電網運行趨勢預測與調度優化具體路徑探究

國網河南省電力公司安陽縣供電公司 武術靜

1 引言

發電、輸配電、用電屬于復雜的系統工程，電力單位需要制定日調度計劃，實現各部分之間的協調運行，而前瞻性的潮流數據是制定相關計劃的主要依據之一。進入大數據時代，依托各種算法工具，企業可借助歷史數據、近期的負荷與發電計劃、停電檢修計劃等，以較高的精度預測某一輸電斷面的潮流。此類預測算法具有顯著的工程應用價值，可改善電網的調度模式。

2 電網運行趨勢預測

2.1 電網運行趨勢基礎數據

電網運行趨勢預測從當前運行點出發，對其在短時間（小時級）內的負荷、新能源消納情況、斷面潮流、電壓、安全性等進行預測。因此在預測之前，應該以當前運行點為參考，收集基礎數據，進而生成電網運行趨勢數據。基于當前運行點的基礎數據涵蓋電網拓撲模型、斷面潮流、電網模型指定故障集、負荷預測數據、新能源發電預測數據、電壓參數及控制模式等[1]。

2.2 電網運行趨勢預測方法

2.2.1 趨勢預測的判斷依據在電力調度工作中，聯絡電源中心和負荷中心之間的輸電線路數量及拓撲結構穩定不變，某一輸電斷面的線路潮流之和稱為斷面潮流，該指標是電力調度的重要判斷依據。電網運行趨勢預測涉及眾多基礎數據，為了將發電計劃、電網檢修計劃、新能源消納情況以及電力負荷等數據整合在一起，可依據斷面潮流進行運行趨勢預測，因為潮流數據中綜合了各種電網運行的影響因素，能夠體現功率、電壓、電能等電網穩態運行指標，潮流斷面如圖1所示。

圖1 電網潮流斷面

2.2.2 電網運行趨勢估計算法

一是算法實現原理，電網運行趨勢估計算法根據歷史潮流數據和電網的計劃運行數據，估算其在短期內的潮流變化。算法的實施流程包括采集電網真實潮流數據、采集電網運行計劃數據、將數據輸入算法模型、搜索并選擇相似斷面、估算運行趨勢，當分配結果中存在不平衡功率時，需要再次進行功率分配，重新回到電網運行趨勢估計環節，直至消除不平衡功率問題[2]。

二是搜索相似的傳輸斷面，搜索相似傳輸斷面的主要目的在于篩選出與計劃斷面最為接近的電力傳輸斷面，由于兩個斷面高度相似，可借助相似斷面的數據預測計劃斷面，這一方法能夠顯著提高運行趨勢預測的準確性。搜索依據為電網中某一特定斷面（計劃斷面）的計劃運行數據，主要包括氣象數據、電力負荷、發電計劃、檢修計劃等[3]。將這些計劃數據作為參考值，從已知斷面的潮流數據中尋找與其最為接近的真實數據，從而確定相似傳輸斷面。為了提高搜索精度，設置兩個判斷相似性的指標，分別為潮流相似性和網絡拓撲相似性。

網絡拓撲相似性計算方法：

假設根據計劃運行數據初步確定了相似斷面a，將該斷面的鄰接矩陣記為S1，計劃斷面b的鄰接矩陣記為S2。鄰接矩陣表示頂點間的相鄰關系，以特定的順序存儲頂點信息圖。網絡拓撲相似性的計算表達式：

式中，tr為對兩個矩陣進行跡運算；T為矩陣的轉置。

sim（S1，S2）的計算值越小，說明相似性越顯著。

潮流相似性計算方法：

潮流相似性計算用于判斷計劃斷面的功率數據與相似斷面的潮流數值是否達到高度匹配，計算表達式：

式中，將計劃斷面中的功率節點集合記為S，則其中的任一節點記為i（iS），Psc（i）和Psi（i）分別為節點i的計劃輸出功率、相似斷面中對應節點的功率。

相似斷面的匹配方式：相似斷面和計劃斷面在較長的時段內（比如24h）存在一定的變化，當電網中并入新能源發電方式后，由于太陽能、風能的不穩定性，電網潮流數據通常會隨之發生變化。另外，用電負荷也能影響相似性判斷，而用電負荷屬于不穩定的數據。鑒于此，在相似斷面匹配中，按照不同的時間點，選取多個計劃日傳輸斷面，再進行相似日多時刻斷面匹配，以此來提高斷面選取的精確性[4]。

三是估算電網運行趨勢，電網運行趨勢估算重在產生未來較短時間內的斷面潮流數據，在估算時需要獲取一系列量化的基礎數據，具體包括發電計劃中的有功功率和無功功率、預測用電負荷中的有功和無功功率、相似斷面的真實潮流數據等。估算方法的重點在于抗差估計，因為基礎數據中有可能存在超過限值的粗差，容易導致估計結果出現偏差。為了排除粗差的影響，可運用最大交叉熵估計方法，計算表達式：

式中，I為交叉熵；zi為相似斷面節點i的測量數據；hi（x）為計劃斷面對應節點的估計值；m為測量數據的種類；K為核函數。

將高斯核函數代入式（3），即可獲得最大交叉熵的表達式：

式中，δ為測量值的標準差。

高斯核函數能夠限制測量值的殘差范圍，進而顯著降低粗差對目標函數的影響。

四是傳輸線路的功率計算方法，在潮流斷面中存在若干條傳輸線路，不同線路的功率有所差異，相應的計算式為：

式中，Pij為節點i到節點j的有功功率；g為傳輸線路上的電導率；vi、vj為節點i和節點j的電壓值；θij為電壓相角差；b為線路電納。

五是不平衡功率再分配，在初次的潮流分配中，一方面要滿足計劃斷面各節點的計劃數據（如電壓、負荷），另一方面要達到斷面的傳輸功率要求。但初次分配的計劃潮流數據有可能造成不平衡功率，與相似斷面的真實潮流數據以及計劃斷面的真實潮流數據仍然存在一定的偏差。為此，在算法訓練階段應該評估是否存在功率不平衡，若存在該問題，則需要進行功率再分配，可采用極限學習機（Extreme Learning Machine，ELM）實現這一訓練目標[5]。ELM是一種神經網絡模型，由輸入層、隱含層和輸出層構成，可利用相似斷面的真實潮流數據訓練該模型，消除功率不平衡問題。

3 基于運行趨勢預測的調度優化路徑

電網運行趨勢預測能夠產生具有前瞻性的斷面潮流數據，并且綜合了發電、負荷、檢修、氣象等一系列影響因素，能夠為電力企業制定調度計劃和措施提供較為可靠的參考依據，可在其基礎進行預調度，并且制定一系列安全管理預案。

3.1 基于運行趨勢預測實施預調度

預調度屬于新一代電力調度技術，目前已經在部分省份投入應用。以國網江蘇電網為例，其2022年上線的“電網大腦”新增了預調度功能，能夠根據區域發電預測數據、區域用電預測數據、停電計劃、新能源預測數據、氣象預測數據等進行模擬推演，幫助電力企業制定具有前瞻性的調度措施，規避調度風險，電網運行趨勢預測在預調度功能中發揮了關鍵作用。從實現路徑來看，預調度功能需要收集的基礎數據見表1，電力企業獲取基礎數據后，借助運行趨勢預測算法處理相關數據，生成預調度場景，再進行相應的數據計算，掌握潛在的風險斷面，形成調度方案。

表1 基于電網運行趨勢預測的基礎數據

3.2 基于運行趨勢預測評估電網運行的安全性

電網運行趨勢預測不僅能夠提供斷面潮流方面的數據，還能在電網安全性預測方面發揮作用。預測方法為建立電網運行安全性評價指標體系、分別開展狀態評價和趨勢評估。狀態評價用于判斷電網當前的運行狀態，具有實時性。趨勢評估用于判斷電網在未來一段時間內的安全性。電網安全狀態評價指標體系示例見表2，采集相關數據，構建電網運行安全預測模型，根據指標數據計算出三種安全趨勢，分別為安全狀態、緊急不安全狀態、非緊急不安全狀態，每一種狀態對應不同的調度措施。例如，緊急不安全狀態具有較高的風險，此時應準備應急預案，進行風險防控。在安全風險預測中，關鍵要把握沖擊性事件，以量化方式評估相應事件的危險程度。

表2 電網安全狀態評價指標示例

3.3 基于運行趨勢預測制定臨時性的調度方案

電力輸電線路以及桿塔受到人為活動、風力、鳥害、雷擊、洪災等因素的影響，有可能出現突發的故障，導致斷面潮流出現畸變。在這一情況下，電力企業應根據實際情況，作出快速響應，以運行趨勢預測為基礎，綜合斷面潮流預測、安全預測、故障類型、故障線路等信息，電力企業的調度管理人員可制定出臨時性的調度方案，以滿足安全預案之外的特殊險情防控。

4 結語

為了生成準確的電網潮流數據，本研究利用算法工具，從電網的歷史數據中搜索相似的潮流斷面，配合用電負荷計劃數據、發電計劃數據、停電及檢修計劃等，提出了針對計劃斷面的潮流預測方法，較為準確地滿足了輸配電需求，同時消除了不平衡功率問題。在其基礎上分析了優化電網調度的路徑，包括緊急情況下制定臨時調度方案、評估電網的安全狀態和運行風險、實現預調度功能。