基于空间统计模型的区域风电消纳风险聚类分析

赵振宇，苑曙光

（华北电力大学 经济与管理学院 新能源电力与低碳发展研究北京市重点实验室，北京 102206）

0 引言

目前，我国风电累计并网容量已居世界首位，但存在弃风问题。 弃风直接影响风电场效益，制约风电装机规模，成为风电可持续发展的瓶颈。 风电功率具有随机性和波动性，风电大规模入网后会对电力系统的“发、输、配”各个环节产生运行风险。 由风电运行风险导致的风电消纳风险是指由一系列不确定性影响因素引起风力发电资源浪费的可能性，用于表征区域风电消纳能力。

风电消纳风险管理研究需要兼顾风险因素识别、风险分析及风险评价等工作，并据此针对性地提出风险应对措施，以达到风险控制的最终目的。 在风电消纳影响因素识别方面，文献[1]针对风电的随机性和间歇性等特点，给出了能够反映风电接入对发电系统和输电系统影响的风险指标。 在风电消纳能力评价方面，文献[2]根据不同阶段风电接纳能力评估的不同，提出了风电大规模并网前后风电接纳能力的评估方法。 文献[3]提出了风电接纳风险的概念，引入条件风险价值理论对风电接纳风险进行量化，构建了基于条件风险约束的电网日前风电接纳能力评估模型。 在风电消纳风险应对方面，文献[4]，[5]分别从风电出力时变特性、在线电网资产改变的滞后性以及储能系统的运行特性，建立了两种提高风电接纳能力的规划方法。 文献[6]对风电不确定性带来的运行风险及节能减排的贡献进行量化，构建同时考虑发电资源消耗最少、 环境效益最好和系统运行风险最小的多目标优化调度模型。

目前，对风电消纳风险的研究主要集中于电力系统运行风险，重点考虑了在条件风险约束下的风电消纳能力评估，所建立的评价模型多依赖于条件概率和出力的预测值，难以对风电场及区域的消纳情况进行准确评估。 针对风电资源禀赋较高地区风电场消纳能力存在较大差异的现状，本文将基于风险测度原理构建区域风电消纳风险的计量模型，并结合历史数据对风电场及区域的消纳风险进行测度，进而对消纳风险的空间相关性及集聚特征进行分析，研究区域风电消纳风险时空变化规律。

1 模型构建

1.1 消纳风险计量模型

弃风量是反映风电场弃风水平的直接指标，通常以弃风小时数表示[7]。区域平均弃风小时数为

式中：Hi为区域 i 弃风小时数；Qij为区域 i 中 j 风电场的理论发电量，MW·h；Q′ij为 j 风电场的上网电量，MW·h；Cij为 j 风电场的装机容量。

弃风率是反映风电场消纳能力的关键指标之一，其定义为某时段内总弃风电量与风电理论发电量的比值，区域平均弃风率可以表述为[8]

在运行过程中，受风电出力和需求不确定性影响，风电场上网电量及弃风电量均呈现较强随机性，因此，难以利用运行参数定量表示弃风的概率。 假定弃风事件的弃风损失电量为固定值ΔQ，此时弃风率能够反映弃风事件发生的概率，本文将弃风发生概率以年内累积的形式表示[9]。 根据风险管理理论，风险的度量由风险事件发生概率和风险造成损失程度两部分构成[10]。因此，本文以年弃风小时数来表征弃风损失程度，以年弃风比率表征弃风事件发生的概率，区域风电消纳风险值可以表述为

1.2 风电消纳风险的空间自相关检验模型

为了证明风电消纳风险具有空间相关性，本文借鉴空间自相关指数模型，研究位于蒙西地区的87 家风电场消纳风险值的空间相关性。

全局Moran′I 指数立足于整个研究区域，把要素的位置-属性值作为量化工具，研究区域上空间对象之间的相关程度，判断全局空间分布模式。 全局 Moran′s I 统计为

式中：n 为所研究区域内的风电场数目；wij为空间权重；xi和xj分别为风电场i 和j 的消纳属性；为所有风电场消纳风险属性平均值；为所有风电场消纳风险属性的平方差。

在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率，例如p＜0.1，就表示该结果只有小于10%的可能性是随机生成的，即置信度为90%。 为了确定集聚或离散显著的程度，通常还需要计算zI得分，统计的zI得分按以下形式计算：

全局Moran′s I 指数无法反映出局部的自相关关系，为了更深入地了解局部聚集区元素之间相似或相异的情况，并识别区域空间异常值，利用局部Moran′s I 指数指标来进行统计，可表示为

若Ii值为正，表示要素具有包含同样高或同样低的属性值的邻近要素；若Ii值为负，表示要素具有包含不同值的邻近要素，该要素是异常值。

ArcGIS 是目前应用最广泛的地理空间分析软件，广泛用于地图制作、地理数据转换和处理。ArcGIS 工具箱拥有大量空间分析工具，其中Anselin Local Moran′s I工具能够计算聚类/异常值类型（COType），并可区分具有统计学上的显著性的高值（HH）聚类、低值（LL）聚类、高值被低值围绕的异常值（HL）以及低值被高值围绕的异常值（LH）。

2 风电消纳风险测度及趋势分析

2.1 风电场消纳风险测度及分级

本文研究选取内蒙古西部8 个盟市风电场作为研究数据样本。2012-2018 年，蒙西地区风电总装机容量从8 666 MW 增至16 490 MW。 为了便于比较各年结果，本文仅分析2012 年入网的87家风电场作为样本，其中，接入110 kV 的风电场为13 家，接入220 kV 的风电场为74 家，结合样本 2012-2018 年的消纳相关数据，根据式 （1）～（3），得到样本及区域的消纳风险值。

为了能够准确描述消纳风险的变化趋势，需要依据一定的风险评价标准对各个风电场及区域的风险等级进行评价。 本文依据的分级标准如表1 所示。

表1 消纳风险分级标准Table 1 Risk classification basis of wind power absorption risk

依据蒙西8 个区域2012-2018 年87 家风电场的风险值分级，结合这些风电场的地理位置，利用ArcGIS 制作区域风电消纳风险分布示意图，如图1 所示。 图中：★代表高风险；▲代表较高风险；■代表中度风险；●代表低风险；×代表平均中心，用于测量全部风电场消纳风险的密度中心； 〇表示标准距离，用于测量要素在几何中心周围的集中或分散程度。

图1 2012-2018 蒙西地区风电场消纳风险水平分布图Fig.1 Absorption risk level of wind farms in Western Inner Mongolia during 2012-2018

由图1 可知，2012 年高消纳风险的风电场数量最多，达到24 个，低风险风电场数量最少，同样也是24 个。 2013 年，国家及地方政府出台了许多政策与措施，弃风得到了一定控制，在2013-2018 年，年均高风险风电场数量都在7 以内，特别是2013 年，只有乌兰察布地区的库仑风电场处于高风险水平。 2013-2018 年，每年低风险风电场数量都在50～70，而且总体上数量呈上升趋势； 中等水平风险风电场数量在10～23，消纳风险值处于较高水平的风电场数量均在10 以内。 由图1 还可以看出，风电场消纳风险密度中心逐渐向西移动，且风险的集中程度正在减弱。

2.2 区域消纳风险测度及分级

依据这些风电场的所属区划，计算区域弃风小时数、区域弃风率和区域消纳风险，根据各区域消纳风险占当年各区域消纳风险总和的比重计算风电消纳风险指数，蒙西各地区2012-2018 年风电消纳风险指数变化情况如图2 所示。

图2 蒙西各区域2012-2018 年风电消纳风险指数Fig.2 Risk index of regional wind power absorption in Western Inner Mongolia during 2012-2018

从图2 中可以看出各区域风险指数的波动情况，2012-2014 年各区域风险指数变化规律不明显，2013 年起，包头地区风险指数逐年大幅度升高，其余地区均有不同程度的下降，其中以锡林郭勒地区的下降趋势最为明显，巴彦淖尔地区、呼和浩特和乌兰察布的下降幅度平缓。

根据图2 所示测度结果，使用自然断点法对7 个研究区域的风电消纳综合风险指数进行划分，根据风险由高到低划分为Ⅰ～Ⅳ级风险区，见表2。 从表中可以看出，阿拉善地区和鄂尔多斯地区一直都是Ⅰ级风险区，呼和浩特多数年份也属于Ⅰ级风险区； 巴彦淖尔地区在多数年份是Ⅱ级风险区；乌兰察布地区多数年份是Ⅲ级风险区；锡林郭勒地区多数年份属于Ⅳ级风险区。 比较特殊的是包头地区，在2013 年还属于Ⅰ级风险区，2014 年和 2015 年处于Ⅱ级风险区，2016 年和2017 年只有包头处于Ⅳ级风险区，而在2018 年包头和乌兰察布地区属于Ⅳ级风险区。

表2 2012-2018 年蒙西地区风电消纳风险分级结果Table 2 Grading results of regional wind power absorption risk in Western Inner Mongolia during 2012～2018

3 风电消纳风险空间相关性分析

3.1 风电场消纳风险的空间相关性分析

由图1 可知，风电场消纳风险在空间上呈现显著的空间差异性，局部呈现出显著的空间聚集。表述要素空间关系有可变距离法、固定距离法、K点邻接法、边邻接法、边角邻接法等，但这些传统方法都不适合表述区域风电场群内部的空间关系。 因此，基于本文风电场位置情况，建立自定义空间权重矩阵，并利用ArcToolbox 的Moran'I 工具对各消纳风险指标进行测度，结果见表3。

表3 风险相关参数全局Moran'I 测度结果Table 3 Global Moran′I measure result of risk parameters

Moran'I 工具生成测度结果对照图，如图3所示。

图3 全局Moran'I 测度结果对照图Fig.3 Contrast chart of global Moran'I measure result

将表3 结果与图3 进行对照，可以看出：装机容量不具备空间聚集特征，呈现随机分布；弃风率以及弃风量的显著性水平（p 值）达到0.05，消纳风险的显著性水平达到0.01。以上结果表明，样本点的弃风率、 弃风量和消纳风险值均呈现出空间聚集，且消纳风险具有比弃风率和弃风量更强的空间相关性。

3.2 区域风电消纳风险的空间相关性分析

为了评价内蒙古电网风电消纳风险的区域趋同程度，根据上述87 家风电场的所在行政区划，结合2016 年风险消纳数据计算区域消纳风险值，并对各区域内风电场消纳风险值的Moran'I 进行测度，结果如表4 所示。

表4 蒙西各区域风电消纳风险空间自相关测度结果Table 4 Spatial autocorrelation measurements results of wind power absorption risks in different regions of Western Inner Mongolia

将表4 参数与图3 标准进行对比后，可以评估各区域风电消纳风险的空间相关性。 根据区域风电场的分布及装机情况，风电场分布密度较高的区域，如包头、乌兰察布和锡林郭勒地区的消纳风险的空间相关性更高。

4 蒙西地区风电消纳风险聚类分析

4.1 风电消纳风险空间聚类分析

通过对 87 个样本点在2012-2018 年风险属性进行比较，有少量样本连续多年都处在低消纳风险状态，说明这些风电场所处区域具有较强的风电消纳能力。部分风电场在很多年份都是高消纳风险风电场，说明这些风电场所处区域存在一定的风电消纳障碍。将图1 中各年高消纳风险风电场及连续7 年处于低消纳风险风电场的分布情况整合，其结果如图4 所示。

图4 2012-2018 年高低风险等级风电场示意Fig.4 High-low risk level wind farms in Western Inner Mongolia during 2012-2018

由图4 可以看出，高消纳风险风电场主要分布于内蒙古中部地区以及中东部地区。 有些风电场在不同年份均属于高风险风电场，如漳泽达茂、金风达茂、汇通能源展成、宏滕西乌等4 家风电场有两个年度处于高风险水平；漳泽川井、国泰、大唐萨如拉、兴启源古日班、国电龙源诺尔等5 家风电场有3 个年份处于高风险水平。 从空间角度来看，随着时间的推进，高消纳风险逐渐从整个内蒙古中部地区向包头市和呼和浩特市的北部聚集。

图4 中连续多年处于低消纳风险的风电场（标为●） 主要分布于内蒙古西北部地区以及中南部地区，与高风险风电场分布区域的界限比较明显，结合风电场消纳风险Moran'Ⅰ测度结果可以得出，蒙西地区风电消纳风险具有较强的高低集聚效应。

利用 ArcGIS 的 Anselin Local Moran'Ⅰ统计量工具可以识别显著性的热、 冷点值，其中COType 字段可区分具有统计显著性的高值（HH）聚类、低值（LL）聚类、高值被低值围绕的异常值（HL）以及低值被高值围绕的异常值（LH）。根据蒙西县域风电消纳风险值进行Anselin Local MoranⅠ统计，空间聚类特征如图5 所示。

图5 2012-2018 年蒙西各区域消纳风险空间聚类Fig.5 Spatial clustering characteristics of risk abatement in the regions of western Inner Mongolia during 2012-2018

区域风电消纳风险Anselin Local MoranⅠ统计是根据各区域风险值及区域间空间权重计算，无风电装机区域不存在消纳风险值，计算过程将风险置为零，因此，部分无风电装机区划入低值聚集区。 由图5 可以看出，区域消纳风险集聚特征明显，高值聚集区（HH）主要分布在锡林郭勒盟、乌兰察布市，低值聚集区（HH）主要分布在巴彦淖尔市、鄂尔多斯市及呼和浩特市。

4.2 区域风电消纳风险值聚类分析

根据2018 年消纳情况，计算蒙西县域风电消纳风险值，如图6 所示。

图6 2018 年蒙西区域风电消纳风险分级示意Fig.6 Regional wind power absorption risk level in western Inner Mongolia in 2018

图6 与图5 存在较大差异，特别是高风险区域的变化较为明显，说明高消纳风险区域存在较强的动态性。 2018 年，包头白云区、土右旗、达茂旗、卓资县、乌拉特前旗和乌拉特中旗是消纳风险较高地区，正蓝旗、西乌旗等区域是消纳风险较低区域。

为了进一步比较高低风险区域消纳情况，根据高低风险区域的装机规模和消纳水平制作表5。

表5 2018 年蒙西区域风电消纳情况Table 5 Regional wind power absorption in western Inner Mongolia in 2018

由表5 可知： 较高风险区域装机总量约占蒙西地区的33.6%，但上网电量仅占全网风电上网电量的28.9%； 较低风险区域装机总量约为蒙西地区14.5%，但上网电网占全网总量比重高达36.37%，较低风险区域利用小时数是较高风险区域的1.5 倍。 对于风电的进一步开发，较低消纳风险区域明显具有更大潜力。因此，区域消纳风险值可以作为评价地区风电开发潜力的重要指标。

5 结论

本文以蒙西地区为例，对区域风电消纳风险进行空间聚类分析。基于弃风量、装机容量和弃风率构建风电消纳风险计量模型，结合蒙西地区87家风电场的运行数据，对风电消纳风险进行有效测度和分级。 在分析风电场及区域风电消纳风险空间相关性的基础上，对蒙西地区风电消纳风险进行聚类分析。研究表明，近年来蒙西地区风电消纳风险整体上呈下降趋势，风险重心在向西发生偏移，风电消纳风险值具有较高的空间相关性，风电场以及区域的消纳风险在空间上存在较强的高低聚类效应，且高风险区域在时间序列上呈现动态变化。 本文所提出的模型和方法可用于风电消纳风险区域的识别、分类和分级，并为区域风电产业规划及项目布局提供重要参考。