新能源电力系统的有功多目标动态调度方法研究

吴 卓

（国网澄城县供电公司，陕西 渭南）

引言

近年来，新能源受到社会广泛应用，相关行业快速发展，取得了相对较好的效果。新能源发电便是其中十分重要且关键的一个代表。当前的新能源电力系统覆盖调度的范围均是有限的，随机波动大，预测误差也较难控制，这种情况便极容易导致有功调度形成误区，给电网发电调度工作的执行带来极大挑战。为解决以上问题，相关人员设计了新能源电力系统动态调度方法，参考文献[1]和文献[2]，设定传统预测控制有功多目标动态调度方法、传统深度强化学习有功多目标动态调度方法，这一类控制方式虽然可以完成基础的有功调度任务及目标，但是缺乏针对性与稳定性，对于调度位置的锁定以及识别也并不精准，再加上外部环境及特定因素的影响，导致最终得出的动态调度结果无法打动预期的标准[3]。为此提出对新能源电力系统的有功多目标动态调度方法的设计与验证研究。结合实际的电力调度背景，从多个角度设置对应的调度目标，扩大实际的调度范围。构建灵活、多变的调度结构，针对新能源系统的运行状态和执行情况，制定最佳的调度方案，强化系统的实践应用效果，为后续相关技术的发展与创新奠定坚实基础[4]。

1 设计电力系统有功多目标动态调度方法

1.1 目标函数测算及多阶调度矩阵设计

新能源电力系统日常的调度任务及目标较为繁杂，对应的针对性也会更大一些，需要设定约束条件及多阶调度矩阵进行辅助限制[5]。首先，基于当前的调度要求，分阶段计算出单元调度目标函数，具体如公式（1）所示：

公式（1）中：K 表示单元调度目标函数，l 表示单元调度值，o 表示调度频次，β 表示转换约束比，β 表示新能源电力系统覆盖范围，结合当前的计算，针对目标函数，设置对应的调度基准，随即设计多阶的目标性有功调度矩阵，一般来说，传统的调度矩阵多为单向，调度的效率较低，导致最终得出的调度结果出现误差[6]。因此，需要先设计对等的矩阵调度流程，见图1。

图1 对等多阶调度矩阵流程结构图示

根据图1，完成对对等多阶调度矩阵流程结构的设计与研究分析。通过对等多阶的调度矩阵，依照顺序进行调度目标的分类，预处理矩阵中输入的调度数据以及信息，以待后续的执行处理。

1.2 构建自适应交叉电力系统有功多目标动态调度模型

结合自适应交叉原理，针对电力系统，设计一个多目标的有功动态调度模型。通常情况下，计及柔性资源的协调调度需要与DEED 模型进行融合，并指定对应的约束条件。由于调度形式有功功率平衡约束的需要，先计算出动态惯性权重，一般控制在3.21～4.55 之间为最佳[7]。

接下来，结合自适应交叉结构，测定出此时的调度变异率，控制在50%才能够确保后续有功多目标调度的稳定与安全。随着新能源电力系统随机变量的波动，此时，构建动态调度模型的结构，见图2。

图2 自适应交叉动态调度模型原理结构图示

根据图2，完成对动态调度模型原理结构的设计与实践应用。随即利用构建的多目标调度矩阵，测定出此时的调度范围，并通过模型将各个阶层的调度目标进行分类处理，结合当前新能源电力系统的有功处理要求，执行模型中的单元动态调度目标。需要注意的是，在自适应交叉结构的辅助下，模型设计的调度的标准可随时替换调整，具有较强的针对性与可靠性，一定程度上可以强化模型自身的调度能力，扩大调度范围。

1.3 Pareto 前沿处理实现动态调度

利用设计的模型在当前的有功调度范围之内设置控制节点，在乌托邦面的三角形内部标点，此时得到完整的Pareto 前沿范围。将模型的调度位置划分为S1、S2、S3 三个区域，对应三角形的三个角，制定乌托邦面目标函数，划定对应的有功多目标动态调度空间。这部分的主要作用是将新能源电力系统中采集的日常调度目标导入S1、S2、S3 三个区域之中，形成独立的调度单元，原理见图3。

图3 Pareto 前沿调度处理结构图示

根据图3，完成对Pareto 前沿调度处理结构的设计，以初始的调度区域为引导，明确标定出Pareto 前沿调度范围，采用多目标协同调度模型，对输出的基础调度结果做出修正处理，以此来保证最终调度的真实可靠。

2 方法测试

此次主要是对新能源电力系统的有功多目标动态调度方法的实际应用效果进行分析与验证研究，考虑到最终测试结果的真实性与可靠性，采用对比的方式展开分析，选定H 新能源电力系统作为测试的主要目标对象，参考文献设定传统预测控制有功多目标动态调度测试组、传统深度强化学习有功多目标动态调度测试组以及此次所设计的新能源系统有功多目标动态调度测试组，根据实际的测定需求及标准，对最终得出的测试结果比照研究，接下来，进行基础测试环境的搭建。

2.1 测试准备

结合实际的测定需求及标准，对H 新能源电力系统有功多目标动态调度方法测试环境进行搭建分析。当前先明确电力系统的实际覆盖范围，并将动态调度的区域划分为5 个模块，每一个模块需要设置一定数量的监测节点，节点之间互相搭接，形成循环性的调度监测环境。随即，调整调度的周期为24 个时段，共设置6 个周期。在可控的范围之内，计算出此时的调度权重值，并进行基础测试指标参数的设置，见表1。

表1 电力系统有功动态调度指标参数设置表

根据表1，完成对电力系统有功动态调度指标参数的设置与实践分析。接下来，由于新能源电力系统，要求对应的调度结构更加完整，所以，在此基础之上，可以使用采用Matlab 语言编程仿真，综合当前的测试情况，计算出区域多目标调度变异率，具体如公式（2）所示：

公式（2）中：D 表示区域多目标调度变异率，m 表示有功常数值，n 表示日负荷值，e 表示可控调度频次，ℑ 表示迭代最优解。将上述计算得出的区域多目标调度变异率转换设定为基础的动态调度标准，作用于后续的调度限制与约束处理。至此完成对基础测试环境的搭建，接下来，进行具体的测试验证。

2.2 测试过程及结果分析

在上述搭建的测试环境之中，结合当前的测定需求及标准，对H 新能源电力系统有功多目标动态调度方法作出多维测试研究。由于新能源电力系统的稳定性较强，不同运行的时段用电量也是不同的，所以在此环境下，将具体的测定时段作出划分，如下所示：6：30～10:00、11：00～12:00、12：30～14:00、14：30～20:00、20：30～24:00。基于当前电力系统的日常执行任务，结合选定5 个区域的供应要求，进行任务分配处理。构建当前的测试流程，具体见图4。

图4 基础测试流程结构图示

结合图4，完成对测试流程的设计。基于此，通过对新能源电力系统的调控，初始调度的效果保持平衡、稳定。完成多目标调度处理之后，依据得出的测试数值，计算出调度交叉率，具体如公式（3）所示：

公式（3）中：A 调度交叉率，v 表示单元调度值，u 表示调度频次，w 表示转换调度差，w 表示系统调度延时，η 表示平衡差值。结合当前的测定需求及标准，对最终得出的测试结果比照研究，接下来，进行具体的测定分析，见图5。

图5 测试结果对比分析图示

根据图5，完成对测试结果的分析：对比于传统预测控制有功多目标动态调度测试组、传统深度强化学习有功多目标动态调度测试组，此次所设计的新能源系统有功多目标动态调度测试组最终得出的调度交叉率均可以达到60%以上，说明此次所设计的多目标动态有功调度方法的针对性与稳定性较高，调度误差可控，具有实际的应用价值。

结束语

总而言之，以上便是对新能源电力系统的有功多目标动态调度方法的设计与验证研究，与初始的有功多目标动态调度形式相并对，此次所设计的调度结构更为灵活、多变，自身具有较强的针对性，在不同的新能源电力系统控制环境下，能够快速、精准地锁定调度目标，最大程度降低调度预测误差，完善优化系统的动态处理结构，提升系统实际的调度有效性，推动相关技术迈入一个新的发展台阶。