基于反向传播神经网络的光伏电站运营策略研究.pdf

Microcomputer Applications Vol.39,No.10,2023文章编号：10 0 7-7 57 X（2 0 2 3)10-0 18 4-0 4开发应用基于反向传播神经网络的光伏电站运营策略研究微型电脑应用2 0 2 3年第39 卷第10 期王超，黎启明，司晓峰，窦常永（国网甘肃省电力公司，甘肃，兰州7 30 0 30）摘要：针对光伏电站运营过程中发电量波动大、消纳率低的问题，提出了一种基于反向传播神经网络的光伏电站运营策略。建立光伏电站发电预测策略，通过长短期记忆网络对光伏电站历史发电数据和天气气象预报数据进行分析，获得光伏电站的短期发电功率预测曲线。建立光伏电站源储控制策略，通过反向传播神经网络实现光伏电站内部的储能优化控制。建立光伏发电盈亏分析策略，通过计算最佳的光伏电站上网策略，实现光伏电站最优的并网发电。将基于反向传播神经网络的光伏电站运营策略应用在某地区的光伏发电站，其运行结果验证了该方法的有效性和可行性。关键词：反向传播；神经网络；光伏电站；运营策略；源储控制；盈亏分析中图分类号：TM73文献标志码：AResearch on Operation Strategy of Photovoltaic Power StationBased on Back Propagation Neural NetworkWANG Chao,LI Qiming,SI Xiaofeng,DOU Changyong(State Grid Gansu Electric Power Company,Lanzhou 730030,China)Abstract:Aiming at the problems of large fluctuation of power generation and low consumption rate in the operation of photo-voltaic power station,a photovoltaic power station operation strategy based on back propagation neural network is proposed.Ageneration prediction strategy of photovoltaic power station is established,and the short-term generation power prediction curveof photovoltaic power station is obtained by analyzing the historical generation data and weather forecast data of photovoltaicpower station through long-term and short-term memory network.The source storage control strategy of photovoltaic powerstation is established.The optimal control of energy storage in photovoltaic power station is realized by back propagation neuralnetwork,The profit and loss analysis strategy of photovoltaic power generation is established,it realizes the optimal grid con-nected power generation of photovoltaic power station by calculating the optimal grid connected strategy of photovoltaic powerstation.The operation strategy of photovoltaic power station based on back propagation neural network is applied to a photo-voltaic power station,and the operation results verify the effectiveness and feasibility of this method.Key words:back propagation;neural network;photovoltaic power station;operation strategy;source storage control;profitand loss analysis0引言随着中国“碳达峰”和“碳中和”目标时间的提出，国家对新能源场站建设的扶持力度不断加大，光伏电站建设数量也日益增加。传统的光伏电站并网发电中，光伏电站发电易受气候变化的影响，发电功率波动较大1-2。电网公司按照保守的发电出力进行光伏电站调度3-4，造成光伏电站弃光现象严重，发电消纳水平较低，影响光伏电站的经济收益5。因此，呕须采用有效的方法来提高光伏电站的发电消纳水平。国内外许多学者对光伏电站的运营做了研究。文献6 提出了一种基于市场化交易的光伏电站智慧运营方法，通过自发自用、剩余电量上网的方式进行了光伏电站的发电消作者简介：王超（197 4一），男，本科，高级工程师，研究方向为电力营销管理、购售电管理；黎启明198 2 一），男，硕士，高级工程师，研究方向为电价电费管理、购售电管理；司晓峰（1991一），男，本科，工程师，研究方向为继电保护、电力调度运行、调度自动化、营销购售电市场化；窦常永（197 5一），男，本科，工程师，研究方向为电价电费、客户服务、直购电交易。纳。文献7 提出了一种基于平准化电力成本(LOCE)方式的光伏电站运营方法，通过光伏电站激励计算和并网效益分析，实现了光伏电站发电的优化运营。文献8 提出了一种基于时序运行的光伏电站消纳与运营方法，通过对光伏电站发电出力的重构，实现对光伏电站的发电最优消纳。文献9提出了一种多场景规划的光伏电站发电消纳方案，通过双层模型，解决严重的弃光问题。由此可见，光伏电站运营方法多样，且取得一定的成果。但在上述研究中，未考虑天气气象波动大造成的发电出力不稳定问题，以及采用储能解决弃光严重的问题。针对光伏电站运营过程中发电量波动大、消纳率低的问题，本文提出了一种基于反向传播(BP)神经网络的光伏电站运营方法。该方法通过光伏电站发电功率预测、站内储能优184Microcomputer Applications Vol.39,No.10,2023化控制和光伏发电盈亏分析，实现了光伏电站的最优并网发电控制，最后，将本文方法应用在某地区的光伏发电站，其运行结果验证了本文方法的有效性和可行性。1光伏电站运营框架本文提出了一种基于BP神经网络的光伏电站运营方法，该方法重点考虑了光伏电站发电量波动大和消纳率低的问题。光伏电站运营框架如图1所示。该框架主要包括4个环节：光伏电站发电出力预测、光伏电站源储控制、发电盈亏分析和发电上网策略控制。光伏电站发电出力预测：1发电功率预测一工长短期记忆网络111天气气象历史发电数据数据图1光伏电站运营策略在光伏电站发电出力预测环节中，采用长短期记忆网络(LSTM)预测光伏电站的发电数据。在光伏电站源储控制环节，通过BP神经网络，分析光伏电站上网余电的时段特性，并实现内部储能优化控制。在发电盈亏分析环节，分析光伏发电的经济效益，获得光伏电站的最优上网时段策略。在发电上网策略控制环节，根据光伏电站最优的上网策略，联合对光伏发电机组、储能的控制，实现光伏电站最优的并网发电。2光伏电站运营模型基于BP神经网络的光伏电站运营方法是一种充分考虑光伏发电波动特性，并采用BP神经网络、储能等方式优化控制光伏发电出力的方法，可用于提高光伏电站的能源消纳水平，避免出现弃光问题。2.1光伏电站发电出力预测受气候变化影响，日照辐射量波动较大，从而造成光伏电站的发电出力波动较大1-11。长短期记忆网络对多种因素依赖关系分析较好，在处理时间发电出力预测方面优于时间递归网络和隐马尔科夫模型12。因此，本文使用长短期记忆网络算法对光伏发电出力进行预测。长短期记忆网络包括输入门、输出门和遗忘门。设输入激活函数为,存储激活函数为tanh,光伏发电权重为wa，输入的光伏电站历史数据为Pa，输人的天气预报数据为La，则光伏电站发电预测数据Pout为Pout=o(waPa,LaJ)X tanh(Pa)由式（1)可知，通过长短期记忆网络，可生成光伏发电站的日96 点负荷预测曲线数据，为光伏电站的源、储综合控制提供基础数据。2.2光伏电站源储控制为避免日照辐射量受气候影响波动大的问题，传统光伏发电站的发电出力功率设置较低，导致光伏电站出现弃光现象，影响光伏电站收益。本文在光伏电站配置储能装置，通过BP神经网络，计算光伏电站上网余电储能策略，并控制储能装置进行电能存储。同时，BP神经网络结合储能计算出最大的光伏电站上网功率，在日辐射量降低的时候，通过逆变器释放储能电量，补充光伏电站发电功率不足的问题。设第i个光伏发电的功率为Pa，储能的容量为 Sa，光伏开发应用发电功率和储能容量之间的权重为 Wi，储能控制的阈值为Qa，光伏发电的时间段为t，输出的功率线性函数ya为J.=2wP.S.a+Q.=1设激活函数为h，输出功率修正函数Pa为Pa=h(ya)在BP神经网络反向传播中，误差函数为E，反向传输层的权重为wa，传输的层数为na，光伏电站传输功率P。为P。=2=1Z(max(wa(ya XE)2储能容量 S。为光伏电站源储控制naS.=2(发电盈亏分析i-1(min(wa(Pa,Pa)X E)由式（4）、式（5）可知，通过BP神经网络，可获得光伏电发电上网策略控制站最大的发电出力功率和最小的储能容量配置。通过最大出力功率可以增加光伏电站上网发电功率，通过最小的储能容量配置，可降低储能配置投人。2.3发电盈亏分析光伏发电站的盈亏分析，通过计算光伏发电的盈亏平衡因子来计算光伏发电的成本与光伏发电收益平衡。其中，光伏发电站的投人成本包括电站的投资建设成本、储能的建设成本、光伏电站的运营成本等固定投人成本，光伏电站的收益为电网结算的发电电量。设光伏电站的上网电价为Va，上网的电量为me，固定投人成本单价折算Ga，则盈亏分析的利润U。为Ua=(VX me)-(Ga X me)盈亏平衡因子本质是光伏电站的盈利水平的统计值，设光伏电站的上一年收人为ka，光伏电站的上一年支出为za，依据光伏电站行业规范制定的年盈利增长率为ja，则光伏电站盈亏平衡因子G为G(k。一z当平衡因子G,0时，即为光伏电站盈利满足要求，通过发电盈亏分析，计算出上网发电的最优上网策略。2.4发电上网策略控制在发电上网策略分析阶段，根据光伏电站最优的上网策略，对光伏发电机组出力、储能的存储、储能逆变器功率进行综合控制。在光伏上网发电阶段，通过储能补偿光伏发电不足的功率部分。储能可有效抑制日照波动带来的影响，避免出现弃光问题。(1)3光伏电站运营仿真流程基于BP神经网络的光伏电站运营，首先对光伏电站的发电出力进行预测，然后利用储能实现对弃光电能的存储，再次对光伏发电站进行盈亏分析，获得最优的光伏上网控制策略，并对光伏电站的上网发电进行控制，仿真流程如图2所示。步骤1:采用LSTM网络，针对输人的数值气象预报和历史发电数据进行计算，生成光伏发电的超短期、短期功率预测结果。步骤2：结合光伏电站的储能，光伏电站的发电时段特性，采用源储控制方法对光伏电站的源储进行控制，以提高光伏电站的综合运营能力。.185.微型电脑应用2 0 2 3年第39 卷第10 期（2)(3)(4)(5)(6)U(7)Microcomputer Applications Vol.39,No.10,2023步骤3：计算光伏发电站的收入情况、光伏生产成本支持情况，通过盈亏平衡因子判断当前光伏电站的盈利状况。步骤4：根据光伏电站最优的上网策略，对光伏电站进行综合控制，通过储能补偿光伏发电不足的功率部分。步骤5：进行光伏电站的运营结算，生产光伏运营电站的运营报告及光伏发电盈利表。4算例分析采用本文所提的基于BP神经网络的光伏电站运营方法，在某区域的光伏电站进行测试，使用的操作系统环境为Win 10,CPU为酷睿7 2.8 G,内存为16 G。（1）预测准确率分析选择迭代次数为2 0 0 次，比较本方法LSTM网络预测与基于LOCE方式的光伏电站运营方法预测的准确率,预测结果如图3所示。1.000.950.90M0.850.80上0.75图3光伏发电站预测准确率图由图3可见，送代次数在6 0 次左右时，本文所提方法的准确率在9 7%左右,LOCE方法预测的准确度在9 1%左右，由此可见本文所提方法中LSTM网络预测准确度优于基于LOCE方式的光伏电站运营方法预测。（2）光伏发电站运营分析性能分析分别选择光伏电站的样本数据10 0 0 0、2 0 0 0 0、50 0 0 0、80000个，采用本文所提的基于BP神经网络的光伏电站运营方法与基于LOCE方式的光伏电站运营方法，对比运行分析性能，结果如表1所示。由表1可见，本文所提的基于BP神经网络的光伏电站运营方法在运行时长方面优于基于LOCE方式的光伏电站运营方法。（3）光伏发电站运营有效性分析光伏发电站运营有效性分析是为了验证本文所提方法开发应用开始的盈利水平，其计算方法是将运营盈利后与理论最优值进行比较，其百分比为光伏发电站运营有效性。分别选择光伏电输入气象预报和历史发电数据站的数量为10 0、2 0 0、30 0、40 0、50 0、6 0 0、8 0 0、10 0 0 个，对比本文所提基于BP神经网络的光伏电站运营策略与业界广泛光伏发电功率预测使用的LOCE方法的运营有效性，对比结果如表2 所示。表1光伏发电站运营分析性能分析表光伏电站源储控制模型计算时间/s电站数BP神经网络发电盈亏分析10.00020000运营是否最优50000是80000光伏上网策略控制表2 光伏发电站运营有效性分析表光伏电站运营核算光伏电站运营有效率/%光伏电站数量BP神经网络结束100图2 光伏电站运营仿真流程图2003004005006001000由表2 可见，本文所提方法在运营有效性方面优于LOCE方法。（4）光伏发电站运营盈利分析光伏电站运营盈利分析是为了验证本文所提方法的盈利能力，采用盈利金额的方式进行对比，分别选择光伏电站的数量为10 0、2 0 0、30 0、40 0、50 0、6 0 0、8 0 0、10 0 0 个，采用2021年8 月其中1天的数据，对比本文所提基于BP神经网络的光伏电站运营策略与业界广泛使用的LOCE方法的的盈利能力，对比结果如表3所示。表3光伏发电站运营盈利分析表光伏电站盈利/万元光伏电站数量BP神经网络100125.3200253.4300381.2LSTM预测-LOCE预测4004080送代次数微型电脑应用2 0 2 3年第39 卷第10 期33.567.3173.3262.1499.999.499.599.899.899.599.3511.6120160LOCE方法169.2349.4845.71423.6LOCE方法91.292.092.992.791.793.394.1LOCE方法102.3202.8308.2414.32005006001000由表3可见，本文所提方法在运营盈利能力方面优于LOCE方法。5总结为解决光伏电站运营过程中的发电量波动大、消纳率低的问题，本文提出了一种基于BP神经网络的光伏电站运营方法，设计了一种基于BP神经网络的光伏电站运营模型。通过长短期记忆网络对光伏电站历史发电曲线和天气气象数据的分析，预测出光伏发电站短期发电功率曲线。在此基础上，采用BP神经网络建立光伏电站源储控制策略，实现光伏电站内部的储能控制，抑制日照量波动带来的影响。然后，建立光伏发电盈亏分析策略，通过计算最佳的光伏电站上网策略，实现光伏电站最优的并网发电。最后，在某区域.186.639.4769.9156.6513.1617.5113.9Microcomputer Applications Vol.39,No.10,2023光伏发电站实际运行了基于BP神经网络的光伏电站运营方法，其运行结果验证本文所提方法的可行性和有效性。下一步，将结合新能源聚合商对光伏电站集群发电做进一步研究。参考文献1唐冬来，郝建维，刘荣刚，等，基于动态规划的配电台区三相负荷不平衡治理方法J.电力系统保护与控制,2 0 2 0,48(2 1):58-6 6.2蒋迪，莫熙，邵其专.基于VoIP技术的多网融合电网调度指挥系统研究J.自动化与仪器仪表，2 0 2 0（2)：114-116.3周毅，宋柄兵，王臻，等.基于多特征融合的电网调度员工作负荷综合评价方法J.微型电脑应用，2 0 19，35(11):71-75.4陈郑平，米为民，林静怀，等.电网调控操作智能助手方案探讨J.电力系统自动化，2 0 19，43（2 2）：173-178.5吴嘉豪，曾成碧，苗虹.计及子区域间能量交换的多区域综合能源系统协调经济调度J.电力建设，2 0 19，40(11):39-47.开发应用6 马溪原，郭晓斌，周长城，等.电网公司投资分布式光伏发电系统的典型运营模式分析J.南方电网技术，2018,12(3):52-59.7 孙建梅，陈璐.基于LCOE的分布式光伏发电并网效益分析J.中国电力，2 0 18，51（3）：8 8-93.8田鑫，张健，李雪亮，等。基于时序运行模拟的山东电网光伏发电消纳能力评估J.电力系统保护与控制，2020,48(8)34-43.9 孙曼，张大，曾伟，等.计及光伏消纳率的分布式光伏电源双层多场景规划J.现代电力，2 0 19，36（2）：17-24.10唐冬来，秦耀文，付世峻，等.基于台区功率共济的屋顶光伏功率消纳方法J.供用电，2 0 2 2，39（2）：9-14.11李正明，梁彩霞，王满商.基于PSO-DBN神经网络的光伏短期发电出力预测J.电力系统保护与控制，2020,48(8):149-154.12郝刚，金涛，基于隐马尔科夫模型的滚动轴承性能衰退评估J.重庆交通大学学报（自然科学版），2 0 2 1，40(2):123-128.微型电脑应用2 0 2 3年第39 卷第10 期（收稿日期：2 0 2 1-10-2 6）(上接第18 3页）用TFIDF和bLDA主题模型进行结合处理时比单一使用bLDA主题模型处理方式和TFIDF算法获得更优的性能，因此需要对TFIDF算法与bLDA主题模型进行结合分析，从而为特征词分配合适的权重。以TFIDF_SP和bLDA主题模型进行结合分析时，可以获得比TFIDF和bLDA主题模型结合高1.6 2%的聚类准确率，表明当特征词方式词性与位置变化时会引起文档表达效果的显著影响。4总结采用bLDA主题模型提取细主题粒度的时候也无法获得理想聚类效果，此时会对相同主题特征词造成弱化，将其判断为不同主题类型的特征词。值取0.8 时可以获得最优聚类效果，此时本文改进TFIDF算法能促进权重的进一步提升。本文改进TFIDF算法可以获得比TFIDF和bLDA主题模型结合高1.6 2%的聚类准确率，表明当特征词方式词性与位置变化时会引起文档表达效果的显著影响。1朱立东，张勇，贾高一，卫星互联网路由技术现状及展望J.通信学报，2 0 2 1，42（8）：33-42.2 龙勇，杨国军一种基于软件定义网络的通信网络保护方法J.电子器件，2 0 19，42（6）：156 4-156 8.3常青.恶劣环境下互联网通信接口自适应转换系统设计.现代电子技术，2 0 18，41(1）：2 8-31.4苗夺谦，张清华，钱宇华，等.从人类智能到机器实现模型：粒计算理论与方法J.智能系统学报，2 0 16，11(6):743-757.5李顺勇，钱宇华.基于多粒度粗糙决策下的属性约简算法J.中北大学学报（自然科学版），2 0 13，34（5）：589-592.6 杨田，伍秀华，王玉芳.覆盖粗糙集属性约简的新算法J.模糊系统与数学，2 0 13,2 7（2：18 3-190.7WANGC Z,WU C X,CHEN D G.A SystematicStudy on Attribute Reduction with Rough Sets Basedon General Binary Relations J.Information Sci-ences,2008,178(9):2237-2261.8 李兵洋，肖健梅，王锡淮.多半径邻域粗糙集改进约简算法J.计算机工程与应用,2 0 17,53(11)：7-12.9 CHEN D G,WANG C Z,HU Q H.A New Ap-proach to Attribute Reduction of Consistent and In-consistent Covering Decision Systems with CoveringRough SetsJ.Information Sciences,2007,177(17):3500-3518.10JING YG,LI T R,FUJITA H,et al.An Incremen-tal Attribute Reduction Approach Based on Knowl-参考文献edge Granularity with a Multi-granulation ViewJ.Information Sciences,2017,41l:23-38.11谢珺，秦琴，续欣莹.全覆盖粒计算模型的粒化、知识逼近及其算子性质研究J.南京大学学报（自然科学）,2 0 15,51(1):10 5-110.12金燕，黄杰.基于信息炳与词长信息改进的TFIDF算法J.浙江工业大学学报，2 0 2 1，49（2）：2 0 3-2 0 9.13赵金楼，朱辉，刘馨.基于改进TFIDF的图书馆知识群体特征提取研究J.系统科学与数学，2 0 19，39(9):1450-1461.（收稿日期：2 0 2 1-10-30）.187.