侯婷婷 婁素華 吳耀武 張滋華 陳益民

（強電磁工程與新技術(shù)國家重點實驗室（華中科技大學(xué)電氣與電子工程學(xué)院） 武漢 430074）

1 引言

近年來，由于電力用戶供電需求的變化，我國各電網(wǎng)峰谷差正在逐年增大，調(diào)峰的難度日益增大。特別是隨著風(fēng)力發(fā)電、太陽能發(fā)電等可再生能源發(fā)電的快速發(fā)展[1]，尤其是風(fēng)力發(fā)電以其技術(shù)相對成熟、成本較低、蘊量巨大和不污染環(huán)境等優(yōu)點在世界各國都得到了快速發(fā)展，大型風(fēng)電場并網(wǎng)發(fā)電成為世界風(fēng)電未來發(fā)展的趨勢[2,3]，因此，這種大規(guī)模隨機性、難預(yù)測性的電力并網(wǎng)將給系統(tǒng)調(diào)峰帶來更大的挑戰(zhàn)。同時，電網(wǎng)調(diào)峰經(jīng)濟(jì)運行在電力企業(yè)的生產(chǎn)經(jīng)營中占有很重要的位置，雖然經(jīng)濟(jì)調(diào)峰時段只占整個電網(wǎng)運行總時段的 1/3，但對全網(wǎng)經(jīng)濟(jì)運行效益的影響卻遠(yuǎn)遠(yuǎn)超過 1/3，對電網(wǎng)運行的經(jīng)濟(jì)性具有決定性的影響[4]。因此，研究大型風(fēng)電場的調(diào)峰容量需求特性，并提出含大型風(fēng)電場的電力系統(tǒng)調(diào)峰運行模擬分析方法具有非常重要的意義。

近幾年，國內(nèi)外專家學(xué)者對風(fēng)電并網(wǎng)的相關(guān)研究工作非常重視[5-9]，對其帶來的調(diào)峰問題也進(jìn)行了一些初步的研究[10-12]。文獻(xiàn)[10]結(jié)合西北電網(wǎng)的具體情況，提出一種采用西北水電、火電聯(lián)合為風(fēng)電調(diào)峰時的水電、火電調(diào)峰能力的實用計算方法；文獻(xiàn)[11]從電網(wǎng)的負(fù)荷特性和電源構(gòu)成著手分析2010年京津塘電網(wǎng)的調(diào)峰能力，進(jìn)而粗略給出可接受的風(fēng)電容量范圍；文獻(xiàn)[10, 11]均是結(jié)合具體電網(wǎng)的情況，分析風(fēng)電場所在系統(tǒng)可提供的調(diào)峰能力，模型不具有通用性。文獻(xiàn)[12]采用風(fēng)速的 Weibull分布函數(shù)模擬的風(fēng)電場時序出力曲線，基于凈負(fù)荷峰谷差的變化來評價風(fēng)電對系統(tǒng)峰谷差的影響。而事實上，風(fēng)電并網(wǎng)系統(tǒng)的調(diào)峰能力和調(diào)峰運行特性，與系統(tǒng)負(fù)荷特性、電源特性以及風(fēng)電出力特性有著密切的關(guān)系，單純的分析風(fēng)電的出力特性或者系統(tǒng)的調(diào)峰能力都是不全面的。目前的研究大都對風(fēng)電接入系統(tǒng)以后給電網(wǎng)調(diào)峰帶來的調(diào)峰壓力進(jìn)行較粗略的宏觀分析，但是缺少對系統(tǒng)調(diào)峰運行特性問題進(jìn)行通用的定量分析和建模。因此，對于風(fēng)電出力的隨機性給并網(wǎng)系統(tǒng)調(diào)峰帶來的影響以及含風(fēng)電場的系統(tǒng)調(diào)峰運行特性問題急需進(jìn)一步的深入研究。

電力系統(tǒng)的調(diào)峰需求是指運行周期內(nèi)系統(tǒng)的最大負(fù)荷與最小負(fù)荷的差值，因此，研究含大型風(fēng)電場的電力系統(tǒng)的調(diào)峰問題需要結(jié)合整個運行周期內(nèi)的系統(tǒng)負(fù)荷特性和風(fēng)電場出力來分析。風(fēng)電出力的隨機性、間歇性以及難預(yù)測性使得風(fēng)電的調(diào)峰容量需求具有很大的隨機性，這是含風(fēng)電的電力系統(tǒng)調(diào)峰問題不同于傳統(tǒng)系統(tǒng)調(diào)峰分析的關(guān)鍵。

針對風(fēng)電出力的隨機性，結(jié)合系統(tǒng)的負(fù)荷特性，本文建立了含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型，采用典型場景描述風(fēng)電接入系統(tǒng)后調(diào)峰容量需求的隨機特性?；谡{(diào)峰容量需求模型，提出了一種含大規(guī)模風(fēng)電的電力系統(tǒng)調(diào)峰運行特性分析方法?？紤]到風(fēng)電調(diào)峰容量需求的隨機性，在模型目標(biāo)函數(shù)中計及了系統(tǒng)上調(diào)峰能力不足造成的缺電損失費和下調(diào)峰能力不足造成的棄風(fēng)懲罰費用。最后應(yīng)用本文提出的模型對一個測試系統(tǒng)進(jìn)行了計算和分析證明本文模型的有效性和實用性。

2 含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型

含風(fēng)電系統(tǒng)的調(diào)峰容量需求來源于風(fēng)電出力的變化和負(fù)荷的峰谷差，需求的大小則與兩者的時序相關(guān)性密切相關(guān)。為了獲得能夠用于含風(fēng)電系統(tǒng)調(diào)峰分析的風(fēng)電出力模型，本文借鑒電力系統(tǒng)選取典型負(fù)荷曲線的思路，通過對凈負(fù)荷的峰谷差數(shù)據(jù)進(jìn)行統(tǒng)計分析和場景削減技術(shù)，得到用于含風(fēng)電系統(tǒng)調(diào)峰分析的典型風(fēng)電出力場景及對應(yīng)的概率。

2.1 含風(fēng)電系統(tǒng)的調(diào)峰容量需求

在電力系統(tǒng)運行中，為充分利用可再生能源，將風(fēng)電出力處理成負(fù)負(fù)荷，與原始負(fù)荷疊加后得到凈負(fù)荷曲線。系統(tǒng)的調(diào)峰容量需求分析基于凈負(fù)荷來進(jìn)行，這樣既兼顧了負(fù)荷的調(diào)峰需求和風(fēng)電出力的變化，又考慮了兩者之間的相關(guān)性。凈負(fù)荷Lnet可表示為

含風(fēng)電系統(tǒng)的調(diào)峰容量需求是指運行周期T內(nèi)系統(tǒng)最大凈負(fù)荷與最小凈負(fù)荷之差，即系統(tǒng)凈負(fù)荷的峰谷差。由于風(fēng)電出力的不確定性，風(fēng)電出力可能有多種情況，根據(jù)式（1）得到的凈負(fù)荷也具有多個場景。在一個運行周期內(nèi)，對應(yīng)風(fēng)電出力場景i的系統(tǒng)調(diào)峰容量需求可表示為

2.2 含風(fēng)電系統(tǒng)的調(diào)峰容量需求分類

借鑒well-being分析原理[13]，依據(jù)風(fēng)電場接入對系統(tǒng)調(diào)峰容量需求的影響可將含風(fēng)電系統(tǒng)的調(diào)峰容量需求場景分為 Healthy、Marginal和 Risk等三種類型。其物理含義分別是，Healthy代表系統(tǒng)的調(diào)峰容量需求小于風(fēng)電場接入系統(tǒng)前的調(diào)峰容量需求Lpv，即風(fēng)電場的接入改善了系統(tǒng)的調(diào)峰狀況；Risk代表系統(tǒng)可提供的調(diào)峰容量Cpv小于系統(tǒng)的調(diào)峰容量需求，即系統(tǒng)滿足不了含風(fēng)電系統(tǒng)的調(diào)峰容量需求；而Marginal代表除上面兩種類別之外的調(diào)峰容量需求，即風(fēng)電場的接入加大了系統(tǒng)的調(diào)峰壓力，但是，系統(tǒng)可提供的調(diào)峰容量Cpv還可滿足含風(fēng)電系統(tǒng)的調(diào)峰容量需求。這種分類方法明確表示了風(fēng)電場接入對系統(tǒng)的調(diào)峰容量需求影響的三種情況，并較好地區(qū)分了含風(fēng)電系統(tǒng)的調(diào)峰壓力狀態(tài)。

根據(jù)上述分類方法，含風(fēng)電系統(tǒng)調(diào)峰容量需求集合Ωpv被分成三個子集：ΩH,pv、ΩM,pv、ΩR,pv，其包括的場景及對應(yīng)的概率分別如式（3）和式（4）所示。

2.3 調(diào)峰容量需求場景削減

受計算復(fù)雜性的限制，實際工作中不可能對每一個場景都進(jìn)行詳細(xì)的分析和評估，因此，采用基于Kantorovich Distance（KD）的forward場景削減技術(shù)[14]對各調(diào)峰容量需求狀態(tài)包括的場景進(jìn)行削減，進(jìn)而得到能夠代表各調(diào)峰容量需求狀態(tài)的典型風(fēng)電出力場景及對應(yīng)的概率。

基于 KD的 forward場景削減技術(shù)是一個優(yōu)化的過程，通過反復(fù)迭代，從原始場景集合Ω中尋找與其他場景KD距離最小的場景，將其置入目標(biāo)場景集合Ω′。兩個場景集Ω和Ω′的KD定義如下[15]：

式中，c(?)是一個非負(fù)、連續(xù)、對稱的距離函數(shù)；s和s′分別為原始場景集Ω和目標(biāo)場景集Ω′中的場景；ps和ps′分別為場景s和s′在Ω和Ω′中的概率。

對于某一種調(diào)峰容量需求狀態(tài)而言，Ω代表含風(fēng)電系統(tǒng)調(diào)峰容量需求的初始場景集合，而Ω′代表削減后的目標(biāo)場景集合，因此，式（5）等效為

在本文中，將c(s,s′)定義為兩個場景的調(diào)峰容量需求之差的絕對值，即

采用上面闡述的基于KD的 forward場景削減技術(shù)即可對各類調(diào)峰容量需求狀態(tài)子集進(jìn)行場景削減。在削減后得到的目標(biāo)場景集Ω′中，每個調(diào)峰容量需求場景Pp′v對應(yīng)的風(fēng)電出力曲線PW′即選取的典型風(fēng)電出力曲線，這些典型風(fēng)電曲線能夠反映隨機性的風(fēng)電加入后對系統(tǒng)調(diào)峰需求的影響。

為了在調(diào)峰需求分析中，合理評估風(fēng)力發(fā)電的經(jīng)濟(jì)性，獲得的風(fēng)電典型出力曲線必須能夠正確反映風(fēng)能的電量特性，即與風(fēng)電場的期望發(fā)電量保持一致。為此，需根據(jù)運行周期內(nèi)風(fēng)電場的期望發(fā)電量對目標(biāo)場景集中與原始場景集KD距離最短的場景s′對應(yīng)的風(fēng)電出力曲線進(jìn)行修正，修正公式為

對于每類調(diào)峰容量需求包括的場景進(jìn)行削減的最終結(jié)果及其對應(yīng)的概率如下所示：

2.4 含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型

經(jīng)過上面的調(diào)峰容量需求場景狀態(tài)分類以及場景削減，含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型如下：

此風(fēng)電調(diào)峰容量需求模型通過選取典型的系統(tǒng)調(diào)峰需求場景對風(fēng)電調(diào)峰容量需求的隨機性進(jìn)行建模，從而可應(yīng)用于下面的考慮風(fēng)電隨機性的調(diào)峰運行特性分析研究。

3 含風(fēng)電場的電力系統(tǒng)調(diào)峰運行特性分析

3.1 目標(biāo)函數(shù)

含風(fēng)電場的電力系統(tǒng)調(diào)峰運行特性分析研究的目標(biāo)是在滿足系統(tǒng)調(diào)峰需求及各種約束條件的前提下，充分利用可再生能源，使運行周期內(nèi)系統(tǒng)的發(fā)電成本最小?？紤]到風(fēng)電的隨機性，在調(diào)峰平衡運行模擬模型目標(biāo)函數(shù)中計及了系統(tǒng)由于風(fēng)電變化而導(dǎo)致的上調(diào)峰能力不足帶來的缺電損失費和下調(diào)峰能力不足帶來的棄風(fēng)懲罰費用。

基于第2節(jié)所建立的調(diào)峰容量需求模型，含風(fēng)電系統(tǒng)的調(diào)峰運行特性分析模型的目標(biāo)函數(shù)如下：

其中

式中，F(xiàn)為運行周期內(nèi)總費用；Nu為常規(guī)發(fā)電機組數(shù)；fu,l,i(t)為典型風(fēng)電出力Plw,i對應(yīng)的機組u在t時刻的發(fā)電費用，包括運行費用f1u,l,i(Pu.t)、啟停費用Su,l,i(t)和 SO2及 NOx的排污費用f2u,l,i(NOx, SO2)；Ol,i(t)為系統(tǒng)上調(diào)峰能力不足而造成的缺電損失費；Cl,i(t)為系統(tǒng)下調(diào)峰能力不足造成的棄風(fēng)電量懲罰費用。

Ol,i(t)和Cl,i(t)的計算式為

3.2 模型約束條件

含風(fēng)電系統(tǒng)的調(diào)峰運行特性分析模型的約束條件包括系統(tǒng)運行約束、常規(guī)機組約束和風(fēng)電場出力相關(guān)的約束。對于每個典型風(fēng)電出力場景Plw′,i，均需滿足以下約束：

（1）系統(tǒng)運行約束

①系統(tǒng)功率平衡約束

式中，Pl′w,i,t為典型風(fēng)電出力Plw′,it時刻的出力；Lt、PL.t分別為時刻t系統(tǒng)的負(fù)荷值和網(wǎng)損值。

②系統(tǒng)備用約束

式中，Pu.max為機組u的最大出力；Rt為時刻t系統(tǒng)備用；xu,t為機組u的運行狀態(tài)，1為開機，0為停機。

（2）常規(guī)機組約束

式中，Pu.min為機組u的最小技術(shù)出力。

（3）風(fēng)電場運行約束

①風(fēng)電場出力約束，即風(fēng)電場的出力不大于風(fēng)電場裝機總?cè)萘浚?/p>

式中，Ew、EeNAW分別為系統(tǒng)利用的風(fēng)電電量和棄風(fēng)電量；tE為風(fēng)電場的年期望利用小時。

4 算例分析

本文的測試系統(tǒng)基于某一實際系統(tǒng)的 2015年的負(fù)荷特性和電源數(shù)據(jù)和某一風(fēng)電場的實際出力數(shù)據(jù)，采用本文提出的模型，分析電網(wǎng)接入風(fēng)電后的調(diào)峰需求及調(diào)峰運行特性指標(biāo)。系統(tǒng)的火電發(fā)電機組參數(shù)、不同負(fù)荷率的煤耗特性和負(fù)荷特性分別見表 1、表 2和表 3所示。最大負(fù)荷為 87 000MW，風(fēng)電場總?cè)萘繛?7 400MW，最大負(fù)荷的20%。

表1 常規(guī)機組數(shù)據(jù)Tab.1 Conventional generator’s data

表2 常規(guī)機組煤耗特性Tab.2 Conventional generator’s characteristic of coal consumption

表3 負(fù)荷數(shù)據(jù)Tab.3 Load data

4.1 調(diào)峰需求典型場景的風(fēng)電出力曲線

采用建立的含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型，對一風(fēng)場接入系統(tǒng)后的凈負(fù)荷進(jìn)行建模，調(diào)峰需求目標(biāo)場景集包括3個典型場景，可得出3種調(diào)峰需求狀態(tài)對應(yīng)的典型風(fēng)電出力曲線，如下圖所示。

圖 調(diào)峰容量需求典型場景的風(fēng)電出力曲線Fig. The modeling result of wind power output curve for the selected scenarios

由圖可見，采用風(fēng)電調(diào)峰容量需求模型產(chǎn)生的3條典型風(fēng)電出力曲線各不相同，反映出了風(fēng)電出力的三種調(diào)峰容量需求，并且，風(fēng)電接入以后，系統(tǒng)的調(diào)峰狀態(tài)較多的集中于Marginal狀態(tài)，其概率達(dá)到0.84，而Healthy和Risk狀態(tài)的概率分別為0.13和0.03。由此，整體來看系統(tǒng)接納此容量的風(fēng)電調(diào)峰沒有問題。

4.2 調(diào)峰運行特性分析

在風(fēng)電調(diào)峰需求典型出力曲線基礎(chǔ)上，進(jìn)行系統(tǒng)的調(diào)峰運行特性分析，其運行指標(biāo)見表4。

根據(jù)表4的調(diào)峰運行模擬結(jié)果可以看出，風(fēng)電接入以后，系統(tǒng)的總?cè)剂舷摹⒖偱欧帕肯鄬τ陲L(fēng)電接入系統(tǒng)以前均有所減少，火電發(fā)電量降低；同時，由于風(fēng)電的波動性，風(fēng)電并網(wǎng)系統(tǒng)的常規(guī)機組調(diào)峰壓力增加，從而導(dǎo)致火電單位發(fā)電量的燃料消耗相對于風(fēng)電接入前有所增加。這說明，風(fēng)電的接入使并網(wǎng)系統(tǒng)的燃料消耗成本降低，但由于其波動性的影響，加大了常規(guī)機組的調(diào)峰壓力，從而附加一部分調(diào)峰成本。

表4 調(diào)峰運行特性指標(biāo)Tab.4 Indices of peak load regulation operation

4.3 風(fēng)電吸納能力分析

采用文中模型對不同滲透率風(fēng)電并網(wǎng)系統(tǒng)做了調(diào)峰平衡運行模擬，風(fēng)電的滲透率（風(fēng)電容量占系統(tǒng)最大負(fù)荷的比例）以10%為步長依次增加到80%，其結(jié)果見表5。

表5 不同風(fēng)電并網(wǎng)容量時的調(diào)峰運行特性結(jié)果Tab.5 Results of peak load regulation operation characteristics for different wind power penetration

由表5可知，隨著風(fēng)電裝機容量的增大，火電發(fā)電量和系統(tǒng)總煤耗量都逐步減少，這說明，增加風(fēng)電接入系統(tǒng)的容量，在可以替代火電發(fā)電量從而節(jié)省了燃料消耗，但隨著風(fēng)電裝機容量的增大，增加相同的風(fēng)電裝機替代的火電發(fā)電量越來越少。從風(fēng)電滲透率30%開始，隨著風(fēng)電裝機容量的增大，火電單位發(fā)電量的煤耗呈增加的趨勢，這是因為，隨著風(fēng)電容量的增加，火電的調(diào)峰深度逐步加大，火電機組的出力率降低，從而導(dǎo)致火電單位煤耗的增大。

4.4 模型準(zhǔn)確性驗證

采用枚舉法對所有的風(fēng)電出力場景進(jìn)行了調(diào)峰平衡運行模擬，與文中所提模型的結(jié)果比較見表6。

表6 兩種方法的結(jié)果對比Tab.6 Comparison of results of two different methods

由表6的結(jié)果對比可以看出，系統(tǒng)的各類運行指標(biāo)的偏差均比較小，偏差在0.5%以內(nèi)，最大的為火電調(diào)峰深度，偏差為 0.48%，火電發(fā)電量、系統(tǒng)煤耗、SO2排放量的偏差絕對值分別為0、0.19%、0.34%；總的系統(tǒng)吸納的風(fēng)電發(fā)電量偏差為0.01%。

總之，從系統(tǒng)各類運行指標(biāo)來看，采用本文提出的含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型和方法，選取3個典型調(diào)峰需求場景對應(yīng)的風(fēng)電出力曲線進(jìn)行調(diào)峰運行特性分析，其計算結(jié)果偏差均在0.5%以內(nèi)，若提高典型場景的數(shù)目，其計算結(jié)果的偏差會進(jìn)一步減小，在具體的實際工作中，可依據(jù)工作具體的性質(zhì)及精度要求而定。

5 結(jié)論

風(fēng)電出力的隨機性和難預(yù)測性給含大容量風(fēng)電的電力系統(tǒng)調(diào)峰運行分析帶來了巨大的挑戰(zhàn)。本文針對風(fēng)電出力特性建立了含風(fēng)電系統(tǒng)的調(diào)峰容量需求模型，借助KD場景削減技術(shù)選取出典型的系統(tǒng)調(diào)峰需求場景?；诮⒌暮L(fēng)電調(diào)峰容量需求模型，提出了一種含風(fēng)電電力系統(tǒng)的調(diào)峰運行特性分析方法。通過對典型算例系統(tǒng)的調(diào)峰平衡運行模擬及分析可以看出，本文提出的含風(fēng)電系統(tǒng)調(diào)峰運行特性分析方法，其計算結(jié)果精度較高，且大大降低了計算的復(fù)雜性，有利于系統(tǒng)規(guī)劃人員從整體上直觀、清晰地分析風(fēng)電對系統(tǒng)調(diào)峰壓力及運行特性的影響，便于應(yīng)用于工程實際。

[1] Valenzuela Jorge, Wang Jianhui. A probabilistic model for assessing the long-term economics of wind energy[J]. Electric Power Systems Research, 2011,81(4): 853-861.

[2] 張麗英, 葉廷路, 辛耀中, 等. 大規(guī)模風(fēng)電接入電網(wǎng)的相關(guān)問題及措施[J]. 中國電機工程學(xué)報, 2010,30(25): 1-9.Zhang Liying, Ye Tinglu, Xin Yaozhong, et al.Problems and measures of power grid accommodating large scale wind power[J]. Proceedings of the CSEE,2010, 30(25): 1-9.

[3] 肖創(chuàng)英, 汪寧渤, 丁坤, 等. 甘肅酒泉風(fēng)電功率調(diào)節(jié)方式的研究[J]. 中國電機工程學(xué)報, 2010, 30(10): 1-7.Xiao Chuangying, Wang Ningbo, Ding Kun, et al.System power regulation scheme for Jiuquan wind power base[J]. Proceedings of the CSEE, 2010,30(10): 1-7.

[4] 李自明, 陽薇, 張揚軍, 等. 電網(wǎng)經(jīng)濟(jì)調(diào)峰研究的探討[J]. 黑龍江電力, 2001, 23(5): 315-318.Li Ziming, Yang Wei, Zhang Yangjun, et al.Economic peak avoidance on electric power supply network[J]. Heilongjiang Electric Power, 2001, 23(5):315-318.

[5] Driesen J, Belmans R. Distributed generation:challenges and possible solutions[C]. 2006 IEEE Power Engineering Society General Meeting,Montreal, Canada, 2006.

[6] H Bludszuweit, J A Domínguez-Navarro, A Llombart.Statistical analysis of wind power forecast error[J].IEEE Transactions on Power Systems, 2008, 23(3):983-991.

[7] 栗文義, 張保會, 巴根. 風(fēng)能大規(guī)模利用對電力系統(tǒng)可靠性的影響[J]. 中國電機工程學(xué)報, 2008,28(1): 100-105.Li Wenyi, Zhang Baohui, Ba Gen. Reliability impacts of large scale utilization of wind energy on electric power systems[J]. Proceedings of the CSEE, 2008, 28(1): 100-105.

[8] 張節(jié)潭, 程浩忠, 胡澤春, 等. 含風(fēng)電場的電力系統(tǒng)隨機生產(chǎn)模擬[J]. 中國電機工程學(xué)報, 2009,29(28): 34-39.Zhang Jietan, Cheng Haozhong, Hu Zechun, et al.Power system probabilistic production simulation including wind farms[J]. Proceedings of the CSEE,2009, 29(28): 34-39.

[9] 周瑋, 彭昱, 孫輝, 等. 含風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[J]. 中國電機工程學(xué)報, 2009, 29(25):13-18.Zhou Wei, Peng Yu, Sun Hui, et al. Dynamic economic dispatch in wind power integrated system[J].Proceedings of the CSEE, 2009, 29(25): 13-18.

[10] 衣立東, 朱敏奕, 魏磊, 等. 風(fēng)電并網(wǎng)后西北電網(wǎng)調(diào)峰能力的計算方法[J]. 電網(wǎng)技術(shù), 2010, 34(2):129-132.Yi Lidong, Zhu Minyi, Wei Lei, et al. A computing method for peak load regulation ability of Northwest China power grid connected with large-scale wind farms[J]. Power System Technology, 2010, 34(2):129-132.

[11] 李付強, 王彬, 涂少良, 等. 京津唐電網(wǎng)風(fēng)力發(fā)電并網(wǎng)調(diào)峰特性分析[J]. 電網(wǎng)技術(shù), 2009, 33(18):128-132.Li Fuqiang, Wang Bin, Tu Shaoliang, et al. Analysis on peak load regulation performance of Beijing-Tianjin-Tangshan Power Grid with wind farms connected[J]. Power System Technology, 2009, 33(18): 129-132.

[12] 張寧, 周天睿, 段長剛, 等. 大規(guī)模風(fēng)電場接入對電力系統(tǒng)調(diào)峰的影響[J]. 電網(wǎng)技術(shù), 2010, 34(1):152-159.Zhang Ning, Zhou Tianrui, Duan Changgang, et al.Impact of large-scale wind farm connecting with power grid on peak load regulation demand[J]. Power System Technology, 2010, 34(1): 152-159.

[13] Dange Huang, Billionton R. Effects of wind power on bulk system adequancy evaluation using the well-being analysis framework[J]. IEEE Transactions on Power Systems, 2009, 24(3): 1232-1240.

[14] Morales J M, Pineda S, Conejo A J, et al. A scenario reduction for futures market trading in electricity markets[J]. IEEE Transactions on Power Systems,2009, 24(2): 878-888.

[15] Rachev S T. Probability metrics and the stability of stochastic models[M]. Chichester, U. K.: Wiley, 1991.