面向新型電力系統的多元協調規劃模型構建方法

高 鑫, 金 鑫, 趙 彤, 梅 崢, 魏健東, 李孟帥

(1.國家電網西北分部數字化處, 西安 710048; 2.北京科東電力控制系統有限責任公司信息化研發中心, 北京 100192)

2022年,國家多部門圍繞“電碳耦合”概念,提出從“電力調節”轉向“電碳調節”的需求側響應。電碳耦合的重點在于控制碳排放,合理規劃新能源。伴隨相關技術的不斷發展,新能源應用有望在未來成為減少碳排放的重要手段。新能源發展迅速,但目前仍有一些挑戰需要克服。一是可再生能源的可靠性和穩定性相對較低;二是新能源的儲存能力也相對較差,在電力需求旺盛時可能會出現供不應求的情況。從電網角度來看,通過加強可再生能源的研發和應用,整合包括電源、電網、負荷和儲能,即“源、網、荷、儲”在內的規劃方案,可以實現電力系統的整體協調和優化。

已有學者研究了現階段在電力領域荷儲結合的需求響應規劃模型。魯小秋等[1]考慮分布式光伏接入對配電網規劃評價的影響,基于傳統配電網的規劃評價體系,提出一種計及光伏輸出功率隨機性和相關性的有源配電網規劃評價方法;游大寧等[2]提出一種源網荷儲多元協同調度體系,通過建立適應電源側、電網側、負荷側各類資源參與的電力市場機制和多類資源協作互動調控平臺;Moradi-Sepahvand和Amraee[3]為了應對新能源的間歇性和不確定性,建立了一個將電池儲能(battery energy storage,BES)視為靈活資源的發電-傳輸協調規劃模型;Mao等[4]提出了一個考慮儲能系統的負荷擴展模型,并評估了該模型在分布式電力系統中降低碳排的效果;Zhou等[5]提出了一種新的風力發電和儲能相結合的協調規劃方法;Flores-Quiroz和Kai[6]提出了一種考慮到短期約束和長期不確定性的集成發電、傳輸和儲能規劃模型,該模型結合列生成算法和共享算法,提高了運算速度;董治新等[7]對源網荷儲互動模式下的電力資源特性進行分析,總結多元主體的交易特性;李強等[8]構建源網荷儲關鍵單元的數學模型,分析發電系統的響應特性,基于頻率判斷提出源網荷儲協調控制策略。

盡管已經進行了大量關于電力系統規劃模型的研究,但多數文獻沒有同時考慮新能源消費責任和碳排因素權重。因此,本文在新型電力系統背景下,設計基于源網荷儲一體化模式的協調規劃模型,結合國家政策與現階段行業研究成果,引入智能化決策,規劃供電端的相關配置,以獲取相對可控的電力輸出,提高電力系統的安全性、穩定性和經濟性。

1 考慮結合源網荷儲的協調模式

1.1 計算新能源需求和限額

在“雙碳”目標下,制定科學合理的新能源限額需要分析掌握地區新能源發展的總體規模、新能源消費的權重責任和能源消耗結構。

考慮到地區風力發電和光伏行業的資源稟賦、地方政府分配的新能源消費責任權重、發展規律、技術成熟度和其他因素,可以推出2025年風力發電和光伏發電等的發展負荷。假設該地區的可再生能源主要由風力發電、光伏和水電組成,風力發電、光伏和水電最大裝機容量的計算模型為

(1)

1.2 結合源網荷儲的協調方案

考慮到該地區電力系統的技術成熟度和各種資源的發展潛力,結合相關技術類型[9-10],提出一種面向電力領域的“源網荷儲”協調規劃方案,如圖1所示。一是建立一個清潔、低碳、安全和高效的新型能源系統;二是促進風能和光伏資源的大規模開發和利用,以實現高比例的新能源接入;三是使用輸電網來增加該地區的可再生能源比例[11]。其中,風能(WD)和光伏(PV)的功率輸出可以通過峰值負荷和大規模儲能來調整,多余的部分將用于當地消費或跨區域傳輸,不足的部分也可以通過跨區域電網輸入。

圖1 面向電力領域的源網荷儲協調規劃方案

2 建立電力系統多元協調規劃模型

2.1 電碳成本模型

針對地區電力市場價格和供需關系,將其電碳市場的情況總結為電碳成本核算模型[12]。

電碳總成本包括投資成本、運營和維護成本、燃料成本以及碳排放成本[13],計算公式為

minCtotal=Cinv+Com+Cf+Cemission

(2)

式中:Cinv為總投資成本,主要是指對各種發電源和電化學儲能的新容量的投資成本;Com為運營和維護成本,主要是指各種發電源和儲能發電站在輸出時的運行和維護成本;Cf為燃料成本,主要是指燃煤發電廠消耗的燃料成本;Cemission為碳排放成本,主要是指煤炭發電機組在發電時排放二氧化碳時的環境污染成本。

燃料成本Cf的計算公式為

(3)

碳排放成本Cemission的計算公式為

(4)

2.2 電力需求模型

通過Python實現模型建立,采用NumPy、Pandas和TensorFlow等庫,讀取電力供給配額節點數據集,并進行數據預處理,刪除缺失值并進行標準化。將數據集劃分為訓練集和測試集,使用Sequential模型構建深度學習網絡。設置兩個隱藏層,并使用ReLU激活函數來處理數據:

#構建深度學習網絡model = Sequential()model.add(Dense(64,input_dim=x_train.shape[1],activation=’relu’))model.add(Dense(64, activation=’relu’))model.add(Dense(1))

訓練模型預測電力供給配額節點的供給配額,并計算模型的準確率:

#預測并計算準確率pred = model.predict(x_test)acc = np.mean(np.abs(pred-y_test))print(acc)

2.3 多元評估模型

進行多元評估需要收集和準備大量的數據,如新能源發電設備的運行數據、可再生能源的供應情況、環境條件等。整合數據,并將其轉換為模型的輸入數據。選取太陽能發電量、氣溫、濕度和光照強度作為模型的輸入特征。

利用線性回歸模型建立多元評估模型?；貧w模型通常由輸入特征、模型參數和損失函數組成,并通過梯度下降法來擬合數據:

#建立線性回歸模型model = LinearRegression()model.fit(X_train, y_train)

需要調整模型的超參數來獲得最優的性能。這里使用貝葉斯優化算法來自動選擇超參數:

#選擇超參數params = { "alpha": Real(1e-6, 1e-2, prior="log-uniform"), "l1_ratio": Real(0, 1),}search = BayesianOptimization(model, params)search.fit(X_train, y_train)print("Best hyperparameters: ",search.max())

用驗證集來評估模型的性能,并與其他模型進行對比。這里使用平均絕對誤差(MAE)和均方誤差(MSE)指標來評估模型的準確性和精確性:

#指標評估模型y_pred = model.predict(X_val)mae = mean_absolute_error(y_val, y_pred)mse = mean_squared_error(y_val, y_pred)print("MAE: ", mae)print("MSE: ", mse)

通過評估,可以了解新能源發電的效率、可靠性、經濟性及環境影響等的情況,為相關部門提供決策支持。

3 算例分析

電力供給配額預測中的不同情景。根據2025年某特定區域電網的供電和電網規劃,將模擬條件作為輸入,規劃模型通過計算高、中、低3種不同比例新能源接入的情況下區域電網的煤電、新能源和儲能能力,可得出各場景負荷值曲線,方便進行下一步對比分析。

3.1 模擬條件

根據該地區的歷史載荷特征和對2025年最大負荷的預測,獲得2025年該地區的8 760 h負載曲線,考慮需求響應潛力后的典型日負荷曲線。提出高、中、低比例新能源接入系統的3種場景,以研究該地區電力結構的容量配置。場景1:假設新能源的比例不高于3 050 MW;情景2:假設新能源的比例不高于3 100 MW;場景3:假設新能源的比例不高于3 150 MW。

3.2 對比分析

根據該地區的歷史載荷特征和對2025年最大負荷的預測,獲得2025年該地區的8 760 h負載曲線,其中電化學儲能發電站的充電和放電時間設置為2 h。

3.2.1 高比例新能源接入

場景1下,煤炭發電、風力發電、光伏發電和電化學儲能發電站的優化新安裝容量分別為550、750、2 300、260 MW。在這種情況下,不同發電單元的輸出如圖2所示。場景1中新安裝的煤炭發電能力規模明顯小于其他場景,電化學儲能發電廠的裝機容量最高。與其他場景相比,跨地區傳輸的水電和電能的產量規模更大。

圖2 場景1不同發電單元的輸出

3.2.2 中比例新能源接入

場景2中優化的煤電、風力發電、光伏發電和電化學儲能發電站的優化容量分別為600、700、2 400、220 MW。此場景中不同發電單元的輸出如圖3所示。在這種情況下,煤炭發電、風力發電、光伏和儲能的裝機容量處于中等水平。

圖3 場景2不同發電單元的輸出

3.2.3 低比例新能源接入

場景3下煤炭發電、風力發電、光伏發電和電化學儲能發電站的優化新安裝容量分別為700、650、2 500、200 MW。此場景不同發電單元的輸出如圖4所示。在這種情況下,煤電單元的裝機容量最大,而儲能設備的裝機容量比其他設備小。從圖4可以看出,該系統的負載需求主要由煤炭發電單元滿足,而風能和生物質能等電力單元的產量規模很小。

圖4 場景3不同發電單元的輸出

圖5對比了3種情況下的源網荷儲協調規劃成本、新能源廢棄電力值和系統碳排放值。從圖5中可以看出,當新能源接入的比例處于中等水平,即場景2時,系統的總規劃成本和廢棄功率最低,但碳排放處于中等水平。主要原因是,為了確保新能源的充分消耗,新安裝的高碳排放煤電廠規模比場景1更大,一方面保證減少廢棄電力,另一方面保證最低的規劃成本。經過實驗模擬得到:2025年該地區新安裝的煤炭發電、風力發電、光伏發電和電化學儲能發電站的容量配置結果為600、700、2 400、220 MW。

圖5 不同場景對比折線圖

4 結論

建立了一個考慮新能源消耗的區域電力系統源網荷儲協調低碳規劃模型。將新能源需求和地方政策納入電力系統規劃的考量范疇中,通過模型進行預測評估獲得多元協調的優化配置,更大限度地降低系統的總規劃成本。

(1)隨著“雙碳”目標的提出,碳排放成本逐漸被重視起來。與此同時,電力系統中新能源數量的增加,也使得對新能源廢棄電力的評估變得越來越重要。本文的模型驗證了源網荷儲協調規劃模型可以在確保供需平衡要求的基礎上,通過合理規劃新能源的投入比例實現經濟優化。

(2)對于新能源比例的增加產生波動性和間歇性造成的供電不足或新能源消耗的問題,在考慮該地區需求響應的規模后,仍然有必要部署大規模的儲能發電站來進行削峰填谷。建議相關部門持續重視煤炭電力的靈活改造,同時大力支持儲能發電站的建設,以提高系統的靈活調整能力。

由于對發電側的技術類型和響應潛力的考慮有限,下一步將是加強源端各類單元之間的協調,以實現源網荷儲更好地互動,從而使負荷側的資源變得更加穩定可控。此外,最終規劃結果仍以單一的經濟目標為主,可以進一步考慮低碳環保方面,以建立一個多目標多領域的源網荷儲協調規劃模型。