计及深度信念网络场景生成的风_光_储协同优化规划方法_史昭娣.pdf

第 47 卷 第 4 期 电 网 技 术 Vol.47 No.4 2023 年 4 月 Power System Technology Apr.2023 文章编号：1000-3673（2023）04-1331-09 中图分类号：TM 721 文献标志码：A 学科代码：47040 计及深度信念网络场景生成的风 光 储协同优化规划方法史昭娣，黄越辉，李湃，王伟胜（新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司)，北京市 海淀区 100192）Collaborative Optimization Planning for Wind/PV/storage Based on Scenario Generated by Deep Belief Network SHI Zhaodi,HUANG Yuehui,LI Pai,WANG Weisheng(State Key Laboratory of Operation and Control of Renewable Energy&Storage Systems(China Electric Power Research Institute),Haidian District,Beijing 100192,China)1ABSTRACT:As renewable energy output has stochastic and fluctuating characteristics,it is of great significance to have the renewable energy output stochastic scenarios in solving the problems as renewable generation expansion and energy storage planning.However,the existing methods of scenario generation based on the statistical models hardly consider the stochastic and fluctuating characteristics of renewable energy output.Based on this,this paper first proposes a time sequence scenario generation based on the deep belief network to fully explore the characteristics of renewable energy output.Secondly,comprehensively considering the system economy and the environmental protection costs,a optimization planning model for wind/photovoltaic(PV)/storage based on the mid-to-long-term timing power balance simulation is established.In order to fully take into account the stochastics output,this paper adopts several annual wind/PV output sequences as the input of the planning model.Taking the expected results of all the scenarios as the final optimization result,the reliability of the planning results is checked.Finally,a provincial power grid in China is taken as an example to analyze the wind/PV/storage capacity planning schemes under different stochastic scenarios and parameter sensitivity.Therefore,a solution to the renewable generation planning problem considering the stochastic output of the wind/PV is provided.KEY WORDS:renewable energy;stochastic output;generation planning;deep belief network;scenario generation 基金项目：国家电网有限公司总部管理科技项目(1300-20 2155460A-0-0-00)：“碳达峰碳中和背景下我国能源电力低碳发展模型方法研究及关键技术评估”。Project Supported by Science and Technology Project of State Grid Corporation of China(1300-202155460A-0-0-00):Research on Chinese Power System Low-carbon Development Model Method and Key Technology Assessment Under the Target of Carbon Dioxide Peaking and Carbon Neutrality.摘要：新能源出力具有随机波动性，考虑具有随机性的新能源出力场景对新能源与储能规划具有重要意义。现有基于随机抽样的场景生成方法难以考虑新能源波动性和出力时序性。基于此，首先提出一种基于深度信念网络的新能源出力时间序列场景生成方法，以充分挖掘新能源出力特性。其次，综合考虑系统经济性和环保性，建立了基于中长期时序电力平衡的风/光/储协同规划模型。为充分计及新能源出力随机性，采用多组风/光出力模拟序列作为规划模型输入，以所有场景期望结果作为最终规划结果，并对规划结果进行可靠性校核。最后，以我国某省级电网为例进行算例分析，研究不同随机场景和参数灵敏度下的风/光/储容量规划方案，为考虑新能源出力随机性的电源规划问题提供解决方案。关键词：新能源；出力随机性；电源规划；深度信念网络；场景生成 DOI：10.13335/j.1000-3673.pst.2022.1193 0 引言 世界范围内以风能、太阳能等新能源大规模开发利用1为特征的能源革命正在蓬勃发展。我国“双碳”目标的提出将推动新能源逐步向“主体能源”转变。大规模新能源接入电网增加了系统灵活性需求，配置储能是应对新能源出力随机性、提升系统灵活性的重要措施之一。国务院印发的2030 前碳达峰行动方案 中指出要积极发展“新能源+储能”，进行新能源与储能协同规划可以充分计及新能源和负荷的时序特性，在源头维持电力系统供需平衡，为保障系统安全可靠运行提供基础。风、光出力的随机波动性2使得新能源与储能协同规划条件、运行方式等更加复杂多样，现有基于确定性模型、面向常规电源的规划理论和方法已不能完全适应新能源与储能规划。一方面，基于持1332 史昭娣等：计及深度信念网络场景生成的风/光/储协同优化规划方法 Vol.47 No.4 续负荷曲线的随机生产模拟3难以灵敏、准确地反映新能源和负荷时序变化特性对系统经济技术指标的影响。另一方面，基于电量平衡和典型电力平衡的传统规划方法无法考虑新能源出力时空特性与系统新能源消纳能力。因此，新能源与储能协同规划问题需要充分考虑新能源出力随机特性。针对新能源与储能协同规划问题，已有学者进行了研究。文献4提出一种风/光/储微电网储能容量协同优化方法，建立了微电网储能容量规划-运行双层协同优化模型。文献5基于典型日方法建立了微电网风/光/储双层规划模型优化风/光/储容量配置。文献6综合分析风/光/储系统的技术经济特性，提出基于博弈论的风/光/储系统规划模型。可以看出，进行新能源与储能协同规划是高比例新能源电力系统经济、可靠发展的重要基础。但以上关于风/光/储协同规划的研究多是尽可能详细考虑系统短期时序运行特性。多基于典型日、典型周方法进行分析，如文献7采用典型日法研究了系统动态特性对新能源电源规划的影响。文献8基于典型周运行模拟方法进行新能源电源规划。这些方法在一些特定场景和系统中得到较好的应用，然而新能源资源特性具有季节性，需要更长时间尺度的运行模拟才能展现，典型日、典型周法无法反映新能源中长期随机波动性和统计特性。新能源中长期时间序列建模是开展风/光/储协同规划的重要基础9，现有研究大多采用场景生成法10模拟新能源出力随机性，通过对新能源出力进行抽样得到可能出现的场景，采用多个确定性场景来表征新能源出力随机性。例如拉丁超立方抽样法11、场景树法12。这些方法多是在短期时间尺度进行新能源场景生成，而风/光/储协同规划通常需要以年度新能源场景为规划边界。上述方法难以直接用于新能源中长期序列场景生成。已有关于新能源中长期出力序列建模的方法主要有基于波动特性建模法13以及马尔科夫-蒙特卡洛模拟法14，这些方法通常基于随机抽样方法，通过历史数据求解统计学概率分布模型参数并结合随机抽样法获得新能源出力场景。对应的应用于中长期时序的风/光/储协同规划也已有相应研究。文献15提出一种基于源-荷匹配的区域电网风/光/储容量配比优化方法。通过时序生产模拟计算，确定满足源-荷最优匹配后的风/光/储最优接入容量配比。文献16建立了基于直流潮流的新能源与多端柔性直流电网混合优化规划模型。这些方法虽然可以在特定场景下得到规划方案，然而基于随机抽样的场景生成法的精准度非常依赖所提统计指标，因此会对规划结果准确性造成影响，且对于风电和光伏需要分别建立对应的随机场景生成模型。此外，这些研究多基于某一特定中长期序列进行规划计算，鲜少考虑多场景随机规划法。随着人工智能技术快速发展，采用黑盒模型描述新能源出力随机性在一定程度上可降低建模面临的困难，由此衍生出基于神经网络的建模法。其采用的无监督学习方法可以对变量非线性概率分布进行拟合，基于给定样本训练数据，生成符合概率分布的新数据。如文献17以 Wasserstein 距离作为对抗神经网络判别器损失函数，采用对抗神经网络学习新能源出力时空相关性。文献18提出一种基于对抗神经网络的训练算法，结合新能源预测值生成新能源出力场景。基于以上分析，本文工作着重于新能源出力时间序列随机场景生成和风/光/储协同规划建模。首先，针对新能源出力随机性，提出一种基于深度信念网络(deep belief network，DBN)的新能源出力时间序列场景生成方法，该方法可通过神经网络学习，深入挖掘新能源历史出力数据特性，无须对新能源出力随机概率分布进行精细化建模，且应用于风、光场景生成时仅须微调训练网络。其次，综合考虑系统经济性、环保性以及新能源消纳，以最小化投资、运维成本和最小化碳排放成本为目标函数，建立了基于中长期时序电力平衡的风/光/储协同规划模型。最后，以我国某省级电网为例进行算例分析。值得注意的是，在风/光/储协同规划中，若仅采用某一种新能源出力场景进行计算容易导致规划结果与实际运行情况有偏差，影响规划结果的准确性。针对该问题，可以采用多场景随机规划法19-20进行规划，以提高规划结果的可靠性。算例测试结果表明，所提模型能够充分考虑新能源资源特性，得到满足一定经济性、环保性、可靠性、新能源消纳指标的风/光/储协同规划方案，为解决新能源电源和储能规划问题提供科学且有效的规划方法。1 基于深度信念网络的新能源出力时间序 列场景生成 采用人工智能方法的黑盒模型描述新能源出力随机性无