謝 樺呂曉茜張 沛

(北京交通大學(xué)電氣工程學(xué)院,北京 海淀100044)

0 引言

近年來,我國風(fēng)電發(fā)展取得了舉世矚目的成績。截至2018年,我國風(fēng)電裝機容量已達184 GW,裝機總量居世界第一。與此同時,棄風(fēng)電量不斷增加,2018年我國棄風(fēng)電量為27.700 TW·h,占風(fēng)電總發(fā)電量的7%。棄風(fēng)問題引起了社會廣泛關(guān)注,成為學(xué)界研究的焦點。如何減少棄風(fēng)現(xiàn)象的發(fā)生,需要分析棄風(fēng)原因,找出科學(xué)的解決途徑[1]。

目前,針對棄風(fēng)問題,已有諸多文獻進行了研究,主要可分為定性分析法和定量分析法。定性分析法結(jié)合實際運行經(jīng)驗對棄電原因進行理論分析。文獻[2]結(jié)合歐美等國家的經(jīng)驗,從系統(tǒng)調(diào)節(jié)能力、電網(wǎng)輸電能力、風(fēng)電技術(shù)性能、風(fēng)電調(diào)度運行水平等角度論述了影響風(fēng)電消納的關(guān)鍵因素。文獻[3]詳細分析了影響電網(wǎng)接納新能源能力的相關(guān)因素,包括新能源出力特性、負荷特性、機組性能和外送通道。文獻[4]將影響新能源消納的關(guān)鍵因素分為技術(shù)因素、市場因素以及政策因素等?，F(xiàn)有文獻對風(fēng)電消納影響因素的理論研究已較為完備。

定量分析法大多利用時序生產(chǎn)模擬建立含風(fēng)電場的電力系統(tǒng)調(diào)度模型,求解研究周期內(nèi)的新能源接納電量和限電電量,進而研究因素變化對于電網(wǎng)棄電量的影響[5]。文獻[1]剖析了產(chǎn)生新能源消納問題的機理,系統(tǒng)性地提出了若干措施,并通過建立時序生產(chǎn)模擬模型進行了場景驗證。文獻[6]通過將機組出力與負荷需求進行分類,建立了一種簡化的時序生產(chǎn)模型,并對新能源消納敏感因素進行了定量分析。文獻[7]分析了可再生能源消納影響因素之間的相互作用,并基于時序運行模擬建立了可再生能源消納影響因素貢獻度的評估方法。時序生產(chǎn)模擬法計算精度高,物理意義清晰,但所需數(shù)據(jù)眾多、計算量大、計算速度慢。

上述分析表明,定性分析法對棄風(fēng)電量影響因素的理論分析已較為全面;定量分析法計算精度高,能求出逐時段的棄風(fēng)電量,但所需數(shù)據(jù)眾多、模型計算量大。且現(xiàn)有文獻未明確棄風(fēng)電量的組成,研究棄風(fēng)首先需明確棄風(fēng)電量的組成。棄風(fēng)電量包括斷面受阻電量和調(diào)峰受阻電量。斷面受阻電量為因通道穩(wěn)定極限、電網(wǎng)設(shè)備檢修、電網(wǎng)故障等情況導(dǎo)致的風(fēng)電受阻;調(diào)峰受阻電量指因電網(wǎng)調(diào)峰能力不足時造成的風(fēng)電受阻。前者導(dǎo)致的棄風(fēng)電量占總棄風(fēng)電量的比重為10%～50%,后者為40%～90%[8]。系統(tǒng)調(diào)峰能力是制約消納風(fēng)電能力的最主要因素[9]。本文針對風(fēng)電調(diào)峰受阻電量進行研究。由于各種因素對于風(fēng)電調(diào)峰受阻電量的影響程度不盡相同,本文提出影響因素貢獻度的概念用于定量描述不同因素對于風(fēng)電調(diào)峰受阻電量的影響程度。

基于上述情況,本文提出一種量化風(fēng)電調(diào)峰受阻電量影響因素貢獻度的新方法。首先,定性分析風(fēng)電調(diào)峰受阻電量的影響因素。其次,介紹反向(back propagation,BP)神經(jīng)網(wǎng)絡(luò)與平均影響值(mean impact value,MIV)算法在影響因素貢獻度計算中的應(yīng)用。再次,利用某省電網(wǎng)2018年運行數(shù)據(jù)進行案例分析,得出影響因素重要程度排名。最后,提出解決風(fēng)電調(diào)峰受阻問題的建議。

1 風(fēng)電調(diào)峰受阻電量影響因素

1.1 新能源出力特性

風(fēng)電接入系統(tǒng)前,系統(tǒng)的日調(diào)峰需求表現(xiàn)為峰荷與谷荷間的差值,即峰谷差。風(fēng)電接入系統(tǒng)以后,由于風(fēng)電的隨機性與間歇性,導(dǎo)致既有可能在系統(tǒng)日負荷達到峰值時,風(fēng)電零出力,也有可能在日負荷到達谷值時,風(fēng)電滿發(fā)。為了保證風(fēng)電出力始終上網(wǎng),系統(tǒng)日調(diào)峰需求顯著增加,變?yōu)槿肇摵煞骞炔钆c風(fēng)電接入容量之和。

為反映風(fēng)電出力規(guī)模與波動性,本文選擇風(fēng)電理論發(fā)電量與相鄰時刻風(fēng)電理論發(fā)電量差值作為風(fēng)電調(diào)峰受阻電量的影響因素。

1.2 系統(tǒng)調(diào)節(jié)能力

1.2.1 電源結(jié)構(gòu)

電力系統(tǒng)中常規(guī)發(fā)電機組一般分為水電機組、火電機組和核電機組3種。

由于啟停迅速,水電機組是理想的調(diào)峰機組?；痣姍C組一般分為常規(guī)火電機組和燃氣輪機機組。燃氣輪機機組由于具有啟動快、可以頻繁啟動的特點,適于作為調(diào)峰機組。常規(guī)火電機組運行在額定出力或接近額定出力時經(jīng)濟性較好,并且常規(guī)火電機組啟停周期長,不宜頻繁啟動。在風(fēng)電大規(guī)模并網(wǎng)后系統(tǒng)調(diào)峰壓力很大的情況下,一般以犧牲常規(guī)火電機組的部分經(jīng)濟性為代價,以熱備用的形式參與調(diào)峰。核電廠按其技術(shù)和經(jīng)濟特性要求,適于承擔(dān)系統(tǒng)基本負荷,不適合作為調(diào)峰機組運行[10]。電力系統(tǒng)中調(diào)峰機組所占比例越大時,越有利于電網(wǎng)調(diào)峰。

為描述電力系統(tǒng)調(diào)峰電源占比對風(fēng)電調(diào)峰受阻電量的影響,本文選取火電機組開機容量、水電機組開機容量、風(fēng)電開機容量作為風(fēng)電調(diào)峰受阻電量的影響因素。

1.2.2 調(diào)峰能力

調(diào)峰能力牽涉系統(tǒng)運行的經(jīng)濟代價,對電網(wǎng)安全、經(jīng)濟運行的影響相對較大,是目前公認的制約電網(wǎng)接納風(fēng)電能力的主要因素。根據(jù)《華北區(qū)域并網(wǎng)發(fā)電廠輔助服務(wù)管理實施細則》(簡稱《細則》)規(guī)定,火電機組的基本調(diào)峰為50%PN[11]。現(xiàn)階段,我國的火電機組容量比例高,快速調(diào)節(jié)電源容量遠不能滿足調(diào)峰需求。如果能在現(xiàn)有補償框架下,充分利用經(jīng)濟手段,加大火電機組的調(diào)峰深度,充分挖掘現(xiàn)有下調(diào)備用空間,將是平抑風(fēng)電功率波動的最有效的方式之一。

本文利用電力系統(tǒng)調(diào)峰幅度反映調(diào)峰能力對風(fēng)電調(diào)峰受阻電量的影響。電力系統(tǒng)調(diào)峰幅度的定義如下:

式中:Pg.i.max為調(diào)峰機組i的最大技術(shù)出力;Pg.i.min為調(diào)峰機組i的最小技術(shù)出力;N為電網(wǎng)中調(diào)峰機組數(shù)量。

1.3 負荷特性

隨著風(fēng)電裝機容量的快速增長,風(fēng)電裝機容量可能超過負荷水平,從而導(dǎo)致棄風(fēng)。此外,負荷波動雖呈現(xiàn)較強的規(guī)律性,但統(tǒng)計數(shù)據(jù)表明,隨著我國人均國民生產(chǎn)總值的提高,電力的峰荷和谷荷差越來越大,電網(wǎng)的調(diào)峰任務(wù)越來越重,越不利于新能源的消納[12]。

本文定義電網(wǎng)的總負荷為本地負荷與聯(lián)絡(luò)線外送負荷之和。為反映負荷水平與負荷波動性對風(fēng)電調(diào)峰受阻電量的影響,本文選取電網(wǎng)總負荷與相鄰時刻的總負荷差值作為風(fēng)電調(diào)峰受阻電量的影響因素。

2 風(fēng)電調(diào)峰受阻電量影響因素貢獻度分析

各因素對風(fēng)電調(diào)峰受阻電量的影響可用神經(jīng)網(wǎng)絡(luò)模型進行描述。神經(jīng)網(wǎng)絡(luò)技術(shù)具有良好的自適應(yīng)性、自組織性及較強的學(xué)習(xí)和容錯抗干擾能力,可實現(xiàn)輸入到輸出之間的高度非線性映射[13-14]。神經(jīng)網(wǎng)絡(luò)算法可以從大量的離散實驗數(shù)據(jù)中,經(jīng)過學(xué)習(xí)訓(xùn)練提取其領(lǐng)域知識,建立起反映實際過程內(nèi)在規(guī)律的系統(tǒng)模型。目前神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛用于電力系統(tǒng)負荷預(yù)測[15-16]、新能源出力預(yù)測[17]、變壓器運行狀態(tài)預(yù)測[18]。因此本文選擇利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建影響因素與風(fēng)電調(diào)峰受阻電量之間的模型。

2.1 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用

BP人工神經(jīng)網(wǎng)絡(luò)是Rmenlhart、McClelland等研究并設(shè)計的、基于誤差反向傳播算法的一種多層前向神經(jīng)網(wǎng)絡(luò)[13]。

2.1.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

BP算法作為人工神經(jīng)網(wǎng)絡(luò)的一種比較典型的學(xué)習(xí)算法,主要結(jié)構(gòu)是由1個輸入層,1個或多個隱含層,1個輸出層組成。最基本的三層BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。根據(jù)上文所述,本文選取了8個風(fēng)電調(diào)峰受阻電量影響因素,因此在本文建立的影響因素與風(fēng)電調(diào)峰受阻電量的模型中,輸入層神經(jīng)元個數(shù)為8。重復(fù)多次實驗,當(dāng)隱含層神經(jīng)元個數(shù)為15時,網(wǎng)絡(luò)誤差最小,故隱含層神經(jīng)元個數(shù)設(shè)定為15。模型輸出變量為風(fēng)電調(diào)峰受阻電量,故輸出神經(jīng)元個數(shù)為1。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖Fig.1 Schematic diagram of BP neural network

2.1.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集

為保證模型建立的準確度,需要足夠的訓(xùn)練樣本。本文利用電力系統(tǒng)一年中每小時的數(shù)據(jù)構(gòu)建訓(xùn)練樣本集,樣本數(shù)目為8760。訓(xùn)練樣本集包括風(fēng)電理論發(fā)電量、相鄰時刻風(fēng)電理論發(fā)電量差值、風(fēng)電開機容量、火電機組開機容量、水電開機容量、調(diào)峰幅度、總負荷、相鄰時刻總負荷差值和風(fēng)電調(diào)峰受阻電量。

2.1.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程包括信息正向傳播和誤差反向傳播2個過程[19]。在正向傳播過程中,輸入信息從輸入層經(jīng)隱含層傳到輸出層,經(jīng)作用函數(shù)運算后得到輸出值與期望值比較,若有誤差,則誤差反向傳播,沿原先的連接通路返回,通過逐層修改各層神經(jīng)元的權(quán)值,減少誤差,如此循環(huán)直到輸出的結(jié)果符合精度要求為止。

2.1.4 BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置

訓(xùn)練次數(shù)過多可能會導(dǎo)致網(wǎng)絡(luò)過擬合;訓(xùn)練次數(shù)過少可能會導(dǎo)致網(wǎng)絡(luò)欠擬合。學(xué)習(xí)率較小時,訓(xùn)練會變得更加可靠,但是優(yōu)化會耗費較長的時間;學(xué)習(xí)率較大時,權(quán)重的改變量可能非常大,導(dǎo)致訓(xùn)練不收斂。一般學(xué)習(xí)率在0.1與0.000 01之間。本文經(jīng)反復(fù)試驗,將最大訓(xùn)練次數(shù)設(shè)定為1 000,學(xué)習(xí)率設(shè)定為0.006,目標(biāo)誤差設(shè)定為0.002。

2.2 M IV算法的應(yīng)用

MIV算法可以測定出神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元對輸出神經(jīng)元的影響權(quán)重,被認為是評價神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)相關(guān)性的最佳指數(shù)[20-21]。本文利用MIV算法量化風(fēng)電調(diào)峰受阻電量的影響因素貢獻度。下面是MIV算法的計算步驟。

步驟1:構(gòu)建影響因素矩陣和風(fēng)電調(diào)峰受阻電量向量。

根據(jù)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集,構(gòu)建影響因素矩陣X和風(fēng)電調(diào)峰受阻電量向量Y。n為影響因素數(shù)目,本文中n為8。m為訓(xùn)練集中樣本數(shù),本文中為8 760。利用訓(xùn)練樣本集訓(xùn)練BP神經(jīng)網(wǎng)絡(luò):

步驟2:形成2組新的輸入量。

將影響因素矩陣X中的第i個影響因素在其自身基礎(chǔ)上分別增減δ(δ一般取10%),形成2組新的輸入量Xi+和Xi-:

步驟3:利用BP神經(jīng)網(wǎng)絡(luò)得到2個新的輸出量。

將Xi+和Xi-作為輸入量,利用已建成的BP神經(jīng)網(wǎng)絡(luò),得到2個輸出量Yi+和Yi-:

步驟4:計算每個影響因素的MIV值。

影響因素i的MIV值可通過下式得到:

MIV的絕對值表示影響因素i的相對權(quán)重,符號表示影響因素i與風(fēng)電調(diào)峰受阻電量的相關(guān)方向。

步驟5:計算每個影響因素的貢獻度。

影響因素i的貢獻度可通過下式計算得到:

根據(jù)上述步驟,可以計算得到所有影響因素的貢獻度,進而可以判斷出各因素對風(fēng)電調(diào)峰受阻電量影響的相對重要性。

3 算例分析

利用本文所提BP-MIV算法對我國西北某電網(wǎng)進行案例分析。利用一年中每小時的影響因素數(shù)據(jù)與風(fēng)電調(diào)峰受阻電量數(shù)據(jù)形成訓(xùn)練樣本集,構(gòu)建BP神經(jīng)網(wǎng)絡(luò)并進行訓(xùn)練。訓(xùn)練過程如圖2所示。隨著訓(xùn)練次數(shù)的增加,測試樣本的誤差逐漸收斂到目標(biāo)值。利用MIV算法計算影響因素貢獻度,計算結(jié)果如表1所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程Fig.2 The training process of BP neural network

表1 影響因素的MIV值與貢獻度Table 1 The MIV and contribution of influential factors

根據(jù)上述計算結(jié)果可以得出風(fēng)電調(diào)峰受阻電量影響因素貢獻度排名,并得出以下結(jié)論:

風(fēng)電開機容量對風(fēng)電調(diào)峰受阻電量的影響最大;總負荷對風(fēng)電調(diào)峰受阻的影響次之;風(fēng)電理論發(fā)電量對風(fēng)電調(diào)峰受阻的影響排名第3;火電機組開機容量對風(fēng)電調(diào)峰受阻電量的影響排名第4;相鄰時刻總負荷差值對風(fēng)電調(diào)峰受阻電量的影響排第5;水電機組開機容量對風(fēng)電調(diào)峰受阻電量的影響為第6;調(diào)峰幅度對風(fēng)電調(diào)峰受阻電量的影響為第7;相鄰時刻風(fēng)電理論發(fā)電量差值對風(fēng)電調(diào)峰受阻電量的影響為第8。

本文所提量化風(fēng)電調(diào)峰受阻電量影響因素貢獻度的方法是基于數(shù)據(jù)的計算方法。當(dāng)對不同地區(qū)進行影響因素分析時,訓(xùn)練樣本集的不同會導(dǎo)致計算結(jié)果的不同,從而得出更符合該地區(qū)風(fēng)電調(diào)峰受阻特性的結(jié)論。

4 結(jié)論與建議

本文提出了一種量化風(fēng)電調(diào)峰受阻電量影響因素貢獻度的方法。以8個影響因素為輸入,風(fēng)電調(diào)峰受阻電量為輸出,構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型。應(yīng)用MIV算法,計算各因素對風(fēng)電調(diào)峰受阻電量的貢獻度。并利用我國西北某電網(wǎng)進行案例分析,驗證本文所提算法的有效性。為促進風(fēng)電消納,本文提出了下面3個建議:

(1)在電源側(cè)要加強調(diào)峰能力建設(shè),提高抽蓄、燃機等靈活調(diào)節(jié)電源比例,推動火電機組調(diào)峰能力改造,提高供熱機組調(diào)峰深度。

(2)提高風(fēng)電功率預(yù)測水平。隨著風(fēng)電裝機容量的增加,風(fēng)電功率預(yù)測對于調(diào)度安排系統(tǒng)的發(fā)電計劃、保證電力系統(tǒng)的安全穩(wěn)定運行、降低備用容量和運行成本以及對電力市場進行有效管理等都具有重要意義。

(3)加強需求側(cè)管理,改善負荷特性。隨著風(fēng)電并網(wǎng)規(guī)模增大,風(fēng)電對電網(wǎng)負荷特性的影響加大,電網(wǎng)負荷峰谷差惡化。從改善負荷特性的角度看,應(yīng)加強需求側(cè)管理,根據(jù)風(fēng)電出力情況對負荷進行控制,引導(dǎo)社會節(jié)約用電、合理用電,從而達優(yōu)化負荷特性,提高電網(wǎng)調(diào)峰能力的目的,這也有利于提高全網(wǎng)的綜合經(jīng)濟效益、提高電網(wǎng)運行的安全、穩(wěn)定性。