基于机组组合的风电消纳能力研究

李鹏波，罗荣钧，牟春晓，徐建政

(1．山东大学电气工程学院，山东济南250061;2．山东省电力公司淄博供电公司，山东淄博255000)

基于机组组合的风电消纳能力研究

李鹏波1，罗荣钧2，牟春晓1，徐建政1

(1．山东大学电气工程学院，山东济南250061;2．山东省电力公司淄博供电公司，山东淄博255000)

电力系统消纳风电能力的准确掌握，对于风电场建设规划以及辅助实际运行的调度决策意义重大。风电消纳的效率分析给电网高效利用风电提供了理论支持，风电消纳效率主要是用来衡量扣除电网消纳风力发电的成本后，风电对于电网净减排的贡献率。本文以目前我国的电源结构作为切入点，采用机组组合的生产模拟方法，从成本上分析了电网消纳风电的费用构成。基于二次规划模型，从理论上推导出了电网消纳风电效率与系统运行方式、机组参数和电网消纳风能比例等因素有关。最后通过实验仿真验证了理论的有效性和实用性。

风电消纳效率;机组组合;生产模拟;二次规划

1 引言

风能资源是清洁的可再生能源，风力发电是目前新能源发电中技术最成熟、最具规模化开发条件和商业化发展前景的发电方式之一［1，2］。积极开发利用风电，对增加中国能源供应、调整能源结构、减少环境污染、应对气候变化和实现可持续发展等具有重要意义。但是由于风电具有随机性、波动性、不确定性的特点，使得大规模风电并网的消纳问题成为制约风电可持续发展的关键问题［3］。

据统计，2012年全国弃风电量高达200亿kW·h，按照现行风电电价的最低标准0.51元/(kW·h)计算，仅2012年弃风总损失就高达100亿元。出现大量“弃风”现象的主要原因之一就是电网规划与风电场规划不协调。现有研究多聚焦于单个因素的独立分析，例如单独分析调峰、备用等因素引起的消纳能力。对于电源结构既定的电力系统而言，需要从电力系统实际运行需求出发，研究考虑多种因素并存时的消纳能力评估方法。风电与火电机组的协调运行，使得电网整体能耗最低是优化电网运行的重要目标。国内外的科研人员很早就注意到了这一问题，并建立了一系列综合考虑风电的机组组合模型，这些模型重点研究了风电随机性、不确定性的建模方法，如机组组合模型［4，5］、采用模糊数学建立模型［6，7］、采用机会约束规划建模［7］、基于备用容量修正方法［8-10］、计及风险理论［11］模型等。研究表明风电利用过程中可能引起常规电源的消纳效率下降。文献［12-14］指出合理评估风电价值是风电大规模并网调度中的一个核心问题，因此在发电调度中有必要综合考虑发电厂节能和减排两重目标。风电自特性、系统备用水平、电网传输能力、系统负荷特性、风电并网等因素影响并制约着风电消纳能力。建立科学的消纳能力评估方法，有助于风电场建设规划，更可以辅助实际运行中的调度决策。

本文基于一个全新的视角，揭示影响风电消纳能力的关键要素。综合考虑火电和风电的发电技术特性、电力和热力负荷平衡以及旋转备用容量等约束，建立了电网风电消纳效率分析的数学模型。

基于上述分析，本文对我国电网风电利用效率的内在机理进行了深入研究。本文立足于风力发电的净减排贡献率，使用基于机组组合的模拟方法，得出了开机方式、机组启停、火电机组工作点改变等不同的机组运行方式下电网消纳风电能力的变化规律。最后以我国某风电大省为实际案例，应用模型模拟分析该省风电消纳能力，通过算例仿真验证了理论推导的合理性。

2 风电消纳效率分析模型

2.1 风电消纳效率定义

本文采用“风电消纳效率”这项指标来衡量扣除附加调节成本后的风电对于电网的净减排贡献率。从数学角度，可以用式(1)来计算:

式中，λ为风电消纳效率;C0、C1为引入风电前后，给定时段内系统总的发电煤耗;GL、Gw分别为总的发电量和风电发电量。

λ＞1意味着系统消纳1度风电可以获得超过火电机组发1度电的煤耗节省;反之，则说明系统利用1度风电并不能等同减少1度火电的损耗，需要付出一部分用以调节的附加煤耗。系统在极端情况下也可能出现负效率(λ＜0)，此时应果断弃风，因为电网消纳风电的附加调节成本已超过其节煤效益。

2.2 优化模拟

风火协调优化模拟主要是采用机组组合(Unit Commitment，UC)模型。基于UC估测风电消纳效率的方法为:在同样负荷水平下、用同样的计量方法，分别计算引入风电前后的煤耗，然后代入式(1)求得风电消纳效率。

在传统机组组合模型中，设有N台机组参与优化，PG(t)=［PG1(t)，PG2(t)，…，PGN(t)］T。运行优化问题以发电成本最低，可以描述为:

式中，C0表示总发电成本;Cf(PG)表示燃料成本; Cs(PG)表示启停成本，全都折算成煤耗;通常γCa(PG)仅用作辅助优化问题求解采用;g(PG)表示总发电量;PL为总负荷预测值，含负荷和网损两部分;不等式约束h(PG)通常用来表示最低开机容量、爬坡率、备用、机组容量的上下限等，具体可参考文献［15］。

在指定时段［T0，T1］上，系统燃料成本为:

式中，N为系统中火电机组的数目;PGi为机组i有功出力;ffi是机组i的耗量特性函数，通常可以采用一次曲线:

式中，bi、ci为火电机组i耗量特性系数。系统启动成本为:

式中，tik为机组i第k次开机的时间;τ(t)表示延时函数，定义为:

fsi是机组i启动成本，折算成煤耗，其随时间变化为:

式中，si0为冷启动煤耗;Ti为启动时间常数。

式(5)～式(7)中的泛函问题在实际计算中通常需要进行离散化处理，并且把启停成本、二次耗量特性等非线性函数进行分段线性化，把原问题简化为混合线性整数优化问题。日前优化采用每十五分钟一段，式(2)变为:

关于求解算法的细节介绍可以参考文献［16］。

风力发电自身没有煤耗，因此不会增加式(5)中优化目标，然而风电并网将会替代一部分火电，且需要增加旋转备用，故约束条件会有所改变。

系统负荷扣除风电出力后，由常规机组承担的剩余负荷称为等效负荷。对于常规机组而言，其承担的实际负荷即为等效负荷。分析系统可消纳风电的问题可以转变为分析常规机组群可消纳等效负荷的问题。

本文中，把风电按“负”的负荷处理，用负荷预测值Pl减去风电功率的预测值Pw作为“净”负荷量的预测值Pn，即:

为消纳风电增加的旋转备用和爬坡备用等用式(10)表示:

式中，h(PG)为消纳风电系统所增加的旋转备用; h'(PG)为消纳风电系统所增加的爬坡备用。

3 电网消纳风电效率原理

影响风电消纳效率的人为因素包括风电的预测功率、调度优先权和其误差信息的利用方法等，客观因素有风电击穿透率、电源构成、风电波动性强弱程度等。然而从本质上来看，所有因电网消纳风电而引起的煤耗变化都将通过改变火电机组的运行方式来体现，因此本文从这一点入手进行探讨。

额外煤耗有三种主要存在形式:火电机组运行工作点偏离原来工作点ΔC1、在线机组容量的改变ΔC2、机组启停ΔC3，即

这三部分形式共同作用构成风电消纳效率系数:

式中，ubase为引入风电前系统的单位发电煤耗。

设风电引入前，［T0，T1］时段上共有N台火电机组参与优化，则:

式中，xik为机组i在第k时段上的有功出力;τik为机组i的启停状态，启动为1，反之为0;csi为启停成本。

3.1 机组运行工作点改变

假设引入风电前后，系统开机方式没有变化，系统在安排日前机组组合时暂不考虑风电，实际运行中，仅采用降低在线火电机组运行的工作点来消纳风电。

用风电代替部分火电机组时，火电机组将按耗量微增率从大到小依次减小有功出力Δxi到下限。在［T0，T1］时段，火电机组集合M下调工作点，代入式(1):

在每个时刻k上，代入式(11):

风电消纳效率的范围估测为:

根据式(15)～式(17)，有如下结论:

(1)进行消纳风电时只采用改变火电机组工作点方式，风电消纳效率系数始终为正;

(2)耗量微增率高的火电机组应尽可能先被风电代替;

(3)风能消纳比例越大，λ1越小;

(4)原发电的基准煤耗ubase越大，电网进行风电消纳的附加成本也越高。

3.2 机组在线容量的变化

假设引入风电前后，机组集合H由在线改为关停。这里讨论风电正好等于机组原总出力的情形。在时段［T0，T1］上有:

在线容量变化时，火电机组对风电消纳效率的影响如式(19)所示:

式(19)的意义如下:

(1)若H集合内的机组单位产能成本u2高于ubase，则λ2取值大于1。

(2)从机组运行工作点和机组在线容量两种变化方式对比中可以看出，后者对风电消纳效率的改善主要表现在节省机组固定发电成本上面，一般在同等条件下λ2(k)比λ1(k)大，说明减小开机容量与压低机组工作点相比，前者是更好、更高效的风电消纳方式。

3.3 机组启停

假设T0时刻起，因风电出力的突然减少，增加火电机组集合H。系统净节能量ΔC3为:

式中，Cf、Cs分别表示引入风电后的燃料成本和启停成本。假设增开机组后，系统的开机容量和运行工作点恰好恢复到没有风电引入时状态，则C0= Cf。此时，风电消纳效率为:

可以看出，机组启停引起的是净成本，启停次数的增加是造成风电调节成本上升的主要因素。

4 风电与火电协调运行机理

风电的波动场景和风电穿透率决定了第3节三种情形在实际电网中哪种因素起主导作用。

最常见的情形是改变运行工作点，在该情形下，主要由耗量微增率原理决定风电消纳效率变化。这种情况下，虽然风电消纳效率有所波动，但整体上是稳定的，即使需要付出额外的附加煤耗来消纳风电，但其所占比例非常小。然而仅依靠改变运行工作点方式，风电消纳存在消纳瓶颈。

在线容量变化与机组启停方式能够引起风电消纳效率迅速变化，取得在线容量变化和机组启停方式的平衡是电网有效利用风电的关键问题。尽管风电消纳效率可通过减小在线机组容量来显著提高，但是仍避免不了风电的波动性，原始在线机组容量不足将会引起机组启停次数上升，成本急剧增加。

假设［T0，T1］时段上被关停某机组在T1时刻启动，综合考虑机组完全冷启动和风电消纳效率的临界条件:

由式(21)和式(22)，通过［T0，T1］时段上关停机组所节省煤耗ΔC2和T1时刻增加的启动成本Cs之间的大小比较决定了风电能否真正起到节能减排的效果。为消纳风电而改变火电机组启停方式的临界条件为:

此临界条件也是高风电穿透率情况下煤电占优系统运行优化的基本理论依据，这里称之为成本平衡原理。

5 算例仿真

5.1 仿真说明

风电采用美国东部若干风场春季实际数据，其特征与我国季风性气候相似。分别对低(6.81%)、中(16.30%)、高(28.17%)三种穿透率下(风电穿透率=风电额定装机容量/峰值负荷)的情形进行仿真。

对三种情形各69个样本分别计算单日UC，获得收敛样本186个。统计系统总成本、火电机组燃料成本、机组启停次数、在线机组容量等运行信息，并计算风电消纳效率及以下指标:

风能利用比例α为:

电网单位产能成本Cg($/(kW·h))为:

火电机组单位产能成本Cu($/(kW·h))为:

5.2 结果分析

把风电引入前的情形看作各指标的比对基准，仿真结果如表1所示。

表1 比对基准主要指标Tab．1Indices of base case

从仿真中结果中可以看出，随着运行工作点升高各机组的单位发电成本逐渐下降。1号机组灵活性高、容量小，是机组组合模拟中最常见的调节机组，但其单位成本也是最高的。因此在其余在线机组容量充足的情况下，它总是运行在较低的工作点上。

仿真中风能利用的情况如图1所示，图1给出了风能利用比例α从小到大排序及样本分布的情况。

图1 算例中的风能利用情况Fig．1Wind energy utilization in test cases

系统总的燃料成本、总的发电成本随风能利用增加的变化趋势如图2所示。可以看出，系统总成本呈局部波动、整体线性递减的趋势，电网的单位产能成本也随之线性下降。电网发电成本仍然以燃料成本为主，而启停成本相对所占比例则较小。提高风电消纳的比例在大趋势上对于节能减排还是有利的。

相比较而言，火电机组的单位发电成本则较为复杂，如图3所示。从整体上讲，随着风能利用的增加，火电机组的单位发电成本上升，这是消纳风电所付出的额外代价。

图2 系统总发电成本曲线Fig．2Total generation cost curves

图3 火电机组单位发电成本Fig．3Unit cost of coal electricity

随着风能消纳比例的增加，图4给出了风电消纳效率变化曲线，图中所有情形为三种方式叠加在一起共同起作用时的消纳效率变化情况。对应算例的在线机组容量和机组启停的关键信息见表2。

图4 风电消纳效率曲线Fig．4Wind energy efficiency curves

表2 不同模式主导下的电网运行信息Tab．2Operation information in different cases

图4中可见，风电消纳效率变化可显著分为三组:

(1)机组运行点改变对应所有火电机组开机方式不变、仅工作点下移的场景，借助式(8)可以在理论上估计风电消纳效率范围0.876≤λ≤0.923，仿真验证值与理论值吻合。

(2)机组在线容量改变对应机组启停次数增加较少，在线机组容量减小的情形。显然，此种情形下与运行点改变的情形相比风电消纳效率显著提高，尤其在停机的火电机组稳燃出力和固定成本高时效果更加明显。随着风能利用比例的增加，分摊到每度风电上的节能红利也将下降。

(3)机组启停对应风电反调峰、机组启停次数增加的场景。此时的风电消纳效率显著低于运行点改变方式，甚至还出现了低至0.333的最小值，风能消纳代价极其高昂。

6 结论

为应对风电随机波动特性对电力系统安全运行的影响，须建立科学的风电消纳能力评估方法。电力网络是影响系统风电消纳能力的重要因素，其制约性在实时调度中更为凸显。本文详细研究了风电消纳效率的变化规律，探讨了风火协调电网中风电消纳的若干问题。经过研究本文得出以下结论:首先，火电机组的运行工作点、开机容量与启停等运行方式的改变是主导风火协调电网中风电消纳效率的三大因素。调整火电机组运行工作点是最常见的情形，这时风电消纳效率虽有波动，但整体良好，应积极增加风电消纳。而改变开机容量、启停等离散调节方式则可能导致风电消纳效率的大幅改善或恶化，应当根据风力的实际条件择优选择。其次，在风电消纳比例较低时，起主导机理的是火电机组的等耗量微增率原理;而在风电消纳比例高时，起主导机理的是机组启停成本平衡原理。再次，多时间尺度的优化配合是实现煤电占优电网中风火协调运行的关键所在。考虑中长期来风情况，优化大型火电机组的启停状态;考虑短期来风情况，在日前引入短期或者超短期风电功率预测，优化机组在线工作点和少量灵活机组的启停;本文依照可再生能源配额制的基本思想，构建了包含风电消纳能力的评估体系，涵盖了电网风电消纳的各个角度，并使其形成可良性运作的整体，可实现高效消纳风电的目标。

［1］Moraiesj M，Conejo A J，Perez-Ruiz J．Economic valua-tion of reserve in power systems with high penetration of wind power［J］．IEEE Transactions on Power Systems，2009，24(2):900-910．

［2］尹明，王成山，葛旭波，等(Yin Ming，Wang Chengshan，Ge Xubo，et al．)．中德风电发展的比较与分析(Comparison and analysis of wind power development between China and Germany)［J］．电工技术学报(Transactions of China Electrotechnical Society)，2010，25(9):157-162．

［3］尹明，葛旭波，王成山(Yin Ming，Ge Xubo，Wang Chengshan)．我国风电大规模开发相关问题探讨(A-nalysis of issues about China’s large-scale wind power development)［J］．中国电力(Electric Power)，2010，43(3):59-62．

［4］徐乾耀，康重庆，江长明(XuQianyao，Kang Chongqing，Jiang Changming)．多时空尺度风电消纳体系初探(Preliminary analysis on wind power accommodation system from multiple temporal and spatial scale perspective)［J］．电力系统保护与控制(Power System Protection and Control)，2013，41(1):29-32．

［5］R Barth，H Brand，P Meibom．A stochastic unit-commitment model for the evaluation of the impacts of integration of large amounts of intermittent wind power［A］．9th International Conference on Probabilistic Methods Applied to Power Systems［C］．Stockholm，Sweden，2006.1-8．

［6］孙元章，吴俊，李国杰(Sun Yuanzhang，Wu Jun，Li Guojie)．基于风速预测和随机规划的含风电场电力系统动态经济调度(Dynamic economic dispatch considering wind power penetration based on wind speed forecasting and stochastic programing)［J］．中国电机工程学报(Proceedings of the CSEE)，2009，29(4):41-47．

［7］陈海焱，陈金富，段献忠(Chen Haiyan，Chen Jinfu，Duan Xianzhong)．含风电场电力系统经济调度的模糊建模及优化算法(Fuzzy modeling and optimization algorithm on dynamic economic dispatch in wind power integrated system)［J］．电力系统自动化(Automation of E-lectric Power System)，2006，30(2):22-26．

［8］江岳文，陈冲，温步瀛(Jiang Yuewen，Chen Chong，Wen Buying)．含风电场的电力系统机组组合问题随机模拟粒子群算法(Particle swarm research of stochastic simulation for unit commitment in wind farms integrated power system)［J］．电工技术学报(Transactions of China Electrotechnical Society)，2009，24(6):129-137．

［9］葛炬，王飞，张粒子(Ge Ju，Wang Fei，Zhang Lizi)．含风电场电力系统旋转备用获取模型(Spinning reserve model in the wind power integrated power system)［J］．电力系统自动化(Automation of Electric Power System)，2010，34(6):32-36．

［10］Ortega-Vazquez M A，Kirschen D S．Optimizing the spinning reserve requirements using a cost/benefit analysis［J］．IEEE Transactions on Power Systems，2007，22 (1):24-33．

［11］Miguel A Ortega-Vazquez，Daniel S Kirschen．Estimating the spinning reserve requirements in systems with significant wind power generation penetration［J］．IEEE Transactions on Power Systems，2009，24(1):114-124．

［12］Li X，Jiang C．Short-term operation model and risk management for wind power penetrated system in electricity market［J］．IEEE Transactions on Power Systems，2011，26(2):932-939．

［13］Albadi M H，El-Saadany E F．Comparative study on impacts of wind profiles on thermal units scheduling costs［J］．IET Renewable Power Generation，2011，5(1): 26-35．

［14］袁铁江，晁勤，吐尔逊·伊不拉音(Yuan Tiejiang，Zhao Qin，Toerxun Yibulayin)．大规模风电并网电力系统动态清洁经济优化调度的建模(Optimized economic and environment-friendly dispatching modeling for largescale wind power integration)［J］．中国电机工程学报(Proceedings of the CSEE)，2010，30(31):7-13．

［15］王彩霞，乔颖，鲁宗相(Wang Caixia，Qiao Ying，Lu Zongxiang)．低碳经济下风火互济系统日前发电计划模式分析(Day-ahead dispatch mode for wind-thermal power system in low-carbon economy)［J］．电力系统自动化(Automation of Electric Power System)，2011，35 (22):111-117．

［16］Miguel Carrión，José M Arroyo．A computationally efficient mixed-integer linear formulation for the thermal unit commitment problem［J］．IEEE Transactions on Power Systems，2006，23(3):1371-1377．

Digestion of wind power based on unit commitment

LI Peng-bo1，LUO Rong-jun2，MOU Chun-xiao1，XU Jian-zheng1
(1．School of Electrical Engineering，Shandong University，Jinan 250061，China; 2．Zibo Power Company，Shandong Electric Power Group Corporation，Zibo 255000，China)

Accurately mastering the capability of wind power accommodation is conducive to construction planning of wind plants and provide aids to dispatching decision in actual operation．Wind energy efficiency is used to provide the theoretical support which is known as an essential index to help the power grid to accommodate wind energy more effectively．The paper takes into account the current power structure and analyzes the cost components in wind accommodation by means of unit commitment．The paper reveals how wind energy efficiency changes with the operation modes and parameters of units，and the wind utilization proportion．The results show that the rules，approaches，prediction needs are quite unique in a wind-coal intensive power grid．The paper provides theoretical evidences of wind-coal coordinating operation design．The method is significant for improving accommodated capacity of wind power and instructing power planning．The example results show the effectiveness and practicability．

capability of wind power accommodation;unit commitment;production simulation;quadratic programming

TM732

A

1003-3076(2015)08-0025-07

2013-10-25

李鹏波(1989-)，男，山东籍，硕士研究生，主要研究方向为电力系统运行与控制;罗荣钧(1990-)，男，山东籍，助理工程师，主要研究方向为电力系统继电保护。