周冬旭,徐荊州,張 燦,魏鵬超

(國網(wǎng)南京供電公司信息通信分公司,江蘇省 南京市 210000)

0 引言

光伏-制氫工廠主要設(shè)備設(shè)施包括光伏組件、匯流箱、支架、接地裝置等。光伏組件根據(jù)制氫站輸入電壓和電流要求進(jìn)行串、并聯(lián)配置,從而提高系統(tǒng)效率[1]。隨著光伏裝機(jī)規(guī)模的持續(xù)擴(kuò)張及發(fā)電成本的進(jìn)一步下降,預(yù)計未來光伏制氫的成本將進(jìn)一步下降,進(jìn)入發(fā)展正循環(huán)。從能源轉(zhuǎn)型角度看,發(fā)展氫能產(chǎn)業(yè)對于減少油氣對外依賴、提高能源安全水平、減少大氣污染排放、改善生態(tài)環(huán)境,有著重大現(xiàn)實(shí)意義[2-5]。中國氫能聯(lián)盟發(fā)布的白皮書顯示,到2050年,我國可再生能源電解制氫將占?xì)錃夤?yīng)結(jié)構(gòu)的70%。這意味著光伏制氫將在未來的能源轉(zhuǎn)型中扮演重要角色。而運(yùn)行備用容量需求預(yù)測對于光伏-制氫系統(tǒng)來說具有重要意義[6]。在實(shí)際運(yùn)行中,光伏-制氫系統(tǒng)可能會受到多種因素的影響,如天氣變化、設(shè)備故障等,這些因素可能會導(dǎo)致系統(tǒng)的運(yùn)行出現(xiàn)異常,甚至導(dǎo)致系統(tǒng)崩潰[7]。通過運(yùn)行備用容量需求預(yù)測,可有效地預(yù)測系統(tǒng)的最大輸出功率,從而為系統(tǒng)的穩(wěn)定運(yùn)行提供保障。此外,備用容量也可為系統(tǒng)的擴(kuò)容和升級提供空間,使其能更好地適應(yīng)未來能源市場的需求。基于此,文獻(xiàn)[8]在充分考慮受端電網(wǎng)高比例可再生能源消納的基礎(chǔ)上,提出了一種儲能需求評估方法,提高了預(yù)估的可靠性,但對于異常因子作用下的抗干擾能力相對偏低;文獻(xiàn)[9]以時變備用需求為導(dǎo)向,設(shè)計了一種含大規(guī)模風(fēng)電的電力系統(tǒng)機(jī)組組合滾動優(yōu)化方法,在一定程度上提高了時變備用需求分析的精度,但其對應(yīng)的時間成本偏高;文獻(xiàn)[10]以離散傅里葉變換(discrete Fourier transform,DFT)為基礎(chǔ),設(shè)計了一種多時間尺度系統(tǒng)備用需求分析方法,該方法提高了需求預(yù)估的準(zhǔn)確性,但對于基礎(chǔ)數(shù)據(jù)質(zhì)量的要求較高;文獻(xiàn)[11]建立了計及需求響應(yīng)的含風(fēng)光發(fā)電的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型,以經(jīng)濟(jì)和環(huán)保成本之和最小建立目標(biāo)函數(shù),但其預(yù)估值與實(shí)際值偏差較大;文獻(xiàn)[12]提出了基于負(fù)荷與風(fēng)電出力場景集的運(yùn)行備用動態(tài)調(diào)度方法,建立了機(jī)組出力和備用決策動態(tài)協(xié)調(diào)優(yōu)化模型,但該方法投入成本較高。

為此,本文基于最近鄰聚類,研究構(gòu)建光伏-制氫系統(tǒng)的運(yùn)行備用容量需求預(yù)估模型,并根據(jù)測試結(jié)果,分析驗(yàn)證所構(gòu)建模型在實(shí)際預(yù)估應(yīng)用中的效果。

1 光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型

1.1 運(yùn)行參數(shù)最近鄰聚類處理

光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)最突出的特點(diǎn)是具有不確定性,因此在對光伏-制氫系統(tǒng)運(yùn)行參數(shù)進(jìn)行聚類處理時,往往存在分類異常的情況[13-14]。鑒于此,本文引入最近鄰聚類中的不確定自然最近鄰機(jī)制[15],將擁有較少近鄰不確定數(shù)據(jù)對象所處的區(qū)域設(shè)置為稀疏區(qū)域,將擁有較多近鄰不確定數(shù)據(jù)對象所處的區(qū)域設(shè)置為稠密區(qū)域,以此凸顯光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)特點(diǎn),從而提高聚類處理效果。在此基礎(chǔ)上,根據(jù)近鄰數(shù)數(shù)量,按稠密點(diǎn)、稀疏點(diǎn)、噪聲點(diǎn)的分類標(biāo)準(zhǔn),將數(shù)據(jù)集中的不確定光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)對象進(jìn)行劃分處理。此劃分標(biāo)準(zhǔn)可簡單理解為:(1)稠密點(diǎn),即擁有較多近鄰的光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)點(diǎn);(2)稀疏點(diǎn),即擁有較少近鄰的光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)點(diǎn);(3)噪聲點(diǎn),即擁有極少近鄰的光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)點(diǎn)。其劃分機(jī)制如圖1所示。

圖1 整體光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)集劃分方式示意圖Fig.1 Schematic diagram of partition mode for operation data set of integrated photovoltaic-hydrogen production system

本文充分考慮了整體光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)在分布上的不唯一性,對不確定自然鄰域與鄰域密度因子進(jìn)行有機(jī)結(jié)合,定義不確定自然鄰域因子,并借助閾值參數(shù)實(shí)現(xiàn)對原始光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)集中噪聲點(diǎn)的清洗。

其中,對于光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)集中的不確定自然特征值而言,本文將不確定自然鄰域搜索算法到達(dá)不確定自然穩(wěn)定狀態(tài)的輸出結(jié)果作為對應(yīng)特征值的計算結(jié)果,具體計算公式為

式中:λ為光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)集中的不確定自然特征值參量;k為不確定自然鄰域搜索算法到達(dá)不確定自然穩(wěn)定狀態(tài)的迭代次數(shù)[16];n為迭代過程中輸出的不確定反向最近鄰數(shù);x為不確定自然鄰域數(shù)據(jù)點(diǎn)[17];ω(x)為光伏-制氫系統(tǒng)不確定數(shù)據(jù)對象;f(ω(x))為不確定自然鄰域搜索函數(shù),其具體可表示為

即:當(dāng)ω(x)取值為0時,對應(yīng)的不確定自然鄰域搜索函數(shù)輸出結(jié)果為1;當(dāng)ω(x)取值不為0時,對應(yīng)的不確定自然鄰域搜索函數(shù)輸出結(jié)果則為0。光伏-制氫系統(tǒng)不確定數(shù)據(jù)對象的不確定反向最近鄰數(shù)為0時,則輸出其對應(yīng)的不確定自然鄰域搜索結(jié)果,否則舍棄當(dāng)前的光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)。

此時的光伏-制氫系統(tǒng)不確定數(shù)據(jù)對應(yīng)的不確定自然鄰域密度因子為

式中γx為光伏-制氫系統(tǒng)不確定數(shù)據(jù)x的不確定反向最近鄰參數(shù);ψx為光伏-制氫系統(tǒng)不確定數(shù)據(jù)x的不確定自然最近鄰參數(shù)。

由此即可不含噪點(diǎn)地確定光伏-制氫系統(tǒng)不確定數(shù)據(jù)集。本文對光伏-制氫系統(tǒng)運(yùn)行數(shù)據(jù)中不確定k-最近鄰數(shù)據(jù)的劃分方式可表示為

式中:Gk(x)為不確定k-最近鄰數(shù)據(jù)的劃分結(jié)果;D為不含噪點(diǎn)的不確定光伏-制氫系統(tǒng)不確定數(shù)據(jù)集;y為光伏-制氫系統(tǒng)中的不確定數(shù)據(jù)對象數(shù)量;Pl為第l個氫設(shè)備額定輸出功率;ζ為詹森-香農(nóng)散度參數(shù)[18-20]。由此,實(shí)現(xiàn)了對光伏-制氫系統(tǒng)運(yùn)行參數(shù)的最近鄰聚類處理。

1.2 運(yùn)行備用容量需求預(yù)估模型的構(gòu)建

本文構(gòu)建的光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型如圖2所示。

圖2 光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型Fig.2 Prediction model of standby capacity demand for photovoltaic-hydrogen production system

圖2所示的光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型中,為實(shí)現(xiàn)對光伏-制氫系統(tǒng)不確定數(shù)據(jù)對應(yīng)不確定自然鄰域數(shù)據(jù)集的高維映射,本文設(shè)置具體的核函數(shù)為高斯徑向基函數(shù)(radial basis function,RBF),借助其徑向?qū)ΨQ的特點(diǎn),實(shí)現(xiàn)對數(shù)據(jù)衰減速率的最大限度控制[21-22]。高斯RBF函數(shù)可表示為

式中:i為輻照度[23];σ為Gk(x)i與Gk(x)光伏-制氫系統(tǒng)運(yùn)行參數(shù)最近鄰聚類的可感知變量。

然后,將所有的RBF輸出結(jié)果映射到同一個空間中,得到的光伏-制氫系統(tǒng)運(yùn)行備用容量需求結(jié)果可表示為

式中b為光伏-制氫系統(tǒng)運(yùn)行參數(shù)最近鄰聚類的關(guān)聯(lián)系數(shù)。

由此即可實(shí)現(xiàn)對光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型的構(gòu)建,最大限度保障預(yù)估結(jié)果的可靠性。

2 應(yīng)用測試

2.1 測試環(huán)境

本文依托某實(shí)際的光伏-制氫系統(tǒng)開展測試研究。光伏-制氫系統(tǒng)主要由光伏發(fā)電系統(tǒng)和電解水制氫系統(tǒng)構(gòu)成。其中,光伏發(fā)電系統(tǒng)主要由太陽能電池板、逆變器和蓄電池組成,不同組成部分的具體配置情況如表1所示。

表1 光伏發(fā)電系統(tǒng)結(jié)構(gòu)配置Table 1 Structural configuration of photovoltaic power generation system

而逆變器的主要作用是將太陽能電池板輸出的直流電轉(zhuǎn)換為交流電,供負(fù)載使用。該逆變器具有較高的轉(zhuǎn)換效率,可保證系統(tǒng)的正常運(yùn)行。鉛酸蓄電池主要用于儲存電能,保證在沒有陽光的情況下系統(tǒng)仍可正常運(yùn)行。

其次是電解水制氫系統(tǒng),其主要由電解槽、氣液分離器和氣體干燥器組成。對應(yīng)的電解槽采用堿性電解槽,將水分解為氫氣和氧氣。電解槽的工作電壓為2V,電流密度為1kA/m2,電解效率為90%。氣液分離器采用旋風(fēng)式氣液分離器,可將氫氣和氧氣中攜帶的水分和雜質(zhì)去除,提高氫氣的純度。氣體干燥器采用了吸附式氣體干燥器,可將氫氣中殘余的水分和雜質(zhì)去除,提高氫氣的干燥度和純度。

在測試光伏-制氫系統(tǒng)的具體運(yùn)行過程中,光伏發(fā)電系統(tǒng)的運(yùn)行環(huán)境溫度為-40～80℃,相對濕度為0～95%,海拔高度不超過2km。制氫系統(tǒng)的運(yùn)行環(huán)境溫度為0～40℃,相對濕度為30%～70%,海拔高度不超過1km。在運(yùn)行控制階段,相關(guān)可執(zhí)行參數(shù)上限如表2所示。

表2 光伏-制氫測試系統(tǒng)的整體運(yùn)行控制基準(zhǔn)Table 2 Overall operation control benchmark of photovoltaic-hydrogen production test system

此外,為確保系統(tǒng)的正常運(yùn)行,需要控制進(jìn)水電解槽的水流量、氫氣出口壓力、氧氣出口壓力等參數(shù)。

光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型參數(shù)設(shè)置如下:鄰域半徑為0.1m,鄰近點(diǎn)的數(shù)量為10,迭代次數(shù)為100,窗口大小為5,簇數(shù)為20。

2.2 測試結(jié)果與分析

采集連續(xù)7天內(nèi)光伏-制氫系統(tǒng)運(yùn)行備用容量的實(shí)際數(shù)據(jù)(真實(shí)需求),并將其作為基準(zhǔn)值與預(yù)估模型給出的預(yù)估結(jié)果進(jìn)行比較。通過比較實(shí)際需求與預(yù)估結(jié)果的差異,評估預(yù)估模型的性能。首先,本文對連續(xù)7天內(nèi),光伏-制氫測試系統(tǒng)運(yùn)行備用容量的最大值進(jìn)行預(yù)估,并與實(shí)際需求進(jìn)行比較,得到的測試結(jié)果如圖3所示。

圖3 最大備用容量需求預(yù)估結(jié)果對比圖Fig.3 Comparison chart of prediction results for maximum standby capacity demand

由圖3可見,在3種不同的光伏-制氫系統(tǒng)運(yùn)行備用容量預(yù)估方法下,對容量需求最大值預(yù)估結(jié)果與實(shí)際需求之間的偏差表現(xiàn)出了較為明顯的差異。其中:在可再生能源消納備用容量需求預(yù)估方法下,最大偏差達(dá)到了1.254GW(測試第3天);在DFT備用容量需求預(yù)估方法下,最大偏差也達(dá)到了800MW(測試第7天);相比之下,本文設(shè)計的預(yù)估方法的測試結(jié)果與實(shí)際值之間的偏差始終穩(wěn)定在250MW 以內(nèi),且最小偏差僅為40MW。與對照組相比,在本文設(shè)計的預(yù)估方法在準(zhǔn)確性方面具有明顯優(yōu)勢。

其次,本文對連續(xù)7天內(nèi)光伏-制氫測試系統(tǒng)運(yùn)行備用容量的最小值進(jìn)行預(yù)估,并與實(shí)際需求進(jìn)行比較,得到的測試結(jié)果如圖4所示。

圖4 最小備用容量需求預(yù)估結(jié)果對比圖Fig.4 Comparison chart of prediction results for minimum standby capacity demand

由圖4可見:采用可再生能源消納備用容量需求預(yù)估方法,出現(xiàn)了預(yù)估結(jié)果低于實(shí)際需求的情況,具體為對第6天的運(yùn)行備用容量最小值預(yù)估結(jié)果低于實(shí)際需求369MW,對第7天的運(yùn)行備用容量最小值預(yù)估結(jié)果低于實(shí)際需求127MW;采用DFT備用容量需求預(yù)估方法,也表現(xiàn)出了與可再生能源消納備用容量需求預(yù)估方法相同的問題,其中,對第1天的運(yùn)行備用容量最小值預(yù)估結(jié)果低于實(shí)際需求297MW,對第6天的運(yùn)行備用容量最小值預(yù)估結(jié)果低于實(shí)際需求263MW,這對于實(shí)際的光伏-制氫系統(tǒng)運(yùn)行而言,極有可能造成能源供給短缺,無法滿足實(shí)際應(yīng)用需求的情況;相比之下,在本文設(shè)計方法的測試結(jié)果中,對于光伏-制氫測試系統(tǒng)運(yùn)行備用容量最小值的預(yù)估值與實(shí)際需求的誤差始終穩(wěn)定在150MW 以內(nèi),且僅出現(xiàn)1次預(yù)估值低于實(shí)際值的情況,對應(yīng)的偏差也僅為2MW。

對不同方法下能量管理成本進(jìn)行統(tǒng)計,得到的測試結(jié)果如表3所示。

表3 能量管理成本對比表Table 3 Comparison table of energy management cost

由表3可見:3種方法中,本文設(shè)計的預(yù)估方法對應(yīng)的能量管理成本投入最低,分別低于可再生能源消納備用容量需求預(yù)估方法6467元,低于DFT備用容量需求預(yù)估方法5157元;從單日能量管理成本投入的角度進(jìn)行分析,采用本文設(shè)計的預(yù)估方法,其成本為2623元,低于可再生能源消納備用容量需求預(yù)估方法924元,低于DFT備用容量需求預(yù)估方法739元。由此可見,借助本文設(shè)計的基于最近鄰聚類的光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型,可在保障光伏-制氫系統(tǒng)順利運(yùn)行的基礎(chǔ)上,極大程度地降低具體運(yùn)行成本。

3 結(jié)論

本文構(gòu)建的基于最近鄰聚類的光伏-制氫系統(tǒng)運(yùn)行備用容量需求預(yù)估模型,切實(shí)實(shí)現(xiàn)了對光伏-制氫系統(tǒng)運(yùn)行備用容量需求的精準(zhǔn)預(yù)估。測試結(jié)果表明,本文方法下的最大備用容量需求預(yù)估精度和最小備用容量需求預(yù)估精度較高,且能量管理成本較低。由此表明,本文方法在估計光伏-制氫系統(tǒng)的備用容量需求方面是有效的。但由于研究條件有限,本文方法在數(shù)據(jù)空間處理方面還存在不足,在之后的研究中將利用機(jī)器學(xué)習(xí)等方法進(jìn)一步提高計算算力。