计及年际耦合关系的风水综合出力特性研究

2022-11-17陈瑾王文飞代丞境万航羽吴政声

云南电力技术 2022年5期

陈瑾，王文飞，代丞境，万航羽，吴政声

（中国能源建设集团云南省电力设计院有限公司，云南昆明 650051）

0 前言

云南省以水电、风电、光伏等清洁能源为主，由于新能源和水电出力均受天然来水量、风速、光照等因素影响。新能源电源出力和水电出力间具有一定的互补性，但相关联合出力能力等相关分析较少。目前在进行电力供需分析时，由于对风电与水电联合出力特性欠缺研究，风电不仅不能参与电力平衡，还要考虑一定的反调峰特性，这与实际运行情况有较大差距。有必要深入分析风电与水电的互补和协调特性，研究新的清洁能源电力电量平衡理论，提高电力供需分析准确度。

云南是南方电网乃至全国的电源基地，以水电、风电为代表的清洁能源装机占比达到80%以上。随着清洁能源开发规模的不断增加，深入研究以风电和水电为代表的清洁能源综合出力特性模型，对指导西电东送协议的制定，提升云南电力电量平衡、供需形势、与省外电力互联研究等规划工作水平奠定夯实基础，为云南电力、能源规划及电网发展提供科学、合理的决策依据。现有研究多集中在分析单个电源的出力特性及其集群效应，而对清洁能源综合出力特性研究方面，国内外暂无文献提出相应的研究方法。本文开展的清洁能源综合出力特性研究很好地弥补了该领域的空白，为后续开展该领域研究提供了思路。

文献[1]提出了面向系统运行的风电出力特性指标体系，为开展新能源出力特性提供了参考。文献[2]从间歇性能源的波动特性和集群效应两方面建立了间歇性能源出力特性综合分析体系，为后续研究含高渗透率间歇性能源区域电网的规划，调度和运行提供参考。文献[3]基于大量数据分析得到的新能源基地三维出力模型与气象数据结合，并对基地出力进行一段时间的预测，为区域电网新能源调度提供可靠参考。文献[4]引入了灵活性需求指标定量地描述高渗透率可再生能源并网后由于出力波动性对电网运行造成的影响，结果表明所提灵活性供给思路能够减少系统的灵活性缺额，有利于电网安全运行。文献[5]采用伊藤过程理论建模新能源出力的随机性过程，通过算例说明了伊藤过程既可与现有的随机性模型相兼容，又可以数据驱动的方式进行参数在线辨识，从而为伊藤过程在电力系统中的进一步应用提供了建模基础。

首先，为了定量分析清洁能源间的相关性和互补特性，本文借鉴了已有研究成果中应用效果较好的Spearman 秩相关系数[6-7]，是一个非参数性质(与分布无关)的秩统计参数，因此更适合用来度量非正太变量之间联系的强弱[8]。本文将采用此理论开展清洁能源不同时间尺度上的相关性分析。其次，在清洁能源相关性分析基础上，对于两个具有强耦合关系的随机变量，本文提出采用最小二乘法理论[9-11]拟合水电与新能源出力随机变量的解析函数模型，进而得到清洁能源综合出力耦合关系模型。基于云南地区全省各流域2015 年所有中小水电的实际有功出力和2015～2017 三年各流域新能源实际有功出力数据，利用此模型，将水电或新能源典型出力特性转换为最优化问题，通过求解最优化模型得到各个流域推荐的电源出力特性曲线。最后，将各个流域的水、风和光三者各自的出力特性曲线进行归一化处理，通过最优函数拟合方法得到水电与新能源出力服从的函数模型，即找到了能将水电和新能源综合在一起的耦合关系函数。在此耦合关系模型基础上，即可深入开展清洁能源综合出力特性的研究及应用。

1 清洁能源相关性分析

本文提出采用两种思路来研究清洁能源间的相关性：一是基于中小水电和新能源实际的有功出力数据，研究水电和新能源在日、周和月三个时间尺度上的电量相关性规律；二是充分利用云南全省30 个测风塔1996～2015 共20年的实际平均风速数据和24 个干流水电站共20年的实际平均来水数据（每月一个平均风速和来水数据），研究风资源和水资源的时空关联性。相关性分析通过MATLAB 2016a 软件编程实现算法。

1.1 中小水电与风电电量相关性分析

图1～图3 所示为中小水电和风电两者在日、周和月三个时间尺度上的电量相关性变化规律，另外图4 表示风电和光伏联合后作为一个整体与中小水电的月电量相关性分析结果。

图1 中小水电与风电日电量曲线对比

图2 中小水电与风电周电量曲线对比

图3 中小水电与风电月电量曲线对比

图4 中小水电与新能源月电量曲线对比

由图可知，水电与风电的丰枯互补性非常明显，风电枯期发电量很好地弥补水电枯期的电力供应缺额；此外，三个时间尺度的中小水电与风电日电量曲线对比表明，随着时间尺度的增大，水电与风电的电量相关系数从-0.56 变到-0.70，相关性较强，进一步表明两者间本质上存在某种耦合函数关系。

1.2 干流电站多年平均来水与测风塔平均风速相关性分析

为进一步挖掘出水电与新能源内在的蕴含关系，对云南全省30 个测风塔共20 年的实际平均风速与全省24 个干流水电站共20 年的实际平均来水间的相关性分析结果如图5 所示的相关系数矩阵（维数54×54）。图中每个方块代表某个测风塔风速与某个水电站来水的相关系数，取值在-1～1 之间，其中值越接近于1，则颜色越接近深红；值越接近于-1，则颜色越接近深蓝。

图5 干流电站多年平均来水与测风塔多年平均风速相关系数矩阵

由图可知，测风塔与测风塔间的相关系数绝大多数分布在0.5 以上，相关程度较强；水电站与水电站间的相关系数基本上都分布在0.75以上，相关程度极强；而水电站与测风塔间的相关系数大多数分布在-0.5 以下，说明风水之间存在较强的负相关性。

为进一步细化分析水电与风电的耦合关系特性，根据图6 所示云南全省范围内不同流域干流水电站与测风塔的实际地理位置，并利用1996～2015 年共20 年的实际运行数据，进一步分析了地理位置相近的7 小水电来水与测风塔风速的相关性，分别为：吉沙电站与香格里拉测风塔、庙林电站与昭通昭阳测风塔、鲁布革电站与沾益测风塔、马堵山电站与屏边测风塔、龙马电站与江城测风塔和阿鸠田电站与腾冲测风塔。

图6 不同流域干流水电站与测风塔地理位置图

从图7 可以看出，各流域风速与来水逐年年度内相关性系数均在-0.3 以下，各流域风速与来水存在较强的年度内负相关性；由于阿鸠田代表的怒江流域风电资源较差，风水相关性差不影响全省分析；另外，本次流域相关性缺乏对澜沧江代表小水电来水与风速相关性分析，但根据金沙江、红河、珠江相关性分析结论，可认为已经具有代表性，澜沧江流域风速与来水同样存在较强的年度内负相关性。

图7 不同流域来水与风速相关系数变化

2 清洁能源综合出力耦合关系建模

2.1 新能源分流域典型出力特性

基于云南省2015～2017 年部分风电、光伏电站3 年的实际运行数据（每隔15 分钟一个有功出力数据），采用最小二乘非线性拟合的方法分析得到金沙江、澜沧江、红河以及珠江四大流域的新能源典型出力特性曲线，拟合结果如图8～11 所示。

图8 金沙江流域新能源最优出力曲线拟合

图9 澜沧江流域新能源最优出力曲线拟合

图10 红河流域新能源最优出力曲线拟合

图11 珠江流域新能源最优出力曲线拟合

2.2 中小水电分流域典型出力特性

与新能源典型出力特性曲线方法相同，基于中小水电实际有功出力数据，采用最小二乘拟合的方法得到最优出力曲线。金沙江、澜沧江、红河以及珠江4 个流域的水电出力特性最优曲线拟合结果如图12 所示。

图12 四个流域水电出力特性最优曲线拟合结果

从曲线拟合效果评价指标来看，以上4 个流域的拟合优度指标分别为0.75、0.84、0.94和0.90，拟合效果较好。最终推荐的各流域水电月平均出力特性最优曲线函数关系分别如式(1)～(4)所示。

金沙江流域：

澜沧江流域：

红河流域：

珠江流域：

其中x=1,2,....,12 为自变量，表示月份；f1～f4为因变量，分别表示4 个流域的中小水电月平均出力曲线(出力百分比%)。

3 清洁能源综合出力耦合关系模型

根据以上各流域中小水电和新能源最优出力曲线拟合结果，最终推荐采用1 阶Fourier 模型来刻画清洁能源间的耦合关系函数关系，基于最小二乘非线性函数拟合理论得到如下各流域清洁能源综合出力模型如图13 和式(5)所示。

图13 分流域清洁能源耦合关系模型

各流域拟合指标统计如表1 所示。由表可知，金沙江流域一阶函数拟合后的综合评价指标得分最高，其中R-square 指标达到了0.975，RMSE 误差仅为0.092；而其它流域拟合效果则相对较差，RMSE 误差达到0.2 以上。综合来看，采用一阶Fourier 模型能很好地揭示小水电与新能源的本质函数关系，若进一步增加模型的复杂度，以提升非线性函数拟合的效果，则存在过拟合的问题。

表1 各流域耦合关系函数拟合评价指标

4 综合出力特性对电力保证率的影响

综合各干流电站月平均出力特性曲线、流域径流式中小水电月平均出力特性曲线、流域新能源月平均出力特性曲线，并考虑规划年电源装机容量，即可得到规划年对应来水保证率下的清洁能源综合出力特性：

式中：x=1,2,....,12 为自变量，表示月份；n=1,2,....,N代表各个流域，N表示流域个数；fLHn(x)表示第n个流域干流电站在x月份的平均出力特性；fsHn(x)表示第n个流域中小水电在x月份的平均出力特性；WLHn、WSHn、WCn分别为第n个流域干流电站、中小水电、新能源装机容量，an、bn、cn分别表示第n个流域清洁能源耦合关系模型的耦合因子。

定义清洁能源综合出力保证率：以多年平均来水概率下清洁能源发电能力为基准值，不同来水概率水文年下清洁能源发电能力与基准值的比值，即为该水文概率下的综合出力保证率：