許沈彬　段博文　張強　馬騁　衣濤

摘? ?要：隨著社會的發(fā)展、工業(yè)水平的不斷提高，能源問題不斷凸顯，新能源技術(shù)的發(fā)展無疑是解決該問題的最好途徑，但是隨著新能源裝機容量的不斷增加，新能源棄電問題日益嚴重。為了改善這一問題、降低棄電率，文章設(shè)計了一種新能源消納能力計算與調(diào)控系統(tǒng)?；诟鱾€電廠建立5G區(qū)域網(wǎng)，并在各個機組上設(shè)置數(shù)據(jù)采集器，通過區(qū)域網(wǎng)網(wǎng)絡(luò)傳輸?shù)酱髷?shù)據(jù)中心，在大數(shù)據(jù)中心采用隨機森林算法以及機組組合規(guī)劃設(shè)計機組調(diào)控方案，傳達到調(diào)度中心，再由調(diào)度中心對各個電廠下達指令。整個過程通過數(shù)據(jù)預測以及機組實時調(diào)控增加新能源消納，減少火電機組運行。

關(guān)鍵詞：新能源消納;數(shù)據(jù)預測;實時調(diào)控;隨機森林算法;5G;機組組合

伴隨著社會的發(fā)展、工業(yè)現(xiàn)代化的不斷建設(shè)，能源需求不斷增長，能源問題逐漸顯露，工業(yè)發(fā)展的同時帶來了嚴重的環(huán)境污染，而新能源的發(fā)現(xiàn)與新能源技術(shù)的發(fā)展無疑帶來了曙光。清潔能源的使用不僅能減少煤炭等資源的利用，還能大大減少對環(huán)境的污染，但是如何更好地進行新能源消納問題逐漸顯露出來。為了解決這一問題，大量學者進行了探究，其中，董存等[1]結(jié)合電網(wǎng)生產(chǎn)運行實際情況，對多區(qū)域間特高壓直流外送功率協(xié)調(diào)優(yōu)化促進新能源消納開展研究，建立了考慮跨區(qū)直流功率優(yōu)化的新能源消納能力計算分析模型，針對多地區(qū)測算了跨區(qū)特高壓直流互補促進新能源消納的效果。董超等[2]深度挖掘火電機組深度調(diào)峰能力，分析其運行特性，在常規(guī)優(yōu)化模型的基礎(chǔ)上引入深度調(diào)峰出力平穩(wěn)段運行時間、最小深度調(diào)峰時間等約束，并對機組最大最小出力、爬坡等常規(guī)約束進行改進，建立考慮火電機組深度調(diào)峰的實時發(fā)電計劃優(yōu)化模型以此來增加新能源消納。金東等[3]依據(jù)電網(wǎng)極限約束條件下新能源消納裕度計算評估方法，對各地通道數(shù)據(jù)進行實時計算，最終將各地新能源受阻情況、電網(wǎng)可調(diào)整空間量化展示，給新能源消納工作提供參考依據(jù)?；谏鲜鰧W者的研究，本文設(shè)計了新能源消納能力計算的系統(tǒng)，以期來增加新能源消納，減少火電機組的運行。

1? ? 新能源消納能力計算與調(diào)控系統(tǒng)構(gòu)建思想

新能源消納能力計算與調(diào)控系統(tǒng)主要包括數(shù)據(jù)采集、數(shù)據(jù)分析、實時調(diào)控方案、調(diào)度中心4個模塊。其中，數(shù)據(jù)采集是在各個發(fā)電廠以及配電廠進行，數(shù)據(jù)分析和實時調(diào)控方案在數(shù)據(jù)中心進行，最后由調(diào)度中心實施具體操作。首先，數(shù)據(jù)采集是指從區(qū)域內(nèi)發(fā)電廠中采集信息，包括風電實時出力信息、發(fā)電廠機組發(fā)電數(shù)據(jù)，用電負荷數(shù)據(jù)以及聯(lián)絡(luò)線外送電力數(shù)據(jù)的采集，并且通過5G區(qū)域網(wǎng)傳輸?shù)綌?shù)據(jù)中心進行下一步處理。其次，下一步在數(shù)據(jù)中心進行，根據(jù)收集數(shù)據(jù)進行分類、存儲、備份，然后進行數(shù)據(jù)預測，根據(jù)過去2 h的負荷數(shù)據(jù)以及新能源發(fā)電數(shù)據(jù)預測未來1 h的負荷數(shù)據(jù)以及新能源發(fā)電數(shù)據(jù)，然后根據(jù)新能源消納計算公式計算火電機組預測出力數(shù)據(jù)。最后，數(shù)據(jù)中心通過火電機組預測出力數(shù)據(jù)以減少燃料成本和啟停費用設(shè)計實時火電機組調(diào)控方案;調(diào)控中心根據(jù)實時調(diào)控方案對各個發(fā)電廠下達指令，各個發(fā)電廠根據(jù)指令調(diào)控運行火電機組。整個系統(tǒng)通過實時預測數(shù)據(jù)，與實時調(diào)控方案設(shè)計減少機組的運行，增加新能源的消納。

2? ? 系統(tǒng)結(jié)構(gòu)

本文所設(shè)計的系統(tǒng)結(jié)構(gòu)如圖1所示，以便更加直觀地解釋整個系統(tǒng)的構(gòu)成以及整個流程。各種發(fā)電廠采集數(shù)據(jù)，通過5G局域網(wǎng)傳輸?shù)酱髷?shù)據(jù)中心，然后在大數(shù)據(jù)中心進行相關(guān)數(shù)據(jù)處理，并設(shè)計實時調(diào)控方案反饋信息到調(diào)度中心，調(diào)度中心再對各個電廠下達指令，各個電廠執(zhí)行指令完成整個流程。

3? ? 模塊分析

3.1? 數(shù)據(jù)采集模塊

數(shù)據(jù)采集模塊分為數(shù)據(jù)監(jiān)控模塊和數(shù)據(jù)采集模塊，在發(fā)電廠機組上安裝數(shù)據(jù)采集器，采集機組處理信息，兩個模塊都將信息通過5G區(qū)域網(wǎng)網(wǎng)絡(luò)傳輸通道實時傳送到大數(shù)據(jù)中心，大數(shù)據(jù)中心對數(shù)據(jù)進行分類、存儲和備份以及之后的數(shù)據(jù)處理

3.2? 數(shù)據(jù)分析

（1）數(shù)據(jù)預測。隨機森林是指利用多個決策樹對樣本進行訓練并預測的一種分類器，其結(jié)果由多個決策樹的分類結(jié)果決定。因此，本文將采用隨機森林算法來進行負荷數(shù)據(jù)預測以及新能源出力數(shù)據(jù)預測，以過去2 h的負荷數(shù)據(jù)以及新能源出力數(shù)據(jù)作為樣本，并建立決策樹預測未來1 h的負荷數(shù)據(jù)以及新能源出力數(shù)據(jù)，具體方法如下：

首先，取過去2 h內(nèi)每秒的電力負荷數(shù)據(jù)構(gòu)成負荷訓練樣本集D，并對其通過Bagging方法進行有回放過程的均勻抽樣隨機生成若干個新的負荷訓練樣本集D（i），樣本集與隨機森林中設(shè)定的決策樹數(shù)量相同，均為M。

其次，根據(jù)上述每一個負荷訓練樣本集D（i），可以獨立構(gòu)建一個完全分裂的決策樹，將所有不同的決策樹放在一起構(gòu)成了隨機森林模型。采用C4.5決策樹算法來產(chǎn)生決策樹，其中信息增益率GainRate（D，R）是用信息增益Gain（D，R）和分裂信息量SplitInfo（D，R）共同定義的，如式（1—4）：

式中，Entropy（D）表示集合D的熵，V（R）是屬性R的值域，Dv是集合D中的屬性D上值等于V的子集，n表示集合D中的狀態(tài)個數(shù)，pi為子集合中第i個屬性值樣本數(shù)所占的比例。

最后，將各個樣本經(jīng)過決策樹后的分類結(jié)果進行統(tǒng)計，并且通過投票表決方式將投票數(shù)最多的一類作為負荷數(shù)據(jù)的預測類別。

通過上述方法以過去2 h內(nèi)的新能源出力數(shù)據(jù)作為樣本，還可以得到未來1 h內(nèi)新能源的出力預測數(shù)據(jù)。

（2）新能源消納能力計算。新能源消納同一時刻能力計算符合以下關(guān)系：全網(wǎng)負荷功率=所有火電機組出力+聯(lián)絡(luò)線通道接入功率+新能源消納功率。

（3）機組預計總出力分析。通過以上分析可以得到未來1 h內(nèi)的負荷預測數(shù)據(jù)以及新能源出力數(shù)據(jù)，以新能源消納能力計算公式為計算模型，以增加最大新能源消納為目的，設(shè)定一個穩(wěn)定的聯(lián)絡(luò)線接入功率情況下，可以得到未來1 h內(nèi)機組預計總出力數(shù)據(jù)。

3.3? 實時調(diào)控方案

以上述對未來1 h內(nèi)的機組預計出力數(shù)據(jù)為基礎(chǔ)設(shè)計機組運行的實時調(diào)控方案。以下計算將以燃料成本與機組啟停費用建立目標函數(shù)，進行求解機組啟停與出力計劃，具體方法如下。

式中，PD，t為時間段t內(nèi)的負荷需求;PR，t為時間段t內(nèi)的系統(tǒng)選備用需求;Pi，min，Pi，max分別為機組i的最小出力與最大出力;Si，on，Ti，on分別為機組i的連續(xù)開機時間和最小開機時間;Yu，i，t，Yh，i，t分別為機組i在時間段t內(nèi)最大爬坡速率和最大滑坡速率。

將機組相關(guān)參數(shù)以及負荷預測數(shù)據(jù)通過以上數(shù)學模型進行求解得到最佳的機組運行計劃，即實時調(diào)控方案。

3.4? 調(diào)度中心

調(diào)度中心接收大數(shù)據(jù)中心反饋的實時調(diào)控方案，并根據(jù)實時調(diào)控方案準確、快速地向該區(qū)域各個電廠下達指令，電廠根據(jù)指令調(diào)控各個機組的運行。

4? ? 系統(tǒng)要求

（1）數(shù)據(jù)采集和傳輸。數(shù)據(jù)的采集主要通過在機組裝置上安裝的采集器，為了信息的正確性，采集器性能必須強悍、高效，為了方便傳輸和減少線路，采集器可以添加無線模塊，因此需要建立區(qū)域網(wǎng)絡(luò)，并且保證區(qū)域網(wǎng)絡(luò)信號良好;除此之外傳輸通道必須加密，保證傳輸?shù)陌踩浴?/p>

（2）系統(tǒng)拓展性。隨著時代的進步，系統(tǒng)也應(yīng)該隨著時代進步不斷進行更新，可以增加新的功能，以期望實現(xiàn)更多的作用。

（3）數(shù)據(jù)存儲與備份。對于數(shù)據(jù)存儲，必須要分門別類，可以上傳到云數(shù)據(jù)中心，但是一定要備份數(shù)據(jù)，防止系統(tǒng)崩壞或者病毒入侵造成數(shù)據(jù)的損壞和丟失，對之后系統(tǒng)的運行形成阻礙，為了防止外部因素給系統(tǒng)造成的危害，建立防火墻是必須的。

5? ? 結(jié)語

本文設(shè)計的新能源消納能力計算系統(tǒng)，運用了最新的5G網(wǎng)絡(luò)技術(shù)、大數(shù)據(jù)處理技術(shù)，對數(shù)據(jù)傳輸和數(shù)據(jù)處理提出了較高要求，運用了隨機森林算法進行數(shù)據(jù)預測，得到了負荷預測數(shù)據(jù)以及新能源出力預測數(shù)據(jù)。根據(jù)新能源消納公式，考慮最大消納新能源，聯(lián)絡(luò)線接入功率設(shè)定的情況下，得到火電機組預計出力數(shù)據(jù)，通過火電機組預計出力預測數(shù)據(jù)考慮機組燃料成本以及啟停費用，進行設(shè)計機組實時調(diào)控方案，再通過調(diào)控中心對各個電廠機組下達指令，各個電廠再進行實時調(diào)控，達到促進新能源消納的目的。本文提出的計算預測數(shù)據(jù)以及機組組合方法還可以繼續(xù)改進，從更多的方面考慮問題，更加符合實際情況，提高數(shù)據(jù)的精確性，將是以后繼續(xù)研究的方向。

[參考文獻]

[1]董存，梁志峰，禮曉飛，等.跨區(qū)特高壓直流外送優(yōu)化提升新能源消納能力研究[J].中國電力，2019（4）：4-6.

[2]董超，張彥濤，劉嘉寧，等.考慮火電機組深度調(diào)峰的實時發(fā)電計劃模型及應(yīng)用[J].電力自動化設(shè)備，2019（3）：114-119.

[3]金東，徐建忠，楊宏.電網(wǎng)動態(tài)極限約束條件下的新能源實時消納裕度計算評估方法[J].寧夏電力，2018（6）：16-20.

Abstract：With the development of the society and the continuous improvement of the industrial level， the energy problem has become increasingly prominent. The development of new energy technology is undoubtedly the best way to solve this problem. Therefore， in order to improve this problem and reduce the power abandoning rate， this paper proposes the design of a new energy consumption capacity calculation and control system. Set 5G area network which is based on the power plant， and set the data collector on each unit， through transmission to the big data center area network， in the center of the large data by random forest algorithm and combined control scheme of planning and design of the convey to the dispatch center， by dispatching center to each power plant an order again. The whole process increases the consumption of new energy and reduces the operation of thermal power units through data prediction and real-time control of units.

Key words：new energy consumption; data forecasting; real-time control; random forest algorithm; 5G; unit combination