基于動態規劃的分布式光伏發電容量優化技術

2024-05-08 00:00:00張健

粘接 2024年1期

摘要：根據時域頻譜計算當前配電網內光伏發電容量需求數值，將需求數值作為輸入，以分布式光伏發電容量在配電網內聯絡線的功率波動方差、功率均值作為，目標構建分布式光伏發電容量優化模型，采用自適應動態規劃算法求解分布式光伏發電容量優化模型，實現分布式光伏發電容量的優化。實驗結果表明，該方法計算配電網當前所需的分布式光伏發電容量數值最大偏差僅為0.003 MW，可有效提升配電網內分布式光伏發電總容量。

關鍵詞：動態規劃；分布式光伏；發電容量優化；蓄電池模型

中圖分類號：

TM615+.2

文獻標志碼：

A文章編號：

1001-5922（2024）01-0169-04

Distributed photovoltaic power generation capacity optimization method based on dynamic programming

ZHANG Jian

（State Power Investment Anhui Ecological Energy Co.，Ltd.，Hefei 230001，China）

Abstract：According to the time-domain spectrum，the demand value of the current photovoltaic power generation capacity in the distribution network was calculated，the demand value was taken as the input，the power fluctuation variance and power average value of the contact line in the distribution network of the distributed photovoltaic power generation capacity were taken as the objective to construct the distributed photovoltaic power generation capacity optimization model，and the adaptive dynamic programming algorithm was used to solve the distributed photovoltaic power generation capacity optimization model to realize the optimization of distributed photovoltaic power generation capacity.The experimental results showed that the maximum deviation of the current distributed photovoltaic generation capacity calculated by the proposed methodwas only 0.003 MW，which can effectively improve the total capacity of distributed photovoltaic power generation in the distribution network.

Key words：dynamic planning;distributed photovoltaic;power generation capacity optimization;battery model

太陽能發電具有隨機性和較大的波動性，導致分布式光伏發電在應用過程中的出力變化較為迅速［2］，這種情況會影響配電網對其容量的調度和出力分配［3］。將分布式光伏發電設備接入配電網容量存儲設備中，可以提高分布式光伏發電容量的輸出穩定性［4］。保華等人［5］提出的分布式能量系統設備容量優化方法，該方法以分布式光伏發電設備容量的能源節約率和年總成本節約率作為優化目標。郭蘇等人［6］提出了多目標容量優化方法，該方法同時兼顧風力發電和光伏發電，將二者容量的最大同調利用率作為優化目標。張夢田等人［7］提出基于變分模態分解的儲能容量優化方法，以儲能成本最低構建儲能容量優化的目標函數。

為了解決現有容量優化方法存在的問題，提出基于動態規劃的分布式光伏發電容量優化方法，以提升分布式光伏發電容量優化技術水平。

1 分布式光伏發電容量優化技術

1.1 分布式光伏電池與蓄電池模型構建

對分布式光伏發電容量進行優化前，需構建分布式光伏電池模型和蓄電池模型，并依據二者的輸出結果計算當前配電網內所需的分布式光伏發電容量。構建分布式光伏電池模型和蓄電池模型如下：

1.1.1

光伏電池模型

分布式光伏電池的出力情況受太陽照射和當前環境溫度的影響較大［9］，令RP、RSTC表示分布式光伏電池恒定輸出功率和最大測試功率，光伏電池模型表達公式如下：

RP=RSTCGACGSTC（1+δ（tc-tr））（1）

式中：GAC、GSTC分別表示當前光照輻射強度和標準光照輻射強度；δ表示功率溫度系數；tc、tr分別表示光伏電池板溫度和參考溫度。

1.1.2

蓄電池模型

分布式光伏蓄電池的荷電狀態分為放電和充電2種，構建的電池模型表達式：

SOC（t）=SOC（t-1）-βSOC（t-1）-Rd（t）ΔtβdEr

SOC（t）′=SOC（t-1）-βSOC（t-1）-Rc（t）βcΔtEr（2）

式中：t、Δt分別表示時刻和采樣步長；β、βc分別表示自放電功率和充電效率；ηd、Rc（t）分別表示放電效率、充電功率；Rd（t）、Er分別表示放電功率與額定容量。

1.2 基于小波變換的分布式光伏發電容量需求計算

分布式光伏電池和蓄電池輸出的功率信號和預測功率信號之間的差值為分布式發電容量優化的功率信號，使用小波變換對分布式光伏電池和蓄電池輸出的功率信號進行分解和重構，并采用傅里葉變換方式得到重構后的分布式光伏電池和蓄電池輸出功率信號時域頻譜［10］，按照高低頻將該時域頻譜劃分后，其低頻和高頻部分分別用0，fs/2n+1、fs/2n+1，fs/2表示，其中n表示高低頻數量。依據分布式光伏電池和蓄電池輸出功率信號高低頻譜時域，計算不同頻段對應能量后，將所有頻段的能量相加后，得到分布式光伏電池和蓄電池在頻段內f1，f2的能量，其表達式：

Ef1，f2=∑f2f1Y（f）2（3）

式中：f表示頻譜分量f的幅值。

依據式（3）結果，計算配電網當前所需分布式光伏容量數值，其表達式：

Pf1，f2=∑f2f1Y（f）2（4）

利用式（4）即可得到當前配電網內需求的分布式光伏發電容量數值。

1.3 分布式光伏發電容量優化模型構建

以分布式光伏發電容量在配電網內聯絡線功率波動方差、功率均值作為目標，構建分布式光伏發電容量優化模型，目標函數的表達式：

minf=∑Ni=1ZES（i）+ZL（i）-ZG（i）-Z-2/NZ-=∑Ni=1ZES（i）+ZL（i）-ZG（i）/N（5）

式中：f、Z-分別表示分布式光伏發電容量在配電網內聯絡線功率波動方差和功率均值；ZES（i）、ZL（i）、ZG（i）

分別表示第i個分布式光伏發電容量時段的配置功率、負荷功率以及發電功率數值；N表示時段總數。

設置分布式光伏發電容量優化模型約束條件：

-ZES≤ZES（i）≤ZESSOCm≤SOC（i）≤SOCM-ZG0≤ZES（i）+ZL（i）-ZG（i）≤ZL0（6）

式中：-ZES、ZES分別表示分布式光伏發電容量配置功率的下限與上限；SOCM、SOCm表示分布式光伏發電允許的最高荷電狀態和最低荷電狀態；ZL0、-ZG0分別表示被允許最大用電功率和發送功率。

1.4 基于自適應動態規劃的發電容量優化模型求解

在求解分布式光伏發電容量優化模型過程中，由于受控對象不同，其對應的狀態變量、控制量也不同，因此求解分布式光伏發電容量優化模型的過程較為復雜。為降低分布式光伏發電容量優化模型求解難度，提高模型的求解效率，采用自適應動態規劃算法將求解分布式光伏發電容量優化模型過程中的多維問題轉化為低維問題。求解分布式光伏發電容量優化模型過程：

令x（k）、o（k）分別表示分布式光伏發電容量優化模型的狀態變量和優化控制量，則分布式光伏發電容量優化模型的非線性離散時間表達公式如下：

x（k+1）=F（x（k），o（k））（7）

定義存在m組分布式光伏發電容量優化模型內的狀態變量和優化控制變量，則狀態變量和優化控制變量可標記為x（k）=X1（k），…，Xm（k），o（k）=O1（k），…，Om（k）。則分布式光伏發電容量優化模型的代價函數表達式：

J（x（k））=V（x（k），o（K））+J（x（k+1））（8）

式中：V（x（k），o（K））表示總體效用函數，其表達式：

V（x（k），o（K））=Vc（x（k），o（K））+∑mi=1Vdi（Xi（k），Oi（k））（9）

式中：Vc（x（k），o（K））表示總體效用函數的耦合部分；∑mi=1Vdi（Xi（k），Oi（k））表示總體效用函數獨立部分。

自適應動態規劃算法將分布式光伏發電容量優化模型的狀態分解為當前優化控制對象和非當前優化控制對象，則分布式光伏發電容量優化模型狀態變量表達式：

x（k）=Xi（k），X-i（k）（10）

優化控制變量表達公式如下：

o（k）=Oi（k），O-i（k）（11）

式中：X-i（k）、O-i（k）分別表示非當前優化狀態變量和非當前優化控制變量集合；Xi（k）、Oi（k）分別表示當前優化狀態變量和優化控制變量。

處理完分布式光伏發電容量優化模型的狀態量和優化控制量后，將非受控對象的狀態和優化控制量作為常數，同時將式（10）和式（11）代入到式（9）內，則式（9）可以變換為如下表達形式：

V（x（k），o（K））=Vi（Xi（k），Ui（k））+∑VX-i（12）

式中：Vi（Xi（k），Oi（k））表示當前優化對象的效用函數；∑VX-i表示獨立部分效用函數。

由式（12）可知，求解分布式光伏發電容量優化模型時，性能指標函數僅受優化對象狀態和優化控制量影響，求解分布式光伏發電容量優化模型時的動態規劃遞推表達式：

H×x（k），k=infukVi（Xi（k），Oi（k））+infukψH×x（k+1），k+1（13）

U*i（k）=arg minukVi（Xi（k），Oi（k））+arg minukψH×x（k+1），k+1（14）

式中：ψ表示調整因子；H×x（k），k、O*i（k）分別表示分布式光伏發電容量優化模型當前狀態量和變量i的簡化最優優化結果。

對分布式光伏發電容量優化模型的優化對象實施排序處理，排序計算的表達式：

發電容量優化模型解滿足式（18）條件時，則中斷迭代并輸出分布式光伏發電容量優化模型解；反之，則重新迭代直至其結果符合式（18）條件為止。至此完成分布式光伏發電容量優化模型求解，實現分布式光伏發電容量優化。

2 實驗分析

以某光伏發電配電網為實驗對象，使用提出方法對該光伏發電容量實施優化，從實際應用過程中分析提出方法的使用效果。該光伏發電配電網由16組大型光伏單元、4組蓄電池單元和20個直流斬波器組成，并由1條直流母線連接光伏單元和蓄電池單元，通過交直流轉換器將電容發送到配電網內。

2.1 收斂測試

驗證使用動態規劃算法求解分布式光伏發電容量優化模型能力，測試在不同迭代次數情況下，本文方法在求解分布式光伏發電容量優化模型時損失函數數值變換情況，結果如圖1所示。

由圖1可知，提出的方法在求解分布式光伏發電容量優化模型時，在前30個迭代次數時損失函數數值波動幅度較大，當迭代次數超過30個后，損失函數數值呈現收斂狀態，其損失函數數值為0。該結果說明，提出的方法求解分布式光伏發電容量優化模型時所用的迭代次數較少，且損失函數數值為0，求解結果較為準確，也從側面說明使用此方法可有效優化分布式光伏發電容量。

2.2 分布式光伏發電容量需求計算測試

分布式光伏發電容量需求計算是實現其優化的基礎，測試在晴朗天氣情況下，不同功率波動時計算的當前配電網所需的分布式光伏發電容量數值，結果如表1所示。

由表1可知，提出的方法在配電網存在不同類型功率波動的情況下，計算的配電網分布式發電容量數值僅在180 s沖擊波動和20 min沖擊波動時域實際數值存在偏差；但最大偏差數值僅為0.003 MW，該數值對優化分布式光伏發電容量影響較小，且在其余功率波動類型上的計算數值與實際所需容量數值均完全吻合。

2.3 分布式光伏發電容量優化測試

以分布式光伏發電容量數值作為衡量指標，測試提出的方法應用后，在不同時間段內，該配電網總容量變化情況結果如圖2所示。

由圖2可知，在不同時間段內，該配電網的分布式光伏發電總容量數值呈現波動變化趨勢。而使用提出的方法對該配電網的分布式光伏發電容量進行優化后，該配電網的總容量數值波動趨勢雖然與優化前的波動趨勢相符，但總容量數值始終高于優化前。其中優化前后的配電網總容量最大差值出現在時間段13：00～13：20，差值為1 550 MW。結果表明，應用提出的方法，可有效提升配電網內分布式光伏發電的總容量數值，其應用效果較為顯著。

以配電網的功率波動率作為衡量指標，測試提出的方法對該配電網分布式光伏發電容量進行優化后，該配電網的功率波動率變化情況，結果如圖3所示。

由圖3可知，不同時間下該配電網的功率波動率波動幅度較大，其波動區間在8%～21%，說明此時配電網為用戶供電不夠穩定。應用提出的方法對該配電網分布式光伏發電容量進行優化后，雖然配電網的功率波動率依然呈現波動狀態，但其波動幅度與區間明顯降低，始終保持在1%～6%。因此，說明使用提出的方法對配電網的分布式光伏發電容量進行優化后，配電網的功率波動率呈現明顯下降趨勢，使配電網為用戶供電更加穩定。

3 結語

針對現有方法存在的容量低、功率波動范圍大的問題，提出基于動態規劃的分布式光伏發電容量優化方法，通過建立分布式光伏發電容量優化模型并使用動態規劃算法對該模型進行求解后，實現分布式光伏發電容量優化。實驗結果表明，本文方法具有良好的收斂性，并且可有效提升當前配電網分布式光伏發電總容量，降低配電網功率波動變化率。

【參考文獻】

［1］張聶鵬，張楠，鄧媛.考慮新能源不確定性的儲電站儲能容量配置優化技術［J］.自動化技術與應用，2021，40（9）：90-93.

［2］湯易，周滿，朱濤，等.基于成本效益最優化的含光伏發電配電系統分布式儲能規劃［J］.電力電容器與無功補償，2021，42（3）：188-196.

［3］陳德煒，施永明，徐威，等.基于改進FPA算法的含分布式光伏配電網選址定容多目標優化方法［J］.電力系統保護與控制，2022，50（7）：120-125.

［4］蔡秀雯，陳茂新，陳鋼，等.考慮主動管理與需求側管理的主動配電網分布式光伏最大準入容量計算方法［J］.電力建設，2021，42（5）：38-47.

［5］白保華，丁澤宇，王康，等.含有光伏發電的分布式能量系統設備容量優化［J］.熱力發電，2020，49（7）：28-34.

［6］郭蘇，何意，蔣川，等.風電-光伏-儲熱聯合發電系統的多目標容量優化［J］.太陽能學報，2020，41（11）：359-368.

［7］張夢田，田書，曾志輝.基于變分模態分解的混合儲能容量優化配置［J］.儲能科學與技術，2020，9（1）：170-177.

［8］葉斌，朱澤安，馬靜，等.基于靈活網架的分布式光伏電源準入容量研究［J］.電測與儀表，2019，56（11）：1-7.

［9］王雪峰.含有風電場和分布式光伏的微電網經濟調度［J］.粘接，2022，49（6）：191-196.

［10］俞曉峰，袁嶺，崔藝林，等.分布式光伏電源的配電網故障特征計算模型分析［J］.粘接，2023，50（1）：140-143.

［11］鄧文麗，戴朝華，張涵博，等.復雜電氣化鐵路牽引用光伏發電系統綜合優化控制方法研究［J］.中國電機工程學報，2020，40（18）：5849-5865.