能源互联网中可再生能源发电建设的关键问题

2022-12-05陈凌琦石雪梅张李明

电力与能源 2022年2期

陈凌琦，石雪梅，万磊，张李明

(国网安徽省电力有限公司建设分公司，安徽合肥 230071)

近年来我国可再生能源发电发展迅猛，但以风电、光伏发电等为主导的能源供需体系，因发电量具有波动性和间歇性的特点，难以达到电网的并网要求，导致弃风与弃光现象十分严重[1-2]，这对电力行业的转型提出了更高要求。

能源互联网以可再生能源为主要能源单元，通过互联网实现信息流与能量流的实时流动，能够实现各种类型能源、传输网络、能源和信息技术的高度耦合[3]，可以提高可再生能源的跨区域消纳能力，是未来电网的发展方向。其中，对可再生能源出力进行合理准确的建模，是对其在能源互联网中规划的首要任务。以可再生能源中最为常见的风电和光伏发电为例，其出力分别与风速和光照强度密切相关，对其建模目前常用的方法有3种，分别是时间序列模型、机器学习模型和概率分布模型[4]。时间序列模型是建立在风速具有时间相关性的基础上，通过分析其历史时间变化规律来预测未来风速[5-6]，其阶数对模拟结果的精度影响较大，低阶误差大，而高阶模型参数估计困难，并且难以反映模拟目标的长期概率分布特征。机器学习模型则采用各种机器学习方法及智能算法模拟目标[7-8]，考虑到多种变量对目标的影响，具有较高的预测精度，但是模型复杂导致计算量较大，多用于风速的短期模拟。概率分布模型能够比较准确地拟合目标的长期随机特性。本文基于概率分布模型，分别对风电和光伏发电进行随机建模，并将仿真结果与某地实际数据进行对照，验证该方法的准确性，为能源互联网中可再生能源的规划运行奠定基础。

1 能源互联网简介

1.1 能源互联网的定义

能源互联网，俗称基于网络的智能电网或智能电网2.0。能源互联网就是把互联网技术与可再生能源相结合，在能源开采、配送和利用上从传统的集中式变为智能化的分散式，从而将全球的电网变成能源共享网络。能源互联网是以特高压电网为骨干网架(通道)，以输送清洁能源为主导，全球互联泛在的坚强智能电网。总之，能源互联网是以电力系统+互联网为核心，以互联网及其他前沿信息技术为基础，以分布式可再生能源为主要一次能源，与天然气网络、交通网络等其他系统紧密耦合而形成的复杂多网流系统。通过着力发展非煤能源，形成煤、油、气、核、新能源、可再生能源多轮驱动的能源供应体系[9]。

1.2 能源互联网的框架

能源互联网的基本框架如图1所示。

该系统内有包括风电、太阳能在内的新能源构成的发电系统，也有包括煤、天然气和石油构成的供冷供热系统[10]。它们之间相互融合并通过信息系统构成了“综合能源供给系统”：一方面，多种能源通过电、冷、热等形式的协调调度，全方面地满足用户的各种能源需求，提高能源供应的可靠性与安全性；另一方面，可以消除某一种能源的供应瓶颈，实现各种供能设备的高效利用。

从图1可以发现，很多类型的能源都有特定的市场，如石油用于交通，天然气以家用和供热为主，可再生能源主要用于发电。对于一次能源长期形成的较为固化的产业链条，电能凭借其较好的兼容性可以充当其中的桥梁，实现可再生能源对其他高污染一次能源的逐步替代，这也是能源互联网提出的最重要的目标。

2 可再生能源对能源互联网的影响

可再生能源具有高渗透性、高随机性和对等接入性[11]等特点。

2.1 高渗透性

随着能源互联网的发展，清洁能源将逐步替代化石能源，形成以风电、光伏发电等可再生能源为主的能源供应体系。

按照目前可再生能源发电的增速，清洁能源将在2050年达到世界能源需求总量的80%。在能源互联网背景下，可再生能源的并入将会对能源的供需平衡构成新的挑战。

2.2 高随机性

在以化石燃料为主的传统电力系统中，电源的随机性不大，且稳定性高，控制策略完善。然而可再生能源具有很大的不确定性和不可控性，例如，风电受风速影响，光伏发电受光照强度影响。因此，可再生能源的大规模并网将大幅提高发电侧的随机性，影响供需两侧的平衡性，对电网的安全稳定运行造成威胁。

2.3 对等接入性

在能源互联网的概念中，能量要实现自由传输[11-12]。能源的供给侧与需求侧界限将逐渐模糊，形成具有普适性能源接入接口的多元网络，能源的供应模块可以实现“即插即用”。可再生能源接入能源互联网将免去人工报装、审批的流程，实现自动识别与管理。这也对能源的接入标准、虚拟电厂和能源路由器等技术提出了高要求。

由此可以看出，可再生能源的发电量存在波动性和间歇性影响，而这种影响随着其在发电侧占比的增加而扩大，对在能源互联网中进行规划产生了不利的影响。对于能源互联网的规划运行而言，对可再生能源进行建模是有必要的。

3 可再生能源的随机建模

可再生能源的随机性和波动性使其出力呈现出不同特征，本文基于概率分析和随机抽样的理论，建立了风电和光伏的随机模型。

3.1 风电的随机建模

风机的出力主要由风机功率特性曲线和风速两个因素决定。风速的统计特性一般服从于Weibul分布，其概率密度函数表达式：

(1)

(2)

(3)

式中s——Weibul概率密度函数的形状参数；m——函数的尺度参数，它们均通过平均风速和标准差算出；vw——风速；σ——风速的标准差；μ——平均风速；Г——Gamma函数。

对于获取不同季节的白天和夜晚的风速随机特性，可以通过在模拟过程中改变Weibul分布中的s与m值来实现。

风机功率特性曲线近似满足如下分段函数：

(4)

式中vi——切入风速；vs——额定风速；v0——切出风速；Ps——风机额定功率。

3.2 光伏发电的随机建模

光伏电源在某时刻的出力由该时刻的辐射强度和温度决定[11]，其具体出力关系由下式表示：

(5)

式中Pst——标准光照和标准温度下的光伏出力；a——光伏电源接受的实际光照强度；αT——功率温度系数；Ta——光伏电源的实际温度。

模拟光伏电源出力的随机性需要了解当地光照的特性，将某地的光照情况分成确定部分与随机部分，确定部分由当地的地理情况决定，随机部分受阴影和云层遮挡等随机情况影响，通过Beta分布模拟其概率密度函数(a=0.5，b=1)：

(6)

(7)

则其实际光照强度可表示为：

Ia=(1-ε)Ist

(8)

式中Ist——在不考虑云层遮挡情况下的标准光照强度，由太阳直射辐射强度与散射辐射强度所构成。其中太阳直射辐射强度由日地距离、太阳直射透明度和太阳高度角所决定，散射辐射强度由太阳散射透明度、太阳高度角和大气质量决定[12]；ε——阴影和云层等天气变化对光伏电源出力的削减系数，根据Beta分布随机数得到。