基于反向傳播神經網絡的光伏電站運營策略研究

王超, 黎啟明, 司曉峰, 竇常永

(國網甘肅省電力公司,甘肅,蘭州 730030)

0 引言

隨著中國“碳達峰”和“碳中和”目標時間的提出,國家對新能源場站建設的扶持力度不斷加大,光伏電站建設數量也日益增加。傳統的光伏電站并網發電中,光伏電站發電易受氣候變化的影響,發電功率波動較大[1-2]。電網公司按照保守的發電出力進行光伏電站調度[3-4],造成光伏電站棄光現象嚴重,發電消納水平較低,影響光伏電站的經濟收益[5]。因此,亟須采用有效的方法來提高光伏電站的發電消納水平。

國內外許多學者對光伏電站的運營做了研究。文獻[6]提出了一種基于市場化交易的光伏電站智慧運營方法,通過自發自用、剩余電量上網的方式進行了光伏電站的發電消納。文獻[7]提出了一種基于平準化電力成本(LOCE)方式的光伏電站運營方法,通過光伏電站激勵計算和并網效益分析,實現了光伏電站發電的優化運營。文獻[8]提出了一種基于時序運行的光伏電站消納與運營方法,通過對光伏電站發電出力的重構,實現對光伏電站的發電最優消納。文獻[9]提出了一種多場景規劃的光伏電站發電消納方案,通過雙層模型,解決嚴重的棄光問題。由此可見,光伏電站運營方法多樣,且取得一定的成果。但在上述研究中,未考慮天氣氣象波動大造成的發電出力不穩定問題,以及采用儲能解決棄光嚴重的問題。

針對光伏電站運營過程中發電量波動大、消納率低的問題,本文提出了一種基于反向傳播(BP)神經網絡的光伏電站運營方法。該方法通過光伏電站發電功率預測、站內儲能優化控制和光伏發電盈虧分析,實現了光伏電站的最優并網發電控制,最后,將本文方法應用在某地區的光伏發電站,其運行結果驗證了本文方法的有效性和可行性。

1 光伏電站運營框架

本文提出了一種基于BP神經網絡的光伏電站運營方法,該方法重點考慮了光伏電站發電量波動大和消納率低的問題。光伏電站運營框架如圖1所示。該框架主要包括4個環節:光伏電站發電出力預測、光伏電站源儲控制、發電盈虧分析和發電上網策略控制。

圖1 光伏電站運營策略

在光伏電站發電出力預測環節中,采用長短期記憶網絡(LSTM)預測光伏電站的發電數據。在光伏電站源儲控制環節,通過BP神經網絡,分析光伏電站上網余電的時段特性,并實現內部儲能優化控制。在發電盈虧分析環節,分析光伏發電的經濟效益,獲得光伏電站的最優上網時段策略。在發電上網策略控制環節,根據光伏電站最優的上網策略,聯合對光伏發電機組、儲能的控制,實現光伏電站最優的并網發電。

2 光伏電站運營模型

基于BP神經網絡的光伏電站運營方法是一種充分考慮光伏發電波動特性,并采用BP神經網絡、儲能等方式優化控制光伏發電出力的方法,可用于提高光伏電站的能源消納水平,避免出現棄光問題。

2.1 光伏電站發電出力預測

受氣候變化影響,日照輻射量波動較大,從而造成光伏電站的發電出力波動較大[10-11]。長短期記憶網絡對多種因素依賴關系分析較好,在處理時間發電出力預測方面優于時間遞歸網絡和隱馬爾科夫模型[12]。因此,本文使用長短期記憶網絡算法對光伏發電出力進行預測。

長短期記憶網絡包括輸入門、輸出門和遺忘門。設輸入激活函數為?,存儲激活函數為tanh,光伏發電權重為wa,輸入的光伏電站歷史數據為Pa,輸入的天氣預報數據為La,則光伏電站發電預測數據Pout為

Pout=?(wa[Pa,La])×tanh(Pa)

(1)

由式(1)可知,通過長短期記憶網絡,可生成光伏發電站的日96點負荷預測曲線數據,為光伏電站的源、儲綜合控制提供基礎數據。

2.2 光伏電站源儲控制

為避免日照輻射量受氣候影響波動大的問題,傳統光伏發電站的發電出力功率設置較低,導致光伏電站出現棄光現象,影響光伏電站收益。本文在光伏電站配置儲能裝置,通過BP神經網絡,計算光伏電站上網余電儲能策略,并控制儲能裝置進行電能存儲。同時,BP神經網絡結合儲能計算出最大的光伏電站上網功率,在日輻射量降低的時候,通過逆變器釋放儲能電量,補充光伏電站發電功率不足的問題。

設第i個光伏發電的功率為Pci,儲能的容量為Sci,光伏發電功率和儲能容量之間的權重為wb,儲能控制的閾值為Qa,光伏發電的時間段為ta,輸出的功率線性函數ya為

(2)

設激活函數為h,輸出功率修正函數Pd為

Pd=h(ya)

(3)

在BP神經網絡反向傳播中,誤差函數為ΔE,反向傳輸層的權重為wd,傳輸的層數為na,光伏電站傳輸功率Pe為

(4)

儲能容量Se為

(5)

由式(4)、式(5)可知,通過BP神經網絡,可獲得光伏電站最大的發電出力功率和最小的儲能容量配置。通過最大出力功率可以增加光伏電站上網發電功率,通過最小的儲能容量配置,可降低儲能配置投入。

2.3 發電盈虧分析

光伏發電站的盈虧分析,通過計算光伏發電的盈虧平衡因子來計算光伏發電的成本與光伏發電收益平衡。

其中,光伏發電站的投入成本包括電站的投資建設成本、儲能的建設成本、光伏電站的運營成本等固定投入成本,光伏電站的收益為電網結算的發電電量。

設光伏電站的上網電價為Va,上網的電量為me,固定投入成本單價折算Ga,則盈虧分析的利潤Ua為

Ua=(Va×me)-(Ga×me)

(6)

盈虧平衡因子本質是光伏電站的盈利水平的統計值,設光伏電站的上一年收入為ka,光伏電站的上一年支出為za,依據光伏電站行業規范制定的年盈利增長率為ja,則光伏電站盈虧平衡因子Gs為

(7)

當平衡因子Gs>0時,即為光伏電站盈利滿足要求,通過發電盈虧分析,計算出上網發電的最優上網策略。

2.4 發電上網策略控制

在發電上網策略分析階段,根據光伏電站最優的上網策略,對光伏發電機組出力、儲能的存儲、儲能逆變器功率進行綜合控制。

在光伏上網發電階段,通過儲能補償光伏發電不足的功率部分。儲能可有效抑制日照波動帶來的影響,避免出現棄光問題。

3 光伏電站運營仿真流程

基于BP神經網絡的光伏電站運營,首先對光伏電站的發電出力進行預測,然后利用儲能實現對棄光電能的存儲,再次對光伏發電站進行盈虧分析,獲得最優的光伏上網控制策略,并對光伏電站的上網發電進行控制,仿真流程如圖2所示。

圖2 光伏電站運營仿真流程圖

步驟1:采用LSTM網絡,針對輸入的數值氣象預報和歷史發電數據進行計算,生成光伏發電的超短期、短期功率預測結果。

步驟2:結合光伏電站的儲能,光伏電站的發電時段特性,采用源儲控制方法對光伏電站的源儲進行控制,以提高光伏電站的綜合運營能力。

步驟3:計算光伏發電站的收入情況、光伏生產成本支持情況,通過盈虧平衡因子判斷當前光伏電站的盈利狀況。

步驟4:根據光伏電站最優的上網策略,對光伏電站進行綜合控制,通過儲能補償光伏發電不足的功率部分。

步驟5:進行光伏電站的運營結算,生產光伏運營電站的運營報告及光伏發電盈利表。

4 算例分析

采用本文所提的基于BP神經網絡的光伏電站運營方法,在某區域的光伏電站進行測試,使用的操作系統環境為Win 10,CPU為酷睿7 2.8 G,內存為16 G。

(1) 預測準確率分析

選擇迭代次數為200次,比較本方法LSTM網絡預測與基于LOCE方式的光伏電站運營方法預測的準確率,預測結果如圖3所示。

圖3 光伏發電站預測準確率圖

由圖3可見,迭代次數在60次左右時,本文所提方法的準確率在97%左右,LOCE方法預測的準確度在91%左右,由此可見本文所提方法中LSTM網絡預測準確度優于基于LOCE方式的光伏電站運營方法預測。

(2) 光伏發電站運營分析性能分析

分別選擇光伏電站的樣本數據10 000、20 000、50 000、80 000個,采用本文所提的基于BP神經網絡的光伏電站運營方法與基于LOCE方式的光伏電站運營方法,對比運行分析性能,結果如表1所示。

表1 光伏發電站運營分析性能分析表

由表1可見,本文所提的基于BP神經網絡的光伏電站運營方法在運行時長方面優于基于LOCE方式的光伏電站運營方法。

(3) 光伏發電站運營有效性分析

光伏發電站運營有效性分析是為了驗證本文所提方法的盈利水平,其計算方法是將運營盈利后與理論最優值進行比較,其百分比為光伏發電站運營有效性。分別選擇光伏電站的數量為100、200、300、400、500、600、800、1 000個,對比本文所提基于BP神經網絡的光伏電站運營策略與業界廣泛使用的LOCE方法的運營有效性,對比結果如表2所示。

表2 光伏發電站運營有效性分析表

由表2可見,本文所提方法在運營有效性方面優于LOCE方法。

(4) 光伏發電站運營盈利分析

光伏電站運營盈利分析是為了驗證本文所提方法的盈利能力,采用盈利金額的方式進行對比,分別選擇光伏電站的數量為100、200、300、400、500、600、800、1000個,采用2021年8月其中1天的數據,對比本文所提基于BP神經網絡的光伏電站運營策略與業界廣泛使用的LOCE方法的的盈利能力,對比結果如表3所示。

表3 光伏發電站運營盈利分析表

由表3可見,本文所提方法在運營盈利能力方面優于LOCE方法。

5 總結

為解決光伏電站運營過程中的發電量波動大、消納率低的問題,本文提出了一種基于BP神經網絡的光伏電站運營方法,設計了一種基于BP神經網絡的光伏電站運營模型。通過長短期記憶網絡對光伏電站歷史發電曲線和天氣氣象數據的分析,預測出光伏發電站短期發電功率曲線。在此基礎上,采用BP神經網絡建立光伏電站源儲控制策略,實現光伏電站內部的儲能控制,抑制日照量波動帶來的影響。然后,建立光伏發電盈虧分析策略,通過計算最佳的光伏電站上網策略,實現光伏電站最優的并網發電。最后,在某區域光伏發電站實際運行了基于BP神經網絡的光伏電站運營方法,其運行結果驗證本文所提方法的可行性和有效性。

下一步,將結合新能源聚合商對光伏電站集群發電做進一步研究。