绿电园区自主调峰能力评估方法研究

鲁晓军　肖军　熊为军　叶磊

摘要：为解决“源网荷储一体化”绿色供电园区（简称“绿电园区”）调峰能力不足的问题，保障新能源接入绿电园区后不影响大电网的安全稳定运行，需要对园区供电方案的自主调峰能力进行评估。以内蒙古奈曼旗绿电园区项目为例，提出了自主调峰能力指标计算方法。结合生产运行模拟计算，验证绿电园区供电方案中风电、光伏和储能的规模及配比是否满足自主调峰要求。全年场景、各月典型日场景和极端场景的仿真计算结果验证了所提自主调峰能力指标计算方法的有效性。研究成果可为绿电园区电源配置的优化与合理性验证提供有效的计算方法。

关键词：自主调峰； 绿电园区； 源网荷储一体化； 新能源消纳； 生产运行模拟

中图法分类号：TM732

文献标志码：A

DOI：10.15974/j.cnki.slsdkb.2023.12.011

文章编号：1006-0081（2023）12-0063-09

0引言

“双碳目标”推动了中国加快构建清洁低碳、安全高效的能源体系，提升了可再生能源利用水平。然而，以风电和光伏为代表的新能源发电具备波动性和不确定性特点，其并入电网后会对电力系统（尤其是调峰方面）产生较大影响［1］。通过分析考虑消纳新能源后的等效负荷特性，可以用定性或定量方法来分析消纳新能源给电网调峰带来的新增负担［2-4］。为解决新能源消纳与电网调峰之间的矛盾，有学者提出了风电、光伏和出力可灵活调节的电源协调送出方案［5-7］，例如火电、水电、储能和需求侧管理等技术方案［8-9］，有效解决了大电网中新能源消纳带来的调峰难题。

然而，随着以新能源为主体的新型电力系统发展，除电源侧外，新能源在负荷侧的直接应用也越来越多，此时仅靠前述电源侧的调节能力难以保障电力系统稳定可靠运行，且存在技术难度大、经济成本高的问题。为此，针对新型电力系统，国家提出了“源网荷储一体化”的技术路线，充分发挥负荷侧的调节能力，推动电力系统由“源随荷动”向“源荷互动”转变［10-11］。2020年以来，国家发展和改革委员会、国家能源局联合发布了相关文件（发改能源规〔2021〕280号），特别指出围绕负荷侧需求开展“源网荷储一体化”，支持在工业负荷规模大、新能源资源条件较好的地区，结合增量配电网和储能技术等工作，开展源网荷储一体化绿色供电工业园区建设。随后，内蒙古自治区等地推出了绿色供电工业园区（以下简称“绿电园区”）相关的实施细则（内能新能字〔2022〕888号），在确保自我消纳、自主调峰的前提下，提高终端用能的新能源电力比重。

对于绿电园区项目，目前的实施细则中大多对储能比例、新能源消纳电量占总负荷比例以及新能源弃电率等指标进行了定量的限制约束。现有研究也主要集中于提高绿电园区的新能源消纳能力，尽力满足绿电园区方案的定量约束。例如为了激励用户侧对消纳新能源的贡献，文献［12］和［13］结合不同用户的负荷曲线，提出了量化不同用户对新能源消纳贡献的计算方法，并以此为基础提出相应的激励方案；文献［14］则从碳交易的视角，提出了绿电园区分级碳交易原则，并将绿电消纳占比引入碳排放计算中，共同激励绿电园区用户减少碳排放，提高新能源消纳。然

而对于定性的限制约束，例如绿电园区是否具备自主调峰能力，如何进行量化评估，则鲜有文献涉及。因此，需进一步研究绿电园区自主调峰能力的量化表达，将自主调峰这一定性约束转化为定量约束。

本文以内蒙古自治区奈曼旗绿色园区供电项目为例，结合实际电力系统运行的约束要求，提出了绿电园区自主调峰能力的量化评估指标。以该绿电园区供电方案数据为例，通过全年8 760 h、典型月和极端场景等多场景仿真计算，验证了所提出的绿电方案自主调峰能力评估指标的有效性。

1绿电园区供电方案介绍

1.1园区负荷供电

该工业园区的新增负荷原计划通过园区增量配电网，由大电网主网进行直接供电，如图1（a）所示。引入风电和光伏新能源以及储能后，绿电园区的供电方案如图1（b） 所示，其中储能、风电场和光伏电站均接入园区增量配电网，形成了基于增量配电网的源网荷储一体化绿色供电方案。园区负荷来自于接入增量配电网的光伏和风力发电，风电和光伏出力不足部分来自于储能设备和大电网主网。储能设备作为灵活调节手段承担平滑负荷曲线、削峰填谷等作用。

1.2相关供电要求

本文以内蒙古自治区能源局发布的绿电园区项目实施细则（2022年版）为例，阐述绿电园区供电方案的相关要求。

首先是储能设备配置规模的要求。储能设备的额定功率不能低于新能源配置总装机功率的15%，储能设备在额定功率运行时的最大充/放电持续时间不低于4 h。其次是从绿电园区对大电网的无源特性角度出发，要求绿电园区以单一并网点接入主网，且运行过程中不得向主网反送电。这就要求新建的新能源总装机功率与园区新增的负荷相匹配，避免园区增量配电网呈现出电源特性。此外，从绿电园区对主网调峰的影响出发，要求绿电园区具备自主调峰能力，不得增加主网的调峰负担。这对储能的调节能力提出了更高的要求。最后，从新能源的消纳量和弃电率角度出发，要求绿电园区中每年新能源电力消纳电量不得低于总负荷电量的50%，新能源年弃电率低于10%。

2绿电园区供电方案边界条件

2.1有功功率平衡

根據电力系统有功功率平衡的约束条件，忽略有功功率传输过程中的功率损失，则需要满足：

2.2储能设备充放电平衡

2.3自主调峰能力

2.4弃电率要求

2.5消纳率要求

3绿电园区一体化运行数学模型

3.1整体计算流程

为获取可满足绿电园区方案边界条件的风电、光伏和储能配置的方案，需要对绿电园区的供电方案进行全年8 760 h生产模拟计算，验证其是否满足相关约束条件，整体计算流程如图2所示。

数据准备工作是供电方案计算的重要环节。对于负荷数据，一般各企业仅上报了其新增的最大负荷，为便于计算，还需对园区内各企业负荷进行综合调研，获取其典型日负荷曲线，推演年负荷曲线；获悉其负荷特性与相应企业生产工艺、销售情况等因素之间的内在关系，包括是否与季节相关（时间特性）、是否具备可调节特性（倒班机制是否灵活，生产环节是否可平移等），以此充分评估企业负荷进行需求侧响应的潜力，便于后期通过价格机制引导企业参与负荷需求侧响应。

除负荷数据，还需调研拟开发区域的风电和光伏资源情况。由于可能存在测风塔等测量工具的缺失，往往难以得到该区域风光资源的实测数据。因此，需要借助气象数据库中的数据进行换算分析。本文从羲和能源大数据平台选取欧洲中期天气预报中心（ECMWF）历史气象数据，并通过换算得到相应的风电和光伏全年标幺值出力曲线和最大可开发容量。

获得负荷特性数据和新能源出力特性数据后，以一组风电、光伏发电、储能的额定功率/容量配置作为输入，进行全年8 760 h的生产运行模拟仿真计算，得到该组风光和储能配置情况下绿电园区的新能源年弃电率和消纳率，并与实施细则所要求的弃电率和消纳率标准进行对比。如果弃电率和消纳率二者之中任意一个不满足要求，则重新调整风电、光伏或者储能的容量进行生产运行模拟计算，直到新能源弃电率和消纳率均满足要求。

可以看出，满足新能源弃电率和消纳率的风电、光伏和储能配置组合是一个多解问题，还需后续结合经济性分析，对各种可能的配置组合进行优化计算。此外，该整体计算流程中，无明显的自主调峰能力校核环节，该环节将在8 760 h生产运行模拟计算中进行描述。

3.2考虑自主调峰要求的一体化生产运行

绿电园区全年8 760 h生产运行模拟计算的流程如图3所示。该过程考虑了源、网、荷、储一体化的协调。首先，根据风电和光伏联合出力情况，通过电价机制等手段激励园区企业主动调整负荷曲线，使园区综合负荷曲线尽量贴近新能源发电曲线，从负荷侧减少系统调峰负担。

3.3提高自主调峰能力的措施

自主调峰措施的核心思想为主动调节从大电网的下电功率PS，抬高其最小值PSmin或拉低最大值PSmax，根据公式（4），此时可降低调峰负担λS，进而提高园区电力系统自主调峰能力，更易满足自主调峰能力评估指标。

如图4所示，首先利用储能设备协调运行进行自主调峰。根据电力系统有功功率实时平衡约束，从PS需要实时跟踪园区内的等效负荷，因此可通过储能设备的充、放电来调整园区内的等效负荷，以此改变PS。若此时PS处于较低水平且持续下降，则让储能强制充电，进而增大园区内的等效负荷，以此来增加PS，进而抬高PSmin；若此时PS处于较高水平且持续增高，则让储能强制放电，进而减小园区内的等效负荷，以此来降低PS，进而降低PSmax。

如果储能的充电状态达到限制，无法继续充电，而自主调峰能力指标还未达到，启动第二步自主调峰措施，对风电或者光伏进行弃电，减小园区内的电源发电功率，进而增大园区内的等效负荷，以此抬高PSmin；如果储能的放电状态达到限制，无法继续放电，而自主调峰能力指标还未达到，则通过购买外部调峰服务，例如从第三方租赁储能进行辅助调峰，從而降低PSmax。

4仿真计算

4.1负荷特性

本文以内蒙古自治区奈曼旗绿电园区项目的数据为例进行仿真计算。

该工业园区2023年报装的新增负荷为225.6 MW。通过对报装企业的生产工艺和负荷特性调研，将园区新增负荷分为3类，如表1所示。

从表1可知，由于该工业园区内新增负荷大多为玻纤行业、生物科技行业等，该类行业的主要工艺环节均全年不停产，因此新增负荷的波动性均不明显，负荷水平较为平稳。

第一类负荷主要来自玻纤行业，其工艺各环节存在紧密的耦合，无法灵活调整，因此该类负荷不具备可调性；第二类负荷主要来自生物科技行业，其部分生产环节可以通过安排灵活的倒班生产制度来排产，因此有30%的负荷可以在早班、中班、晚班时间段内平移；第三类负荷主要涉及到混凝土加工行业，由于加工主要集中在夏季，因此负荷集中在夏季，且不具备可调性。

4.2新能源出力特性

为了验证从文献［15］中所获取的风电和光伏出力曲线的准确性，首先对比了平台数据库计算得到的现有风电场和光伏电站所在区域的出力曲线与实际出力曲线情况，如图5所示。可以看到，数据曲线较为准确地反映出实测曲线的波动性，二者之间相差不大。因此，针对该绿电园区项目拟开发站址，以2021年风电和光伏全年历史数据作为8 760 h生产运行模拟计算的输入，其波形曲线如图6所示。

4.3全年8 760 h场景

基于园区的新增负荷规模，暂定该绿电园区供电方案中风电额定容量为220 MW、光伏额定容量为85 MW、储能配置57 MW×4 h。可以看到，储能的额定功率为新能源装机容量的18.69%，满足储能额定功率不低于15%的要求；储能额定功率下持续充/放电时间为4 h，亦满足相关要求。接下来的计算中，假设储能充电能量转换成放电能量时的转化损耗率为η=15%。

此外，每日新能源的消纳率和弃电率曲线如图8所示。根据全年曲线求平均值，可以得到新能源年消纳率为51.70%，满足公式（11）对消纳率的要求；新能源（含风电和光伏）年度综合弃电率为9.88%，满足公式（7）对弃电率的要求。

4.4各月典型日场景

全年8 760 h场景的计算过程详实，数据结果充分，但计算数据量大、计算负担较重，且无法展示具体的自主调峰调节过程。因此，也可以每个月为单位，选取当月典型的新能源日出力曲线，并以其作为输入进行自主调峰计算。本文根据文献［16］所提出的曲线形态特征提取方法，根据每个月的风电和光伏出力数据，得到当月的风电光伏联合出力典型曲线，进而针对每个月的典型日曲线进行自主调峰计算。接下来以9月为例，详述自主调峰过程。

4.5极端场景

除了典型日场景，还需考虑极端场景下所提出的供电方案是否满足自主调峰要求，如全天无风、风功率陡增、夜间大风且白天无风弱光等极端场景。以下结合“夜间大风且白天无风弱光”的极端场景，分析自主调峰平衡能力，如图11和表4所示。

该场景下，负荷的峰谷差为35.15 MW，负荷调峰负担计算为18.64%。由于凌晨和夜间风电出力很大，发电功率过分盈余，因此凌晨和夜间时段均采

取了主动弃风的手段确保从大电网下电功率的最小值维持在较高水平；而在白天时段，采取储能主动放电的方式避免从大电网下电功率的最大值过高，而在夜间时段储能为了维持能量平衡，主动充电，同时可以进一步抬高从大电网下电功率的最小值。通过

上述自主调峰手段，从大电网下电功率的最大值为115.30 MW，最小值为93.81 MW，峰谷差为21.49 MW，主网调峰负担计算为18.64%，恰好不超过负荷调峰负担，验证了自主调峰能力。但此极端场景下新能源弃电率达到了43.72%，新能源消纳率为40.77%，弃电率远超要求的最大值10%。但是该极端场景出现的概率较小，可以认为对该绿电园区的新能源弃电率和消纳率表现影响不大。

5结论

本文以内蒙古自治区奈曼旗绿电园区的供电方案为例，根据相关法规细则，分析了绿电园区供电方案边界条件，提出了自主调峰能力的评估指标计算方法，以及基于源网荷储一体化思想的自主调峰措施。全年场景、典型日场景和极端场景下的调峰平衡仿真计算结果表明，所提出的供电方案具备自主调峰能力，并得到以下结论。

（1） 自主调峰的核心思想是控制绿电园区从大电网下电功率的下限功率和上限功率，可通过负荷侧需求响应、储能主动调节和新能源主动弃电等手段实现。

（2） 自主调峰能力指标会影响新能源弃电率和消纳率指标，在极端场景下，为了优先满足自主调峰能力要求，可能会增大新能源的弃电率、降低消纳率。

（3） 提高自主调峰能力可以通过增大储能额定功率和容量来实现，但会影响项目的经济性。

参考文献：

［1］舒印彪，张智刚，郭剑波，等.新能源消纳关键因素分析及解决措施研究［J］.中国电机工程学报，2017，37（1）：1-9.

［2］潘旭，王会超，王建中，等.基于优先消纳新能源的电网调峰难度分析指标体系研究［J］.供用电，2023，40（2）：78-84.

［3］徐超，张宇，于伟，等.计及协同调峰的新能源供电出力调度模型设计［J］.能源与环保，2022，44（12）：237-243.

［4］赵书强，吴杨，李志伟，等.考虑风光出力不确定性的电力系统调峰能力及经济性分析［J］.电网技术，2022，46（5）：1752-1761.

［5］李军徽，安晨宇，李翠萍，等.计及调峰市场交易的储能-新能源-火电多目标优化调度方法［J/OL］.电工技术学报：1-16［2023-08-23］.https：∥doi.org/10.19595/j.cnki.1000-6753.tces.221720.

［6］曹輝，李天鸷，卢佳，等.金沙江下游水风光多能互补规模计算模型研究［J］.水利水电快报，2022，43（10）：61-72.

［7］崔杨，安宁，付小标，等.面向高比例新能源电力系统调峰需求的储能容量配置方法综述［J］.东北电力大学学报，2023，43（1）：1-8.

［8］王彩霞，时智勇，梁志峰，等.新能源为主体电力系统的需求侧资源利用关键技术及展望［J］.电力系统自动化，2021，45（16）：37-48.

［9］高洪超，王宣元，邱小燕，等.新型电力系统环境下的虚拟电厂辅助调峰市场机制及其商业模式设计［J］.太阳能学报，2023，44（3）：376-385.

［10］李建林，郭兆东，马速良，等.新型电力系统下“源网荷储”架构与评估体系综述［J］.高电压技术，2022，48（11）：4330-4342.

［11］刘敦楠，徐尔丰，许小峰.面向园区微网的“源-网-荷-储”一体化运营模式［J］.电网技术，2018，42（3）：681-689.

［12］危怡涵，范帅，许少伦，等.基于新能源消纳边际贡献的用户绿电份额评估方法［J］.电力系统自动化，2023，47（10）：14-25.

［13］黄家晖，次仁欧珠，周欢，等.基于绿电指数的园区常态化低碳运行机制［J］.高电压技术，2022，48（7）：2554-2562.

［14］李振坤，李逸沐，罗潇，等.计及碳交易和绿电占比的园区微电网优化运行［J/OL］.电测与仪表：1-11［2023-10-18］.http：∥kns.cnki.net/kcms/detail/23.1202.TH.20221019.1055.008.html

李振坤，李逸沐，罗潇，等.计及碳交易和绿电占比的园区微电网优化运行［J/OL］.电测与仪表：1-11.

［15］王诗超，刘嘉畅，刘展志.基于高斯混合聚类的海上风电出力特征曲线提取方法及其在电量平衡计算中的应用［J］.南方能源建设，2023，10（1）：39-47.

［16］林俐，肖舒，费宏运，等.基于曲线形态特征的地区规模化风电出力场景划分［J］.电网与清洁能源，2020，36（3）：74-81，88.

（编辑：唐湘茜）

Self-peak-shaving ability verification method for green-power industrial parks

LU Xiaojun，XIAO Jun，XIONG Weijun，YE Lei

（Changjiang Survey，Planning，Design and Research Co.，Ltd.，Wuhan 430010，China）

Abstract：To solve the problem of insufficient self-peak-shaving ability of the green-power industrial parks with a source grid load storage configuration so as to ensure that the safe and stable operation of the bulk power grid was not affected after introducing the renewable energy into the industrial parks，it was necessary to evaluate the self-peak-shaving ability.Taking the Naimanqi green-power industrial park program as an example，this paper proposed a calculation method for self-peak-shaving ability index.The feasibility of the configuration of renewable energy and energy storage for satisfying the self-peak-shaving requirement was verified through production operating simulation.The simulation results under various scenarios including whole year，typical days of each month and extreme days validated the effectiveness of the proposed method.The results can provide an useful calculation method for optimization and feasibility verification of the power source configuration in green-power industrial park．

Key words：self-peak-shaving； green-power industrial parks； integration of source grid load storage； renewable energy consumption； production operation simulation