基于非時(shí)序生產(chǎn)模擬的風(fēng)電消納評估方法

李海波，魯宗相，喬穎，齊軍

(1.清華大學(xué)電機(jī)工程與應(yīng)用電子技術(shù)系，北京市 100084；2. 內(nèi)蒙古電力調(diào)度控制中心,呼和浩特市 010020)

?

基于非時(shí)序生產(chǎn)模擬的風(fēng)電消納評估方法

李海波1，魯宗相1，喬穎1，齊軍2

(1.清華大學(xué)電機(jī)工程與應(yīng)用電子技術(shù)系，北京市 100084；2. 內(nèi)蒙古電力調(diào)度控制中心,呼和浩特市 010020)

準(zhǔn)確的消納能力評估對于風(fēng)電發(fā)展規(guī)劃具有重要意義,但在規(guī)劃階段難以獲取詳實(shí)的時(shí)序風(fēng)電出力數(shù)據(jù)，典型的時(shí)序消納評估方法難以適用，亟需研究根據(jù)有限的風(fēng)資源概率特性數(shù)據(jù)進(jìn)行消納能力評估的方法?；陔S機(jī)生產(chǎn)模擬原理，提出了一種以風(fēng)電電量消納最大化為目標(biāo)的泛函極值模型和基于啟發(fā)式方法的實(shí)用化評估算法。該方法僅需要風(fēng)資源的概率分布信息，可較好解決規(guī)劃階段風(fēng)電數(shù)據(jù)源有限的難題，且計(jì)算速度較快。基于我國北方某大型風(fēng)電基地2014年實(shí)際運(yùn)行數(shù)據(jù)及2020年規(guī)劃數(shù)據(jù),進(jìn)行了仿真分析。通過2014年實(shí)際風(fēng)電消納結(jié)果及仿真結(jié)果的對比驗(yàn)證了所提方法的正確性，然后針對2020年規(guī)劃數(shù)據(jù)分析了風(fēng)電電量消納與裝機(jī)容量的飽和趨勢，并定量研究了靈活性措施對風(fēng)電消納的促進(jìn)作用，為風(fēng)電規(guī)劃提出了建議。

風(fēng)電消納；隨機(jī)生產(chǎn)模擬；泛函極值模型；有限數(shù)據(jù)源

0 引 言

風(fēng)力發(fā)電是最有潛力的新能源發(fā)電形式之一。截止2014年底，全球累計(jì)風(fēng)電裝機(jī)容量達(dá)到了369.62 GW，我國風(fēng)電累計(jì)裝機(jī)容量達(dá)到了114.75 GW，占到了全球的31.05%[1]。歐洲和美國甚至分別提出了2050年可再生能源比例達(dá)到100%和80%的構(gòu)想和路線圖[2-3]，而中國則提出在2050年實(shí)現(xiàn)可再生能源比例達(dá)到60%的構(gòu)想[4]，高比例可再生能源發(fā)電的清潔電力系統(tǒng)成為行業(yè)的共同愿景。但是根據(jù)目前電力“十三五”規(guī)劃，火電規(guī)劃呈現(xiàn)較大冗余，從而限制了風(fēng)電發(fā)展，為了實(shí)現(xiàn)上述目標(biāo)，需要對系統(tǒng)進(jìn)行長期且細(xì)致的規(guī)劃，從電源到電網(wǎng)都需要為適應(yīng)風(fēng)電發(fā)展而做出調(diào)整。在電源規(guī)劃中，很重要的環(huán)節(jié)之一是風(fēng)電消納能力評估，即提供系統(tǒng)在一定條件下能夠接納的風(fēng)電極限，并指出限制消納的關(guān)鍵環(huán)節(jié)，從而為規(guī)劃提供基礎(chǔ)數(shù)據(jù)和優(yōu)化方向。

風(fēng)電消納能力受多種因素制約，根據(jù)實(shí)際運(yùn)行經(jīng)驗(yàn)可知，主要制約因素有調(diào)頻約束[5]、調(diào)峰約束[6-10]、局部地區(qū)電壓穩(wěn)定約束[11]、斷面潮流安全約束[12]、政策影響[13]等。統(tǒng)計(jì)分析表明，我國“三北地區(qū)”的棄風(fēng)原因是多種多樣的。內(nèi)蒙古“大風(fēng)電，小負(fù)荷”的發(fā)展模式，客觀上造成了風(fēng)電裝機(jī)規(guī)模超過了本地風(fēng)電消納能力，同時(shí)消納市場不落實(shí)、外送通道不足，是造成內(nèi)蒙古棄風(fēng)嚴(yán)重的主要原因；而東北三省嚴(yán)重棄風(fēng)的主要原因是調(diào)峰能力不足；冀北地區(qū)棄風(fēng)則主要緣于風(fēng)電與電網(wǎng)發(fā)展不協(xié)調(diào)，電網(wǎng)發(fā)展速度難以滿足風(fēng)電快速增長的需求從而導(dǎo)致風(fēng)電送出受阻；甘肅棄風(fēng)主要是受跨省跨區(qū)通道能力不足影響[14-15]。

目前已有大量文獻(xiàn)研究風(fēng)電消納能力評估模型[6-10]，如文獻(xiàn)[6]基于日前風(fēng)功率預(yù)測信息，對常規(guī)機(jī)組啟停狀態(tài)進(jìn)行優(yōu)化，進(jìn)而探尋次日各時(shí)段風(fēng)電可消納的上下限。文獻(xiàn)[7]基于火電、水電和風(fēng)電的發(fā)電技術(shù)特性，考慮電力和熱力負(fù)荷平衡，以及輸電容量等約束，建立了風(fēng)電消納能力分析模型，并定量分析了影響風(fēng)電消納能力的關(guān)鍵因素。文獻(xiàn)[8]在實(shí)時(shí)調(diào)度模型中考慮網(wǎng)絡(luò)安全約束，研究實(shí)時(shí)風(fēng)電消納能力評估方法。文獻(xiàn)[9]基于調(diào)峰容量約束，建立了考慮限制風(fēng)電出力的最大消納能力評估模型。文獻(xiàn)[10]基于系統(tǒng)調(diào)峰能力，分析得到各時(shí)段的電網(wǎng)接納風(fēng)電空間，提出了一種棄風(fēng)電量評估方法。但總體來說，上述研究均是基于時(shí)序模擬建立相關(guān)的評估模型，需要大量風(fēng)功率時(shí)序數(shù)據(jù)，對于規(guī)劃階段，目標(biāo)地區(qū)往往無法獲取精確的風(fēng)功率出力曲線，而目前大多數(shù)時(shí)序模擬方法在數(shù)學(xué)上有很多強(qiáng)制性假設(shè)(如時(shí)序曲線需滿足平穩(wěn)性、馬爾科夫過程等)，而不少假設(shè)已經(jīng)被證明與風(fēng)資源的實(shí)際特性不吻合。因此，缺乏風(fēng)電時(shí)序數(shù)據(jù)是規(guī)劃階段進(jìn)行風(fēng)電消納能力評估的難題之一。

為了解決有限風(fēng)電數(shù)據(jù)源的問題，有文獻(xiàn)從調(diào)峰充裕度的角度[16-17]，建立系統(tǒng)調(diào)峰不足概率和期望等指標(biāo)，研究該指標(biāo)隨風(fēng)電接入容量的變化趨勢，根據(jù)該指標(biāo)的閾值確定風(fēng)電的消納極限，但是該方法無法精細(xì)考慮評估時(shí)段內(nèi)常規(guī)機(jī)組的開機(jī)情況，可能導(dǎo)致評估結(jié)果與實(shí)際運(yùn)行狀況有一定偏差。文獻(xiàn)[18]基于隨機(jī)生產(chǎn)模擬，提出了供暖季風(fēng)電電量消納能力的評估新方法，針對運(yùn)行階段的非時(shí)序風(fēng)電消納能力評估進(jìn)行了有益探索。

本文基于隨機(jī)生產(chǎn)模擬原理，建立以風(fēng)電消納最大化為目標(biāo)的泛函極值模型，并提出基于啟發(fā)式算法的求解流程。第1節(jié)對風(fēng)電消納評估的一般原理和經(jīng)典方法進(jìn)行了闡述，第2節(jié)基于隨機(jī)生產(chǎn)模擬原理，建立以風(fēng)電消納電量最大化為目標(biāo)的泛函極值模型，第3節(jié)基于啟發(fā)式方法提出上述模型的實(shí)用化求解流程，第4節(jié)針對我國北方某大型風(fēng)電基地進(jìn)行算例分析，利用2014年實(shí)際數(shù)據(jù)進(jìn)行全年風(fēng)電消納能力評估計(jì)算，驗(yàn)證本文算法的正確性和有效性，然后對2020年規(guī)劃方案進(jìn)行消納能力評估，并研究風(fēng)電消納能力與裝機(jī)容量的關(guān)系，尋找風(fēng)電接入系統(tǒng)的極限點(diǎn)，為風(fēng)電發(fā)展規(guī)劃提供指導(dǎo)；第5節(jié)給出本文結(jié)論。

1 風(fēng)電消納能力評估的一般原理

傳統(tǒng)電力系統(tǒng)調(diào)峰的目的主要是通過調(diào)整常規(guī)機(jī)組出力來滿足負(fù)荷變化需求，并通過備用容量來應(yīng)對各類不確定性因素，理論上某日系統(tǒng)最大峰谷差即為該日系統(tǒng)的調(diào)峰容量需求。根據(jù)風(fēng)電運(yùn)行數(shù)據(jù)統(tǒng)計(jì)規(guī)律可知，隨著風(fēng)電接入后，風(fēng)電具有明顯的反調(diào)峰現(xiàn)象，即凈負(fù)荷(負(fù)荷與風(fēng)電之差)的峰谷差往往大于負(fù)荷峰谷差，進(jìn)一步增加了電網(wǎng)調(diào)峰容量需求，如果系統(tǒng)調(diào)峰容量不足，則需要通過棄風(fēng)進(jìn)行有功控制。因此，通過對比系統(tǒng)調(diào)峰能力與調(diào)峰需求，即可定量得到各時(shí)段棄風(fēng)量，進(jìn)而得到該時(shí)段風(fēng)電電量消納能力。而系統(tǒng)調(diào)峰能力則由常規(guī)機(jī)組調(diào)節(jié)能力、是否供熱季供熱需求、電網(wǎng)斷面輸送能力、局部地區(qū)安全穩(wěn)定約束等各因素綜合確定。

目前風(fēng)電消納能力評估的主流方法是時(shí)序模擬方法，各種方法雖然各有差異，但核心就是2個(gè)部分：(1)利用確定性或概率性機(jī)組組合模型來確定常規(guī)機(jī)組開機(jī)方式；(2)基于機(jī)組開機(jī)方式和日內(nèi)實(shí)時(shí)風(fēng)電出力數(shù)據(jù)，根據(jù)系統(tǒng)常規(guī)機(jī)組的調(diào)峰能力確定風(fēng)電消納電力及電量。風(fēng)電消納的原理如圖1所示。在時(shí)刻t，負(fù)荷值與常規(guī)機(jī)組可調(diào)出力下限(包括機(jī)組供熱約束最低出力、最小穩(wěn)燃出力等)之間的差值為系統(tǒng)下調(diào)靈活性，記為FLEX,d(t)，其表達(dá)式為

(1)

如果時(shí)刻t風(fēng)電出力小于FLEX,d(t)，則風(fēng)電可被全額接納；如果時(shí)刻t風(fēng)電出力大于FLEX,d(t)，則系統(tǒng)由于系統(tǒng)下調(diào)峰能力不足出現(xiàn)棄風(fēng)，棄風(fēng)電力為

Pcut(t)=Pwind(t)-FLEX,d(t)

(2)

圖1 風(fēng)電消納評估原理示意圖Fig.1 Schematic diagram of wind power absorption evaluation

時(shí)序方法具有直觀、獲取信息較多的優(yōu)點(diǎn)，但若想獲取全年的風(fēng)電消納情況，需要對全年的風(fēng)電出力時(shí)序曲線進(jìn)行模擬，目前的模擬方法難以保證該時(shí)序曲線的準(zhǔn)確性。另外，全年機(jī)組組合優(yōu)化計(jì)算量非常大，耗時(shí)較長。因此，探索一種非時(shí)序的快速算法，成為規(guī)劃階段研究風(fēng)電消納能力的關(guān)鍵技術(shù)問題。事實(shí)上，風(fēng)電消納評估屬于年度電力電量平衡問題，而隨機(jī)生產(chǎn)模擬方法是解決該問題的有力工具，其計(jì)算復(fù)雜度主要涉及概率的卷積運(yùn)算，可通過快速傅里葉變換(fast fourier transform, FFT)等方法進(jìn)行快速計(jì)算。時(shí)序和非時(shí)序方法進(jìn)行風(fēng)電消納能力評估的優(yōu)缺點(diǎn)對比如表1所示。

表1 時(shí)序與非時(shí)序風(fēng)電消納能力評估方法對比

Table 1 Comparison between time sequence and non-sequential evaluation methods of wind power accommodation

目前已經(jīng)有大量文獻(xiàn)研究了含風(fēng)電系統(tǒng)的隨機(jī)生產(chǎn)模擬模型，但主要存在以下問題：(1)風(fēng)電作為“負(fù)負(fù)荷”參與生產(chǎn)模擬，無法評估棄風(fēng)率等指標(biāo)，這僅適合風(fēng)電接入比例較低的場景[19]；(2)沒有充分考慮供熱季熱電機(jī)組出力對風(fēng)電消納的影響[20]。本文提出的利用隨機(jī)生產(chǎn)模擬進(jìn)行風(fēng)電消納評估的原理如圖2所示。首先，根據(jù)負(fù)荷需求，按照某種規(guī)則獲取常規(guī)機(jī)組的開機(jī)集合(相當(dāng)于機(jī)組組合優(yōu)化過程)；其次，根據(jù)供熱需求，開啟供熱機(jī)組使其滿足熱負(fù)荷需求；最后，將所有非供熱常規(guī)機(jī)組出力設(shè)定為基荷。此時(shí)應(yīng)得到各常規(guī)機(jī)組的出力概率曲線，進(jìn)行卷積即可得到總出力的累積概率分布，與負(fù)荷累積概率分布之間的空間即為可消納風(fēng)電空間，但是由于風(fēng)電概率分布曲線特性，可能無法填滿該空間，因此上述空間僅是風(fēng)電消納的理論上限。

圖2 非時(shí)序風(fēng)電消納評估機(jī)理Fig.2 Non-sequential evaluation mechanism of wind power accommodation

2 考慮風(fēng)電消納最大化的非時(shí)序泛函極值模型

2.1 負(fù)荷/風(fēng)電概率模型

本文考慮電負(fù)荷與熱負(fù)荷這2類，采用累積概率分布函數(shù)(cumulative probability function, CDF)和概率密度函數(shù)(probability density function, PDF)來表示負(fù)荷/風(fēng)電模型，以電負(fù)荷為例，根據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)可得到電負(fù)荷經(jīng)驗(yàn)概率密度函數(shù)，根據(jù)負(fù)荷增長率預(yù)測可將其擴(kuò)展到規(guī)劃年相應(yīng)的概率分布，記為fL(x)，則對應(yīng)概率分布函數(shù)為

(3)

同理，也可得到熱負(fù)荷與風(fēng)電的經(jīng)驗(yàn)概率密度函數(shù)fH(x)、fW(x)與累積概率分布函數(shù)FH(x)、FW(x)。以我國北方某電網(wǎng)1月份數(shù)據(jù)為例，其電/熱負(fù)荷及風(fēng)電累積概率曲線如圖3所示，可以看出，風(fēng)電出力累積概率曲線的下降沿比負(fù)荷累積概率曲線相比更加平緩。

圖3 系統(tǒng)電/熱負(fù)荷及風(fēng)電出力累積概率分布(1月份)Fig.3 Cumulative probability distribution of power/heat load and wind power(January)

2.2 常規(guī)機(jī)組概率模型

常規(guī)機(jī)組主要包括熱電機(jī)組、非供熱火電機(jī)組、水電機(jī)組與核電機(jī)組等，各類機(jī)組除了參數(shù)不同外，電出力概率模型相同，但供熱機(jī)組除了滿足電出力約束外，還應(yīng)滿足熱出力約束。因此本文從供熱角度，將常規(guī)機(jī)組分為供熱機(jī)組與非供熱機(jī)組兩類，其中非供熱機(jī)組包括非供熱火電機(jī)組、水電機(jī)組與核電機(jī)組等。

假定系統(tǒng)有N臺常規(guī)機(jī)組，其中有M臺供熱機(jī)組。對于非供熱機(jī)組i(i=N-M+1,…,N)，其出力隨機(jī)變量為Pi滿足約束(4)，其累積概率分布函數(shù)為

Pi∈[Pimin,Pimax]

(4)

(5)

對于供熱機(jī)組i(i=1,…,M)而言，其熱出力與電出力滿足一定的約束關(guān)系，以背壓式熱電機(jī)組為例，其電熱出力關(guān)系為

Hi=aiPi+bi,Hi∈[Himin,Himax]

(6)

將供熱機(jī)組i的熱出力及電出力視作隨機(jī)變量，其累積概率分布函數(shù)及概率密度函數(shù)如式(7)～(8)所示，熱出力及電出力概率密度函數(shù)的關(guān)系如式(9)所示。

(7)

(8)

(9)

2.3 基于隨機(jī)生產(chǎn)模擬的風(fēng)電消納泛函極值模型

本文提出的風(fēng)電消納模型以風(fēng)電消納電量最大化為目標(biāo)，其目標(biāo)函數(shù)為

(10)

約束條件集C主要包括常規(guī)機(jī)組概率約束集、系統(tǒng)熱出力與電出力約束集等，各機(jī)組的概率約束參見2.2節(jié)，而系統(tǒng)熱出力約束為

fhi(HS)=fh1(H1)*fh2(H2)*…*fhM(HM)

(11)

(12)

系統(tǒng)電出力約束為

fpi(PS)=fp1(P1)*…*fpN(PN)*fw(Pw)

(13)

通過求解上述模型，能夠得到滿足約束條件集的最優(yōu)常規(guī)機(jī)組出力概率函數(shù)及風(fēng)電出力概率函數(shù)，并使得風(fēng)電電量消納達(dá)到最大化。然而上述模型在數(shù)學(xué)上屬于泛函極值模型，目前不存在有效的解析求解方法，因此本文基于啟發(fā)式方法，提出上述模型的實(shí)用化算法流程。

3 基于啟發(fā)式方法的算法流程

本文基于隨機(jī)生產(chǎn)模擬原理，從最大化風(fēng)電消納的目標(biāo)出發(fā)，優(yōu)化常規(guī)機(jī)組選擇、供熱負(fù)荷及電負(fù)荷安排、風(fēng)力發(fā)電安排等各環(huán)節(jié)，提出實(shí)用化的泛函模型求解步驟，在此基礎(chǔ)上對風(fēng)電消納能力進(jìn)行評估。算法實(shí)施步驟如下。

Step2：根據(jù)供熱需求篩選供熱機(jī)組開機(jī)集合，供熱機(jī)組的篩選原則是在滿足供熱需求的基礎(chǔ)上，盡量減少供熱機(jī)組開機(jī)容量，因此需要優(yōu)先選擇熱電比大的機(jī)組。根據(jù)熱電比對供熱機(jī)組進(jìn)行排序，如果相等則選擇煤耗較低的機(jī)組，直至滿足式(14)，則供熱機(jī)組集合選擇完畢，記為SCHP。

(14)

式中αi和Pi,max分別為供熱機(jī)組i的熱電比和額定容量；Hmax是最大熱負(fù)荷需求。

Step3：根據(jù)電負(fù)荷及備用需求、風(fēng)電置信度，基于常規(guī)機(jī)組靈活性指標(biāo)，確定剩余常規(guī)機(jī)組的開機(jī)容量。常規(guī)機(jī)組靈活性指標(biāo)如式(15)所示，將其按照從大到小順序進(jìn)行排列，依次選擇機(jī)組進(jìn)入集合，直至滿足式(16)，則所有常規(guī)機(jī)組集合選擇完畢，非供熱常規(guī)機(jī)組集合記為SC。

(15)

(16)

Step 4：根據(jù)“以熱定電”安排供熱機(jī)組的電出力概率曲線，首先各供熱機(jī)組安排在最小出力，即

(17)

常規(guī)機(jī)組總出力概率曲線取值為

(18)

Step 5：安排常規(guī)非供熱機(jī)組的基荷部分功率為

Pi=Pimin,i∈SC

(19)

常規(guī)機(jī)組總出力概率曲線取值為

(20)

式中S指集合SCHP與SC的并集。

Step6：根據(jù)熱電比從大到小對供熱機(jī)組進(jìn)行排序，記k=1，增加機(jī)組k的出力，此時(shí)熱負(fù)荷曲線安排到所有供熱機(jī)組出力下限之和，即

(21)

記H0=xH，若Hk-1+αk(Pkmax-Pkmin)

(22)

否則，則按照式(23)進(jìn)行安排，該步驟結(jié)束之后，進(jìn)入Step7。

(23)

對應(yīng)的常規(guī)機(jī)組出力概率曲線按照式(24)修正

(24)

根據(jù)上述步驟，可以推導(dǎo)得到上述區(qū)間的邊界值，以及電出力與熱出力變量之間的關(guān)系，如式(25)所示，式中各符號含義參見圖4。

(25)

圖4 常規(guī)機(jī)組電/熱出力曲線修正示意圖Fig.4 Amendment process of power/heat output curves of conventional units

該步驟結(jié)束后，得到的FP(x)即為滿足供熱需求下的常規(guī)機(jī)組出力概率持續(xù)曲線。

Step7：常規(guī)機(jī)組電出力概率曲線與負(fù)荷累積概率曲線之間的空間即為風(fēng)電消納空間，但是由于風(fēng)電的累積概率分布特性，其下降沿往往比負(fù)荷累積概率曲線更加平緩，因此無法填充全部的消納空間，如圖5所示。

圖5 風(fēng)電消納電量計(jì)算原理示意圖Fig.5 Schematic diagram of wind power accommodation calculation

風(fēng)電消納電量及棄風(fēng)率計(jì)算公式為

(26)

(27)

本文提出的算法流程如圖6所示。

圖6 風(fēng)電消納能力評估算法流程圖Fig.6 Algorithm flowchart of wind power accommodation evaluation

4 算例分析

本節(jié)基于我國北方某大型風(fēng)電基地，對其2014運(yùn)行年進(jìn)行消納能力評估，驗(yàn)證本文算法的正確性和有效性，針對2020年規(guī)劃方案進(jìn)行評估，研究該地區(qū)風(fēng)電的極限消納電量。運(yùn)行年和規(guī)劃年該地區(qū)年最大負(fù)荷、常規(guī)機(jī)組及風(fēng)電裝機(jī)容量如表2所示。

表2 運(yùn)行年與規(guī)劃年系統(tǒng)概況

Table 2 Overview of system in 2014 and 2020 GW

4.1 基礎(chǔ)條件

以月為周期進(jìn)行隨機(jī)生產(chǎn)模擬計(jì)算，根據(jù)各月份最大負(fù)荷及系統(tǒng)裝機(jī)容量情況，采用本文提出的機(jī)組選擇模型，可以得到各月份各類型機(jī)組的開機(jī)容量，如圖7所示，可以看出，在供暖季為了滿足熱負(fù)荷需求，供熱機(jī)組開機(jī)容量較大，大約占總開機(jī)容量的50%以上。

圖7 各月份常規(guī)機(jī)組開機(jī)容量Fig.7 Online capacity of conventional units in each month

4.2 運(yùn)行年風(fēng)電消納能力評估

根據(jù)上述2014年系統(tǒng)基礎(chǔ)數(shù)據(jù)，本節(jié)分別對1—12月份進(jìn)行隨機(jī)生產(chǎn)模擬計(jì)算，得到各月份系統(tǒng)風(fēng)電消納電量、棄風(fēng)電量及棄風(fēng)率數(shù)據(jù)，如表3所示。

表3 運(yùn)行年風(fēng)電消納能力評估結(jié)果

Table 3 Evaluation results of wind power accommodation

將上述仿真計(jì)算結(jié)果與2014年該系統(tǒng)實(shí)際風(fēng)電消納數(shù)據(jù)進(jìn)行對比，如表4所示。

表4 仿真評估結(jié)果與實(shí)際數(shù)據(jù)對比

Table 4 Comparison between simulation and actual data

通過表3可以看出，系統(tǒng)棄風(fēng)主要出現(xiàn)在供暖期1—3月份及11—12月份，棄風(fēng)率均超過了30%。非供暖期5月份棄風(fēng)率最高，約為10%，主要原因是該月份風(fēng)資源較好，但是系統(tǒng)調(diào)峰能力有限。通過表4數(shù)據(jù)可以看出，基于本文方法的評估結(jié)果與實(shí)際運(yùn)行結(jié)果基本一致，棄風(fēng)電量和棄風(fēng)率評估指標(biāo)與實(shí)際指標(biāo)的相對偏差分別為0.96%和3.18%，在工程上屬于可接受范圍，從而證明了本文所提方法的正確性。需要說明的是，所選的測試系統(tǒng)屬于“三北”風(fēng)電富集區(qū)域，其棄風(fēng)率比較高，按現(xiàn)有常規(guī)方法還難以實(shí)現(xiàn)全額消納。

4.3 規(guī)劃年風(fēng)電消納能力極限評估

根據(jù)2020年規(guī)劃數(shù)據(jù)，風(fēng)電仍采用上述算例中的概率分布，將其出力按照容量增長比例擴(kuò)大，從而得到規(guī)劃年風(fēng)電可發(fā)出力概率分布，類似可獲取電/熱負(fù)荷需求的累積概率分布。首先對規(guī)劃方案進(jìn)行消納能力評估，各月份電量消納及棄風(fēng)率情況如圖8所示。全年系統(tǒng)風(fēng)電可發(fā)電量為560.73 億kW·h，風(fēng)電消納電量為459.16 億kW·h，棄風(fēng)電量為101.57 億kW·h，全年棄風(fēng)率為18.11%。

圖8 規(guī)劃年各月份風(fēng)電消納評估結(jié)果Fig.8 Evaluation results of wind power accommodation in 2020

為了研究規(guī)劃年系統(tǒng)風(fēng)電消納極限，以風(fēng)電裝機(jī)容量為變量進(jìn)行靈敏度分析，研究目前規(guī)劃風(fēng)電容量在消納曲線上的位置，從而判斷風(fēng)電發(fā)展規(guī)劃的合理性。以2020年風(fēng)電規(guī)劃裝機(jī)容量為基準(zhǔn)，將其容量擴(kuò)大k倍，k取值范圍為2～20，各場景的風(fēng)電消納評估結(jié)果如圖9所示。

圖9 規(guī)劃年風(fēng)電消納電量與裝機(jī)容量的關(guān)系Fig.9 Relationship between wind power accommodation capacity and installed capacity in 2020

通過圖9可以看出，隨著風(fēng)電裝機(jī)容量的增加，電量消納能力呈現(xiàn)飽和趨勢，目前規(guī)劃年計(jì)劃的裝機(jī)容量還遠(yuǎn)未到達(dá)曲線的飽和點(diǎn)。但是從圖10消納電量和棄風(fēng)電量間的變化趨勢可以看出，目前的規(guī)劃方案棄風(fēng)電量遠(yuǎn)低于消納電量，而如果裝機(jī)容量翻倍，則棄風(fēng)電量與消納電量基本相當(dāng)，棄風(fēng)率接近50%，工程上無法接受如此高的棄風(fēng)率，需要進(jìn)一步調(diào)動系統(tǒng)靈活性，提高風(fēng)電消納率。

圖10 規(guī)劃年風(fēng)電消納電量、棄風(fēng)電量與裝機(jī)容量的關(guān)系Fig.10 Relationship between wind power accommodation capacity， wind power curtailment and installed capacity in 2020

4.4 各類靈活資源對消納能力影響分析

本節(jié)在4.3節(jié)規(guī)劃算例的基礎(chǔ)上，考慮各類靈活電源措施，研究各類靈活性措施及其組合下系統(tǒng)的風(fēng)電消納情況，具體措施有改善負(fù)荷特性、提高電源調(diào)峰能力及適度棄風(fēng)，具體案例設(shè)置如表5所示。

在本文提出模型及2020規(guī)劃年基礎(chǔ)數(shù)據(jù)上，修改相關(guān)參數(shù)，即可得到上述各方案下系統(tǒng)全年風(fēng)電消納評估結(jié)果，如表6所示。

通過表6結(jié)果可知，通過采用各類靈活性提升措施可提高系統(tǒng)接納風(fēng)電的能力，如改善負(fù)荷特性可使棄風(fēng)率降低至11.62%，提高供熱機(jī)組調(diào)峰能力可使棄風(fēng)率降低至12.86%。如果綜合采用上述2種方案，可使系統(tǒng)棄風(fēng)率降低至6.57%，從而得到工程上可接受的規(guī)劃方案。

表5 提高風(fēng)電消納能力的靈活性措施

Table 5 Flexible measurement to improve accommodation capacity of wind power

表6 各類方案下的風(fēng)電消納評估結(jié)果Table 6 Evaluation results of wind power accommodation in each scheme

5 結(jié) 論

(1)本文所提出的方法計(jì)算結(jié)果與實(shí)際運(yùn)行結(jié)果較為一致，全年棄風(fēng)電量和棄風(fēng)率評估指標(biāo)與實(shí)際指標(biāo)的相對偏差分別為0.96%和3.18%，在工程上屬于可接受范圍。

(2)系統(tǒng)棄風(fēng)主要出現(xiàn)在供暖期1—3月份及11—12月份，棄風(fēng)率均超過了30%。非供暖期5月份棄風(fēng)率最高，約為10%，主要原因是該月份風(fēng)資源較好，但是系統(tǒng)調(diào)峰能力有限。

(3)該方法可用于風(fēng)電的發(fā)展規(guī)劃分析，通過2020規(guī)劃年的數(shù)據(jù)分析，可以發(fā)現(xiàn)風(fēng)電消納電量存在“飽和特性”，如果裝機(jī)容量規(guī)劃不合理，則會導(dǎo)致系統(tǒng)調(diào)峰能力不足，棄風(fēng)比例較高。因此，本文所提的方法可用于電源規(guī)劃決策。

(4)本文提出的非時(shí)序風(fēng)電消納評估模型能夠考慮各類靈活性措施的影響，通過評估可知，采取改善負(fù)荷特性、提高供熱機(jī)組調(diào)峰能力等措施，可將全年棄風(fēng)率降低至6.57%，從而得到工程可接受的規(guī)劃方案。

通過上述算例分析，證明了本文所提精細(xì)化消納模型的正確性和有效性，并初步研究了風(fēng)電消納能力的極限以及靈活性措施對消納能力的影響。本文下一步研究計(jì)劃是在本文所提模型中，增加相關(guān)的安全約束，使模型具有更強(qiáng)的通用性。另外，通過模型機(jī)理研究和算例分析，均表明了常規(guī)火電機(jī)組對風(fēng)電消納的不利影響，而改善負(fù)荷特性、提高機(jī)組調(diào)峰能力均能大幅提高風(fēng)電消納能力。因此，在下一步風(fēng)電乃至整個(gè)電力系統(tǒng)規(guī)劃中，應(yīng)強(qiáng)調(diào)系統(tǒng)優(yōu)化，降低常規(guī)火電機(jī)組的冗余規(guī)劃容量，提高靈活調(diào)峰電廠(抽水蓄能、燃?xì)怆娬镜?在電源結(jié)構(gòu)中的占比，并通過電價(jià)機(jī)制激勵(lì)需求側(cè)響應(yīng)來改善負(fù)荷特性，從而全面提升風(fēng)電等新能源的消納能力。

[1]李俊峰.2012中國風(fēng)電發(fā)展報(bào)告[R].北京：中國環(huán)境出版社，2012.

[2]Hand M M. Exploration of high-penetration renewable electricity futures[R]. Denver: National Renewable Energy Laboratory, 2012.

[3]Schellekens G, McDonnell J. 100% renewable electricity-A roadmap to 2050 for Europe and North Africa[R]. London: Price Water House Coopers LLP, 2014.

[4]國家發(fā)展和改革委員會能源研究所. 中國2050高比例可再生能源發(fā)展情景暨路徑研究[R]. 北京：國家發(fā)改委能源研究所, 2015.

[5]丁立，喬穎，魯宗相，等. 高比例風(fēng)電對電力系統(tǒng)調(diào)頻指標(biāo)影響的定量分析[J]. 電力系統(tǒng)自動化，2014, 38(14): 1-8. Ding Li, Qiao Ying, Lu Zongxiang, et al. Impact on frequency regulation of power system from wind power with high penetration [J]. Automation of Electric Power Systems, 2014, 38(14): 1-8.

[6]賈文昭，康重慶，李丹，等. 基于日前風(fēng)功率預(yù)測的風(fēng)電消納能力評估方法[J]. 電網(wǎng)技術(shù)，2012, 36(8): 69-75. Jia Wenzhao, Kang Chongqing, Li Dan, et al. Evaluation on capability of wind power accommodation based on its day-ahead forecasting [J]. Power System Technology, 2012, 36(8): 69-75.

[7]凡鵬飛，張粒子，謝國輝. 充裕性資源協(xié)同參與系統(tǒng)調(diào)節(jié)的風(fēng)電消納能力分析模型[J]. 電網(wǎng)技術(shù)，2012, 36(5): 51-57. Fan Pengfei, Zhang Lizi, Xie Guohui. Analysis model for accommodation capability of wind power with adequacy resources involved in system regulation [J]. Power System Technology, 2012, 36(5): 51-57.

[8]康重慶，賈文昭，徐乾耀，等. 考慮網(wǎng)絡(luò)安全約束的實(shí)時(shí)風(fēng)電消納能力評估[J]. 中國電機(jī)工程學(xué)報(bào)，2013, 33(16): 23-29. Kang Chongqing, Jia Wenzhao, Xu Qianyao, et al. Capability evaluation of wind power accommodation considering security constraints of power grid in real-time dispatch [J]. Proceedings of the CSEE, 2013, 33(16): 23-29.

[9]劉暢，吳浩，高長征，等. 風(fēng)電消納能力分析方法的研究[J]. 電力系統(tǒng)保護(hù)與控制，2014, 42(4): 61-66. Liu Chang, Wu Hao, Gao Changzheng, et al. Study on analysis method of accommodated capacity for wind power [J]. Power System Protection and Control, 2014, 42(4): 61-66.

[10]呂泉，王偉，韓水，等. 基于調(diào)峰能力分析的電網(wǎng)棄風(fēng)情況評估方法[J]. 電網(wǎng)技術(shù)，2013, 37(7): 1887-1894. Lü Quan, Wang Wei, Han Shui, et al. A new evaluation method for wind power curtailment based on analysis of system regulation capability [J]. Power System Technology, 2013, 37(7): 1887-1894.

[11]金海峰，吳濤. 風(fēng)電接入系統(tǒng)后的電壓穩(wěn)定問題[J]. 電力自動化設(shè)備，2010, 30(9): 82-84. Jin Haifeng, Wu Tao. Voltage stability after grid-connection of wind farm [J]. Electric Power Automation Equipment, 2010, 30(9): 82-84.

[12]劉德偉，黃越輝，王偉勝，等. 考慮調(diào)峰和電網(wǎng)輸送約束的省級系統(tǒng)風(fēng)電消納能力分析[J]. 電力系統(tǒng)自動化， 2011, 35(22): 77-81. Liu Dewei, Huang Yuehui, Wang Weisheng, et al. Analysis on provincial system available capacity of accommodation wind power considering peak load dispatch and transmission constraints [J]. Automation of Electric Power Systems, 2011, 35(22): 77-81.

[13]黃怡，張琳，劉建琴，等. 我國風(fēng)電大規(guī)模集中并網(wǎng)的消納市場和消納策略[J]. 電力建設(shè)，2012, 33(10): 9-12. Huang Yi, Zhang Lin, Liu Jianqin, et al. Consumption market and strategy of large scale centralized grid-connection of wind power in China [J]. Electric Power Construction, 2012, 33(10): 9-12.

[14]朱凌志，陳寧，韓華玲. 風(fēng)電消納關(guān)鍵問題及應(yīng)對措施分析[J]. 電力系統(tǒng)自動化，2011, 35(22): 29-34. Zhu Lingzhi, Chen Ning, Han Hualing. Key problems and solutions of wind power accommodation [J]. Automation of Electric Power Systems, 2011, 35(22): 29-34.

[15]崔慧軍，賈文昭，楊彬. 風(fēng)電消納能力相關(guān)因素與機(jī)理分析[J]. 華北電力技術(shù)，2015(2): 34-39. Cui Huijun, Jiao Wenzhao, Yang Bin. Relevant factors and mechanism analysis for wind power accommodation [J]. North China Electric Power, 2015(2): 34-39.

[16]張宏宇，印永華，申洪，等. 大規(guī)模風(fēng)電接入后的系統(tǒng)調(diào)峰充裕性評估[J]. 中國電機(jī)工程學(xué)報(bào)，2011, 31(22): 26-31. Zhang Hongyu, Yin Yonghua, Shen Hong, et al. Peak-load regulating adequacy evaluation associated with large-scale wind power integration [J]. Proceedings of the CSEE, 2011, 31(22): 26-31.

[17]張宏宇，印永華，申洪，等. 基于序貫蒙特卡洛方法的風(fēng)電并網(wǎng)系統(tǒng)調(diào)峰裕度評估[J]. 電力系統(tǒng)自動化，2012, 36(1): 32-37. Zhang Hongyu, Yin Yonghua, Shen Hong, et al. Peak-shaving margin evaluation associated with wind power integrated system based on sequential monte-carlo method [J]. Automation of Electric Power Systems, 2012, 36(1): 32-37.

[18]王曉海，喬穎，魯宗相，等. 供暖季風(fēng)電電量消納能力的評估新方法[J]. 中國電機(jī)工程學(xué)報(bào)， 2015, 35(9): 2112-2119. Wang Xiaohai, Qiao Ying, Lu Zongxiang, et al. A novel method to assess wind energy usage in the heat-supplied season [J]. Proceedings of the CSEE, 2015, 35(9): 2112-2119.

[19]曲翀，王秀麗，謝紹宇，等. 含風(fēng)電電力系統(tǒng)隨機(jī)生產(chǎn)模擬的改進(jìn)算法[J]. 西安交通大學(xué)學(xué)報(bào)，2012, 46(6): 115-121. Qu Chong, Wang Xiuli, Xie Shaoyu, et al. An improved algorithm for probabilistic production simulation of power systems with wind power [J]. Journal Of Xi’An Jiaotong University, 2012, 46(6): 115-121.

[20]姚力，黃鑌，王秀麗，等. 考慮風(fēng)火聯(lián)合外送的互聯(lián)系統(tǒng)隨機(jī)生產(chǎn)模擬[J]. 電網(wǎng)技術(shù)，2015, 39(5): 1219-1225. Yao Li, Huang Bin, Wang Xiuli, et al. Probabilistic production simulation of interconnected system by considering the joint delivery of wind power and thermal power generation [J]. Power System Technology, 2015, 39(5): 1219-1225.

(編輯：蔣毅恒)

Evaluation Method of Wind Power Accommodation Capacity Based on Non-Sequential Production Simulation

LI Haibo1, LU Zongxiang1, QIAO Ying1, QI Jun2

(1. Department of Electrical Engineering and Applied Electronic Technology, Tsinghua University,Beijing 100084, China;2. Inner Mongolia Power Dispatching and Communicating Center, Hohhot 010020, China)

Accurate accommodation evaluation is important for the development planning of wind power. However, it is difficult to obtain the detailed time-sequence data of wind power output during planning stage and the typical evaluation method of time-sequence accommodation is difficult to be applied, so it is necessary to research the evaluation method of accommodation capacity based on the limited wind resource probabilistic characteristic data. This paper proposed a functional minimization model which took maximum wind power accommodation as target based on probability production simulation and a practical evaluation algorithm based on heuristic method. This method only needed the probability distribution information of wind resource and could solve the problem of lacking detailed wind power data during planning stage, which also had a fast computation speed. Based on the actual running data in 2014 and planning data in 2020 of a large wind power base in northern China, the simulation analysis was carried out. The actual wind power accommodation results in 2014 were compared with the simulation results, which could validity the correctness of the proposed method. Finally, according to the planning data in 2020, this paper analyzed the saturation trend of wind power accommodation and installed capacity, and quantitatively studied the promoting effect of flexible measures on wind power accommodation, which could provide some suggestions for wind power planning.

wind power accommodation; probabilistic production simulation; functional minimization model; limited data source

國家電網(wǎng)公司科技項(xiàng)目“跨洲際電網(wǎng)合作機(jī)制、互聯(lián)形態(tài)及構(gòu)建方案研究”(SGTYHT/14-JS-188)。

TM 715

A

1000-7229(2015)10-0129-09

10.3969/j.issn.1000-7229.2015.10.020

2015-07-06

2015-09-09

李海波(1990)，男，博士研究生，研究方向?yàn)轱L(fēng)電并網(wǎng)的風(fēng)險(xiǎn)/可靠性評估、消納分析及靈活性評估；

魯宗相(1974)，男，博士，副教授，研究方向?yàn)殡娏ο到y(tǒng)可靠性、風(fēng)電/太陽能發(fā)電并網(wǎng)分析與控制、分布式電源及微電網(wǎng)、能源與電力宏觀規(guī)劃；

喬穎(1981)，女，博士，副教授，研究方向?yàn)樾履茉础⒎植际桨l(fā)電、電力系統(tǒng)安全與控制；

齊軍(1979)，男，工學(xué)碩士，工程師，研究方向?yàn)殡娏ο到y(tǒng)安全穩(wěn)定、電力系統(tǒng)故障測距。