王超, 黎启明, 司晓峰, 窦常永

(国网甘肃省电力公司,甘肃,兰州 730030)

0 引言

随着中国“碳达峰”和“碳中和”目标时间的提出,国家对新能源场站建设的扶持力度不断加大,光伏电站建设数量也日益增加。传统的光伏电站并网发电中,光伏电站发电易受气候变化的影响,发电功率波动较大[1-2]。电网公司按照保守的发电出力进行光伏电站调度[3-4],造成光伏电站弃光现象严重,发电消纳水平较低,影响光伏电站的经济收益[5]。因此,亟须采用有效的方法来提高光伏电站的发电消纳水平。

国内外许多学者对光伏电站的运营做了研究。文献[6]提出了一种基于市场化交易的光伏电站智慧运营方法,通过自发自用、剩余电量上网的方式进行了光伏电站的发电消纳。文献[7]提出了一种基于平准化电力成本(LOCE)方式的光伏电站运营方法,通过光伏电站激励计算和并网效益分析,实现了光伏电站发电的优化运营。文献[8]提出了一种基于时序运行的光伏电站消纳与运营方法,通过对光伏电站发电出力的重构,实现对光伏电站的发电最优消纳。文献[9]提出了一种多场景规划的光伏电站发电消纳方案,通过双层模型,解决严重的弃光问题。由此可见,光伏电站运营方法多样,且取得一定的成果。但在上述研究中,未考虑天气气象波动大造成的发电出力不稳定问题,以及采用储能解决弃光严重的问题。

针对光伏电站运营过程中发电量波动大、消纳率低的问题,本文提出了一种基于反向传播(BP)神经网络的光伏电站运营方法。该方法通过光伏电站发电功率预测、站内储能优化控制和光伏发电盈亏分析,实现了光伏电站的最优并网发电控制,最后,将本文方法应用在某地区的光伏发电站,其运行结果验证了本文方法的有效性和可行性。

1 光伏电站运营框架

本文提出了一种基于BP神经网络的光伏电站运营方法,该方法重点考虑了光伏电站发电量波动大和消纳率低的问题。光伏电站运营框架如图1所示。该框架主要包括4个环节:光伏电站发电出力预测、光伏电站源储控制、发电盈亏分析和发电上网策略控制。

图1 光伏电站运营策略

在光伏电站发电出力预测环节中,采用长短期记忆网络(LSTM)预测光伏电站的发电数据。在光伏电站源储控制环节,通过BP神经网络,分析光伏电站上网余电的时段特性,并实现内部储能优化控制。在发电盈亏分析环节,分析光伏发电的经济效益,获得光伏电站的最优上网时段策略。在发电上网策略控制环节,根据光伏电站最优的上网策略,联合对光伏发电机组、储能的控制,实现光伏电站最优的并网发电。

2 光伏电站运营模型

基于BP神经网络的光伏电站运营方法是一种充分考虑光伏发电波动特性,并采用BP神经网络、储能等方式优化控制光伏发电出力的方法,可用于提高光伏电站的能源消纳水平,避免出现弃光问题。

2.1 光伏电站发电出力预测

受气候变化影响,日照辐射量波动较大,从而造成光伏电站的发电出力波动较大[10-11]。长短期记忆网络对多种因素依赖关系分析较好,在处理时间发电出力预测方面优于时间递归网络和隐马尔科夫模型[12]。因此,本文使用长短期记忆网络算法对光伏发电出力进行预测。

长短期记忆网络包括输入门、输出门和遗忘门。设输入激活函数为ϖ,存储激活函数为tanh,光伏发电权重为wa,输入的光伏电站历史数据为Pa,输入的天气预报数据为La,则光伏电站发电预测数据Pout为

Pout=ϖ(wa[Pa,La])×tanh(Pa)

(1)

由式(1)可知,通过长短期记忆网络,可生成光伏发电站的日96点负荷预测曲线数据,为光伏电站的源、储综合控制提供基础数据。

2.2 光伏电站源储控制

为避免日照辐射量受气候影响波动大的问题,传统光伏发电站的发电出力功率设置较低,导致光伏电站出现弃光现象,影响光伏电站收益。本文在光伏电站配置储能装置,通过BP神经网络,计算光伏电站上网余电储能策略,并控制储能装置进行电能存储。同时,BP神经网络结合储能计算出最大的光伏电站上网功率,在日辐射量降低的时候,通过逆变器释放储能电量,补充光伏电站发电功率不足的问题。

设第i个光伏发电的功率为Pci,储能的容量为Sci,光伏发电功率和储能容量之间的权重为wb,储能控制的阈值为Qa,光伏发电的时间段为ta,输出的功率线性函数ya为

(2)

设激活函数为h,输出功率修正函数Pd为

Pd=h(ya)

(3)

在BP神经网络反向传播中,误差函数为ΔE,反向传输层的权重为wd,传输的层数为na,光伏电站传输功率Pe为

(4)

储能容量Se为

(5)

由式(4)、式(5)可知,通过BP神经网络,可获得光伏电站最大的发电出力功率和最小的储能容量配置。通过最大出力功率可以增加光伏电站上网发电功率,通过最小的储能容量配置,可降低储能配置投入。

2.3 发电盈亏分析

光伏发电站的盈亏分析,通过计算光伏发电的盈亏平衡因子来计算光伏发电的成本与光伏发电收益平衡。

其中,光伏发电站的投入成本包括电站的投资建设成本、储能的建设成本、光伏电站的运营成本等固定投入成本,光伏电站的收益为电网结算的发电电量。

设光伏电站的上网电价为Va,上网的电量为me,固定投入成本单价折算Ga,则盈亏分析的利润Ua为

Ua=(Va×me)-(Ga×me)

(6)

盈亏平衡因子本质是光伏电站的盈利水平的统计值,设光伏电站的上一年收入为ka,光伏电站的上一年支出为za,依据光伏电站行业规范制定的年盈利增长率为ja,则光伏电站盈亏平衡因子Gs为

(7)

当平衡因子Gs>0时,即为光伏电站盈利满足要求,通过发电盈亏分析,计算出上网发电的最优上网策略。

2.4 发电上网策略控制

在发电上网策略分析阶段,根据光伏电站最优的上网策略,对光伏发电机组出力、储能的存储、储能逆变器功率进行综合控制。

在光伏上网发电阶段,通过储能补偿光伏发电不足的功率部分。储能可有效抑制日照波动带来的影响,避免出现弃光问题。

3 光伏电站运营仿真流程

基于BP神经网络的光伏电站运营,首先对光伏电站的发电出力进行预测,然后利用储能实现对弃光电能的存储,再次对光伏发电站进行盈亏分析,获得最优的光伏上网控制策略,并对光伏电站的上网发电进行控制,仿真流程如图2所示。

图2 光伏电站运营仿真流程图

步骤1:采用LSTM网络,针对输入的数值气象预报和历史发电数据进行计算,生成光伏发电的超短期、短期功率预测结果。

步骤2:结合光伏电站的储能,光伏电站的发电时段特性,采用源储控制方法对光伏电站的源储进行控制,以提高光伏电站的综合运营能力。

步骤3:计算光伏发电站的收入情况、光伏生产成本支持情况,通过盈亏平衡因子判断当前光伏电站的盈利状况。

步骤4:根据光伏电站最优的上网策略,对光伏电站进行综合控制,通过储能补偿光伏发电不足的功率部分。

步骤5:进行光伏电站的运营结算,生产光伏运营电站的运营报告及光伏发电盈利表。

4 算例分析

采用本文所提的基于BP神经网络的光伏电站运营方法,在某区域的光伏电站进行测试,使用的操作系统环境为Win 10,CPU为酷睿7 2.8 G,内存为16 G。

(1) 预测准确率分析

选择迭代次数为200次,比较本方法LSTM网络预测与基于LOCE方式的光伏电站运营方法预测的准确率,预测结果如图3所示。

图3 光伏发电站预测准确率图

由图3可见,迭代次数在60次左右时,本文所提方法的准确率在97%左右,LOCE方法预测的准确度在91%左右,由此可见本文所提方法中LSTM网络预测准确度优于基于LOCE方式的光伏电站运营方法预测。

(2) 光伏发电站运营分析性能分析

分别选择光伏电站的样本数据10 000、20 000、50 000、80 000个,采用本文所提的基于BP神经网络的光伏电站运营方法与基于LOCE方式的光伏电站运营方法,对比运行分析性能,结果如表1所示。

表1 光伏发电站运营分析性能分析表

由表1可见,本文所提的基于BP神经网络的光伏电站运营方法在运行时长方面优于基于LOCE方式的光伏电站运营方法。

(3) 光伏发电站运营有效性分析

光伏发电站运营有效性分析是为了验证本文所提方法的盈利水平,其计算方法是将运营盈利后与理论最优值进行比较,其百分比为光伏发电站运营有效性。分别选择光伏电站的数量为100、200、300、400、500、600、800、1 000个,对比本文所提基于BP神经网络的光伏电站运营策略与业界广泛使用的LOCE方法的运营有效性,对比结果如表2所示。

表2 光伏发电站运营有效性分析表

由表2可见,本文所提方法在运营有效性方面优于LOCE方法。

(4) 光伏发电站运营盈利分析

光伏电站运营盈利分析是为了验证本文所提方法的盈利能力,采用盈利金额的方式进行对比,分别选择光伏电站的数量为100、200、300、400、500、600、800、1000个,采用2021年8月其中1天的数据,对比本文所提基于BP神经网络的光伏电站运营策略与业界广泛使用的LOCE方法的的盈利能力,对比结果如表3所示。

表3 光伏发电站运营盈利分析表

由表3可见,本文所提方法在运营盈利能力方面优于LOCE方法。

5 总结

为解决光伏电站运营过程中的发电量波动大、消纳率低的问题,本文提出了一种基于BP神经网络的光伏电站运营方法,设计了一种基于BP神经网络的光伏电站运营模型。通过长短期记忆网络对光伏电站历史发电曲线和天气气象数据的分析,预测出光伏发电站短期发电功率曲线。在此基础上,采用BP神经网络建立光伏电站源储控制策略,实现光伏电站内部的储能控制,抑制日照量波动带来的影响。然后,建立光伏发电盈亏分析策略,通过计算最佳的光伏电站上网策略,实现光伏电站最优的并网发电。最后,在某区域光伏发电站实际运行了基于BP神经网络的光伏电站运营方法,其运行结果验证本文所提方法的可行性和有效性。

下一步,将结合新能源聚合商对光伏电站集群发电做进一步研究。