新能源电力系统的规划及应用研究

陈 超，王金忠，吴焰龙

（国网宁夏电力有限公司宁东供电公司，宁夏 银川 750411）

电力系统运行模拟技术常用于模拟实际电网在考虑不同边界条件、各类发电机运行特性以及新能源发电（NEPC）和水力发电的利用效率时期发电的年、月运行状态[1]。近年来，以风力发电和光伏（PV）发电为代表的新能源发电在我国经历了快速发展，达到了相当大的装机容量。因此，与大型新能源发电集成的现代电力系统的运行模型需要在正确建立了新能源发电功率输出模型下重新考虑。考虑大规模综合新能源发电的电力系统运行模型，对于研究电力系统峰值调节能力调查和发电调节评估具有重要意义。目前有关电力系统随机生产仿真算法主要包括分段线性逼近法、板法、等效幂函数法和半不变法等[2]。这些算法的基本思想都是将时间负荷曲线转换为顺序负荷曲线，在此过程中，时间信息丢失，不能有效地反映风电和光伏发电的时变特性[3]。本文在分析历史运行数据的基础上，研究了风力发电和光伏发电的功率输出特性，建立了具有大规模新能源发电集成的电力系统的运行模型，优化了新能源的消纳能力，对新能源事业的可持续发展和电力系统的可靠安全经济运行具有重要意义。

1 新能源发电输出特性

风电、光伏发电等新能源发电具有很强的随机性、波动性。风电出力随风速和风向的变化而变化，呈现明显的季节特性[4]。光伏电站日出力主要受天气影响，在晴朗天气，光伏电站在白天中午时分出力达到最大，且曲线比较平滑，出力分布较规律；在多云天气，出力的白天时段分布没有规律。受光照强度和温度影响，光伏电站一般在春季、冬季发电出力较大[5]。因此，风力发电和光伏发电的功率输出预测需要丰富的气象信息和大量的试验数据，因此，基于统计的方法可以适用于风力发电和光伏发电的输出特性研究。

1.1 风电场输出特性

根据甘肃省2007—2008年试验风电场实际时间序列功率输出数据[6]，以小时为时间尺度提取风电输出特征指标进行统计分析。2007年8月至2008年7月按季度划分时该风电场发电出力概率分布曲线如图1所示。

图1 2007年8月至2008年7月按季度划分时该风电场发电出力概率分布曲线Fig.1 Probability distribution curve of power generation output of the windfarm from August 2007 to July 2008 by Quarter

可以看出，风电输出为正偏态分布，达到10%额定输出的最高概率，当统计周期延长时曲线更加平滑；风力功率输出的累积概率为凸二次分布，当统计周期延长时，累积概率分布曲线更趋于平滑；风电日间小时输出保证率为凹二次分布，不同小时差异不大；不同保证率的风电小时输出近似为均匀分布，当统计期延长时，不同工作小时的每小时产出往往更均匀；不同时间的风力发电输出在短时间内高度相关，当统计周期延长时，时间序列相关分布趋于均匀；不同时期同一时间的风电场产量在同一季节是高度随机和不稳定；10 min内风力发电输出的变化概率近似为正偏态分布；当风电场产量变化率为≤1.5%/min时，概率超过99%。

1.2 光伏电源输出特性

在青海省光伏电站2007—2008年的光伏发电数据基础上[7]，以小时为时间尺度提取风电输出特性指标进行统计分析，统计结果如图2所示。由图2可以看出：光伏功率输出为正偏态分布，达到额定输出最高概率为70%的，当统计周期延长时，概率分布曲线趋于更平滑；光伏功率输出的累积概率为凸二次分布，并以X轴上的正午时间为对称轴呈一般对称；当统计周期延长时，累积概率分布曲线趋于更平滑；光伏功率日间时输出保证率为凹型二次分布，不同时间差异明显，中午较高，早晚较低；在5 min范围内，光伏功率输出的变化概率近似为一个正偏态分布。当风电场产量变异率为≤1%/min时，其概率大于53.4%。

图2 青海省光伏电站2008年光伏发电量的概率分布曲线Fig.2 Probability distribution curve of PV power output in 2008 of Qinghai Province PV stations

2 大规模NEPG集成的电力系统运行建模

2.1 指标筛选

考虑大规模综合NEPG的电力系统运行仿真的主要优化目标设定为最低发电成本或最佳节能效果。优化目标还包括优化区域功率交换、优化火电厂的启动容量、优化不同发电类型的机组承诺方案[8]。在优化过程中，不同发电类型的技术和经济特性并不相同，它们对电力系统运行优化的贡献也有所不同。此外，还考虑了其他一些技术经济指标，包括电厂维护计划、系统负荷储备和应急储备、各区域用电和峰值负荷平衡、各代年发电、利用时间、燃料需求和可变运行成本、水电站废电、不同区域交换流量等[9]。

2.2 电力系统运行仿真过程

结合不同发电类型的技术经济特点，并考虑到风力发电和光伏发电的具体电力输出场景，进行了电力系统运行仿真。首先，考虑不同发电范围之间的传输能力限制，评价了不同发电的技术经济特点。通过分析应用机组发电优先排序、负荷分配、负荷峰值和机组维护/预留安排等次优化过程，计算出最佳区域功率交换结果，达到各类发电类型的最佳技术经济效果[10]。其次，根据各区域的功率平衡，优化火电厂和机组组合的启动容量。当1个区域的峰值容量不足时，之前向该区域传输功率的其他区域的新能源发电输出减少，然后得到局部区域的新能源发电[11]。最后，根据优化的停机计划，根据“新能源发电→水电→发电抽水蓄能电源→核电→火电”的优先顺序，计算各电厂的详细运行点和发电能力。考虑到大规模集成新能源发电特点的多省互联电力系统的运行仿真过程如图3所示。

图3 一种与大型新能源电力集成的电力系统运行流程Fig.3 Operation flow chart of a power system integrated with large new energy power

3 仿真结果分析

电力系统运行仿真采用电力系统运行仿真软件SPER-ProS进行电力系统运行仿真。仿真模型为以中国西北电网为基础，该电网能源多样，采用大型火电、水电、风电、光伏发电相结合的方式组网。基于上述电力系统运行模型，通过电力系统运行仿真研究了西北五省新能源发电的适应能力，利用了电力负荷、省间电力交换、电厂装机容量和新能源发电的电力输出特性等实际数据。2014年中国西北电网750 kV级电网结构如图4所示，它包含41 750 kV变电站和5个高压直流电（HVDC）换流站[12]。

图4 2014年西北电网750 kV电网Fig.4 750 kV grid diagram of Northwest Power Grid in 2014

3.1 边界条件

以2020年为水平年，西北电网总电力负荷预计达到147 010 MW，其中水电装机39 363 MW，火电装机222 642 MW，风电装机75 480 MW，光伏装机35 000 MW。

考虑到河西走廊对西北电网新能源发电消纳的影响，甘肃电网模型分为西部、中部、东部，其中西部主要为新能源集中一体化区，包括酒泉和敦煌，中部。作为金昌、武威等新能源集中一体化区，东部包括兰州、庆阳等煤基地[13]。由于同样的原因，青海电网也被划分为东西2个区。其中，西部主要为海西、葛木等大型光伏综合区，东部为西宁、里玉山、塔拉等负荷中心、黄河流域水电综合区、海南光伏发电综合区。省、省间重点输电段流量按输电能力计算如下：新疆与西北电网的第1、第2输电段：新疆向西北电网的最大前输容量为4 000 MW，最小前输功率流量为800 MW。新疆至青海输电段：最大前后输电容量可达2 000 MW，最小输电流量为400 MW。陕西与甘肃之间的输电段：最大前后输电能力均为6 000 MW。甘宁之间的输电段：最大前后输电能力均为6 000 MW。甘肃至河西走廊之间的输电段：从酒泉至河西的750 kV输电线路的最大输电能力为3 000 MW。在电力系统运行模拟中，首先考虑水电负荷峰值，热电厂的最小输出为0.8 pu。年利用率在4 500 h以上。

3.2 新能源发电自适应能力分析

基于本文提出的电力系统运行模型，在我国电力系统运行仿真的优化过程中，充分考虑了新能源发电的功率输出特性。从运行仿真结果中可以清楚地看出各省的新能源发电消纳能力和各省间的传输能力，这对于大规模新能源发电集成的现代电力系统运行仿真研究具有重要意义。

根据上一节所述的边界条件，对西北电网进行电力系统运行仿真，解决新能源发电消纳问题，见表1、表2。

表1 西北电力电网的风电消纳能力Tab.1 Wind power consumption capacity of Northwest Power Grid

表2 西北电力电网的光伏电消纳能力Tab.2 Photovoltaic power consumption capacity of Northwest Power Grid

西北电网新能源发电装机15 585亿kWh，用电量约458亿kWh，占22.7%。当新能源发电在新能源严重浪费的省比例下降到5%，则西北电网风电装机容量为40 910 MW，光伏发电达到28 760 MW。其余流向互联省份的新能源发电容量为40 810 MW，其中风电为34 570 MW，光伏发电为6 240 MW。如果西北电网将26 750 MW新能源发电通过哈密—郑州±800 kV直流输电线、酒泉—湖南±直流输电线、准东—淮南1 100 kV直流输电线路传输至其他地区电网，则±1 100 kV直流输电线路将剩下14 060 MW新能源发电无法容纳。

3.3 灵敏度分析

通过对热电厂输出、系统峰值容量和输电线路容量的灵敏度分析，进一步研究了西北电力电网的新能源发电适应条件。

3.3.1 热电厂输出的灵敏度分析

实际电力系统中，在供热季节的早期和最后阶段，热电电厂的最低技术产量一般大于0.55 pu。在供热季节中期，热电站的最低技术产量一般大于0.75 pu。根据实际调查，在供暖季的前期和最后阶段，热电的最低技术产量甚至可以调整到0.5 pu，在供暖季节的中期热电的最低技术产量可达0.6 pu。因此，与目前的运行状态相比，热电厂峰值负荷的空间一般有0.1～0.15 pu。根据该边际直接测量热电厂的输出，并再次进行电力系统运行仿真。电力系统运行仿真结果给出了新能源发电新的适应条件，表明西北电网的风电和光伏发电具有很好的适应能力。

3.3.2 系统峰值容量的灵敏度分析

基于第3.1节所述的边界条件，在此比较情况下，将火电厂的最小功率输出水平调整到0.7 pu，而热电厂的最低技术产量保持不变。电力系统运行仿真给出了新的新能源发电适应条件，从表3、表4的模拟结果可知，全球西北电网风电装机容量降至26 160 MW，光伏发电装机容量降至17 890 MW。结果表明，由于热电厂最低技术产量较高，系统峰值容量下降，这5个省的新能源发电适应能力均有所下降。

表3 考虑机组调峰能力敏感性的各省区风电消纳情况Tab.3 Wind power consumption of each province considering sensitivity of unit peak shaving capacity

在本敏感性研究案例中，从甘肃省到其他地区的输电线路容量减少了2 000 MW。

表4 考虑机组调峰能力敏感性的各省区光伏消纳情况Tab.4 PV consumption of provinces and regions consideringsensitivity of unit peak shaving capacity

由于主要通道从甘肃到其他地区的输电线路传输电力在新疆和甘肃西北电网负荷中心，削减这些输电线路的容量直接导致新能源发电的消纳。然而，其他3个省的新能源发电消纳并没有受到影响。

4 结论

本文旨在提出一种考虑大规模新能源发电运行特性、能适应峰值优化分析和新能源功率调节评估的有效电力系统运行模型。首先根据实际运行数据，分析了风力发电和光伏发电的功率输出特性。在此基础上，考虑到电力系统最小总成本的优化目标和功率平衡约束，建立了大规模新能源发电集成电力系统的运行模型。基于不同系统工况下中国西北电网实际运行条件下的运行仿真结果表明，基于所提出的电力系统运行模型，可以有效地解决新型能源电力调节问题。