面向促进新能源消纳的源网荷贡献度分解算法

弭辙，张晋芳，刘俊，赵秋莉，张富强

面向促进新能源消纳的源网荷贡献度分解算法

弭辙，张晋芳，刘俊，赵秋莉，张富强

（国网能源研究院有限公司，北京市 昌平区 102209）

解决我国新能源消纳矛盾，需要从电源、电网、负荷等环节因素入手，综合施策、系统优化，有效提升新能源消纳能力，但因侧重研究源网荷因素共同作用效果，缺乏对促进新能源消纳时每种因素的实际贡献度分析。为此，从规划角度，基于电力系统生产模拟构建不同的源网荷因素发展情景，分别根据灵敏度法和Shapley值法对各因素在促进新能源消纳能力中的贡献度进行分解，并结合算例充分比较两种方法差异。分析结果表明，灵敏度法针对特定情景判断某因素的消纳贡献度，适合针对既定发展阶段给出措施清单；Shapley值法基于全部发展情景对各因素贡献度进行综合加权，更适合考察从现状到规划水平年的发展全过程。

生产模拟；新能源消纳；贡献度；Shapley值法

0 引言

近年来，我国新能源发展迅猛，装机规模和发电量快速增长。截至2018年底，我国风电装机容量约1.8亿kW，太阳能发电装机容量超过1.7亿kW，均为世界第一。随着我国新能源装机持续快速发展，新能源消纳问题日益突显，2018年，全国弃风电量277亿kW·h，弃光电量54.9亿kW·h。综合来看，我国新能源消纳矛盾产生的主要原因包括用电需求增长放缓、系统灵活调节资源缺乏、新能源富集地区外送电通道不足以及市场机制不健全等[1-2]。

新能源消纳是一项系统性工程，涉及电力系统发、输、配、用多个环节，解决消纳矛盾需要从电力系统的“源、网、荷”各个环节入手，综合优化与改进[3]。在电源侧需要依赖于各类发电机组调节灵活性提升，电网侧需要省间联络线交换电量增长与跨省送电能力上升，负荷侧需要刺激用电负荷增长以及增加需求侧响应资源可调度性。已有诸多学者在源、网、荷因素促进新能源消纳作用方面开展了持续研究，文献[4]对电源侧灵活性改造提高新能源消纳能力进行了定量分析，文献[5-6]对负荷侧电能替代促进新能源消纳进行了论述，文献[7-9]对电网跨区输送电力对新能源消纳的促进作用进行了研究，文献[10]对源网荷因素综合作用促进新能源消纳的效果进行论述。然而目前鲜见从源网荷因素综合作用下每种因素实际促进消纳贡献度大小的角度开展的研究。本文分别采用灵敏度法与Shapley值法，考察源、网、荷因素促进新能源消纳的贡献程度，从而为制定促进新能源消纳措施清单提供参考。

1 新能源消纳能力的界定与测算

1.1 新能源消纳能力的界定

新能源消纳受系统负荷大小、负荷特性、电源结构及调节能力、外来电或外送电规模及运行方式、新能源出力特性等因素的影响，其中许多因素是不断变化的，如新能源在不同季节和不同时段的出力特性不同，火电在供热期和非供热期的调节能力不同，不同季节的负荷特性也不尽相同等，新能源消纳也具有明显的季节性、时段性特点。因此，为全面衡量某电力系统的新能源消纳水平，需要对系统全年的消纳情况进行整体评价分析，为此，从规划的角度给出了新能源消纳能力的定义。

本文将新能源消纳能力定义为：在给定的全年合理新能源弃电率下，系统所能支撑的最大的新能源发电(风电、光伏发电)装机容量。新能源消纳能力的计算以全年的电力系统时序生产模拟为基础，通过给定情景的生产模拟优化求解得到。设定合理的新能源弃能率是为了降低系统的总体调峰需求、避免过高的边际消纳成本，有研究表明我国北方地区的合理弃能率为5%~10%[11]。

时序生产模拟仿真是以典型日或全年为计算时间长度，通过模拟新能源出力特性、常规机组出力特性、电网输电特性和负荷特性的时间序列，逐时段地模拟整个系统的电力电量平衡情 况[12-13]。时序生产模拟比较接近电网实际运行情况，能够反映电力系统实际约束以及风电、光伏时序出力特性，便于对新能源消纳进行详细分析。

1.2 新能源消纳能力的生产模拟算法

新能源消纳能力的生产模拟根据新能源发电量最大、电力平衡和计划电量等约束条件，优化求解合理弃电率所对应的系统最大新能源装机容量。

首先，输入电源规模结构、电力负荷特性、输电线路规模方向、新能源出力特性等参数，对电力系统进行建模；其次，根据各时段的电力需求预测、电源和线路检修周期等，综合优化安排可调节机组的检修计划和开机组合，并优化系统不同时段的调峰能力分布；最后，进行逐时段生产模拟分析，当系统的调峰容量大于新能源该时刻出力时，新能源电量全部消纳。当新能源出力大于系统可提供的调峰容量时，超出部分弃电，弃电电量对应系统无法平衡的新能源功率对时间的积分。弃电率为弃电量与给定时段新能源理论发电量之比。新能源消纳计算原理如图1所示。

图1 典型日弃电量计算方法示意

1.3 新能源消纳生产模拟模型

新能源消纳能力生产模拟，根据全年负荷特性、开机组合、跨省区联络线运行方式等系统运行约束，结合新能源出力特性，考虑充分利用系统调节能力，对全年逐时段开展电力系统生产模拟分析。

主要约束条件如下。

1）新能源发电量最大约束。

在满足合理弃电率a的条件下，全年的新能源发电量最大。

式中：W()、S()分别为时段内单位装机容量的风电、光伏机组的出力功率标幺值；D为选取的单位时段的长度；W·0()与S·0(t)分别为时段内单位装机容量风电、光伏机组的理论出力功率标幺值。

2）电力平衡约束。

式中：G为常规机组的装机容量；G()是时段内常规机组的功率；T为联络线的输送容量；T()为时段内联络线的功率，受入为正；L()为时段内负荷大小。

3）电源调节能力约束。

式中：G·min()和G·max()分别为时段内常规机组的最小和最大出力限额。

4）电源计划电量约束。

式中G为时段内常规机组的计划或强迫发 电量。

5）联络线输电容量约束。

式中：T·min()和T·max()分别为时段内联络线的最小和最大功率限额。

6）联络线交易电量约束。

式中T为时段内联络线的计划交易电量。

2 基于情景对比的消纳贡献度分解算法

通过源网荷因素不同发展水平形成新能源消纳分析情景，可以有效支撑形成规划周期内促进消纳相关措施集合。在具体分析中，源网荷措施并不是单独发挥作用，需要借助电力系统作为整体来达到预期效益。源网荷侧措施在共同发挥作用时存在一定的重叠，如何考虑重叠影响实现有效分配，进而精准刻画每一类因素在促进新能源消纳中的作用，是开展贡献度分析的根本所在。

灵敏度法可以基准情景和目标情景对比来直接显示单一因素作用效果，重点在于基准时间节点和目标时间节点把握。Shapley值法可从基准情景如何发展到目标情景的过渡过程切入，全面地综合分析源网荷因素不同发展路径下的可能效益，进而综合加以衡量。因此本文一并引入灵敏度法和Shapley值法，对源网荷措施在促进新能源消纳中的贡献度进行分析，以期达到更为全面有效的衡量。考察新能源消纳贡献度，首先根据系统相关规划和主要边界条件，从现状到规划水平年，逐一确定每种源网荷因素组合下的过渡情景；其次，通过生产模拟计算每种情景下系统的新能源消纳能力的提高；最后，分别依据灵敏度法和Shapley值法，计算出源网荷因素对消纳的贡献度。

2.1 发展情景设计

新能源消纳能力的提高是电力系统源网荷3方面发展的结果，针对一个典型系统，根据3方面因素发挥作用与否共确定8种发展情景：情景0是各项因素均不发挥作用；情景1、2、3是只有单一因素发挥作用的过渡情景；情景4、5、6是2种因素联合作用的过渡情景；情景7是3种因素全部作用的情景。各情景详细描述见表1。

表1 源网荷因素组合的发展情景描述

通过生产模拟计算每种情景下的系统新能源消纳能力，将规划水平年7种情景的消纳能力分别与现状情景0进行比较，得到各种发展情景下的新能源消纳能力的提高量，即获得的消纳收益。

2.2 新能源消纳贡献度分解算法

2.2.1 灵敏度法

灵敏度分析是根据参数输入研究输出结果变化的不确定性分析，通过判断输入量变动对输出结果变动量的影响程度，评价输入量的贡献程 度[14-15]。在新能源消纳问题中，从现状到规划水平年的发展过程中，源网荷任意单方面因素的发展，例如负荷的增长、电源调节能力的增强、电网输送能力的提高(分别对应情景1、2、3)，都会带来系统消纳能力的提高，即消纳收益。因此，源网荷因素对消纳的灵敏度可通过计算增加单个因素后带来的系统消纳收益量得到。

式中：L为第种因素的收益灵敏度；()为包含因素的某个情景的收益；({})表示在()情景下除去因素作用的情景所得到的收益。

然而，各个单一因素消纳收益之和一般并不等于它们共同作用下带来的系统消纳收益，因此引入一个比例调整因子，使得调整后的各单因素收益之和与共同作用收益相等[16]。因此，每种因素的贡献度可用公式表示为：

式中：r为元素在合作中的贡献度；为全部个因素共同作用的组合情景；()为全部因素共同作用下的收益。

由于贡献度只考察单一因素在合作中贡献的比例，因此可以被约除，即

选取不同的情景为基础时，同一因素的灵敏度可能并不相同，从而使贡献度计算结果存在差异。如负荷增长因素的作用，既可考虑从情景0过渡到情景1，也可以考虑从情景6过渡到情景7，而2种路线得到的消纳收益可能并不相等。

2.2.2 Shapley值法

为避免灵敏度分析法在不同情景下贡献度计算结果不同的局限，考察把某因素在所有可能发展情景下带来的收益全部求出，并以一定比例加权平均得到综合收益，因此引入Shapley值法。

Shapley值法是解决多成员合作对策问题的常用方法[17]，主要应用在合作收益在各合作方之间的分配，是实现成员所得与各自贡献相等的分配方式。尽管在考虑源网荷发展提高消纳能力时，并不考虑消纳收益如何分配，但Shapley值能真实反映出合作时每个因素对收益贡献的大小，因此采用Shapley值法计算贡献度，公式如下：

式中：X()为元素在合作中的收益分配Shapley值；为合作收益特征函数，即各元素合作所获得的收益；M为包含元素的所有子集；||为子集中元素的个数；(||)为相应的加权因子；为全集中元素的个数。

求得各元素对收益的Shapley值之后，对全部元素的Shapley值进行归一化计算，即得到每种元素在总收益中所占的比重，即为该元素的贡献度，如式(14)所示：

式中X为元素在合作中的收益分配Shapley值。

新能源消纳贡献度的分析流程如图2所示。

图2 新能源消纳的源网荷贡献度分析流程

3 算例分析

以我国北方某区域电力系统为例开展分析，根据系统现状运行实测数据和电力发展规划，搭建各种发展情景下的电力系统模型，通过生产模拟测算每种情景下系统的新能源消纳能力，最后根据灵敏度法和Shapley值法分别计算源网荷因素对消纳的贡献度。

3.1 边界条件与消纳能力计算

搭建生产模拟模型需要计入常规电源调节能力、电网外送能力、负荷水平、电力系统运行方式等多种因素，相关边界条件选取的基本原则如下：新能源出力，基于风电、太阳能发电实际出力的归一化出力曲线特性生成时序曲线；火电机组的调节能力，根据不同季节的供热需求分别设置不同的火电调节能力和最小开机方式；电网模型，根据实际网架结构考虑省间和跨区输电能力，不考虑省内网络约束；备用容量按日最大负荷的5%安排；负荷特性，考虑用电量、最大负荷与峰谷差率，根据负荷特性生成时序负荷曲线。

以某历史水平年为例，风力发电资源理论利用小时数1985h，太阳能发电资源理论利用小时数1450h。主要边界条件参数详见表2。

表2 算例电力系统现状水平年主要边界条件

以2020年为规划水平年，根据规划，负荷增长17%，电源灵活性提高可使火电最小技术出力下降5%，新建电网线路可使年外送电量提高200亿kW·h。根据源网荷侧因素的不同发展组合分别确定全部过渡情景，设定合理弃能率为5%，通过生产模拟计算每种情景下新能源消纳能力的提高量，为简化计算，该算例中仅考虑了风电的消纳能力。各情景主要参数变化量和消纳能力计算结果见表3。

表3 各情景主要参数变化与消纳能力计算结果

3.2 源网荷贡献度分析

3.2.1 灵敏度法

根据选取的发展情景作为基准情景，计算源网荷因素的贡献度可选择以下2种路线。

路线1：从情景0出发，分别增加单一因素，即情景1、2、3分别与情景0比较，负荷、电源、电网因素提高消纳能力的灵敏度荷、源与网分别为400万、300万、260万kW，由公式(11)得到负荷、电源、电网因素的消纳贡献度分别为41.7%、31.2%和27.1%。

路线2：从情景7出发，分别减少单一因素，即情景7分别与情景6、5、4消纳能力比较，负荷、电源、电网因素提高消纳能力的灵敏度分别为150万、50万、70万kW，贡献度分别为55.6%、18.5%和25.9%。

3.2.2 Shapley值法

以负荷侧为例，将其消纳能力Shapley值计为源()。包含负荷侧因素的情景共有4个，分别为情景1、4、5与7，对应的参与因素分别为{荷}、{荷，源}、{荷，网}与{源，网，荷}，根据生产模拟计算的消纳收益()分别为400万、430万、450万、500万kW。分别在每个情景上，减少负荷侧因素作用{}，得到的对应的情景分别为{0}、{源}、{网}、{网,荷}，消纳收益({})分别为0、300万、260万、350万kW。依次计算()、({})，即为负荷侧因素在每种过渡情景下对应的边际消纳收益。根据公式(13)计算每种情景对应的加权因子(||)，最终求出负荷侧因素消纳收益的Shapley值，同样求得电源与电网侧因素消纳收益Shapley值，荷() 、源()与网()，分别为236.6万、136.7万、126.7万kW。各参数的计算过程如表4所示。

表4 负荷侧因素Shapley值计算过程参数

同样求得电源与电网侧因素消纳收益Shapley值。根据公式(14)对各因素的Shapley值进行归一化计算，即得到各因素对消纳的贡献度。负荷、电源、电网侧因素提升消纳能力的Shapley值分别为236.6万、136.7万、126.7万kW，对消纳能力提升的贡献分别为47.3%、27.3%、25.4%。

3.2.3 2种方法结果比较

2种方法计算结果如图3所示。对于灵敏度法，在不同基准情景下，源、网、荷3方面因素的贡献度有较大差异，以情景0为基准时(路线1)，负荷侧因素贡献最大，电网侧因素贡献最小；而以情景7为基准时(路线2)，结果显示电源侧的因素贡献最小。不同的基准情景代表系统不同的发展程度，可见各个因素起作用的程度随着系统发展程度不断变化。对于算例中的系统，负荷增长因素在现状与2020年都带来最大的消纳收益，应优先发展；在现状情景下，电源灵活性提高带来的消纳收益高于电网侧因素，可优先发展；2020年后，电网外送带来的消纳收益超过电源灵活性因素，应调整发展优先度，优先发展电网侧措施。

应用Shapley值法，由于计入了每种因素在全部过渡情景下的边际消纳收益，并进行综合加权，因此，从全过程看，Shapley值法的结果相比灵敏度法更加客观全面。在算例系统中，负荷侧的贡献度最大，电源侧的贡献度其次，电网侧的贡献度略小于电源侧，可以作为发展整体过程的各因素效果的综合评价。

图3 各算法下源网荷因素消纳贡献度结果

总体来看，在考察现状到规划水平年发展全过程时，用Shapley值法计算贡献度，结果更客观全面；若明确给出某个发展的基准情景时，选用灵敏度法计算贡献度，结果对当前情景更有针对性，可作为判断当前发展情景采取措施优先程度的依据。

4 结论

新能源消纳是一项系统性工程，解决消纳矛盾需要从电力系统的源、网、荷各个环节的发展入手综合优化，从源网荷侧各因素促进新能源消纳的贡献度的角度开展研究，研究方法可为制定促进新能源消纳措施清单提供参考。

定义了新能源消纳能力，是在给定的全年合理弃电率下系统所支撑的最大的新能源发电(风电、光伏发电)装机容量。新能源消纳能力的计算以电力系统时序生产模拟为基础，在给定情景模型下，考虑新能源发电量最大、电力平衡等约束，优化求解合理弃电率下所对应的系统最大新能源装机容量。

新能源消纳能力的提升是负荷、电源、电网等方面共同作用的结果，从现状到规划水平年，根据源、网、荷3个环节的因素分别发挥作用与否，确定8种发展情景。基于不同情景，分别应用灵敏度法与Shapley值法计算源、网、荷因素对消纳能力提升的贡献度。灵敏度法针对一个基准情形，通过分别增减单个因素得到的消纳收益判断其贡献度；Shapley值法通过将一种因素在全部可能情景下的边界消纳收益进行加权，计算其全发展过程下的综合贡献度。

以我国北方某区域电力系统为算例进行分析。结果显示，通过灵敏度法计算贡献度，更具特定发展阶段的针对性，适合针对既定发展阶段给出措施清单；通过Shapley值法计算贡献度，能综合考察现状到规划水平年的发展全过程，结果更加全面。

[1] 纪晓军，王雨晴．电改新形势下新能源消纳市场机制设计[J]．电网与清洁能源，2018，34(6)：76-79．

[2] 李立浧，张勇军，徐敏．我国能源系统形态演变及分布式能源发展[J]．分布式能源，2017，2(1)：1-9.

[3] 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)：1-8．

[4] 裴哲义，王新雷，董存，等．东北供热机组对新能源消纳的影响分析及热电解耦措施[J]．电网技术， 2017，41(6)：1786-1792．

[5] 裴海波，李德智，韩婉娇，等．面向新能源消纳的电能替代技术[J]．电力需求侧管理，2016，18(6)：45-48．

[6] 邓佳乐，胡林献，李佳佳．采用二级热网电锅炉调峰的消纳弃风机理及经济性分析[J]．电力系统自动化，2016，40(18)：41-47．

[7] 高澈，牛东晓，马明，等．大规模新能源区域互联消纳能力分析及综合评价方法研究[J]．中国电力，2017，50(7)：56-63．

[8] 钟海旺，夏清，丁茂生，等．以直流联络线运行方式优化提升新能源消纳能力的新模式[J]．电力系统自动化，2015(3)：36-42．

[9] 徐帆，丁恰，韩红卫，等．促进跨区新能源消纳的直流联络线功率优化模型及分析[J]．电力系统自动化，2017，41(18)：152-159．

[10] 裴哲义，王彩霞，和青，等．对中国新能源消纳问题的分析与建议[J]．中国电力，2016，49(11)：1-7．

[11] 王耀华，栗楠，元博，等．含大比例新能源的电力系统规划中“合理弃能”问题探讨[J]．中国电力，2017,(11):8-14.

[12] 朱凌志，陈宁，韩华玲．风电消纳关键问题及应对措施分析[J]．电力系统自动化，2011，35(22)：29-34．

[13] 董存，李明节，范高锋，等．基于时序生产模拟的新能源年度消纳能力计算方法及其应用[J]．中国电力，2015，48(12)：166-172．

[14] 陈光，林振智，周浩，等．电网规划方案决策的概率灵敏度分析[J]．电力系统自动化，2013，37(9)：41-46．

[15] 司怀伟，王清心，丁家满．一种电网规划方案决策的灵敏度分析算法[J]．现代电子技术，2016，39(7)：149-153．

[16] 伍期刚，程浩忠，刘梓洪．边际网损系数法中的网损分摊调整方法[J]．电力系统及其自动化学报, 2005，17(3)：78-81．

[17] 李莉，丁亚伟，谭忠富，等．发电权交易机制下基于合作博弈的利润分配模型[J]．华东电力，2009，37(11)：1803-1806．

Project Supported by National Key Research and Development Program (2016YFB0900100); Science and Technology Program of Sate Grade Company(SGNY0000NGJS1900255).

Decomposition Algorithm of Source-grid-load Contribution for Promoting Renewable Energy Accommodation

MI Zhe, ZHANG Jinfang, LIU Jun, ZHAO Qiuli, ZHANG Fuqiang

(State Grid Energy Research Institute Co., Ltd., Changping District, Beijing 102209, China)

Continuous optimization of source, grid and load factors is needed to solve the renewable energy curtailment problem. This article focused on the decomposition algorithm of contribution to renewable energy accommodation under the combined effect of source-grid-load. From the point of view of the planning, development scenarios were established under different source-grid-load factors, based on production simulation. Source-grid-load contributions to renewable energy accommodation were calculated by sensitivity analysis method and Shapley value method, respectively. The sensitivity analysis calculate contribution by judgment factors according to a specific scenario. It is suitable to give a list of measures for an established stage of development. The Shapley value method is a comprehensive weighting for the contribution of all development scenarios. It is more suitable for examining the whole process of development from the present situation to the level of planning.

production simulation; renewable energy accommodation; contribution rate; Shapley value method

10.12096/j.2096-4528.pgt.19124

2019-08-12。

国家重点研发计划资助项目(2016YFB0900100)；国家电网公司科技项目(SGNY0000NGJS1900255)。

(责任编辑 辛培裕)