基于光伏新能源预测的电网调度优化控制

基于光伏新能源预测的电网调度优化控制

李政

522121199711170834

摘要：随着我国经济的飞速发展，新能源场站建设后，光伏新能源自身特性会对电网运行产生不利影响。本文在光伏功率预测技术分析的基础上，梳理了光伏发电场站有功功率控制技术，提出了间歇式光伏新能源并网的电网实时调度策略，利用粒子群算法展开了仿真算例分析。经验证，此优化控制策略能合理调度各个机组，实现降本增效目标，在新能源电网优化调度中具有较高的应用价值。

关键词：光伏新能源；预测；电网调度；优化控制

引言

新能源集群并网技术和分布式光伏规模化并网技术受到了广泛关注。左强等提出了一种大规模空调负荷参与新能源电力系统调频的无模型自适应控制方法。胡凯利等研究了计及并网强度最大化的新能源集群出力优化，分析了新能源集群并网的现状及柔性负荷的分类和特点，提出了新能源集群并网出力优化调度方案，并通过算例仿真对比分析证明该方案在电网功率波动条件下可以保证新能源集群并网强度，从而实现出力优化分配的目标。陈皓勇等研究了分层集群的新型电力系统运行和控制。孙睿哲等提出了集群光伏电站一次调频参数经济优化设计方法。范俊杰等研究了谐振约束下含功率因数校正电容新能源集群最大渗透率接入，针对新能源集群并网的短路比问题提出一种改进的等效短路比计算方法。朱凌志等提出了新能源发电集群的改进等效短路比计算方法。盛万兴等研究了分布式可再生能源发电集群并网消纳关键技术及工程实践。综上所述，新能源集群并网和分布式光伏规模化并网是当前的研究热点，须重点关注柔性负荷参与调频和新型电力系统运行控制。

1光伏功率预测技术

光伏功率预测主要采用构建光伏发电预测模型的方法，可用的建模方式有构建物理预测模型、构建统计预测模型两种方式。物理预测模型是以光伏电池光电效应为基础构建而成的，需结合光电转换效率概念，梳理出光电转换效率的经验公式，确定具体的经验系数，从而计算出光伏输出功率的预测数据。光电转换效率建模时，通常采用常数系数、单负温度系数两种模型，此外还可应用集成温度及太阳辐射双因素模型，太阳辐射总量、物理模型精准度，是光伏输出功率预测精度高低的主要影响因素。统计预测模型是以气象要素在光伏发电出力方面所产生的影响为依据，通过构建与二者相关的模型，利用回归分析、神经网络分析等方式分析预测环境温度、太阳辐射度等多种气象因素对光伏输出功率产生的影响，此算法虽然操作相对复杂，但预测精度较高。

2函数分析

2.1参数设置

模型设置初始解为0~1的随机值，该设置适用于集群划分问题；设置步长为0.1，可以较细致地进行搜索；设置迭代次数为1000，可以在相对短的时间内得到一个较优的解。

2.2算法概述

爬山算法是一种优化算法，它可以寻找问题的局部最优解。爬山算法从一个随机或者预定义的起始点开始，在邻近的解空间中搜索，找到一个相对当前位置更优的解，重复这个过程直到无法找到更优解。爬山算法在局部搜索问题中表现出色，但是可能会陷入局部最优解，无法达到全局最优解。上层规划模型对区域内的节点进行集群划分，通过优化节点的布局和配置，使节点可以更好地满足不同需求并形成有效的集群。因此，选择其目标核函数来优化电网的耦合度和有功平衡度。将分布式新能源接入电网的集群优化控制中，需要确定微电网的划分和组成，即对节点进行集群划分，形成混合微电网群。该过程涉及电网的拓扑结构与节点间的联系，需要考虑电气距离、节点负荷类型以及允许接入电源种类等因素，因此需要进行高层次规划。爬山算法在这类局部搜索问题中表现较好，适用于该阶段的优化过程。通过爬山算法可以从不同的起始点开始搜索，找到相对当前位置更优的解，从而得到合理的集群划分并构建混合微电网群的方案。

3基于光伏新能源预测的电网调度优化控制策略

3.1电网实时调度优化流程

首先，针对光伏出力及负荷分别展开超短期预测，预测时间均为15min，之后利用数据采集与监视系统收集当前电网的运行数据，主要是获取开关状态、系统实时量测数据。再运用智能通信系统提取光伏新能源出力状况，了解光伏运行工况，获取生物质能电站、小水电以及微型燃气轮机等其他常规电源的运行状况。其次，采用潮流计算预测分析系统之后15min内的运行情况，通过计算获取具备较高能源外送需求的变电站及联络线等关键节点或重要断面的功率数据。然后与日常调度计划展开对比分析，对后续15min关键节点功率偏差值进行计算，目标函数取值为功率偏差最小值，结合功率平衡，考虑到电压、载流量、爬坡率以及光伏新能源出力四个约束展开优化计算，利用OPF程序对系统中并网的光伏新能源决策进行求解分析。最后，通过求解得到后续15min光伏新能源运行工况，并向各个场站进行情况反馈。

3.2电网实时调度策略

光伏新能源向电网接入时，可能会对电网的实时调度产生影响，一是光伏出力具有不确定性，且波动性较强，因而光伏电站日常调度计划不契合间歇式能源的出力，由于二者之间存在较大偏差，会增大电网的实时调度需求。由于当前阶段配电网中接入的可再生性能源类型有所增加，且应用了智能化电网信息通信技术，电网调度形式、调控深度均得到了优化。为此，间歇式光伏新能源接入后，电网实时调度要以增强系统运行稳定性、实现光伏能源高效利用作为主要目标。光伏新能源并网后，应以配电网主动控制为基础。

3.3粒子群优化算法

粒子群优化算法是以就近距离区域搜寻作为搜索策略。根据此模型，可设计出用于优化问题求解的PSO算法，以空间粒子所处位置为解，根据优化目标函数明确各粒子适应值，并结合粒子运动方向及距离向量值，在解空间中实施搜索操作。粒子群算法采用的是实数编码，相较于免疫算法、遗传算法而言，求解过程更为简单，且求解操作易于实现。POS算法应用时，需要在已知解空间中对粒子群进行随机性初始化，优化问题的数量决定着解空间的维数。应在获取各个粒子的位置初始值及速度初始值后开始迭代寻优。在此过程中，要根据各个粒子的极值更新解的位置及速度值。所用极值共有两个，一是个体极值，指单粒子迭代的最优解。二是全局极值，是全部粒子迭代求出的最优解粒子。

3.4算例优化分析

由于新能源并网后，同时具备多种机组元素，除了火电、水电机组之外，还存在风力发力机及光伏阵列。这些电源采用的都是负荷供电模式。因此，基于光伏新能源预测电网调度优化控制时，要先预测出机组负荷的日变化情况，应分析出风电及光电的预测结果。由于系统预先给定了负荷值，并且预测出了风电功率及光伏功率，计算时燃料电池功率时，在系统负荷中将风电、光伏、柴油发电机以及燃气轮机的各自功率减除即可。

结语

综上所述，通过建立该模型并应用优化算法，可以优化电网的耦合度和有功平衡度，实现电力系统高效运行和管理的目标。

参考文献

［1］王磊，张家敏.基于模糊机会约束规划的跨区直流电网系统优化调度［J］.电力系统保护与控制，2021，49（10）：12-19.

［2］陈文彬，徐大勇，郭瑞鹏.负荷预测对新能源电网多目标优化调度的影响规律研究［J］.电力系统保护与控制，2020，48（10）：46-51.

［3］胡兵轩，覃禹铭.新能源接入的多时间尺度协调响应调度模型［J］.实验室研究与探索，2020，39（2）：39-43，63.

［4］常云，苏华堂，王来奎，等.基于短期电网负荷智能预测算法的新能源调度策略［J］.电子设计工程，2023，31（6）：85-89.

［5］左强，李波，杨世海.大规模空调负荷参与新能源电力系统调频的无模型自适应控制方法[J].电力科学与技术学报，2023，38（2）：224-231.