尹瑞，時珉，王鐵強，李正輝，劉嘉明，甄釗, 3，郭懷東，王飛

(1.國網(wǎng)河北省電力有限公司，石家莊市 050021；2.華北電力大學(xué)電力工程系，河北省保定市 071003；3.清華大學(xué)電機系，北京市 100084)

0 引 言

隨著全球化石能源的緊缺，清潔可再生的新能源日益受到關(guān)注。分布廣、儲量大的風(fēng)力和光伏發(fā)電作為新能源發(fā)電的重要組成部分，近年來得到了快速發(fā)展[1-2]。與可控性高的火電等常規(guī)能源不同，風(fēng)力和光伏發(fā)電受自然氣象因素影響明顯，其出力具有隨機性、間歇性與波動性，可調(diào)度性較差[3]，大規(guī)模并網(wǎng)將增加電網(wǎng)諧波含量，降低電能質(zhì)量，對電網(wǎng)的安全穩(wěn)定運行和系統(tǒng)的靈活性帶來不利影響[4]。系統(tǒng)的靈活性是指隨波動性負(fù)荷的變化，系統(tǒng)中可調(diào)電源的調(diào)節(jié)能力大小。對風(fēng)電和光伏進行功率預(yù)測可以為電網(wǎng)調(diào)度人員及時調(diào)整發(fā)電計劃提供參考，有助于減少系統(tǒng)的備用容量，實現(xiàn)對新能源的高效利用。而作為預(yù)測工作中重要的一部分，預(yù)測評價對于引導(dǎo)提高預(yù)測精度，服務(wù)于系統(tǒng)調(diào)度具有重要意義[5]。

隨著功率預(yù)測理論研究的深入，時間序列、人工神經(jīng)網(wǎng)絡(luò)、支持向量機和小波分析[6-8]等預(yù)測方法被應(yīng)用于新能源預(yù)測領(lǐng)域，但由于新能源固有的不可控性，輸出功率的預(yù)測誤差仍不可避免。目前國內(nèi)常用的功率預(yù)測評價指標(biāo)包括平均誤差、平均絕對誤差、最大誤差、均方根誤差，相關(guān)性系數(shù)等[9]，文獻[1]提出的多指標(biāo)融合的風(fēng)電功率預(yù)測評價方法即是基于上述評價指標(biāo)為基礎(chǔ)而構(gòu)建的。文獻[10-12]采用上述指標(biāo)對不同模型不同條件下的預(yù)測結(jié)果進行評價并加以對比，實現(xiàn)了模型改進與預(yù)測精度的提升?？傮w來說，上述評價指標(biāo)廣泛用于不同預(yù)測模型的評價與改進，并取得一定的效果，但現(xiàn)有評價指標(biāo)多為預(yù)測領(lǐng)域通用指標(biāo)[5]，作用范圍較為廣泛，針對性不強。綜合現(xiàn)有的預(yù)測評價指標(biāo)，文獻[13]提出了針對預(yù)測評價考核的準(zhǔn)確率、合格率、上報率3個指標(biāo)；在此基礎(chǔ)上，文獻[14]進一步完善各指標(biāo)的計算方法與等級評定標(biāo)準(zhǔn)，構(gòu)建了預(yù)測評價考核體系。然而，站在電網(wǎng)調(diào)度需求的角度考慮預(yù)測結(jié)果對調(diào)度影響的研究目前尚未見到。具體來說，在電力系統(tǒng)的運行靈活性較高(即系統(tǒng)的靈活可調(diào)節(jié)能力充足)時，新能源發(fā)電功率預(yù)測精度的高低對電網(wǎng)調(diào)度運行控制的影響不大；但當(dāng)運行靈活性較低(即系統(tǒng)的靈活可調(diào)節(jié)能力不足)時，此時新能源發(fā)電功率預(yù)測的精度就會對調(diào)度運行產(chǎn)生較大影響，如果預(yù)測精度較低，調(diào)度部門進行發(fā)電出力調(diào)整的難度將增大。由于現(xiàn)有文獻均針對預(yù)測結(jié)果進行孤立評價，未涉及從調(diào)度側(cè)來評價預(yù)測結(jié)果從而服務(wù)于調(diào)度需求(系統(tǒng)靈活性較高時，預(yù)測精度對調(diào)度的影響不大；靈活性較低時，預(yù)測精度對調(diào)度的影響較大，應(yīng)加強考核)，所以對功率預(yù)測的評價結(jié)果仍存在不合理之處。

本文從現(xiàn)有的功率預(yù)測評價指標(biāo)出發(fā)，充分考慮調(diào)度側(cè)靈活性要求，針對不同時期下火電機組的調(diào)峰能力和不同時段下電網(wǎng)調(diào)度對預(yù)測精度的需求不同，計算不同時段下系統(tǒng)運行的靈活性大小，并利用優(yōu)劣解距離法(technique for order preference by similarity to an ideal solution，TOPSIS)對不同時段下調(diào)度靈活性進行排序。分析時段因素對預(yù)測指標(biāo)評價效果的影響，并基于分析結(jié)果對現(xiàn)有評價指標(biāo)進行改進，實現(xiàn)對預(yù)測結(jié)果的真實評價，同時也保證評價的公平性。

1 現(xiàn)有風(fēng)電功率預(yù)測評價指標(biāo)分析

1.1 原有準(zhǔn)確率公式

原有短期和超短期功率預(yù)測考核準(zhǔn)確率E1計算公式為：

(1)

式中：pi為i時刻新能源電站實際功率，MW；p′i為i時刻新能源電站預(yù)測功率，MW；n為該日考核的預(yù)測點數(shù)，n=96；Cap為新能源電站裝機容量，MW。

該指標(biāo)在實際評價功率預(yù)測結(jié)果的過程中，計算的是一個考核日下各功率采樣點預(yù)測準(zhǔn)確性的平均情況，得到的是一個平均化的結(jié)果，會丟失預(yù)測結(jié)果中一些局部時段的關(guān)鍵性信息，因此，為更加準(zhǔn)確地評價功率預(yù)測結(jié)果，須結(jié)合電網(wǎng)調(diào)度的實際需求分時段、分情況地對該指標(biāo)進行修正。

1.2 現(xiàn)有準(zhǔn)確率公式

現(xiàn)有短期和超短期功率預(yù)測考核準(zhǔn)確率E2的計算公式為：

(2)

針對原有準(zhǔn)確率指標(biāo)存在忽略局部時段關(guān)鍵性信息的問題，該準(zhǔn)確率計算公式采用了加權(quán)的計算方法，即更加關(guān)注偏差較大局部時段對準(zhǔn)確率的影響。雖然該準(zhǔn)確率公式加強了對局部時段的考核，但仍沒有從系統(tǒng)靈活性的角度出發(fā)，考慮預(yù)測準(zhǔn)確率對調(diào)度的影響。預(yù)測評價指標(biāo)也要服務(wù)于調(diào)度，對電網(wǎng)的運行和調(diào)度的規(guī)劃起到一定的指導(dǎo)作用。所以仍須結(jié)合電網(wǎng)調(diào)度的實際需求分時段、分情況地對準(zhǔn)確率公式進行進一步修正。

1.3 調(diào)和平均數(shù)準(zhǔn)確率

第2 h調(diào)和平均數(shù)準(zhǔn)確率E3的計算公式為：

(3)

式(3)表示每個觀測點預(yù)測值與實際值絕對誤差在全天96個點的預(yù)測值與實際值絕對誤差總和中的占比，即每個觀測點的絕對誤差所占權(quán)重。調(diào)和平均數(shù)準(zhǔn)確率E3在0～1之間變化，當(dāng)預(yù)測值越接近實際值時，E3值越接近于1，說明功率預(yù)測精度越高；當(dāng)預(yù)測值與實際值差距越大時，E3值越接近于0，功率預(yù)測精度越低。雖然該考核指標(biāo)考慮了預(yù)測和實際的相對偏差，加強了對局部時段的考核，但仍沒有從調(diào)度側(cè)考慮準(zhǔn)確率對調(diào)度靈活性的影響，仍須結(jié)合電網(wǎng)調(diào)度需求進行修正。

2 面向調(diào)度需求的功率預(yù)測評價指標(biāo)

功率預(yù)測評價的目的是引導(dǎo)新能源電場提高預(yù)測精度，因此預(yù)測評價指標(biāo)的選取既要真實反映各電場預(yù)測結(jié)果的準(zhǔn)確性，也要保證評價的公平性。本文將從火電機組調(diào)峰特性與時段因素2個角度對當(dāng)前未考慮實際調(diào)度需求的預(yù)測評價指標(biāo)進行修正，形成一套面向調(diào)度需求的功率預(yù)測評價指標(biāo)。

常規(guī)的電力系統(tǒng)主要由火電機組擔(dān)任發(fā)電電源，并且利用備用容量作為應(yīng)對負(fù)荷變化的靈活性資源。由于電力系統(tǒng)的負(fù)荷預(yù)測具有較高的精度，所以系統(tǒng)中設(shè)定的備用容量往往可以滿足系統(tǒng)靈活性的要求。但隨著新能源的大規(guī)模接入，其輸出功率具有較大的隨機性和不確定性，常規(guī)的備用容量往往不能滿足要求，所以需要進行功率預(yù)測來確定系統(tǒng)的備用容量。

新能源實際與預(yù)測出力曲線如圖1所示。由圖1可以看出，在08:00—13:00時段，新能源的實際出力大于預(yù)測出力，若此時火電機組的調(diào)節(jié)能力不足，為保證供電的可靠性，只能進行棄風(fēng)或棄光操作。在13:00—19:00時段，新能源的實際出力小于預(yù)測出力，若此時火電機組的調(diào)節(jié)能力不足，為保證供電的可靠性，會導(dǎo)致切負(fù)荷事件。在08:00和12:00附近，出力曲線出現(xiàn)明顯的上爬坡和下爬坡。如果此時火電機組的爬坡能力無法跟隨，則只能棄風(fēng)棄光或切負(fù)荷操作。

圖1 新能源實際與預(yù)測出力曲線

由于在供熱季機組要保證對用戶的供熱，所以在供熱季機組的出力下限應(yīng)比非供熱季高。凈負(fù)荷即負(fù)荷與波動電源(風(fēng)電與光伏)之差。圖2給出了考慮供熱季與非供熱季對機組運行的影響。由圖2可以看出，火電機組運行在當(dāng)前時刻，滿足機組運行的要求。當(dāng)運行到下一時刻，假設(shè)不考慮爬坡速度的影響，在非供熱季，下一時刻的凈負(fù)荷滿足下限要求，機組可以正常運行。但如果此時為供熱季，機組運行前已經(jīng)小于供熱季機組的最小出力，所以為了保證機組的正常運行，只能進行棄風(fēng)或棄光操作。因此，不僅要考慮不同時段的系統(tǒng)靈活性對調(diào)度需求的影響，還要考慮供熱季與非供熱季對調(diào)度需求的影響。所以針對不同時段機組的出力能力不同，分情況計算系統(tǒng)的靈活性，找出靈活性不足的時段對預(yù)測指標(biāo)的評價具有重要意義。

圖2 考慮供熱季與非供熱季對機組運行的影響

2.1 技術(shù)流程及具體步驟

本文的技術(shù)流程如圖3所示，其具體步驟為：

圖3 技術(shù)流程

步驟1：根據(jù)系統(tǒng)的運行參數(shù)和功率數(shù)據(jù)，分別計算供熱季和非供熱季各個時段調(diào)度靈活性，得到靈活性矩陣K，并對靈活性矩陣進行預(yù)處理，將靈活性的值轉(zhuǎn)換到0～1之間。

步驟2：利用TOPSIS模型，分別對供熱季和非供熱季不同時段下的靈活性指標(biāo)進行綜合評價，并進行歸一化計算，得到權(quán)重矩陣S′。

步驟3：利用權(quán)重矩陣對現(xiàn)有準(zhǔn)確率指標(biāo)進行修正。

2.2 電力系統(tǒng)運行靈活性評估模型

當(dāng)考慮新能源接入系統(tǒng)時，電力系統(tǒng)運行的靈活性會受到很大影響，所以必須考慮電力系統(tǒng)運行靈活性的評估。機組運行場景分析如圖4所示。電力系統(tǒng)當(dāng)前的運動狀態(tài)為當(dāng)前運行點。場景1表示下一時刻的凈負(fù)荷增量超出系統(tǒng)單位時段的可調(diào)范圍，系統(tǒng)的上調(diào)靈活性不足；場景2表示由于機組上爬坡速度的影響，下一時刻的凈負(fù)荷大小超出了當(dāng)前系統(tǒng)的出力上限，系統(tǒng)的上調(diào)靈活性不足，導(dǎo)致上述現(xiàn)象的原因是火電機組存在一定的調(diào)整速度，不能及時對輸出功率進行調(diào)整；場景3表示下一時刻的凈負(fù)荷大小滿足系統(tǒng)運行的要求，具有一定的運行靈活性；場景4表示由于機組下爬坡速度的影響，下一時刻的凈負(fù)荷大小低于系統(tǒng)的出力下限，系統(tǒng)的下調(diào)靈活性不足；場景5表示下一時刻的凈負(fù)荷大小小于常規(guī)機組額定出力的下限，系統(tǒng)的下調(diào)靈活性不足[15-16]。

圖4 機組運行場景分析

本文針對運行階段常規(guī)火電機組與新能源出力的協(xié)調(diào)能力，定義了2個靈活性參數(shù)。

1)上調(diào)靈活性參數(shù)Ku。上調(diào)靈活性參數(shù)是指在運行日單位時段內(nèi)凈負(fù)荷增加時，常規(guī)機組可上調(diào)容量與凈負(fù)荷增加量的比值，其計算公式為：

(4)

一般情況下，上調(diào)靈活性參數(shù)都大于0。當(dāng)Ku在0～1之間時，說明機組的可上調(diào)容量小于凈負(fù)荷增加量，調(diào)度靈活性不足；當(dāng)Ku>1時，說明機組的可上調(diào)容量大于凈負(fù)荷增加量，調(diào)度靈活性充足。

2)下調(diào)靈活性參數(shù)Kd。下調(diào)靈活性參數(shù)是指在運行日單位時段內(nèi)凈負(fù)荷減少時，常規(guī)機組可下調(diào)容量與凈負(fù)荷減少量的比值，其計算公式為：

(5)

一般情況下，下調(diào)靈活性參數(shù)都大于0。當(dāng)Kd在0～1之間時，說明機組的可下調(diào)容量小于凈負(fù)荷的減少量，調(diào)度靈活性不足；當(dāng)Kd>1時，說明機組的可下調(diào)容量大于凈負(fù)荷的減少量，調(diào)度靈活性充足。

2.3 TOPSIS法

TOPSIS法是根據(jù)有限個評價對象與理想化目標(biāo)的接近程度進行排序的方法，是在現(xiàn)有的對象中進行相對優(yōu)劣的評價[17]。理想化目標(biāo)有2個，一個是肯定的理想目標(biāo)(或稱最優(yōu)目標(biāo))，另外一個是否定的理想目標(biāo)(也稱最劣目標(biāo))。若當(dāng)前評價指標(biāo)與最優(yōu)目標(biāo)最近，而與最劣目標(biāo)最遠，則可認(rèn)為是評價較好的對象[18]。該方法可用于預(yù)測、估計、解耦[19-21]性能的評價。

當(dāng)優(yōu)化問題有n個評價目標(biāo)D1，D2，…，Dn，每個目標(biāo)有m個評價指標(biāo)X1，X2，…，Xm時，建立該優(yōu)化問題的特征矩陣，見式(6)。

(6)

為了消除不同指標(biāo)量綱對指標(biāo)的影響，需要對特征矩陣進行標(biāo)準(zhǔn)化處理，見式(7)。

(7)

標(biāo)準(zhǔn)化矩陣可以表示為：

(8)

模型的最優(yōu)目標(biāo)定義為：

max(z12,z22,…,zn2),…,max(z1m,z2m,…,znm)}

(9)

模型的最劣目標(biāo)為：

min(z12,z22,…,zn2),…,min(z1m,z2m,…,znm)}

(10)

(11)

(12)

定義評價對象得分矩陣S：

S=[S1,S2,…,Si,…,Sn]

(13)

(14)

式中：Si表示第i個評價對象的未歸一化得分。

由式(14)可以看出，Si的取值范圍為0≤Si≤1，并且Si越接近1，表示Si與最優(yōu)目標(biāo)的距離越近，與最劣目標(biāo)的距離越遠，此時表現(xiàn)為評價較好。

對評價對象得分矩陣S中的各元素進行歸一化，可以得到權(quán)重矩陣S′：

S′=[S′1,S′2,…,S′i,…,S′n]

(15)

(16)

式中：S′i表示第i個評價對象的歸一化得分。

將權(quán)重系數(shù)代入式(2)，可以得到：

(17)

由上述分析可知，該準(zhǔn)確率指標(biāo)與預(yù)測誤差的大小成反比關(guān)系，即預(yù)測誤差越大，準(zhǔn)確率指標(biāo)越小。由于要減小預(yù)測誤差，提高預(yù)測精度，所以該準(zhǔn)確率指標(biāo)越大越好。上述討論問題的各個指標(biāo)均為極大型指標(biāo)(目標(biāo)函數(shù)越大越好)，若其中含有極小型指標(biāo)時，須將指標(biāo)正向化后，再進行計算，見式(18)。

x′ij=max(x1j,x2j,…,xmj)-xij

(18)

3 仿真算例

為驗證本文提出的功率預(yù)測評價指標(biāo)對實際預(yù)測結(jié)果的評價效果，本節(jié)對上述內(nèi)容采用MATLAB軟件進行仿真計算。計算數(shù)據(jù)采用我國某地區(qū)電網(wǎng)公司提供的數(shù)據(jù)，數(shù)據(jù)采集時間為2019-01-01—2019-12-31，采樣間隔為15 min。本節(jié)所討論的準(zhǔn)確率指標(biāo)E1、E2、E3為第1節(jié)分析的準(zhǔn)確率指標(biāo)，E4為本文提出的準(zhǔn)確率指標(biāo)，其中n=96，Cap為 20 000 MV·A。

2019-10-25—2019-10-31的總負(fù)荷曲線、凈負(fù)荷曲線和新能源出力曲線如圖5所示。

圖5 總負(fù)荷、凈負(fù)荷和新能源出力曲線

根據(jù)凈負(fù)荷的峰值，確定當(dāng)天機組的開機容量。根據(jù)供熱季與非供熱季機組的調(diào)峰深度，確定當(dāng)前機組的最大出力和最小出力。并且根據(jù)供熱季和非供熱季利用式(4)和式(5)計算靈活性參數(shù)指標(biāo)矩陣，并取上調(diào)靈活性和下調(diào)靈活性中的最小值作為當(dāng)前時刻的靈活性指標(biāo)。

供熱季和非供熱季的靈活性系數(shù)矩陣為：

Kh=[ki,j]96×121

(19)

Kn=[k′i,j]96×244

(20)

式中：Kh、Kn分別表示供熱季、非供熱季的靈活性系數(shù)矩陣；ki,j、k′i,j表示Kh、Kn中的元素；矩陣中行數(shù)96為一天中采樣點的數(shù)目；列數(shù)121、242分別表示為一年中供熱季與非供熱季的天數(shù)。

利用式(8)計算標(biāo)準(zhǔn)化矩陣，并將標(biāo)準(zhǔn)化矩陣進行得分的計算并歸一化得到S′h和S′n矩陣，用圖的形式表示，如圖6所示。

圖6 供熱季與非供熱季各個時段的權(quán)重值

由圖6可知，在供熱季系統(tǒng)靈活性不足的時段主要分布在10：00—18：00，其主要原因是在該時段光伏出力逐漸增大，使得火電機組的出力逐漸減小，但由于在供熱季，機組的最小出力不能過小，所以導(dǎo)致機組的下調(diào)靈活性不足。

在非供熱季系統(tǒng)靈活性不足的時段主要為20：00—24：00，其主要原因是在非供熱季的夏季，由于晚間負(fù)荷較大，但此時光伏出力為0，并且夏季的風(fēng)資源較少，所以導(dǎo)致機組的上調(diào)靈活性不足。

在非供熱季的中午時段，雖然新能源出力逐漸增大，但負(fù)荷的消耗也逐漸增大，所以不會出現(xiàn)靈活性不足的情況。利用式(1)—(3)及式(17)計算供熱季與非供熱季的準(zhǔn)確率，各個月份的準(zhǔn)確率大小如表1所示。

表1 不同月份下準(zhǔn)確率的大小

由表1可以看出，4個準(zhǔn)確率指標(biāo)趨勢大致相同，并且在供熱季，本文準(zhǔn)確率指標(biāo)較低，在非供熱季和其他準(zhǔn)確率指標(biāo)相差不大。現(xiàn)將供熱季與非供熱季中新能源的實際出力、預(yù)測出力、系統(tǒng)靈活性系數(shù)和準(zhǔn)確率指標(biāo)進行對比分析。供熱季典型日的新能源出力和準(zhǔn)確率對比如圖7、圖8所示。

圖7 供熱季新能源的出力和系統(tǒng)靈活性曲線

圖8 供熱季典型日的準(zhǔn)確率指標(biāo)

由圖7、圖8可以看出，在該供熱季典型日中，新能源在中午時段的功率預(yù)測精度較差，導(dǎo)致該時段系統(tǒng)的靈活性較低。根據(jù)準(zhǔn)確率計算結(jié)果，本文所提準(zhǔn)確率指標(biāo)E4在供熱季的典型日中具有較低的準(zhǔn)確率，可以直觀反映系統(tǒng)靈活性與準(zhǔn)確率指標(biāo)的關(guān)系，從而實現(xiàn)對預(yù)測結(jié)果的評價。

非供熱季典型日的新能源出力和準(zhǔn)確率對比如圖9、圖10所示。

圖9 新能源的出力和系統(tǒng)靈活性曲線

圖10 非供熱季典型日的準(zhǔn)確率指標(biāo)

由圖9、圖10可以看出在非供熱季的典型日中，預(yù)測精度較差的時段系統(tǒng)的靈活性較低。并且根據(jù)計算，本文所提準(zhǔn)確率指標(biāo)E4對應(yīng)也較低，可以直觀反映系統(tǒng)靈活性與功率預(yù)測評價指標(biāo)的關(guān)系，從而滿足了調(diào)度的需求，實現(xiàn)了對功率預(yù)測結(jié)果的評價。

4 結(jié) 論

考慮到功率預(yù)測評價對調(diào)度側(cè)的重要性，本文提出了面向調(diào)度需求的功率預(yù)測評價方法。本文將電力系統(tǒng)的靈活性與功率預(yù)測的評價指標(biāo)聯(lián)系起來，首先根據(jù)供熱季與非供熱季火電機組的調(diào)峰深度不同，分別計算系統(tǒng)的靈活性系數(shù)矩陣，并且利用TOPSIS模型對靈活性系數(shù)矩陣進行排序和歸一化，得到各個時段的權(quán)重系數(shù)，最后將權(quán)重系數(shù)與準(zhǔn)確率公式進行匹配，得到新的準(zhǔn)確率評價指標(biāo)。仿真結(jié)果表明，本文所提出的準(zhǔn)確率評價指標(biāo)在供熱季和非供熱季均具有較高的精度，能夠更好地服務(wù)于調(diào)度，滿足調(diào)度的需求。