平抑光伏發電功率波動的電力系統調度方法研究

摘 要：本文針對分布式光伏發電功率接入電力系統后導致的最大功率波動量較大及功率越限次數較多的問題，提出了一種能夠平抑分布式光伏發電功率波動的電力系統調度方法。首先，建立了電力系統的數學模型，以準確描述分布式光伏發電的狀態。其次，設定了閾值來識別分布式光伏發電功率的波動異常，并據此生成調度指令。再次，利用雙層調度策略設計了符合功率平衡約束且滿足調度目標的調度方案。通過調控電力系統的運行參數，實現了對分布式光伏發電功率波動的有效平抑。試驗結果表明，采用本文提出的方法后，電力系統的最大功率波動量控制在1 MW以內，且未發生功率越限情況，分布式光伏發電功率波動的抑制效果良好。

關鍵詞：光伏發電；功率波動；電力系統；雙層調度策略；功率平衡

中圖分類號：TM 614" " " " " " 文獻標志碼：A

在眾多可再生能源中，太陽能因其蘊藏量無限、無須運輸、可就地使用以及發電成本逐步降低等優點，已成為可持續發展的重要能源之一。但是，分布式光伏發電系統在實際運行中面臨的一個關鍵問題是功率波動，不僅影響電力系統的穩定性和可靠性，還給電力系統的調度和運行帶來了巨大困難。隨著分布式光伏發電的快速發展，如何有效平抑功率波動已成為電力系統研究的重要課題。目前，國內外學者在這一領域已進行了大量研究。文獻[1]提出了基于多種群協同粒子群優化算法的調度方法，該方法模擬鳥群覓食行為，利用多個種群間的信息共享與協同進化來優化電力分配，實現負荷平衡，保證電力系統功率穩定。文獻[2]則提出了利用靈活資源（例如儲能、需求響應等）采用模型驅動調度方法，通過動態調整供需平衡來優化資源配置。盡管上述方法在一定程度上能夠實現電力調度，但在分布式光伏接入的情況下，其調度效果并不理想。因此，本文提出了一種能夠平抑分布式光伏發電功率波動的電力系統調度方法。

1 構建接入分布式光伏的電力系統數學模型

分布式光伏發電采用“自發自用、余電上網、就近消納和電網調節”的運營模式，該模式能夠與主電力系統進行互動，提高了可再生能源的利用率。電力系統模型如圖1所示。

在電力系統中，中心調度站持續不間斷地監測并收集聯絡線的實時負荷數據，同時接收來自各分布式光伏電源提交的預計負荷需求信息。通過整合這些信息，對系統的整體負荷進行實時預測，為后續的能源分配與調度提供數據支撐[3]。為了更精確地模擬光伏陣列在不同環境條件下的發電性能，本文采用時間離散化方法，將連續的時間周期細分為T個等長的時段。在每個時段內，假設光照、溫度等環境因素保持不變，這樣既可以降低模型的復雜度，又能保留足夠的信息來反映光伏陣列發電性能隨時間的變化情況。每個時段的時間間隔設為t，因此，接入分布式光伏的電力系統數學模型如公式（1）所示[4]。

（1）

式中：Ppv（T）為各時段的光伏發電功率；Pst為在標準額定條件下光伏額定輸出功率；G為電力系統光伏電站工作點的輻照度；Gst為額定太陽輻照度；v為功率溫度系數；Wwe為光伏電池溫度；Wfs為工作點的電池溫度。

利用公式（1）描述在不同時間段分布式光伏發電系統功率輸出情況。將連續時間域離散化，可以降低模型的復雜度，使模型更容易進行計算。選擇合適的時段長度，能夠保證計算效率，并獲得足夠高的模擬精度。構建包括時間離散化方法的電力系統模型，可以為決策者提供關于分布式光伏發電系統布局、容量配置和運行策略等方面的科學依據。不僅可以提升模型的準確性和可解性，還可以為電力系統的優化運行和可持續發展提供有力支持。

2 分布式光伏發電功率波動識別

當并網時，分布式光伏發電利用一個或多個并網逆變器作為轉換樞紐，能夠將匯集的高壓直流電準確地轉化為電力系統所需的交流電。在此基礎上，多個光伏電站以并聯的方式緊密相連，共同構筑光伏能源體系。

當分布式光伏電站發出的電能并入電力系統時，由電力系統的中心調度站進行統一規劃和調度。通過分析公式（1）可知，在分布式光伏接入電力系統后，雖然提升了清潔能源的利用潛力，但溫度變化、太陽輻照度強弱等因素會影響光伏電站的發電效率和穩定性，導致分布式光伏發電功率出現難以預測的波動，進而可能影響電力系統的整體運行穩定性。為了解決這個問題，電力系統中心調度站需要實時監測并識別發電功率的波動情況[5]。基于經驗和數據分析，可以設定一個合理的發電功率波動閾值[6]。根據這個閾值，中心調度站可以判斷電力系統調度調整的時機。

當發電功率波動保持在閾值以內時，系統將繼續沿用當前的運行策略，以減少不必要的調度操作，提高運行效率。而當波動超過閾值時，說明需要對資源進行重新規劃和分配，以確保電力系統穩定運行。

因此，中心調度站需要不間斷地跟蹤和記錄分布式光伏電站的實時發電功率。當監測數據上傳至中心調度站時，應將實際發電功率與預設閾值進行比較。如果監測結果顯示分布式光伏發電功率始終在閾值范圍內，那么說明電力系統運行良好，中心調度站將繼續采用現有的調度策略。

反之，當分布式光伏發電功率超出閾值范圍時，說明發電功率波動已處于異常水平[7]。此時，中心調度站需要迅速響應，啟動應急預案，進行計算和調度操作，對電力系統內的各項資源進行重新規劃和分配，以平抑光伏電站發電功率的波動，恢復電力系統的穩定運行狀態，保證電力供應的連續性和可靠性。

3 電力系統自動化調度

當中心調度站識別到分布式光伏發電功率出現波動時，會對電力系統進行調度優化。為了滿足平抑分布式光伏發電功率波動的調度需求，本文采用了雙層自動化調度策略，通過分層優化調度，既保證了電力系統的穩定運行，又平抑了分布式光伏發電的功率波動。雙層調度策略包括上層調度和下層調度2個層次。上層調度以電力系統經濟成本最小化為目標，其經濟成本的計算過程如公式（2）所示[8-9]。

C=Cw+Cv+Cr+Cu+Cn " " " "（2）

式中：C為電力系統經濟成本；Cw為電力系統總燃料成本；Cv為電力系統購電費用；Cr為光伏發電設備維修成本；Cu為光伏發電設備采購成本；Cn為電力系統維護成本。

下層調度以電力系統供電方差最小為目標，保證系統電力供應的穩定性。電力系統中心調度示意如圖2所示。

為了保證電力系統調度能夠有效抑制分布式發電功率波動，中心調度站設定了功率平衡約束條件。具體要求是，電力系統中所有發電機組的總有功輸出，在扣除電力系統傳輸過程中的網損后，必須能夠實時匹配并適應系統的負荷需求。這項約束是電力系統穩定運行的基礎，對于維護電力系統的供需平衡具有重要的作用。

與傳統能源發電方式相比，分布式光伏發電的出力具有隨機性和波動性，不能精確預測。因此，在將分布式光伏發電納入電力系統并進行調度的過程中，必須考慮功率平衡約束。電力系統不僅需要根據負荷變化靈活調整其輸出功率，以保證基本的供需平衡，還需要預先設定一定的調節裕度或調整其他發電機組的出力，以補償分布式光伏發電實際出力與預測值之間可能存在的偏差對電力系統平衡的影響。為此，需要對電力系統與分布式光伏電站的輸出功率進行綜合考量，并在動態環境中對系統功率進行平衡約束，如公式（3）所示。

Pbf-Pwe-Ppv（T）=0 " " " " "（3）

式中：Pbf為電力系統總輸出功率；Pwe為電力系統網絡損耗。

在電力系統調度中，必須確保各項參數調控的合理性。調度中心站根據既定的目標和約束條件，對數據進行處理和分析，進而對電力系統運行參數進行調整和優化，重新分配系統資源。具體的調度流程包括3個步驟。1）采集分布式光伏發電功率的數據信息，并將這些數據反饋至中心調度站。2）在調度中心站中設定合理的閾值，將采集的數據與閾值進行比較，以識別分布式發電功率的波動異常。3）根據上下雙層調度目標和功率平衡約束，將調度計劃轉化為具體的調度指令。采用能量管理系統（Energy Management System，EMS）對數據信息進行處理和分析，生成調度方案，并將其反饋至電力系統中，以對電力系統運行參數進行調整和優化，從而抑制分布式光伏電站發電功率的波動，實現系統的自動化調度。

4 試驗論證

4.1 試驗準備與設計

為了驗證本文方法的效果，筆者以某電力系統為試驗對象，將分布式光伏電站產生的電力接入該電力系統中，采用本文方法對該電力系統進行調度。在試驗中光伏電站發電并網參數設置如下：太陽輻射強度為1 000 W/m2，工作溫度為25 ℃，開路電壓為0.526 V，最大功率點電壓為0.462 V。試驗為短期調度，調度周期為10 h。試驗收集了該電力系統在運行80 h后的分布式光伏發電功率數據，將其輸入電力系統中心調度站中，采用EMS軟件對數據進行處理并分析，提取符合約束并且滿足調度目標的策略，對電力系統進行調度。

為了驗證本文所提方法的性能，本文將其與文獻[1]提出的基于多種群協同粒子群人工智能算法的調度方法，以及文獻[2]提出的考慮靈活資源與模數驅動相結合的調度方法進行了比較。為了評價電力系統的調度效果，筆者選取了最大功率波動量和功率越限次數作為評價指標。最大功率波動量是指在特定時間段內，電力系統功率輸出的最大值與最小值之間的差值，它反映了系統功率變化的幅度、穩定性以及分布式光伏功率波動的抑制效果。波動量越大，說明系統功率變化幅度越大，調度效果越差。筆者在每個調度周期中都記錄了電力系統的最大功率波動量。功率越限次數是電力系統運行的重要指標之一，它反映了系統功率輸出或輸入超過預設限制值的頻率。越限次數越多，說明電力系統運行的穩定性越低，調度效果越差。

4.2 試驗結果

在電力系統調度場景中，使用3種方法得到的最大功率波動量見表1，功率越限次數見表2。

由表1可知，在多次調度過程中，使用本文方法，最大功率波動量始終較低。當進行第一次調度時，本文方法的最大功率波動量為1.26 MW，文獻[1]方法為10.36 MW，文獻[2]方法為21.53 MW。當進行第八次調度時，本文方法為1.56 MW，文獻[1]方法為15.63 MW，文獻[2]方法為25.35 MW。試驗結果表明本文方法在控制電力系統最大功率波動方面具有明顯優勢，能夠使電力系統運行更穩定，波動范圍更小。由表2可知，在不同的時間點中，本文方法的功率越限次數始終為0。與本文方法相比，文獻[1]方法和文獻[2]方法在各個時間點都有不同程度的功率越限情況，隨著時間推移，文獻[1]方法的功率越限次數增加較多，文獻[2]方法從0次增加至19次。試驗結果表明，在電力系統調度場景中，本文方法在避免電力系統功率越限和控制最大功率波動量方面可靠性更高，效果更好，能夠保障電力系統安全運行。

5 結語

本文研究了能夠平抑分布式光伏發電功率波動的電力系統調度方法，旨在節約成本并提升電力系統的穩定性和可靠性。該方法通過應用儲能技術，結合優化算法與智能控制策略，不僅保障了電力系統安全、穩定的運行，還最大限度地提高了分布式光伏發電的利用率。

參考文獻

[1]劉雁行，徐愷，喬如妤，等.基于多種群協同粒子群人工智能算法的電力系統負荷調度研究[J].自動化與儀器儀表，2024（4）：139-143.

[2]張大海，孫鍇，史一茹，等.考慮靈活資源及模數驅動方法的電力系統調度方法綜述[J].高電壓技術，2024，50（1）：42-54.

[3]郭凱，阿敏夫，雅斯太，等.計及碳交易-綠證和儲能成本的含風光發電的電力系統優化調度[J].內蒙古電力技術，2023，4（4）：1-7.

[4]謝虎，楊占杰，張偉，等.基于混合蝙蝠算法的高比例風電電力系統調度方法[J].可再生能源，2023，41（6）：804-809.

[5]乞勝靜，張建桐，段明輝.基于改進非支配排序遺傳算法的電力系統無功–潮流多目標協同優化調度[J].電力科學與工程，2023，39（3）：34-41.

[6]朱姝林，王海云，常喜強，等.考慮新能源場站動態減載調頻的電力系統調度研究[J].科學技術與工程，2023，23（8）：3295-3305.

[7]檀勤良，代美，梅書凡.考慮電動汽車碳配額及需求響應的電力系統調度研究[J].電網與清潔能源，2021，37（7）：79-86.

[8]魯卓欣，徐瀟源，嚴正，等.不確定性環境下數據驅動的電力系統優化調度方法綜述[J].電力系統自動化，2020，44（21）：172-183.

[9]張文韜，王秀麗，吳雄，等.大規模風電接入下含大用戶直購電的電力系統調度模型研究[J].中國電機工程學報，2015，35（12）：2927-2935.