极高比例可再生能源电力系统的灵活性供需平衡

鲁宗相，林弋莎，乔 颖，吴林林，夏 雪

（1. 清华大学电机工程与应用电子技术系,北京市 100084；2. 国网冀北电力有限公司电力科学研究院,北京市 100045）

0 引言

气候危机是当今时代面临的巨大挑战,能源部门温室气体排放量占3/4,减少温室气体排放是避免气候变化最恶劣影响的关键。国际能源署（International Energy Agency,IEA）提出全球能源部门2050 年实现净零排放的路线图,要求在未来10 年太阳能发电和风力发电的装机容量分别以年均630 GW 和390 GW 的规模增长,年均新增量将达到2020 年增长水平的4 倍,到2050 年,太阳能发电和风力发电的发电量份额将占近70%［1］,形成以风/光发电为主体的电力系统。有学者基于现有技术体系开展了模拟分析和政策研究,评估了以风/光发电为主的100%可再生能源电力系统的可行性［2-8］。

截至2020 年底,全球可再生能源发电量占比已达29%［9］,其中,中国为27.3%［10］,美国为20.9%［11］,欧盟为38%［12］。风/光电源方面,全球风/光发电量占比约9%［9］,中国为9.5%［10］,美国为11.6%［11］,欧盟为19.6%［12］,整体来看还处于中等比例的水平。如何加速光伏/风电的发展,还需要更多的技术创新和政策、市场支撑［13］。

源于风/光资源的强随机性、波动性特点,风电和太阳能发电给电力系统的供需平衡带来严峻挑战［14］。对于大规模风电、光伏并网的研究已经非常广泛,相关理论与方法不断成熟并得到转化应用,形成了可再生能源接入电力系统的基本理论体系［15-17］。但是,这些研究工作的基本假设是常规电源（如燃煤发电机组、燃气发电机组等）有足够的调节能力来应对可再生能源电源随机波动性给电网带来的负面冲击。

随着风/光等波动性电源成为供电主体,电力系统本征特性改变,“基荷”发电厂基本消失,常规火电机组在日内快速启停,并通过水电厂、燃气电厂、储能以及弹性负荷等多类型灵活资源调节共同实现对可再生能源随机波动的互补,灵活平衡能力成为规划和运行关注的核心［18-19］。

不同风/光电源比例发展阶段,电力系统的灵活性供需平衡呈现不同的特点。为此,本文在新能源占比为0%和100%两个边界场景中间,除了低比例、中高比例阶段外,进一步提出了“极高比例可再生能源电力系统”这一过渡阶段,以下简写为“极高比例系统”,并将其定义为风/光电源在系统总发电量中占比达到50%及以上的电力系统。需要说明的是,从灵活性供需平衡技术体系的完整性角度考虑,本文关注能量供需自平衡的系统,即不存在大规模电力输入或外送。丹麦的风/光发电量占比达到了60%（主要是风电）［20］,但其依赖欧洲完善的跨国电力交易实现平衡［21］,不是本文所述的极高比例系统。

本文将围绕极高比例系统的灵活性供需平衡问题,分析极高比例系统的主要结构特点和运行特点,并与其他发展阶段的系统特性进行对比；然后,解析极高比例系统的灵活性供需平衡的基本原理和关键挑战；最后,提出极高比例系统灵活性供需平衡研究的关键难题及解决思路,为未来电力系统的规划和运行研究提供借鉴。

1 极高比例系统的特点

为表征不同波动性可再生能源发展阶段的灵活性供需的不同特点,图1 给出了不同风/光电源比例发展阶段的系统发电/负荷持续曲线示意图。其中:常规电源的发电功率可在装机容量范围内灵活调节,其最大发电功率不随持续时间变化；风/光电源出力强依赖于资源特性,其最大发电功率随持续时间增加而下降明显。图1 中标注的红色的倍数表示不同发展阶段下风/光最大发电功率相对负荷的典型比值,百分数表示风/光保障发电功率相对负荷的典型比值,其取值含义及估算方法详见附录A。

图1 不同发展阶段系统的发电/负荷持续曲线示意图Fig.1 Schematic diagram of generation/load duration curves of system at different development stages

由图1 可见,对低比例系统,以火力发电为代表的常规电源具有充足的功率和能量调节潜力,供需平衡的核心任务是如何经济地安排常规机组的开机和发电计划以满足负荷需求的实时供应。对中高比例系统,风/光电源替代部分常规电源,电源波动加剧导致局部时段的源荷平衡矛盾,少数时段出现发电功率超出负荷,需进行储能充电或适当弃电,在发电不足的个别时段通过储能放电补足,否则可能导致少量失负荷。而对极高比例系统,常规电源大幅缩减,风/光发电剧烈波动而导致失负荷和风/光弃电的双重风险凸显［22-24］,使得灵活性供需平衡问题变得至关重要且更加复杂。

1.1 结构特点

1.1.1 源侧:低容量系数风/光电源成为主体,其他电源向灵活性资源转型

电源的容量系数定义为年平均发电功率与装机容量的比值。实际工程运行经验表明,风电的容量系数约为25%～40%,太阳能发电的容量系统约为10%～20%。风/光电源容量系数低,实际电量供应能力与装机容量之间不匹配。

这一点可从当前不同国家风/光电源的装机渗透率和电量渗透率发展实际情况得到印证。如图2所示,各国风/光电源的电量渗透率均小于装机渗透率,且二者的偏差随着装机规模扩张有逐渐加大的趋势（以图2 中德国为例）。其中,风/光电源装机、电量渗透率分别为风/光装机容量、发电量与系统相应指标的比值,图2 中数据为美国能源信息署网站2000—2018 年的统计数据。关于风/光电源的装机渗透率和电量渗透率偏差的理论推导详见附录B。

图2 不同国家风/光电源装机和电量渗透率发展情况Fig.2 Wind/photovoltaic capacity penetration and electricity penetration in different countries

风/光电源难以像传统火电集供电与辅助服务于一身,其他电源与之互补而向灵活调节资源转型。水电、燃气发电（包括燃氢）等电源具有快速功率调节能力,而核电则可考虑结合制热、制氢等方式挖掘其灵活调节潜力［25］。

1.1.2 网侧:源端电网多电压层级网络功能耦合,受端电网呈现“空心化”

新能源的发展极大改变了电网结构和发展演化特性。中国不同地区资源、气象、环境的差异以及集中/分散的风/光电源开发模式,导致了不同的电源并网特性,也促使送受端电网结构的多元化演变。

从源端电网来看,“新能源基地+火电支撑+远距离外送”的集中式开发模式极大地推动了中国交直流电网的发展。可再生能源电源的汇聚效应导致其随机、波动特性影响放大；可再生能源多电压层级汇集网络与本地电网深度融合而影响供电或导致弃风/弃光；本地消纳和外送输出并举,使高比例可再生能源电源的特性与源端电网的本地负荷供给及跨区联络输电功能深度耦合［26］。

从受端电网来看,常规电源比例逐步减少,分布式发电接入增长,同时伴随直流馈入,受端电网呈现“空心化”特点。直流近区重载潮流疏散及调节能力、电压支撑能力、功角稳定特性、动态稳定振荡阻尼比等电网特性降低［27］。受端电网的规划和运行都需特别考虑系统安全稳定特性的新变化。

另外,分布式新能源的快速发展极大改变了受端配电网的结构和运行特性［28］。中远海风电的开发推动了柔性直流网络技术的探索与发展［29］。

1.1.3 荷侧:弹性负荷需求响应成为常态机制,通过P2X(power-to-X)电力与其他能源部门深度耦合

为了解决富余风/光电量消纳问题,负荷成为了参与系统调节的关键环节［30］。对极高比例系统发展阶段,有必要考虑包括电制气（power-to-gas,P2G）、电制热（power-to-heat,P2H）、电制冷（powerto-cooling,P2C）、电动汽车（electric vehicle,EV）等P2X 技术［31-33］,实现电力部门和其他能源部门的耦合平衡［34］。

许多P2X 设备的输入功率可在能量需求约束下灵活调节,如表1 整理了部分P2X 设备允许的输入功率波动范围以及能量调节约束［35］。

表1 不同P2X 设备允许的输入功率波动范围以及能量调节约束Table 1 Allowable input power fluctuation ranges and energy regulation constraints for different P2X devices

随着P2X 技术的介入,极高比例系统将出现更多的弹性负荷,其输入功率允许在一定时间内大范围波动。根据弹性可调时间尺度的长短,可以将这些负荷划分为日内功率灵活可调的低弹性负荷与更长时间尺度自由可调的高弹性负荷。它们与不可调的刚性负荷共同构成极高比例系统中的总负荷,各类负荷的代表实例、特点及可预测性说明如表2所示。

表2 极高比例系统中的负荷类型Table 2 Load types of power system with ultra-high proportion of renewable energy

1.1.4 储侧:多类储能实现多时间尺度灵活平衡

储能专门提供灵活平衡能力,是极高比例系统的必需环节。为了控制系统成本,储能发展规模不宜过大,对100%可再生能源电力系统情景的测算结果表明,储能容量大致在总发电量30%［2-8］以内的水平。但若完全依赖短期储能调节,所需的锂电池制造材料将超出现有探明可开发总量［36］。长周期储能的需求容量将随风/光发电量占比提高而显著增大［37-38］,据估计,到2040 年长周期储能的总容量将达到1.5～2.5 TW（85～140 TW·h）,是目前水平的近400 倍,届时10%的发电量将经过长周期储能进行存储［39］。不同文献侧重点和命名方式略有差异,这里的长周期储能既包括4～100 h 的长期储能（long-duration storage,LDS）,也包括大于等于100 h 的季节性储能（seasonal storage,SS）,相应的短期储能指的是小于等于4 h 的储能形式。多时间尺度的储能将共同为极高比例系统的源荷匹配提供重要的缓冲作用。

从技术成熟度和成本下降趋势来看,电化学储能仍将是可预见的短期储能主体。目前长周期储能的应用规模小,许多技术仍处于研究阶段,未来主流形式尚难定论。长周期储能技术主要包括机械式、化学式、电化学式以及热力式等［39-40］:机械式储能包括压缩空气储能、液态空气储能、基于重力的储能以及抽水蓄能,包括在已建和规划修建流域的有调节库容的常规水电站处加建季节性抽水蓄能电站［41］；化学储能主要指电制气再发电（power-to-gas-topower）；电化学储能包括金属阳极电池、混合液流电池等；热储能可分为显热储存、潜热储存和热化学储存。此外,通过电动汽车与电网互动也可以实现等效的长周期储能作用［42］。

综上,不同发展阶段的系统结构特点对比如表3 所示。

表3 不同发展阶段系统的结构特点对比Table 3 Structural characteristic comparison of system at different development stages

1.2 运行特点

1.2.1 风/光电源波动特性大幅度提高了功率和能量灵活平衡需求

在极高比例系统中,风/光电源特性主导了系统运行,灵活性是高比例系统关注的新问题［43-44］,对功率和能量灵活调节资源需求的急剧增长将是极高比例系统的关键矛盾。

基于2020 年国家电网有限公司经营范围内各省份实际数据得到用于计算的负荷和风/光发电逐小时功率曲线,以2060 年容量规划数据［45］为基础,可以得到极高比例系统的净负荷时序和持续曲线如图3 所示。其中,净负荷定义为系统负荷与风/光发电的差值,图中以净负荷除以年负荷峰值得到的标幺值结果进行展示。净负荷持续曲线根据时序曲线的数据整理得到。净负荷持续曲线上每一点（D,P）的含义表示全年净负荷不小于P（单位为p.u.）的时长不超过D（单位为h）。

从时序曲线可以看出,大规模风/光电源的接入造成系统净负荷曲线大幅、快速地波动,且受风/光发电季节特性影响,净负荷为正与为负的时段呈现出聚集；从净负荷持续曲线可以进一步看出,极高比例系统全年中将出现较长时段（图3 中对应2 600 h）净负荷为负,并且对应的电量值较大,“富余电量往哪去”将成为需要特别关注的问题。

图3 极高比例系统的净负荷时序和持续曲线Fig.3 Net load time series and duration curves of power system with ultra-high proportion of renewable energy

为了量化风/光电量渗透率达到不同水平时,系统功率和能量的灵活调节需求,定义正/负净负荷功率调节需求和正/负净负荷能量调节需求指标。其中,功率调节需求刻画了日内净负荷最大调节需求占全年平均负荷的比值,能量调节需求刻画了日最大电量调节需求占全年日平均负荷电量的比值,详细计算公式如附录C 所示。

基于图3 中数据进行估算,结果如图4 所示。该估算忽略了时序运行约束,当风/光电量渗透率低于40%时指标计算值均为0。随着风/光电量渗透率从高比例向极高比例发展,功率和能量调节需求都在增加,且负净负荷时段的灵活调节需求逐渐增长至与正净负荷时段相当甚至更高的水平。净负荷为负的情形变得更加频繁是极高比例系统有别于前期发展阶段的重要特点。

图4 不同风/光电量渗透率下的功率、能量调节需求Fig.4 Power and energy regulation requirements under different wind/photovoltaic electricity penetration rates

1.2.2 长期及季节性平衡矛盾凸显

发电和负荷的不匹配产生了系统能量的搬移需求,而能量搬移的时长将影响系统不同存储时长储能的最优组合［37］。为了衡量系统能量搬移的时长要求,定义能量搬移时间指标。该指标的计算假设有一个存储能力不受限且无能量耗散的理想储能,可以随时存进富余风/光发电功率,并在需要时随时放出,用该理想储能完成一次完整能量搬移过程（理想储能存储能量从0 初始状态开始,最终返回0 存储值状态）所需的最长时间,来表征系统充分利用富余风/光发电所要求的能量搬移时间。计算式可见附录C。基于图3 数据,估算得到的结果列于表4 中。

表4 不同电量渗透率下的能量搬移时间要求Table 4 Energy shifting time requirements under different electricity penetration rates

随着电量渗透率从40%提高到100%,能量搬移时间要求从8 h 上升到6 938 h,长期及季节性能量搬移需求变得突出。

类似地,IEA 和NewClimate Institute 等研究机构均指出,月至年尺度的平衡问题将是风/光电量渗透率达到较高水平时的主要矛盾［46-47］,大量仿真分析也发现提高储能的存储时长对进一步提升风/光发电量占比十分重要［22,37,48］。

1.2.3 气象要素成为系统运行的重要参变量

对极高比例系统的运行而言,气象条件的不确定变化将极大地改变灵活性供需平衡的边界,气象要素将成为影响灵活平衡的重要参变量。

气象因素成为极高比例系统供需双侧的共性敏感因素。从源侧,连续无风无光的天气状况［49］以及低温寒潮等极端天气［50］都会对系统的负荷供应能力造成冲击,而多风及晴朗天气又挑战系统消纳富余电力的能力［51］。从荷侧,城市负荷占比提高,尤其温控类负荷比例提升,导致负荷温度敏感度大大增加。法国的居民供热主要依赖于电锅炉,这导致法国的电力负荷温度敏感度达到了2 300 MW/℃［52］,达到平均负荷值的3.5%。

综上,对比极高比例系统与低比例系统、中高比例系统的运行特点,如表5 所示。

表5 不同发展阶段系统的运行特点对比Table 5 Operation characteristic comparison of system at different development stages

2 极高比例系统的灵活性供需平衡

如何协调各类差异化资源高效经济地平衡系统灵活性供给和需求,是极高比例系统运行的关键。本章将基于对极高比例系统灵活性需求和供给特点的分析,阐述灵活性供需平衡的基本原理,分析灵活性供需平衡的关键挑战。

2.1 灵活性需求和供给特点

极高比例系统的灵活性需求主要来源于风/光发电的随机波动以及刚性负荷的随机变化,可以由净负荷的随机波动特点反映。

极高比例系统的灵活性供需平衡可以按净负荷的正负分为两种情形。如前所述,“净负荷为负”常态化出现是极高比例系统的突出特点,并且负净负荷场景下的功率和能量调节需求可能与正净负荷场景相当甚至超过正净负荷场景。由于风/光发电和刚性负荷波动都具有多时间尺度的特点,净负荷的变化也呈现多时间尺度规律。

极高比例系统灵活性资源的种类更加丰富,特别地,大量弹性负荷将参与响应风/光发电的功率和能量波动。电动汽车和温控类负荷（P2H 和P2C）是过去研究需求侧响应主要考虑的对象［53］。而通过P2G（主要指电制氢）实现负荷对电源波动的追踪,在近年受到关注。电制氢负荷被认为是跟随光伏发电大幅波动的重要资源［24］,甚至在文献［31］的研究中,认为无论从功率还是能量调节体量上,电制氢都是未来系统运行不可或缺的响应资源。

但不同灵活性资源的作用场景（净负荷为正与净负荷为负）和时间尺度可能有较大差别,提供功率调节和能量调节的能力可能非常不一样,并且有的灵活性资源的供给潜力可能随时间和气象量变化。表6 列出了几类较为典型的灵活性资源的上述特点。

表6 典型灵活性资源的特点Table 6 Characteristics of typical flexibility resources

表1 中:由于只考虑稳态平衡问题,在时间尺度一列最小考虑到分钟尺度；功率调节和能量调节列中,“★”的数量越多,表示灵活性调节能力越强；在时间相关和气象相关列中,“√”表示相关,“×”表示不相关。

此外,风/光电源通过适度弃电能够提供一定的灵活性供给［8,23］,但所能提供的灵活性总量有限。

2.2 灵活性供需平衡的基本原理和关键挑战

灵活性供需平衡关注的是灵活性供给资源对灵活性需求的包络能力。不同于以火电为主的系统,火电同时承担功率调节和能量调节的主要任务,且能量调节能力和功率调节能力呈正比例变化,在极高比例系统中,灵活性供给构成多样,且存在大量灵活性资源的能量调节能力与功率调节能力不一致,灵活性供需平衡需要对功率和能量的灵活平衡进行综合考虑。

中国2060 年电力系统符合极高比例系统的定义,为了直观认识极高比例系统的灵活性供需平衡及其主要矛盾,这里对中国2060 年灵活性供需平衡潜力进行估算。估算采用的数据和假设可见附录D,功率灵活性供需平衡结果和能量供需灵活性平衡结果分别如图5 和图6 所示,其中各包含净负荷为正和为负两种情形。实际上,净负荷为正和为负的情形中均包含上调和下调两个方向,这里不加区分,以绝对值进行统一的计算。图5 和图6 中,柱形图用以反映灵活性供给的潜力,箱型图用以反映灵活性需求的分布情况。柱形图超出箱型图的长度反映了灵活性的充裕程度。受限于估算所用的净负荷曲线为一年的逐小时曲线,横轴时间尺度只选择了时、日、周、月等。由于不同时间尺度的能量调节量相差较大,图6 纵轴采用了对数坐标。

从图5 和图6 可以看出,极高比例系统灵活性供需平衡的关键挑战在于:

图5 净负荷为正和净负荷为负情形下功率灵活性供需平衡估算结果Fig.5 Estimation results of power flexibility supplydemand balance in cases of positive and negative net loads

图6 净负荷为正和净负荷为负情形下能量灵活性供需平衡估算结果Fig.6 Estimation results of energy flexibility supplydemand balance in cases of positive and negative net loads

1）净负荷为负情形下的灵活性供需平衡:由于净负荷为负的时段只能依靠弹性负荷和储能进行灵活调节,灵活性供给总量相比净负荷为正的情形大大减少,灵活性供需平衡更加困难。

2）长时间尺度的灵活性供需平衡:一方面,更长的时间尺度对应的灵活性需求更大；另一方面,短时间尺度的灵活性资源不能提供更长时间尺度的调节能力,长时间尺度的灵活性供需平衡矛盾突出。

3）功率和能量的灵活性平衡潜力不一致:由于灵活性资源的功率和能量供给能力不一致,系统功率和能量的灵活性平衡潜力呈现不一致。例如,小时和日尺度的功率灵活性平衡存在较大的平衡裕量,但能量灵活性平衡存在无法平衡的风险,这是由于抽水蓄能、电池储能、电动汽车等灵活性资源功率调节的能力远远超过其能量调节的能力。

这些关键问题的认识带来启示:在未来极高比例系统的规划阶段,只进行电力电量平衡分析以及正净负荷情形下短时间尺度的功率灵活性平衡计算是不够的,还需保障负净负荷情形、长时间尺度以及能量灵活性平衡的充裕性。

在运行阶段,传统的运行调度体系一般按时间尺度将发电计划分为年、月、周、日等并考虑其交互作用,一般时间周期越短计算越精细。而对极高比例系统,因具有长时间尺度调节能力的灵活性资源在多时间尺度实现功能复用且状态相依,不同时间尺度的交互更加紧密。年/月等中长时间尺度发电计划更被关注,不仅要安排检修计划和水库调度计划,还需要对P2H 和P2G 的能量状态进行预安排,为短时间尺度的灵活性供需平衡提供边界条件。

另外,随着未来风/光发电调节控制技术的发展,风/光发电机组将在系统频率响应和无功支撑中发挥越来越重要的作用,甚至具有“构网（grid forming）”［54］能力。已有研究［55］指出,忽略系统频率安全约束和无功平衡约束可能导致供需平衡方案的高成本甚至不可行。在运行模拟模型中计入系统安全稳定要求成为极高比例系统运行计划制定的必须环节［55-57］。

以上的分析只强调了时间维度的问题,事实上,极高比例系统灵活性资源的空间统筹也是一个关键挑战。这里对“空间”的理解,既包含地理空间,也应包括能源种类。

跨空间管理范围的资源统筹根源于不同地域灵活性供需资源的非均匀分布。例如,电动汽车、电制热、工业弹性负荷等灵活调节资源呈现很强的地域分布差异。跨能源领域的统筹体现在供需平衡对P2X 弹性负荷的强依赖性,这一点可以从图5 和图6中灵活性需求（箱型图）与电制热或电制氢对应柱形相交的情形体现。这要求极高比例系统需要配套的管理手段充分调动跨地理空间和跨能源品类的灵活性互济能力。全国统一电力市场体系［58］和多能源协同参与的电力市场模式［59］是重要的应对举措。

3 极高比例系统的关键难点与解决思路

3.1 关键难题1：灵活性供需平衡评价方法

3.1.1 难题1 问题剖析

合理评价系统供需平衡状态是系统发电安排的基础。对于波动性风/光电源接入比例较低的情形,电力电量平衡是以火电为主实现供需平衡［60］,电力平衡通过系统总发电相对最大负荷功率的备用率反映,而电量平衡通过火电年利用小时数与火电平衡小时数的大小关系反映。在电力平衡中一般不计入太阳能发电,只考虑风力发电,并且风力发电需要按容量可信度［61］进行折算。对电量平衡,风力发电和太阳能发电的利用小时数往往按照实际运行经验给定,但需重置火电平衡小时［62］。工程中不需要复杂运行模拟即可得到评价结果。

风/光电源渗透率不断提高,其随机波动特性成为系统供需平衡随机扰动的重要来源,但电力电量平衡无法反映源侧随机波动产生的调节需求。针对该问题,已有很多研究提出在电力电量平衡评价中纳入灵活性供需平衡的内容,目前的主要方法之一是基于非时序生产模拟,直接获得灵活性供给和需求的概率分布,并结合概率卷积运算,计算灵活性裕量的概率分布,以其统计特征量作为灵活性评价指标［63］；另一种方法是基于短时间尺度（一般为日尺度）的时序模拟结果,计算带有时间信息的灵活性评价指标［64-65］,多场景模拟是常用的策略,但此处多场景考虑的是风/光发电曲线的变化规律。

对极高比例系统,负荷成为灵活性资源的重要来源。弹性负荷以及储能的灵活调节能力都与所处的能量状态相关,而能量状态是之前所有时刻调节动作长时间累积的体现。灵活性供给和需求的功率和能量特性都存在较强的不确定性,从而灵活性供需平衡也存在不确定性。此外,灵活性供给和需求都存在空间相关性,如同一地区供暖受相近的温度影响、风/光发电存在空间平滑效应等。

目前的灵活性供需平衡的建模方法尚不完善,概率方法忽略了长时序的耦合影响,时序方法对不确定性的建模不足,而目前两种方法都不考虑空间尺度的问题,进而对评价结果产生影响。

3.1.2 难题1 解决思路

针对以上难点,提出结合空间相关性的建模和元件状态时序连接关系的概率化评估方法,包含空间相关性建模、时序连接关系建模、蒙特卡洛模拟和灵活性供需平衡等,如图7 所示。

图7 灵活性供需平衡评价研究思路图Fig.7 Research roadmap of flexibility supply-demand balance evaluation

传统的场景构建输入多是单一空间位置（或者一个区域）的风/光历史发电曲线,输出多是“典型日”曲线,以配合基于典型日的生产模拟［66］。但是,对于极高比例系统,考虑空间相关性和时序连接关系进行场景的构建［67］变得十分重要,这是因为极高比例系统的源、荷双侧以及源荷之间可能受同一天气过程的影响而呈现空间相关；长时间尺度的灵活性供需平衡矛盾突出,而长周期储能和P2X 的能量约束无法由典型日模拟结果获知。这里提出的空间相关性建模、时序连接关系建模即要为多空间位置处的模拟场景综合构建以及场景的模拟时长提供依据。

蒙特卡洛模拟是为了通过大量仿真,得到充足的生产模拟结果样本。一方面,用于构建受供、需双侧不确定影响的灵活性供、需及裕量的概率分布,以计算如文献［63］提出的灵活性概率评价指标；另一方面,可以直接用于分析如文献［64］提出的时间类灵活性指标。综合两方面评价结果,评价系统灵活性。考虑到灵活性只是平衡方案的一方面,还可以纳入平衡成本、整体能效等因素对平衡方案进行综合评价。

相对而言,蒙特卡洛模拟和灵活性评价方法已得到了较多的关注,如何考虑空间相关性和时序连接关系构建场景集,是亟待研究的问题。

3.2 关键难题2：灵活性供需平衡模拟计算方法

3.2.1 难题2 问题剖析

无论在规划还是运行阶段,平衡模拟计算都是必不可少的环节,且年及以上时间尺度的模拟分析对极高比例系统非常重要。

考虑到计算能力的限制,目前时序生产模拟模型往往基于时间片段（time-slices）或典型场景（representative chronological periods）进 行 优 化［68］,以兼顾时空分辨率、技术细节、空间尺度的建模需求［69］。但是,这两种方法都无法完整刻画时序的影响,难以满足长时序生产模拟的建模需求［70］。

对此,目前主要有3 类解决方法。一类思路是考虑典型场景之间的时序连接关系,使得基于典型场景的优化模拟结果可以在一定程度上反映储能存储能量的时序累积［71-73］。另一类思路是扩展模拟时长,目前很多单纯的生产模拟软件已能够提供8 760 h 的 优 化 计 算 功 能,如 PLEXOS［74］、SWITCH［75］、MAPS［75］、GENX［76］等。为 了 达 到 长时序模拟的要求,这一类模型往往需要对空间尺度和技术约束进行简化,如对同类型机组进行聚合、不考虑网络拓扑、不考虑机组启停约束等［77］。针对因为采用等1 h 步长导致计算时间复杂性过高的问题,文献［78］还提出了变步长模拟方法。此外,有少量研究提出了一种基于系统状态的建模方法［79］,使得模型能够对储能存储状态的时序依赖特点进行建模,同时由于系统状态数少于时序断面数,可达到提高计算效率的目的［80］。

另外,长时间序列运行模拟中如何考虑不确定因素的影响是另一个关键点。生产模拟中处理不确定性的方法主要包括随机优化、鲁棒优化、分布式鲁棒优化等［81］,已有研究基于典型日进行了分析。文献［82］提出了一种两阶段随机优化模型,该模型可同时用于储能的最优定容和系统运行优化；文献［83］提出了基于机会约束规划的多时段电力系统运行模型；文献［84］考虑系统中的多种灵活性资源,提出了一种基于鲁棒优化的运行模拟方法；文献［85］基于分布式鲁棒优化,提出了考虑网络潮流的储能定容及运行优化模型。

极高比例系统中时序相关性和高度不确定性特性突出,当前时刻系统中所有储能和弹性负荷的状态将潜在影响后续时刻灵活性供需平衡的能力,但影响的程度又具有很强的不确定性。

3.2.2 难题2 解决思路

本文提出考虑灵活性不足风险的长时序滚动模拟方法,以通过模拟时长的分段滚动实现计算复杂度的降低,而保留空间尺度信息,如图8 所示。

图8 灵活性供需平衡模拟计算研究思路图Fig.8 Research roadmap of simulated calculation for flexibility supply-demand balance

极高比例系统运行中,供、需双侧都面临不确定的影响,预测信息是生产模拟模型的重要输入。与低比例、中高比例系统不同,极高比例系统的预测信息中除了气象/资源预测信息、负荷预测信息,还特别需要储能状态以及弹性负荷响应潜力的预测信息,且这些预测值应该是概率性结果,以纳入预测误差的考虑。对应滚动模拟的技术框架,需对这些预测信息进行迭代更新。

生产模拟优化需要考虑不确定优化的方法,这里提出的解决思路是随机优化方法,确定模拟场景是其中一个重要问题。由于不同类型资源、气象条件以及负荷状态之间可能存在相关性,因此提出对不同预测量间的相关性进行建模,确定多随机变量的联合分布,作为场景抽取的基础。另外,为了反映未来平衡对当前决策的要求,考虑模拟时长超出实际决策的时段,并对超出决策时段的优化目标结果按时间衰减系数折算,以使得模型具有一定的前瞻能力。

其中仍有很多技术有待研究,包括:1）弹性负荷调节潜力和储能状态的预测方法；2）不确定参数间相关性的建模方法；3）决策的时间后效性的建模方法。

3.3 关键难题3：兼顾不同天气过程的模拟场景构建方法

3.3.1 难题3 问题剖析

在随机优化中,往往取期望值类的优化函数,个别极值的影响难以纳入分析。然而,由于源荷的气象强相关特性,极端天气对极高比例系统的冲击更加频繁和剧烈,在运行模拟中,有必要专门针对大影响小概率（high impact and low probability,HILP）的天气过程构建模拟场景。

目前的极端天气场景构建方法中,有的选取某次实际极端天气过程的历史数据作为典型值直接应用［86-88］,有的是利用聚类方法重构［89-92］,还有的模型是用历史多年的极值序列描述［93］。

但是,目前的方法往往关注某一类特定天气状况,且没有更多样本数据刻画极端场景的出现频率和严重程度。极端场景的时长选择以日居多,少数选择到多日［86］,但统计研究发现,风/光发电能源缺额的持续时间往往可以达到2 周,极端情况下甚至可以达到9 周之长［94］,过短的典型场景不能正确捕捉可再生能源发电的中长期波动,以及准确模拟电力存储的运行特点［71］。这可能导致所选取的极端事件过于极端或不具有典型性。

3.3.2 难题3 解决思路

本文提出基于极值分析理论的天气场景构建方法,其整体解决思路如图9 所示,包含数据预处理、极值分析以及极端场景构建3 个部分。

图9 兼顾不同天气过程的模拟场景构建研究思路图Fig.9 Research roadmap of simulation scenario construction considering different meteorological processes

对实际工程而言,“极端”的判定在于天气事件对电力系统造成后果的严重程度,系统中源-网-荷-储各环节的性能表现是关键。由于风/光发电以及电池储能在近一、二十年才得到较大规模的开发,历史极端天气事件的记录还非常有限,甚至某些地区完全未曾观测记录过,直接利用历史事件序列建模的结果不可信,甚至无法实现。数据预处理的目标即是基于长达数十年甚至百年的历史气象数据,结合源-网-荷-储各类设备的气象-运行性能映射函数,重构历史天气事件序列,以得到足够长的分析序列样本。在此基础上抽取极值,形成后续极值分析建模的输入。

极值分析的目标是拟合极值样本的概率分布,以量化极端天气给系统供需平衡带来的风险,需要解决的主要问题在于确定极值分布的形式以及选取参数区间估计的合适方法。基于分布参数区间估计结果,可确定不同类型极端天气场景的重现水平区间。

极端场景构建的目标是形成场景集,以用于生产模拟或优化规划分析。场景集中极端场景的严重程度将影响规划或运行方案的鲁棒性和经济性。本文提供的一个解决思路是根据重现期和重现水平划分不同风险等级,形成分风险等级的极端场景集。

所提方案只是可行方案之一,实际上未来需要就以下问题深入探索:1）基于小样本的极端风险评估方法；2）兼顾鲁棒性和经济性的方案优选。

4 结语

气候变化背景下,在未来数十年内电力系统将向以风/光电源为电量主体的极高比例可再生能源系统演化。风/光发电的强随机波动特性将驱动极高比例系统的组成结构和运行方式发生改变。极高比例系统源-网-荷-储全环节呈现新的特点。低容量系数电源成为主体,其他电源向灵活性资源转型；源端电网多电压层级网络功能耦合,受端电网呈现“空心化”；弹性负荷需求响应成为常态机制,通过P2X电力与其他能源部门深度耦合；不同类型储能在多时间尺度全面发挥作用。运行方面,功率和能量灵活调节需求均大大增加；长期及季节性平衡矛盾凸显；气象要素成为系统运行的重要参变量。

灵活性供需平衡的关键是协调各类差异化资源高效经济地匹配系统灵活性供给和需求。极高比例系统的灵活性需求主要来源于刚性负荷和风/光发电波动,按灵活性需求,极高比例系统的灵活性供需平衡分为正净负荷和负净负荷两个运行场景。灵活性供给手段多样化,不同灵活性资源作用的场景、时间尺度、功率调节能力、能量调节能力等都具有较大差异。对极高比例系统的灵活性供需平衡,尤其需要关注负净负荷场景、长时间尺度的供需平衡问题,兼顾功率和能量灵活性平衡要求,还必须实现跨能源领域、跨空间管理范围的资源统筹。

灵活性供需平衡评价、灵活性供需平衡模拟计算、兼顾不同天气过程的模拟场景构建是值得关注的3 个研究点。本文对应提出结合空间相关性建模和元件状态时序连接关系的概率化评估方法、考虑灵活性不足风险的长时序滚动模拟方法以及基于极值理论的天气场景构建方法等解决思路。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。