考虑置信容量和调峰能力的新能源基地光热电站配置方法

丁坤，孙亚璐，王湘，杨昌海，李海波

(1.国网甘肃省电力公司经济技术研究院，甘肃 兰州 730030；2.清华四川能源互联网研究院，四川 成都 610213)

随着我国清洁低碳能源的快速转型，以风电、光伏发电为主的新能源发电发展迅速。截至2023年底，全国风电、光伏装机容量突破10亿kW，较上一年增加2.4亿kW，风电和光伏装机容量占发电总装机容量的34.5%。大规模新能源并网的随机波动特性加剧了系统调峰压力，光热电站通过储热装置实现太阳能与电能的间接时序解耦，能在负荷及外送高峰期实现放热发电转移，具有良好的调节能力和可调度性，已经成为未来新型电力系统重要的调峰资源。国际能源署在《全球能源部门2050年净零排放路线图》中预测，2030年光热电站装机容量将达到7 300万kW。

目前，国内外学者在新能源外送能力提升和新能源基地光热电站配置方面均已开展大量研究。在新能源外送能力提升方面：吴志明等首先分析风光输出功率波动特性，在此基础上对火电容量配置进行优化，实现电能外送的经济效益最优化[1]；樊修柱等从全生命周期成本出发，对新能源基地不同外送方案进行评估并优选[2]；陈义宣等在多直流送出系统中的新能源极限渗透率的研究中，考虑了安全稳定约束[3]；李晖等针对风光出力的强不确定性，基于场景分析提出新能源基地直流外送随机规划方法[4]；戴国华等通过风-火-光联合外送提升新能源渗透率[5]。上述研究没有阐述光热电站置信容量和调峰能力对新能源基地外送的影响。

在光热电站置信容量方面：Usaola J.给出了光热电站置信容量的物理含义[6]；Madaeni S H针对美国西南地区不含储热系统的光热电站，研究了置信容量的灵敏性[7]；王湘艳等使用粒子群算法计算光热电站置信容量[8]。以上置信容量相关研究在实际系统或工程应用中进行光热电站置信容量评估时，对新能源出力的不确定性考虑不足。

在光热电站参与系统调峰方面：崔杨等对光热电站调峰特性进行分析，提出一种光热电站储热容量配置方法[9]，并且在对风电-光热电站联合外送输电容量进行优化时考虑了对风光互补特性和光热电站调峰能力[10]；李湃等考虑受端电网调峰需求约束，提出了大规模新能源基地经特高压直流送出系统运行方式优化方法[11]；孙骁强等提出等效日最小负荷率及等效日负荷率等系统调峰需求衡量指标，对光热电站的调峰能力进行了优化[12]；崔杨等考虑光热电站热电转换效率变化，对光热电站深度调峰的成本损失进行测算[13]。以上光热电站参与系统调峰的相关研究中多从系统调峰需求入手，对如何评估光热机组的调峰能力少有阐述。

在光热电站储热时长及电站容量优化规划方面：姚元玺基于时序模拟，提出考虑储热装置配置成本与调度经济性的光热电站储热容量配置方法[14]；史昭娣等提出多能互补发电系统储电和储热容量分层优化规划方法，上层确定储能系统的总容量，下层确定储电和储热各自的容量[15]，在此基础上提出了一种光热电站容量规划的决策相关随机规划模型，以应对可再生能源出力的强不确定性[16]；曾贤强等提出了一种光热电站集热面积和储热容量优化方法[17]；崔杨等提出了一种兼顾系统运行成本与光热电站收益的优化配置方法[18]。

综上所述，现有研究在光热电站规划中对光热电站置信容量和调峰能力考虑不够充分，没有正确反映光热电站出力存在的不确定性，在以下几个方面尚需改进：①光热机组置信容量对接入的并网系统自身可靠性依赖性强，现有方法无法准确刻画光热电站的置信容量；②调峰能力多基于等效日负荷率、新能源消纳率等指标提升效果来量化计算，且以满足系统调峰需求来评估，不同系统的调峰需求差异化明显，无法客观评价电站调峰能力；③储热时长及电站容量规划多以经济性为主要优化目标，并辅以生产运行模拟约束，但不同风光资源禀赋与容量配比下，如何以提升基地系统可靠外送能力与调峰能力的友好并网特性为目标，综合考虑光热电站储热时长、电站容量进行兼顾经济性优化配置有待解决。

针对以上问题，本文提出一种面向风电和光伏新能源基地外送的光热电站储热时长与容量配置方法，建立考虑置信容量和调峰能力提升的优化配置模型。首先，基于外送可靠性原则给出与风光新能源基地打捆的光热电站置信容量和调峰能力定义和计算模型；其次，考虑风光耦合互补特性、光热电站运行特性和系统全生命周期成本，建立考虑置信容量与调峰能力的光热电站储热时长与容量优化配置模型并求解。最后，通过算例分析对所提方法的有效性进行验证。

1 置信容量与调峰能力评估

1.1 置信容量概念及评估方法

传统的光热电站置信容量是指在保持外送电力可靠性不变的前提下，光热电站接入某地区电网后，可代替该地区常规机组的装机容量。常规火电机组置信容量即为额定容量，但光热发电机组置信容量受多重因素影响，在不同运行场景下光热电站的置信容量不同，优化后的系统可靠供电能力存在较大差异。针对“光热电站+新能源”形成的外送基地场景，考虑新能源波动特性，构建外送可靠性概率指标，采用时序模拟技术优化基地外送曲线，以外送提升的容量作为光热电站置信容量。该置信容量计算方法能有效结合风光资源及风光容量配置，对光热电站可靠提升新能源基地发电外送能力情况进行刻画。

光热电站的置信容量数学定义为：

Czx=Sr，min-Sr0，min.

(1)

式中：Sr，min、Sr0，min分别为接入光热电站后和接入光热电站前的新能源基地最小出力；Czx为光热电站的置信容量。

考虑到新能源基地外送电力的可靠性概率分布，在光热电站置信容量计算中引入概率化的可靠性约束为：

P(Sr，t≥SR，t)≥δ.

(2)

式中：下标t代表t时段，下同；Sr，t为新能源基地的发电能力；SR，t为所要求的基地可靠外送值；P(Sr，t≥SR，t)为新能源基地可靠外送电力的概率；δ为新能源基地可靠外送概率阈值，即基地在一年中能够满足外送需求的时间占比。

为了保证基地在一年中都能够满足外送可靠性概率需求，可以对概率化的可靠性约束进行离散化，处理过程为：

(3)

1.2 调峰能力及评估方法

传统常规机组的调峰供给能力相对明确，一般为机组运行上下限可调区间，然而光热电站受光照资源和储热容量限制，其机组运行下限虽能够接近15%，但并不能在所有时间都满足15%～100%区间的供给调节能力。有学者采用的等效日负荷率方法也能够反映光热机组调峰能力大小和区间，但对于“光热电站+新能源”基地场景下光热机组的调峰能力评估不能有效反映其调峰特性。

为了便于定量评估光热电站调峰能力，对光热电站调峰能力做如下定义：光热电站接入新能源基地前后，分别对基地发电出力曲线进行优化，发电出力曲线相对于外送需求偏差的均方根差值的变化量即为该光热机组在这段时间内的调峰能力。

光热电站调峰能力的计算方法如下：

(4)

式中：SRMS为光热电站接入前的基地发电曲线相对于外送需求偏差的均方根值；SRMS′为光热电站接入后的基地发电曲线相对于外送需求偏差的均方根值；T为选定的时间周期；Sr0，t为光热电站接入前的新能源基地发电能力；Qpeak_shaving为光热电站的调峰能力。

本文所定义的调峰能力可以客观反映风光波动特性，以及不同太阳倍数和储热时长下的光热电站调峰能力差异性。

2 “光热电站+新能源”基地时序模拟模型

在光热电站建模方面，常用的建模分为辨识建模和机理建模。辨识建模不需要深入了解系统机理，而是根据收集的实际运行数据，建立某个运行工况下的系统模型。机理建模需要清楚了解系统的机理，运用传热传质原理和能量平衡方程等定理定律，采用数学方法加以推导，从而建立系统的数学模型[19]。本文所述的“光热电站+新能源”基地主要由风电、光伏、光热电站及汇集外送电网构成，为简化运行模拟生产过程，采用稳态运行模型进行基地生产模拟优化。

光热电站一般由集光系统、储热系统和汽轮发电系统构成。集光系统的太阳倍数、储热系统的储热容量或储热时长是影响光热电站发电机组的调节能力的关键参数。

2.1 集光系统模型

集光系统主要负责将太阳辐照能量反射至吸热装置，并将热能输送至储热系统。受场地和集光集热系统的运行效率影响，在不同辐照度下系统转换效率存在非线性转换特性。本文为简化计算，采用线性化的光热转换效率进行建模：

(5)

目前关于集光系统镜场面积与光热电站容量、设计年发电量相关性的研究较多，一般采用太阳倍数来表征，因此集光系统流入储热系统的储热量可以表达为：

(6)

2.2 储热系统模型

储热系统模型包括储热系统放热发电的热电转换约束、配备电加热装置的电热转换约束、储热系统热平衡约束、储热系统容量上下限约束。

a)热电转换约束为

(7)

b)电加热装置的电热转换约束为

HINTESj，t=h(PINj，t).

(8)

式中：PINj，t为电加热装置j消耗的电功率，HINTESj，t为对应产生的热功率；h(·)为电热转换关系函数。

c)储热系统应满足热平衡约束和光热发电时的热电转换约束，即

HTESi，t+1=(1-γi，t)HTESi，t+HINTESi，tΔt+

(9)

式中：HTESi，t为储热系统热能；γi，t为耗散系数；ηTESc、ηTESd分别为储热系统储、放热效率；Δt为1个时段的时长。

d)储热系统需满足容量上下限约束，即：

HTESi，min≤HTESi，t≤HTESi，max，

(10)

HTESi，max=λFLH，iηtCCSPPi，

(11)

HTESi，min=μminλFLH，iηtCCSPPi.

(12)

式中：HTESi，max、HTESi，min分别为机组i的储热系统容量上、下限值；λFLH，i为储热系统的储热时长，表征储热系统在光热机组额定发电功率下的可发电时长，一般取4～15 h；μmin为最小储热容量占比。

2.3 光热电站机组模型

光热电站机组模型如下。

a)光热机组启停约束为：

(13)

式中：Ts为光热机组i的最小关机小时数；To为光热机组i的最小开机小时数；ZCSPPi，t为光热机组运行状态0-1变量，取值0、1分别表示停、开机状态。

b)出力上下限约束为：

(14)

式中PCSPPimax、PCSPPimin为光热机组i正常运行时最大和最小发电功率。

c)爬坡约束为：

(15)

式中Ri，U、Ri，D分别为光热机组i的最大向上、向下爬坡能力。

d)光热电站的年利用小时数约束为

(16)

式中Ai为光热机组i的设计年利用小时数。

2.4 “光热电站+新能源”基地生产模拟模型

基于所提置信容量和调峰能力计算方法，对基地进行生产运行模拟优化，具体生产运行模拟时考虑的优化目标及约束如下。

2.4.1 目标函数

“光热电站+新能源”基地的运行优化目标为优化运行时段内基地的可靠外送能力(即置信能力)及外送目标拟合度(即调峰能力)最大，即

(17)

式中：Y为计及全年风光波动的全年分时段数；y为单位周期时段，本文取10 d(即240 h)为单位周期；Czx(y)为单位周期内的光热机组置信容量大小。

2.4.2 约束条件

“光热电站+新能源”基地约束条件包括电力平衡约束、光热机组运行约束、风电光伏出力约束、基地外送极限约束、新能源弃电量约束、外送目标曲线约束等。其中光热机组运行约束在前文已经介绍，其余约束具体如下。

a)电力平衡约束为

Sr，t=Pwindi，t+Psolari，t+PCSPPi，t.

(18)

式中Pwindi，t、Psolari，t分别为新能源基地系统内的风电、光伏发电出力。

b)风电出力约束为

0≤Pwindi，t≤pwindib，tCwindi.

(19)

式中：pwindib，t为风电场归一化发电功率；Cwindi为风电总装机容量。

c)光伏出力约束为

0≤Psolari，t≤psolarib，tCsolari.

(20)

式中：psolarib，t为光伏电站归一化发电功率；Csolari为光伏电站装机容量。

d)基地外送极限约束为

Sr，t≤Ptran.

(21)

式中Ptran为“光热电站+新能源”基地的外送限额。

e)新能源弃电约束为：

(22)

(23)

(24)

3 光热电站容量和时长优化配置模型

开展“光热电站+新能源”基地的规划和优化配置时，需要将规划的目标和约束条件等相关参数代入到生产模拟模型中进行求解，计算考虑调峰能力和置信容量最大化下的光热电站运行优化结果，得到考虑调峰能力和置信容量最大化下的经济性规划方案。

3.1 优化配置目标函数

为了实现基地调峰能力和置信容量的提升需求，通过生产模拟约束计算“光热电站+新能源”基地的系统经济性最优方案，因此本文采用基地年度单位发电成本经济性最优为配置目标：

(25)

影响光热机组调峰能力和置信容量的关键因素为太阳倍数与储热时长，且光热电站成本组成中集光系统和储热系统的成本占比高，因此光热电站的投资成本又可以细分为集光系统成本、储热系统以及发电系统成本：

(26)

式中：Q(SMi)为对应太阳倍数下的定日镜数量；S0为每个定日镜尺寸；C0Sm为聚光集热系统单位投资成本；r为折现率；Y1为设计集光系统使用年限；C0HTES为储热系统单位投资价格；Y2为设计储热系统使用年限；C0gen为发电系统单位容量投资成本；Y3为设计发电系统使用年限。

3.2 约束条件

光热电站的优化配置是基于生产运行模拟，因此相应的约束条件就是生产运行模拟的约束条件。基于上述“光热电站+新能源”基地运行模拟模型，约束条件可简化抽象为：

(27)

式中：u为生产运行模拟中的输入参数矩阵；x为生产运行模拟中的优化输出结果矩阵；F(x，u)、G(x，u)分别为运行模拟的等式约束、不等式约束，且光热发电出力曲线需满足调峰能力和置信容量最大化优化目标。

3.3 优化配置求解方法

最优规划容量的计算流程如图1所示，具体步骤如下：

图1 “光热电站+新能源”基地容量优化配置流程Fig.1 Flow chart for capacity optimization configuration of CSPP and renewable energy base

步骤1，输入风电、光伏、法向辐照度的全年8 760 h归一化标幺值，确定基地规划区域的资源禀赋。

步骤2，确定风电、光伏规划容量、外送可靠性指标、外送容量限额等除光热电站外的其他计算边界数据和经济参数。

步骤3，设定光热电站初始容量和光热电站相关计算参数。

步骤4，开展以置信容量和调峰能力最大化的生产运行模拟计算，得到风电、光伏、外送、光热发电容量出力下的光热电站储热容量、太阳倍数、系统经济性等结果。

步骤5，重复步骤3、4，得到确定风光容量配置需求下光热电站不同容量配置下的度电成本最优方案。

步骤6，判断成本连续上升次数是否大于m(本文m取2，用于判定是否达到成本最优)，若不是则重新调整风光容量及外送限额，重复步骤2—5，得到多风光容量组合下的计算结果，以专家主观加权法明确经济性、调峰能力、置信容量权重，通过层次分析法求解基地最优风光光热优化配置结果。

4 算例分析

4.1 参数设置

本文以甘肃某区域内的1 000 MW风电与光伏新能源基地为典型算例，算例中采用的负荷数据、风光电源出力数据和直流数据均采用甘肃某地区数据。通过上述方法，采用成熟规划软件求解，实现“光热电站+新能源”基地的优化配置。光热电站机组参数见表1[20]。

表1 光热电站运行的静态参数设置Tab.1 Static parameter setting for CSPP operation

4.2 置信容量对比分析

在全年计及风光波动情况下基地可靠外送能力是提高系统保供能力的关键，其中，风电、光伏发电出力是该基地外送的基础，光热电站通过优化能够弥补风光发电不足部分，但受外送可靠性要求、光热电站的太阳倍数和储热时长影响，光热电站提高系统置信容量的能力差异较大。因此，本文通过置信容量定义和评估模型对光热电站的置信容量开展评估分析，采用风电70万kW、光伏30万kW、外送容量35万kW、光热电站容量10万kW的光热机组组合场景对计及风光波动的基地光热电站置信容量进行评估，分析计算各影响因素的相关性。可靠性影响分析中采用定SM，i和λFLH，i方式分析不同可靠性需求下的光热电站置信容量，具体结果见表2。

表2 可靠性需求对光热电站置信容量的影响分析Tab.2 Analysis of reliability demand factors influencing confidence capacity of CSPP

通过对比分析可知，在系统可靠性需求下降的过程中光热电站的置信容量逐步提升，但提升速度逐步放缓。在可靠性需求从95%上升到100%的过程中，光热电站的置信容量降低了20.6 MW，其中：在95%～97.5%部分，置信容量仅下降了5.8 MW；在97.5%～100%部分，置信容量下降了14.8 MW。后一阶段的下降速率是前一阶段的2.55倍。实际上，在低可靠性约束下系统的光热出力会存在剧烈爬坡，虽然光热电站置信容量得到了有效提升，但与实际电力系统安全可靠供电目标的并网友好性目标不符，因此在本文后续规划优化及计算中均采用100%可靠性约束进行评估及优化配置。

在分析光热电站太阳倍数和储能时长对其置信容量的影响时发现，不同太阳倍数和储热时长的相关性也存在较大差异。以风光容量配置比例7∶3为例，在不同太阳倍数和储热时长下的光热电站置信容量评估结果如图2所示。

图2 不同太阳倍数及储热时长下的光热电站置信容量Fig.2 Confidence capacity of CSPP with different solar multiples and heat storage duration

从图2可以看出，风光容量7∶3配置场景下，当储热时长约10 h以下时，太阳倍数对光热电站置信容量的影响不显著，增加太阳倍数(或镜场面积)对提高光热电站置信容量意义较小。当储热时长在10～15 h时，若太阳倍数在1.5～2，置信容量随着太阳倍数增加会有显著提高，但当太阳倍数大于2时，置信容量随着太阳倍数增长的趋势放缓。从上述分析可知，在配置光热电站容量、储热时长和太阳倍数时，应综合考虑各因素对置信容量的影响，寻求最优方案。

4.3 调峰能力影响分析

储热时长对调峰能力的影响如图3所示。

图3 储热时长对调峰能力的影响Fig.3 Influence of heat storage on peak shaving capacity

从图3可以看出，储热时长与系统调峰能力呈正相关，调峰能力随着储热时长而增长。随着储热时长增加，单位储热时长增加带来的调峰能力增量减小。这是因为在增长过程中，储热时长不再是制约调峰能力的主要因素，由于光照资源、机组容量和太阳倍数等其他因素的限制，系统调峰能力提升效率呈现逐渐降低的趋势。

同样以风光容量7∶3配置场景为例，在不同太阳倍数和储热时长配置下的调峰能力具有显著差异，具体变化趋势如图4所示。在一定热时长内，单位储热时长增量的调峰能力增量较大，当调峰时长超过该数值后，调峰能力相对对储热时长的增加变得缓慢。这里的一定储热时长为5～8 h，随太阳倍数增加：当太阳倍数为1.5时，储热时长增速拐点约在5 h；太阳倍数为3时，储热时长增速拐点约在8 h。总体来看，在1.5～3倍太阳倍数范围内，调峰能力和太阳倍数之间基本呈现线性增长关系。

图4 不同太阳倍数及储热时长下的光热电站调峰能力Fig.4 Peak shaving capacity under different solar multiples and heat storage duration

4.4 光热电站最优容量配置

不同的风电与光伏参与优化配置后，考虑调峰能力和置信容量的提升效果，模拟计及风光波动特性的基地系统运行，并以光热电站的调峰能力、置信容量、基地系统经济性为目标，采用层次分析法对优化目标进行求解，按上述优化配置求解方法进行计算。

以7∶3风光配置比为例，开展全年分旬运行模拟，通过主观加权法得到的计及风光波动的最优光热电站容量配置如图5所示。

图5 计及风光波动的最优光热容量配置结果Fig.5 Optimized configuration results for CSPP capacity with consideration of wind and PV fluctuations

从图5可以看出系统优化目标值在一年中呈现较大的波动，这主要是受到一年中风光资源波动分布特性的影响。风光资源较好的春秋季内，即使是较低容量的光热电站配置也能达到较好的优化效果；风光资源较差的夏季部分时段内，较低容量的光热电站配置会导致优化目标值较低，在这种情况下，可以看到随着光热电站容量的增加，系统优化效果有显著提升。

考虑到区域气象资源各有不同，对不同风光容量配比下的光热电站容量进行优化计算，得到最优光热规划容量。不同风光容量配比下满足可靠调峰能力和置信容量的优化配置结果如图6所示。

图6 不同风光容量配比下最优光热容量计算结果Fig.6 Optimized results for CSPP capacity with different wind and PV proportions

从图6可以看出：在全部新能源都是风电或者光伏的情况下，光热电站的配置容量最大；在风光容量配比接近1∶1时，光热配置容量最小。这是由于风光出力之间存在一定的互补相关特性，在容量接近的时候能够有最好的联合输出效果，从而减少了对光热容量的需求。

通过对不同风光容量配比下的光热容量进行最优配置，可以得到基地总体度电成本变化趋势如图7所示。

图7 不同风光容量配比下最优光热配置的经济性Fig.7 The economy of CSPP configuration under different wind and PV proportions

从图7可以看出，在风光容量配比约为5∶5、6∶4、7∶3时，光热电站的总投资成本具有较好的经济性。此时光热电站的的配置容量较少，利用率高，在保证基地外送能力的前提下，减少了投资，降低了系统总成本。

5 结论

本文定义了“光热电站+新能源”基地的置信容量和调峰能力，提出了基于等可靠性原则的光热电站置信容量评估方法和调峰能力评估方法，为考虑调峰能力和置信容量提升的光热电站储热时长和发电容量优化规划提供了分析基础。然后分析了太阳倍数和储热时长等因素对置信容量和调峰能力的影响，给出了考虑风光出力波动的光热电站配置结果，分析了不同风光容量配比下的光热最优经济性配置。相关研究结论如下：

a)本文提出的光热电站置信容量和调峰能力评估方法能够真实反映光热电站出力面临的不确定性，对光热电站在提升新能源基地外送和调峰能力方面的作用进行有效评估。

b)光热电站的置信容量与调峰能力具有正相关性，且光热电站的调节优化能力与基地外送的可靠性要求、光热电站太阳倍数及储热时长等关键影响因素具有较强相关性。

c)考虑提升效果的“光热电站+新能源”基地的经济性配置受全年风光资源禀赋影响较大，且在不同风光容量配置比例下光热电站的经济性最优配置结果存在较大差异，在实际规划中应当考虑资源禀赋对风光容量进行优化。