基于靈活性矩陣與優劣解距離的新能源功率預測評價方法

尹瑞，時珉，王鐵強，李正輝，劉嘉明，甄釗, 3，郭懷東，王飛

(1.國網河北省電力有限公司，石家莊市 050021；2.華北電力大學電力工程系，河北省保定市 071003；3.清華大學電機系，北京市 100084)

0 引 言

隨著全球化石能源的緊缺，清潔可再生的新能源日益受到關注。分布廣、儲量大的風力和光伏發電作為新能源發電的重要組成部分，近年來得到了快速發展[1-2]。與可控性高的火電等常規能源不同，風力和光伏發電受自然氣象因素影響明顯，其出力具有隨機性、間歇性與波動性，可調度性較差[3]，大規模并網將增加電網諧波含量，降低電能質量，對電網的安全穩定運行和系統的靈活性帶來不利影響[4]。系統的靈活性是指隨波動性負荷的變化，系統中可調電源的調節能力大小。對風電和光伏進行功率預測可以為電網調度人員及時調整發電計劃提供參考，有助于減少系統的備用容量，實現對新能源的高效利用。而作為預測工作中重要的一部分，預測評價對于引導提高預測精度，服務于系統調度具有重要意義[5]。

隨著功率預測理論研究的深入，時間序列、人工神經網絡、支持向量機和小波分析[6-8]等預測方法被應用于新能源預測領域，但由于新能源固有的不可控性，輸出功率的預測誤差仍不可避免。目前國內常用的功率預測評價指標包括平均誤差、平均絕對誤差、最大誤差、均方根誤差，相關性系數等[9]，文獻[1]提出的多指標融合的風電功率預測評價方法即是基于上述評價指標為基礎而構建的。文獻[10-12]采用上述指標對不同模型不同條件下的預測結果進行評價并加以對比，實現了模型改進與預測精度的提升。總體來說，上述評價指標廣泛用于不同預測模型的評價與改進，并取得一定的效果，但現有評價指標多為預測領域通用指標[5]，作用范圍較為廣泛，針對性不強。綜合現有的預測評價指標，文獻[13]提出了針對預測評價考核的準確率、合格率、上報率3個指標；在此基礎上，文獻[14]進一步完善各指標的計算方法與等級評定標準，構建了預測評價考核體系。然而，站在電網調度需求的角度考慮預測結果對調度影響的研究目前尚未見到。具體來說，在電力系統的運行靈活性較高(即系統的靈活可調節能力充足)時，新能源發電功率預測精度的高低對電網調度運行控制的影響不大；但當運行靈活性較低(即系統的靈活可調節能力不足)時，此時新能源發電功率預測的精度就會對調度運行產生較大影響，如果預測精度較低，調度部門進行發電出力調整的難度將增大。由于現有文獻均針對預測結果進行孤立評價，未涉及從調度側來評價預測結果從而服務于調度需求(系統靈活性較高時，預測精度對調度的影響不大；靈活性較低時，預測精度對調度的影響較大，應加強考核)，所以對功率預測的評價結果仍存在不合理之處。

本文從現有的功率預測評價指標出發，充分考慮調度側靈活性要求，針對不同時期下火電機組的調峰能力和不同時段下電網調度對預測精度的需求不同，計算不同時段下系統運行的靈活性大小，并利用優劣解距離法(technique for order preference by similarity to an ideal solution，TOPSIS)對不同時段下調度靈活性進行排序。分析時段因素對預測指標評價效果的影響，并基于分析結果對現有評價指標進行改進，實現對預測結果的真實評價，同時也保證評價的公平性。

1 現有風電功率預測評價指標分析

1.1 原有準確率公式

原有短期和超短期功率預測考核準確率E1計算公式為：

(1)

式中：pi為i時刻新能源電站實際功率，MW；p′i為i時刻新能源電站預測功率，MW；n為該日考核的預測點數，n=96；Cap為新能源電站裝機容量，MW。

該指標在實際評價功率預測結果的過程中，計算的是一個考核日下各功率采樣點預測準確性的平均情況，得到的是一個平均化的結果，會丟失預測結果中一些局部時段的關鍵性信息，因此，為更加準確地評價功率預測結果，須結合電網調度的實際需求分時段、分情況地對該指標進行修正。

1.2 現有準確率公式

現有短期和超短期功率預測考核準確率E2的計算公式為：

(2)

針對原有準確率指標存在忽略局部時段關鍵性信息的問題，該準確率計算公式采用了加權的計算方法，即更加關注偏差較大局部時段對準確率的影響。雖然該準確率公式加強了對局部時段的考核，但仍沒有從系統靈活性的角度出發，考慮預測準確率對調度的影響。預測評價指標也要服務于調度，對電網的運行和調度的規劃起到一定的指導作用。所以仍須結合電網調度的實際需求分時段、分情況地對準確率公式進行進一步修正。

1.3 調和平均數準確率

第2 h調和平均數準確率E3的計算公式為：

(3)

式(3)表示每個觀測點預測值與實際值絕對誤差在全天96個點的預測值與實際值絕對誤差總和中的占比，即每個觀測點的絕對誤差所占權重。調和平均數準確率E3在0～1之間變化，當預測值越接近實際值時，E3值越接近于1，說明功率預測精度越高；當預測值與實際值差距越大時，E3值越接近于0，功率預測精度越低。雖然該考核指標考慮了預測和實際的相對偏差，加強了對局部時段的考核，但仍沒有從調度側考慮準確率對調度靈活性的影響，仍須結合電網調度需求進行修正。

2 面向調度需求的功率預測評價指標

功率預測評價的目的是引導新能源電場提高預測精度，因此預測評價指標的選取既要真實反映各電場預測結果的準確性，也要保證評價的公平性。本文將從火電機組調峰特性與時段因素2個角度對當前未考慮實際調度需求的預測評價指標進行修正，形成一套面向調度需求的功率預測評價指標。

常規的電力系統主要由火電機組擔任發電電源，并且利用備用容量作為應對負荷變化的靈活性資源。由于電力系統的負荷預測具有較高的精度，所以系統中設定的備用容量往往可以滿足系統靈活性的要求。但隨著新能源的大規模接入，其輸出功率具有較大的隨機性和不確定性，常規的備用容量往往不能滿足要求，所以需要進行功率預測來確定系統的備用容量。

新能源實際與預測出力曲線如圖1所示。由圖1可以看出，在08:00—13:00時段，新能源的實際出力大于預測出力，若此時火電機組的調節能力不足，為保證供電的可靠性，只能進行棄風或棄光操作。在13:00—19:00時段，新能源的實際出力小于預測出力，若此時火電機組的調節能力不足，為保證供電的可靠性，會導致切負荷事件。在08:00和12:00附近，出力曲線出現明顯的上爬坡和下爬坡。如果此時火電機組的爬坡能力無法跟隨，則只能棄風棄光或切負荷操作。

圖1 新能源實際與預測出力曲線

由于在供熱季機組要保證對用戶的供熱，所以在供熱季機組的出力下限應比非供熱季高。凈負荷即負荷與波動電源(風電與光伏)之差。圖2給出了考慮供熱季與非供熱季對機組運行的影響。由圖2可以看出，火電機組運行在當前時刻，滿足機組運行的要求。當運行到下一時刻，假設不考慮爬坡速度的影響，在非供熱季，下一時刻的凈負荷滿足下限要求，機組可以正常運行。但如果此時為供熱季，機組運行前已經小于供熱季機組的最小出力，所以為了保證機組的正常運行，只能進行棄風或棄光操作。因此，不僅要考慮不同時段的系統靈活性對調度需求的影響，還要考慮供熱季與非供熱季對調度需求的影響。所以針對不同時段機組的出力能力不同，分情況計算系統的靈活性，找出靈活性不足的時段對預測指標的評價具有重要意義。

圖2 考慮供熱季與非供熱季對機組運行的影響

2.1 技術流程及具體步驟

本文的技術流程如圖3所示，其具體步驟為：

圖3 技術流程

步驟1：根據系統的運行參數和功率數據，分別計算供熱季和非供熱季各個時段調度靈活性，得到靈活性矩陣K，并對靈活性矩陣進行預處理，將靈活性的值轉換到0～1之間。

步驟2：利用TOPSIS模型，分別對供熱季和非供熱季不同時段下的靈活性指標進行綜合評價，并進行歸一化計算，得到權重矩陣S′。

步驟3：利用權重矩陣對現有準確率指標進行修正。

2.2 電力系統運行靈活性評估模型

當考慮新能源接入系統時，電力系統運行的靈活性會受到很大影響，所以必須考慮電力系統運行靈活性的評估。機組運行場景分析如圖4所示。電力系統當前的運動狀態為當前運行點。場景1表示下一時刻的凈負荷增量超出系統單位時段的可調范圍，系統的上調靈活性不足；場景2表示由于機組上爬坡速度的影響，下一時刻的凈負荷大小超出了當前系統的出力上限，系統的上調靈活性不足，導致上述現象的原因是火電機組存在一定的調整速度，不能及時對輸出功率進行調整；場景3表示下一時刻的凈負荷大小滿足系統運行的要求，具有一定的運行靈活性；場景4表示由于機組下爬坡速度的影響，下一時刻的凈負荷大小低于系統的出力下限，系統的下調靈活性不足；場景5表示下一時刻的凈負荷大小小于常規機組額定出力的下限，系統的下調靈活性不足[15-16]。

圖4 機組運行場景分析

本文針對運行階段常規火電機組與新能源出力的協調能力，定義了2個靈活性參數。

1)上調靈活性參數Ku。上調靈活性參數是指在運行日單位時段內凈負荷增加時，常規機組可上調容量與凈負荷增加量的比值，其計算公式為：

(4)

一般情況下，上調靈活性參數都大于0。當Ku在0～1之間時，說明機組的可上調容量小于凈負荷增加量，調度靈活性不足；當Ku>1時，說明機組的可上調容量大于凈負荷增加量，調度靈活性充足。

2)下調靈活性參數Kd。下調靈活性參數是指在運行日單位時段內凈負荷減少時，常規機組可下調容量與凈負荷減少量的比值，其計算公式為：

(5)

一般情況下，下調靈活性參數都大于0。當Kd在0～1之間時，說明機組的可下調容量小于凈負荷的減少量，調度靈活性不足；當Kd>1時，說明機組的可下調容量大于凈負荷的減少量，調度靈活性充足。

2.3 TOPSIS法

TOPSIS法是根據有限個評價對象與理想化目標的接近程度進行排序的方法，是在現有的對象中進行相對優劣的評價[17]。理想化目標有2個，一個是肯定的理想目標(或稱最優目標)，另外一個是否定的理想目標(也稱最劣目標)。若當前評價指標與最優目標最近，而與最劣目標最遠，則可認為是評價較好的對象[18]。該方法可用于預測、估計、解耦[19-21]性能的評價。

當優化問題有n個評價目標D1，D2，…，Dn，每個目標有m個評價指標X1，X2，…，Xm時，建立該優化問題的特征矩陣，見式(6)。

(6)

為了消除不同指標量綱對指標的影響，需要對特征矩陣進行標準化處理，見式(7)。

(7)

標準化矩陣可以表示為：

(8)

模型的最優目標定義為：

max(z12,z22,…,zn2),…,max(z1m,z2m,…,znm)}

(9)

模型的最劣目標為：

min(z12,z22,…,zn2),…,min(z1m,z2m,…,znm)}

(10)

(11)

(12)

定義評價對象得分矩陣S：

S=[S1,S2,…,Si,…,Sn]

(13)

(14)

式中：Si表示第i個評價對象的未歸一化得分。

由式(14)可以看出，Si的取值范圍為0≤Si≤1，并且Si越接近1，表示Si與最優目標的距離越近，與最劣目標的距離越遠，此時表現為評價較好。

對評價對象得分矩陣S中的各元素進行歸一化，可以得到權重矩陣S′：

S′=[S′1,S′2,…,S′i,…,S′n]

(15)

(16)

式中：S′i表示第i個評價對象的歸一化得分。

將權重系數代入式(2)，可以得到：

(17)

由上述分析可知，該準確率指標與預測誤差的大小成反比關系，即預測誤差越大，準確率指標越小。由于要減小預測誤差，提高預測精度，所以該準確率指標越大越好。上述討論問題的各個指標均為極大型指標(目標函數越大越好)，若其中含有極小型指標時，須將指標正向化后，再進行計算，見式(18)。

x′ij=max(x1j,x2j,…,xmj)-xij

(18)

3 仿真算例

為驗證本文提出的功率預測評價指標對實際預測結果的評價效果，本節對上述內容采用MATLAB軟件進行仿真計算。計算數據采用我國某地區電網公司提供的數據，數據采集時間為2019-01-01—2019-12-31，采樣間隔為15 min。本節所討論的準確率指標E1、E2、E3為第1節分析的準確率指標，E4為本文提出的準確率指標，其中n=96，Cap為 20 000 MV·A。

2019-10-25—2019-10-31的總負荷曲線、凈負荷曲線和新能源出力曲線如圖5所示。

圖5 總負荷、凈負荷和新能源出力曲線

根據凈負荷的峰值，確定當天機組的開機容量。根據供熱季與非供熱季機組的調峰深度，確定當前機組的最大出力和最小出力。并且根據供熱季和非供熱季利用式(4)和式(5)計算靈活性參數指標矩陣，并取上調靈活性和下調靈活性中的最小值作為當前時刻的靈活性指標。

供熱季和非供熱季的靈活性系數矩陣為：

Kh=[ki,j]96×121

(19)

Kn=[k′i,j]96×244

(20)

式中：Kh、Kn分別表示供熱季、非供熱季的靈活性系數矩陣；ki,j、k′i,j表示Kh、Kn中的元素；矩陣中行數96為一天中采樣點的數目；列數121、242分別表示為一年中供熱季與非供熱季的天數。

利用式(8)計算標準化矩陣，并將標準化矩陣進行得分的計算并歸一化得到S′h和S′n矩陣，用圖的形式表示，如圖6所示。

圖6 供熱季與非供熱季各個時段的權重值

由圖6可知，在供熱季系統靈活性不足的時段主要分布在10：00—18：00，其主要原因是在該時段光伏出力逐漸增大，使得火電機組的出力逐漸減小，但由于在供熱季，機組的最小出力不能過小，所以導致機組的下調靈活性不足。

在非供熱季系統靈活性不足的時段主要為20：00—24：00，其主要原因是在非供熱季的夏季，由于晚間負荷較大，但此時光伏出力為0，并且夏季的風資源較少，所以導致機組的上調靈活性不足。

在非供熱季的中午時段，雖然新能源出力逐漸增大，但負荷的消耗也逐漸增大，所以不會出現靈活性不足的情況。利用式(1)—(3)及式(17)計算供熱季與非供熱季的準確率，各個月份的準確率大小如表1所示。

表1 不同月份下準確率的大小

由表1可以看出，4個準確率指標趨勢大致相同，并且在供熱季，本文準確率指標較低，在非供熱季和其他準確率指標相差不大。現將供熱季與非供熱季中新能源的實際出力、預測出力、系統靈活性系數和準確率指標進行對比分析。供熱季典型日的新能源出力和準確率對比如圖7、圖8所示。

圖7 供熱季新能源的出力和系統靈活性曲線

圖8 供熱季典型日的準確率指標

由圖7、圖8可以看出，在該供熱季典型日中，新能源在中午時段的功率預測精度較差，導致該時段系統的靈活性較低。根據準確率計算結果，本文所提準確率指標E4在供熱季的典型日中具有較低的準確率，可以直觀反映系統靈活性與準確率指標的關系，從而實現對預測結果的評價。

非供熱季典型日的新能源出力和準確率對比如圖9、圖10所示。

圖9 新能源的出力和系統靈活性曲線

圖10 非供熱季典型日的準確率指標

由圖9、圖10可以看出在非供熱季的典型日中，預測精度較差的時段系統的靈活性較低。并且根據計算，本文所提準確率指標E4對應也較低，可以直觀反映系統靈活性與功率預測評價指標的關系，從而滿足了調度的需求，實現了對功率預測結果的評價。

4 結 論

考慮到功率預測評價對調度側的重要性，本文提出了面向調度需求的功率預測評價方法。本文將電力系統的靈活性與功率預測的評價指標聯系起來，首先根據供熱季與非供熱季火電機組的調峰深度不同，分別計算系統的靈活性系數矩陣，并且利用TOPSIS模型對靈活性系數矩陣進行排序和歸一化，得到各個時段的權重系數，最后將權重系數與準確率公式進行匹配，得到新的準確率評價指標。仿真結果表明，本文所提出的準確率評價指標在供熱季和非供熱季均具有較高的精度，能夠更好地服務于調度，滿足調度的需求。