基于智能預測的能源互聯網協同控制研究

邊廣泉

摘要：隨著經濟的高速發展，能源危機和環境污染問題引起了越來越多人的擔心，為了應對上述問題，各國積極研究分布式能源和可再生能源技術。然而，分布式能源和可再生能源技術的相關研究仍處于初步階段，接入各種分布式能源以及可再生能源會給現有能源網絡帶來波動性。因此，如何對這些分布式能源以及可再生能源進行有效利用成為能源發展過程中亟需解決的問題。

關鍵詞：能源互聯網;協同控制;能源預測

引言

能源互聯網是分布式能源、可再生能源與信息技術相結合的產物，是由分布式能源、儲能單元和多個能源管理系統和網絡組成的混合能源系統_[1]，用于整合更多分布式能源，提高電能質量和可靠性，減少溫室氣體排放。能源互聯網提供了一個開放的框架，用于將涉及能源生產、傳輸、存儲、交換和消費的每個設備通過信息通信技術集成在一起。由于集成的設備種類和數量越來越多，需要收集和分析的數據也越來越多，因此能源互聯網的協同控制變得比傳統的電力系統更加復雜。為了實現對能源互聯網的協同控制，對能源需求以及不斷普及的可再生能源的預測成為必不可少的步驟。因此，本文主要研究能源互聯網下的智能預測和以智能預測為基礎的能源互聯網協同控制。

1 基于神經網絡的能源互聯網能源預測

能源預測主要分為能源需求預測和能源生產預測，能源需求預測向來就是能源系統的重要研究內容，同時隨著風能、太陽能等可再生能源在總的能源使用中所占比例的不斷提高，需要對風電和太陽能發電進行有效的預測，否則如果直接并網運行，將大大降低能源系統的安全性和可靠性，同時也會對能源系統的經濟運行帶來挑戰。通過準確預測風能和太陽能，能源調度部門可以合理安排發電計劃和用電計劃，提高能源系統運行的經濟性和可靠性。

能源生產預測主要是以風能和太陽能為代表的可再生能源預測。風能和太陽能作為支持不斷增長的能源需求的有前景的可再生能源，具有不可控性和部分不可預測性的缺點，給能源系統的大規模集成提出了挑戰，因此準確預測至關重要。

經過幾十年的電力基礎設施建設，發電已不再是滿足現代城市電力需求的瓶頸。相反，如何按需生產電能以實現可持續發展是關鍵問題。一方面，過度的發電會導致巨大的能源浪費。另一方面，發電量不足會造成電力短缺或設備運行不穩定，造成機器損壞和經濟損失。為了平衡供求關系，有必要對用電需求進行監測和預測，并按需發電。

到目前為止，研究人員開發了不同的需求預測技術。已有的需求預測方法主要包括傳統的預測方法和新近發展起來的智能預測方法，其中傳統的預測方法以經典數學為理論依據，現代智能預測方法以智能技術為依托。傳統的預測方法主要有：基于時間序列的預測方法、回歸預測法等;現代智能預測方法主要有：專家系統、人工神經網絡預測法、灰色理論預測方法、模糊預測法等。近年來，在各種需求預測技術中，人工神經網絡在能源系統需求預測中的應用受到廣泛關注。

2 基于短期預測的能源互聯網協同控制

能源互聯網的協同控制在能源互聯網中扮演著重要的角色，結合能源互聯網能源預測模型，在短期預測的基礎上，研究一個包含產-銷-用三個層次的能源互聯網中的協同控制問題。該協同控制問題被建模為一個三階段問題，在第一階段，發電公司和獨立系統運營商（Independent System Operator， ISO）制定發電計劃和電力批發價格，該階段可被建模為一個經濟調度問題，并提出了一種基于交替方向乘子法（Alternating Direction Method of Multipliers，ADMM）算法的分布式經濟調度方法。在第二階段，電力零售商制定零售電價以最大化其利潤。在第三階段，基于短期預測和零售商價格，微電網制定內部各發電單元的最優發電計劃。針對第二階段和第三階段，建立零售商和微電網之間的主從博弈模型。最后，在短期預測的基礎上，結合經濟調度和主從博弈，提出一個基于短期預測的能源互聯網分布式協同控制方法，并通過實驗驗證了該方法的正確性和有效性。

3 計及預測誤差的能源互聯網協同控制

能源互聯網中對負載以及可再生能源的預測受到自然環境（如氣溫、風速、光照）和人為活動的影響，難以對其進行準確預測。以風能為例，風力發電依賴于大氣過程，單個風力渦輪機的輸出功率與轉子掃過區域上的風強度正相關，空氣從高壓區域到低壓區域的運動，所以壓力差越大，產生的風越強。自然條件如空氣密度、溫度、地形以及風力渦輪機本身因素如渦輪摩擦情況等都將對最終的輸出功率產生影響。

能源系統維持著人類社會的正常運行，能源預測對能源系統的穩定運行有著非常重要的作用，目前能源預測的結果通常都是一個確切的預測數值，但是該預測數值可能出現的概率及預測結果的波動范圍均無法得以估計和確定，因此能源預測是非精確性的。如果對預測結果的非精確性處理不好，將會破壞能源供需實時平衡，影響能源系統的安全穩定運行。相反，充分地考慮預測結果的非精確性，將有助于決策者更科學地進行能源調度計劃、能源網絡規劃、能源系統可靠性評估及風險分析等工作，確保能源系統安全運行，并提高能源企業的經濟效益及社會效益。

所以，在能源互聯網協同控制中，能源的預測只是一個參考，通過對未來能源生產、消耗的預測，為之后的控制提供參考。

4 展望

本文重點研究了能源互聯網中的能源預測問題和協同控制問題，分別提出了一種基于改進粒子群算法的神經網絡、一種基于短期預測的能源互聯網協同控制方法以及一種計及預測誤差的能源互聯網協同控制方法。同時，本文的研究工作還一些有待拓展的地方，具體而言，可以從以下幾個方面進行拓展：

（1）在能源預測方面，近年來機器學習的持續繁榮為能源預測提供了新的思路，可以嘗試利用集成學習（如Ada Boost、Bagging、隨機森林）和深度學習（如深度神經網絡、循環神經網絡）對能源進行預測。

（2）全面地考慮能源互聯網中的設備。本論文主要考慮的是能源互聯網中的典型設備（例：風力發電機、光伏、燃料電池、微汽輪機、儲能系統）。隨著能源互聯網的發展，設備種類會不斷增加，對應的網絡結構也會改變。需要盡可能全面地考慮能源互聯網中所有設備，從而更好地反映能源互聯網的運行狀態。

（3）考慮能源互聯網中的可調負荷。本論文單方面地假設能源互聯網中的負荷需求是固定的，并沒對能源互聯網中可調節負荷的存在性進行討論。然而，可調負荷也是能源互聯網的組成部分，可調負荷的加入不僅可以充分發揮產能和用能設備的潛力，通過調節負荷還可以達到“削峰填谷”的目的，降低能源互聯網運行的成本，從而實現能源互聯網的高效運行。

（4）能源互聯網數據收集監測系統也是未來研究的方向，數據收集監測系統是能源互聯網的數據大腦，大數據技術的快速發展也為數據收集監測系統的建設提供了堅實的基礎。

參考文獻

[1]趙海，蔡巍，王進法，賈思媛.能源互聯網架構設計與拓撲模型[J].電工技術學報，2015，30（11）：30-36.

[2]曾鳴，楊雍琦，劉敦楠，曾博，歐陽邵杰，林海英，韓旭.能源互聯網“源–網–荷–儲”協調優化運營模式及關鍵技術[J].電網技術，2016，40（01）：114-124.