不確定環(huán)境下集中式新能源并網(wǎng)電網(wǎng)容量規(guī)劃研究

摘 要：新能源發(fā)電具有較強(qiáng)的不確定性，對電網(wǎng)的安全穩(wěn)定運(yùn)行帶來了一定影響。因此，研究提出不確定環(huán)境下集中式新能源并網(wǎng)電網(wǎng)容量規(guī)劃研究，設(shè)計(jì)新能源并網(wǎng)電網(wǎng)結(jié)構(gòu)，了解其中功率供需的平衡條件，基于不確定環(huán)境構(gòu)建容量規(guī)劃模型，優(yōu)化電網(wǎng)性能指標(biāo)，基于模型求解得出最優(yōu)容量規(guī)劃方案。試驗(yàn)結(jié)果表明，集中式新能源并網(wǎng)電網(wǎng)容量規(guī)劃方法對保障電網(wǎng)的安全運(yùn)行具有重要意義，與其他方法相比，該方法減少了電池的放電深度，即增加了電網(wǎng)的全壽命周期循環(huán)次數(shù)，延長了使用年限，且該方法的年綜合成本最小，證明該方法具有經(jīng)濟(jì)性。

關(guān)鍵詞：并網(wǎng)電網(wǎng)；電力系統(tǒng)；電網(wǎng)容量；電網(wǎng)規(guī)劃；集中式新能源

中圖分類號：TP 39" " 文獻(xiàn)標(biāo)志碼：A

目前，風(fēng)電、光伏等可再生能源因其零污染、儲量大、可再生等顯著優(yōu)勢，逐漸成為能源轉(zhuǎn)型的重要方向。文獻(xiàn)[1]構(gòu)建了高比例清潔能源并網(wǎng)場景的電力系統(tǒng)儲能優(yōu)化模型，該模型基于電力系統(tǒng)的儲能需求，設(shè)立了電力系統(tǒng)儲能容量優(yōu)化的綜合目標(biāo)函數(shù)。通過引入充放電功率參數(shù)的約束條件，精確計(jì)算了系統(tǒng)在整個運(yùn)營周期內(nèi)所需的理想儲能容量。文獻(xiàn)[2]采用雙層模型架構(gòu)來優(yōu)化容量配置與運(yùn)行調(diào)度，上層模型實(shí)現(xiàn)項(xiàng)目投資期內(nèi)的成本最小化，得出初步的光儲系統(tǒng)容量配置方案，并將其作為下層模型的輸入?yún)?shù)。下層模型旨在實(shí)現(xiàn)光儲并網(wǎng)后日運(yùn)行成本最優(yōu)化，輸出光伏、蓄電池及電網(wǎng)常規(guī)機(jī)組的最優(yōu)調(diào)度計(jì)劃，并反饋至上層模型作為調(diào)整依據(jù)。持續(xù)進(jìn)行上下層循環(huán)迭代的過程，直至達(dá)到預(yù)設(shè)的收斂標(biāo)準(zhǔn)，從而實(shí)現(xiàn)光儲系統(tǒng)容量的精準(zhǔn)動態(tài)規(guī)劃與持續(xù)優(yōu)化。與以上兩種方法相比，本文方法通過科學(xué)合理的容量規(guī)劃，可以保證當(dāng)電網(wǎng)應(yīng)對新能源出力不確定性時保持足夠的靈活性和穩(wěn)定性，從而最大限度地發(fā)揮新能源的效益，推動能源結(jié)構(gòu)的優(yōu)化調(diào)整。

1 不確定環(huán)境下新能源并網(wǎng)電網(wǎng)容量規(guī)劃方法設(shè)計(jì)

1.1 考慮不確定環(huán)境的風(fēng)機(jī)輸出功率狀態(tài)分析

集中式新能源并網(wǎng)電網(wǎng)是指將大規(guī)模可再生能源發(fā)電系統(tǒng)（例如太陽能光伏電站、風(fēng)力發(fā)電場等）直接接入電力系統(tǒng)中，實(shí)現(xiàn)電能集中輸送和調(diào)度。在對該電網(wǎng)進(jìn)行容量規(guī)劃設(shè)計(jì)的過程中[3]，須分析考慮不確定環(huán)境的風(fēng)機(jī)輸出功率狀態(tài)。與光伏相比，風(fēng)機(jī)輸出功率受到不確定因素的影響更大。風(fēng)資源本身具有間歇性和波動性的特點(diǎn)。風(fēng)速的大小和方向時刻在變化，不同季節(jié)、不同地理位置的風(fēng)況差異很大，直接導(dǎo)致風(fēng)機(jī)的輸出功率不穩(wěn)定。環(huán)境因素也會對風(fēng)機(jī)輸出功率產(chǎn)生影響。例如溫度、氣壓、空氣密度等氣象條件的變化，都會改變風(fēng)機(jī)的發(fā)電效率。在寒冷的天氣中，風(fēng)機(jī)的葉片可能會結(jié)冰，從而降低風(fēng)能捕獲能力，影響輸出功率。因此，根據(jù)集中式新能源并網(wǎng)電網(wǎng)結(jié)構(gòu)，了解電網(wǎng)功率供需的平衡條件。

圖1為本文所設(shè)計(jì)的并網(wǎng)電網(wǎng)結(jié)構(gòu)示意圖。此結(jié)構(gòu)以交流母線為核心，通過先進(jìn)的電力電子轉(zhuǎn)換技術(shù)，無縫集成網(wǎng)絡(luò)內(nèi)的分散式風(fēng)力發(fā)電單元、分布式太陽能光伏陣列、儲能裝置以及各類負(fù)荷。系統(tǒng)特設(shè)公共接入點(diǎn)，實(shí)現(xiàn)與上級電網(wǎng)之間的靈活能量交換，保證電能的雙向流動與高效整合。

以風(fēng)電機(jī)組為例，風(fēng)機(jī)運(yùn)行區(qū)域的實(shí)際風(fēng)速與風(fēng)機(jī)的輪轂安裝高度緊密相關(guān)，具體表現(xiàn)：當(dāng)風(fēng)機(jī)的輪轂被置于更高的位置時，該位置測得的風(fēng)速值會相應(yīng)提升。因此，可以用公式（1）計(jì)算風(fēng)機(jī)輪轂位置的實(shí)際風(fēng)速。

（1）

式中：v1為氣象站的實(shí)際測量風(fēng)速；h1為氣象站測風(fēng)塔的高度；α為地面粗糙度因子；h為風(fēng)機(jī)輪轂的高度。

由于風(fēng)機(jī)通過葉片捕獲風(fēng)能并將其轉(zhuǎn)化為機(jī)械能，再進(jìn)一步轉(zhuǎn)化為電能，因此輪轂位置的風(fēng)速是決定風(fēng)能大小的關(guān)鍵因素。當(dāng)輪轂位置風(fēng)速增加時，更多的風(fēng)能作用于葉片，葉片轉(zhuǎn)動的動能增加，從而帶動發(fā)電機(jī)產(chǎn)生更多的電能，風(fēng)機(jī)輸出功率上升。反之，當(dāng)風(fēng)速減少時，風(fēng)能降低，葉片轉(zhuǎn)動的能量不足，發(fā)電機(jī)產(chǎn)生的電能也隨之降低，風(fēng)機(jī)輸出功率下降。因此，風(fēng)機(jī)輸出功率的特性受制于風(fēng)機(jī)輪轂位置的風(fēng)速變化，風(fēng)機(jī)輪轂位置的實(shí)際風(fēng)速與風(fēng)機(jī)輸出功率之間的關(guān)系如公式（2）所示。

（2）

式中：p（v）為風(fēng)機(jī)的輸出功率關(guān)于風(fēng)機(jī)輪轂處實(shí)際風(fēng)速v的函數(shù)；pβ為風(fēng)機(jī)的額定輸出功率；vi，v0分別為切入、出風(fēng)速；vβ為額定風(fēng)速。

在風(fēng)機(jī)運(yùn)行的不同風(fēng)速條件下，其輸出功率狀態(tài)如下。1）若風(fēng)機(jī)輪轂位置實(shí)測風(fēng)速大于等于風(fēng)機(jī)的切入風(fēng)速vi，且未達(dá)到額定風(fēng)速vβ時，可通過公式（2）精確計(jì)算風(fēng)機(jī)的輸出功率。2）當(dāng)風(fēng)速v大于等于額定風(fēng)速vβ，但尚未觸及風(fēng)機(jī)的切出風(fēng)速v0時，風(fēng)機(jī)會在控制系統(tǒng)的調(diào)節(jié)作用下，自動維持其輸出功率在額定功率pβ的水平。3）當(dāng)風(fēng)速v不在上述兩個區(qū)間，大于等于切出風(fēng)速v0，或小于切入風(fēng)速vi時，為保障風(fēng)機(jī)安全及效率，風(fēng)機(jī)會停止工作。

1.2 基于不確定環(huán)境的并網(wǎng)電網(wǎng)容量優(yōu)化

新能源發(fā)電受自然因素影響較大，具有顯著的隨機(jī)性和波動性。這種不確定性使新能源發(fā)電的預(yù)測和調(diào)度變得復(fù)雜，影響電網(wǎng)容量規(guī)劃。因此，為保證本文設(shè)計(jì)的容量規(guī)劃方法具有較高的可行性，需要針對不確定環(huán)境設(shè)計(jì)容量規(guī)劃模型。

通過上述設(shè)計(jì)的新能源并網(wǎng)電網(wǎng)結(jié)構(gòu)可知，當(dāng)風(fēng)速位于切入風(fēng)速vi與額定風(fēng)速vβ之間時，該風(fēng)速可被分為x個狀態(tài)，并由最優(yōu)離散劃分方法可得出風(fēng)速概率分布的最優(yōu)分位點(diǎn)ni（i=1，2，...，x），計(jì)算每個風(fēng)速狀態(tài)發(fā)生的概率如公式（3）、公式（4）所示。

（3）

（4）

式中：f（v）為風(fēng)速的概率密度函數(shù)；f1（i）為第i個狀態(tài)發(fā)生的概率。

通過上述公式即可計(jì)算特定時刻下并網(wǎng)電網(wǎng)的輸出功率及其對應(yīng)的狀態(tài)概率，在此過程中，將風(fēng)速的不確定性狀態(tài)按照分布規(guī)律處理為多個確定的離散的確定性狀態(tài)，可為下列容量規(guī)劃模型建立提供了更可靠的幫助。

在優(yōu)化電網(wǎng)的經(jīng)濟(jì)性、可靠性及并網(wǎng)性能指標(biāo)的目標(biāo)函數(shù)框架內(nèi)，納入不確定性因素對運(yùn)行穩(wěn)定性的潛在威脅。基于此，本研究引入條件風(fēng)險價值（CVaR）概念，其目的是對電網(wǎng)因不確定性因素而產(chǎn)生的運(yùn)行風(fēng)險進(jìn)行量化處理。在電網(wǎng)的運(yùn)行過程中，存在很多不確定性因素，例如新能源發(fā)電（例如風(fēng)電和光伏發(fā)電）的間歇性、負(fù)荷需求的波動性等。這些不確定性因素會給電網(wǎng)的穩(wěn)定運(yùn)行帶來風(fēng)險，而引入條件風(fēng)險價值概念，能夠?qū)⑦@些難以直接衡量的風(fēng)險轉(zhuǎn)化為一種可以量化的平均風(fēng)險成本。

這種平均風(fēng)險成本能夠被無縫地整合進(jìn)已有的確定性優(yōu)化模型中的投資成本評估體系。在傳統(tǒng)的確定性優(yōu)化模型中，投資成本評估主要關(guān)注的是一些確定性的因素，例如設(shè)備的購置成本、安裝成本等。然而，隨著電網(wǎng)運(yùn)行環(huán)境的日益復(fù)雜，不確定性因素對投資決策的影響不容忽視。將量化后的平均風(fēng)險成本融入投資成本評估體系，能夠使投資決策更加全面、科學(xué)，更符合實(shí)際電網(wǎng)運(yùn)行的需求。

基于上述對風(fēng)險的量化和整合，再構(gòu)建一個容量優(yōu)化模型。這個模型充分考慮了風(fēng)光資源（風(fēng)能和太陽能資源）以及負(fù)荷波動的隨機(jī)性。風(fēng)能和太陽能資源的輸出功率受到自然條件（例如風(fēng)速、光照強(qiáng)度等）的強(qiáng)烈影響，具有很大的隨機(jī)性。同時，負(fù)荷需求也并非固定不變，而是會隨著時間、季節(jié)、用戶行為等因素而波動。該容量優(yōu)化模型能夠在綜合考慮這些隨機(jī)性因素的基礎(chǔ)上，對電網(wǎng)的容量進(jìn)行優(yōu)化配置，提高電網(wǎng)應(yīng)對不確定性的能力，保障電網(wǎng)的安全，保證穩(wěn)定和高效運(yùn)行。

容量優(yōu)化模型的計(jì)算過程如公式（5）所示。

（5）

式中：η為風(fēng)險系數(shù)；x為決策變量；δ為隨機(jī)變量；γ（i）為各隨機(jī)變量對應(yīng)的概率密度函數(shù)；S為風(fēng)險度量模型。

將風(fēng)險度量模型S（η，x，γ（i））得出的平均風(fēng)險損失加入經(jīng)濟(jì)性指標(biāo)，得出在不確定環(huán)境下電費(fèi)經(jīng)濟(jì)成本函數(shù)Ccost，并通過等權(quán)重模式將并網(wǎng)性能與經(jīng)濟(jì)性、可靠性3個指標(biāo)轉(zhuǎn)化為輸出的容量規(guī)劃結(jié)果。

1.3 基于模型求解得出最優(yōu)容量規(guī)劃方案

對建立的容量規(guī)劃模型進(jìn)行求解與訓(xùn)練，即可得出具體的集中式新能源并網(wǎng)電網(wǎng)容量規(guī)劃方案。因此，本文利用IGWO算法實(shí)現(xiàn)并網(wǎng)型微電網(wǎng)電源容量規(guī)劃模型的求解，通過模擬一整年的電網(wǎng)運(yùn)行情況，旨在最小化電網(wǎng)運(yùn)行期間的綜合經(jīng)濟(jì)成本。IGWO算法具有較強(qiáng)的全局搜索能力。在微電網(wǎng)電源容量規(guī)劃的優(yōu)化問題中，解空間往往非常龐大且存在多個局部最優(yōu)解，IGWO算法能夠在整個解空間內(nèi)進(jìn)行廣泛搜索，避免陷入局部最優(yōu)，更有可能找到使綜合經(jīng)濟(jì)成本最小化的全局最優(yōu)解。該算法的收斂速度相對較快。當(dāng)模擬一整年電網(wǎng)運(yùn)行情況時，需要處理大量的數(shù)據(jù)和進(jìn)行多次迭代計(jì)算，IGWO算法能夠在較短的時間內(nèi)收斂到較優(yōu)的解，提高計(jì)算效率。在具體實(shí)施過程中，應(yīng)用IGWO 算法，通過不斷迭代優(yōu)化過程，搜索并確定最佳的電源容量配置方案。具體步驟如下。1）當(dāng)評估全年風(fēng)機(jī)與光伏系統(tǒng)的發(fā)電效能時，若需要納入輸出功率影響因素，則根據(jù)所建立的概率密度函數(shù)，實(shí)時調(diào)整電價策略及記錄響應(yīng)后的負(fù)荷變動數(shù)據(jù)。2）基于本文設(shè)計(jì)的運(yùn)營策略，執(zhí)行全年模擬運(yùn)行過程，計(jì)算優(yōu)化目標(biāo)所需的關(guān)鍵參數(shù)集。這些參數(shù)包括但不限于：每小時與主電網(wǎng)的交互電量、各類運(yùn)營成本、電力銷售收益等，全面反映系統(tǒng)在不同運(yùn)營條件下的經(jīng)濟(jì)性與效率。3）根據(jù)以上參數(shù)，在考慮約束條件下，計(jì)算每個個體的適應(yīng)度值，并進(jìn)行排序。4）對當(dāng)代種群中的最優(yōu)個體進(jìn)行變異處理。5）評估當(dāng)前迭代次數(shù)是否觸及算法預(yù)設(shè)的最大迭代次數(shù)，若尚未達(dá)到此上限，則循環(huán)執(zhí)行步驟2至步驟3，利用算法更新機(jī)制重新計(jì)算每個個體的新位置。一旦迭代次數(shù)達(dá)到最大值，即終止循環(huán)。

輸出當(dāng)前的最優(yōu)個體位置作為全局最優(yōu)解，確定風(fēng)機(jī)、光伏以及儲能系統(tǒng)的最佳容量規(guī)劃方案。綜上所述，求解容量規(guī)劃模型的具體流程如圖2所示。

2 試驗(yàn)測試與分析

2.1 試驗(yàn)準(zhǔn)備

為驗(yàn)證本文提出的不確定環(huán)境下集中式新能源并網(wǎng)電網(wǎng)容量規(guī)劃方法的可行性，現(xiàn)進(jìn)行試驗(yàn)測試，本次測試是在不確定環(huán)境下，實(shí)現(xiàn)優(yōu)化集中式新能源并網(wǎng)電網(wǎng)的容量規(guī)劃，保障電網(wǎng)的安全，保證穩(wěn)定和高效運(yùn)行，同時，評估本文與文獻(xiàn)[1]、文獻(xiàn)[2]的容量規(guī)劃方案的經(jīng)濟(jì)性、可靠性和靈活性。使用Matlab軟件搭建仿真測試環(huán)境，以東北某地區(qū)級的集中式新能源并網(wǎng)電網(wǎng)實(shí)際運(yùn)行數(shù)據(jù)為基礎(chǔ)，在該電網(wǎng)中，本文測試所使用的各類設(shè)備的數(shù)據(jù)成本見表1。

為全面評估規(guī)劃后的電網(wǎng)性能，本次試驗(yàn)?zāi)M了電網(wǎng)一整年（共計(jì)8760h）的運(yùn)行情況，并將仿真時間間隔精細(xì)設(shè)定為每小時，分別采用本文方法與文獻(xiàn)[1]、文獻(xiàn)[2]方法對并網(wǎng)電網(wǎng)進(jìn)行容量規(guī)劃分析。詳細(xì)的測試步驟設(shè)計(jì)如下。1）收集該地區(qū)的去幾年光伏發(fā)電量、負(fù)荷需求、電網(wǎng)輸電能力等歷史數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行清洗、整理，去除異常值和缺失值。2）構(gòu)建考慮新能源發(fā)電不確定性的兩階段分布魯棒優(yōu)化模型，優(yōu)化新能源并網(wǎng)容量和儲能系統(tǒng)配置。3）基于歷史數(shù)據(jù)生成一個可能的新能源發(fā)電場景，采用場景聚類分析技術(shù)對該場景進(jìn)行降維處理，減少模型求解的復(fù)雜度。4）記錄3種方法在上述設(shè)定的試驗(yàn)條件下的電網(wǎng)運(yùn)行狀態(tài)、經(jīng)濟(jì)性指標(biāo)（例如成本、收益）、可靠性指標(biāo)（例如停電時間、電壓穩(wěn)定性）等，驗(yàn)證本文方法的實(shí)際性能。

2.2 試驗(yàn)結(jié)果與分析

基于上述試驗(yàn)步驟及各項(xiàng)參數(shù)的設(shè)定，使用3種方法進(jìn)行規(guī)劃后的該電網(wǎng)的各項(xiàng)指標(biāo)測試，結(jié)果見表2。

根據(jù)上述測試結(jié)果表明，在不確定環(huán)境下，本文設(shè)計(jì)的集中式新能源并網(wǎng)電網(wǎng)容量規(guī)劃方法對保障電網(wǎng)的安全運(yùn)行具有重要意義，與其他方法相比，本文方法減少了電池的放電深度，即增加了電網(wǎng)的全壽命周期循環(huán)次數(shù)，延長了使用年限，并且本文方法的年綜合成本最低，證明該方法具有經(jīng)濟(jì)性。未來研究可以進(jìn)一步考慮更多影響因素和更復(fù)雜的場景，提高容量規(guī)劃方案的準(zhǔn)確性和實(shí)用性。同時，隨著技術(shù)的不斷進(jìn)步和成本降低，新能源并網(wǎng)電網(wǎng)的容量規(guī)劃將面臨更多的機(jī)遇和挑戰(zhàn)。

3 結(jié)語

本研究通過綜合運(yùn)用多種分析工具、優(yōu)化算法以及仿真模型，不僅揭示了新能源并網(wǎng)過程中面臨的不確定性挑戰(zhàn)（例如資源波動性、負(fù)荷預(yù)測誤差、政策變動等），還探索了有效應(yīng)對這些不確定性的策略與路徑。集中式新能源并網(wǎng)電網(wǎng)的容量規(guī)劃不僅是技術(shù)問題，更是經(jīng)濟(jì)、社會與環(huán)境多維因素的綜合考量。通過構(gòu)建靈活的電網(wǎng)架構(gòu)、提高儲能技術(shù)的經(jīng)濟(jì)性與效率、優(yōu)化調(diào)度策略以及加強(qiáng)跨領(lǐng)域協(xié)同，能夠更好地平衡新能源接入與電網(wǎng)穩(wěn)定運(yùn)行之間的關(guān)系，推動能源結(jié)構(gòu)的綠色化轉(zhuǎn)型。

參考文獻(xiàn)

[1]鐘雅珊，包博，左劍，等.高比例清潔能源并網(wǎng)的電力系統(tǒng)儲能容量優(yōu)化規(guī)劃方法[J].自動化應(yīng)用，2023，64（17）：92-95.

[2]戚艷，王旭東，陳淑婷，等.光儲系統(tǒng)并網(wǎng)動態(tài)容量規(guī)劃及運(yùn)行優(yōu)化研究[J].電測與儀表，2024，61（04）：116-122.

[3]呂航，柴小亮，徐松曉，等.分布式光伏發(fā)電并網(wǎng)系統(tǒng)混合儲能容量自適應(yīng)規(guī)劃方法[J].無線電工程，2023，53（11）：2708-2714.