基于机组出力特征解析的风光储联合规划

2022-08-31齐尚敏刘海洋杨永建胡慧敏

热力发电 2022年8期

李宁，齐尚敏，刘海洋，余英，杨永建，胡慧敏

（1.国网新疆电力有限公司营销服务中心（资金集约中心、计量中心），新疆乌鲁木齐 830000；2.国网新疆电力有限公司乌鲁木齐供电公司，新疆乌鲁木齐 830000）

碳达峰的关键期要重点做好构建清洁低碳安全高效的能源体系，控制化石能源消耗总量，着力提高利用效能，实施可再生能源替代行动，深化电力体制改革，构建以新能源为主体的新型电力系统的工作[1]。以风电、光伏为主的高比例新能源与电力系统的深度耦合是新型电力系统发展过程中的必然趋势。合理的电源规划方案有助于从电源结构优化角度提高新能源的消纳能力，引导新能源向均衡、有序、高效方向稳定发展[2]。

电源规划的任务是在满足相关约束条件下，确定新能源装机容量[3]。文献[4]分析新能源季节性，构建了考虑经济及环境的规划模型；文献[5]基于需求侧管理对电源配置的影响，规划了系统需要接入的新能源容量；文献[6]通过分析风光的相关性，将风光互补特性纳入对电网的扩展规划中；文献[7]采用改进杜鹃搜索算法对主动配电网提出一种双层分布式风电规划方法；文献[8]计及碳排放及燃煤约束，规划系统电源并评价其效益，促进电力系统节能减排。

储能作为平抑新能源波动的重要举措，继电源规划后也被广泛研究[9-10]。文献[11]提出一种保证系统重要负荷不间断供电的储能规划方法，借助储能保证系统重要负荷稳定运行；文献[12]提出了一种混合储能配置方法，并基于科学的资源分配方式降低了系统储能容量；文献[13]充分考虑风电的不确定性，研究了不同储能技术对储能容量的影响；文献[14]针对多元时间尺度、多元储能类型的特点，构建了一种以成本最低为目标的储能需求量化模型。

此外，源-储联合规划的研究也正如火如荼地开展。文献[15]计及新能源的随机性及常规机组的随机停运，以等可信容量为核心，提出了一种风光储联合规划方法；文献[16]针对新能源的随机性和时序性，构建了一种考虑时序性的风光储随机规划模型；文献[17]以保证风光储联合发电系统经济性及可靠性为前提，提出了一种依托山体的重力储能模式，建立了以经济最优为目标的风光储容量配置模型。上述研究虽从不同角度提出了源-储规划方法，但未考虑系统运行特性对源-储规划过程的影响。

基于此，结合我国某地区的电力现状，本文通过解析系统源-荷的长时间尺度特性，突出机组出力特征，提出一种基于机组出力特征解析的风光储联合规划方法；同时，从不同角度出发，设计源-储容量配比综合评价体系，以实现新能源高比例接入背景下，面向大区电网的风光储容量配置与规划结果评价。

1 电力系统源-荷长时间尺度特性分析及机组时序出力比建模

电力系统的稳定运行可反映为源-荷的高度匹配。新能源渗透比例的渐深虽推动了电力系统的进一步革新，但其随机性亦为系统的稳定运行带来新的挑战[18-20]。通过分析电力系统源-荷长时间尺度特性，揭示电力系统的一般运行规律，刻画负荷及机组出力特征而实现风光储容量配置，可使其结果更好地满足电力系统的运行特性，在实现新能源高比例接入的同时保证系统稳定运行。

1.1 源-荷运行特性分析

电力系统源-荷特征与其时空分布特性密切相关，本文以我国某大区电网为例进行源-荷运行特性分析。图1为该地区火电机组、水电机组、光伏机组、风电机组以及负荷在不同年份的行为特征。

图1 我国某大区电网内机组源-荷长时间尺度运行规律Fig.1 The source-load long-term scale operation law in a regional power grid in China

由图1可知，该大区电网内：常规机组的长时间尺度运行规律与负荷时间特性密切相关，一方面呈季节性分布，另一方面各年度出力规律与年度平均出力规律相关性极高；新能源机组年度运行规律与年度平均运行规律表明该地区的新能源时空运行规律极为相似；负荷虽具有较大的随机性，但在长时间尺度范围内，其整体趋势仍具有极大的年度相关性。

1.2 机组时序出力比建模

根据上述分析可知，长时间尺度下的发电机组运行数据所反映的机组时序规律特征具有相同的趋势及高度重合的出力比，因此考虑通过构建机组时序出力比模型来描述机组一般的出力规律：

式中：λ(t)为机组时序出力比；p(i,t)为机组第i年t时刻的出力；C(i,t)为第i年t时刻的装机容量。

2 基于机组出力特征解析的风光储联合规划建模

机组时序出力比模型展示的机组出力特征反映了长时间尺度下系统源-荷协调运行规律，基于此进行系统风光储的联合规划有助于使规划结果更符合系统特性。基于文献[14]与文献[21]的源-储规划模型，为使规划的风光储联合出力与系统负荷具有较强的相关性[21]，在满足系统缺电要求的基础上，以系统年度缺电量及弃电量最小为目标，建立基于机组出力特征解析的风光储联合规划模型。

2.1 目标函数

以年度缺电量及新能源弃电量最小为目标函数：

式中：pl(t)为t时刻的负荷运行功率；pc.u(t)为t时刻的常规机组出力；pne.u(t)为t时刻的新能源机组出力；ps(t)为t时刻的储能功率；βs(t)为t时刻的储能工作状态。其中，储能设备考虑为电池储能，且：

式中：λth.f(t)、λhydro.f(t)分别为固定出力的火电、水电机组在t时刻的出力比；λth.v(t)、λhydro.v(t)分别为可变出力的火电、水电机组在t时刻的出力比；λw(t)、λpv(t)分别为风电和光伏机组在t时刻的出力比；Cth.f(t)、Chydro.f(t)分别为固定出力的火电及水电机组在t时刻的装机容量；Cth.v(t)、Chydro.v(t)分别为可变出力的火电及水电机组在t时刻的装机容量；Cw、Cpv分别为风电和光伏机组的规划容量；Xs.cha、Xs.dis分别为储能设备在t时段的充、放电状态，为0-1变量。

2.2 约束条件

约束条件是保证电源规划具有最优配置结果的重要前提，面对不同的约束条件，同一系统可能具有不同的最优规划结果。本文主要考虑在新能源的空间约束、系统及设备的运行约束下对电力系统接入的风电、光伏及储能容量进行规划。

约束条件1 新能源与储能设备最大可建容量约束：

式中：Cs为储能规划装机容量；Cw.lim、Cpv.lim分别为风电、光伏装机容量上限；Cs.w、Cs.pv分别为风电储能及光伏储能容量；ξpv.min、ξpv.max、ξw.min、ξw.max分别为储能占光伏与风电装机容量的最小与最大比例。

约束条件2 电池储能设备运行约束：

式中：ps.cha(t)、ps.dis(t)分别为t时刻储能设备的充、放电功率；Ss,t,S为储能设备在t时段剩余的电量荷电状态；Hs,S为储能设备的储能时长；ηs,S为储能设备的充电或放电效率；λs.S.Ini为储能设备初始电量比例。

约束条件3 火电机组运行约束：

式中：γth.v为可参与调峰的火电机组爬坡速率，αth.v(t)为火电机组剩余可调峰深度。

约束条件4 水电机组运行约束：式中：γhydro.v为可参与调峰的水电机组爬坡速率；αhydro.v(t)为水电机组剩余可调峰深度。

约束条件5 电力系统年平均缺电率约束：

式中：Ldr为系统运行过程中的缺电率；kdr为系统允许的最高缺电率。

约束条件6 新能源年平均弃电率约束：

式中：Lcr为新能源运行过程中的弃电率；kcr为系统允许的最高弃电率。

3 源-储容量配比综合评价体系建立

评价风电、光伏以及储能的容量配比对电力系统接入最佳风电、光伏以及储能容量具有指导价值。双碳背景下，高比例新能源接入电力系统被赋予了大力推动二氧化碳减排、助力达成“碳达峰、碳中和”目标的重要意义。因此，从电力平衡、新能源消纳、碳减排多个角度出发[22-25]，构建以电力系统缺电率、新能源弃电率以及等效碳减排量为主的源-储容量配比综合评价体系，科学评价接入电力系统的新能源电源及储能对电力系统运行的影响。各评价指标及指标计算模型如下。

1）电力系统年平均缺电率

电力系统年平均缺电率为全年各时刻缺电率的均值，其中各时刻缺电率为该时刻缺电量与该时刻运行负荷量的比值，计算公式为：

式中：pdr(t)为t时刻的系统缺电量。

2）新能源年平均弃电率

新能源年平均弃电率为全年各时刻弃电率的均值，其中各时刻弃电率为该时刻弃电量与新能源机组理论发电量的比值，计算公式为：

式中：pcr.w(t)、pcr.pv(t)分别为t时刻风电、光伏弃电量；pw(t)、ppv(t)为t时刻风电、光伏发电量。

3）等效碳减排量

等效碳减排量为与新能源机组等效的火电机组发电量产生的二氧化碳排放量，计算公式为：

式中：Lce为等效碳减排量；pce(t)为t时刻新能源等效火电机组的等效发电功率；qfuel为火电机组燃料的热值，属于燃料的固有属性；ηth为火电机组的热电转换效率；ρ(CO2)为单位燃料消耗产生的二氧化碳释放量。

4 规划流程

基于上述分析及风电、光伏、储能联合规划模型的建立，设计风电、光伏、储能容量的联合规划流程，如图2所示。

图2 风光储联合规划流程Fig.2 The joint planning process of wind powerphotovoltaic-energy storage

5 算例分析

以我国某地区大区电网为例进行仿真分析。常规机组、新能源机组及负荷的历史运行比例及年平均运行数据如图1所示，自备火电机组出力比例取0.65，火电爬坡速率取1.5%/min，储能设备容量配置上限取新能源装机容量的0.3倍，储能设备最大功率运行时长取2 h，系统允许的缺电率取0.5%～1%，碳排放系数取838 g/(kW·h)[26]。

表1列出了2020年该地区实际风电、光伏及储能装机容量与本研究模型规划的风电、光伏及储能装机容量。由表1可见，基于机组出力特征解析的风光储联合规划模型求解的风电、光伏及储能装机容量与实际装机容量差异小，接近程度高。

表1 2020年源-储实际装机容量与规划容量Tab.1 The actual installed capacity and planned capacity of source-storage in 2020

表2为基于综合评价体系与表1规划结果所得的该大区电网2020年风光储容量配置综合评价指标数据。由表2可见，基于2020年该地区实际与规划风电、光伏及储能装机容量进行模拟运行得到的系统缺电率、弃电率及等效碳减排量误差极小，系统运行状态基本一致。

表2 某大区电网2020年风光储容量配置综合评价指标Tab.2 Comprehensive evaluation indexes for wind powerphotovoltaic-energy storage capacity allocation of a regional power grid in 2020

图3为基于2020年该大区电网实际与规划装机容量得到的源-荷运行状态。由图3可以看出，由于规划装机中新能源总量相对较少且储能容量较大，因此规划风光储联合出力相对集中、平稳，但整体出力模式与实际出力相同；规划源-储出力较实际源-储出力少，但总量亦满足系统负荷的运行需求。表明基于机组按比出力的风光储联合规划模型能在满足系统运行需求的基础上，较为科学地规划电力系统风光储的接入容量。

图3 2020年源-荷运行状态Fig.3 The source-load operating conditions in 2020

为进一步验证所建模型的科学性，对该地区2022、2023年的风光储接入容量进行配置。其中，2022、2023年该地区预测的负荷总量增长率为8%，基于图1所示负荷历史运行特征得到的规划年负荷运行状况如图4所示，规划年各时段常规机组装机容量如图5所示。

图4 规划年各时段负荷量Fig.4 The loads in each period of the planning years

图5 规划年各时段机组装机容量Fig.5 The installed capacity of the units in each period of the planning years

对2022、2023年的风电、光伏及储能容量的规划结果见表3。在年负荷总量增长率为8%的基础上，2023年该大区电网风电装机容量相比2022年增长了22%，光伏装机容量增长了6%，储能设备容量增长了17%。

表3 2022、2023年风光储容量配置Tab.3 The wind power-photovoltaic-energy storage capacity allocation in 2022 and 2023

图6为该大区电网2022、2023年风电、光伏、储能设备的联合出力、源-储联合出力以及负荷运行状况。由图6可知，储能设备的加入使得规划年的风电、光伏、储能设备的联合出力稳定性更高，但限于储能设备最大配置容量仅为新能源机组的0.3倍，风电、光伏、储能设备的联合出力仍存在一定波动，若考虑采用超大规模超大容量储能，则有望完全平抑风光的随机波动，同时进一步降低弃风、弃光比例，保证系统供能稳定。对于机组的联合出力，一方面，因其按比出力的特性与负荷的运行规律极度相关，故基于规划结果所得的模拟运行状态与负荷相关性极大；另一方面，机组联合出力结果表明基于机组出力特征解析的风光储联合规划模型所刻画的系统电源结构配比能够满足系统负荷的运行需求，且按比出力模式下，系统常规机组保留了一定的调峰裕度，能够满足系统在电力负荷临时波动下的运行可靠性要求。

图6 2022、2023年源-荷运行状况Fig.6 The source-load operating conditions in 2022 and 2023

表4给出了按照规划的电源容量进行模拟运行得到的系统缺电率、弃电率及等效碳减排量。相比2022年，2023年系统缺电率更高，弃电率更低，等效碳减排量更高，这与2023年负荷、常规机组、新能源机组及储能设备的装机容量和运行密切相关。此时若适当增大储能设备的容量配置，既可在一定程度上降低系统弃电率，保证新能源的极大消纳，又可降低系统缺电率，保证源-荷平衡。