关键词：电力系统灵活性；大规模风电；评估
目前，风力发电已经成为世界上最清洁、发展最快的新能源发电方式。我国千万千瓦级大规模风电基地正逐步并网。随着风电渗透率不断升高，电力系统惯量将会逐渐减小，电力系统一次调频能力下降，从而大规模风电接入导致电力系统频率响应恶化，威胁到系统安全稳定运行。因此，研究大规模风电并网对电力系统运行灵活性评估模型，保证电力系统具有足够的灵活性，对于接纳更多的风电，实现未来清洁电力系统的目标具有十分重要的意义。
一、电力系统灵活意义
电力系统灵活性的概念，在电源扩展时，输电系统能否快速调整以应对系统规划条件的变化，主要针对的是发电规划中存在的不确定性。当时的能源结构主要以火电和水电等传统能源为主，光伏和风电等可再生能源并网比例很低，所以灵活性相关研宄未受到广泛关注。随着可再生能源大规模接入系统，灵活性相关研宄日渐增多。目前，对于电力系统灵活性尚未有统一定义。电力系统灵活性需要系统具备足够的调节能力和容量以快速响应不确定因素导致的突发事件，保证系统的安全稳定运行。电力系统灵活性的定义包含时间尺度、灵活性资源、系统不确定性和经济成本因素。在电力系统灵活性定义为某一时间尺度内，电力系统优化调配各类灵活性资源，以较低的经济成本快速响应发电侧和负荷侧不确定性和波动性的能力。系统在运行控制中通常以安全、可靠为前提条件，以灵活性作为约束，经济性为目标。
二、风电的电力系统运行灵活性评估原理
根据研究，电力系统灵活性特点：灵活性是电力系统的固有特征；灵活性具有方向性；灵活性需在一定时间尺度下描述。从电力系统有功平衡的角度分析，机组的爬坡能力和出力范围、负荷特征等是电力系统灵活性的固有特征；上调能力和下调能力反映了系统在不同方向的灵活性；不同时间尺度下风功率的变化范围不同，对系统灵活性评估有较大影响。
1、风电波动性对灵活性的影响。某电网的负荷、风电和净负荷实测数据曲线风电的接入，导致净负荷变化更加剧烈，主要造成了以下问题：局部时段出现较大的爬坡，相比原始负荷曲线，净负荷曲线在图中多个时段出现更陡的爬坡；净负荷在多个时段出现了明显的低谷。对问题需要系统常规机组具有更加灵活的爬坡能力和足够的旋转备用，能够适应更加陡峭的爬坡事件，如果常规机组的爬坡容量小于净负荷的变化，则会出现调灵活性不足的问题，从而导致切负荷(弃风)事件的发生。需要火电机组具有更低的稳燃出力下限，能够尽量适应较低的净负荷低谷。如果常规机组均达到出力下限仍无法适应，则需要关闭部分常规机组，为系统提供必要的灵活性。
2、风电随机性对灵活性的影响。传统电力系统一般采用备用容量作为灵活性资源应对负荷不确定性，由于负荷预测的精度较高，一般备用容量足够应对负荷预测误差。风电大规模接入后，由于其预测的不确定性和随机性，系统需要更多的灵活性资源。并且实际数据表明相邻及较近时刻间风功率预测误差具有较强相关性。
图给出了含风电系统灵活性分析的原理性场景。在A 点之前，预测数据高于实测数据，为了更多接纳风电需要下调常规机组出力，并且预测曲线相对实测曲线持续正偏，如果上调灵活性资源不足，则会导致切负荷事件；在时刻点60附近，风电出力出现较陡的上爬坡，如果常规机组下爬坡能力无法跟随，则会出现弃风事件；在A 点和B 点之间，预测曲线在实测曲线之下，需调用下调灵活性资源。因此，搜索系统灵活性不足的时段并量化分析其严重程度，是运行灵活性评估的关键。
三、风电接入的电力系统运行灵活性评估模型
风电的电力系统运行灵活性评估模型，首先介绍风电及负荷不确定性处理方法，然后基于常规机组与风电场协调运行能力，提出灵活性指标的模拟算法流程。
1、风电不确定性处理方法。采用风功率历史预测误差作为误差经验分布，设未来的预测误差与历史预测误差的分布特性相同，则t 时刻对t+k 时刻的预测值的经验分布模型如下所示：
风功率预测场景曲线生成方法如下：针对给定的风功率预测序列，首先根据历史误差分布抽样得到初始时刻的预测误差。然后根据预测误差差分序列的概率分布函数，抽样得到相邻时刻的预测误差差分序列，累加即可得到各时刻的预测误差序列，与预测曲线相加即可得到风功率预测场景曲线。
2、电力系统运行灵活性评估模型。系统灵活性分析如图3 所示，场景1 表示下一时刻净负荷曲线超过了常规机组的出力上限，系统的上调灵活性资源不足；场景净负荷曲线低于常规机组的出力下限，系统的下调灵活性资源不足。
3、灵活性评估模型。基于蒙特卡洛算法，根据日前风功率、负荷预测数据确定该日的机组组合，得到机组i在时刻t 的启停状态为Ui,t(0-1 变量)，设置模拟次数k=0。根据风功率历史预测误差分布，采用蒙特卡洛模拟生成风功率、负荷时序曲线，并基于机组启停计划，设置弃风、切负荷变量，求解以下经济调度模型：
风电场景模拟根据风电场的历史日前预测及实测数据统计，可得到其出力的历史误差概率分布
以该分布作为风功率日前预测误差的概率分布函数，根据仿真日该风电场的日前预测数据，可以得到仿真日某单风电出力的模拟预测曲线。
4、风电接入比例对灵活性指标的影响。研究风电接入比例对灵活性指标的影响，设置不同风电接入比例的计算场景，定义风电接入比例如下所示：
λ=风电装机容量/负荷峰值
将风电接入比例从0%连续增加到80%，假定备用比例为25%，做出灵活性不足期望容量占负荷比重与风电接入比例的关系图
存在一个风电接入比例的阈值，超过该阈值后，系统的灵活性不足期望随着风电接入比例的增加呈现增长趋势。在本算例中，风电接入比例超过30%后，系统的灵活性问题开始凸显，风电接入比例为60%时，灵活性不足期望占比达到近10%。
考虑大规模风电接入对电力系统有功平衡的影响，提出了电力系统运行灵活性概率评价指标体系，并基于蒙特卡洛模拟和经济调度模型建立了实用化评估算法，得出了以下结论：风电不确定性和负荷不确定性对于电力系统灵活性的影响原理不同，负荷预测不确定性时间上无较强相关性，设置足够的备用容量可以满足系统灵活性的要求；风电预测不确定性有较强的时间相关性，在局部时段会造成系统灵活性不足。随着风电接入比例的增加，存在一个阈值，超过该比例之后系统灵活性逐渐降低，系统对灵活性资源的需求增加。在备用容量足够的情况下，保证合适的常规机组爬坡能力对灵活性也有重要的意义，过低或过高的爬坡率都是不可取的，需要根据灵活性指标的变化规律选取最优值。
参考文献：
[1] 李俊峰，蔡丰波，乔黎明．电力系统灵活性及其评价综述[J]．电网技术，2017，38(6)．
[2] 张海峰，高峰，吴江．含风电的电力系统动态经济调度模型[J]．电网技术，2018，37(5)．
[3] 王彩霞，鲁宗相．风电功率预测信息在日前机组组合中的应用[J]．电力系统自动化，2016，35(7)．
论文作者:呼博文
论文发表刊物:《中国电业》2019年第12期下
论文发表时间:2019/11/29
标签：灵活性论文; 风电论文; 电力系统论文; 负荷论文; 系统论文; 机组论文; 误差论文; 《中国电业》2019年第12期下论文;