新能源消納能力計算與調控系統的設計

許沈彬　段博文　張強　馬騁　衣濤

摘? ?要：隨著社會的發展、工業水平的不斷提高，能源問題不斷凸顯，新能源技術的發展無疑是解決該問題的最好途徑，但是隨著新能源裝機容量的不斷增加，新能源棄電問題日益嚴重。為了改善這一問題、降低棄電率，文章設計了一種新能源消納能力計算與調控系統。基于各個電廠建立5G區域網，并在各個機組上設置數據采集器，通過區域網網絡傳輸到大數據中心，在大數據中心采用隨機森林算法以及機組組合規劃設計機組調控方案，傳達到調度中心，再由調度中心對各個電廠下達指令。整個過程通過數據預測以及機組實時調控增加新能源消納，減少火電機組運行。

關鍵詞：新能源消納;數據預測;實時調控;隨機森林算法;5G;機組組合

伴隨著社會的發展、工業現代化的不斷建設，能源需求不斷增長，能源問題逐漸顯露，工業發展的同時帶來了嚴重的環境污染，而新能源的發現與新能源技術的發展無疑帶來了曙光。清潔能源的使用不僅能減少煤炭等資源的利用，還能大大減少對環境的污染，但是如何更好地進行新能源消納問題逐漸顯露出來。為了解決這一問題，大量學者進行了探究，其中，董存等[1]結合電網生產運行實際情況，對多區域間特高壓直流外送功率協調優化促進新能源消納開展研究，建立了考慮跨區直流功率優化的新能源消納能力計算分析模型，針對多地區測算了跨區特高壓直流互補促進新能源消納的效果。董超等[2]深度挖掘火電機組深度調峰能力，分析其運行特性，在常規優化模型的基礎上引入深度調峰出力平穩段運行時間、最小深度調峰時間等約束，并對機組最大最小出力、爬坡等常規約束進行改進，建立考慮火電機組深度調峰的實時發電計劃優化模型以此來增加新能源消納。金東等[3]依據電網極限約束條件下新能源消納裕度計算評估方法，對各地通道數據進行實時計算，最終將各地新能源受阻情況、電網可調整空間量化展示，給新能源消納工作提供參考依據。基于上述學者的研究，本文設計了新能源消納能力計算的系統，以期來增加新能源消納，減少火電機組的運行。

1? ? 新能源消納能力計算與調控系統構建思想

新能源消納能力計算與調控系統主要包括數據采集、數據分析、實時調控方案、調度中心4個模塊。其中，數據采集是在各個發電廠以及配電廠進行，數據分析和實時調控方案在數據中心進行，最后由調度中心實施具體操作。首先，數據采集是指從區域內發電廠中采集信息，包括風電實時出力信息、發電廠機組發電數據，用電負荷數據以及聯絡線外送電力數據的采集，并且通過5G區域網傳輸到數據中心進行下一步處理。其次，下一步在數據中心進行，根據收集數據進行分類、存儲、備份，然后進行數據預測，根據過去2 h的負荷數據以及新能源發電數據預測未來1 h的負荷數據以及新能源發電數據，然后根據新能源消納計算公式計算火電機組預測出力數據。最后，數據中心通過火電機組預測出力數據以減少燃料成本和啟停費用設計實時火電機組調控方案;調控中心根據實時調控方案對各個發電廠下達指令，各個發電廠根據指令調控運行火電機組。整個系統通過實時預測數據，與實時調控方案設計減少機組的運行，增加新能源的消納。

2? ? 系統結構

本文所設計的系統結構如圖1所示，以便更加直觀地解釋整個系統的構成以及整個流程。各種發電廠采集數據，通過5G局域網傳輸到大數據中心，然后在大數據中心進行相關數據處理，并設計實時調控方案反饋信息到調度中心，調度中心再對各個電廠下達指令，各個電廠執行指令完成整個流程。

3? ? 模塊分析

3.1? 數據采集模塊

數據采集模塊分為數據監控模塊和數據采集模塊，在發電廠機組上安裝數據采集器，采集機組處理信息，兩個模塊都將信息通過5G區域網網絡傳輸通道實時傳送到大數據中心，大數據中心對數據進行分類、存儲和備份以及之后的數據處理

3.2? 數據分析

（1）數據預測。隨機森林是指利用多個決策樹對樣本進行訓練并預測的一種分類器，其結果由多個決策樹的分類結果決定。因此，本文將采用隨機森林算法來進行負荷數據預測以及新能源出力數據預測，以過去2 h的負荷數據以及新能源出力數據作為樣本，并建立決策樹預測未來1 h的負荷數據以及新能源出力數據，具體方法如下：

首先，取過去2 h內每秒的電力負荷數據構成負荷訓練樣本集D，并對其通過Bagging方法進行有回放過程的均勻抽樣隨機生成若干個新的負荷訓練樣本集D（i），樣本集與隨機森林中設定的決策樹數量相同，均為M。

其次，根據上述每一個負荷訓練樣本集D（i），可以獨立構建一個完全分裂的決策樹，將所有不同的決策樹放在一起構成了隨機森林模型。采用C4.5決策樹算法來產生決策樹，其中信息增益率GainRate（D，R）是用信息增益Gain（D，R）和分裂信息量SplitInfo（D，R）共同定義的，如式（1—4）：

式中，Entropy（D）表示集合D的熵，V（R）是屬性R的值域，Dv是集合D中的屬性D上值等于V的子集，n表示集合D中的狀態個數，pi為子集合中第i個屬性值樣本數所占的比例。

最后，將各個樣本經過決策樹后的分類結果進行統計，并且通過投票表決方式將投票數最多的一類作為負荷數據的預測類別。

通過上述方法以過去2 h內的新能源出力數據作為樣本，還可以得到未來1 h內新能源的出力預測數據。

（2）新能源消納能力計算。新能源消納同一時刻能力計算符合以下關系：全網負荷功率=所有火電機組出力+聯絡線通道接入功率+新能源消納功率。

（3）機組預計總出力分析。通過以上分析可以得到未來1 h內的負荷預測數據以及新能源出力數據，以新能源消納能力計算公式為計算模型，以增加最大新能源消納為目的，設定一個穩定的聯絡線接入功率情況下，可以得到未來1 h內機組預計總出力數據。

3.3? 實時調控方案

以上述對未來1 h內的機組預計出力數據為基礎設計機組運行的實時調控方案。以下計算將以燃料成本與機組啟停費用建立目標函數，進行求解機組啟停與出力計劃，具體方法如下。

式中，PD，t為時間段t內的負荷需求;PR，t為時間段t內的系統選備用需求;Pi，min，Pi，max分別為機組i的最小出力與最大出力;Si，on，Ti，on分別為機組i的連續開機時間和最小開機時間;Yu，i，t，Yh，i，t分別為機組i在時間段t內最大爬坡速率和最大滑坡速率。

將機組相關參數以及負荷預測數據通過以上數學模型進行求解得到最佳的機組運行計劃，即實時調控方案。

3.4? 調度中心

調度中心接收大數據中心反饋的實時調控方案，并根據實時調控方案準確、快速地向該區域各個電廠下達指令，電廠根據指令調控各個機組的運行。

4? ? 系統要求

（1）數據采集和傳輸。數據的采集主要通過在機組裝置上安裝的采集器，為了信息的正確性，采集器性能必須強悍、高效，為了方便傳輸和減少線路，采集器可以添加無線模塊，因此需要建立區域網絡，并且保證區域網絡信號良好;除此之外傳輸通道必須加密，保證傳輸的安全性。

（2）系統拓展性。隨著時代的進步，系統也應該隨著時代進步不斷進行更新，可以增加新的功能，以期望實現更多的作用。

（3）數據存儲與備份。對于數據存儲，必須要分門別類，可以上傳到云數據中心，但是一定要備份數據，防止系統崩壞或者病毒入侵造成數據的損壞和丟失，對之后系統的運行形成阻礙，為了防止外部因素給系統造成的危害，建立防火墻是必須的。

5? ? 結語

本文設計的新能源消納能力計算系統，運用了最新的5G網絡技術、大數據處理技術，對數據傳輸和數據處理提出了較高要求，運用了隨機森林算法進行數據預測，得到了負荷預測數據以及新能源出力預測數據。根據新能源消納公式，考慮最大消納新能源，聯絡線接入功率設定的情況下，得到火電機組預計出力數據，通過火電機組預計出力預測數據考慮機組燃料成本以及啟停費用，進行設計機組實時調控方案，再通過調控中心對各個電廠機組下達指令，各個電廠再進行實時調控，達到促進新能源消納的目的。本文提出的計算預測數據以及機組組合方法還可以繼續改進，從更多的方面考慮問題，更加符合實際情況，提高數據的精確性，將是以后繼續研究的方向。

[參考文獻]

[1]董存，梁志峰，禮曉飛，等.跨區特高壓直流外送優化提升新能源消納能力研究[J].中國電力，2019（4）：4-6.

[2]董超，張彥濤，劉嘉寧，等.考慮火電機組深度調峰的實時發電計劃模型及應用[J].電力自動化設備，2019（3）：114-119.

[3]金東，徐建忠，楊宏.電網動態極限約束條件下的新能源實時消納裕度計算評估方法[J].寧夏電力，2018（6）：16-20.

Abstract：With the development of the society and the continuous improvement of the industrial level， the energy problem has become increasingly prominent. The development of new energy technology is undoubtedly the best way to solve this problem. Therefore， in order to improve this problem and reduce the power abandoning rate， this paper proposes the design of a new energy consumption capacity calculation and control system. Set 5G area network which is based on the power plant， and set the data collector on each unit， through transmission to the big data center area network， in the center of the large data by random forest algorithm and combined control scheme of planning and design of the convey to the dispatch center， by dispatching center to each power plant an order again. The whole process increases the consumption of new energy and reduces the operation of thermal power units through data prediction and real-time control of units.

Key words：new energy consumption; data forecasting; real-time control; random forest algorithm; 5G; unit combination