西北地區綠色能源互聯網結構多目標優化調整方法

李 立，張林森，田永華

(寧夏中科嘉業新能源研究院(有限公司)，寧夏 銀川 750001)

目前能源問題受到全球范圍的重視，越來越多的國家開始積極對可再生能源包括太陽能、風能等進行綜合利用。由此，各國均提出綜合能源利用效率的最大幅度提升以及新能源的最大限度利用與開發的綠色能源系統[1]。綠色能源互聯網是將電力系統作為整體核心，突破供熱、供冷、供氣、供電等能源系統獨立運營和單獨設計規劃的現有模式，在運營、建設、設計、規劃等過程中，對各種能源的消費、存儲、轉化、分配等環節進行有機優化協調，達到高效、綜合利用能源目的的區域能源綠色新型供應系統[2]。對綠色能源互聯網進行建設，能夠促進規?；_發清潔能源、提升能源綜合利用效率，對于環境的保護以及基礎社會設施利用率的提升均有重要意義，因此對綠色能源互聯網進行研究已成為能源領域的重點研究方向?；谠摫尘?，同時考慮電負荷與熱負荷，研究綠色能源互聯網的結構多目標優化調整問題。

針對該領域大量學者對其進行了研究，并取得一定的研究成果。文獻[3]提出區域綜合能源系統多目標優化調度方法，構建電-氣-熱多種能源耦合的系統框架，對區域綜合能源系統運行經濟性進行分析，采用多目標加權模糊規劃方法，協調運行成本和系統整體運行經濟性。該方法能夠有效增強運行經濟性，但電力運行波動較大。文獻[4]提出電-氣互聯系統多目標優化模型，采用線性化方法，構建混合整數線性規劃模型，通過氣電解耦優化方式，分散自治電-氣系統，分解系統多目標優化問題，利用獨立優化器求解多目標優化子問題，根據交換邊界變量和虛擬目標因子，獲取全局調整多目標解。該方法能夠有效提高系統信息私密性，但該方法未考慮能源互聯網結構運行規律，存在較大的電力運行波動問題。針對上述問題，根據西北地區綠色能源互聯網的具體情況，提出了西北地區綠色能源互聯網結構多目標優化調整方法。

1 西北地區綠色能源使用情況

1.1 煤電情況

寧夏的煤炭儲量豐富，是我國富煤省區之一。全區2 000 m以淺含煤面積9 598.16 km2，煤炭資源量1 932.83億t，其中1 000 m以淺含煤面積3 570.67 km2，煤炭資源量593.47億t。全區累計探明煤炭儲量461.82億t，保有儲量418.51億t。從地域分布上看，全區劃分為四個煤田，即東部的寧東煤田、北部的賀蘭山煤田、南部的固原煤田和西部的香山煤田，其中，寧東是國家的14個大型煤炭基地之一，煤田探明儲量386.39億t、占全區探明儲量的83.7%，保有儲量348.7億t、占全區的83.3%。

寧東煤田位于靈武市、鹽池縣和同心縣境內，南北長約130 km，東西寬約50 km，含煤面積約2 000 km2，遠景預測資源量1 394億t。寧東煤田分為靈武、鴛鴦湖、橫城、馬家灘、積家井、萌城、韋州七個礦區和石溝驛一個獨立井田。寧東煤田主要煤種為不粘結煤、焦煤等。其中不黏結煤分布較廣，煤質優良，具有低灰(平均13%)、特低硫(平均0.57%)、特低磷(0.006%～0.035%)、中高發熱量(20～22 MJ/kg)、高化學活性等特點，是優質的動力用煤和化工原料用煤。寧東煤田屬整裝煤田，地質結構簡單，埋藏淺，保護較好，基本沒有私挖亂采現象。開采條件優越，多數礦區以緩傾斜—傾斜的中厚、特厚煤層為主，煤層賦存條件良好；礦區總體地質構造簡單，瓦斯含量較低(除橫城礦區以外)，煤炭資源豐富可靠，適宜機械化開采及建設大型、中型現代化礦井。

1.2 水資源

寧夏水能資源總量不大，分布集中。95%分布在黃河干流，其余5%分布在清水河、涇河等支流，經濟可開發裝機容量為246萬kW，年發電量97.8億kW·h，其中黃河干流年發電量97.4億kW·h，裝機容量244.6萬kW；其他支流年發電量0.4億kW·h，裝機容量1.3萬kW。

1.3 新能源

寧夏風能資源的分布主要受地形地貌和山地走勢的影響，風能資源較豐富帶位于賀蘭山脈、香山—羅山—麻黃山、西華山—南華山—六盤山區等山地區域，及靈武市、鹽池縣、同心縣等地勢較平坦區域。從風能資源隨高度變化情況來看，賀蘭山地區地形比較復雜，風資源隨高度變化不大，平均風速5.0～8.0 m/s，風功率密度為200～525W/m2；香山地區地勢變化稍平緩，風能資源隨高度變化比較明顯，90 m高度處平均風速5.5～6.75 m/s，風功率密度為225～375 W/m2；靈武市和鹽池縣的平坦地區風能資源也比較豐富，90 m高度處平均風速6.0～7.25 m/s，風功率密度為200～350 W/m2。

從空間分布上看，寧夏大部分地區年太陽總輻射高于5 800 MJ/m2，中部干旱帶的西安鎮、蒿川鄉、雙橋鄉、高崖鄉、田老莊鄉、下馬關鎮一線以北(除大武口區、平羅縣崇崗鎮、興慶區、金鳳區、西夏區、賀蘭縣洪廣鎮、永寧縣楊和鎮和望遠鎮以外)各地均高于6 000 MJ/m2，是寧夏太陽能資源最為豐富區，其中興仁年太陽總輻射最高為6 344.2 MJ/m2。大武口區、平羅縣崇崗鎮、興慶區、金鳳區、西夏區、賀蘭縣洪廣鎮、永寧縣楊和鎮和望遠鎮、海原縣海城鎮和雙河鄉以南、同心縣王團鎮和予旺鎮以南等地年太陽總輻射介于5 800～6 000 MJ/m2。原州區、西吉縣、彭陽縣、隆德縣、涇源縣等地年太陽總輻射均低于5 800 MJ/m2。

根據最新發展潛力研究結果，寧夏90 m高度、風功率密度200 W/m2以上的風能資源技術可開發量約5 200萬kW，集中式光伏發電技術可開發量約4.54億kW，近期光伏發電發展潛力規模約5 400萬kW。目前已開發2 900萬kW(考慮待并網項目)，剩余開發量7 700萬kW。

2 西北地區綠色能源互聯網結構多目標優化調整方法設計

2.1 特性分析

首先對西北地區綠色能源互聯網結構實施特性分析，獲取不同時期下西北地區綠色能源互聯網結構的運行規律，以對其結構進行優化調整。西北地區屬于典型的溫帶氣候，其氣候類型具體包括溫帶大陸性氣候與溫帶季風氣候[5-7]。

對于西北地區，在綠色能源互聯網的運行中，天氣溫度整體較高也就是夏季時，運行需要很多冷負荷與較少熱負荷，此時具備充足的太陽能資源。而在天氣溫度整體較低，也就是冬季時，運行需要很多熱負荷與較少冷負荷，此時具備充足的風能資源[8-10]。根據以上規律優化調度西北地區綠色能源互聯網結構，能夠有效降低綠色能源互聯網的風險與成本。西北地區整年氣溫變化情況如圖1所示。

圖1 西北地區整年氣溫變化情況

根據圖1可知，西北地區平均溫度最高時在7月，平均溫度最低時在12月。

2.2 功率預測

將7月作為西北地區綠色能源互聯網運行的典型夏日，并將12月作為西北地區綠色能源互聯網運行的典型冬日，實施功率預測。

對于典型夏日，首先獲取其熱、冷、電歷史負荷歷史數據，包括風力發電機整體發電量、光伏電池整體發電量、電動車整體充電功率[11-13]。西北地區典型夏日熱、冷、電歷史負荷歷史數據具體如表1所示。

表1 西北地區典型夏日熱、冷、電歷史負荷歷史數據

對于典型冬日，同樣獲取其熱、冷、電歷史負荷歷史數據，包括風力發電機整體發電量、光伏電池整體發電量、電動車整體充電功率。西北地區典型冬日熱、冷、電歷史負荷歷史數據具體如表2所示。

表2 西北地區典型冬日熱、冷、電歷史負荷歷史數據

通過隨機森林算法[14]，對西北地區典型夏日和冬日熱、冷、電歷史負荷歷史數據實施其功率預測，隨機森林算法的具體流程如圖2所示。

圖2 隨機森林算法的具體流程

利用隨機森林算法實施功率預測，主要是通過bootstrap重抽樣在原始樣本中對多個樣本進行抽取[15]，并對各bootstrap樣本實施決策樹建模，組合這些決策樹，利用投票方式獲取最終預測或分類結果。

2.3 結構多目標優化調整

通過構建綠色能源互聯網的對應結構多目標優化調整模型，實現西北地區綠色能源互聯網的結構多目標優化調整。首先構建綠色能源互聯網的對應成本優化模型可表示為

F1(x)=Fw(t)+FPV(t)+FG(t)+FN(t)

(1)

式中：Fw(t)為風機實際發電成本，元/(kW·h)；FPV(t)為光伏電池實際發電成本，元/(kW·h)；FG(t)為燃氣輪機實際發電成本，元/(kW·h)；FN(t)為天然氣成本，元/(kW·h)。然后建立風險優化模型可表示為

(2)

式中：uk,t為風能對應風險系數；Rk,t為風機帶來的風險；uh,t為太陽能對應風險系數；Rh,t為光伏帶來的風險；um,t為電動車對應風險系數；Rm,t為電動車帶來的風險；Ωw為風機接入集合；ΩPV為光伏電池接入集合；ΩEV為電動車接入集合；k為風機；m為電動車。在此基礎上，構建結構多目標優化調整模型以及約束條件模型表示為

(3)

式中：Pw,k,t為風機在t時刻的可用有功出力,kW；Pw,h,t為太陽能在t時刻的可用有功出力,kW；PG,h,t為電動車在t時刻的可用有功出力,kW；Pload為可控機組能量下限,J；Ppower為可控機組能量上限,J；Plinmin為最小聯絡線功率[16],kW；Pex(t)為和電網之間的交互功率,W；Plinmax為最大聯絡線功率,W。最后，采用非支配排序的精英策略遺傳算法[17]對結構多目標優化調整模型進行求解，實現西北地區綠色能源互聯網的結構多目標優化調整的目的。

3 實驗分析

3.1 實驗數據

針對西北地區綠色能源互聯網構建仿真實驗，并對其實施結構多目標優化調整。在MATLAB 2016a軟件環境中構建仿真實驗，由光伏電池、風機、燃氣輪機、電網提供電力，由鍋爐組與燃氣輪機提供冷熱源，具體設備包括鍋爐、燃氣輪機、光伏、風機，設備的具體參數如表3所示。

表3 設備的具體參數

利用設計的西北地區綠色能源互聯網結構多目標優化調整方法對其實施結構多目標優化調整，獲取該方法實施前后的總運行成本的變化情況、棄風量的變化情況以及能源互聯網的運行波動情況。

3.2 實驗結果1

3.2.1 總運行成本與棄風量變化情況實驗結果

在總運行成本的變化情況、棄風量的變化情況的實驗中共設置10個典型場景，各場景的風電波動情況不同，以驗證優化調整前后總運行成本與棄風量的變化情況。其中，優化調整前后總運行成本變化情況的具體實驗結果如表4所示。

表4 優化調整前后總運行成本變化情況的具體實驗結果

根據表4中總運行成本變化情況的實驗結果可知，在10個典型場景中，風電出力相同的情況下，優化調整前的平均總運行成本為1.748 4萬元，而優化調整后的平均總運行成本為1.623 3萬元。由此可知，實施西北地區綠色能源互聯網結構多目標優化調整方法后，能夠有效降低總運行成本。因為設計方法通過分析西北地區綠色能源互聯網實施特性，獲取不同時期下西北地區綠色能源互聯網的運行規律，并對其結構進行優化調整，從而有效降低綠色能源互聯網的風險與成本。

優化調整前后棄風量變化情況的具體實驗結果如表5所示。

根據表5中棄風量變化情況的實驗結果可知，在10個典型場景中，風電出力相同的情況下，優化調整前的平均棄風量為101.308 MW·h，而優化調整后的平均總運行成本為75.817 MW·h。由此可知，實施西北地區綠色能源互聯網結構多目標優化調整方法后，能夠有效降低棄風量。

表5 優化調整前后棄風量變化情況的具體實驗結果

3.2.2 電力運行波動情況對比實驗結果

為增強整體實驗效果，將文獻[3]方法和文獻[4]方法作為電力運行波動情況對比實驗中的對比方法。對實施三種能源多目標優化調整方法后的電力運行波動情況進行對比分析。對比設計方法與文獻[3]方法、文獻[4]方法能源多目標優化調整方法的電力平穩性能。不同方法的電力運行波動情況對比實驗結果如圖3所示。

圖3 不同方法的電力運行波動情況對比實驗結果

根據圖3的實驗結果可知，當運行時間為24 h時，文獻[3]方法的平均電力負荷為322.3 MW·h，文獻[4]方法的平均電力負荷為337.5 MW·h，而設計方法的平均電力負荷為315.3 MW·h。由此可知，設計方法的電力負荷較低，與文獻[3]方法和文獻[4]方法相比，設計方法的電力運行波動較小，電力平穩性能較好。

3.3 實驗結果2

在上述實驗的基礎上，進一步對2010—2019年寧夏全社會用電量和全社會最大負荷進行分析，具體實驗結果如下。

3.3.1 全社會用電量

(1)用電量增速：2010—2019年寧夏全社會用電量及增速結果如圖4所示。

圖4 2010—2019年寧夏全社會用電量及增速結果

根據圖4可知，“十三五”以來，從總量來看，寧夏全社會用電量保持持續增長態勢，2019年全社會用電量1 083.9億kW·h，是2010年的1.98倍，是2015年的1.23倍。從增速來看，“十三五”前四年年均增速5.4%。2016年，受自治區經濟結構調整影響，全社會用電量增速較低；2017—2018年受國家經濟政策刺激的影響，全社會用電量增速大幅反彈；2019年寧夏高耗能市場行情疲軟，全社會用電量增速較低。

(2)用電量結構：2010—2019年寧夏全社會用電量結構變化如表6所示。

表6 2010—2019年寧夏全社會用電量結構變化 億kW·h

根據表6可知，從產業結構來看，第二產業尤其是重工業用電占比過重是寧夏用電結構的主要特征。2010年以來，第二產業用電量占比始終在90%以上。近些年，在經濟結構轉型升級和環保政策持續發力的作用下，寧夏用電結構進一步優化，第一產業、第二產業、第三產業和城鄉居民生活用電占比由2015年的1.9∶91.5∶4.0∶2.7調整為2019年的0.6∶90.2∶6.3∶2.9，三產用電占比呈穩步提高趨勢，一產、二產用電占比穩中有下降，居民生活用電增速震蕩企穩，基本保持穩定。

2010—2019年寧夏分產業用電結構變化如圖5所示。

圖5 2010—2019年寧夏分產業用電結構變化

根據圖5可知，從2019年用電量結構來看，二產仍是拉動全社會用電量增長的主要因素。2019年，寧夏全社會用電量1083.9億kW·h，同比增長1.8%，其中，一產用電6.9億kW·h，同比增長19.6%，主要是農業、林業、畜牧業用電量增長較快；二產用電977.5億kW·h，同比增長1.1%；三產用電68.4億kW·h，同比增長9.9%，主要是電信和其他信息傳輸服務業、批發和零售業、餐飲、住宿等商業活動活躍，用電增長較快；城鄉居民生活用電31.1億kW·h，同比增長5.4%。

3.3.2 全社會最大負荷

(1)負荷增速：寧夏“十三五”前四年全社會最大負荷及增速結果如圖6所示。

圖6 寧夏“十三五”前四年全社會最大負荷及增速結果

根據圖6可知，“十三五”以來，寧夏全社會最大負荷呈現連年增長態勢，從2015年的1 249萬kW增長至2019年的1 555萬kW，“十三五”前四年年均增速5.6%。

(2)年負荷特性：寧夏電網歷史年統調負荷曲線如圖7所示。

根據圖7可知，寧夏電網年負荷特性隨著季節變化呈現“一峰一谷”，最大負荷一般出現在冬季，并呈現逐年遞增的趨勢。由于寧夏配電網負荷基數小，高耗能負荷占比較大，因此全網負荷的波動性在高耗能市場穩定的情況下主要受季節性負荷變化的影響較大。主要季節性負荷包括4月中旬—9月中旬的春季灌溉負荷，6月—8月的夏季空調負荷，10月下旬—11月下旬的冬季灌溉負荷，11月—次年3月的冬季取暖負荷。由于冬季取暖負荷和灌溉負荷的疊加，使得年最大負荷一般出現在冬季；而春節長假一般出現在2月份，2月份部分工業負荷停運，同時取暖負荷減少，使得年最小負荷一般出現在該月。

圖7 寧夏電網歷史年統調負荷曲線

寧夏電網季不均衡系數如圖8所示。

圖8 寧夏電網季不均衡系數

根據圖8可知，2016—2019年寧夏電網季不均衡系數逐年上升，主要是由于高耗能負荷占比較大，近年來寧夏地區高耗能負荷趨于平穩，各月最大負荷與年最大負荷差值逐漸減小。隨著經濟結構調整，高耗能行業發展趨于平穩后，季不均衡系數將呈現下降趨勢。

3 結 語

為降低西北地區綠色能源總運行成本與棄風量，減少電力運行波動，提出西北地區綠色能源互聯網結構多目標優化調整方法。研究西北地區綠色能源使用情況，分析西北地區綠色能源互聯網結構特性，獲取結構運行規律并進行優化。采用隨機森林算法實施功率預測，建立綠色能源互聯網結構多目標優化調整模型并對其進行求解，實現西北地區綠色能源互聯網結構多目標優化調整。研究實現了總運行成本與棄風量的降低以及電力運行波動的平穩化，其寧夏全社會用電量增速較低，全社會最大負荷呈增長態勢，季不均衡系數呈下降趨勢，能夠為峰谷差平抑、新能源消納、經濟性與可靠性的提升等提供一定的參考。