光伏发电功率消纳能力提升研究

张鹏飞 陈 刚

（国网浙江省电力有限公司磐安县供电公司）

0 引言

近年来，随着光伏发电技术的进步速度愈来愈快，光伏发电效率得到了极大地提高，与此同时，光伏发电的成本也越来越低，越来越多的国家、政府、企业看好光伏发电的前景［1］。而现有的装机容量根本无法完成碳中和和碳达峰的目标，因此如何有质有量地消纳已有的和一直产生的光伏电量，是当前必须要应付的情况。通过有效、合理的手段提高电力系统光伏的消纳能力是一项重要的举措。

当前许多研究考虑用户的满意度较少，仅依据电网的现有数据和资料解决光伏消纳的问题，在大多数情况下，这有极大可能会造成峰谷差迅速加大［2-3］。

1 提升光伏消纳需求侧管理策略研究

本节的目标是从需求侧方面提升光伏消纳的能力。首先确定需求侧管理的目标，根据谷峰差最小和光伏消纳最大，通过采集到的一些数据，选取北京某大学周边地区的居民区、办公区和工业区这三个典型区域，绘制负荷转移的目标曲线。

光伏发电和用电负荷的峰谷差越大，对光伏消纳能力的抑制就会越强，相反，峰谷差越小，光伏消纳能力就越强［4］。因此设置的目标曲线，要尽量使峰谷差达到最小。例如，根据采集到的办公区数据，就可以得到光伏出力曲线和负荷曲线。

光伏消纳量为阴影部分的面积：

式中：ΔS——光伏曲线与常规负荷曲线重合面积；

LPV——光伏曲线函数；

Lload——常规负荷曲线函数；

t1、t4——光伏曲线与横坐标轴两交点；

t2、t3——常规负荷曲线与光伏曲线两交点。

由上文可知，只有峰谷差最小，光伏发电的消纳能力才会最大，设峰值负荷为L1，谷值负荷为L2，有目标函数为（L1-L2）Min和（ΔS）Max。

k为实施分时电价激励后峰时段和谷时段的用电量之比，实施前的k值通过计算可以得到，如式（2），其中k1＝0.8916。

峰谷比约束，设置在2～3.5的范围［5］，如式（3）。

引用负荷转移策略之后，就可以让负荷在时间序列上形成一个新的负荷曲线。要想促进光伏消纳，必须要让转移之后的负荷曲线和目标负荷曲线接近，但是在实施负荷转移策略时，不能不考虑用户的舒适度，基于此，可以设置如下目标函数。

负荷转移的目的是要让转移之后生成的负荷曲线与目标曲线相接近，数学表达式如式（4）所示：

负荷转移策略实施之后，假设居民区用户总的舒适度为C（t）。因为负荷转移是针对不同用户生活中不同的可控负荷进行的，因此需要让用户受到的影响最小，如式（5）所示：

综上，优化目标可表示为式（6）：

根据历史上对于负荷转移策略的研究经验，上式中λ和μ取值为0.5。其中，目标函数的约束条件如下：

转移的设备数一定是大于零的，如式 （7）所示：

单位时间步长内转移的可控负荷数一定要小于可以进行正常控制的可控负荷数，可表示为式（8）：

式中，T（i）为在时间步长i可用的可控设备数。

本节结合例子引出了光伏消纳曲线的公式，加上一定的约束条件绘制了负荷转移的目标曲线，并进行了对目标函数的约束。下一节将详细构建模型进行具体分析。

2 需求侧负荷转移研究

在之前的研究基础上，建立负荷转移策略的数学模型。与此同时，根据用户受影响最小的原则，建立负荷转移的电价激励模型和用户侧舒适度反馈模型。

（1）负荷转移策略数学模型

把可以在时间序列上转移的用电器当做可控负荷，在考虑这些用电器使用模式的同时，对它们进行时间序列上的调控，以此来实现需求侧的负荷转移，从而让更多的光伏发电得到消纳，这就是针对需求侧的典型的负荷管理策略，如图1所示。

图1 负荷转移策略

传统的用电器可以分为在时间序列上可转移和温度可调节两大种类型，在本文的研究里只需要考虑在时间序列上可转移的用电器。可时移的用电器指的是在时间序列上可以根据用户的需要，在不影响用户生活的前提下，可在一定程度上提前使用或者延后使用的一类用电器。在建立负荷转移策略的数学模型时，假定P（t）是生成的负荷曲线在t时刻的值，P（t）从负荷转移的角度来说，由t时刻转入值和转出值表征：

此外，云南电网公司创新发展，积极推动我省新能源汽车产业驶入“快车道”。2017年，成立了云南电网能源投资有限责任公司，积极开展车、桩、平台建设和多元化商业合作模式探索，深入开展网荷互动、智能充电、柔性充电等新技术研究，目前已在红河地区高速公路建设了2座“光伏+柔性充电”技术充电站。同时，公司充分释放电力体制改革红利，将充电站用电纳入电力市场化交易，切实降低新能源汽车车主用车成本，目前已在玉溪江川客运站开展试点，累计为车主节省成本8.5万元。

式中：Pbefore（t）——没有给需求侧管理控制策略之前在时刻t的预测负荷；

Pin（t）——时刻t发生负荷转移时转入的负荷；Pout（t）——时刻t发生负荷转移时转出的负荷。

Pin（t）代表在时刻t发生负荷转移的时候转入的负荷，它可以分为两部分：负荷在t时刻连接之前的负荷增量和负荷转移的时间步长内的负荷增量，如式（10）所示：

式中：Xkit——从时间步长i到t转换的类型k的可控负荷数；

D——可控负荷类型总数；

P1k——类型k的可控负荷在时间步长1时的功率消耗；

P（1＋l）k——类型k的可控负荷在时间步长（1＋l）时的功率消耗；

j——类型k的可控负荷功率消耗的总的持续时间。

相应的Pout（t），也由两部分组成：本应在时间步长t转移的可控负荷由于连接时间的延迟而产生的减少量和负荷在t时刻连接之前的负荷减少量，如式（11）所示：

式中：Xkqt——从时间步长t到q延迟的类型k的可控负荷数量；

m——对于这类可控负荷最大允许的延迟。

（2）负荷转移电价激励研究

用户在一天的用电过程中，有高峰期和低谷期之分，通过合理、有效的划分峰和谷的时间段，并且合理地进行电价的定制，以此来达到削峰填谷的效果，影响需求侧负荷的分布，从而提高电力系统的光伏消纳能力。

对于电力市场的成本模型可以做如下假设：

在一个共有m个电力用户的地区，在典型的一天中假设24个小时分为n个用电的时间段。各个时间段的电价水平p＝(p1，p2，…pn) ，用电q＝(q1，q2，…qn) ，电价和用户的用电水平影响着电力公司生产电量的成本，因此可以得到该地区电力系统中的电力公司成本函数为式（12）所示：

用户i在n个用电时段收益为rij，用户的用电量为qij。

在用户侧，对于某一指定的用户i，实施分时电价后，用户通过合理规划自己的用电量，在不同的时间段选择使用不同的用电器，这样在一定程度上就可以最大化自己的利益，如公式（13）所示：

通过计算可以得到，用户在j时间段内的用电量，如公式（14）所示：

随后，要确定峰谷电价所对应的时间段。在这里，采用半梯度分布模型，来分析某个时间点到底是处于峰还是谷。分别如图2中的m、n所示，其中m、n点分别为负荷曲线的谷点和峰点。

图2 半梯度分布模型

通过计算，如果负荷曲线上的某点集中分布在m点，那么该点就可能是处于谷时段；同理，若分布在n点，则处于峰时段。

首先从负荷转移连接时间的角度，对负荷转移的数学模型进行了优化。根据本节可以根据构建的电力市场成本模型来帮助电力公司对电价进行制定，根据构建的用户侧反馈模型给用户提供更好的用电策略，而且便于研究用户的舒适度。

3 方案分析及计算

本次研究所用到的数据，采用某高电压研究中心采集到的数据。对周边某居民区、办公区和工业区的负荷进行采样，得到的负荷状况。例如，从居民区选取了7个用户，每小时采集10次他们的用电情况，最后把每个用户的负荷数据形成数据池。

（1）基于遗传算法的计算流程

遗传算法通过全局搜索，让每一代基因都被覆盖，这也就让每个基因都有了是问题解的可能性。构建遗传算法有很大的灵活性，能不受限制于问题的性质，从而更有效地处理传统算法难以解决的问题。

但是如果不对现有的遗传算法进行优化，是不一定能够得到最优化的解的，因为单就遗传算法这种运行机制而言，其本身的特点容易让进行遗传算法的运算过程陷入局部解之中。

而我们选取的居民区、办公区和工业区三个典型区域都有不同的，不利于计算的特点。例如：居民区的可控设备类型、数量比较多；办公区在非常长的一段时间里，负荷波动不会太大，同时办公区的设备功率和居民区相比是要偏大的；而工业区的可控设备相对居民区和办公区来说是比较少。

通过上面的分析就可以看出，单采用传统的算法是无法实现目的的，因此针对多目标优化的需要，就要引入遗传算法进行计算。

遗传算法的流程图如图3所示。

图3 遗传算法流程图

染色体的长度与时间步长数直接相关，如式（15）所示：

式中：∂——单位时间步长内可转移负荷数量对应的比特数。

对于前文提到的，想要得到的优化结果可以构建Fitness函数，Fitness函数在这里是用来求数组中前D个数的平方和，如式（16）所示：

在选取的居民区、办公区和工业区三个典型区域里，选取了大的交叉率和较低的突变率，来确保更快的收敛性，并在出现好的结果的时候，停止算法，防止符合条件的结果丢失。根据实验结果，最理想的交叉率和变异率分别为0.85和0.15。

（2）需求侧管理效果评价方法

负荷曲线和光伏曲线的相关性，可以作为光伏消纳能力提高的判断方法之一。我们把负荷曲线和光伏曲线的相关性量化为两条曲线的秩相关系数，在这里我们采用统计学中常用的Spearman秩相关系数进行验证。

通过计算可以得到，转移前后负荷曲线与光伏曲线的秩相关系数分别为Rbefore＝0.6296和Rafter＝0.8299。由此可见实施负荷转移策略前，两个曲线的相关性很低，光伏消纳能力很差。而在实施负荷转移策略之后，两条曲线的相关性有了很大的提髙。

实施负荷转移策略之前，峰均比为2.63，转移之后是2.44，下降了7.2%，同时系统的平均负荷也从刚开始的2368kW降低到了2168kW。

从以上对于优化前后光伏出力和负荷消纳的相关性、门限值、峰均比这三个指标的分析可以看出，对整个系统而言，采用负荷转移策略后，系统的光伏消纳能力得到了明显的提高，整个系统也能够消纳更多的光伏发电量。

4 结束语

为了提升光伏消纳能力，本文研究了针对需求侧的负荷转移策略，尽管在一定程度上提高了光伏消纳能力，但在后续工作中，还有需要进一步完善的地方。例如，在研究需求侧电价激励的时候，没有考虑实时电价等带来的负面影响，有一定的不确定性，因此应该调查政府指定电价的原则并建立电价激励模型，从而达到更好的激励效果。在建立用户舒适度模型的时候，应充分运用统计学等跨学科的知识来考虑并量化用户的感受。