基于自适应分段云模型的可再生能源电力系统设计

孙驰

（北京明耀通达电力工程设计有限公司，北京 100068）

针对能源短缺问题，开发了一种新能源，即可再生能源。然而，由于自然条件下的不确定性，单一应用一种可再生能源电力系统会出现系统效率低下、成本高、难以控制等问题。为了解决这一问题，开发了可再生能源电力系统。现在的电力系统是独立的，在传送网络层次上，系统的工作重心会受到固定负荷调控影响，使输电网与电源的负荷一致，这就导致可再生能源电力系统的电力负荷平衡问题成为阻碍动态配电网络稳定运行的一个重要因素。传统调度方法无法充分利用各个层级的可调度资源，从而导致公用节点的功率失衡。文献[1]提出的面向用户侧源储资源优化调度系统，通过构建的区块链平台，将分布式发电负荷进行聚合，并进行协同调控，实现电力系统中可再生能源的直接调控；文献[2]提出的多时间尺度下的调度系统，充分考虑市场竞争及时间尺度间的调度关系，通过分析可再生能源电源、储能及负荷需求响应，得到需求响应时间尺度特性，以日内调度收益最大为目标，调控电力系统中的可再生能源。然而，上述这两种方法没有将电力负荷平衡因素纳入研究中，导致在电力系统中接入可再生能源出现了不可预计的各种情况。为此，提出了基于自适应分段云模型的可再生能源电力系统设计。

1 系统硬件结构设计

基于自适应分段云模型的可再生能源电力系统对风力、太阳能进行了综合利用，对节约能源和环境保护具有重要作用，系统硬件结构如图1 所示。

图1 系统硬件结构

由图1 可知，风力通过风扇带动外面的转子旋转。同时，采用了光电变换板，把太阳能转换成直流电，再把它变成内转子的直流绕组[3]。内馈感应式发电机已经投入使用，可以为用户提供电力，多余的电能被整流器整流并储存起来。

1.1 内窥式感应发电机

如果对可再生资源强度进行调整，会导致供电不稳定。所以，必须采用电池、超级电容这样的高能量存储装置[4]。将太阳能转换为直流电，将风能（海洋能、生物质能、地热能）转化为机械能，然后通过一种新的能量转换装置，在出口处获取两者的能量总和（稳定电力），这种能量转换装置称为内馈感应发电机，其结构如图2 所示。

图2 内馈式感应发电机结构

由图2 可知，太阳能通过光电转化为DC，通过电线流入内转子1 的DC 线圈，在内转子内形成一个磁场[5]。这时，当风力（生物质能、地热等）由风力（涡轮机）驱动电机外壳和外部转子旋转时，在外部转子处的闭合线圈中会产生一种电动势，从而在电路中形成相应的电场[6-7]。内转子三相交流绕组在该磁场中会产生逆向电动势，在导线上形成三相交流电，供用户使用[8]。

1.2 电力转换器

电力转换器由两个变流器、两个变压器和一个双回路组成。在主馈线上串联一个变流器和一个变压器，用于对主回路的电压进行补偿，其结构如图3所示。

图3 电力转换器结构

由图3 可知，电力转换器在两条馈线之间仍然保持着与变压器的连接，所以可以为各侧的独立变压器提供合适的匝数比例，从而使该系统能够适用于任何功率馈线，用以均衡电力[9-10]。

1.3 光热互补热电联产系统

光热互补热电联产系统采用了高倍激光的光电光热互补组件，其结构如图4 所示。

图4 光热互补热电联产系统结构

从图4 可以看出，太阳光首先通过菲涅耳透镜的点聚焦，集中于副光学元件。然后利用副光学元件聚集太阳光，使其变得更均匀[11]。太阳光集中到三结砷化太阳能电池的表面，然后将其转化为电能和热能。电能从电网供应给用户，也可以通过储能装置供应。热能的利用是通过加热的方式将热能转化为其他形式的能量供给。剩余的热能由储热盒储存[12]。

2 软件部分设计

为了解决电力系统中的不均衡问题，设计了基于自适应分段云模型的可再生能源电力系统的软件部分。电力负荷是指在电网中不同资源的利用率，因为每个计算机在网络中的负荷是不平衡的，所以有一些任务在等待服务，而另一些则是低负荷甚至是闲置的[13]。电力负荷平衡就是把负荷主机下的任务转移到一个较小负荷的主机上，使得整个系统的负荷达到一个平衡，从而提高系统的运行效率[14]。

2.1 基于自适应分段云模型负荷数据相似度计算

在描述分布式调度任务之前，首先要建立一个单一的区域，同时考虑多个不确定负荷平衡的分布式调度模式，并对其进行了分析。在调度算法中，考虑电力系统电荷不均衡问题，提出了一种基于自适应分段云模型的负荷数据相似度计算方法。

对于系统中可再生能源不确定性因素i在时间段t内产生的力，可描述为：

负荷w在时间段t内的预测结果可表示为：

针对连续指标数据的局部特征，提出了一种基于自适应分段云模型负荷数据相似度计算方法。首先，通过云模型的熵判断分段聚集数据的稳定性，使其能够自适应地产生稳定的云模型[15]。其次，使用基于云模型的序列相似度的方法，可以在两个时间段内对相同的连续指标进行近似估算，从而得到最优解[16]。

充分考虑基础云对综合云的贡献程度，计算两个云的相似度，公式为：

式中，S1、S2分别表示基础云X1和综合云X2的区域面积；Sz表示综合云与横轴构造的面积。

充分考虑云模型的熵，需要对式（3）进行修正，修正结果如下：

式中，En表示云模型的熵；He表示云模型的超熵。

充分考虑不确定性因素，以修正相似度计算结果为依据，剔除重复数据，为可再生能源电力负荷调度提供精准数据。

2.2 负荷平衡调度方案设计

系统中全部电力负荷偏差都是由电力机组按照一定参与系数来承担的，这样不仅可以保证系统的负荷均衡，而且可以确定系统的调度目标，其函数表示为：

式中，t表示系统正常工作的时间；t′表示在负荷缺失情况下的工作时间；t″表示有负荷情况下的工作时间；Ri表示调整前的可再生资源强度；R′i表示调整后可再生资源强度；P表示电力系统处理过程存在的不确定性因素。

基于此，设计负荷平衡调度方案如下：

步骤一：采用现有的索引服务对资源进行采集，在无负载状态下，实现了对服务节点通信内容的存储。

步骤二：在执行任务时，若发现某个资源节点负荷过大，则按式（5）进行负荷平衡分配。

3 实验分析

为了证明基于自适应分段云模型的可再生能源电力系统的有效性，进行了实验。在城市电网中，选择一种具有一定规模的可再生能源发电系统，设置了15 m/s 的风速，以此为背景条件，分析电力系统备用需求与发电机组停运率之间的关系，如表1 所示。

由表1 可知，当电力系统工作时，风电机组自行、强迫停运率与电力系统备用需求之间存在线性关系，随着停运率变大而增加。

基于上述实验背景，设计理想情况下无线接收器单元电力负荷平衡的调度情况，如图5 所示。

表1 备用需求与机组停运率之间的关系

图5 理想情况下无线接收器单元电力负荷平衡调度结果

由图5 可知，Pmin是无线接收器单元能够调节的下限功率；Pmax是是无线接收器单元能够调节的上限功率；P2是启停临界点功率。调度结果可描述为，在T1时刻以前，无线接收器单元稳定运行在P1功率附近。T1时刻以后，系统控制程序对该单元下发了控制命令，使得无线接收器单元开始出力，跨出调节死区。在T2时刻后，P3为启磨区域，一直到T3时刻启磨过程才结束，无线接收器单元继续出力。T4又进入调节死区，在P4范围波动，并逐渐趋于稳定状态。T5时刻，系统控制程序又对该单元发出新的控制命令，功率大幅度下降，直到T7时刻，功率下降到P2，并在其附近稳定运行。

将实验指标作为实验分析依据，分别使用面向用户侧源储资源优化调度的系统、多时间尺度下的调度系统和基于自适应分段云模型的系统，对比分析电力负荷平衡调度结果，如图6 所示。

由图6（a）可知，使用该系统调节结果与理想结果均不一致，尤其在T7时刻，功率下降到P1，与理想调度结果P3不一致，说明使用该系统无法平衡调度电力负荷。

由图6（b）可知，使用该系统调节结果只有在T7时刻与理想结果一致，其余结果均与理想结果不一致。

由图6（c）可知，使用该模型在两个调节死区出现了调节时间偏长的问题，与理想调度结果存在一定偏差，但该模型通过缩短时间快速调节的方式，使其在理想时间内又达到理想状态，说明该模型能够平衡调度电力负荷。

图6 三种系统电力负荷平衡调度结果对比

通过上述分析结果可知，使用基于自适应分段云模型的系统，具有平衡调度电力负荷的功能，说明使用该系统能够均衡调度可再生能源。

4 结束语

该文设计的基于自适应分段云模型的可再生能源电力系统，根据可再生能源集中接入电力系统的特点，利用自适应分段云模型，给出了一种兼顾多种不确定条件下的平衡调度电力负荷方案。通过实验验证，该系统与理想调度结果基本一致，能够确定电力系统备用需求，具有较好的平衡调度电力负荷性能，一定程度上可以有效实现均衡调度可再生能源。