王超, 黎啟明, 司曉峰, 竇常永

(國網(wǎng)甘肅省電力公司,甘肅,蘭州 730030)

0 引言

隨著中國“碳達(dá)峰”和“碳中和”目標(biāo)時(shí)間的提出,國家對新能源場站建設(shè)的扶持力度不斷加大,光伏電站建設(shè)數(shù)量也日益增加。傳統(tǒng)的光伏電站并網(wǎng)發(fā)電中,光伏電站發(fā)電易受氣候變化的影響,發(fā)電功率波動(dòng)較大[1-2]。電網(wǎng)公司按照保守的發(fā)電出力進(jìn)行光伏電站調(diào)度[3-4],造成光伏電站棄光現(xiàn)象嚴(yán)重,發(fā)電消納水平較低,影響光伏電站的經(jīng)濟(jì)收益[5]。因此,亟須采用有效的方法來提高光伏電站的發(fā)電消納水平。

國內(nèi)外許多學(xué)者對光伏電站的運(yùn)營做了研究。文獻(xiàn)[6]提出了一種基于市場化交易的光伏電站智慧運(yùn)營方法,通過自發(fā)自用、剩余電量上網(wǎng)的方式進(jìn)行了光伏電站的發(fā)電消納。文獻(xiàn)[7]提出了一種基于平準(zhǔn)化電力成本(LOCE)方式的光伏電站運(yùn)營方法,通過光伏電站激勵(lì)計(jì)算和并網(wǎng)效益分析,實(shí)現(xiàn)了光伏電站發(fā)電的優(yōu)化運(yùn)營。文獻(xiàn)[8]提出了一種基于時(shí)序運(yùn)行的光伏電站消納與運(yùn)營方法,通過對光伏電站發(fā)電出力的重構(gòu),實(shí)現(xiàn)對光伏電站的發(fā)電最優(yōu)消納。文獻(xiàn)[9]提出了一種多場景規(guī)劃的光伏電站發(fā)電消納方案,通過雙層模型,解決嚴(yán)重的棄光問題。由此可見,光伏電站運(yùn)營方法多樣,且取得一定的成果。但在上述研究中,未考慮天氣氣象波動(dòng)大造成的發(fā)電出力不穩(wěn)定問題,以及采用儲(chǔ)能解決棄光嚴(yán)重的問題。

針對光伏電站運(yùn)營過程中發(fā)電量波動(dòng)大、消納率低的問題,本文提出了一種基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法。該方法通過光伏電站發(fā)電功率預(yù)測、站內(nèi)儲(chǔ)能優(yōu)化控制和光伏發(fā)電盈虧分析,實(shí)現(xiàn)了光伏電站的最優(yōu)并網(wǎng)發(fā)電控制,最后,將本文方法應(yīng)用在某地區(qū)的光伏發(fā)電站,其運(yùn)行結(jié)果驗(yàn)證了本文方法的有效性和可行性。

1 光伏電站運(yùn)營框架

本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法,該方法重點(diǎn)考慮了光伏電站發(fā)電量波動(dòng)大和消納率低的問題。光伏電站運(yùn)營框架如圖1所示。該框架主要包括4個(gè)環(huán)節(jié):光伏電站發(fā)電出力預(yù)測、光伏電站源儲(chǔ)控制、發(fā)電盈虧分析和發(fā)電上網(wǎng)策略控制。

圖1 光伏電站運(yùn)營策略

在光伏電站發(fā)電出力預(yù)測環(huán)節(jié)中,采用長短期記憶網(wǎng)絡(luò)(LSTM)預(yù)測光伏電站的發(fā)電數(shù)據(jù)。在光伏電站源儲(chǔ)控制環(huán)節(jié),通過BP神經(jīng)網(wǎng)絡(luò),分析光伏電站上網(wǎng)余電的時(shí)段特性,并實(shí)現(xiàn)內(nèi)部儲(chǔ)能優(yōu)化控制。在發(fā)電盈虧分析環(huán)節(jié),分析光伏發(fā)電的經(jīng)濟(jì)效益,獲得光伏電站的最優(yōu)上網(wǎng)時(shí)段策略。在發(fā)電上網(wǎng)策略控制環(huán)節(jié),根據(jù)光伏電站最優(yōu)的上網(wǎng)策略,聯(lián)合對光伏發(fā)電機(jī)組、儲(chǔ)能的控制,實(shí)現(xiàn)光伏電站最優(yōu)的并網(wǎng)發(fā)電。

2 光伏電站運(yùn)營模型

基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法是一種充分考慮光伏發(fā)電波動(dòng)特性,并采用BP神經(jīng)網(wǎng)絡(luò)、儲(chǔ)能等方式優(yōu)化控制光伏發(fā)電出力的方法,可用于提高光伏電站的能源消納水平,避免出現(xiàn)棄光問題。

2.1 光伏電站發(fā)電出力預(yù)測

受氣候變化影響,日照輻射量波動(dòng)較大,從而造成光伏電站的發(fā)電出力波動(dòng)較大[10-11]。長短期記憶網(wǎng)絡(luò)對多種因素依賴關(guān)系分析較好,在處理時(shí)間發(fā)電出力預(yù)測方面優(yōu)于時(shí)間遞歸網(wǎng)絡(luò)和隱馬爾科夫模型[12]。因此,本文使用長短期記憶網(wǎng)絡(luò)算法對光伏發(fā)電出力進(jìn)行預(yù)測。

長短期記憶網(wǎng)絡(luò)包括輸入門、輸出門和遺忘門。設(shè)輸入激活函數(shù)為?,存儲(chǔ)激活函數(shù)為tanh,光伏發(fā)電權(quán)重為wa,輸入的光伏電站歷史數(shù)據(jù)為Pa,輸入的天氣預(yù)報(bào)數(shù)據(jù)為La,則光伏電站發(fā)電預(yù)測數(shù)據(jù)Pout為

Pout=?(wa[Pa,La])×tanh(Pa)

(1)

由式(1)可知,通過長短期記憶網(wǎng)絡(luò),可生成光伏發(fā)電站的日96點(diǎn)負(fù)荷預(yù)測曲線數(shù)據(jù),為光伏電站的源、儲(chǔ)綜合控制提供基礎(chǔ)數(shù)據(jù)。

2.2 光伏電站源儲(chǔ)控制

為避免日照輻射量受氣候影響波動(dòng)大的問題,傳統(tǒng)光伏發(fā)電站的發(fā)電出力功率設(shè)置較低,導(dǎo)致光伏電站出現(xiàn)棄光現(xiàn)象,影響光伏電站收益。本文在光伏電站配置儲(chǔ)能裝置,通過BP神經(jīng)網(wǎng)絡(luò),計(jì)算光伏電站上網(wǎng)余電儲(chǔ)能策略,并控制儲(chǔ)能裝置進(jìn)行電能存儲(chǔ)。同時(shí),BP神經(jīng)網(wǎng)絡(luò)結(jié)合儲(chǔ)能計(jì)算出最大的光伏電站上網(wǎng)功率,在日輻射量降低的時(shí)候,通過逆變器釋放儲(chǔ)能電量,補(bǔ)充光伏電站發(fā)電功率不足的問題。

設(shè)第i個(gè)光伏發(fā)電的功率為Pci,儲(chǔ)能的容量為Sci,光伏發(fā)電功率和儲(chǔ)能容量之間的權(quán)重為wb,儲(chǔ)能控制的閾值為Qa,光伏發(fā)電的時(shí)間段為ta,輸出的功率線性函數(shù)ya為

(2)

設(shè)激活函數(shù)為h,輸出功率修正函數(shù)Pd為

Pd=h(ya)

(3)

在BP神經(jīng)網(wǎng)絡(luò)反向傳播中,誤差函數(shù)為ΔE,反向傳輸層的權(quán)重為wd,傳輸?shù)膶訑?shù)為na,光伏電站傳輸功率Pe為

(4)

儲(chǔ)能容量Se為

(5)

由式(4)、式(5)可知,通過BP神經(jīng)網(wǎng)絡(luò),可獲得光伏電站最大的發(fā)電出力功率和最小的儲(chǔ)能容量配置。通過最大出力功率可以增加光伏電站上網(wǎng)發(fā)電功率,通過最小的儲(chǔ)能容量配置,可降低儲(chǔ)能配置投入。

2.3 發(fā)電盈虧分析

光伏發(fā)電站的盈虧分析,通過計(jì)算光伏發(fā)電的盈虧平衡因子來計(jì)算光伏發(fā)電的成本與光伏發(fā)電收益平衡。

其中,光伏發(fā)電站的投入成本包括電站的投資建設(shè)成本、儲(chǔ)能的建設(shè)成本、光伏電站的運(yùn)營成本等固定投入成本,光伏電站的收益為電網(wǎng)結(jié)算的發(fā)電電量。

設(shè)光伏電站的上網(wǎng)電價(jià)為Va,上網(wǎng)的電量為me,固定投入成本單價(jià)折算Ga,則盈虧分析的利潤Ua為

Ua=(Va×me)-(Ga×me)

(6)

盈虧平衡因子本質(zhì)是光伏電站的盈利水平的統(tǒng)計(jì)值,設(shè)光伏電站的上一年收入為ka,光伏電站的上一年支出為za,依據(jù)光伏電站行業(yè)規(guī)范制定的年盈利增長率為ja,則光伏電站盈虧平衡因子Gs為

(7)

當(dāng)平衡因子Gs>0時(shí),即為光伏電站盈利滿足要求,通過發(fā)電盈虧分析,計(jì)算出上網(wǎng)發(fā)電的最優(yōu)上網(wǎng)策略。

2.4 發(fā)電上網(wǎng)策略控制

在發(fā)電上網(wǎng)策略分析階段,根據(jù)光伏電站最優(yōu)的上網(wǎng)策略,對光伏發(fā)電機(jī)組出力、儲(chǔ)能的存儲(chǔ)、儲(chǔ)能逆變器功率進(jìn)行綜合控制。

在光伏上網(wǎng)發(fā)電階段,通過儲(chǔ)能補(bǔ)償光伏發(fā)電不足的功率部分。儲(chǔ)能可有效抑制日照波動(dòng)帶來的影響,避免出現(xiàn)棄光問題。

3 光伏電站運(yùn)營仿真流程

基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營,首先對光伏電站的發(fā)電出力進(jìn)行預(yù)測,然后利用儲(chǔ)能實(shí)現(xiàn)對棄光電能的存儲(chǔ),再次對光伏發(fā)電站進(jìn)行盈虧分析,獲得最優(yōu)的光伏上網(wǎng)控制策略,并對光伏電站的上網(wǎng)發(fā)電進(jìn)行控制,仿真流程如圖2所示。

圖2 光伏電站運(yùn)營仿真流程圖

步驟1:采用LSTM網(wǎng)絡(luò),針對輸入的數(shù)值氣象預(yù)報(bào)和歷史發(fā)電數(shù)據(jù)進(jìn)行計(jì)算,生成光伏發(fā)電的超短期、短期功率預(yù)測結(jié)果。

步驟2:結(jié)合光伏電站的儲(chǔ)能,光伏電站的發(fā)電時(shí)段特性,采用源儲(chǔ)控制方法對光伏電站的源儲(chǔ)進(jìn)行控制,以提高光伏電站的綜合運(yùn)營能力。

步驟3:計(jì)算光伏發(fā)電站的收入情況、光伏生產(chǎn)成本支持情況,通過盈虧平衡因子判斷當(dāng)前光伏電站的盈利狀況。

步驟4:根據(jù)光伏電站最優(yōu)的上網(wǎng)策略,對光伏電站進(jìn)行綜合控制,通過儲(chǔ)能補(bǔ)償光伏發(fā)電不足的功率部分。

步驟5:進(jìn)行光伏電站的運(yùn)營結(jié)算,生產(chǎn)光伏運(yùn)營電站的運(yùn)營報(bào)告及光伏發(fā)電盈利表。

4 算例分析

采用本文所提的基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法,在某區(qū)域的光伏電站進(jìn)行測試,使用的操作系統(tǒng)環(huán)境為Win 10,CPU為酷睿7 2.8 G,內(nèi)存為16 G。

(1) 預(yù)測準(zhǔn)確率分析

選擇迭代次數(shù)為200次,比較本方法LSTM網(wǎng)絡(luò)預(yù)測與基于LOCE方式的光伏電站運(yùn)營方法預(yù)測的準(zhǔn)確率,預(yù)測結(jié)果如圖3所示。

圖3 光伏發(fā)電站預(yù)測準(zhǔn)確率圖

由圖3可見,迭代次數(shù)在60次左右時(shí),本文所提方法的準(zhǔn)確率在97%左右,LOCE方法預(yù)測的準(zhǔn)確度在91%左右,由此可見本文所提方法中LSTM網(wǎng)絡(luò)預(yù)測準(zhǔn)確度優(yōu)于基于LOCE方式的光伏電站運(yùn)營方法預(yù)測。

(2) 光伏發(fā)電站運(yùn)營分析性能分析

分別選擇光伏電站的樣本數(shù)據(jù)10 000、20 000、50 000、80 000個(gè),采用本文所提的基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法與基于LOCE方式的光伏電站運(yùn)營方法,對比運(yùn)行分析性能,結(jié)果如表1所示。

表1 光伏發(fā)電站運(yùn)營分析性能分析表

由表1可見,本文所提的基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法在運(yùn)行時(shí)長方面優(yōu)于基于LOCE方式的光伏電站運(yùn)營方法。

(3) 光伏發(fā)電站運(yùn)營有效性分析

光伏發(fā)電站運(yùn)營有效性分析是為了驗(yàn)證本文所提方法的盈利水平,其計(jì)算方法是將運(yùn)營盈利后與理論最優(yōu)值進(jìn)行比較,其百分比為光伏發(fā)電站運(yùn)營有效性。分別選擇光伏電站的數(shù)量為100、200、300、400、500、600、800、1 000個(gè),對比本文所提基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營策略與業(yè)界廣泛使用的LOCE方法的運(yùn)營有效性,對比結(jié)果如表2所示。

表2 光伏發(fā)電站運(yùn)營有效性分析表

由表2可見,本文所提方法在運(yùn)營有效性方面優(yōu)于LOCE方法。

(4) 光伏發(fā)電站運(yùn)營盈利分析

光伏電站運(yùn)營盈利分析是為了驗(yàn)證本文所提方法的盈利能力,采用盈利金額的方式進(jìn)行對比,分別選擇光伏電站的數(shù)量為100、200、300、400、500、600、800、1000個(gè),采用2021年8月其中1天的數(shù)據(jù),對比本文所提基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營策略與業(yè)界廣泛使用的LOCE方法的的盈利能力,對比結(jié)果如表3所示。

表3 光伏發(fā)電站運(yùn)營盈利分析表

由表3可見,本文所提方法在運(yùn)營盈利能力方面優(yōu)于LOCE方法。

5 總結(jié)

為解決光伏電站運(yùn)營過程中的發(fā)電量波動(dòng)大、消納率低的問題,本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法,設(shè)計(jì)了一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營模型。通過長短期記憶網(wǎng)絡(luò)對光伏電站歷史發(fā)電曲線和天氣氣象數(shù)據(jù)的分析,預(yù)測出光伏發(fā)電站短期發(fā)電功率曲線。在此基礎(chǔ)上,采用BP神經(jīng)網(wǎng)絡(luò)建立光伏電站源儲(chǔ)控制策略,實(shí)現(xiàn)光伏電站內(nèi)部的儲(chǔ)能控制,抑制日照量波動(dòng)帶來的影響。然后,建立光伏發(fā)電盈虧分析策略,通過計(jì)算最佳的光伏電站上網(wǎng)策略,實(shí)現(xiàn)光伏電站最優(yōu)的并網(wǎng)發(fā)電。最后,在某區(qū)域光伏發(fā)電站實(shí)際運(yùn)行了基于BP神經(jīng)網(wǎng)絡(luò)的光伏電站運(yùn)營方法,其運(yùn)行結(jié)果驗(yàn)證本文所提方法的可行性和有效性。

下一步,將結(jié)合新能源聚合商對光伏電站集群發(fā)電做進(jìn)一步研究。