一种基于虚拟电厂技术的城市可再生能源消纳能力提升方法

2021-07-03宣文博李慧刘忠义孙业广侯恺

发电技术 2021年3期

宣文博，李慧，刘忠义，孙业广，侯恺

（1.国网天津市电力公司，天津市河北区 300010；2.天津大学智能电网教育部重点实验室，天津市南开区 300072）

0 引言

目前，全球能源生产和消费正悄然发生变化，以风力发电和光伏发电为代表的清洁能源占比逐年增加[1]，可再生能源已成为全球能源产业发展的重点领域。“十三五”期间，我国风力发电新增0.79亿kW以上，太阳能发电新增0.68亿kW以上[2]。2020年全国风电装机达到2.1亿kW。

而随着风、光等可再生能源发电大规模接入电网以及清洁化利用能源理念的不断深入，电力系统正经历着由主动可调、可控的化石能源发电向风、光等被动可再生能源发电转换的过程[3-4]。同时，新能源的消纳问题日益凸显，弃风弃光甚至弃核现象严重[5-9]。2016年，全国弃风和弃光电量分别达到497亿和74亿kW·h，较2015年分别增加了46.6%和85%。2017年，弃风、弃光现象有所好转，但仍然不容乐观。弃风电量419亿kW·h，弃光电量73亿kW·h。

为解决这些问题，国家出台了一系列政策，明确了新能源大规模发展的方向，同时一系列提升消纳能力的改造工程被提出[10]。因此，探索新能源发展与源荷匹配的特性、新能源消纳能力的量化以及新能源消纳能力的提升是必需的[11]。

利用虚拟电厂的概念，能够对新能源的消纳能力进行有效提升。虚拟电厂的概念最早由Shimon在1997年提出[12]。文献[13]将虚拟电厂定义为在中压配电网中大量分散的分布式能源的集合。

为适应能源供需格局的新变化和国际能源发展的新趋势，本文瞄准某城市新能源发电应用发展方向，对新能源发电的应用场景和配置方案展开深入研究。通过常规能源调峰能力分析及新能源发电特性研究确定新能源发展情况，提出城市新能源消纳能力的量化分析办法，得到基于调峰裕度的量化分析结果。最后，研究电动汽车和柔性负荷提高新能源消纳的效果，提出一种基于虚拟电厂技术的城市可再生能源消纳能力提升方法。

1 虚拟电厂技术

虚拟电厂的基本思想是利用合理的控制技术、通信技术、计量技术等手段对大量的分布式电源进行有效融合，从而对其进行协调优化控制，使得分布式能源能够更加高效经济地运行，降低分布式能源对电网的危害，实现系统的安全稳定经济运行[14-19]。

风电、光伏发电等可再生能源发电具有间歇性、随机性的特点，其发电出力预测也存在一定误差。因此，针对可再生能源发电不确定性强的特点，就必须对储能系统、发电机组、可控负荷等进行优化控制，使之进行合理的配合，提升系统经济性和电能质量。虚拟电厂的控制技术分为2类：集中控制和分散控制。集中控制是将虚拟电厂的全部决策由中央控制单元制定，每一部分均需要由通信技术与控制协调中心进行处理，常常使用能量管理系统，主要工作内容是协调机端潮流、储能系统和可控负荷。当决策权被赋予到各分布式电源时，集中控制方式就变成了分散控制方式。其特点是中心控制器由信息交换代理取代。信息交换代理只向该控制结构下的分布式能源提供服务，如市场价格信号、天气预报和数据采集等。因为具有即插即用能力，所以分散控制比集中控制的扩展性和开放性更好。

智能计量技术是虚拟电厂对分布式能源监控和控制的基础，其主要目的是实现自动抄表，即远程实时测量和读取用户能源的消耗和生产情况，并通过通信技术上传测量数据。因此，对于用户来说，所有的测量数据均可以通过网络的方式进行查询，可以清晰且直观地了解用户自身能源消费或产出情况，以此制定合理的调节计划。

虚拟电厂通常需要利用双向通信技术，这种技术既可以实时接收各个分布式单元的状态信息，又可以对所控制的对象施加控制信号。作为虚拟电厂通信技术的有基于互联网协议的服务、虚拟专用网络、电力线路载波技术等。以上这些主要在室外构成虚拟电厂的通信网络，而无线局域网、蓝牙等通信技术则组成了用户住宅内的通信网络。

虚拟电厂参与系统优化的过程，能够对系统的多方面起到提升效果。因此，文献[20提出了虚拟电厂的技术贡献指标，包括峰谷差DPVD、新能源消纳率NEUR等。

1）峰谷差。

式中：Pt为t时刻虚拟电厂出力；Pw,t、Ppv,t、Psh,t分别为t时刻风电、光伏、水电出力；Pes,t为储能充放电量；max(Pt)、min(Pt)分别为负荷峰时和谷时虚拟电厂出力。

2）新能源消纳率。

式中：分子为新能源消纳值；分母为所有机组实际出力总和。

2 可再生能源消纳能力量化分析技术

定量分析电力系统对新能源的消纳能力具有重要意义。同时，定量化消纳能力也是新能源规划设计、运行管控以及新能源消纳能力提升研究的基础。目前，新能源消纳能力量化分析方法主要有3种思路：1）基于系统调峰能力；2）基于系统静态安全约束条件；3）基于协调运行理念。然而，由于新能源不能被完全消纳的主要原因在于新能源出力高峰时，常规机组不能降低足够的出力以接纳新能源。因此，系统的调峰能力是新能源消纳的重要制约因素。

本文结合某城市机组特性、机组开机方式、风力发电出力特性、光伏发电出力特性以及用电负荷特性，基于电网的调峰能力开展全年8 760 h调峰裕度计算，得出不同弃风、弃光条件下新能源的接纳能力。

2.1 量化分析原则

采用以下量化分析原则：

1）小水电、综合利用发电项目不参加平衡。

2）对于非供热煤电机组，其最小技术出力系数考虑为：600 MW及以上机组0.5，300～600 MW机组0.6，200～300 MW机组0.7，100～200 MW机组0.8，不足100 MW机组及自备电厂容量不参与调峰。

3）对于供热煤电机组，其供热期出力系数考虑为：①冬大方式下，供热煤电机组最大出力按机组容量的85%考虑，最小出力按60%考虑，供热气电机组最大出力按机组容量的80%考虑，最小出力按55%考虑；②冬小方式下，为保证更多机组开机供热能力，供热煤电机组最大出力按机组容量的70%考虑，最小出力按60%考虑，供热气电机组最大出力按机组容量的70%考虑，最小出力按55%考虑。

4）供热机组非供热期最小出力为50%。

5）区外受电调峰能力考虑50%。

6）风电最大出力是装机容量的80%。

7）光伏最大出力是光伏装机容量的50%。

8）常规机组的最小出力如表1所示。

表1 常规机组最小出力Tab. 1 Minimum output during heating period of conventional unit MW

2.2 新能源消纳量化分析方法

根据全年负荷曲线、全年风力发电出力曲线、全年光伏发电出力曲线，结合电源最小出力，提出基于调峰裕度的新能源消纳量化分析方法。根据全年8 760 h负荷的调峰裕度进行计算，从而量化风力发电和光伏发电的消纳空间和弃风弃光情况。

首先，将全年负荷曲线(见图1)与全年8 760 h风电出力曲线和光伏出力曲线进行叠加，如式(3)所示，从而得到系统的净负荷曲线，如图2所示。

图1 全年负荷和最小出力曲线Fig. 1 Annual load and minimum output curve

图2 全年净负荷曲线Fig. 2 Annual net load curve

式中：Pwind,net(t)、Ppv,net(t)和Ppv+wind,net(t)分别为t时刻风力发电、光伏发电以及风力和光伏发电同时存在时的净负荷；Pwind(t)和Ppv(t)分别为t时刻风力发电和光伏发电的出力；PL(t)为t时刻负荷。

其次，增加风力发电与光伏发电的出力，得到不同弃风率、弃光率以及弃能率下的净负荷。最后，净负荷曲线与机组最小技术出力之差即为电网常规能源的调峰裕度，如式(4)所示。

式中：Pwind,margin(t)、Ppv,margin(t)和Ppv+wind,margin(t)分别为风力、光伏以及风力和光伏发电同时存在时的发电调峰裕度。

再次，对得到的8 760 h的调峰裕度曲线进行降序排列，如图3所示，分别得到考虑风电、光伏以及风电和光伏同时存在时的调峰裕度持续时间曲线，其中位于横坐标下方部分的面积即为电网风电弃风量、光伏弃光量以及新能源弃能量。

图3 全年调峰裕度持续时间曲线Fig. 3 Duration curve of peak shaving margin

最后，对于风力发电和光伏发电，从2方面对消纳能力进行量化，一是弃风率、弃光率和弃能率按舍弃时间占比考虑，如式(5)所示；二是弃风率、弃光率和弃能率按发电量占比考虑，如式(6)所示。进一步，通过弃风率和弃光率的变化可以量化不同措施对新能源消纳的提升效果。

式中：Tpv,curt、Twind,cur和Tpv+wind,curt分别为按时间占比考虑的弃光率、弃风率和弃能率；Gpv,curt、Gwind,curt和Gpv+wind,curt分别为按发电量占比考虑的弃光率、弃风率和弃能率；tpv、twind和tpv+wind分别为弃光时间、弃风时间和弃能时间，对应调峰裕度曲线中小于零部分的时间；Spv.pos、Swind.pos和Spv+wind.pos分别为光伏、风力以及光伏和风力发电同时存在时对应的调峰裕度曲线中大于零部分的面积；Spv.neg、Swind.neg和Spv+wind.neg分别表示光伏、风力以及光伏和风力发电同时存在时对应的调峰裕度曲线中小于零部分的面积。

2.3 新能源消纳提升方法

虚拟电厂将各种分布式能源进行整合，其中分布式电源的形式众多，本文主要对电动汽车和柔性负荷对可再生能源消纳的提升进行分析。

电动汽车的充放电特征能够有效提高新能源消纳能力。电动汽车常见的行为模式是晚上充电、白天出行，这就能够有效消纳夜间产生的电能，从而减少新能源发电舍弃量。

柔性负荷是指可通过主动参与电网运行控制，能够与电网进行能量互动，具有柔性特征的负荷。这里将电网中的部分负荷替换为柔性负荷，其工作方式设定为在白天的11:00—15:00及晚上的00:00—04:00进行工作，而晚上的高峰时间停止工作，从而达到削峰填谷的作用。

量化的基本流程如图4所示。

图4 计算流程图Fig. 4 Calculation flowchart

3 算例分析

算例部分选取某城市实际电网，其负荷曲线、机组最小出力和风电光伏发电曲线见第2节，相关数据均为实际运行数据。先从舍弃时间和舍弃能量2方面对某城市可再生能源消纳能力进行量化分析。然后，利用电动汽车和柔性负荷2种手段对城市可再生能源消纳能力进行提升。

3.1 基于调峰裕度的量化分析结果

3.1.1 弃风分析

1）按时间分析弃风情况。

对于弃风率，按照负调峰裕度的持续时间占全年8 760 h的百分比考虑。在风电出力曲线的基础上，增加风电装机容量，得到不同风电装机容量下的调峰裕度持续曲线，然后得到不同风电装机容量下的弃风率，如图5所示。

图5 风机装机容量-弃风率曲线Fig. 5 Wind power capacity-abandonment rate curve

根据现有风电出力曲线，计算不同风电装机容量下的风电全年发电量、风电全年消纳量以及弃风率，如表2所示。可以看出，随着风电装机容量的增加，全年风电弃风率随之增加。从保证率角度考虑，按全年97%保证空间(即弃风率控制在3%)，电网最低裕度空间约为2 965 MW。

2）按发电量分析弃风情况。

弃风率按照弃风部分占全年风电总发电量的百分比考虑。首先，计算调峰裕度持续时间曲线中x轴下方与x轴围成的面积，并与全年风机总发电量相比，得到不同风电装机容量下的弃风率，如图5所示。然后，根据按弃风发电量占比考虑的弃风率，计算不同风电装机容量下的风电全年弃风量和消纳量，如表2所示。

表2 风电消纳情况Tab. 2 Wind power accommodation

从图5和表2可以看出，随着装机容量增加，全年风电消纳总量增加，弃风率也随之上升。此外，与按弃风时间全年占比考虑的弃风率曲线相比，按发电量占比考虑的弃风率随风机装机容量变化较为平缓，即在发生弃风时的弃风量较小。因此，在全年97%保证空间(即弃风率保证3%)下，电网最低裕度空间提升为3 145 MW。

3.1.2 弃光分析

1）按时间分析弃光情况。

对于弃光率，按照负调峰裕度的持续时间占全年8 760 h的百分比考虑。在光伏出力曲线的基础上，增加光伏装机容量，得到不同装机容量下的调峰裕度持续曲线，然后得到不同光伏装机容量下的弃光率，如图6所示。根据现有光伏出力曲线，计算不同光伏装机容量下的光伏全年发电量、消纳量以及弃光率，如表3所示。

图6 光伏装机容量-弃光率曲线Fig. 6 Photovoltaic power capacityabandonment rate curve

表3 光伏消纳情况Tab. 3 Photovoltaic power accommodation

从图6和表3中可以看出，随着装机容量增加，全年光伏弃光率随之增加。弃光率控制在3%，电网最低裕度空间约为3 013 MW。相较于风电，由于光伏出力与光照条件直接相关，白天光伏有出力，晚上光伏无出力，有一定规律性和周期性，由此造成光伏弃光率较低。

2）按发电量分析弃光情况。

弃光率按照光伏弃光量占全年光伏总发电量的百分比考虑，如图6所示。根据按发电量占比考虑的弃光率，计算不同光伏装机容量下的全年消纳量，如表3所示。

从图6和表3中可以看出，随着装机容量增加，全年光伏消纳总量增加，然而，弃光率也随之上升。从图6中还可以看出，与按弃光时间全年占比考虑的弃光率曲线相比，按发电量占比考虑的弃光率在装机容量为1 500 MW之前，两者趋势和数值几乎一样。但是，随着装机容量继续上升，后者上升趋势放缓，前者上升趋势增加。因此，在按发电量占比考虑的弃光率保证3%下，电网最低裕度空间提升为3 307 MW。

3.1.3 弃能分析

表4和图7展示了风力发电和光伏发电的装机容量和2种弃能率。可以看出，随着总装机容量增加，全年新能源舍弃率随之上升，与按舍弃时间全年占比考虑的弃能率曲线相比，按发电量占比考虑的弃能率曲线的斜率较小，并且斜率的差距越来越大。因此，在按舍弃时间占比考虑的弃能率保证3%下，电网最低裕度空间为4 204 MW；在按发电量占比考虑的弃能率保证3%下，电网最低裕度空间为5 044 MW。

3.2 基于虚拟电厂的新能源消纳提升结果分析

舍弃率按发电量占比考虑，风力发电的装机容量为625 MW，光伏发电的装机容量为1 875 MW，电动汽车充电时间设为晚上20:00—次日07:00，电动汽车充电功率为10 kW，数量分别为5 000、10 000、15 000辆，结果如表5所示。

相对于没有电动汽车的情况时，风力发电的弃风量有所下降，为全年风力发电总发电量的0.17%。但是，由于电动汽车的充电时间在晚上，光伏发电无法工作，所以对于光伏发电的消纳能力基本为0。相对于5 000辆电动汽车参与消纳的情况，10 000辆电动汽车参与消纳的情况下新能源消纳能力更高，风电的弃风量也更小，仅为全年发电量的0.12%。相对于10 000辆电动汽车参与消纳的情况，15 000辆电动汽车参与消纳的情况下新能源消纳能力更高，风电的弃风量也更小，仅为全年发电量的0.10%。

分别分析50、100、150 MW的柔性负荷对新能源消纳提升效果，其风电和光伏发电消纳情况如表6所示。

相对于没有采取措施的情况，风力发电和光伏发电的新能源舍弃量都有所下降，弃风率下降为0.20%，弃光率下降到0.12%。与同容量的电动汽车相比，柔性负荷在风力消纳能力上有所下降。但是由于工作时间的区别，柔性负荷在光伏的消纳能力提升上则有很大的作用。与于50 MW相比，100 MW柔性负荷参与消纳的情况下新能源消纳能力更高，弃风弃光量也更小，分别为全年发电量的0.20%和0.11%。150 MW柔性负荷参与消纳的情况下对风电的消纳能力提升幅度较小，但对光伏发电的消纳能力提升能力较强，弃风弃光量分别为全年发电量的0.20%和0.10%。