周 倩,湯 林,馮凱輝,宋晨輝,宋兆歐

(1.國網(wǎng)重慶市電力公司,重慶 400000;2.國網(wǎng)重慶市區(qū)供電公司,重慶 400000;3.國網(wǎng)能源研究院有限公司,北京 102209;4.國網(wǎng)重慶市北供電公司,重慶 400000)

0 引言

當(dāng)前,各國家社會經(jīng)濟(jì)的發(fā)展均離不開能源開發(fā)與利用。隨著不可再生能源資源的逐步枯竭,能源危機(jī)、環(huán)境污染問題凸顯。為了解決這些問題,需要大力開發(fā)與利用可再生清潔能源[1]。我國電力領(lǐng)域正處于能源轉(zhuǎn)型的關(guān)鍵時期,對于電力系統(tǒng)運(yùn)行的安全性和穩(wěn)定性的要求逐步提升。隨著新能源的開發(fā)和接入,電網(wǎng)失穩(wěn)風(fēng)險(xiǎn)增加。因此,為了提高新能源接入下的電網(wǎng)綜合能力,需要針對電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置展開研究[2]。

針對這一問題,羅正亮等[3]提出基于改進(jìn)生物地理學(xué)優(yōu)化-動態(tài)規(guī)劃(improved biogeography-based optimization-dynamic programming,IBBO-DP)模型的水電機(jī)組負(fù)荷優(yōu)化分配方法。該方法結(jié)合實(shí)際情況,搭建IBBO-DP模型,將機(jī)組組合是否發(fā)生變化作為判斷條件,并建立機(jī)組出力波動約束;結(jié)合IBBO-DP模型,實(shí)現(xiàn)機(jī)組負(fù)荷優(yōu)化分配。但是該方法并未考慮到其他接入對于機(jī)組負(fù)荷產(chǎn)生的影響,導(dǎo)致電網(wǎng)風(fēng)光電發(fā)電受阻量較高,實(shí)際應(yīng)用效果不理想。魏文等[4]分析了故障風(fēng)險(xiǎn)類型、負(fù)載率水平和天氣狀況等因素,確定了這些因素對電網(wǎng)調(diào)峰機(jī)組負(fù)荷產(chǎn)生的影響。該方法根據(jù)分析結(jié)果建立調(diào)峰經(jīng)濟(jì)模型和風(fēng)險(xiǎn)量化模型,從而確定深度調(diào)峰過程中機(jī)組的燃料需求和損傷。該方法建立深度調(diào)峰經(jīng)濟(jì)優(yōu)化配置模型,以實(shí)現(xiàn)負(fù)荷優(yōu)化配置。但是該方法應(yīng)用后的火電機(jī)組和風(fēng)電場發(fā)電出力較低、負(fù)荷優(yōu)化配置效果差,應(yīng)用效果不理想。劉鋼等[5]設(shè)計(jì)基于深度學(xué)習(xí)及混沌優(yōu)化的燃機(jī)電站機(jī)組熱電負(fù)荷優(yōu)化分配方法。該方法以深度學(xué)習(xí)中的長短時記憶(long short-term memory,LSTM)神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),對燃機(jī)電站機(jī)組能耗進(jìn)行分析,以獲取不同約束參數(shù)。該方法采用混沌優(yōu)化算法對LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,利用訓(xùn)練好的模型進(jìn)行負(fù)荷優(yōu)化分配。但是在實(shí)際應(yīng)用中發(fā)現(xiàn),該方法由于并未考慮到新能源接入量與電網(wǎng)調(diào)峰機(jī)組深度調(diào)峰之間的關(guān)系,使得所建立的目標(biāo)函數(shù)并不合理,負(fù)荷優(yōu)化配置質(zhì)量下降。王香蘭等[6]利用Apriori頻繁項(xiàng)集算法,通過分級挖掘分析冷水機(jī)組運(yùn)行參數(shù)與最低運(yùn)行能耗之間的關(guān)聯(lián)規(guī)則。該方法根據(jù)機(jī)組運(yùn)行總能耗情況建立最優(yōu)負(fù)荷配置目標(biāo)函數(shù),并利用粒子群算法對目標(biāo)函數(shù)進(jìn)行求解,以此實(shí)現(xiàn)負(fù)荷優(yōu)化配置。但是采用粒子群算法求解目標(biāo)函數(shù)容易陷入局部最優(yōu),導(dǎo)致負(fù)荷優(yōu)化配置效果變差。

新能源接入電網(wǎng)會令調(diào)峰機(jī)組負(fù)荷產(chǎn)生較大波動,導(dǎo)致電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置難度增加。為了有效解決這一問題,本文設(shè)計(jì)了新能源接入下的電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置方法。該方法重點(diǎn)分析了新能源接入量與電網(wǎng)調(diào)峰機(jī)組深度調(diào)峰之間的關(guān)系,解決了傳統(tǒng)方法因未考慮該關(guān)系使得所建立的目標(biāo)函數(shù)不合理的問題。在此基礎(chǔ)上,該方法建立電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù),利用多目標(biāo)粒子群算法求解目標(biāo)函數(shù)。多目標(biāo)粒子群算法具有流程簡單、收斂速度快、搜索效率高、能夠求解多目標(biāo)優(yōu)化問題、不容易陷入局部最優(yōu)等優(yōu)勢,因此所得求解結(jié)果具有可靠性和科學(xué)性,能夠?yàn)殡娋W(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置研究與分析提供技術(shù)指導(dǎo)。

1 新能源接入量與深度調(diào)峰關(guān)系

①接入量指標(biāo)。

本文以電網(wǎng)歷史運(yùn)行的新能源出力數(shù)據(jù)為基礎(chǔ),根據(jù)不同時段計(jì)算新能源接入量,并分析不同場景中新能源的接入量特性。

本文設(shè)Dy為一個年度中的新能源平均接入量。

(1)

式中:Ei,j為第i天的第j個小時的新能源接入量,kW;m為一天中新能源接入的小時數(shù);n為一年中新能源接入的天數(shù)。

本文設(shè)Ds為一年某個季度中的新能源平均接入量。

(2)

式中:Es,i,j為某季度第i天的第j個小時的新能源接入量,kW;ns為某季度中新能源接入的天數(shù)。

本文設(shè)Dm為一個月的新能源平均接入量。

(3)

式中:Em,i,j,k為第k個月的第i天、第j個小時內(nèi)的新能源接入量,kW;nm為一個月中新能源接入的天數(shù)。

本文設(shè)Dd為某一天的新能源平均接入量。

(4)

根據(jù)上述計(jì)算結(jié)果,可獲得新能源在電網(wǎng)中的接入情況。

②數(shù)據(jù)分析。

本文設(shè)ei,j、ξi,j,k分別為新能源接入量在第i天的第j小時與第k個月的最大值。

(5)

式中:Ep為新能源在電網(wǎng)調(diào)峰機(jī)組中的總裝機(jī)容量,kW;h為新能源接入數(shù)量。

通過深度調(diào)峰可以提升電網(wǎng)調(diào)峰能力,進(jìn)而提高能源在電網(wǎng)中的接入率[7-8]。因此,需要深入分析新能源接入量與電網(wǎng)調(diào)峰機(jī)組深度調(diào)峰之間的關(guān)系。本文設(shè)Vi,j為新能源接入數(shù)據(jù)構(gòu)成的時間序列、Gi,j為深度調(diào)峰過程中機(jī)組運(yùn)行時間構(gòu)成的序列、OVG,i,j為深度調(diào)峰時間序列。

(6)

式中:A為深度調(diào)峰過程中機(jī)組的極限調(diào)峰電量,kWh。

當(dāng)Vi,j、Gi,j的值相等時,表明兩者之間存在“與”關(guān)系,即OVG,i,j=Vi,j∩Gi,j。

2 電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置方法

2.1 目標(biāo)函數(shù)設(shè)計(jì)

本文考慮新能源接入、風(fēng)電機(jī)組、火電機(jī)組在運(yùn)行過程中產(chǎn)生的相關(guān)費(fèi)用[9-10],將電網(wǎng)調(diào)峰機(jī)組運(yùn)行能耗最小化作為研究目標(biāo),建立電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù)。

(7)

電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù)的約束條件如下。

①負(fù)荷率約束。

(8)

②功率平衡約束。

(9)

③風(fēng)電機(jī)組在電網(wǎng)中的出力約束。

(10)

④火電機(jī)組在電網(wǎng)調(diào)峰過程中的輸出功率約束。

(11)

2.2 負(fù)荷優(yōu)化配置實(shí)現(xiàn)過程

多目標(biāo)粒子群算法具有流程簡單、收斂速度快、搜索效率高、能夠求解多目標(biāo)優(yōu)化問題、不容易陷入局部最優(yōu)等優(yōu)勢。因此,本文采用多目標(biāo)粒子群算法[11-12]求解上述目標(biāo)函數(shù),以實(shí)現(xiàn)電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置。具體過程如下。

①確定電網(wǎng)調(diào)峰機(jī)組的相關(guān)數(shù)據(jù)。

②設(shè)置最大迭代次數(shù)tmax、種群數(shù)p、粒子在種群中的初始位置x0和速度v0。

③在外部檔案Archive中按照順序加入粒子初始位置x0,并在x0中選取支配解建立初始解集。

④對粒子展開迭代,通過式(12)計(jì)算個體在外部檔案Archive中的擁擠距離fi′。

(12)

式中:Q為目標(biāo)數(shù)量,個;gi′+1,j′、gi′-1,j′分別為在粒子群中第(i′+1)個和第(i′-1)個粒子對應(yīng)的第j′個目標(biāo)值;gj′max、gj′min分別為第j′個目標(biāo)對應(yīng)的最大和最小適應(yīng)度值。

通過輪盤賭策略可以在外部檔案Archive中根據(jù)粒子的擁擠距離fi′選擇最優(yōu)個體Gbest。

⑤更新粒子對應(yīng)的速度v和位置x。

(13)

式中:ξ為慣性權(quán)重;xi′d,k、xi′d,k+1,vi′d,k、vi′d,k+1分別為第i個粒子在第k次和第(k+1)次迭代過程中生成的第d個位置向量和速度向量;c1、c2分別為兩個不同的常數(shù);rand()為隨機(jī)數(shù);gbest為全局最優(yōu)位置;pbest為局部最優(yōu)位置。

⑥針對外部檔案,利用非支配解對其展開更新,根據(jù)粒子的擁擠距離過濾處理外部檔案。

⑦設(shè)置多目標(biāo)粒子群算法的最大迭代次數(shù)。如滿足條件,則停止迭代。此時,獲取式(8)～式(11)的最優(yōu)解,即負(fù)荷率最大、功率最為平衡、風(fēng)電機(jī)組出力以及輸出功率最佳。重復(fù)上述過程,對目標(biāo)函數(shù)進(jìn)行求解,以獲取電網(wǎng)調(diào)峰機(jī)組運(yùn)行能耗最小化目標(biāo)的最優(yōu)解。該結(jié)果即電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù)的最優(yōu)解。如不滿足條件,則引入模糊決策方法獲取電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù)的最優(yōu)折中解,從而完成電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置。

3 試驗(yàn)與分析

為了驗(yàn)證新能源接入下電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置方法的整體有效性,需要對其開展測試。

此次試驗(yàn)設(shè)備選用Simulation模擬新能源(風(fēng)能、太陽能等)。

系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)圖

仿真軟件與simulation試驗(yàn)電路相連接。通過設(shè)置不同的仿真參數(shù)模擬單個風(fēng)力、光伏發(fā)電情況。本文將所提方法編輯成相關(guān)的執(zhí)行程序,將不同方法在程序驅(qū)動仿真軟件中運(yùn)行,得到所提方法在不同數(shù)量風(fēng)電、光伏發(fā)電接入后的控制功率變化曲線。

風(fēng)電接入后的控制曲線如圖2所示。

圖2 風(fēng)電接入后的控制曲線

光電接入后的控制曲線如圖3所示。

圖3 光電接入后的控制曲線

由圖2、圖3可知,本文方法可以很好地控制接入后的波動情況。在發(fā)生波動后,本文方法根據(jù)分析結(jié)果將優(yōu)化參數(shù)設(shè)置為負(fù)荷率、功率、風(fēng)電機(jī)組出力、輸出功率、電網(wǎng)調(diào)峰機(jī)組運(yùn)行能耗。這些系統(tǒng)參數(shù)初始值均為0。本文利用多目標(biāo)粒子群算法求解電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù),以獲取目標(biāo)函數(shù)最優(yōu)解,從而保證電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置。

文獻(xiàn)[3]方法和文獻(xiàn)[4]方法是電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化領(lǐng)域較新、較具代表性的研究成果。因此,試驗(yàn)采用所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對電網(wǎng)調(diào)峰機(jī)組展開負(fù)荷優(yōu)化配置,以對比不同方法在調(diào)峰控制過程中的受阻風(fēng)電量。

不同方法的風(fēng)光電發(fā)電受阻量如圖4所示。

圖4 不同方法的風(fēng)光電發(fā)電受阻量

圖4中,等效負(fù)荷指發(fā)電機(jī)組實(shí)際發(fā)出的電量除以發(fā)電機(jī)組實(shí)際應(yīng)有發(fā)電量(能力)的比值。分析圖4可知,在調(diào)峰機(jī)組負(fù)荷優(yōu)化配置初期,所提方法控制電網(wǎng)調(diào)峰機(jī)組負(fù)荷時出現(xiàn)了小部分的風(fēng)光電發(fā)電受阻量。文獻(xiàn)[3]方法控制電網(wǎng)調(diào)峰機(jī)組負(fù)荷時,在配置前期和配置中期出現(xiàn)了大量的風(fēng)光電發(fā)電受阻現(xiàn)象。文獻(xiàn)[4]方法控制電網(wǎng)調(diào)峰機(jī)組負(fù)荷時,在配置前期和配置后期出現(xiàn)了大量的風(fēng)光電發(fā)電受阻現(xiàn)象。對比三種方法的負(fù)荷優(yōu)化配置結(jié)果發(fā)現(xiàn),所提方法的負(fù)荷優(yōu)化配置效果優(yōu)于另兩種方法。

在上述測試環(huán)境中,本文將仿真軟件與Simulation試驗(yàn)電路建立連接,通過設(shè)置不同的參數(shù)模擬火電機(jī)組和風(fēng)電場運(yùn)行情況。試驗(yàn)將所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法編輯成相關(guān)的執(zhí)行程序。本文利用不同方法的程序驅(qū)動仿真軟件運(yùn)行,以此獲取不同方法的火電機(jī)組和風(fēng)電場出力情況。

不同方法的出力情況如圖5所示。

圖5 不同方法的出力情況

分析圖5可知,在0∶00～20∶00,火電機(jī)組在三種方法的控制下均正常運(yùn)行,且風(fēng)電場出力不斷增高。在20∶00之后,電網(wǎng)的用電負(fù)荷有所下降。此時:文獻(xiàn)[3]方法和文獻(xiàn)[4]方法控制下的火電機(jī)組進(jìn)入停機(jī)狀態(tài);所提方法控制下的火電機(jī)組出力下降至100 MW,并繼續(xù)出力。通過上述分析可知,所提方法具有靈活的調(diào)峰能力。其原因是所提方法在構(gòu)建電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置目標(biāo)函數(shù)之前,考慮了新能源接入問題、分析了新能源接入量與電網(wǎng)調(diào)峰機(jī)組深度調(diào)峰之間的關(guān)系,以此實(shí)現(xiàn)調(diào)峰機(jī)組負(fù)荷的靈活控制。

不同方法的調(diào)峰裕度值如圖6所示。

圖6 不同方法的調(diào)峰裕度值

由圖6可知,與其他兩種方法相比,所提方法具有較高的調(diào)峰裕度值。這表明所提方法具有良好的負(fù)荷優(yōu)化配置效果,可以保證電網(wǎng)運(yùn)行的安全性和穩(wěn)定性。

本文將調(diào)峰裕度值作為指標(biāo),測試三種方法的負(fù)荷優(yōu)化配置效果。調(diào)峰裕度值越高,表明負(fù)荷優(yōu)化配置效果越好。

4 結(jié)論

當(dāng)前方法沒有考慮到新能源出力在負(fù)荷優(yōu)化配置過程中的波動性和隨機(jī)性,存在風(fēng)光電發(fā)電受阻量高、出力低和調(diào)峰裕度值低的問題。本文提出新能源接入下電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置方法。該方法在電網(wǎng)調(diào)峰機(jī)組負(fù)荷優(yōu)化配置過程中考慮了新能源接入問題。該方法通過建立目標(biāo)函數(shù)實(shí)現(xiàn)負(fù)荷優(yōu)化配置,能夠有效解決目前方法中存在的問題,具有良好的負(fù)荷優(yōu)化配置效果。