沈 筱，方國(guó)華，譚喬鳳，聞 昕

(河海大學(xué)水利水電學(xué)院，江蘇 南京 210098)

清潔能源的開發(fā)利用越來越受到國(guó)內(nèi)外的關(guān)注，但風(fēng)能、太陽能等清潔能源具有隨機(jī)波動(dòng)性[1]，這類電源的并網(wǎng)發(fā)電將對(duì)電網(wǎng)的穩(wěn)定產(chǎn)生沖擊，對(duì)電能質(zhì)量產(chǎn)生不良影響[2]。為此，國(guó)內(nèi)外已有大量研究針對(duì)可再生能源的互補(bǔ)開發(fā)利用。李勁彬等基于頻譜分析確定風(fēng)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(jì)效益[3]。Ming等建立長(zhǎng)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(fēng)光水互補(bǔ)發(fā)電系統(tǒng)的調(diào)度策略[5]。目前，針對(duì)水庫群與其他多種可再生能源結(jié)合形成的互補(bǔ)系統(tǒng)的調(diào)度決策，國(guó)內(nèi)外相關(guān)研究較少。

本文在前人研究的基礎(chǔ)上，研究梯級(jí)水庫群接入光伏電站、風(fēng)電場(chǎng)后的調(diào)度規(guī)則。以雅礱江下游梯級(jí)水庫群為例，在確定性優(yōu)化模型計(jì)算結(jié)果的基礎(chǔ)上，基于GRA分析結(jié)果確定各時(shí)期影響因子，應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)提取調(diào)度規(guī)則。

1 多能互補(bǔ)優(yōu)化調(diào)度模型

1.1 目標(biāo)函數(shù)

建立以風(fēng)光水發(fā)電系統(tǒng)發(fā)電量最大為目標(biāo)的模型，目標(biāo)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(jí)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(shí)段的下泄流量、時(shí)段的出力或者時(shí)段末的水庫蓄水量，從調(diào)度規(guī)則的有效性檢驗(yàn)結(jié)果看，以時(shí)段末的水庫蓄水量為決策變量較好[6]。本文選擇時(shí)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(shí)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(fēng)電場(chǎng)以及光伏電站的平均出力作為影響因子。

2.2 灰色關(guān)聯(lián)分析確定影響因子

灰色關(guān)聯(lián)分析是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度衡量因素間關(guān)聯(lián)程度的一種方法。灰色關(guān)聯(lián)度可找出系統(tǒng)中各影響因素的主次關(guān)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(yīng)系統(tǒng)內(nèi)部演變的規(guī)律。對(duì)于水庫調(diào)度規(guī)則的提取，基于灰色關(guān)聯(lián)分析結(jié)果可篩選影響因子[7]。

灰色關(guān)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(shí)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(jì)算關(guān)聯(lián)系數(shù)；④計(jì)算關(guān)聯(lián)度；⑤關(guān)聯(lián)度排序，將關(guān)聯(lián)度從小到大排列，關(guān)聯(lián)度越大，該比較數(shù)列對(duì)參考數(shù)列的影響越大。

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

BP人工神經(jīng)網(wǎng)絡(luò)是采用誤差逆?zhèn)鞑ニ惴ㄟM(jìn)行誤差校正的多層前饋網(wǎng)絡(luò)，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(luò)工具箱進(jìn)行神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和預(yù)測(cè)，將數(shù)據(jù)樣本分為訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練網(wǎng)絡(luò)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(diǎn)數(shù)可根據(jù)經(jīng)驗(yàn)公式s=2a+1 取值(a為輸入層結(jié)點(diǎn)數(shù))[10]。

3 實(shí)例研究

3.1 雅礱江下游梯級(jí)水庫群

以雅礱江下游梯級(jí)水庫群為實(shí)例研究對(duì)象。下游河段從錦屏一級(jí)至江口共有5級(jí)開發(fā)，依次為錦屏一級(jí)(3 600 MW)、錦屏二級(jí)(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(jí)、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(jìn)行日調(diào)節(jié)。本文以錦屏一級(jí)和官地為典型工程，考慮接入其周邊全部風(fēng)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(fēng)電、光電出力數(shù)據(jù)以月為尺度，分別按各水電站裝機(jī)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(shè)系統(tǒng)優(yōu)先送出風(fēng)電、光電。以風(fēng)光水互補(bǔ)系統(tǒng)多年平均年發(fā)電量最大為目標(biāo)，運(yùn)用動(dòng)態(tài)規(guī)劃逐次逼近法(DPSA)得到梯級(jí)水庫群長(zhǎng)系列優(yōu)化調(diào)度結(jié)果。動(dòng)態(tài)規(guī)劃逐次逼近法(DPSA)將多維問題轉(zhuǎn)化為多個(gè)一維問題進(jìn)行求解，降低了算法的時(shí)間復(fù)雜度和空間復(fù)雜度[11]。

3.2 優(yōu)化調(diào)度結(jié)果

運(yùn)用DPSA求解多能互補(bǔ)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(fēng)電、光電呈現(xiàn)“冬春季大，夏秋季小”的規(guī)律，水電、風(fēng)電以及光電的自身出力存在季節(jié)上的互補(bǔ)。由圖1至圖4可知，風(fēng)光水聯(lián)合優(yōu)化下，供水階段，錦屏一級(jí)、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(fēng)電與光電，且受到外送通道的限制，汛期錦屏一級(jí)水電出力受限；供水期結(jié)束時(shí)，水庫水位更低，水電出力較未接入風(fēng)光時(shí)有所提高，增加水電出力。

圖1 接入風(fēng)、光前后錦屏一級(jí)水庫多年平均月末水位

圖2 接入風(fēng)、光前后二灘水庫多年平均月末水位

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

圖3 接入風(fēng)、光前后錦屏一級(jí)水電站多年平均出力

圖4 接入風(fēng)、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(guān)聯(lián)分析計(jì)算影響因子和決策變量之間的關(guān)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(jí)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(bǔ)優(yōu)化調(diào)度模型求解結(jié)果為訓(xùn)練樣本、檢驗(yàn)樣本，通過Matlab神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)BPANN訓(xùn)練過程，將樣本數(shù)據(jù)帶入訓(xùn)練好的模型中得到擬合結(jié)果。為提高網(wǎng)絡(luò)的泛化能力、防止過擬合，將網(wǎng)絡(luò)的擬合誤差控制在10%以內(nèi)，本文用BP人工神經(jīng)網(wǎng)絡(luò)擬合得到的時(shí)段末水庫蓄水量與DPSA優(yōu)化調(diào)度結(jié)果間的相對(duì)誤差來表示[12]。

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

表2 錦屏一級(jí)、二灘4月BPANN網(wǎng)絡(luò)擬合結(jié)果

3.4 不同調(diào)度方案對(duì)比分析

在本文提取得到的調(diào)度規(guī)則的基礎(chǔ)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(shí)段末蓄水量為基本條件，對(duì)雅礱江下游水庫群進(jìn)行長(zhǎng)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(fēng)光水互補(bǔ)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(fēng)光水聯(lián)合優(yōu)化調(diào)度，即多能互補(bǔ)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(chǔ)上進(jìn)行模擬調(diào)度；方案3，水庫常規(guī)調(diào)度與風(fēng)電、光電直接輸出；方案4，水庫優(yōu)化調(diào)度與風(fēng)電、光電直接輸出。其中，方案3、4未進(jìn)行風(fēng)光水聯(lián)合調(diào)度，且系統(tǒng)優(yōu)先送出風(fēng)電與光電。

對(duì)于4種調(diào)度方案，計(jì)算雅礱江下游水庫群、風(fēng)電場(chǎng)以及光伏電站的多年平均總發(fā)電量。由表3可知，風(fēng)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(dá)到872.80億kW·h，與水庫優(yōu)化調(diào)度與風(fēng)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(fēng)電、光電直接輸出時(shí)，系統(tǒng)多年平均總發(fā)電量最?。贿@是由于考慮水電、風(fēng)電與光電在季節(jié)上的互補(bǔ)運(yùn)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(fēng)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(fēng)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(fēng)光水聯(lián)合優(yōu)化調(diào)度基礎(chǔ)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(duì)比

4 結(jié) 論

本文在確定性優(yōu)化的基礎(chǔ)上，提取風(fēng)光水互補(bǔ)系統(tǒng)的調(diào)度規(guī)則。以雅礱江下游梯級(jí)水庫群為研究對(duì)象，建立了以系統(tǒng)總發(fā)電量最大為目標(biāo)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(shí)期影響因子，應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)提取調(diào)度規(guī)則：風(fēng)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(fēng)電和光電在季節(jié)上存在互補(bǔ)性，風(fēng)電和光電可彌補(bǔ)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(fēng)電、光電直接輸出方案提高3.38%，但低于風(fēng)光水聯(lián)合優(yōu)化調(diào)度方案0.70%。因此，在風(fēng)光水聯(lián)合優(yōu)化調(diào)度基礎(chǔ)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(fēng)光水互補(bǔ)系統(tǒng)實(shí)際優(yōu)化運(yùn)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(luò)方法，在今后研究中需進(jìn)一步探討其他方法在提取風(fēng)光水互補(bǔ)系統(tǒng)的調(diào)度規(guī)則上的應(yīng)用。