风电并网对南方电网可靠性的影响评估

王彤，卢斯煜，金小明，周保荣

(南方电网科学研究院，广州市 510080)



风电并网对南方电网可靠性的影响评估

王彤，卢斯煜，金小明，周保荣

(南方电网科学研究院，广州市 510080)

在同时考虑发电机组和输电线路可靠性的前提下，引入了等效无风电场景，利用蒙特卡洛法来评估风电并网后对系统可靠性的影响，并基于此场景提出在可靠性意义下风电备用需求的计算方法，来量化风电间歇性对系统可靠性的影响。同时随着南方电网风电渗透率逐步增加，需要对风电在规划中的容量效益以及对系统容量充裕度的贡献进行评估，来减小电力供需预测产生的偏差，避免投资浪费，并为今后电力市场改革中容量市场的建立提供数据参考和支持。以上述可靠性评估模型为基础，基于序列运算对南方电网风电可信容量和容量可信度进行评估，并以南方电网实际系统为例，研究风电出力特性、渗透率和风区相关性等对容量可信度的影响。

风电；可靠性；蒙特卡洛法；备用容量；风电可信容量；风电容量可信度

0 引 言

为应对当前环境污染、气候变暖、能源短缺与日益增长的用电需求的矛盾，风能、太阳能等新能源将成为未来能源发展的趋势。自1995年以来，世界风电装机平均年增长率达28.4%，截至2009年底，世界风电装机容量达159 300 MW，预计到2020年，世界风电装机将增加到1.9 TW[1]。南方五省区风能资源储备丰富，预计2020年风电总装机达28 000 MW，今后将成为南方地区重要的替代能源。

目前在风电对系统运行可靠性的影响研究中，大多对比分析了有无风电2个场景下系统可靠性的变化，其中无风场景均为原有不加入风电的场景，有风场景基本分为2种构造方法：(1)在无风场景中直接接入风电，由于风电接入使系统电源充裕度增加，研究结论普遍认为风电接入有助于提高系统可靠性,只是提升效果不明显[2]；(2)在无风场景中接入风电并减少该节点相同容量的常规机组，得到风电机组可靠性远不如传统机组，且随着渗透率(风电装机占总装机的比例)增加，不可靠性愈发明显[3]。然而风电具有随机性和不确定性等特点，单纯以上述2种有无风电场构造场景进行对比分析，仅能反映出风电机组自身可靠性与常规机组的差异。本文在进行考虑风电的系统可靠性评估研究中，引入了等效无风电场景，即在原有无风电场景中加入一个100%可靠的等效机组，其容量为风电时序模拟平均出力，即风电在等电量的意义下被替换为等效机组，此时系统充裕度与有风电场景下可能会存在差异，其相对大小取决于风电的间歇性对系统可靠性的影响。同时，引入可靠性意义下风电需增加备用的概念，达到定量描述风电接入前后可靠性变化的作用。

另一方面，由于风电出力特性与常规能源有较大差别，电力规划中不能将风电机组容量计入电力平衡，于是国内外学者提出了风电可信容量的概念及评估方法，希望可以量化风电对系统容量充裕度的贡献。文献 [4]实现了基于序列运算的风电可信容量计算方法，有效提高了计算速度。文献 [5]实现了考虑输电线路可靠性的电力系统生产模拟，并对风电与常规电源联合外送的受端可信容量进行了研究。文献 [6]对比分析了不同风速模型和可靠性指标对发电系统可靠性和风电容量可信度评估的影响。文献 [7]分别对4种容量可信度评估方法进行对比研究，分析各个方法的特点以及影响其评估结果的因素。文献 [8]提出了计算风电接入前后系统电源充裕度的差值作为风电可信容量的方法。文献 [9]探讨了澳大利亚区域电网间联络线额定容量变化对风电容量可信度的影响。

本文主要基于蒙特卡洛法的系统可靠性评估方法[4-5]，在同时考虑发电机组和输电线路可靠性的前提下，对大规模风电并网后南方电网可靠性，系统需增加的备用需求，风电可信容量及容量可信度进行评估，并结合南方电网五省区电网实际情况，研究不同风电出力季特性，电源充裕度对容量可信度的影响，同时以海南电网为典型案例，探究风电渗透率和风电场相关性对风电容量可信度的影响，为今后合理规划风电容量以及电力市场改革中容量市场的建立提供数据支持和参考。

1 风电场出力模拟方法

文献 [10]分别对比介绍了3种随机风速的建模方法：威布尔(Weilbull)分布与实际风速分布拟合较好，应用范围较广，在中长期风能资源评估中有较好的适用性。组合风速模型物理概念清晰，可灵活组合不同风速分量，在风力发电机组的动态控制研究中应用较多。风轮等效风速模型考虑了风对风电机组的等效作用情况，适用于风电场本身的特性分析。本次研究为中长期可靠性评估，风速序列建模主要采用威布尔(Weibull)分布模型来模拟未来风资源情况，同时利用文章 [11]提到的随机微分方程来模拟风速的随机波动特性，生成符合历史数据特性的风速时间序列，再考虑风电功率特性曲线及随机停运，确定最终的风电时序出力曲线。

2 考虑风电的系统可靠性评估方法及风电可信容量评估方法

2.1 可靠性意义下风电备用需求概念

在考虑风电的系统可靠性评估中，引入可靠性意义下风电备用需求C备用的概念，即在等可靠性前提下，有风电场景需增加的常规备用机组容量。设原有系统机组容量Corigin，接入风电装机容量Cwind，等效无风场景等效机组容量Cavg，f为不同场景下可靠性指标，若有

f有风(Cwind+C备用+Corigin)=f无风(Cavg+Corigin)

(1)

则C备用即为基于有风场景和等效无风场景下系统的新增备用需求。

2.2 可信容量的概念

文献 [7]分别介绍了4种计算可信容量的方法：其中等效固定容量法(equivalent firm capacity, EFC)和等效载荷能力法(equivalent load carrying capability, ELCC)能够保证较为一致的计算结果。等效常规机组容量法(equivalent conventional capacity, ECC)的计算结果会受到常规机组可靠性参数的影响，保证容量法(guaranteed capacity, GC)的结果完全取决于人为设定的保证率参数，可比性较差。

本文评估采用等效固定容量法(EFC)，即在等可靠性的前提下，将与风电等效的100%可靠的机组容量，作为风电可信容量，若有

f有风(Cwind+Corigin)=f无风(C可信+Corigin)

(2)

则C可信为对应的可信容量，进而得到容量可信度的计算公式为

(3)

2.3 考虑风电的系统可靠性评估方法

本次考虑风电的电力系统可靠性评估主要包括元件级不确定性建模，蒙特卡洛状态采样，系统失效状态求解以及系统可靠性指标计算。可靠性评估基本流程框架如图1所示。

2.3.1 元件不确定模型

(1)负荷不确定性模型。本次评估采用时序负荷

图1 考虑风电的系统可靠性评估框架Fig.1 System reliability assessment model with wind power integration

模型，按系统外部输入的系统总负荷曲线作为采样目标，每次通过对系统所处“时刻”采样，获得系统某一时刻对应的总负荷，并根据各母线负荷因子以及母线典型负荷曲线，确定各个母线在该采样中的负荷。

(4)

式中t～u[1,T]表示对时刻进行均匀采样，采样范围为评估的起始时刻到目标时刻。

(2)常规机组不确定性模型。本次研究常规机组为可修复模型，按“正常运行”和“故障停运”2个状态模型考虑。

(3)新能源机组不确定性建模。本研究中风电出力的采样方式与时序负荷的采样方式类似，即根据时序模拟结果，每次通过对系统所处“时刻”采样，获得系统某一时刻对应的各类型新能源的出力。这种采样方式考虑新能源与负荷之间可能存在的相关性，使可靠性的计算更加反映实际情况。新能源机组可靠性模型可表示为

(5)

(4)线路和变压器故障模型。本次计算中将线路、变压器以及母联开关等设备统一按潮流计算的“支路”概念建模，全部等效为线路，也同样按两状态模型考虑。

与机组长期模型中的“运行-停运-运行”循环类似，从长期而言，线路停运概率为

(7)

式中MTTRl为线路平均修复时间，λl为线路永久故障停运率(次/年)。

对于变压器，往往给出其停运率λl(次/(年×台))以及平均修复时间MTTRl，则其停运概率为

(8)

通过上述元件不确定性模型，将元件的故障率等指标转换为故障概率，即建立了元件在评估目标时期内的概率空间模型，基于该故障概率，能够采用蒙特卡洛抽样法确定元件在各次采样中的状态。

2.3.2 系统采样方法

本次主要采用蒙特卡洛采样法，其中负荷抽样模型为最高负荷模型，即可靠性评估时段中系统负荷最高的时刻对应的负荷作为所有采样中的负荷。新能源机组出力抽样的方式与时序负荷的抽样方式相同，且抽样中用到的随机数也与时序负荷抽样中用到的随机数相同，保证负荷与新能源出力的同时性。线路与常规机组根据随机生成的0～1区间随机数，确定其采样状态。

2.3.3 系统失效状态求解

本次评估采用直流潮流模型进行评估，其目标函数为切负荷成本最小，并在原有考虑了潮流约束、机组最大最小出力约束的基础上，引入必开机组切出力，用于辨识系统失效状态时机组出力可能低于最低出力的情况；同时也引入断面潮流约束，更精确地考虑区域潮流交换在可靠性评估中的作用。

2.4 基于等可靠性的风电可信容量评估方法

本文风电可信容量评估主要引用文献 [4]，基于序列运算的风电可信容量计算方法。首先对常规机组和风电等新能源机组进行序列化建模，接着利用序列运算对包含风电机组的实际系统进行随机生产模拟。同时引入一等效系统，等效系统中加入具有一定强迫停运率的虚拟机组，通过对等效系统进行随机生产模拟并与实际系统可靠性进行比较与迭代运算，得到风电能够替代的常规机组容量，即风电机组的可信容量，具体建模思路如图2所示。

图2 基于序列运算的风力发电可信容量建模思路 [4]Fig.2 Wind power credible capacity model based on sequence operation

3 算例分析

本次算例分析采用由清华大学电机系开发的电力决策支持系统(globle optimization planning toolbox, GOPT)进行模拟计算。

3.1 机组及线路可靠性参数设定

本次研究南方五省区机组可靠性指标如表1所示，线路与变压器可靠性指标，广东省见表2，广西、云南、贵州和海南其余四省区指标见表3；直流可靠性指标见表4。

表1 机组可靠性指标

Table 1 Reliability indices of units

表2 广东省线路与变压器可靠性指标Table 2 Reliability indices of Guangdong line and transformer

表3 广西、贵州、云南、海南线路与变压器可靠性指标Table 3 Line and transformer reliability indices in Guangxi, Guizhou, Yunnan and Hainan

表4 直流线路可靠性参数Table 4 HVDC line reliability indices

3.2 系统可靠性评估

本次考虑风电并网的系统可靠性研究选取EENS作为评价指标，然而由于五省区电网规模、负荷特性以及机组容量等都存在差异，未接入风电的可靠性指标差异较大，因而利用风电接入前后可靠性指标EENS的绝对变化量来对比风电对五省区可靠性影响的相对强弱是不准确的，所以引入风电接入前后EENS变化率作为新的可靠性评价指标μ

得到2020年各省区可靠性评估结果如图3示。

图3 2020年风电并网后可靠性评估Fig.3 Reliability assessment considering wind power integration in 2020

本次备用需求评估选取风电集中接入区域作为备用机组并网区域， 详见图4等可靠性意义下备用容量需求比例评估结果。

从图3～4评估结果可以看出，整体上新增备用需求占风电装机比例的变化趋势与EENS变化比率基本吻合，说明可靠性意义下的备用需求可以较为有效地量化衡量风电间歇性对系统可靠性的影响。2020年丰大方式下，广东和云南风电接入前后可靠性保持不变，贵州、海南和广西可靠性均有所降低，其中贵州变化率较大，说明风电波动性对贵州的影响最大。由于广东电网规模大，风电接入比例较其他省区较小，风电波动性被系统的其他随机因素(如负荷波动、常规机组停运)淹没，风电并网前后可靠性指标变化较小。云南省主要以水电为主，系统的容量充裕度较大，风电波动对可靠性影响较小。

图4 2020年备用容量需求评估Fig.4 Reserve requirement evaluation in 2020

枯大方式下，广东受西电送电量减小，电源充裕度降低，风电出力增大等因素影响， 风电接入前后可靠性变化较明显。海南主要由于电网规模较小，枯期电源充裕度较低且风电平均出力较大，风电波动对系统可靠性影响突出。贵州由于其风电是五省中唯一呈现丰大枯小的季特性的省份，其在枯大方式11月的出力较小，所以相比丰大方式，枯期其间歇性对系统可靠性影响较小。

3.3 风电可信容量和容量可信度评估

影响风电容量可信度的因素主要有以下几个方面：(1)风电并网前系统自身的电源充裕度及可靠性水平；(2)风电出力特性与负荷的相关性；(3)风电场间的出力相关性；(4)系统的风电渗透率。本部分结合五省区容量可信度的评估结果，对影响因素1和2的影响机理进行总结分析；同时以海南省为例， 对影响因素3和4进行敏感性分析，评估未来大规模海上风电并网造成的渗透率和风电场间相关性变化对风电容量可信度的影响。

分别对南方电网五省区2020年风电出力特性与负荷相关性，2020规划平水年风电容量可信度进行评估，结果如图5和图6所示。

图5 2020年五省区风电出力与负荷相关性Fig.5 Relativity between wind power output and load in five provinces in 2020

由图6可以看出，2020年南方五省区风电容量可信度整体呈现广西、海南较高，云南、贵州较低的特点。从风电接入前系统机组充裕度和可靠性角度分析，由于云南水电较多，系统可靠性水平较高，机组充裕度大，饱和效应较明显，所以风电对系统可靠性的贡献较低，容量可信度较差，相比之下广西和海南两省区系统可靠性相对较差，所以风电对系统可靠性的贡献较大，容量可信度较高。

图6 2020年五省区风电容量可信度Fig.6 Wind power capacity credit in five provinces in 2020

结合图5可以看出，贵州和云南无论从季特性还是日特性来看，风电出力与负荷的匹配程度均较低，贵州风电季特性呈现丰大枯小，日特性呈现夜间出力大，白天出力小的特点，正好与负荷特性完全相反，所以导致贵州与云南风电容量可信度较低。海南是南方五省区唯一风电日特性呈现白天大夜间小的省份，与负荷特性正好匹配，所以具有较高的风电容量可信度。

随着未来大规模海上风电并入海南电网，风电渗透率将会逐渐增大，同时也将改变现有以陆上风电为主的风电区域相关性， 所以有必要以海南电网为例，研究风电渗透率和风区相关性对其容量可信度的影响。图7和图8分别为改变海南电网风电渗透率和风区间相关性系数之后，风电容量可信度的变化。

图7 海南风电渗透率与风电容量可信度关系Fig.7 Relation between wind power penetration factor and capacity credit in Hainan grid

从图7结果可以看出，随着风电渗透率的增加，海南电网风电容量可信度呈整体下降趋势，主要由于风电装机容量提高，系统可靠性指标变化趋于平缓，风电对系统可靠性的贡献趋于饱和，风电可信容量增速变缓，容量可信度下降。所以在今后的风电规划中，需要考虑系统整体电力电量平衡需求，合理优化确定风电机组的装机规模，提高系统整体装机效益。

图8 海南风区相关性与风电容量可信度关系Fig.8 Relation between wind area relativity and wind power capacity credit in Hainan grid

从图8结果可以看出，随着风区间相关性逐渐增强，风电容量可信度呈下降的趋势。由于风电场间相关性较小时，各个风电场处于不同风速联合运行的概率较高，风区之间的风速特性有较强互补性，此时风电输出功率较高，对提高容量可信度有积极作用；反之，若风电场间相关性较强，会减弱各个独立风电场间对于风电波动性的平抑作用，进而减小其容量可信度。

4 结 论

南方电网近年来积极发展新能源发电，未来风电、光伏等新能源装机比例将不断提高，由于风电等新能源出力具有间歇性和随机性等特点，大规模并网将会对系统可靠性带来影响。

本文主要以蒙特卡洛法以及序列运算方法为技术手段，对大规模风电并网后南方电网可靠性，系统需增加的备用需求进行评估，同时对风电可信容量，容量可信度以及相关影响因素进行研究分析。可靠性评估算例表明，在引入等效无风电场景后，可靠性意义下的备用需求可以较为有效地量化衡量风电间歇性对系统可靠性的影响。对南方五省区风电容量可信度以及海南电网的灵敏度分析表明：(1)风电接入前可靠性较高的系统，由于机组充裕度饱和效果明显，风电容量可信度较低；(2)风电出力特性与负荷匹配性较低会导致容量可信度较低；(3)随着风电渗透率增加，风电容量可信度呈下降趋势；(4)风区相关性较强，会减弱各个风区风电场出力对整个系统风电波动的平抑作用，风电容量可信度降低。所以未来风电规划中，建议针对不同区域电网特性，全面考虑上述4个因素对风电容量可信度的影响，优化风电装机规模，合理优化电网资源配置，提高系统装机效益。

[1]肖创英.欧美风电发展的经验与启示 [M]. 北京: 中国电力出版社, 2010. [2]汪新园, 郭瑞鹏. 风电大规模介入下计及负荷不确定性的电力系统可靠性评估 [J]. 华东电力, 2013, 41(2): 385-389. Wang Xinyuan, Guo Ruipeng. Reliability assessment of power system with large-scale wind power integration considering load uncertainty [J]. East China Electric Power, 2013, 41(2): 385-389. [3]余民, 杨宸, 蒋传文, 等. 风电并网后电力系统可靠性评估和备用优化研究 [J]. 电力系统保护与控制, 2012, 40(12): 100-104. Yu Min, Yang Chen, Jiang Chuanwen, et al. Study on power system reliability and reserve optimization with wind power integration [J]. Power System Protection and Control, 2012, 40(12): 100-104.

[4]张宁, 康重庆, 陈治坪, 等. 基于序列运算的风电可信容量计算方法 [J]. 中国电机工程学报, 2011, 31(25): 1-9. Zhang Ning, Kang Chongqing, Chen Zhiping, et al. Wind power credible capacity evaluation model based on sequence operation [J]. Proceedings of the CSEE, 2011, 31(25): 1-9.

[5]张宁, 康重庆, 周宇田, 等. 风电与常规电源联合外送的受端可信容量研究 [J]. 中国电机工程学报，2012, 32(10): 72-80. Zhang Ning, Kang Chongqing, Zhou Yutian, et al. Evaluation of receiving-end credible capacity for joint delivery of wind power and conventional electricity generation [J]. Proceedings of the CSEE, 2012, 32(10): 72-80.

[6]曲翀, 王秀丽, 谢绍宇, 等. 不同风速模型和可靠性指标对风电可信容量评估的影响 [J]. 电网技术, 2013, 37(10)：2896-2903. Qu Chong, Wang Xiuli, Xie Shaoyu, et al. Impacts of different wind speed models and reliability indices on capacity credit evaluation of wind power [J]. Power System Technology, 2013, 37(10):2896-2903.

[7]Amelin M. Comparison of capacity credit calculation methods for conventional power plants and wind power [J]. IEEE Transactions on Power Systems, 2009, 24(2): 685-691.

[8]Zhu Songzhe, Zhang Yi, Chowdhury Ali A. Capacity credit of wind generation based on minimum resource adequacy procurement [J]. IEEE Transactions on Industry Applications, 2012, 48(2): 730-734.

[9]Abdullah M A, Muttaqi K M. Agalgaonkar A P. Estimation of capacity credits for wind generation plants in the south east Australian power grid [J]. Renewable Power Generation Conference 2ndIET, 2013.

[10]张建忠, 程明. 风力发电随机风速时间序列生产方法分析与评价 [J]. 风能, 2012(1):58-61. Zhang Jianzhong, Cheng Ming. Evaluation and analysis of wind power probabilistic wind speed time sequence determination method [J]. Wind Energy, 2012(1):58-61. [11]Zhang N, Kang C, Duan C, et al. Simulation methodology of multiple wind farms operation considering wind speed correlation [J]. International Journal of Power and Energy Systems, 2010, 30(4): 264-273.

(编辑：刘文莹)

Influence Assessment of Wind Power Integration on China Southern Power Grid Reliability

WANG Tong, LU Siyu, JIN Xiaoming, ZHOU Baorong

(Electric Power Research Institute, CSG, Guangzhou 510080, China)

This paper introduces equivalent no-wind scenarios and uses Monte Carlo method to evaluate the influence of wind power intermittent on system reliability, with considering the reliability of generators and transmission lines at the same time. Based on this scenario, the calculation method of wind power reserve requirement under reliability was proposed to quantize the influence of wind power intermittent characteristics on system reliability. Meanwhile, along with the gradual increase of wind power permeability in CSG, it is necessary to evaluate the capacity benefit of wind power in system planning and the contribution of system capacity adequacy, in order to reduce the deviation caused by power supply and demand forecasting and reduce excessive investment, which can also provide data reference and support for the capacity market development in future electric market reform. Based on the reliability evaluation model, this paper evaluates the credible capacity and capacity credit of wind power in CSG by using sequence operation. Finally, taking a practical case in CSG as example, the influence of wind power output characteristics, penetration factor and wind area relativity on capacity credit are studied.

wind power; reliability; Monte Carlo method; reserve capacity; wind power credible capacity; wind power capacity credit

中国南方电网公司科技项目(SEPRI-B12036)。

TM 712

A

1000-7229(2015)10-0161-06

10.3969/j.issn.1000-7229.2015.10.024

2015-06-30

2015-08-04

王彤(1989)，男，硕士，助理研究员，主要研究方向为电力系统规划与可靠性、新能源发电和电力技术经济；

卢斯煜(1986)，男，博士，工程师，主要研究方向为电力系统规划与可靠性、新能源发电等；

金小明(1963)，男，教授级高级工程师，主要研究方向为电力系统规划、电力系统运行分析、新能源发电；

周保荣(1974)，男，教授级高级工程师，主要研究方向为电力系统规划、电力系统运行分析、新能源发电。

Project Supported by the Science and Technology Program of China Southern Power Grid (SEPRI-B12036).