金国锋，张 林，范晓奇，范佳琪，李恩源

(国网内蒙古东部电力有限公司经济技术研究院，内蒙古 呼和浩特 010020)

经实际运行可知，光伏发电存在波动与间歇等特性，一般大规模的光伏电站并网在正常运行过程中会对电力系统的供需均衡性、安全稳定经济性和电能质量等方面产生不容忽略的影响[1-2]。高效协调控制光伏功率有利于电力系统的调度部门进行统筹安排，实现常规电源与光伏发电站之间的相互配合，及时对调度计划进行相应调整，科学配置电网运行模式，不仅能够高效减少光伏接入对电力系统产生的不良影响，提升电网运行安全与可靠性，还可有效降低电网的旋转备用容量以及整体运行成本，充分使用太阳能资源，以此减少输变电工程造价，并实现综合效益最大化。

当前光伏系统功率协调控制精确性还无法高效满足电网调度需求，已经成为了光伏发展过程中一个瓶颈[3]。由此，改进和优化光伏功率协调控制模型，以更好地适应电网调度是当前亟待解决的问题，值得深入研究。

杨锡运等[4]考虑到电网运行的安全性，针对园区典型日负荷提出了一种储能系统，用以改变功率参数，进行负荷状态控制，依据输入向量实现光伏功率协调控制。耿嘉胜等[5]针对实际工况中刮板输送机电机功率不平衡的问题，介绍并提出了包括硬件结构与软件设计两个方面的功率协调控制系统，在一定程度上为刮板输送机驱动电机功率控制研究提供新思路。刘涛等[6]将电导增量法引入协调控制中，并将电导增量法和模型的算法相互结合，实现各种环境下光伏发电系统有效跟踪，利用性能指标函数对控制变量动作进行评价和估算，以此实现P-U曲线协调控制。

上述光伏功率协调控制相关研究成果中，仅考虑到简单的天气影响，对于分量之间的影响考虑的比较少，没有考虑非平稳行为在协调控制中的影响，对于协调控制结果的输出会产生不利影响。为此，提出基于ELM_k(ELM-KNN，极限学习机特征映射的K最近邻算法)的短期光伏功率协调控制算法。本文算法的创新之处在于将气象变量与工程造价通过协调控制模型直接联系起来，可减少中间环节的冗余数据量，在最大程度上实现考虑输变电工程造价的短期光伏功率协调控制。

1 考虑输变电工程造价的短期光伏功率协调控制

在电力系统运行过程中，少不了规划评审辅助决策系统，该系统能够将原本分散和孤立的信息数据整理归纳存储，并进行统一管控，以此得到数据资源的融合结果。在该系统中，输变电工程造价是需要考虑的一个重要因素，其关系着电力系统运行成本，对于整体电网运行中规划评审辅助决策而言极为重要。光伏发电系统功率输出随机性强，波动性大，负载突加或突减的时候会影响输出电压的稳定性，因此光伏功率协调控制可以达到调节电压的目的，确保了整体输变电工程的稳定性即为输变电工程造价评估提供更适宜的环境。相对应的，电网调度是输变电工程造价比较重要的影响因素之一，而经上述内容可知光伏功率协调控制对于电网调度而言非常重要。由此说明，输变电工程造价也限制光伏功率协调控制的成本投入水平，光伏发电系统功率输出受到限制，输变电工程造价和光伏功率协调控制具有很强的关联性。综上，强化电网规划，构建协同一体化的运行机制均离不开光伏功率协调控制。考虑到输变电工程造价，对短期光伏功率进行协调控制的详细过程如下所示。

1.1 光伏功率协调控制影响因素

1.1.1 太阳辐照情况

经长期测试研究可知，光伏功率变化主要影响因素为气象条件，例如太阳辐照情况、温度等均会对光伏输出功率产生影响[7-8]。其中，太阳辐照情况和输出功率之间存在的关联性最高。

光伏电池中光电流和太阳辐照存在线性关系，太阳辐照度在100至1 000 W/m2并为恒温时，太阳的辐照度越大则光电流就会越强，此时光伏电池开路电压基本恒定，因此输出功率和太阳辐照度存在正比关系。综上，将和输出功率相应时刻的太阳辐照度当作主要协调控制指标，图1为太阳辐照度变化与光伏输出功率之间的影响情况。

图1 太阳辐照度变化与光伏输出功率之间的影响情况

温度和光伏电池运行温度对输出功率产生的影响较为显著，电池组的光电转换效率会在温度升高的情况下逐渐降低。部分气象参数会对太阳辐照度产生直接影响，和辐照度之间有非常大的关联性，能够在一定程度上将辐照度整体变化情况反映出来。例如相对湿度的不断增加，会致使太阳辐射逐渐减弱，会间接地影响输出功率。

1.1.2 辐照度

因辐照度在天气种类识别中可以起到决定性的作用，因此应该综合考量日实时辐照度和辐照度均值之差对时间的三阶导数，三阶导数主要用于纯理论分析，可以更逼近需要的辐照度值。由此，利用每日最高温度Tmax、湿度最大值Hmax、整体最大能见度Wmax、太阳最大辐照度Gmax、日实时风速以及平均风速之差三阶导数的最大值以及太阳辐照度三阶导数的最大值特征因素完成气象种类顶层分类，则有：

经相关研究分析可知，选择导数的最大值进行天气种类识别，识别度较高。在此选择Wmax、能见度差三阶导数的最大值特征因子进行底层分类，则有：

1.1.3 其他局部因素

除了上述影响因素，云量和云状以及风速等均和辐照度存在相关性。温湿度、风速和能见度等是区分晴雨天种类的特征因子，其中能见度、辐照度能够当作区分阴天和小大雨天气种类的特征因子。温湿度、能见度以及辐照度都能够提取出最大值当作特征因子。因风速有波动性，能够通过其导数当作描述局部变化特征的一个指标。

1.2 基于经验模态分解的光伏功率序列分析

在信号处理方面，经验模态分解法依据信号原来的局部特征时间尺度，针对相对复杂的信号函数实行分解操作，获取有限本征模态函数IMF，通过分解操作使得瞬时频率具备了物理意义。利用对各IMF实行Hilbert变换(Hilbert transform，希尔伯特变换)操作，能够得到各IMF在时间不断变化下产生的瞬时频率与瞬时幅值，以此能够获取较为完整的非平稳信号时频情况。

假设x(t)代表原始信号函数，那么实行EMD(empirical mode decomposition，经验模态分解)操作之后x(t)会分解成频率从大到小进行排列的n个IMF分量ci(t)和剩余趋势量r(t)相加值：

综上，IMF分量之间互为影响被隔离，尽量地降低非平稳行为对短期光伏功率协调控制产生的影响。IMF可以更为显著地突出原始数据存在的局部特征，利于历史数据变化规律挖掘[9-10]。上述利用对历史功率序列实行EMD操作，分解获取一组IMF分量，更为清晰地得到了历史功率细节和趋势项，为短期光伏功率协调控制奠定了可靠的基础。

1.3 基于ELM_k的短期光伏功率协调控制

根据上述影响因素和功率序列预处理，引入ELM_k实现短期光伏功率协调控制。

(1)组建光伏功率样本

式(4)为光伏功率样本组建情况：

式中：St为t时刻光伏功率样本；xt为t时刻光伏功率的采样结果；At-1为气象记录值。

(2)寻找协调控制模型离线参数的最优值

选取连续七、八个月历史样本所组建的离线参数寻优总集合即历史功率细节和趋势项，同时根据十倍交叉验证法组建参数寻优过程中训练和验证两个样本，即：

式中：G为影响因素的历史数据总集合；V为十倍交叉验证所产生的验证样本集合；M为相应训练样本集合。

假设样本集合V、M的构成有如下形式：

对训练与验证两个样本集合相似度均值进行计算，则有：

式中：Pj为第j个训练样本和测试样本相似度均值；ω为样本属性权重值。

依据比例系数对训练样本进行筛选，则有：

式中：MC为筛选的训练样本集合；TH为筛选比例系数；Pg为训练样本集合中被筛选掉的样本相似度均值。

依据属性值全部相同与否，对MC中冗余属性f进行判断：

经式(9)计算，将其中的冗余属性删除，以此降低算法计算过程中的复杂度。

利用ELM_k算法设计并构建协调控制模型ˆ，通过样本集合V进行验证，则有：

引入平均误差MAPE，当作离线参数寻优过程中协调控制精确度的评估函数，则有：

式中：xi为功率实际值为协调控制值；Cap为协调控制光伏安装容量值；结合平均误差MAPE(非0元素)寻优过程，对预测参数进行优化。

(3)在线短期光伏功率协调控制

式中：M°为在线历史样本的总集合。则在线筛选样本集合MC°可表示为：

设计并构建在线短期光伏功率协调控制模型F∘，同时对时刻光伏功率进行协调控制，则有：

在线协调控制模型通过队列的方式对在线历史样本的总集合进行更新。该模型可以直接协调控制某时刻光伏功率，如果要同时对下一时刻光伏功率进行协调控制，可依据当前时刻协调控制值更新运算得到。

2 实验结果与分析

为了验证基于ELM_k的短期光伏功率协调控制算法可行性，进行相关性测试。实验将某光伏系统当作目标对象，针对某年的9月22日系统功率进行协调控制。基于9月22日最新的天气预报数据，利用对光伏电站和气象环境每天监测数据的整体变化情况分析，选择75个采样点采集实验所需数据，每间隔10 min是一个采样点。其中，表1描述的是历史功率数据波动量变化情况。图2、图3及图4分别描述了采样点辐照度情况、温度及相应输出功率信息数据情况，采样时间为6点开始，18点结束。

表1 历史功率数据波动量变化情况

图2 辐照度数据

图3 温度数据

图4 输出功率数据

采用PSCAD/EMTDC软件作为数据整合平台，进行控制系统参数与上述各项数据的模拟整定，按照如下公式计算工程造价成本：

式中：Hit为用户用电行为；k为历史相似日；Si为上述三种数据的应用函数，包裹负载、输出功率等变量。

得到的协调控制结果与其他文献方法的对比曲线如图5所示。

图5 协调控制结果的工程造价对比

分析图5可知，将本文算法与文献[4]和[5]方法进行对比，其中成本造价最高的为文献[4]方法，仅在起始点和结尾点产生较小成本，而最低的为本文算法，在整个验证过程中其曲线波动情况保持稳定，说明本文算法运行精度高，具有可实践性。这是因为该算法为了提高协调控制精度，将气象因素与影响成本运行的各项指标直接联系起来，首先对影响光伏功率输出的各项因素指标进行了分析，并对其中较为关键的因素——气象因素进行了分类，为后续协调控制提供了支撑；然后基于EMD对光伏功率序列进行预处理分析，实现了分量之间互为隔离，尽量防止相互影响的情况，降低了非平稳行为对短期光伏功率协调控制产生的影响，为短期光伏功率协调控制奠定了可靠的基础；最后在功率协调控制过程中优化参数，进一步提高了光伏功率协调控制的精确性，降低了工程造价。

3 结论

鉴于电力系统运行和输变电工程造价规划需求，提出基于ELM_k的短期光伏功率协调控制算法。依据光伏功率协调控制影响因素分析和功率序列预处理，利用ELM_k构建功率协调控制模型。测试结果表明，所提算法能够减少中间数据冗余，高效实现短期光伏功率协调控制，模型鲁棒性强，能够有效控制输电网工程造价。在接下来的研究中，将对所提算法在各种气象下的协调控制效果进行验证，进而进一步优化模型参数，使协调控制模型精确性更强，更具实用性。