Page 14 - 电力与能源2022年第五期

3 7 6 徐呈程, 等: 基于神经网络预测的配电网光伏消纳能力评估方法

负荷不确定性, 利用循环神经网络对配电网未来
负荷能力进行短期预测, 估计未来目标配电网各
节点的负荷曲线 [ 11-18 ] 。然后根据预测负荷, 针对
光伏出力不稳定性的情况, 进一步考虑功率转移
下的配电网运行稳定性, 建立相应优化方程并求
解, 以此更好地模拟配电网在大规模接入光伏情
况下的运行特征。通过准确评估各个时刻、 各节
点光伏可接入容量, 本文方案可以较好地准确估
图 1 长短期记忆神经网络核心单元基本结构 23 ]
[
计配电网的光伏的最大消纳能力。
并以此来评估此情况下的光伏消纳能力。通常情
2 长短期记忆神经网络 况下, 主要考虑约束为配电网基本运行约束, 如电
循环神经网络是一种基于序列的机器学习模 网潮流约束及节点安全电压约束。
型。它可以对具有时序关系的数据进行建模, 然 3.1.1 目标函数
配电网光伏消纳能力的评估以最大化整体配
而, 由于此网络在学习过程中存在梯度消失或者
电网接入的光伏量作为目标函数, 即用配电网各
爆炸, 以致于学习长期时序关系对这种网络来说
节点分布式光伏一天接入量之和来表征配电网的
存在着一定的困难 [ 19-21 ] 。由此, 本文对其进行了
改进, 包含一些结构化的存储单元的循环神经网 整体光伏消纳能力:
T N
络———长期短期记忆( LSTM ) 算法 [ 22 ] 。 LSTM 相 P = PV PV i , t ( 1 )
∑ t =1∑ t = 1
比传统循环神经网络, 额外添加了 3 个精心设计 式中 N PV ———配电网系统中接入的光伏节点总
的被称为“ 门” 的结构, 即输入门、 遗忘门和输出 数, 此处假设所有节点均有条件接入分布式光伏,
门。它们具有删除或 添加信息到各种状态的能 则 N PV=N , 即 N PV 为系统节点总数; PV i , t ———第
力。这种结构实现了一种信息选择的方式。通过 i个节点 t 时刻的接入光伏量; T ———光伏接入的
一个额外的遗忘门, 该模型在避免了梯度消失问 总时间, 本文研究对象设置为日出至日落时间段。
题的同时也具有了学习长期依赖信息的能力。从 3.1.2 配电网运行约束
负荷预测角度来看, 这种模型通过添加“ 门” 这种 传统配电网三相潮流约束如下 [ 25 ] :
记忆单元实现了循环神经网络对负荷时序数据中 P i , t+Q i , t
2
2
P i + 1 , t =P i , t-R i + 1 -
2
过去信息的记忆能力。 U i - 1 , t
,
{,…, T }
LSTM 神经网络 中核心单元的基本结构如 Q PL , i , t+Q PV , i , t ∀t∈ 1 ( 2 )
2
2
图 1 所示。该结构在 LSTM 网络中重复出现并 P i , t+Q i , t
{,…, T }
,
Q i + 1 , t =Q i , t-X i + 1 -Q QL , i , t ∀ t∈ 1
2
相互连接构成链式架构。不同于传统循环神经网 U i - 1 , t
( 3 )
络的基本单元仅仅是一个拥有 tanh 层的单层感
, , , ———流 过 节 点i 和
知机, LSTM 每 个 核 心 单 元 都 具 有 4 个 交 互
式中 P i , t P i+1 , t Q i , t Q i+1 , t
, ———
层 [ 23-24 ] 。其中每条箭头 线 都 代 表 一 个 从 输 出 到 i+1 的t时刻有功与无功功率; Q PL , i , t Q PV , i , t
其他节点之一的输入向量。合并的线表示将向量 节点 i 处 t 时 刻 的 负 荷 与 光 伏 有 功 出 力;
,
———节 点 i 在 t 时 刻 的 无 功 负 荷; R i
前后合并成一个长向量, 而岔开的线表示内容被 Q QL , i , t
———节点i-1 和i间线路的电阻和电抗值。
X i
复制并分发到其他位置。
节点需要满足节点间电压平衡约束以及节点
3 配电网光伏消纳能力评估方法 稳态电压约束 [ 26 ] :
2
U i + 1 , t =U i , t-2 ( R i P i , t+X i Q i , t +
)
2
3.1 配电网光伏消纳优化模型
2 2
2 P i , t+Q i , t
光伏消纳能力的评估一般以考虑配电网在分 ( R i +X i ) , ∀t∈ 1
2
{,…, T } ( 4 )
2
U i - 1 , t
布式光伏接入后的潮流分布为核心, 建立非线性
U min ≤U i , t ≤U max , ∀ t∈ 1
{,…, T }
优化模型, 并利用优化求解器求解出在当前负荷
式中 U i , t ———节 点i 处t 时 刻 的 电 压 值; U max ,
及网络约束下每个网络节点的最大光伏接入量,