中咨视界

史昭娣 朱宁 陈琦 | 计及源-荷匹配的多区域多类型新能源系统优化规划方法
发布日期:2024-09-18 信息来源: 中咨研究 访问次数: 字号:[]

计及源-荷匹配的多区域多类型新能源

系统优化规划方法

史昭娣 朱宁 陈琦

摘要:合理利用新能源出力之间的互补性可平抑其出力波动性,在新能源规划中考虑互补性可令新能源规划布局更为合理。基于此,本文考虑新能源出力互补性,研究计及源-荷匹配的新能源优化布局方法.利用新能源总出力与负荷的正相关特性,以保持新能源总出力与负荷的动态平衡。首先,基于源-荷匹配思想,提出了描述新能源出力与负荷贴近程度和正相关程度的均衡度指标以及一致性指标。然后,建立了计及源-荷匹配的多区域新能源优化规划模型,并通过引入新能源出力与负荷匹配均衡度约束来保证两者变化特性相一致。最后,以我国北方地区某区域电网为例进行算例分析,研究结果表明,计及源-荷匹配的新能源优化规划可以综合考虑新能源消纳率和渗透率,为考虑新能源出力互补性的新能源规划布局提供解决方案。

关键词:新能源;互补性;电源规划;源荷匹配;光热电站;容量配置

一、引言

随着能源转型进程加快,我国大力发展风电[1]、光伏[2]等新能源发电技术,未来电力系统将朝着大规模、高比例新能源电力系统方向发展[3]。新能源出力自身之间具有互补性,利用新能源总出力与系统总负荷之间的匹配效应可以凸显新能源出力间的互补效果,平抑新能源出力波动性,减小常规机组调峰压力[4]

风电、光伏的出力功率波动性强[5-6],大规模接入后会对系统造成冲击,对电网调峰带来挑战[7-8]。实际上,风电和光伏出力具有互补特性[9],其主要表现在两方面:一是新能源资源的广域平滑效应。二是风光出力具有时间上的互补性。

充分挖掘新能源出力互补特性是开展新能源协调规划的重要基础。已有学者对此进行研究,如文献[10]分析了各类能源的互补效应,讨论了配置不同容量电源的经济性和可行性。文献[11]分析了风、光、水资源之间的互补特性,提出了一种包含风、光、水、储的互补性微电网容量优化配置方法。文献[12]研究了新能源出力互补优化方法,定量计算了各类资源容量。上述文献关于系统电源出力互补性进行了研究,但对于新能源出力互补性的分析多是与常规电源一起考虑,未有研究仅考虑新能源出力自身互补性。

研究新能源出力自身互补特征,通常需要提出互补性评价指标[13]。如文献[14]采用新能源总出力的标准差作为评价指标来刻画新能源出力互补性。文献[15]定义了由时间互补、能量互补和振幅互补组成的可再生能源互补性指标。文献[16]采用互补系数等指标描述多能互补系统中电源出力的互补性。以上关于新能源互补性的研究多注重新能源出力之间的负相关性,即假定新能源场站的总出力恒定不变,则认为新能源互补效果最好。

由于负荷具有波动性,上述基于负相关性的研究中,负荷波动部分会由常规可控电源负担。但如果新能源总出力与负荷波动规律保持一致,即新能源出力与负荷之间存在匹配效应,那么新能源发电就可承担一部分变化的负荷,火电机组更多承担基荷并运行在较低的水平,从而大幅降低新能源接入系统带来的常规电源调峰压力。因此,从提高新能源消纳方面看,新能源出力与负荷之间的匹配(源-荷匹配)关系才更可凸显新能源互补的效果[17],此时互补性表现为新能源总出力与负荷呈正相关性。

针对源-荷匹配效果的描述,已有学者进行了研究。如文献[18]定义了负荷追踪度指标用以评价不同电源互补效果。文献[19]采用负荷追踪系数描述系统出力跟随负荷变化的能力,并用其量化多能互补系统总发电量与负荷的匹配程度。文献[20]以新能源出力与负荷之差的平方和最小为目标,提出了新能源出力追踪控制算法。上述利用负荷追踪能力来描述系统源-荷匹配效果的评价方法主要是用于新能源电力系统优化调度中,本文借鉴这种方法,将其应用于新能源电源优化规划中,可在规划阶段充分计及多类型新能源出力间的互补特性。

基于以上分析,本文针对计及源-荷匹配的广域多区域新能源电源优化布局问题进行研究。首先,为了量化新能源出力与负荷之间有功功率的匹配能力,从均衡度和一致性两方面评价源-荷匹配特性。其次,基于源-荷匹配思想,建立了多区域新能源优化规划模型。模型以电网新能源发电量最大和源-荷匹配偏差最小为目标函数,并采用带权极小模理想点法[21]统一两个目标函数的量纲,综合考虑新能源发电功率约束、新能源限电率约束、新能源装机容量约束等,通过引入所提源-荷匹配均衡度约束来保证新能源出力与系统负荷需求变化特性一致。然后,以各区域新能源全年出力时间序列和负荷序列为模型输入,对规划模型进行优化求解,得到各区域最优新能源接入容量,并利用一致性指标来评价源-荷匹配效果。最后,以我国北方某区域电网为例进行算例分析,算例结果验证了由源-荷匹配定义新能源出力互补性的合理性,研究内容可为广域新能源多区域布局规划提供参考意见。

四、算例分析

(一)算例介绍

为验证所提计及源-荷匹配的新能源优化布局方法的正确性,本节以我国北方某相邻四个(省级)地区电网为测试系统,研究2030年的新能源规划布局问题。四个地区分布于总面积125万平方公里范围内,新能源渗透率达到30%以上。电网结构图如图3所示,A、C电网均分别与其他电网相连,图中红色数字表示各区域间联络线限值(单位:MW),绿色数字为直流外送年电量(单位:亿kWh)。算例计算步长为1小时,源-荷匹配周期设为1天,即24h。计算时段数8760h,其余主要算例参数见表1。本文中规划水平年的风电、光伏序列是基于该地区历史出力序列进行新能源出力场景生成得到的,负荷序列是立足这些地区2021年的实际负荷需求序列,假设负荷年增长率为5%估计得到的。

图3 测试系统等效结构示意图

表1 算例参数

(二)不同规划模型结果分析

为了验证所提模型可深入挖掘新能源出力互补性,本节对比了本文模型和传统模型的规划结果。其中传统新模型中不考虑源-荷匹配均衡约束。设置两个仿真案例中光热接入容量均为3.35GW,风电和光伏总装机为59.87GW,所得结果如表2所示。

可以看出,对比传统方法,考虑源-荷匹配后,本文模型所得D地区风电和C地区光伏最优布局容量分别增长了35.81%和54.3%。从风电和光伏总装机方面看,本文模型所得风电总容量较传统方法高4.24%,这表明考虑源-荷匹配后,系统更倾向于配置互补性更好的风电,光伏由于出力形状较为固定,容量越大越难以实现源-荷匹配。此外,在新能源总装机一致的情况下,本文模型得到的新能源年度总出力电量为1124.03亿kWh,而传统模型所得新能源年度总出力电量为865.23亿kWh,前者相较后者提升29.91%,即考虑源-荷匹配可使新能源渗透率从28.51%增加至37.04%。从新能源限电方面看,考虑源-荷匹配可使新能源总限电率从传统模型的23.18%降低至本文模型的5.21%。可以看出,在同样的装机总容量下,考虑源-荷匹配可以充分提升新能源消纳能力,减少弃风、弃光情况。

表2 不同模型规划结果

图4 不同模型的年度基准负荷调节系数

图4显示的是求解两种模型所得的年度基准负荷调节系数,该参数描述的是每个匹配周期内新能源总出力占基准负荷的比例,其数值越高,说明新能源出力在系统总出力中占比越高。可以看出,本文模型中年度基准负荷调节系数变化范围为0-0.7,平均值为0.32;传统模型的年度基准负荷调节系数变化范围为0.1-0.3,平均值为0.2。本文模型所得基准负荷调节系数更高,有利于提升新能源消纳水平。

综上可得,采用本文方法考虑源-荷匹配均衡约束可以深入挖掘新能源出力互补性,有利于提升新能源消纳水平,促进新能源产业健康发展。

(三)灵活性新能源电源接入对规划结果的影响

为了研究灵活性新能源电源接入系统对多区域新能源优化规划布局的影响,本节设置风/光组合和风/光/光热组合两类场景,分别计算两类场景下的多能源电力系统容量规划结果。令风/光组合光伏装机容量与风/光/光热组合光伏与光热总装机容量相等。其余约束条件和计算边界均一致。计算结果如表3所示。

表3 不同场景下的规划结果

可以看出,在新能源总装机容量一定下,风/光/光热组合的源-荷匹配一致性指标为0.080,而风/光组合的源-荷匹配一致性指标为0.098。由该指标定义可知,越小,说明在该时段内新能源出力与负荷功率变化趋势越接近,源-荷匹配程度越高。此外,风/光/光热组合的新能源出力与负荷波动形状的年度平均绝对偏差与风/光组合相比降低52.27%,新能源基本不增加电网调峰难度,同时风/光/光热组合的新能源总发电量比风/光组合高4.03%,因此可得出结论:灵活性新能源电源的接入对提高源-荷匹配具有积极作用。

图5 不同场景下源-荷匹配效果

图5所示为两种场景下新能源出力与负荷匹配效果对比,图中同色系深色表示匹配偏差最大日结果,浅色表示匹配偏差最小日结果。当新能源总装机容量一定时,从匹配效果方面看,四个地区的风/光组合和风/光/光热组合均可以在一定程度上实现新能源总出力与负荷形状的优化匹配,可大幅降低电网的调峰难度。风/光组合的匹配效果不及风/光/光热组合,这说明灵活电源的接入有利于源-荷匹配互补。从匹配偏差方面看,风/光组合匹配偏差最小日的新能源出力非常低,说明仅靠风电和光伏很难完全匹配负荷波动。风/光/光热组合匹配偏差最小日的新能源出力有所提高,光热接入后,新能源出力与负荷匹配偏差更小,最优可达到匹配偏差为0的效果,即使是全年匹配偏差最大日,最大新能源功率缺额也未超过5GW,也验证了灵活性新能源电源CSP电站可有效提升新能源出力互补能力。

(四)新能源限电率对规划结果的影响

为了研究新能源限电率对多区域新能源优化规划布局和源-荷匹配效果的影响,本节给定CSP电站发电容量为3.35GW、系统最大新能源限电率由0增加至10%时,计算风、光最优接入容量和源-荷匹配一致性指标的情况,结果如图6所示。

图6 不同新能源限电率下优化结果

可以看出,随着允许新能源限电率水平的增加,新能源总容量增加,相比于缓慢增加的光伏容量,风电容量增加趋势更大,系统优化配置的风电容量最大近乎于光伏容量的6.5倍,这主要是由两方面原因造成的:一方面,测试系统地区的风电资源利用小时数高于光伏资源,系统优先接纳风电;另一方面,由于光伏出力具有典型的“昼发夜停”特性,其出力形状一般较为固定,由于源-荷匹配均衡约束的限制,电网优先接纳出力形状更易匹配负荷的风电。此外,随着新能源限电率水平的增加,源-荷匹配一致性指标随之增加,由0.057近似线性增长至0.115。可见允许一定弃电可使新能源与负荷形状更容易匹配,更好的利用新能源互补特性。

图7 各地区某两日发电运行情况

图7显示的是限电率水平为10%情况下某两日各区域电源出力运行情况,选取的这两日分别是新能源大发和小发场景。可以看出,在基准负荷日调节系数较高的情况下(97.48%),新能源出力几乎可以满足系统的总负荷需求,而在基准负荷日调节系数较低的情况下(42.13%),新能源出力也可以满足系统总负荷需求的40%以上。并且两种场景下均可以满足新能源发电出力与负荷变化形状相一致,需要提供支撑的常规电源出力变化量较小,因而常规电源可以更多的承担基荷发电任务。此外,可以看出,对应每日的基准负荷调节系数,需要的火电出力占负荷的比例也相对固定,因此可以在每日第一个时刻点对火电启/停机状态变量进行限制,匹配周期内火电的运行状态变量即可固定下来,可以有效降低火电机组参与优化规划的0-1变量个数,提高模型的求解速度。

(五)新能源随机性对规划结果的影响

新能源出力随机性对新能源规划具有一定影响,由于本文是从源-荷匹配角度量化新能源互补能力,模型中不包含经济性约束,因此本节着重分析新能源资源出力随机性对规划结果的影响。根据文献[25]采用的多场景法,本节以60组年度8760h新能源出力场景作为规划边界分别求解规划模型,所有场景下风光规划结果如图8所示。

图8 60组新能源出力场景计算结果

图8中虚线为各指标期望值,可以看出,各地区风电装机容量波动范围分别为14.1-14.9GW、7.9-8.7GW、5.2-5.8GW、17.3-20.8GW,光伏装机容量波动范围分别为2.6-3GW、2.3-2.5GW、3.9-4.6GW、2.5-2.8GW。可以看出,单次规划结果具有一定随机性,多组规划结果期望值可靠性更高,所得规划结果在60组场景下均收敛于期望值。

五、结论

本文研究了计及源-荷匹配的多区域新能源优化规划布局问题。首先,对源-荷特性匹配特性进行评价。其次,建立了计及源-荷匹配的多区域新能源优化规划模型。最后经过算例分析验证所提模型和方法的有效性。主要研究结论如下:

(1) 从均衡度和一致性两方面评价源-荷匹配特性,可以量化新能源出力与负荷之间有功功率的匹配能力。将其计入规划模型,可在规划过程中充分计及风光出力广域空间互补特性。

(2) 建立计及源-荷匹配的多区域新能源优化规划模型。模型以电网新能源发电量最大和源-荷匹配误差最小为综合目标,适用于大规模区域电网规划,可得到在给定新能源利用率和源-荷匹配偏差约束下的新能源最优接入容量。

(3) 由于相比于光伏,风电的利用小时数更高,因此其广域的互补特性更强。在规划阶段计及源-荷匹配后,系统更倾向于接纳风电。此外,灵活性新能源电源的接入对提高源-荷互补性具有积极作用,并在新能源总装机一定情况下提升系统新能源发电量。

参考文献

[1] 国家能源局. 2019年风电并网运行情况[Z].2020.

[2] 国家能源局.2019年光伏并网运行情况[Z]. 2020.

[3] 朱法华,王玉山,徐振,等.中国电力行业碳达峰、碳中和的发展路径研究[J].电力科技与环保,2021,37(3):9-16.

[4] 于国强,刘克天,胡尊民,等.大规模新能源并网下火电机组深度调峰优化调度[J].电力工程技术,2023,42(1):243-250.

[5] 任冲,柯贤波,王吉利,等.高比例新能源电网新能源功率优化分配方法[J].电力工程技术,2022,41(3):110-117.

[6] BILLINTON R, CHEN H, GHAJAR R. A sequential simulation technique for adequacy evaluation of generating systems including wind energy[J]. IEEE Transactions on Energy Conversion, 1996, 11(4):728-734.

[7] KOLTSAKLIS N E, GEORGIADIS M C. A multi-period, multi-regional generation expansion planning model incorporating unit commitment constraints[J]. Applied Energy, 2015, 158:310-331.

[8] 郭力,杨书强,刘一欣,等.风光储微电网容量规划中的典型日选取方法[J].中国电机工程学报,2020,40(8):2468-2480.

[9] 万家豪,苏浩,冯冬涵,等.计及源荷匹配的风光互补特性分析与评价[J].电网技术,2020,44(9):3219–3226.

[10] 熊文,刘育权,苏万煌,等.考虑多能互补的区域综合能源系统多种储能优化配置[J].电力自动化设备,2019,39(1):118-126.

[11] 夏永洪,吴虹剑,辛建波,等.考虑风/光/水/储多源互补特性的微网经济运行评价方法[J].电力自动化设备,2017,37(007):63-69.

[12] 晋宏杨,孙宏斌,郭庆来,等.含大规模储热的光热电站—风电联合系统多日自调度方法[J].电力系统自动化,2016,40(11):17-23.

[13] XIN W, KAIXIN L, XIAO H.Renewable energy output tracking control algorithm based on the temperature control load state-queuing model[J].Applied Sciences, 2018, 8(7):1099-1114.

[14] 朱燕梅,陈仕军,马光文,等.计及发电量和出力波动的水光互补短期调度[J].电工技术学报,2020,35(13):2769-2779.

[15] BELUCO A, SOUZA P K D, KRENZINGER A. A dimensionless index evaluating the time complementarity between solar and hydraulic energies[J]. Renewable Energy, 2008, 33(10): 2157-2165.

[16] 叶林,屈晓旭,么艳香,等.风光水多能互补发电系统日内时间尺度运行特性分析[J].电力系统自动化,2018,42(4):158-164.

[17] 李湃,方保民,祁太元,等.基于源-荷匹配的区域电网风/光/储容量配比优化方法[J].中国电力,2022, 55(1):46-54.

[18] 曾雪婷,刘天琪,李茜,等.基于虚拟电源配置策略的风光水火多源互补短期优化调度[J].电网技术,2016,40(5):1379-1386.

[19] 温正楠,刘继春.风光水互补发电系统与需求侧数据中心联动的优化调度方法[J].电网技术, 2019, 43(7):2449-2459.

[20] XIN W, KAIXIN L, XIAO H. Renewable energy output tracking control algorithm based on the temperature control load state-queuing model[J]. Applied Sciences, 2018, 8(7):1099-1114.

[21] 隋鑫,卢盛阳,苏安龙,等.计及风电和柔性负荷的核电多目标优化调度研究[J].中国电机工程学报,2019,39(24):7232-7241.

[22] 沙熠,邱晓燕,宁雪姣,等.协调储能与柔性负荷的主动配电网多目标优化调度[J].电网技术,2016,40(5):1394-1399.

[23] GAMS Development Corp. GAMS [EB/OL]. [2017-10 -01].

http://www.gams. com/.

[24] IBM ILOG.CPLEX[EB/OL]. [2017-12-01].

www.gams com/latest/docs/S_CPLEX.html.

[25] 史昭娣,王伟胜,黄越辉,等.考虑决策相关随机规划的光热电站容量配置[J].中国电机工程学报,2020,40(23):7511-7521.

注:本文主要内容发表在《电力工程技术》2024年第4期,原作者:史昭娣、朱宁、李政(清华大学能源与动力工程系教授)、陈琦。本次发表有改动。



Baidu
map