摘要：可再生能源已成為全球能源轉(zhuǎn)型的重要推動力，可再生能源的大規(guī)模接入給智慧能源系統(tǒng)的優(yōu)化調(diào)度帶來了挑戰(zhàn)。針對可再生能源出力的不確定性和波動性，提出一種基于機(jī)器學(xué)習(xí)的多時間尺度預(yù)測方法和考慮預(yù)測誤差的魯棒優(yōu)化調(diào)度模型，有效提高了系統(tǒng)對可再生能源的消納能力和運(yùn)行經(jīng)濟(jì)性；仿真分析驗(yàn)證了所提方法的可行性和優(yōu)越性。

關(guān)鍵詞：智慧能源系統(tǒng)可再生能源預(yù)測優(yōu)化調(diào)度機(jī)器學(xué)習(xí)魯棒優(yōu)化

中圖分類號：TM715

ResearchonRenewableEnergyPredictionandSchedulingOptimizationAlgorithmsinSmartEnergySystems

SURenze

ShanxiDazhongEnergyDevelopmentCo.，Ltd.，Taiyuan，ShanxiProvince，030000China

Abstract：Renewableenergyhasbecomeanimportantdrivingforceforglobalenergytransformation.Thelarge-scaleintegrationofrenewableenergyposeschallengestotheoptimizationandschedulingofsmartenergysystems.Thisarticleproposedamachinelearningbasedmultitimescalepredictionmethodandarobustoptimizationschedulingmodelconsideringpredictionerrorstoaddresstheuncertaintyandvolatilityofrenewableenergyoutput，effectivelyimprovingthesystem'sabilitytoabsorbrenewableenergyandoperationaleconomy;Thesimulationanalysisverifiedthefeasibilityandsuperiorityoftheproposedmethod.

KeyWords：Smartenergysystem;Renewableenergy;Prediction;Optimizationscheduling;Machinelearning;Robustoptimization

可再生能源是實(shí)現(xiàn)能源低碳轉(zhuǎn)型的重要途徑，但其間歇性和波動性給電力系統(tǒng)的優(yōu)化調(diào)度帶來了挑戰(zhàn)。準(zhǔn)確預(yù)測可再生能源的出力并合理優(yōu)化調(diào)度，對提高可再生能源消納水平、保障系統(tǒng)安全經(jīng)濟(jì)運(yùn)行至關(guān)重要。本文針對智慧能源系統(tǒng)中可再生能源接入的特點(diǎn)，開展可再生能源預(yù)測和優(yōu)化調(diào)度研究。

1智慧能源系統(tǒng)中可再生能源面臨的機(jī)遇和挑戰(zhàn)

• 可再生能源的發(fā)展現(xiàn)狀與趨勢

近年來，全球可再生能源裝機(jī)容量和發(fā)電量持續(xù)增長，技術(shù)進(jìn)步和成本下降促進(jìn)了可再生能源的規(guī)?；l(fā)展。根據(jù)國際可再生能源機(jī)構(gòu)（InternationalRenewableEnergyAgency，IRENA）的數(shù)據(jù)，2021年全球可再生能源發(fā)電量達(dá)到8127TWh，占全球總發(fā)電量的28.6%。其中，風(fēng)電和光伏發(fā)電增長迅速，成為可再生能源發(fā)電的主力。未來，在應(yīng)對氣候變化和實(shí)現(xiàn)可持續(xù)發(fā)展的驅(qū)動下，可再生能源將持續(xù)快速增長，預(yù)計到2030年，可再生能源發(fā)電量占比有望超過50%。各類可再生能源的裝機(jī)容量和發(fā)電量統(tǒng)計如表1所示。

• 可再生能源接入智慧能源系統(tǒng)的優(yōu)勢

可再生能源接入智慧能源系統(tǒng)具有多方面優(yōu)勢?？稍偕茉淳哂星鍧?、低碳的特點(diǎn)，大規(guī)模接入有助于減少化石能源消耗，降低能源系統(tǒng)的碳排放強(qiáng)度?？稍偕茉捶植际教卣髋c智慧能源系統(tǒng)分布式架構(gòu)相契合，接入后可提高能源系統(tǒng)的靈活性和適應(yīng)性。分布式可再生能源可就近供給負(fù)荷，減少輸電損耗，提高能源利用效率。智慧能源系統(tǒng)信息化、自動化水平高，可有效管理可再生能源波動性，提高可再生能源消納能力[1]。綜合電源側(cè)、電網(wǎng)側(cè)、負(fù)荷側(cè)資源優(yōu)化配置，可最大化提高可再生能源效益。

• 可再生能源接入智慧能源系統(tǒng)面臨的技術(shù)挑戰(zhàn)

將高比例可再生能源接入智慧能源系統(tǒng)仍面臨諸多技術(shù)挑戰(zhàn)。可再生能源出力具有間歇性、波動性和不確定性，大規(guī)模接入后可能對電網(wǎng)安全穩(wěn)定運(yùn)行構(gòu)成威脅，如電壓超限、頻率失穩(wěn)等。應(yīng)對措施包括提高可再生能源功率預(yù)測水平，優(yōu)化調(diào)度運(yùn)行策略，配置靈活調(diào)節(jié)資源，加強(qiáng)智能運(yùn)維等。此外，分布式可再生能源接入還面臨通信、控制與保護(hù)等方面挑戰(zhàn)。需要建設(shè)覆蓋全系統(tǒng)的信息通信基礎(chǔ)設(shè)施，制定分布式可再生能源接入標(biāo)準(zhǔn)和規(guī)范，完善智能保護(hù)控制策略，確保分布式可再生能源安全、可靠運(yùn)行。

2可再生能源預(yù)測方法及本文的預(yù)測模型

2.1可再生能源預(yù)測的重要性和難點(diǎn)

可再生能源預(yù)測在智慧能源系統(tǒng)優(yōu)化運(yùn)行中扮演著至關(guān)重要的角色。準(zhǔn)確預(yù)測可再生能源出力，可為電力系統(tǒng)的日前、日內(nèi)乃至實(shí)時調(diào)度提供重要依據(jù)，有助于提高可再生能源消納水平，減少棄風(fēng)棄光，降低系統(tǒng)運(yùn)行成本。精準(zhǔn)的預(yù)測結(jié)果也是智慧能源系統(tǒng)中儲能、需求響應(yīng)等靈活性資源優(yōu)化配置的基礎(chǔ)?？稍偕茉闯隽κ芏喾N因素影響，如氣象條件、設(shè)備狀態(tài)等，具有隨機(jī)性、波動性和非線性的特點(diǎn)，給預(yù)測帶來很大挑戰(zhàn)。不同時間尺度的預(yù)測需求差異明顯，如日前調(diào)度需要未來24小時到7天的預(yù)測，而實(shí)時調(diào)度則需要未來幾分鐘至幾小時內(nèi)的超短期預(yù)測，對預(yù)測模型的建模和優(yōu)化提出更高要求。

2.2傳統(tǒng)預(yù)測方法的局限性

傳統(tǒng)的可再生能源預(yù)測方法主要包括持續(xù)法、物理法和統(tǒng)計法。持續(xù)法假設(shè)可再生能源出力在未來一段時間內(nèi)保持不變，預(yù)測精度較低；物理法基于數(shù)值天氣預(yù)報（NumericalWeatherPrediction，NWP）建立物理模型，計算復(fù)雜度高且強(qiáng)依賴NWP精度；統(tǒng)計法如時間序列分析等，能提取可再生能源出力的時間相關(guān)性，但難以刻畫其非線性和非平穩(wěn)特性?？傮w來說，傳統(tǒng)預(yù)測方法在面對復(fù)雜多變的可再生能源出力時，其預(yù)測性能難以滿足智慧能源系統(tǒng)的實(shí)際需求[2]。表2比較了幾種典型傳統(tǒng)預(yù)測方法的特點(diǎn)和局限性。

2.3基于多時間尺度可再生能源預(yù)測模型

針對傳統(tǒng)預(yù)測方法的局限性，本文提出一種基于機(jī)器學(xué)習(xí)的多時間尺度可再生能源預(yù)測模型。該模型充分利用機(jī)器學(xué)習(xí)算法的非線性建模能力和數(shù)據(jù)挖掘潛力，從海量歷史數(shù)據(jù)中自適應(yīng)地提取可再生能源出力的復(fù)雜規(guī)律。通過對多時間尺度的特征進(jìn)行融合，模型能夠兼顧不同預(yù)測時間尺度的需求。本文的預(yù)測模型主要包括數(shù)據(jù)預(yù)處理、特征工程、機(jī)器學(xué)習(xí)算法選擇與優(yōu)化等關(guān)鍵步驟。數(shù)據(jù)預(yù)處理實(shí)現(xiàn)數(shù)據(jù)清洗、異常值處理和歸一化；特征工程選取與可再生能源出力相關(guān)的關(guān)鍵特征，并構(gòu)建多時間尺度的特征集；在機(jī)器學(xué)習(xí)算法選擇上，綜合比較支持向量機(jī)、隨機(jī)森林、梯度提升決策樹等算法的預(yù)測性能，并通過參數(shù)尋優(yōu)提高算法的預(yù)測精度。另外，本文還設(shè)計了多模型組合策略，進(jìn)一步提升了預(yù)測可靠性。

2.4預(yù)測模型的評估指標(biāo)與仿真分析

為全面評估所提預(yù)測模型的性能，本文選取了多個評估指標(biāo)，包括平均絕對誤差（MAE）、均方根誤差（RMSE）和決定系數(shù)（R2）等。其中，MAE和RMSE衡量了預(yù)測誤差的平均水平，R2衡量了預(yù)測值與實(shí)際值的擬合優(yōu)度。通過對比不同模型的評估指標(biāo)，可以客觀評價模型的預(yù)測性能。為驗(yàn)證模型的有效性和魯棒性，本文在多個典型場景下進(jìn)行了仿真分析，包括不同時間尺度、不同可再生能源類型以及不同數(shù)據(jù)質(zhì)量等。仿真結(jié)果表明，所提出的預(yù)測模型在各場景下均表現(xiàn)出了良好的預(yù)測精度和穩(wěn)定性，優(yōu)于傳統(tǒng)預(yù)測方法。但在數(shù)據(jù)質(zhì)量較差或缺失嚴(yán)重的情況下，模型性能有所下降，需要進(jìn)一步改進(jìn)數(shù)據(jù)預(yù)處理和特征選擇策略，提高模型的適應(yīng)性和泛化能力。

3考慮可再生能源電力系統(tǒng)優(yōu)化調(diào)度模型

3.1智慧能源系統(tǒng)優(yōu)化調(diào)度的特點(diǎn)和挑戰(zhàn)

智慧能源系統(tǒng)的優(yōu)化調(diào)度具有多時間尺度、多空間維度、多種資源類型協(xié)調(diào)優(yōu)化的特點(diǎn)。在時間維度上，調(diào)度決策涵蓋從日前到實(shí)時的多個時間尺度，不同時間尺度的調(diào)度決策相互影響；在空間維度上，分布式電源、儲能和可控負(fù)荷的廣泛接入，使得調(diào)度決策需要兼顧電網(wǎng)的多個節(jié)點(diǎn)；在資源類型上，新能源、儲能、電動汽車等多種資源的協(xié)調(diào)優(yōu)化運(yùn)行，對調(diào)度的信息采集、計算分析和控制執(zhí)行能力提出了更高要求[3]。

可再生能源的波動性和不確定性給智慧能源系統(tǒng)的優(yōu)化調(diào)度帶來了巨大挑戰(zhàn)。傳統(tǒng)的確定性調(diào)度模型難以應(yīng)對可再生能源的不確定性，容易導(dǎo)致調(diào)度決策的不經(jīng)濟(jì)、不可靠。亟須進(jìn)一步考慮可再生能源不確定性的優(yōu)化調(diào)度模型和策略，提高能源系統(tǒng)的運(yùn)行效率和可靠性。

3.2考慮可再生能源不確定性的調(diào)度模型構(gòu)建

為應(yīng)對可再生能源的不確定性，本文構(gòu)建了一種基于魯棒優(yōu)化的智慧能源系統(tǒng)調(diào)度模型。該模型在優(yōu)化目標(biāo)中引入了可再生能源預(yù)測誤差的魯棒性度量，通過控制魯棒性水平，在經(jīng)濟(jì)性和可靠性之間進(jìn)行權(quán)衡。模型采用了基于分布的魯棒優(yōu)化框架，將可再生能源預(yù)測誤差建模為隨機(jī)變量，通過誤差分布的統(tǒng)計特性來刻畫其不確定性。在具體建模時，本文綜合考慮了發(fā)電成本、儲能成本、可控負(fù)荷調(diào)度成本以及可再生能源消納成本，構(gòu)建多目標(biāo)優(yōu)化模型；在約束條件中，不僅包括常規(guī)的電力平衡、發(fā)電機(jī)組爬坡等物理約束，還針對性地引入儲能荷電狀態(tài)、可控負(fù)荷調(diào)節(jié)功率等靈活性資源的約束，提高模型的適用性和可擴(kuò)展性。

3.3基于預(yù)測誤差分布的魯棒調(diào)度策略

在考慮可再生能源不確定性的調(diào)度模型中，預(yù)測誤差分布的選取至關(guān)重要。本文提出了一種基于預(yù)測誤差分布的魯棒調(diào)度策略，根據(jù)歷史數(shù)據(jù)和實(shí)時預(yù)測結(jié)果，自適應(yīng)地擬合預(yù)測誤差的概率分布函數(shù)。通過對比分析發(fā)現(xiàn)，預(yù)測誤差的分布具有尖峰、厚尾的特點(diǎn)，難以用單一的概率分布函數(shù)準(zhǔn)確刻畫。因此，本文采用了高斯混合模型（GaussianMixtureMode，GMM）來擬合預(yù)測誤差分布，GMM通過多個高斯分布的線性組合，能夠逼近任意復(fù)雜的概率分布形式。在魯棒調(diào)度中，根據(jù)預(yù)測誤差分布的置信區(qū)間，設(shè)置不同的魯棒性水平，生成多個魯棒調(diào)度方案；然后，通過風(fēng)險度量指標(biāo)如條件風(fēng)險價值（ConditionValueatRisk，CVaR）等，評估各調(diào)度方案的經(jīng)濟(jì)性和可靠性，選擇最優(yōu)調(diào)度方案。

3.4優(yōu)化調(diào)度模型的仿真分析

為驗(yàn)證所提出的考慮可再生能源不確定性的優(yōu)化調(diào)度模型和策略的有效性，本文在IEEE39節(jié)點(diǎn)系統(tǒng)上進(jìn)行仿真分析。仿真中，考慮了風(fēng)電和光伏發(fā)電兩種典型的可再生能源形式，分別模擬了多種預(yù)測誤差分布情況，如正態(tài)分布、t分布和GMM等。對比分析了不同魯棒性水平對調(diào)度方案經(jīng)濟(jì)性和可靠性的影響。仿真結(jié)果表明：與傳統(tǒng)的確定性調(diào)度模型相比，本文提出的魯棒優(yōu)化調(diào)度模型能夠有效應(yīng)對可再生能源的不確定性，在保證系統(tǒng)可靠性的同時，顯著提高了運(yùn)行經(jīng)濟(jì)性[4]。

4案例分析

為驗(yàn)證本文提出的智慧能源系統(tǒng)可再生能源預(yù)測與優(yōu)化調(diào)度方法的實(shí)際效果，本文選取了某省級電網(wǎng)作為案例進(jìn)行分析。該電網(wǎng)擁有豐富的風(fēng)能和太陽能資源，裝機(jī)容量達(dá)到數(shù)千萬千瓦，是典型的高滲透率可再生能源電網(wǎng)。本文首先利用歷史數(shù)據(jù)對不同時間尺度的風(fēng)電和光伏發(fā)電功率進(jìn)行預(yù)測，并與傳統(tǒng)預(yù)測方法進(jìn)行了對比，結(jié)果表明本文的預(yù)測模型在各時間尺度上均取得了更高的預(yù)測精度[5]。將預(yù)測結(jié)果輸入優(yōu)化調(diào)度模型中，得到未來一段時期內(nèi)的最優(yōu)調(diào)度策略。通過與實(shí)際運(yùn)行數(shù)據(jù)的對比，驗(yàn)證了優(yōu)化調(diào)度策略能夠在保證電網(wǎng)安全、穩(wěn)定運(yùn)行的同時，最大限度地消納可再生能源，減少棄風(fēng)棄光，提高了系統(tǒng)的經(jīng)濟(jì)性和環(huán)保效益。本案例充分證明本文方法在實(shí)際電網(wǎng)中的有效性和實(shí)用價值。

5結(jié)語

本文提出一種智慧能源系統(tǒng)中可再生能源多時間尺度預(yù)測與魯棒優(yōu)化調(diào)度方法。通過構(gòu)建融合了多源異構(gòu)數(shù)據(jù)驅(qū)動的預(yù)測模型，提高可再生能源出力預(yù)測精度；基于魯棒優(yōu)化的思想，將預(yù)測誤差引入優(yōu)化調(diào)度模型，提升調(diào)度方案對預(yù)測誤差的耐受性和適應(yīng)性。仿真分析驗(yàn)證了本文方法的有效性和實(shí)用價值。未來還需要開展更多工作，如提高預(yù)測精度、開發(fā)高效算法、綜合考慮需求側(cè)資源等，進(jìn)一步提高智慧能源系統(tǒng)中可再生能源的效用。

參考文獻(xiàn)

[1]俞學(xué)豪，袁海山，葉昀.綜合智慧能源系統(tǒng)及其工程應(yīng)用[J].中國勘察設(shè)計，2021（1）：87-91.

[2]沈忠杰，汪鵬，許鴻偉.基于Simulink仿真模擬的智慧能源管理系統(tǒng)分析[J].科學(xué)技術(shù)與工程，2020（32）：13197-13205.

[3]李華，鄭洪緯，周博文，等.綜合智慧能源系統(tǒng)中抽水蓄能電站兩部制電價研究[J].綜合智慧能源，2022，44（7）：10-18.

[4]陳靜.《可再生能源與智慧電網(wǎng)一體化》譯后編輯翻譯實(shí)踐報告[D].北京：華北電力大學(xué)，2022.

[5]丁斌，邢志坤，王帆，等.考慮多元負(fù)荷需求響應(yīng)的綜合智慧能源系統(tǒng)協(xié)同優(yōu)化調(diào)度[J].全球能源互聯(lián)網(wǎng)，2022（6）：583-592.