李云飛，徐 冰，周永漢，呂勇蕩，孫一迪，陳仕明

（國(guó)網(wǎng)浙江省電力有限公司江山市供電公司，浙江 江山 324100）

0 引言

近年來(lái)，江山地區(qū)分布式光伏數(shù)量急劇增長(zhǎng)，分布式光伏的并網(wǎng)增加了“源”側(cè)的不確定性，也使配電網(wǎng)面臨諧波、電能質(zhì)量低等問(wèn)題。在非統(tǒng)調(diào)負(fù)荷中，火電和庫(kù)容水電基本按計(jì)劃執(zhí)行發(fā)電計(jì)劃，其發(fā)電負(fù)荷可視為已知。但是，分布式光伏具有容量較小，分布分散等特點(diǎn)，而且江山地區(qū)分布式光伏發(fā)電數(shù)據(jù)無(wú)法實(shí)現(xiàn)集中采集，不能獲取日照和溫度等氣象數(shù)據(jù)，歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)也難以及時(shí)、準(zhǔn)確獲取[1-3]。因此，如何對(duì)分布式光伏出力進(jìn)行準(zhǔn)確預(yù)測(cè)，成為國(guó)內(nèi)外學(xué)者關(guān)注的問(wèn)題。

氣象作為影響光伏出力的主要因素，在其局部區(qū)域氣象數(shù)據(jù)存在相關(guān)性，可認(rèn)為該區(qū)域的分布式光伏出力存在一定空間相關(guān)性[4]。目前國(guó)內(nèi)外學(xué)者對(duì)于空間相關(guān)性的研究主要有兩個(gè)方面：一方面是針對(duì)沒(méi)有實(shí)時(shí)數(shù)據(jù)的光伏站，借助與之具有氣象相關(guān)性的“相似電站”的預(yù)測(cè)模型，從而實(shí)現(xiàn)自身出力預(yù)測(cè)[5]。如文獻(xiàn)[6]提出了一種基于空間相關(guān)性的大規(guī)模分布式光伏群的劃分方法。另一種是針對(duì)相似電站群，如文獻(xiàn)[7]依靠AR 預(yù)測(cè)模型對(duì)距離待預(yù)測(cè)目標(biāo)電站最近的N個(gè)相關(guān)性從站進(jìn)行預(yù)測(cè)，提高從站準(zhǔn)確度。

同時(shí)，國(guó)內(nèi)學(xué)者結(jié)合天氣預(yù)報(bào)數(shù)據(jù)對(duì)光伏功率預(yù)測(cè)也進(jìn)行了大量研究，并且取得了一些成果[8-11]。但是目前所采用的方法普遍在晴天日預(yù)測(cè)效果好，對(duì)此，文獻(xiàn)[12-13]基于SVM 將歷史數(shù)據(jù)依據(jù)天氣狀況建立4 個(gè)子模型，通過(guò)天氣預(yù)報(bào)情況進(jìn)行預(yù)測(cè)，預(yù)測(cè)精度較為理想。

本文結(jié)合江山地區(qū)的山區(qū)氣象特點(diǎn)，依據(jù)氣象相似性特點(diǎn)劃分分布式光伏區(qū)域，將具有氣象相關(guān)性的光伏納入同一個(gè)空間，形成3 個(gè)空間集，并根據(jù)各空間中心集中式光伏站預(yù)測(cè)模型，提出一種改進(jìn)天氣標(biāo)簽映射方法，輸入初始數(shù)據(jù)和改進(jìn)標(biāo)簽后，得到中心光伏站的多個(gè)結(jié)果，對(duì)結(jié)果進(jìn)行歐式距離篩選后，代入經(jīng)驗(yàn)公式便可得到同區(qū)域的分布式光伏預(yù)測(cè)情況，大大提高了光伏預(yù)測(cè)的效率和精度。

1 光伏出力影響因素分析

1.1 季節(jié)對(duì)光伏的影響

江山市位于浙西山區(qū)，光照充足，雨水充沛，雨熱同期，四季特征明顯，分析季節(jié)特征在該地區(qū)對(duì)光伏出力的影響十分必要。本文對(duì)3 個(gè)區(qū)域的江泰、國(guó)投和江福3 座中心光伏電站2022 年各季節(jié)的最大出力、平均出力和平均出力比進(jìn)行分析。由表1 可以看出，春、夏、秋各光伏站平均出力相差不大，冬季受溫度和太陽(yáng)輻射角影響，出力最低。3 座光伏站在每個(gè)季節(jié)中最大出力基本一致，反映了季節(jié)對(duì)光伏出力存在一定影響。

表1 集中式光伏電站2022 年出力情況統(tǒng)計(jì)

1.2 天氣對(duì)光伏出力的影響

江山市天氣具有多變特點(diǎn)，一天內(nèi)可能出現(xiàn)多種天氣類型，通過(guò)對(duì)近一年天氣匯總分析，發(fā)現(xiàn)共有48 種天氣組合，其中以多云、晴天、小雨和陰天4 種天氣類型占比最大，因此將多云、晴天、雨天和陰天作為江山地區(qū)代表性的典型氣象天氣。本文以江泰光伏電站為參考電站（下同），在4 種氣象天氣下光伏典型出力情況如圖1 所示。

圖1 天氣對(duì)光伏出力的影響

由圖1 可知，晴天和多云天氣的光伏出力較大，陰天和雨天的光伏出力較小。同時(shí)，陰雨天氣的光伏出力波動(dòng)較大，并在中午時(shí)刻達(dá)到峰值。由此可知，天氣因素是影響光伏出力的重要因素之一。

1.3 溫度對(duì)光伏出力的影響

環(huán)境溫度作為影響光伏出力的外在因素之一，其實(shí)質(zhì)影響過(guò)程更體現(xiàn)在對(duì)光伏組件的輸入輸出特性的影響上，溫度過(guò)高或者過(guò)低都將影響光伏電池輸出。一般來(lái)說(shuō)，光伏電池板普遍在20 °C 時(shí)效率最佳[14]。

另外，光伏出力的影響因素不止于此，還有云層、風(fēng)速、霧霾等。這些因素相比于季節(jié)、天氣等，其影響力相對(duì)很小，在此不做參考。

綜上所述，季節(jié)、天氣、溫度都是影響光伏出力的重要因素，將這些數(shù)據(jù)標(biāo)簽作為預(yù)測(cè)光伏出力的輸入數(shù)據(jù)。

2 改進(jìn)的天氣類型方法

江山地區(qū)天氣類型種類多樣，若將所有出現(xiàn)過(guò)的天氣類型作為一種標(biāo)簽，輸入數(shù)據(jù)的冗余度很高，不利于模型訓(xùn)練。此時(shí)，在實(shí)際的預(yù)測(cè)過(guò)程中，如果僅僅套用單一天氣的概念進(jìn)行預(yù)測(cè)時(shí)，在復(fù)雜氣象天氣（如多云轉(zhuǎn)陰天氣、陣雨等）時(shí)，預(yù)測(cè)誤差會(huì)增大。

而實(shí)際光伏電站日出力都趨近于4 種典型天氣（晴天、多云、陰天、大雨）類型下的光伏出力曲線，因此，將實(shí)際出現(xiàn)的天氣類型對(duì)按照4 類典型天氣類型進(jìn)行劃分，每種天氣都有一種或幾種的典型標(biāo)簽。本文將每一日的氣象天氣類型和典型天氣狀態(tài)之間的關(guān)系由原本的“多對(duì)一”改為“多對(duì)多”的關(guān)系。如表2 所示（“1”表示典型“晴天”天氣，“2”表示典型“多云”天氣，“3”表示典型“陣雨”天氣，“4”表示典型“大雨”天氣）。表2 是由江山歷史數(shù)據(jù)對(duì)應(yīng)的氣象專業(yè)天氣歸納而來(lái)，更能反映實(shí)際的氣象特點(diǎn)。例如，“晴/大雨”其天氣變化過(guò)程包括從晴天轉(zhuǎn)至多云，再?gòu)亩嘣妻D(zhuǎn)至陰天，再到大雨，“晴/大雨”天氣其包含了4 種典型天氣的變化，因此賦予4 種標(biāo)簽。其他類型天氣依此類推，給予賦予的標(biāo)簽。

表2 天氣類型對(duì)應(yīng)表

3 分布式光伏預(yù)測(cè)算法

3.1 總體預(yù)測(cè)流程

分布式光伏預(yù)測(cè)流程如圖2 所示，待預(yù)測(cè)分布式光伏與相似的區(qū)域中心光伏站匹配后，建立與集中式光伏站的空間相關(guān)性分組，再根據(jù)待預(yù)測(cè)日天氣情況的賦予標(biāo)簽，預(yù)測(cè)集中式光伏站的出力，得到多種預(yù)測(cè)結(jié)果，再通過(guò)歐式距離算法得到最優(yōu)結(jié)果。最后利用經(jīng)驗(yàn)公式（表示待預(yù)測(cè)分布式光伏與區(qū)域中心光伏站的映射關(guān)系）得到待預(yù)測(cè)線路的分布式光伏出力。

圖2 分布式光伏預(yù)測(cè)出力算法流程圖

3.2 聚類中心的選取

由于K-Means 聚類算法時(shí)間成本較低，數(shù)據(jù)復(fù)雜度較低，對(duì)大數(shù)據(jù)集具有較高的處理效率，并具備一定的可伸展性，因此，本文采用該方法用于光伏電站實(shí)測(cè)數(shù)據(jù)的處理和聚類。

設(shè)具有n個(gè)初始光伏功率數(shù)據(jù)的集合：{X1,X2, ···,Xn}，確定聚類中心個(gè)數(shù)K后，找到K個(gè)聚類中心：{a1,a2, ···,ak}，結(jié)合后文改進(jìn)廣義天氣的概念，綜合各種因素之下，將K值定義為4，將每個(gè)數(shù)據(jù)點(diǎn)與其最近的聚類中心的平方和記為目標(biāo)函數(shù)Wn，如果此時(shí)要求Wn最小，則有：

式中：Xi為第i個(gè)光伏數(shù)據(jù)集的多維坐標(biāo)；aj為第j個(gè)聚類中心的多維坐標(biāo)。

目前，國(guó)內(nèi)外文獻(xiàn)有基于密度的和基于優(yōu)化算法的初始聚類中心選取方法，本文中因?yàn)闃颖究臻g數(shù)據(jù)量有限，初始聚類中心的選取方法參考文獻(xiàn)[15]，即以目標(biāo)函數(shù)的均方根誤差最小為評(píng)定辦法，通過(guò)不斷嘗試選擇出初始聚類中心。

K-Means 算法的處理流程如圖3 所示。

圖3 K-Means 算法數(shù)據(jù)處理流程圖

3.3 歐式距離

聚類得到結(jié)果可以反映為中心光伏電站的典型出力曲線。再利用相似度評(píng)價(jià)方法找出與待預(yù)測(cè)天氣最為相似的曲線，作為待預(yù)測(cè)光伏的參考曲線。在多維空間中，歐式距離用來(lái)表述2 個(gè)點(diǎn)之間真實(shí)距離。歐式距離的概念也經(jīng)常被用來(lái)描述2 個(gè)樣本之間的相似程度，所以本文中引入歐式距離作為預(yù)測(cè)日最終天氣狀態(tài)的評(píng)價(jià)標(biāo)準(zhǔn)。表達(dá)式為：

式中：xi為每日整點(diǎn)時(shí)刻出力值；yi為xi所述簇的聚類中心的整點(diǎn)出力值；n為各季中的n個(gè)出力時(shí)刻；d為待預(yù)測(cè)日與典型日的相似程度。

3.4 經(jīng)驗(yàn)公式

得到參考曲線后，再利用經(jīng)驗(yàn)公式便可得到待預(yù)測(cè)光伏出力曲線，某時(shí)刻待預(yù)測(cè)分布式光伏發(fā)電輸出功率Pf為：

式中：η 為經(jīng)驗(yàn)系數(shù)，主要考慮設(shè)備轉(zhuǎn)換效率、設(shè)備運(yùn)行情況、發(fā)用電方式等，選取0.6～0.96[16]；α為分布式光伏所在區(qū)域的中心光伏出力占自身裝機(jī)容量比例；S為10 kV 及以下分布式光伏對(duì)象的報(bào)裝容量，kW。

則某條線路分布式光伏實(shí)時(shí)發(fā)電輸出功率Pa為：

式中：i為該分布式光伏線路光伏數(shù)量匯總。

4 算例仿真

本文利用MATLAB 仿真軟件，在“多云轉(zhuǎn)陰”天氣類型下，對(duì)某條線路上分布式光伏出力進(jìn)行一日的完整預(yù)測(cè)。由表2 可知，“多云轉(zhuǎn)陰”對(duì)應(yīng)“1”“2” “3”天氣標(biāo)簽，預(yù)測(cè)得到曲線如圖4 所示。

圖4 3 種天氣標(biāo)簽下預(yù)測(cè)結(jié)果

使用歐式距離作為篩選標(biāo)準(zhǔn)（如表3 所示），選擇中心光伏站預(yù)測(cè)結(jié)果與其聚類中心的歐式距離最小者為最終參考預(yù)測(cè)曲線，即狀態(tài)2。

表3 3 種狀態(tài)下預(yù)測(cè)結(jié)果與其聚類中心的歐式距離

為了體現(xiàn)改進(jìn)天氣相比于改進(jìn)前廣義天氣方法對(duì)光伏出力預(yù)測(cè)精度的影響，本文按照控制變量法的原則，改進(jìn)前后預(yù)測(cè)結(jié)果如圖5 所示。

圖5 改進(jìn)天氣標(biāo)簽前后預(yù)測(cè)結(jié)果

選取均方根誤差方法對(duì)改進(jìn)前后結(jié)果進(jìn)行對(duì)比分析，均方根誤差公式為：

式中：Pa(i) 表示當(dāng)日各時(shí)刻光伏出力的實(shí)際值；Pf(i)表示當(dāng)日各時(shí)刻光伏出力的預(yù)測(cè)值；N代表預(yù)測(cè)日的預(yù)測(cè)時(shí)刻總數(shù)，其值為11。均方根誤差結(jié)果如表4 所示。

表4 預(yù)測(cè)方法誤差對(duì)比

綜上所述，基于空間相關(guān)性對(duì)分布式光伏出力進(jìn)行預(yù)測(cè)具有一定的可行性，同時(shí)結(jié)合改進(jìn)天氣標(biāo)簽的預(yù)測(cè)方法，其預(yù)測(cè)結(jié)果精度高于單一天氣標(biāo)簽預(yù)測(cè)方法。

5 彈性調(diào)度新模式探索實(shí)踐

5.1 管理流程

基于分布式光伏預(yù)測(cè)系統(tǒng)，結(jié)合可中斷負(fù)荷、小水電等，優(yōu)化編制停電檢修窗口期，最大限度做到“一停多用”，提高新能源負(fù)荷預(yù)測(cè)管控水平，探索構(gòu)建基于分布式電源的彈性調(diào)控模式，如圖6所示。

5.2 應(yīng)用成效

5.2.1 經(jīng)濟(jì)效益

采用彈性調(diào)控模式已完成110 kV 賀村變和110 kV 敖坪變綜合檢修工作，累計(jì)減少停電時(shí)間10 h，實(shí)現(xiàn)支撐電量6 萬(wàn)kW·h。

5.2.2 管理效益

檢修計(jì)劃優(yōu)化釋放人力資源，減少保供電和倒負(fù)荷人員。

調(diào)控員對(duì)線路負(fù)荷掌控大幅提升，這有利于事故處理、預(yù)案編制等，提升電網(wǎng)安全運(yùn)行水平。

深度挖掘了光伏數(shù)據(jù)價(jià)值，實(shí)現(xiàn)了數(shù)據(jù)資源喚醒和變現(xiàn)。

5.2.3 社會(huì)效益

數(shù)字化成果。該項(xiàng)目以國(guó)網(wǎng)浙江省電力公司數(shù)字化牽引新型電力系統(tǒng)建設(shè)為指引，以挖掘配電網(wǎng)現(xiàn)有資源潛力為導(dǎo)向，在社會(huì)層面具有較好的示范效應(yīng)。

節(jié)能減排。實(shí)現(xiàn)降低碳排放3.24 萬(wàn)kg（根據(jù)消納的光伏電量得到540 g/(kW·h)），環(huán)保效益提升較為明顯。

6 結(jié)束語(yǔ)

針對(duì)配電網(wǎng)中分布式光伏出力預(yù)測(cè)所面臨的數(shù)據(jù)采集困難，不能獲取就地日照和溫度等氣象數(shù)據(jù)，歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)及時(shí)性、準(zhǔn)確性低等問(wèn)題，本文提出一種基于空間相關(guān)性的分布式光伏出力預(yù)測(cè)方法。同時(shí)，考慮到江山地區(qū)天氣變化多樣，傳統(tǒng)單一天氣標(biāo)簽下預(yù)測(cè)精度低，提出一種改進(jìn)天氣標(biāo)簽的預(yù)測(cè)方法，仿真結(jié)果表明，此方法具有一定的可行性和較高精度。

基于分布式光伏網(wǎng)格化負(fù)荷預(yù)測(cè)的山區(qū)配網(wǎng)彈性調(diào)度新模式探索實(shí)踐，以分布式光伏出力預(yù)測(cè)為平臺(tái)，細(xì)化檢修計(jì)劃管控流程，完成特殊情況下分布式光伏微調(diào)節(jié)能力的測(cè)算，提高檢修方式下局部電網(wǎng)帶負(fù)荷能力。同時(shí)，服務(wù)地方政府“雙碳”行動(dòng)計(jì)劃，為相關(guān)部門(mén)提供專題研報(bào)，參與分布式光伏整縣推進(jìn)工作，有效提升全縣域屋頂光伏消納水平與消納效益。