lián)網(wǎng)運(yùn)行的典型冬日，實(shí)施功率預(yù)測(cè)。

對(duì)于典型夏日，首先獲取其熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)，包括風(fēng)力發(fā)電機(jī)整體發(fā)電量、光伏電池整體發(fā)電量、電動(dòng)車整體充電功率[11-13]。西北地區(qū)典型夏日熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)具體如表1所示。

表1 西北地區(qū)典型夏日熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)

對(duì)于典型冬日，同樣獲取其熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)，包括風(fēng)力發(fā)電機(jī)整體發(fā)電量、光伏電池整體發(fā)電量、電動(dòng)車整體充電功率。西北地區(qū)典型冬日熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)具體如表2所示。

表2 西北地區(qū)典型冬日熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)

通過(guò)隨機(jī)森林算法[14]，對(duì)西北地區(qū)典型夏日和冬日熱、冷、電歷史負(fù)荷歷史數(shù)據(jù)實(shí)施其功率預(yù)測(cè)，隨機(jī)森林算法的具體流程如圖2所示。

圖2 隨機(jī)森林算法的具體流程

利用隨機(jī)森林算法實(shí)施功率預(yù)測(cè)，主要是通過(guò)bootstrap重抽樣在原始樣本中對(duì)多個(gè)樣本進(jìn)行抽取[15]，并對(duì)各bootstrap樣本實(shí)施決策樹(shù)建模，組合這些決策樹(shù)，利用投票方式獲取最終預(yù)測(cè)或分類結(jié)果。

2.3 結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整

通過(guò)構(gòu)建綠色能源互聯(lián)網(wǎng)的對(duì)應(yīng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整模型，實(shí)現(xiàn)西北地區(qū)綠色能源互聯(lián)網(wǎng)的結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整。首先構(gòu)建綠色能源互聯(lián)網(wǎng)的對(duì)應(yīng)成本優(yōu)化模型可表示為

F1(x)=Fw(t)+FPV(t)+FG(t)+FN(t)

(1)

式中：Fw(t)為風(fēng)機(jī)實(shí)際發(fā)電成本，元/(kW·h)；FPV(t)為光伏電池實(shí)際發(fā)電成本，元/(kW·h)；FG(t)為燃?xì)廨啓C(jī)實(shí)際發(fā)電成本，元/(kW·h)；FN(t)為天然氣成本，元/(kW·h)。然后建立風(fēng)險(xiǎn)優(yōu)化模型可表示為

(2)

式中：uk,t為風(fēng)能對(duì)應(yīng)風(fēng)險(xiǎn)系數(shù)；Rk,t為風(fēng)機(jī)帶來(lái)的風(fēng)險(xiǎn)；uh,t為太陽(yáng)能對(duì)應(yīng)風(fēng)險(xiǎn)系數(shù)；Rh,t為光伏帶來(lái)的風(fēng)險(xiǎn)；um,t為電動(dòng)車對(duì)應(yīng)風(fēng)險(xiǎn)系數(shù)；Rm,t為電動(dòng)車帶來(lái)的風(fēng)險(xiǎn)；Ωw為風(fēng)機(jī)接入集合；ΩPV為光伏電池接入集合；ΩEV為電動(dòng)車接入集合；k為風(fēng)機(jī)；m為電動(dòng)車。在此基礎(chǔ)上，構(gòu)建結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整模型以及約束條件模型表示為

(3)

式中：Pw,k,t為風(fēng)機(jī)在t時(shí)刻的可用有功出力,kW；Pw,h,t為太陽(yáng)能在t時(shí)刻的可用有功出力,kW；PG,h,t為電動(dòng)車在t時(shí)刻的可用有功出力,kW；Pload為可控機(jī)組能量下限,J；Ppower為可控機(jī)組能量上限,J；Plinmin為最小聯(lián)絡(luò)線功率[16],kW；Pex(t)為和電網(wǎng)之間的交互功率,W；Plinmax為最大聯(lián)絡(luò)線功率,W。最后，采用非支配排序的精英策略遺傳算法[17]對(duì)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整模型進(jìn)行求解，實(shí)現(xiàn)西北地區(qū)綠色能源互聯(lián)網(wǎng)的結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整的目的。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

針對(duì)西北地區(qū)綠色能源互聯(lián)網(wǎng)構(gòu)建仿真實(shí)驗(yàn)，并對(duì)其實(shí)施結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整。在MATLAB 2016a軟件環(huán)境中構(gòu)建仿真實(shí)驗(yàn)，由光伏電池、風(fēng)機(jī)、燃?xì)廨啓C(jī)、電網(wǎng)提供電力，由鍋爐組與燃?xì)廨啓C(jī)提供冷熱源，具體設(shè)備包括鍋爐、燃?xì)廨啓C(jī)、光伏、風(fēng)機(jī)，設(shè)備的具體參數(shù)如表3所示。

表3 設(shè)備的具體參數(shù)

利用設(shè)計(jì)的西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法對(duì)其實(shí)施結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整，獲取該方法實(shí)施前后的總運(yùn)行成本的變化情況、棄風(fēng)量的變化情況以及能源互聯(lián)網(wǎng)的運(yùn)行波動(dòng)情況。

3.2 實(shí)驗(yàn)結(jié)果1

3.2.1 總運(yùn)行成本與棄風(fēng)量變化情況實(shí)驗(yàn)結(jié)果

在總運(yùn)行成本的變化情況、棄風(fēng)量的變化情況的實(shí)驗(yàn)中共設(shè)置10個(gè)典型場(chǎng)景，各場(chǎng)景的風(fēng)電波動(dòng)情況不同，以驗(yàn)證優(yōu)化調(diào)整前后總運(yùn)行成本與棄風(fēng)量的變化情況。其中，優(yōu)化調(diào)整前后總運(yùn)行成本變化情況的具體實(shí)驗(yàn)結(jié)果如表4所示。

表4 優(yōu)化調(diào)整前后總運(yùn)行成本變化情況的具體實(shí)驗(yàn)結(jié)果

根據(jù)表4中總運(yùn)行成本變化情況的實(shí)驗(yàn)結(jié)果可知，在10個(gè)典型場(chǎng)景中，風(fēng)電出力相同的情況下，優(yōu)化調(diào)整前的平均總運(yùn)行成本為1.748 4萬(wàn)元，而優(yōu)化調(diào)整后的平均總運(yùn)行成本為1.623 3萬(wàn)元。由此可知，實(shí)施西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法后，能夠有效降低總運(yùn)行成本。因?yàn)樵O(shè)計(jì)方法通過(guò)分析西北地區(qū)綠色能源互聯(lián)網(wǎng)實(shí)施特性，獲取不同時(shí)期下西北地區(qū)綠色能源互聯(lián)網(wǎng)的運(yùn)行規(guī)律，并對(duì)其結(jié)構(gòu)進(jìn)行優(yōu)化調(diào)整，從而有效降低綠色能源互聯(lián)網(wǎng)的風(fēng)險(xiǎn)與成本。

優(yōu)化調(diào)整前后棄風(fēng)量變化情況的具體實(shí)驗(yàn)結(jié)果如表5所示。

根據(jù)表5中棄風(fēng)量變化情況的實(shí)驗(yàn)結(jié)果可知，在10個(gè)典型場(chǎng)景中，風(fēng)電出力相同的情況下，優(yōu)化調(diào)整前的平均棄風(fēng)量為101.308 MW·h，而優(yōu)化調(diào)整后的平均總運(yùn)行成本為75.817 MW·h。由此可知，實(shí)施西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法后，能夠有效降低棄風(fēng)量。

表5 優(yōu)化調(diào)整前后棄風(fēng)量變化情況的具體實(shí)驗(yàn)結(jié)果

3.2.2 電力運(yùn)行波動(dòng)情況對(duì)比實(shí)驗(yàn)結(jié)果

為增強(qiáng)整體實(shí)驗(yàn)效果，將文獻(xiàn)[3]方法和文獻(xiàn)[4]方法作為電力運(yùn)行波動(dòng)情況對(duì)比實(shí)驗(yàn)中的對(duì)比方法。對(duì)實(shí)施三種能源多目標(biāo)優(yōu)化調(diào)整方法后的電力運(yùn)行波動(dòng)情況進(jìn)行對(duì)比分析。對(duì)比設(shè)計(jì)方法與文獻(xiàn)[3]方法、文獻(xiàn)[4]方法能源多目標(biāo)優(yōu)化調(diào)整方法的電力平穩(wěn)性能。不同方法的電力運(yùn)行波動(dòng)情況對(duì)比實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 不同方法的電力運(yùn)行波動(dòng)情況對(duì)比實(shí)驗(yàn)結(jié)果

根據(jù)圖3的實(shí)驗(yàn)結(jié)果可知，當(dāng)運(yùn)行時(shí)間為24 h時(shí)，文獻(xiàn)[3]方法的平均電力負(fù)荷為322.3 MW·h，文獻(xiàn)[4]方法的平均電力負(fù)荷為337.5 MW·h，而設(shè)計(jì)方法的平均電力負(fù)荷為315.3 MW·h。由此可知，設(shè)計(jì)方法的電力負(fù)荷較低，與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法相比，設(shè)計(jì)方法的電力運(yùn)行波動(dòng)較小，電力平穩(wěn)性能較好。

3.3 實(shí)驗(yàn)結(jié)果2

在上述實(shí)驗(yàn)的基礎(chǔ)上，進(jìn)一步對(duì)2010—2019年寧夏全社會(huì)用電量和全社會(huì)最大負(fù)荷進(jìn)行分析，具體實(shí)驗(yàn)結(jié)果如下。

3.3.1 全社會(huì)用電量

(1)用電量增速：2010—2019年寧夏全社會(huì)用電量及增速結(jié)果如圖4所示。

圖4 2010—2019年寧夏全社會(huì)用電量及增速結(jié)果

根據(jù)圖4可知，“十三五”以來(lái)，從總量來(lái)看，寧夏全社會(huì)用電量保持持續(xù)增長(zhǎng)態(tài)勢(shì)，2019年全社會(huì)用電量1 083.9億kW·h，是2010年的1.98倍，是2015年的1.23倍。從增速來(lái)看，“十三五”前四年年均增速5.4%。2016年，受自治區(qū)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整影響，全社會(huì)用電量增速較低；2017—2018年受國(guó)家經(jīng)濟(jì)政策刺激的影響，全社會(huì)用電量增速大幅反彈；2019年寧夏高耗能市場(chǎng)行情疲軟，全社會(huì)用電量增速較低。

(2)用電量結(jié)構(gòu)：2010—2019年寧夏全社會(huì)用電量結(jié)構(gòu)變化如表6所示。

表6 2010—2019年寧夏全社會(huì)用電量結(jié)構(gòu)變化 億kW·h

根據(jù)表6可知，從產(chǎn)業(yè)結(jié)構(gòu)來(lái)看，第二產(chǎn)業(yè)尤其是重工業(yè)用電占比過(guò)重是寧夏用電結(jié)構(gòu)的主要特征。2010年以來(lái)，第二產(chǎn)業(yè)用電量占比始終在90%以上。近些年，在經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)和環(huán)保政策持續(xù)發(fā)力的作用下，寧夏用電結(jié)構(gòu)進(jìn)一步優(yōu)化，第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)和城鄉(xiāng)居民生活用電占比由2015年的1.9∶91.5∶4.0∶2.7調(diào)整為2019年的0.6∶90.2∶6.3∶2.9，三產(chǎn)用電占比呈穩(wěn)步提高趨勢(shì)，一產(chǎn)、二產(chǎn)用電占比穩(wěn)中有下降，居民生活用電增速震蕩企穩(wěn)，基本保持穩(wěn)定。

2010—2019年寧夏分產(chǎn)業(yè)用電結(jié)構(gòu)變化如圖5所示。

圖5 2010—2019年寧夏分產(chǎn)業(yè)用電結(jié)構(gòu)變化

根據(jù)圖5可知，從2019年用電量結(jié)構(gòu)來(lái)看，二產(chǎn)仍是拉動(dòng)全社會(huì)用電量增長(zhǎng)的主要因素。2019年，寧夏全社會(huì)用電量1083.9億kW·h，同比增長(zhǎng)1.8%，其中，一產(chǎn)用電6.9億kW·h，同比增長(zhǎng)19.6%，主要是農(nóng)業(yè)、林業(yè)、畜牧業(yè)用電量增長(zhǎng)較快；二產(chǎn)用電977.5億kW·h，同比增長(zhǎng)1.1%；三產(chǎn)用電68.4億kW·h，同比增長(zhǎng)9.9%，主要是電信和其他信息傳輸服務(wù)業(yè)、批發(fā)和零售業(yè)、餐飲、住宿等商業(yè)活動(dòng)活躍，用電增長(zhǎng)較快；城鄉(xiāng)居民生活用電31.1億kW·h，同比增長(zhǎng)5.4%。

3.3.2 全社會(huì)最大負(fù)荷

(1)負(fù)荷增速：寧夏“十三五”前四年全社會(huì)最大負(fù)荷及增速結(jié)果如圖6所示。

圖6 寧夏“十三五”前四年全社會(huì)最大負(fù)荷及增速結(jié)果

根據(jù)圖6可知，“十三五”以來(lái)，寧夏全社會(huì)最大負(fù)荷呈現(xiàn)連年增長(zhǎng)態(tài)勢(shì)，從2015年的1 249萬(wàn)kW增長(zhǎng)至2019年的1 555萬(wàn)kW，“十三五”前四年年均增速5.6%。

(2)年負(fù)荷特性：寧夏電網(wǎng)歷史年統(tǒng)調(diào)負(fù)荷曲線如圖7所示。

根據(jù)圖7可知，寧夏電網(wǎng)年負(fù)荷特性隨著季節(jié)變化呈現(xiàn)“一峰一谷”，最大負(fù)荷一般出現(xiàn)在冬季，并呈現(xiàn)逐年遞增的趨勢(shì)。由于寧夏配電網(wǎng)負(fù)荷基數(shù)小，高耗能負(fù)荷占比較大，因此全網(wǎng)負(fù)荷的波動(dòng)性在高耗能市場(chǎng)穩(wěn)定的情況下主要受季節(jié)性負(fù)荷變化的影響較大。主要季節(jié)性負(fù)荷包括4月中旬—9月中旬的春季灌溉負(fù)荷，6月—8月的夏季空調(diào)負(fù)荷，10月下旬—11月下旬的冬季灌溉負(fù)荷，11月—次年3月的冬季取暖負(fù)荷。由于冬季取暖負(fù)荷和灌溉負(fù)荷的疊加，使得年最大負(fù)荷一般出現(xiàn)在冬季；而春節(jié)長(zhǎng)假一般出現(xiàn)在2月份，2月份部分工業(yè)負(fù)荷停運(yùn)，同時(shí)取暖負(fù)荷減少，使得年最小負(fù)荷一般出現(xiàn)在該月。

圖7 寧夏電網(wǎng)歷史年統(tǒng)調(diào)負(fù)荷曲線

寧夏電網(wǎng)季不均衡系數(shù)如圖8所示。

圖8 寧夏電網(wǎng)季不均衡系數(shù)

根據(jù)圖8可知，2016—2019年寧夏電網(wǎng)季不均衡系數(shù)逐年上升，主要是由于高耗能負(fù)荷占比較大，近年來(lái)寧夏地區(qū)高耗能負(fù)荷趨于平穩(wěn)，各月最大負(fù)荷與年最大負(fù)荷差值逐漸減小。隨著經(jīng)濟(jì)結(jié)構(gòu)調(diào)整，高耗能行業(yè)發(fā)展趨于平穩(wěn)后，季不均衡系數(shù)將呈現(xiàn)下降趨勢(shì)。

3 結(jié) 語(yǔ)

為降低西北地區(qū)綠色能源總運(yùn)行成本與棄風(fēng)量，減少電力運(yùn)行波動(dòng)，提出西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整方法。研究西北地區(qū)綠色能源使用情況，分析西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)特性，獲取結(jié)構(gòu)運(yùn)行規(guī)律并進(jìn)行優(yōu)化。采用隨機(jī)森林算法實(shí)施功率預(yù)測(cè)，建立綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整模型并對(duì)其進(jìn)行求解，實(shí)現(xiàn)西北地區(qū)綠色能源互聯(lián)網(wǎng)結(jié)構(gòu)多目標(biāo)優(yōu)化調(diào)整。研究實(shí)現(xiàn)了總運(yùn)行成本與棄風(fēng)量的降低以及電力運(yùn)行波動(dòng)的平穩(wěn)化，其寧夏全社會(huì)用電量增速較低，全社會(huì)最大負(fù)荷呈增長(zhǎng)態(tài)勢(shì)，季不均衡系數(shù)呈下降趨勢(shì)，能夠?yàn)榉骞炔钇揭帧⑿履茉聪{、經(jīng)濟(jì)性與可靠性的提升等提供一定的參考。