大规模风电接入电力系统备用决策评述

薛志英，周 明，李庚银

（新能源电力系统国家重点实验室（华北电力大学），北京 102206）

0 引言

风电作为替代化石燃料发电且具有规模化开发前景的可再生能源发电的代表，其接入系统的规模越来越大。风电具有较强的随机波动性，大规模风电接入大大增加了系统的不确定性。2008年2月~11月，新疆地区风电在30 min内出力波动超过9万kW达到347次[1]。2011年1月~8月，全国共发生193起风电机组脱网事故，其中，一次损失出力10~50万kW的54起，一次损失出力50万kW以上的12起[2]。如此大的功率波动对系统的安全、可靠运行提出了挑战。

充足有效的备用是电力系统应对各种不确定性因素，实现安全可靠运行的保障。风电功率在不同时间尺度上的波动性、反调峰特性增加了系统调频、调峰和发电调度的难度[3]。根据对东北、蒙西和吉林电网2009年的统计，其风电反调峰概率分别为60%、57%和56%。东北电网一年期间峰谷差增大的时间达到210天，且多次出现由于调峰容量不足在低负荷时段不得不弃风的现象。空间上，我国风电基地大多远离负荷中心，当大规模风电集中接入、远距离传输时，风电功率的不确定性增加了潮流的不确定性，给系统的备用配置带来困难。

大规模风电接入在时间和空间尺度上给系统备用决策带来了新问题，而常规的决策方法已难以适用。近年来，这一问题已成为研究的热点。大规模风电接入系统的备用决策不仅是系统安全、可靠运行的保障，也是实现有效接纳风电、优化资源配置的关键。

本文首先总结了风电接入对电力系统备用决策的影响因素。然后，在常规电力系统备用决策方法的基础上重点梳理和对比计及风电影响的备用决策方法。从电源侧和需求侧两个方面深入探讨了风电接入系统的备用配置问题，指出风、火等多电源打捆和电动汽车等储能设备以及其他新技术在解决备用配置问题中的应用潜力。最后，综合风电特点及其对系统的影响和备用在系统中的本质作用，提出了对于备用的广义理解。

1 大规模风电接入电力系统备用决策需考虑的因素

1.1 系统可靠性要求

电力系统可靠性是对电力系统按可接受的质量标准和所需数量不间断地向用户供应电力和电能能力的度量[4]。从运行的角度，充足的备用是应对各种不确定性因素、保证系统可靠运行的根本手段，而风电的接入增加了系统运行的不确定性，因此，大规模风电接入电力系统的备用决策需要协调考虑风电接入与可靠性之间的关系[5]。

风电出力随机波动又难以准确预测和调控，影响了发电系统可靠性。为了维持系统的可靠性，需要其他形式的电源为其充当备用，而备用的多少则与系统整体可靠性水平相关。网络方面，我国的风电基地大都远离负荷中心，风电需要远距离传输，且风电的不确定性会引起潮流的不确定，增加了发生阻塞的可能。因此，大规模风电接入影响了输电系统可靠性，也是备用决策需考虑的因素[6]。

1.2 负荷预测误差

在由常规电源组成的电力系统中，负荷是备用决策要考虑的主要随机因素。负荷预测的精度是确定备用容量的基础，预测的误差越大，相应的备用需求也就越大。

影响负荷预测精度的因素有很多，其中最重要的是预测时间和预测模型变量的多少。预测时间越长，结果的精确度越低；模型变量越多，结果的不确定性越强。关于误差的分布特点，一般通过概率密度函数建模进行分析。事实上，由于电力负荷数量众多、地域分布广泛，根据中心极限定理，一直以来，负荷预测的误差在理论上都被认为服从零均值的正态分布。

尽管负荷需求是随机变化的，但因其具有较好的周期性和规律性，目前，在负荷预测方面已达到了很高的准确度。

1.3 风电的不确定性

随着大规模风电场的建成与投运，风电的不确定性已成为系统备用决策要考虑的重要因素。与电力负荷相比，风电表现出更强的随机性和不同时间尺度上的波动性，但预测水平却远低于负荷预测。

风电预测误差与预测时间、风电场地形复杂程度、风速、数值天气预报的精度以及预测模型的精度等因素有关[7-8]。短期预测的均方根误差（RMSE）随着预测时间的延长而增大。若一个区域内存在多个风电场，其总的功率预测误差会比单个风电场的预测误差小。文献[9]研究了不同风电场之间的相关系数。风力机组及风电场在地理上的分散布置能在一定程度上减少系统的备用需求[10-11]。

风电预测误差的另一个研究热点是其概率密度分布函数，主要影响因素有预测方法和预测时间。一般的测量过程中，对误差的处理通常是假设其服从正态分布，但文献[12]发现风电预测误差的峰度值不符合正态分布的要求，该文献用可变峰度β分布函数拟合误差序列。文献[13]通过实测建立了正态分布与拉普拉斯分布加权的概率密度分布函数。然而，与负荷预测相类似，更多学者认为：大量分散布置的风电机组符合中心极限定理对风电预测误差服从正态分布的假设要求。在目前的研究中，正态分布假设是主流的做法。

1.4 其他因素

考虑到备用的经济性，备用的获取成本越低，电网公司愿意购买的备用越多；反之，获取成本越高，愿意购买的备用越少。随着市场差异化服务的引入，不同用户对电力可靠性的要求不同，相应的备用决策也会受到影响。还有，电力系统的运营模式、电源结构、电网规模等因素，都是备用决策过程中需要考虑的。

2 大规模风电接入电力系统备用决策方法

风电在不同时间尺度上较大的随机波动性及其难以准确预测的特性，使得系统需要配置额外的备用容量予以应对[14]。文献[15]认为风电出力波动主要对系统的二次、三次备用产生影响。文献[16]认为大规模风电接入后，系统秒至分钟级的自动发电控制(AGC)容量需求没有显著增加，日内调峰容量需求随风电装机容量的增加显著增长。

随着风电接入的变化，如何量化所需的备用容量以及如何优化与配置这些备用成为电力系统备用决策亟需解决的问题。

传统电力系统运营模式下，备用容量的设置是确定性的，主要针对机组停运和负荷波动等因素，常用的标准有N-1准则、负荷百分比准则或两者的结合。各所属电厂在确定的运行方式下留有一定备用容量，归系统调度员调度。这种决策方式简单方便，但由于不考虑机组停运、负荷波动等情况发生的概率，容易造成备用容量有时过剩、有时不足的结果，不利于系统经济运行。尤其大规模风电接入给系统带来了更大的不确定性，传统的确定性备用决策方法已难以适用。

针对确定性方法的不足，本节整理归纳了4种常见的概率性备用决策方法，分析各自特点，并对风电的处理方式、备用决策与机组组合的关系等问题进行了梳理与总结。

2.1 标准差法

风电出力的预测一般由预测值和误差来表示，其中，误差体现了预测结果的不确定性。在美国纽约州能源开发与研究管理局(NYSERDA)关于风电并网的研究中，负荷跟踪备用需求被设置为系统净负荷（电力负荷与风电出力之差）预测标准差的 3倍，此方式原则上能够满足所有潜在实例的99.74%[17]。文献[18]考虑到风电预测误差比正态分布的尾部更长，采用了 3.5σ标准。文献[19]在对北欧 4国运行备用的研究中采用了 4σ标准（99.99%的置信度）。事实上，很多国家和地区，如美国的纽约州、明尼苏达州，在系统实际运行中都采用了类似的备用设置标准[20]。文献[21]通过算例比较了此类方法与传统的确定性方法，提出加强对不确定性的估计以及建立概率性方法的评价体系是非常必要与重要的。

标准差法直观地反映了综合误差的概率分布与备用需求之间的关系，计算简单；不足之处是未能计及常规发电机组出力的不确定性，且置信度的物理含义并不明确。

2.2 基于可靠性的方法

备用需求与系统对可靠性的要求密切相关。经典的基于可靠性的备用决策当属早期的PJM方法[22]。后来，Billinton定义了“投运风险度”的概念，将系统的备用决策与可靠性指标关联起来[23]。但可靠性指标与机组运行状态、出力及备用之间并没有显式的函数关系式，因此，无法通过可靠性指标直接求解备用需求。针对这一问题，文献[24]采用分步研究的思路，将给定条件下机组组合与组合确定后的可靠性指标计算结合起来，通过反复迭代实现对备用容量的修正。文献[25]则尝试通过拟合的手段，寻找可靠性指标与备用容量之间的关系式，用可靠性约束代替备用约束，在机组优化的过程中同步实现备用容量的估计。

针对大规模风电的接入，文献[26-27]都是以PJM方法为基础，形成计及风电的发电停运容量概率表COPT(capacity outage probability table)。其中，文献[26]用条件概率分布处理风电出力，文献[27]建立了含4种不同的风能状态的风电场出力模型。

在建立可靠性指标与备用容量的函数关系方面，文献[28-29]在特定场景下，建立了每小时失负荷概率与机组停运概率、净负荷概率密度之间的解析表达式。但由于解析式非常复杂，该方法在应用上有一定困难。文献[30]将含风电的电源停运容量累积概率用高斯函数拟合，得出了备用需求和失负荷概率LOLP（loss of load probability）之间的关系式，作为约束引入机组组合。

基于可靠性的方法通过人为设定必须满足的可靠性指标，确保系统在运行中始终保持这一可靠性水平。不足是在安全性与经济性之间缺乏协调。

2.3 基于成本-效益的方法

发电机组担当备用或者系统获取备用容量都需要付出相应的成本，同时，备用容量的存在减少了电力系统失负荷的概率，为系统创造了效益。因此，系统的安全可靠性应该建立在对系统运行与失负荷的成本-效益分析的基础上。基于成本-效益的方法的目标函数通常为最小化社会总成本或最大化社会福利，通过对备用容量成本和经济价值的分析，寻找目标函数最优点，同时也是备用最优点[31]。决策不需要设置必须满足的可靠性水平。此方法在应用中的难点是如何获得消费者的停运成本曲线[32]。另外，备用市场及其与电能主市场之间的交易决策关系对系统备用容量的优化也有一定影响。

如何在基于成本-效益的方法中考虑大规模风电的影响?文献[33]采用风电盈余罚函数的方法在短期调度模型中量化风电不确定性的影响，也有在动态经济调度中使用上、下备用约束的[34]，这属于确定性的处理方式。文献[35]将净负荷预测误差概率分布函数分为若干区间，每个区间通过文献[31]的成本-效益法确定最优备用，再对所有的最优备用按概率加权汇总。文献[36]把净负荷误差看作新的发电机组，通过近似离散处理，使其成为多状态机组引入COPT。文献[37-38]采用了场景树（scenario tree）的方法，对每个研究时段的净负荷（或风电）预测值都定义了3种场景，形成了多时段预测场景树。以上备用决策都是离线方式，文献[39]提出了一种在线决策备用容量的管理方法，通过等效成本法和价值函数法2种决策方式，全面地体现决策者对失负荷的态度，使备用的确定更加灵活、富有个性。

可靠性与经济性是系统运行的两个基本要求，单纯侧重任何一方都显得决策有失偏颇。文献[40]在机会约束规划框架下，以经济运行为目标，以可靠性水平为约束进行备用决策。文献[13]在此基础上考虑了风电出力的偏差，建立了含风电场的系统备用容量获取模型。文献[41]将风电接入电力系统发电的经济性和旋转备用的可靠性问题作为多目标优化问题进行求解，在一定程度上，兼顾了系统经济性与可靠性。

2.4 基于风险价值的方法

基于风险价值理论的VaR(value at risk)方法是衡量和管理金融市场风险的重要方法，由于其简便、灵活的特点，被广泛应用到很多学科。在电力工业中的应用多见于发电商的竞价策略、购电优化决策、电网投资风险评估等，亦有学者将其应用到大规模风电并网的相关研究课题[42]。

文献[43]提出了风险备用RaR(reserve at risk)和条件风险备用CRaR(conditional reserve at risk)2个可靠性指标，并建立了基于CRaR的风险偏好型容量组合模型。文献[44]根据预测误差的置信度水平，将风电预测功率分为可靠出力和不可靠出力，前者参与系统调度，后者需要额外配置备用，采用解析法求解。为了更好地体现备用需求尾部的分布，文献[45]定义了条件风险备用，并利用其效用函数，建立了含大规模风电的系统备用决策模型，不仅能反映决策者对风险的态度，还能体现预测时间长短对备用需求的影响。文献[46]重点研究了历史误差样本的数据窗选择问题；提出了基于可信度理论的信度风险值(credibility wind power at risk)的概念和解决方法，作为系统备用决策的参考。

大规模风电接入系统的备用决策，除了上述 4类方法之外，文献[47]提出了一种利用随机微分方程模拟连续时间尺度的系统净负荷及电源出力，进而确定实时平衡功率即备用需求的方法。文献[48]用频域方法模拟风电场出力，通过持续曲线的方式确定正常和极端天气情况下系统的备用需求。

2.5 小结

综上，大规模风电接入系统的备用决策方法针对引起备用需求的不确定因素进行分析，在常规电源系统备用决策方法的基础上纳入风电的影响，常用的方式有：1）概率密度函数法。通过风速的概率分布再经风电场建模，或直接利用风电出力的历史数据，拟合风电出力或其预测误差或净负荷预测误差的概率密度函数，求解在某一置信度下相应的备用需求，如文献[17-19，27-28]等。2）场景法。设定几种可能的风电出力场景，如文献[30]根据风能的概率分布枚举出4种风电场出力状态；文献[35，38]根据净负荷误差的概率密度分布函数将其离散化为不同概率的典型场景，形成场景树，此方法的关键是在场景多少和计算精度之间进行平衡，一般需要用智能算法求解并配合场景缩减的措施[49]。3）随机模拟法。采用某种模拟方法，给出系统未来各种可能运行状态及相应的概率，在概率框架下进行备用决策。如文献[27，50]建立了风电场出力的马尔科夫链模型，文献[39，51]采用了蒙特卡洛模拟法。

备用决策与机组组合是相互关联、不可分割的。从两者关系的角度再看前面所归纳的方法，基本上可以分为2类：一是在机组组合之前，预先确定系统总的备用需求（通常对应一定的可靠性水平），如[27-30]等；二是将机组组合与备用决策一并考虑，以成本最低为目标函数，将机组出力、备用容量等作为优化变量，如[31，37-38]等。第一类方法先量化、再分配，在满足系统可靠性的前提下，从经济性考虑或从环保的角度考虑，在不同类型的机组之间进行备用容量的合理分配。第二类方法量化与分配一体化完成，更符合电力系统运行的本质。因为备用容量的确定、调配与机组发电组合都是调度发电机组的出力，确定每台机组实际发多少用于满足负荷需要，剩余多少作为保证可靠供电的备用，因此，需要将两者有机地结合起来进行整体优化，但在建模和求解方面会相对复杂。

3 大规模风电接入电力系统备用容量配置

前面总结的备用决策方法都基于一个共同的假设前提：备用容量由电网公司或市场运营机构在发电侧进行配置。事实上，备用容量也可以从需求侧配置。本节将分别从电源侧和需求侧系统地讨论大规模风电接入电力系统的备用容量的配置问题。

电源侧。大规模风电接入在一定程度上减少了系统对常规电源的需求，另一方面，风电的随机波动性、反调峰特性和难以调度性又增加了对承担调峰任务的常规机组的需求。在常规调峰技术的基础上，为了避免机组频繁启停，发电公司可尝试采用火电机组深度调峰的运行方式，其关键是锅炉的低负荷稳燃技术。另外，火电机组的安全性、可靠性与经济性是深度调峰运行需要关注的问题。

为了平抑风电的功率波动，有学者提出了多种电源联合运行的思路[52-54]。文献[52]认为水电与风电在技术上和季节上具有互补性，水库的蓄水能力可以平抑来水的短期波动，使水电具有良好的容量特性。利用水电的容量支持风电、风电的电量支持水电，从而保障火电机组开停机稳定性。文献[53]认为太阳能与风能在时间和地域上也具有互补性，与独立风力发电或光伏发电相比，风光互补混合系统能使电力输出更可靠、更平稳。文献[54]以酒泉风电基地为例，论证了在考虑负荷特性、电网与风电技术出力等约束后，风、光、水、火电联合打捆外送是近期该基地大规模风电外送的最可行方式。

随着能量存储技术的迅速发展，近年来，越来越多的储能系统在电力系统中得到应用。不同的储能技术具有不同的容量调节范围（从几十kW到几百MW）和不同的放电时间（从毫秒级到小时级），非常适合用来平抑风电的功率波动[55]。储能技术与风电规划相结合将对风电发展产生推动作用。目前，在我国较为可行的储能技术是风电与抽水蓄能电站相互配合运行。文献[56]针对江苏电网“十三五”的电力发展目标，提出了风电、核电、抽水蓄能机组联合运行的电源规划建设方案，并研究了其容量配比与电源布局。文献[57]考虑到峰谷电价政策，利用抽水蓄能电站的储能作用将低谷时段的低价电能调整为高峰时段的稀缺电能，不仅平抑了风电功率波动，更能取得显著的经济效益。

随着控制技术日臻完善，风电场的内部调度和控制技术也在不断发展。既可以应用最优转速控制、平均功率控制、随机最优控制等控制策略对单个风电机组实施有功控制[58]，也可以通过对内部各台风电机组的协调优化实现对整个风电场的有功控制。通过先进的技术手段和完善的政策支持，风电场不仅可以具备一定的自身调节能力，甚至还可以为系统提供一定备用[59]。

需求侧。购买多种不同特性、不同价格的备用容量要比购买单一备用容量所付出的经济代价和所遭受的市场风险小得多，可靠性也更高。特别在应对大规模风电接入后可能出现的小概率、高风险的容量事故或者输电阻塞问题时，需求侧提供备用的优势更加明显。

可中断负荷是需求侧提供备用最常见的形式。在可中断负荷参与备用市场方面，主要的研究集中在如何协调电源侧和需求侧两种备用资源，以达到预期的目标。文献[60]利用不同备用之间的经济互补性，建立了风险协调模型对各种备用进行优化，该方法比较适合工程应用。文献[61]从大规模风电接入、移动式负荷中断等方面对可再生能源接入下可中断负荷的参与形式、应用研究方法等问题进行了探讨。大规模风电接入对可中断负荷参与备用市场的影响主要体现在其随机性和波动性一方面增加了系统对可中断负荷的需求，另一方面也对可中断负荷的响应速度提出了更高的要求，增加了需求侧管理的难度。

作为解决风电出力不确定性问题的一种有效方法——电动汽车这一储能装置，即V2H(vehicle to house)或V2G(vehicle to grid)，将发挥重要作用[62]。文献[63]研究了电动汽车充电的负荷特性以及不同充电方式对电网的影响，建立了多时间尺度的电动汽车-风电协同调度数学模型，通过对华北、西北电网的仿真分析得出结论：调度电动汽车充电来抵消负荷下降而风电出力上升的功率不平衡，具有技术上的可行性。随着未来电动汽车接入规模的扩大，风电与电动汽车储能资源之间的协同效益会越来越明显[64]。

备用的配置除了面临技术上的具体问题之外，更重要的是经济、管理与机制方面的问题。如，配置可中断负荷作为备用，必须对有移峰能力却意愿不足的用户实施可中断电价和尖峰电价；我国在储能电价方面政策不到位，国内储能产业缺乏相应的投资回报机制，制约了储能技术的产业化、规模化发展。文献[65]提出了一种市场模式下基于代理商的需求侧响应管理架构，旨在为大规模风电接入系统提供可靠的备用。

4 结语

风力发电的特点及其大规模接入增加了电力系统运行的不确定性，备用正是系统为了应对各种不确定性因素而设置的。广义上讲，备用的问题涉及到电力系统的各个环节：发电环节电力电量的平衡、输电环节风电的远距离大容量传输以及用电环节大规模风电的消纳等等，因此，备用的涵义不仅仅局限于超出负荷需求的那部分发电容量，而应拓展为包含一切应对系统不确定性的手段和方法。大规模风电接入电力系统的备用决策是一个涉及安全、经济、技术和管理的多目标协调优化问题，仍需大量的理论方法、技术和政策支持，以服务于大规模新能源发电接入电力系统的可靠、高效、经济运行。

[1] 国家电力监管委员会. 我国风电发展情况调研报告[EB/OL].[2009-07-21]. http://www.serc.gov.cn/jgyj/ztbg/200907/t20090721_11739.htm.

[2] 国家电力监管委员会. 风电安全监管报告[EB/OL].[2011-12-02]. http://www.serc.gov.cn/zwgk/jggg/201112/t20111202_15628.htm.

[3] 周玮, 孙辉, 顾宏, 等. 含风电场的电力系统经济调度研究综述[J].电力系统保护与控制, 2011, 39(24):148-154.ZHOU Wei, SUN Hui, GU Hong, et al. A review on economic dispatch of power system including wind farms[J]. Power System Protection and Control, 2011,39(24): 148-154.

[4] 郭永基. 电力系统可靠性分析[M]. 北京: 清华大学出版社, 2003.

[5] 孙羽, 王秀丽, 王建学, 等. 电力系统短期可靠性评估综述[J]. 电力系统保护与控制, 2011, 39(8): 143-154.SUN Yu, WANG Xiu-li, WANG Jian-xue, et al. An overview of the short-term reliability evaluation of power system[J]. Power System Protection and Control, 2011,39(8): 143-154.

[6] 姜文, 严正, 杨建林. 计及风电场的发输电可靠性评估[J]. 电力系统保护与控制, 2010, 38(22): 126-130.JIANG Wen, YAN Zheng, YANG Jian-lin. Reliability assessment of composite generation and transmission system considering wind farms[J]. Power System Protection and Control, 2010, 38(22): 126-130.

[7] 方江晓, 周晖, 黄梅, 等. 基于统计聚类分析的短期风电功率预测[J]. 电力系统保护与控制, 2011, 39(11):67-78.FANG Jiang-xiao, ZHOU Hui, HUANG Mei, et al.Short-term wind power prediction based on statistical clustering analysis[J]. Power System Protection and Control, 2011, 39(11): 67-78.

[8] 杨洪, 古世甫, 崔明东, 等. 基于遗传优化的最小二乘支持向量机风电场风速短期预测[J]. 电力系统保护与控制, 2011, 39(11): 44-48.YANG Hong, GU Shi-fu, CUI Ming-dong, et al. Forecast of short-term wind speed in wind farms based on GA optimized LS-SVM[J]. Power System Protection and Control, 2011, 39(11): 44-48.

[9] Yu H, Liuchen C. A study of the reduction of the regional aggregated wind power forecast error by spatial smoothing effects in the Maritimes Canada[C] // IEEE Electric Power and Energy Conference (EPEC), Canada,2010.

[10] Hamon C, Soder L. Review paper on wind power impact on operation of reserves[C] // Energy Market(EEM)International Conference on the European. Zagreb,Croatia, 2011: 895-903.

[11] Gezer D, Nadar A. Determination of operating reserve requirements considering geographical distribution of wind power plants[C] // International Conference on Clean Electrical Power (ICCEP). Ischia, Italy, 2011:797-801.

[12] Bludszuweit H, Dominguez-Navarro J A, Llombart A.Statistical analysis of wind power forecast error[J]. IEEE Trans on Power Systems, 2008, 23(3): 983-991.

[13] 葛炬, 王飞, 张粒子. 含风电场电力系统旋转备用获取模型[J]. 电力系统自动化, 2010, 34(6): 32-36.GE Ju, WANG Fei, ZHANG Li-zi. Spinning reserve model in the wind power integrated power system[J].Automation of Electric Power Systems, 2010, 34(6):32-36.

[14] Keko H, Rosa M A, Sumaili J. Wind power forecast uncertainty in daily operation of wind park combined with storage[C] // Energy Market International Conference on the European, Croatia, 2011.

[15] Banakar H, Luo C, Ooi B T. Impacts of wind power minute-to-minute variations on power system operation[J]. IEEE Trans on Power Systems, 2008, 23(1):150-160.

[16] 张宁, 周天睿, 段长刚, 等. 大规模风电场接入对电力系统调峰的影响[J]. 电网技术, 2010, 34(1): 152-157.ZHANG Ning, ZHOU Tian-rui, DUAN Chang-gang, et al. Impact of large-scale wind farm connecting with power grid on peak load regulation demand[J]. Power System Technology, 2010, 34(1): 152-157.

[17] New York State Energy Research and Development Authority. The effect of integrating wind power on transmission system planning, reliability, and operations[EB/OL].[2005-3].http://www.nyserda.ny.gov/media/ Files/EERP/Renewables/wind-integration-study.[2005-3].

[18] Black M, Strbae G. Value of bulk energy storage for managing wind Power fluctuations[J]. IEEE Trans on Energy Conversion, 2007, 22(1): 197-205.

[19] Hannele H. Impact of hourly wind power variations on the system operation in the Nordic countries[J]. Wind Energy, 2004, 8(2): 197-218.

[20] Michael M, Pearl D, Debra L, et al. Operating reserves and wind power integration: an international comparison[EB/OL]. [2010-10].http://www.nrel.gov/docs/fy11osti/49019.[2010-10].

[21] Bessa R J, Matos M A. Comparison of probabilistic and deterministic approaches for setting operating reserve in systems with high penetration of wind power[C] //Mediterranean Conference and Exhibition on Power Generation, Transmission, Distribution and Energy Conversion. Agia Napa, Cyprus, 2010: 1-9.

[22] Anstine L T, Burke R E, Casey J E, et al. Application of probability methods to the determination of spinning reserve requirements for the Pennsylvania-New Jersey-Maryland interconnection[J]. IEEE Trans on Power App Syst, 1963, 82(68): 720-735.

[23] Billinton R, Allan R N. Reliability evaluation of power systems[M]. New York: Plenum Press, 1996.

[24] Gooi H B, Mendes D P, Bell K R W, et al. Optimal scheduling of spinning reserve[J]. IEEE Trans on Power Systems, 1999, 14(4): 1485-1490.

[25] Chattopadhyay D, Baldick R. Unit commitment with probabilistic reserve[C] // IEEE Power Engineering Society Meeting. New York, USA, 2002: 280-285.

[26] Billinton R, Karki B. Unit commitment risk analysis of wind integrated power systems[J]. IEEE Trans on Power Systems, 2009, 24(2): 930-939.

[27] Gouveia E M, Matos M A. Operational reserve of a power system with a large amount of wind power[C] //International Conference on Probabilistic Methods Applied to Power Systems. Iowa USA, 2004: 717-722.

[28] Doherty R, Malley M O. Quantifying reserve demands due to increasing wind power penetration[C] // Power Tech Conference. Bologna, 2003.

[29] Doherty R, Malley M O. A new approach to quantify reserve demand in systems with significant installed wind capacity[J]. IEEE Trans on Power Systems, 2005, 20(2):587-595.

[30] 孟祥星, 王宏. 大规模风电并网条件下的电力系统调度[J]. 东北电力大学学报: 自然科学版, 2009, 29(1):1-6.MENG Xiang-xing, WANG Hong. Electric system scheduling in the condition of synchronization of large-scale wind power[J]. Journal of Northeast Dianli University: Natural Science Edition, 2009, 29(1): 1-6.

[31] Wang J X, Wang X F, Wu Y. Operating reserve model in the power market[J]. IEEE Trans on Power Systems,2005, 20(1): 223-229.

[32] 任博强, 彭鸣鸿, 蒋传文, 等. 计及风电成本的电力系统短期经济调度建模[J]. 电力系统保护与控制, 2010,38(14): 67-72.REN Bo-qiang, PENG Ming-hong, JIANG Chuan-wen,et al. Short-term economic dispatch of power system modeling considering the cost of wind power[J]. Power System Protection and Control, 2010, 38(14): 67-72.

[33] 何永秀, 黄文杰, 谭忠富, 等. 电力备用市场化运营需求研究[J]. 中国电机工程学报, 2004, 24(3): 46-51.HE Yong-xiu, HUANG Wen-jie, TAN Zhong-fu, et al. A study on demand of electricity reserve market in marketing operation[J]. Proceedings of the CSEE, 2004,24(3): 46-51.

[34] 夏澍, 周明, 李庚银. 含大规模风电场的电力系统动态经济调度[J]. 电力系统保护与控制, 2011, 39(13):71-77.XIA Shu, ZHOU Ming, LI Geng-yin. Dynamic economic dispatch of power system containing large-scale wind farm[J]. Power System Protection and Control, 2011,39(13): 71-77.

[35] Ortega-Vazquez M A, Kirschen D S. Estimating the spinning reserve requirements in systems with significant wind power generation penetration[J]. IEEE Trans on Power Systems, 2009, 24: 114-124.

[36] 苏鹏, 刘天琪, 李兴源. 含风电的系统最优旋转备用的确定[J]. 电网技术, 2010, 34(12): 158-162.SU Peng, LIU Tian-qi, LI Xing-yuan. Determination of optimal spinning reserve of power grid containing wind[J]. Power System Technology, 2010, 34(12): 158-162.

[37] Bouffard F, Galiana F D. Stochastic security for operations planning with significant wind power generation[J]. IEEE Trans on Power Systems, 2008,23(2): 306-316.

[38] Morales J M, Conejo A J. Economic valuation of reserves in power systems with high penetration of wind power[J].IEEE Trans on Power Systems, 2009, 24(2): 900-910.

[39] Matos M A, Bessa R. Setting the operating reserve using probabilistic wind power forecasts[J]. IEEE Trans on Power Systems, 2011, 26(2): 594-603.

[40] 王乐, 余志伟, 文福拴．基于机会约束规划的最优旋转备用容量确定[J]．电网技术, 2006, 30(20): 14-19.WANG Le, YU Zhi-wei, WEN Fu-shuan. A chance-constrained programming approach to determine requirement of optimal spinning reserve capacity[J].Power System Technology, 2006, 30(20): 14-19.

[41] 姚瑶, 于继来. 计及风电备用风险的电力系统多目标混合优化调度[J]. 电力系统自动化, 2011, 35(22): 118-124.YAO Yao, YU Ji-lai. Multi-objective hybrid optimal dispatch of power systems considering reserve risk due to wind power[J]. Automation of Electric Power Systems,2011, 35(22): 118-124.

[42] 玉华, 周任军, 韩磊, 等. 基于 CVaR的风电并网发电风险效益分析[J]. 电力系统保护与控制, 2012, 40(4):43-47.YU Hua, ZHOU Ren-jun, HAN Lei, et al. Analysis on risk and economic benefits of grid-connected wind farm based on CVaR[J]. Power System Protection and Control,2012, 40(4): 43-47.

[43] 周辉, 娄素华, 吴耀武, 等. 发电系统一致性运行可靠性指标及其优化模型[J]. 中国电机工程学报, 2009,29(13): 72-79.ZHOU Hui, LOU Su-hua, WU Yao-wu, et al. Coherent reliability index for generation system operation and its optimization model[J]. Proceedings of the CSEE, 2009,29(13): 72-79.

[44] Methaprayoon K, Yingvivatanapong C. An integration of ANN wind power estimation into unit commitment considering the forecasting uncertainty[J]. IEEE Trans on Industry Applications, 2007(43): 1141-1148.

[45] 张国强, 吴文传, 张伯明. 考虑风电接入的有功运行备用协调优化[J]. 电力系统自动化, 2011, 35(12):15-19.ZHANG Guo-qiang, WU Wen-Chuan, ZHANG Bo-ming.Optimization of operation reserve coordination considering wind power integration[J]. Automation of Electric Power Systems, 2011, 35(12): 15-19.

[46] Xue Z Y, Li G Y, Zhou M. Credibility theory applied for estimating operating reserve considering wind power uncertainty[C] // IEEE Power Tech, Trondheim, 2011.

[47] Olsson M, Perninge M, Soder L. Modeling real-time balancing power demands in wind power systems using stochastic differential equations[J]. Electric Power Systems Research, 2010, 80(8): 966-974.

[48] Lin J, Sun Y Z, Sorensen P, et al. Frequency modeling of wind power fluctuation and the application on power systems[C] // Power System Technology (POWERCON).Hangzhou, China, 2010: 1-8.

[49] Botterud A, Zhou Z, Wang J, et al. Unit commitment and operating reserves with probabilistic wind power forecasts[C] // IEEE PowerTech Conference. Trondheim,Norway, 2011: 1-7.

[50] Halamay D A, Brekken T K A. A methodology for quantifying variability of renewable energy sources by reserve requirement calculation[C] // IEEE Energy Conversion Congress and Exposition (ECCE). Atlanta,Georgia, 2010: 666-673.

[51] Dialynas E N, Daoutis L G, Toufexis C, et al. Reliability and reserve capacity assessment of isolated power systems with increased penetration of renewable energy sources[C] // Mediterranean Conference and Exhibition on Power Generation, Transmission, Distribution and Energy Conversion. Agia Napa, Cyprus, 2010: 1-7.

[52] 尚志娟, 周晖, 王天华. 带有储能装置的风电与水电互补系统的研究[J]. 电力系统保护与控制, 2012, 40(2):99- 105.SHANG Zhi-juan, ZHOU Hui, WANG Tian-hua.Research of complementary system for wind power with energy storage devices and hydro power[J]. Power System Protection and Control, 2012, 40(2): 99-105.

[53] 杨琦, 张建华, 刘自发, 等. 风光互补混合供电系统多目标优化设计[J]. 电力系统自动化, 2009, 33(17):86-90.YANG Qi, ZHANG Jian-hua, LIU Zi-fa, et al.Multi-objective optimization of hybrid PV/wind power supply system[J]. Automation of Electric Power Systems,2009, 33(17): 86-90.

[54] 于芃, 赵瑜, 周玮, 等. 基于混合储能系统的平抑风电波动功率方法的研究[J]. 电力系统保护与控制, 2011,39(24): 35-40.YU Peng, ZHAO Yu, ZHOU Wei, et al. Research on the method based on hybrid energy storage system for balancing fluctuant wind power[J]. Power System Protection and Control, 2011, 39(24): 35-40.

[55] Saifur R, Manisa P. Operating impacts and mitigation strategies with large scale wind power penetration in the United States[J]. Automation of Electric Power Systems,2011, 35(22): 3-11.

[56] 张谦, 王海潜, 谢珍建. 江苏电网消纳大规模风电的电源规划设计[J]. 电力系统自动化, 2011, 35(22): 60-65.ZHANG Qian, WANG Hai-qian, XIE Zhen-jian.Generation expansion planning with large-scale wind power integration into Jiangsu power grid[J]. Automation of Electric Power Systems, 2011, 35(22): 60-65.

[57] 李强, 袁越, 李振杰, 等. 考虑峰谷电价的风电-抽水蓄能联合系统能量转化效益研究[J]. 电网技术, 2009,33(6): 13-18.LI Qiang, YUAN Yue, LI Zhen-jie, et al. Research on energy shifting benefits of hybrid wind power and pumped hydro storage system considering peak-valley electricity price[J]. Power System Technology, 2009, 33(6): 13-18.

[58] 石一辉, 张毅威, 闵勇, 等. 并网运行风电场有功功率控制研究综述[J]. 中国电力, 2010, 43(6): 10-15.SHI Yi-hui, ZHANG Yi-wei, MIN Yong, et al. Review on active power control researches of a grid-connected wind farm[J]. Electric Power, 2010, 43(6): 10-15.

[59] Alejandro J G. Power reserve provision with wind farms[D]. Kassel: The University of Kassel, 2010.

[60] 罗运虎, 吴旭文, 潘双来. 需求侧两种可中断负荷与发电侧备用容量的协调[J]. 山东大学学报, 2007, 37(6):66-70.LUO Yun-hu, WU Xu-wen, PAN Shuang-lai.Coordination of two kinds of interruptible loads of demand side and reserve capacity of generation side[J].Journal of Shandong University, 2007, 37(6): 66-70.

[61] 向月, 刘俊勇, 魏震波, 等. 可再生能源接入下新型可中断负荷发展研究[J]. 电力系统保护与控制, 2012,40(5): 148-155.XIANG Yue, LIU Jun-yong, WEI Zhen-bo, et al.Research on development of new interruptible load with renewable energy access[J]. Power System Protection and Control, 2012, 40(5): 148-155.

[62] 高赐威, 张亮. 电动汽车充电对电网影响的综述[J].电网技术, 2011, 35(2): 127-131．GAO Ci-wei, ZHANG Liang. A survey of influence of electrics vehicle charging on power grid[J]. Power System Technology, 2011, 35(2): 127-131.

[63] 于大洋, 宋曙光, 张波, 等. 区域电网电动汽车充电与风电协同调度的分析[J]. 电力系统自动化, 2011,35(14): 24-29.YU Da-yang, SONG Shu-guang, ZHANG Bo, et al.Synergistic dispatch of PEVs charging and wind power in Chinese regional power grids[J]. Automation of Electric Power Systems, 2011, 35(14): 24-29.

[64] Tang Y, Fang T. Research on demand response technology for reserve requirements caused by the large-scale penetration of wind power[C] // International Conference on Electric Utility Deregulation and Restructuring and Power Technologies. Shandong, China,2011: 292-296.

[65] Tang Y, Rahman S. A framework of agent-based demand response to provide reserves necessary for high-level wind penetration[C] // Asia-Pacific Power and Energy Engineering Conference (APPEEC). Chengdu, China,2010: 1-4.