兼顾可靠性与经济性的风光火蓄多能系统容量配置方法

耿新民，许贝贝

（西北农林科技大学水利与建筑工程学院，陕西省咸阳市 712100）

0 引言

随着风光接入电网占比的不断增加，电源端的不确定性、出力不可控性明显增强，风电、光伏发电等清洁能源面临的消纳问题也日益严重[1-3]。多能互补是国际上公认破解新能源消纳难题的可行途径之一，也便于我国因负荷与资源逆向分布决定的大规模跨区域送电[4]。容量配置优化作为多能互补项目规划设计阶段的重点研究内容，如何综合考虑各电源的发电特性和开发时序，合理规划容量配置并杜绝过度建设，对电网的安全稳定经济运行至关重要。近年来，关于多能系统容量配置优化的研究较多，但现有研究大多以单一技术或经济性指标为目标函数，侧重于提升送端的电能质量和经济性，忽略了外来电在受端的市场竞争力，导致部分已投运多能互补项目市场竞争力不足[5-8]。本文针对上述问题，建立了风光火蓄多能系统容量配置优化模型，主要边界条件是落地电价不能超过受端的燃煤标杆电价，并系统性地评估了不同容量配置方案下多能系统的供电可靠性和弃电率。算例应用验证了所提模型的有效性。

1 风光火蓄多能系统容量配置评价指标体系

1.1 风光火储联合外送系统结构

以青海省海西州某基地为研究对象，设计的并网型风光火蓄联合外送系统结构如图1所示。系统主要由风电场、光伏电站、火电站、抽水蓄能电站、集控中心和大电网组成。抽水蓄能电站在风光大发时处于泵送模式，负荷高峰时处于发电模式。火电机组承担基荷和调峰任务，用于进一步增强多能系统的稳定性。

图1 风光火蓄联合外送系统结构Figure 1 The structure of wind-photovoltaic-thermal-pumped storage combined transmission systems

1.2 风光火蓄多能系统容量配置评价指标

1.2.1 供电可靠率

供电保证率为风光火蓄互补发电系统满足负荷需求的概率，用fRPS表示，计算公式为：

式中：fLPSP——功率供应缺失率；

T——研究时间段总小时数；

TLPSP——多能系统实际出力小于系统负荷的小时数。供电保证率越小，表示系统会长时间无法满足负荷需求，对负荷侧的持续供电能力越低。

1.2.2 弃电率

弃电率为相对负荷需求多发出的、无法被利用的电量占负荷需求的比例，用fAEP表示，计算公式为：

∆t——最小时间间隔，全文中均为1h。弃电率越小，表示系统新能源得到了充分利用，弃风、弃光或弃水现象越少。

1.2.3 源荷偏差率

源荷偏差率为风光火蓄运行时段内的发电功率总和相对于系统负荷需求的波动率，用fY表示，计算公式为：

2 模型建立

2.1 目标函数

随着电力市场体系和市场化电价机制逐步完善，外送电在受端市场竞争日趋激烈。因此，本文以互补系统受端落地电价最小为目标，研究不同风电装机规模下基地抽水蓄能电站可接入光伏电站的最优规模。建立目标函数：

T——基地外送的输配电价；

Lw、Ls、Lg——风电、光电、火电资本金内部收益率8%时的上网电价；

Ew、Es、Eg——风电、光电、火电的年上网电量；

Lps——抽水蓄能电站资本金内部收益率6.5%时的容量电价；

Pps——抽水蓄能电站装机容量；

Etotal——直流输电量；

Eps,loss、Eps,P、Eps,T——抽水蓄能电站损失电量、抽水电量和发电量；

I0——项目初始投资；

r——内部收益率；

N——投资回收期；

VR——固定资产残值；

CO&M——年运行维护费用；

Dn——第n年的折旧；

Pn——第n年的利息。

2.2 约束条件

2.2.1 功率平衡约束

PtA——t时刻的弃水、弃风和弃光量。

2.2.2 风电出力约束

2.2.3 光电出力约束

式中：PmaxPV——光伏的最大出力。光电出力模型见文献[10]。

2.2.4 火电机组约束

（1）机组出力约束：

（2）爬坡约束：

2.2.5 抽水蓄能机组约束

机组出力约束：

N——抽水蓄能机组总数。

（1）水量平衡约束：

（2）库容约束：

式中：Vminu、Vmaxu——上水库的最大和最小库容；

Vmind、Vmaxd——下水库的最大和最小库容。

（3）启停约束：

（4）出力/水量转化效率约束：

ρw——水的密度；

g——重力加速度；

h——抽水蓄能电站的平均水头高度。

2.3 求解方法

3 算例分析

3.1 算例及数据说明

本文算例根据青海省海西州风光水资源禀赋和抽水蓄能电站选点规划情况构造。其中，风电装机容量有60 万kW、70 万kW、80 万kW 三种方案，火电装机容量132 万kW，抽水蓄能电站装机容量140 万kW。

数据说明为：①基地近区光伏资源丰富、风电资源相对较少。②该基地外送时间为9:00～22:00，其余时刻发电量用于满足本地负荷需求。③模型不考虑网架约束，风速、光照强度为该基地2019年全年小时级数据。④风、光、火电源贷款利率4.9%，内部收益率8%，项目运营期20a，建设贷款年限20a，风电造价400 万元/MW，光伏造价330 万元/MW，火电造价400 万元/MW。⑤抽水蓄能电站贷款利率4.9%，内部收益率6.5%，项目运营期40a，建设贷款年限40a，抽水蓄能造价785 万元/MW。⑥抽水蓄能电站抽水电价按燃煤发电基准价的75%执行取0.2353 元/（kW•h）。⑦基地项目电量拟通过特高压直流通道外送至江苏、浙江等华东省份消纳，参考输电距离相近的祁韶直流（约2000km）线损率约4.2%，输配电价取0.0637 元/（kW•h）。⑧新能源弃电率不高于5%，功率供应缺失率不高于10%。

3.2 结果分析

为了验证所提本文所提模型M1 的有效性，设立对照组模型M2、M3。其中，M2、M3 与M1 约束条件及求解方法都相同，但M2 目标函数为新能源上网电量最大，M3 目标函数为源网偏差率最小。不同方案下互补发电系统优化配置结果和落地电价见表1 和表2。因为外送负荷曲线固定，受端需电量确定，方案1～3 随着风电装机容量的增加，最佳光伏装机规模降低。对比模型M1，M2 模型下方案1～3 最佳光伏规模分别增加405MW、365MW、340MW，落地电价增加0.0016 元/（kW•h）、0.0014 元/（kW•h）、0.0013 元/（kW•h）；M3 模型下方案1～3 最佳光伏规模分别增加90MW、55MW、50MW，落地电价增加0.0001 元/（kW•h）。从基地电源上网电量分析，方案1～3 基地电源直流送电量逐渐增加，M1 模型下直流送电量分别为121.198亿kW•h、122.057 亿kW•h、122.916 亿kW•h；弃电量分别为0.0848 亿kW•h、1.093 亿kW•h、1.282 亿kW•h。从容量配置评价指标分析，M1 模型下方案1～3 基地供电保证率分别为90.74%、91.12%、91.19%；弃电率分别为1.44%、1.82%、2.09%；源网偏差率分别为0.129%、0.128%、0.128%。此外，随着风电规模的增加，基地综合上网电价逐渐降低，故配置更多的风电有利于外送电价降低。

表1 不同方案下互补发电系统优化配置结果Table 1 Optimization configuration results of multi-energy system under different schemes

表2 不同方案下互补发电系统落地电价Table 2 Land price of complementary power generation systems under different schemes

图2 以方案1 为例，分析了光伏装机变化对容量配置模型可靠性和经济性指标的影响。由仿真结果可知，随着光伏装机的增加，弃风率和弃光率增加；负荷供应缺失率减小；源网偏差率先减小后增加。事实上，容量配置模型各指标情况都取决于调节性电源和新能源的装机配比，若新能源装机过大，出力波动幅度加大，弃电率和源网偏差率较大；若新能源装机过小，部分时刻不能满足负荷要求，供电保证率和弃电率较小。

图2 不同光伏装机下互补发电系统可靠性和经济性指标Figure 2 Reliability and economic indicators of multi-energy system under different photovoltaic installations

以基地电量外送至华东省份消纳进行市场竞争力分析。目前，华东四省一市的燃煤标杆电价分别为：浙江省0.4153 元/（kW•h）、江苏省0.3910 元/（kW•h）、安徽省0.3844 元/（kW•h）、福建省0.3932 元/（kW•h）、上海市0.4155 元/（kW•h）。若考虑电价在火电标杆电价基础上浮20%，则电价分别为：浙江省0.4984 元/（kW•h）、江苏省0.4692 元/（kW•h）、安徽省0.4613 元/（kW•h）、福建省0.4718 元/（kW•h）、上海市0.4986 元/（kW•h）。方案3 模型M1 下该基地落地电价为0.4599 元/（kW•h），高于四省一市的燃煤标杆电价。但是考虑到基地清洁能源电量占比较高且火电电价上浮将成为常态，M1 模型落地电价具有明显的竞争力。

进一步，图3 分析了风光电站双重不确定对电价及相关指标的影响。图3（a）、（b）、（c）、（d）分别描述了电价、供电保证率、弃电率、源网偏差率指标随风光装机的变化趋势，可得三者与电价之间存在竞争性关系，有折中解，不存在各目标的最优解。新能源配置得过多或过少都会导致外送电价升高，且新能源内部增加风电装机比例有利电价的降低。由式（7）、式（8）可知，各电源加权电价取决于电源装机和发电量两个参数。以方案1 为例，随着光伏装机从150～300MW，基地综合上网电价先减小后增加，火电机组利用小时数从5424h 减少到4287h。

图3 风光电站双重不确定下电价及相关指标值（一）Figure 3 Electricity price and related index values of wind and solar power plants under dual uncertainty（a：Electricity price；b：Power supply guarantee rate；c：Abandonment rate；d：Source network deviation rate）（No.1）

图3 风光电站双重不确定下电价及相关指标值（二）Figure 3 Electricity price and related index values of wind and solar power plants under dual uncertainty（a：Electricity price；b：Power supply guarantee rate；c：Abandonment rate；d：Source network deviation rate）（No.2）

4 结论

本文所提风光火蓄多能系统容量配置模型以受端落地电价最小为优化目标，同时考虑功率供应缺失率和弃电率约束。对比模型M2，方案3 下M1 模型可降低基地落地电价0.0016元/（kW•h），有效改善了基地项目在市场竞争中经济性不高、与受端省份电源相比处于劣势地位的情况。进一步地全面分析了风光电站双重不确定下电价及相关指标值变化情况，新能源装机比例过高或过低都会导致基地落地电价的升高，且新能源中配置更多的风电，有利于电价降低；抽水蓄能作为调节资源相对于火电成本优势明显，在电源侧应主要依托抽水蓄能协助基地新能源送出和消纳。