风光互补自动化发电控制系统的短期功率效益评估

张节潭 ，李春来，郭树锋，杨立滨，尹 旭

（1.国网青海省电力公司经济技术研究院，西宁 810000；2.国网青海省电力公司清洁能源发展研究院，西宁 810000；3.深圳合纵能源技术有限公司，深圳 511458）

0 引言

随着我国社会经济的飞速发展，全球能源消耗也在逐步的增加，传统不可再生资源的储量已经越来越少，这也引起了世界范围对能源的关注，将可再生资源的研究列为重要研究问题之一。现今，风能与太阳能是使用较为广泛的清洁可再生能源，经过对其处理得到了风能发电系统与太阳能发电系统，通过发电系统产生电能，电能是一种经济、实用、清洁并容易控制与转换的能源形态，是居民生活的必须品。但是风能发电系统与太阳能发电系统具备各自的缺陷，发电功能较差，为此，将风能发电系统与太阳能发电系统各自优势进行有效结合，构成了弥补了风能发电系统与太阳能发电系统对于环境、天气变化的依赖情况，利用风力涡轮机与太阳能电池板将风能与太阳能转换为电能，并将其存储于电池组，通过输电系统传送给用户负载的风光互补自动化发电控制系统[1]。风光互补自动化发电控制系统具有不确定性，导致其不能提供持续稳定的可控功率，为了保障居民用电的需求，评估风光互补自动化发电控制系统的短期功率效益。

就现有的研究成果来看，现有的风光互补自动化发电控制系统的短期功率效益评估方法具有评估清晰度较差的缺陷，为了解决上述问题，基于模糊算法设计风光互补自动化发电控制系统的短期功率效益评估方法[2]。模糊算法是一种智能算法，主要应用于由于客观原因导致无法对研究对象进行深入研究的情况，该算法并不是模糊计算，实质上是一个逐次求精的过程。通过模糊算法的应用，可以极大的减少评估误差，提高短期功率效益评估清晰度[3]。

1 风光互补自动化发电控制系统的短期功率效益评估方法设计

1.1 风光互补自动化发电控制系统短期功率模型构建

风光互补自动化发电控制系统结构图如图1所示。

图1 风光互补自动化发电控制系统结构示意图

如图1所示，在风光互补自动化发电控制系统中，风力发电与太阳能光伏发电元件均是不可控的，其短期功率数学模型是随机分布的时间序列，采用PWG(t)与PPV(t)表示时刻t风力发电与太阳能光伏发电的短期功率。

风光互补自动化发电控制系统模型主要是以风力发电与太阳能光伏发电短期功率时间序列为基础，使总有短期功率输出保持恒定，依据一定控制规则对储能元件充放电。为此，风光互补自动化发电控制系统模型本质上是储能元件的控制模型[4]。

模型构建思路为：当风力发电与太阳能光伏发电短期功率小于负荷需求参考值Pref(t)时，短期功率缺额采用蓄电池进行补充，直到电池容量为最小值Cbatmin为止；当风力发电与太阳能光伏发电短期功率大于负荷需求参考值Pref(t)时，依据能源不浪费的规定，系统将富余能量以充电形式存储于蓄电池内，直到电池容量为最大值Cbatmax，系统停止充电，多余的短期功率输出[5]。

风光互补自动化发电控制系统模型构建约束条件是时刻t负荷的短期功率缺额，其计算公式为：

其中，Pref(t)表示的是时刻t系统输出短期功率参考值；PWG(t)表示的是时刻t风力发电的短期功率输出值；PPV(t)表示的是时刻t光伏发电的短期功率输出值。

时刻t电池的初始容量为：

其中，Cbat(t)与Cbat(t-1)表示的是时刻t与t-1的初始容量；δ表示的是自放电电流率；Pbat(t)表示的是电池的短期功率输出值；表示的是电池的充电效率，常规情况下取值范围为[0.65，0.85]。

基于上述公式计算结果，可以得到时刻t系统实际输出短期功率值为：

针对风光互补自动化发电控制系统输出短期功率，将每分钟的蓄电池短期功率与储能总量关系分为三种情况，分别如下：

1）当系统输出短期功率小于参考值时，蓄电池短期功率与时刻t+1初始容量计算方法为：

2）当系统输出短期功率等于参考值时，蓄电池短期功率与时刻t+1初始容量计算方法为：

3）当系统输出短期功率大于参考值时，蓄电池短期功率与时刻t+1初始容量计算方法为：

通过上述过程完成了风光互补自动化发电控制系统短期功率模型的构建，为下述系统短期功率效益指标选取提供模型支撑[6]。

1.2 短期功率效益评估指标选取

以上述构建模型为基础选取系统短期功率效益评估指标，为最终系统短期功率效益评估做准备。

其中，T表示的是评估期；ELPS(t)表示的是时刻t的供电损失值；Pload(t)表示的是输电线路功率；∆t表示的是计算步长；表示的是计算参数。

其中，EWE(T)表示的是在满足负荷要求和储能元件充电要求的基础上，系统发电浪费的功率。

α表示的是短期功率偏差率方差，主要度量随机变量与数学期望之间的偏离程度；β表示的是短期功率偏差率；γ表示的是评估期内仿真步长功率峰谷斜率绝对值之和[10]。表达式为：

α越大，表示系统输出短期功率与Pref(t)偏差程度更大；β越大，表示系统输出短期功率变化速度越快。

上述过程完成了系统短期功率效益评估指标的选取，为短期功率效益评估的实现提供指标支撑[11]。

1.3 指标权重确定与量化

以上述选取的短期功率效益评估指标为基础，采用层次分析法构建判别矩阵，确定指标权重，并对指标进行量化处理[12]。具体过程如下所示。

检测机构的检测人员必须具有足够的专业知识才能胜任这份工作。检测机构要给予检测人员的成长环境，根据他们自己的专业技能特别的给予培训安排。检测机构要确保参与检测工作环节的检测人员专业技能过硬，检测人员的检测水平是检测质量的第一保证。检测机构要把检测人员的上岗门槛提高，其专业素养和自身技能必须达到一定水平，检测人员的受教育程度和专业水平及从业经验和实践能力都必须合格的情况下才能担任检测工作人员一职。

每一个短期功率效益评估指标对评估结果的影响是不同的，为此使用权重表示指标对评估结果的影响程度。要想客观的反映功率产生的效益，就需要精准的确定指标权重[13]。

首先，采用层次分析法构建判别矩阵，表示为：

其中，元素aij等于1/aji，i，j表示的是短期功率效益评估指标。

判别矩阵比例标度表如表1所示。

表1 判别矩阵比例标度表

通过式(10)确定了短期功率效益评估指标权重。短期功率效益评估实质上就是一个定量分析的过程，采用数字反映系统的短期功率效益，为此，将评估指标进行量化处理。采用AHP法对每一个指标构建相应的评估集，评估等级划分为好、较好、一般、较差与非常差。通过评估等级的判断，采用隶属度函数将其转换为隶属度矩阵，实现评估指标的量化[14]。

1.4 短期功率效益评估结果清晰化

依据上述处理好的短期功率效益评估指标为基础，基于模糊算法评估系统短期功率效益。具体过程如下所示。

基于模糊算法的系统短期功率效益评估流程如图2所示。

图2 基于模糊算法的系统短期功率效益评估流程图

通过模糊算法得到的评估结果是一个模糊向量，但是在现实生活中，评估结果应该是清晰的，为此，需要对评估结果进行清晰化，以此来确定评估级别[15]。

通过隶属函数确定系统短期功率效益评估等级，隶属函数为：

通过式(11)得到的结果确定评估等级，具体如表2所示。

表2 评估等级确定结果表

通过上述过程实现了风光互补自动化发电控制系统的短期功率效益评估，为居民提供更加优质的服务水平。

2 评估清晰度实验分析

上述过程实现了风光互补自动化发电控制系统的短期功率效益评估方法的设计，但是对其是否能够解决现有方法存在的问题，还无法确定，为此设计仿真对比实验。

2.1 实验准备

风光互补自动化发电控制系统短期功率受到多种因素的影响，为了保障实验结果的准确性，对风光互补自动化发电控制系统参数进行相应的设置，具体情况如表3所示。

表3 系统参数设置表

同时剔除评估指标中的异常值，评估指标离散程度图如图3所示。

图3 评估指标离散程度图

2.2 实验结果分析

依据上述实验准备参数与数据进行实验，得到评估清晰度对比情况如表4所示。

表4 评估清晰度对比情况表

如表3数据显示，提出方法的评估清晰度远远的高于现有方法，其最大值可以达到93.14%。

通过实验结果显示，与现有的风光互补自动化发电控制系统的短期功率效益评估方法相比较，提出的风光互补自动化发电控制系统的短期功率效益评估方法极大的提升了评估清晰度，充分说明提出的风光互补自动化发电控制系统的短期功率效益评估方法具备更好的评估性能。

3 结语

提出的风光互补自动化发电控制系统的短期功率效益评估方法极大的提升了评估清晰度，充分说明提出的风光互补自动化发电控制系统的短期功率效益评估方法具备更好的评估性能，为居民提供更加优质的服务水平。但是提出方法的评估清晰度依然存在着较大的上升空间，需要对提出方法进行进一步的优化研究。