, ，，，,(.國網(wǎng)新疆電力公司電力科學(xué)研究院，新疆 烏魯木齊 830000；.國網(wǎng)新疆電力公司，新疆 烏魯木齊 830000)

0 引 言

隨著能源的日趨枯竭以及環(huán)境問題日益凸顯，大力發(fā)展可持續(xù)性新能源成為必然選擇，近年來中國風(fēng)電得到快速發(fā)展，特別是新疆哈密新能源基地風(fēng)電總量在短短幾年間已突破千萬千瓦。風(fēng)電出力的隨機(jī)性、波動(dòng)性及間歇性給電網(wǎng)帶來巨大風(fēng)險(xiǎn)，同時(shí)以燃煤火電為主的新疆電網(wǎng)，供暖期調(diào)峰電源本身比較匱乏，風(fēng)電大規(guī)模送出更加劇了系統(tǒng)調(diào)峰困難。風(fēng)電大規(guī)模發(fā)展與系統(tǒng)調(diào)峰造成的新能源受限矛盾已越來越突出[1-3]。

新疆電網(wǎng)全網(wǎng)總裝機(jī)80 GW，其中公用機(jī)組49 GW，風(fēng)電20 GW，全疆最大經(jīng)營口徑負(fù)荷11.9 GW。風(fēng)電負(fù)荷特性見圖1、圖2、圖3。風(fēng)電由于分散地域廣，出力波動(dòng)性大，對于系統(tǒng)調(diào)峰造成較大壓力。因此對于風(fēng)電出力一方面要考慮其在常規(guī)能源最小開機(jī)方式下的最大值，另一方面要考慮新能源出現(xiàn)大規(guī)模波動(dòng)情況下，常規(guī)機(jī)組是否具有足夠的上調(diào)備用容量，保證系統(tǒng)外送組織能力。

圖1 夏季、冬季日負(fù)荷曲線

圖2 夏季、冬季風(fēng)功率波動(dòng)曲線

圖3 風(fēng)電出力波動(dòng)值區(qū)間

下面采用基于極端學(xué)習(xí)機(jī)的風(fēng)功率及負(fù)荷預(yù)測手段，對新疆電網(wǎng)最小開機(jī)方式及風(fēng)電出力空間進(jìn)行平衡預(yù)測，對指導(dǎo)實(shí)際運(yùn)行具有重要意義[4]。

1 極端學(xué)習(xí)機(jī)

極端學(xué)習(xí)機(jī)(extreme learning machine,ELM)是典型的單隱含層前饋神經(jīng)網(wǎng)絡(luò)[5](single-hidden layer feedforward neural network,SLFNs)，如圖4所示。對于N個(gè)相互獨(dú)立的任意樣本(xi,yi)，其中，

(1)

對于含有1個(gè)隱含層神經(jīng)元的SLFN其數(shù)學(xué)模型為

(2)

式中：ωi=[ωi1ωi2…ωin]，為第i個(gè)隱含層神經(jīng)元與輸入神經(jīng)元之間的連接權(quán)向量；ηi=[ηi1ηi2…ηim],為第i個(gè)隱含層神經(jīng)元與輸出神經(jīng)元之間的連接權(quán)向量；ai為第i個(gè)隱含層神經(jīng)元閾值；l為隱含層神經(jīng)元數(shù)目；g(·)為神經(jīng)元激發(fā)函數(shù)；ωi·x為兩者的內(nèi)積。

圖4 ELM的結(jié)構(gòu)示意圖

(3)

上述方程可以寫成如下形式。

Hη=Y

(4)

式中：H稱為神經(jīng)網(wǎng)絡(luò)隱含層輸出矩陣，

H(ω1,…,ωl,ɑ1,…,ɑl,x1,…,xN)=

(5)

對于N個(gè)任意樣本(xi,yi)，其中xi=[xi1xi2…xin]T∈Rn，yi=[yi1yi2…yim]T∈Rm，一個(gè)任意區(qū)間可微的激活函數(shù)g∶R→R，則對具有N個(gè)隱含層神經(jīng)元的SLFN，在任意賦值ωi∈Rn和αi∈R的情況下，其隱含層輸出矩陣H可逆且有‖Hη-YT‖=0。

上述證明中指出，如果訓(xùn)練樣本和隱含層神經(jīng)元個(gè)數(shù)相同，矩陣H就變?yōu)榭赡娣疥?，?xùn)練樣本誤差可以近似為0。但是在大多數(shù)情況下，訓(xùn)練樣本個(gè)數(shù)要遠(yuǎn)遠(yuǎn)多于隱含層節(jié)點(diǎn)數(shù)目，此時(shí)H為非方陣，因此可能不存在ωi、αi、η使Hη=Y，這時(shí)需要重新尋找一組賦值使誤差最小。常用方法是尋找SLFN最小范數(shù)的最小二乘解：

(6)

對于給定的N個(gè)訓(xùn)練樣本，隱含層神經(jīng)元數(shù)目為l，激活函數(shù)為g(x)。其基本算法步驟如下：

1)隨機(jī)選取一組輸入權(quán)重系數(shù)ωi和偏差ɑi，i=1,…,l。

2)計(jì)算隱含層輸出矩陣H。

3)計(jì)算輸出權(quán)重系數(shù)η∶η=H-1Y。

系統(tǒng)正常運(yùn)行時(shí)，若考慮自備電廠全處于自平衡狀態(tài)，電網(wǎng)的公用有功與負(fù)荷始終處于動(dòng)態(tài)平衡狀態(tài)，則有式(7)成立[6-7]：

(7)

式中：PL為經(jīng)營口徑負(fù)荷；Pw為疆電外送功率，包括直流聯(lián)變下網(wǎng)及交流外送；Ps為系統(tǒng)損耗；PGi為公用機(jī)組出力；Pwind為風(fēng)電出力。

從上述公式中可以看出，若負(fù)荷、損耗、外送保持不變，隨著公用機(jī)組出力的增加，風(fēng)電理論出力將隨之減小。若想要接納更多的風(fēng)電，則需公用機(jī)組降低至最小出力。同時(shí)，為保證疆電外送能夠有效保證，需保證在風(fēng)電出力最低時(shí)，公用機(jī)組上備用容量充足。

圖5 基于ELM的計(jì)算流程

如圖5所示，選取近3年觀測到的風(fēng)電日最大出力及當(dāng)日最大功率波動(dòng)數(shù)據(jù)、經(jīng)營口徑日最大負(fù)荷作為訓(xùn)練輸入樣本，將預(yù)測值作為功率平衡約束條件的初值，進(jìn)行最小開機(jī)方式與新能源出力間的平衡迭代，最終找出兩者之間的最優(yōu)開機(jī)比例。

2 新疆電網(wǎng)公用電廠最小開機(jī)方式

考慮到新疆電網(wǎng)各斷面能力及冬季供熱機(jī)組開機(jī)限制，在確保各斷面滿足安全穩(wěn)定約束的前提下，結(jié)合各廠前幾年的實(shí)際運(yùn)行數(shù)據(jù)，對非采暖期、采暖期公用機(jī)組的最小運(yùn)行方式進(jìn)行安排，原則如下：1)非供暖期主要考慮各斷面能力限制安全穩(wěn)定約束及系統(tǒng)出現(xiàn)大幅功率波動(dòng)后的穩(wěn)定性；2)供暖期供熱機(jī)組最小運(yùn)行方式原則是以熱定電，非供熱機(jī)組以鍋爐低負(fù)荷穩(wěn)燃作為最小運(yùn)行方式核定依據(jù)。將式(7)中的PGi分為夏季和冬季分別進(jìn)行計(jì)算。

3 新疆電網(wǎng)風(fēng)電最大出力空間

根據(jù)新疆電網(wǎng)運(yùn)行實(shí)際情況，2017年±800 kV天中直流特高壓最大輸送功率將繼續(xù)維持在5 000 MW，其中聯(lián)絡(luò)變壓器下網(wǎng)最大能力為3 200 MW，交流通道最大外送能力為3 000 MW，預(yù)計(jì)疆內(nèi)組織外送最大功率將在5 000 MW。計(jì)算表明，冬季由于供熱影響，新疆電網(wǎng)調(diào)峰缺額較大，風(fēng)電因調(diào)峰受限較大。按照不同季節(jié)機(jī)組開機(jī)方式及最小出力情況，為避免風(fēng)電波動(dòng)造成較大功率缺額，按照風(fēng)電日功率波動(dòng)量5 000 MW考慮。

表1 豐水期風(fēng)電最大出力空間預(yù)測 單位：MW

表2 枯水期風(fēng)電最大出力空間預(yù)測 單位：MW

根據(jù)表1、表2對比可知，新疆電網(wǎng)豐水期和枯水期風(fēng)電理論最大出力在8 500～10 000 MW之間，新疆電網(wǎng)風(fēng)電總裝機(jī)為20 000 MW，由于調(diào)峰受限出力約為50%～60%。通過風(fēng)功率日系統(tǒng)調(diào)節(jié)備用容量滿足需求可以得到新疆公用電廠最小開機(jī)出力為5 146 MW。

4 結(jié) 語

以新疆電網(wǎng)實(shí)際運(yùn)行中遇到的調(diào)峰與新能源出力之間的矛盾為出發(fā)點(diǎn)，通過基于極端學(xué)習(xí)機(jī)的預(yù)測方法，以調(diào)峰能力和電力平衡約束為主要手段，確定新疆電網(wǎng)滿足調(diào)峰要求的最小開機(jī)方式與最大新能源出力的最優(yōu)解，為新疆電網(wǎng)明確開機(jī)方式，實(shí)現(xiàn)經(jīng)濟(jì)調(diào)度奠定基礎(chǔ)。

[1] 魏磊，張琳，姜寧，等．包含風(fēng)電的電力系統(tǒng)調(diào)峰能力計(jì)算方法探討[J].電網(wǎng)與清潔能源，2010，26(8):59-63．

[2] 閆廣新,施海,劉新剛，等. 電網(wǎng)在調(diào)峰能力約束下接納風(fēng)電能力的估算[J].電力與能源，2012，33(3)：260-263.

[3] 張學(xué)清，梁軍，張熙，等．基于樣本熵和極端學(xué)習(xí)機(jī)的超短期風(fēng)電功率組合預(yù)測模型[J].中國電機(jī)工程學(xué)報(bào)，2013,33(25):33-39．

[4] 武峰雨，樂秀璠，南東亮.相空間重構(gòu)的極端學(xué)習(xí)機(jī)短期風(fēng)速預(yù)測模型[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2013，25(1)：136-141.

[5] 劉士榮，李松峰，寧康紅，等.基于極端學(xué)習(xí)機(jī)的光伏發(fā)電功率短期預(yù)測[J].控制工程，2013，20(2)：372-376.

[6] 劉德偉，黃越輝，王偉勝，等.考慮調(diào)峰和電網(wǎng)輸送約束的省級系統(tǒng)風(fēng)電消納能力分析[J].電力系統(tǒng)自動(dòng)化，2011，35(22)：77-81.

[7] 李子壽，許梁，徐箭，等.以調(diào)峰能力為約束的湖北電網(wǎng)接納風(fēng)電能力研究[J].機(jī)電工程，2016，33(5)：625-628.