基于調峰及網架約束的新疆電網風電接納能力研究

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

0 引 言

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

新疆電網全網總裝機80 GW，其中公用機組49 GW，風電20 GW，全疆最大經營口徑負荷11.9 GW。風電負荷特性見圖1、圖2、圖3。風電由于分散地域廣，出力波動性大，對于系統調峰造成較大壓力。因此對于風電出力一方面要考慮其在常規能源最小開機方式下的最大值，另一方面要考慮新能源出現大規模波動情況下，常規機組是否具有足夠的上調備用容量，保證系統外送組織能力。

圖1 夏季、冬季日負荷曲線

圖2 夏季、冬季風功率波動曲線

圖3 風電出力波動值區間

下面采用基于極端學習機的風功率及負荷預測手段，對新疆電網最小開機方式及風電出力空間進行平衡預測，對指導實際運行具有重要意義[4]。

1 極端學習機

極端學習機(extreme learning machine,ELM)是典型的單隱含層前饋神經網絡[5](single-hidden layer feedforward neural network,SLFNs)，如圖4所示。對于N個相互獨立的任意樣本(xi,yi)，其中，

(1)

對于含有1個隱含層神經元的SLFN其數學模型為

(2)

式中：ωi=[ωi1ωi2…ωin]，為第i個隱含層神經元與輸入神經元之間的連接權向量；ηi=[ηi1ηi2…ηim],為第i個隱含層神經元與輸出神經元之間的連接權向量；ai為第i個隱含層神經元閾值；l為隱含層神經元數目；g(·)為神經元激發函數；ωi·x為兩者的內積。

圖4 ELM的結構示意圖

(3)

上述方程可以寫成如下形式。

Hη=Y

(4)

式中：H稱為神經網絡隱含層輸出矩陣，

H(ω1,…,ωl,ɑ1,…,ɑl,x1,…,xN)=

(5)

對于N個任意樣本(xi,yi)，其中xi=[xi1xi2…xin]T∈Rn，yi=[yi1yi2…yim]T∈Rm，一個任意區間可微的激活函數g∶R→R，則對具有N個隱含層神經元的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，如果訓練樣本和隱含層神經元個數相同，矩陣H就變為可逆方陣，訓練樣本誤差可以近似為0。但是在大多數情況下，訓練樣本個數要遠遠多于隱含層節點數目，此時H為非方陣，因此可能不存在ωi、αi、η使Hη=Y，這時需要重新尋找一組賦值使誤差最小。常用方法是尋找SLFN最小范數的最小二乘解：

(6)

對于給定的N個訓練樣本，隱含層神經元數目為l，激活函數為g(x)。其基本算法步驟如下：

1)隨機選取一組輸入權重系數ωi和偏差ɑi，i=1,…,l。

2)計算隱含層輸出矩陣H。

3)計算輸出權重系數η∶η=H-1Y。

系統正常運行時，若考慮自備電廠全處于自平衡狀態，電網的公用有功與負荷始終處于動態平衡狀態，則有式(7)成立[6-7]：

(7)

式中：PL為經營口徑負荷；Pw為疆電外送功率，包括直流聯變下網及交流外送；Ps為系統損耗；PGi為公用機組出力；Pwind為風電出力。

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

圖5 基于ELM的計算流程

如圖5所示，選取近3年觀測到的風電日最大出力及當日最大功率波動數據、經營口徑日最大負荷作為訓練輸入樣本，將預測值作為功率平衡約束條件的初值，進行最小開機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開機比例。

2 新疆電網公用電廠最小開機方式

考慮到新疆電網各斷面能力及冬季供熱機組開機限制，在確保各斷面滿足安全穩定約束的前提下，結合各廠前幾年的實際運行數據，對非采暖期、采暖期公用機組的最小運行方式進行安排，原則如下：1)非供暖期主要考慮各斷面能力限制安全穩定約束及系統出現大幅功率波動后的穩定性；2)供暖期供熱機組最小運行方式原則是以熱定電，非供熱機組以鍋爐低負荷穩燃作為最小運行方式核定依據。將式(7)中的PGi分為夏季和冬季分別進行計算。

3 新疆電網風電最大出力空間

根據新疆電網運行實際情況，2017年±800 kV天中直流特高壓最大輸送功率將繼續維持在5 000 MW，其中聯絡變壓器下網最大能力為3 200 MW，交流通道最大外送能力為3 000 MW，預計疆內組織外送最大功率將在5 000 MW。計算表明，冬季由于供熱影響，新疆電網調峰缺額較大，風電因調峰受限較大。按照不同季節機組開機方式及最小出力情況，為避免風電波動造成較大功率缺額，按照風電日功率波動量5 000 MW考慮。

表1 豐水期風電最大出力空間預測 單位：MW

表2 枯水期風電最大出力空間預測 單位：MW

根據表1、表2對比可知，新疆電網豐水期和枯水期風電理論最大出力在8 500～10 000 MW之間，新疆電網風電總裝機為20 000 MW，由于調峰受限出力約為50%～60%。通過風功率日系統調節備用容量滿足需求可以得到新疆公用電廠最小開機出力為5 146 MW。

4 結 語

以新疆電網實際運行中遇到的調峰與新能源出力之間的矛盾為出發點，通過基于極端學習機的預測方法，以調峰能力和電力平衡約束為主要手段，確定新疆電網滿足調峰要求的最小開機方式與最大新能源出力的最優解，為新疆電網明確開機方式，實現經濟調度奠定基礎。

[1] 魏磊，張琳，姜寧，等．包含風電的電力系統調峰能力計算方法探討[J].電網與清潔能源，2010，26(8):59-63．

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

[3] 張學清，梁軍，張熙，等．基于樣本熵和極端學習機的超短期風電功率組合預測模型[J].中國電機工程學報，2013,33(25):33-39．

[4] 武峰雨，樂秀璠，南東亮.相空間重構的極端學習機短期風速預測模型[J].電力系統及其自動化學報，2013，25(1)：136-141.

[5] 劉士榮，李松峰，寧康紅，等.基于極端學習機的光伏發電功率短期預測[J].控制工程，2013，20(2)：372-376.

[6] 劉德偉，黃越輝，王偉勝，等.考慮調峰和電網輸送約束的省級系統風電消納能力分析[J].電力系統自動化，2011，35(22)：77-81.

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