陳葆超+羅青青

摘 要：隨著一次能源改革的不斷深化，廣西桂林電網(wǎng)風(fēng)電裝機總?cè)萘恳膊粩嗟財U大，大量風(fēng)電接入桂林電網(wǎng)對電力系統(tǒng)控制造成一定的影響。并網(wǎng)限制由大風(fēng)、低負荷情況引起，這強調(diào)了準(zhǔn)確掌握風(fēng)電日變化的重要性。通過機組組合-經(jīng)濟調(diào)度（UC-ED）分析，從成本和排放角度來看，風(fēng)電裝機在很大程度上減少了二氧化碳的絕對排放量。

關(guān)鍵詞：電力系統(tǒng)；負荷預(yù)測；風(fēng)力發(fā)電；優(yōu)化調(diào)度

引言

風(fēng)力發(fā)電是一種新的可再生、分散的發(fā)電技術(shù)。這種技術(shù)現(xiàn)在已經(jīng)成熟，并在某些國家成為最重要的發(fā)電方式之一。在大風(fēng)期間，這些國家的風(fēng)力發(fā)電量可達到總負荷的80%以上。由于風(fēng)電的變化性，這顯然會對電力系統(tǒng)的控制構(gòu)成挑戰(zhàn)。風(fēng)電的高穿透率實際上就是出現(xiàn)電力系統(tǒng)運行新模式的原因。

隨著一次能源改革的不斷深化，廣西桂林電網(wǎng)利用地理優(yōu)勢，風(fēng)電的總裝機容量也不斷跟著擴大。然而，大量風(fēng)力發(fā)電場陸續(xù)接入電網(wǎng)，對電網(wǎng)的調(diào)度運行也造成了一定的影響[1]。

1 風(fēng)力發(fā)電

因為風(fēng)是一種分散資源，所以需要用分散的風(fēng)能轉(zhuǎn)換設(shè)備把它匯聚起來。這些設(shè)備經(jīng)歷了長期演化，最后都歸結(jié)為目前的三葉片轉(zhuǎn)槳式風(fēng)力發(fā)電機。作為固有特性，風(fēng)資源可用性的地理特點也使風(fēng)電場在地理上集中，通常在山區(qū)更加密集。得益于廣西桂林特有的喀斯特地貌，一般安裝在廣西桂林山區(qū)常見的風(fēng)機單機裝機容量為2MW。風(fēng)電場把發(fā)出功率聚集到風(fēng)電場升壓站再接入35～220kV電網(wǎng)。

從電氣角度看，風(fēng)電技術(shù)在近幾十年已從簡單的定速風(fēng)力機發(fā)展為可以控制有功出力的全變速系統(tǒng)。定速風(fēng)力機的發(fā)電機轉(zhuǎn)速受到電網(wǎng)頻率的強制，在多數(shù)風(fēng)速下，風(fēng)力機都運行在最高效率以下。而變速風(fēng)力機使用電力電子變換器，使受制于風(fēng)速的發(fā)電機轉(zhuǎn)速與電網(wǎng)頻率解耦；這使風(fēng)電機組對頻率、電壓和有功、無功功率的控制，以及對性能和效率的優(yōu)化更加靈活[2]。

2 短期負荷預(yù)測

電力系統(tǒng)的運行決策，如機組優(yōu)化組合、經(jīng)濟調(diào)度、自動發(fā)電控制、安全評估、維護計劃和電力商業(yè)化等，都取決于未來的負荷情況。因此，最近40年來，人們提出了集中負荷小時（或半小時）采樣，甚至日采樣（尖峰負荷）的短期負荷預(yù)測（short-term load forecasting，STLF）方法。這些處理負荷預(yù)測問題的長期經(jīng)驗提供了一些實用的模型，如基于多線性回歸的模型，Box-Jenkins法，人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN），模糊系統(tǒng)和混合模型等[3]。

在電力產(chǎn)業(yè)重組之后，使用非自動方法的主要困難之一是可伸縮性。集合負荷預(yù)測可以通過參數(shù)模型實現(xiàn)良好性能，被用來為運行規(guī)劃提供充分信息。然而，解除監(jiān)管的電力市場向決策提出新的挑戰(zhàn)。還需要與母線負荷準(zhǔn)確預(yù)測相關(guān)的更多信息。因此，對于為安全與經(jīng)濟分析而需要同時預(yù)測的成百上千個不規(guī)則母線負荷系列來說，相應(yīng)開放和維護已經(jīng)超出了量身定做的參數(shù)模型力所能及的范圍。因此需要使用自動負荷預(yù)測來避免專家介入，并擴展到母線負荷層次。

3 短期風(fēng)電功率預(yù)測

對于電力系統(tǒng)的計劃檢修來說，提前多天的風(fēng)電功率預(yù)測很重要，可在預(yù)計風(fēng)電充足時替代常規(guī)發(fā)電機，或維護與負荷狀態(tài)有關(guān)的輸電線路。

在可再生能源穿透容量較大的系統(tǒng)中，系統(tǒng)不確定性源于它們第二天的出力曲線可能有非常大的不確定性。盡管用于調(diào)度計劃的預(yù)測有時嘗試不使用數(shù)值天氣預(yù)報（Numerical Weather Prediction， NWP），但對于下一天來說，在功率轉(zhuǎn)換模型中考慮NWP預(yù)測的風(fēng)場是至關(guān)重要的。

25年來風(fēng)電功率預(yù)測得到了快速發(fā)展，從最初僅使用時間序列來預(yù)測，到使用NWP產(chǎn)品并進行功率轉(zhuǎn)化，再到專門的概率預(yù)測和基于此的決策支持工具。預(yù)測準(zhǔn)確度有了明顯提高，其他預(yù)測形式，如爬坡、變化性、結(jié)冰預(yù)測等開始出現(xiàn)[4]。

4 風(fēng)電功率預(yù)測的氣象模型

由于純時間序列模型只能預(yù)測6小時左右，在過去8～10年中，專用的天氣預(yù)報使用得到很大關(guān)注。為得到有用結(jié)果，預(yù)測尺度超過6小時，次日的風(fēng)電功率預(yù)測需要有從本地區(qū)域模型（Local Area Model， LAM）或全球模型得到的風(fēng)電場（有時也有其他變量）。天氣系統(tǒng)通過中緯度地區(qū)的速度很少超過一天幾百千米。因此，通?？梢允褂肔AM預(yù)測1～2000km范圍的未來天氣。多數(shù)情況下，LAM用全球模型的結(jié)果進行初始化，然后對一些低水平分辨率的較大外部區(qū)域進行嵌套，得到的最終區(qū)域范圍為數(shù)百千米，水平分辨率為2～5km。這類模型的實時運行往往由較大公司的IT部門負責(zé)，例如一個較小的Linux集群就能運行氣象研究和預(yù)測（Weather Research and Forecasting， WRF）模型，WRF是當(dāng)前風(fēng)電領(lǐng)域最常使用的氣象模型。這里需要注意的是，有效分辨率，即NWP模型能夠?qū)嶋H分辨出的特征所對應(yīng)的尺度，大約是4～7個網(wǎng)絡(luò)點，即即使水平網(wǎng)絡(luò)格分辨率是2km，實際也僅能考慮10km數(shù)量級特征[5]。

5 UC-ED在含風(fēng)電裝機電力系統(tǒng)的應(yīng)用

提前制定發(fā)電機組合對于管理未來不確定條件下與運行電力系統(tǒng)供電負荷相關(guān)的風(fēng)險是必需的。然而機組組合（unit commitment，UC）優(yōu)化決定并不容易，因為必須考慮所有可能引起機組在線或停運的原因[6]。在確定機組組合之后，開始執(zhí)行經(jīng)濟調(diào)度（econom

ic dispatch，ED）。要使總運行成本最低，機組之間需要合理分配期望負荷，同時除了滿足需求外還能提供必要的備用容量。

目前，UC決定通常每天一次或兩次重新評估，而發(fā)電調(diào)度卻整天都在執(zhí)行。當(dāng)系統(tǒng)負荷預(yù)測合理時，原則上只在發(fā)電機（如停電）或需求發(fā)生意外重大變化時才必須進行機組組合的日內(nèi)計算。如果需要把大量風(fēng)電考慮在內(nèi)，情況就會發(fā)生變化，因為風(fēng)電變化很難預(yù)測。

電力市場的出現(xiàn)和風(fēng)電增長使得UC-ED優(yōu)化更加復(fù)雜，因為需要把更多變量和不確定性（如市場價格、風(fēng)電功率預(yù)測）考慮在內(nèi)。對于已有系統(tǒng)，理想市場考慮發(fā)電機調(diào)度時得到的結(jié)果原則上會與中心優(yōu)化的情況相同。因此UC-ED與表述和求解中心優(yōu)化問題高度相關(guān)。為切實探討風(fēng)電并網(wǎng)的相關(guān)問題，UC-ED問題表述中應(yīng)包含風(fēng)電模型、與鄰近電力系統(tǒng)的互聯(lián)能力已經(jīng)儲能設(shè)施。對于有些系統(tǒng)，還必須包含恰當(dāng)?shù)臒犭娐?lián)產(chǎn)（combined heat and power，CHP）機組模型[7]。

6 結(jié)束語

UC-ED分析是評估大型電力系統(tǒng)中風(fēng)電影響的重要工具。該方法恰當(dāng)包含了決定電力系統(tǒng)成本和排放的許多因素。這對于得到合理的結(jié)果非常重要。不可否認風(fēng)電裝機在很大程度上減少了二氧化碳的絕對排放量。系統(tǒng)運行成本也由于燃料和排放定價而減小。

參考文獻

[1]胡國偉，別朝紅，王錫凡.考慮運行可靠性的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度[J].電工技術(shù)學(xué)報，2013，05.

[2]元博，周明，李庚銀，等.基于可靠性指標(biāo)的含風(fēng)電電力系統(tǒng)的發(fā)電和運行備用的協(xié)調(diào)調(diào)度模型[J].電網(wǎng)技術(shù)，2013，03.

[3]丁明，林玉娟，潘浩.考慮負荷與新能源時序特性的隨機生產(chǎn)模擬[J].中國電機工程學(xué)報，2016，23.

[4]彭小圣，熊磊，文勁宇，等.風(fēng)電集群短期及超短期功率預(yù)測精度改進方法綜述[J].中國電機工程學(xué)報，2016，23.

[5]歐陽庭輝，查曉明，秦亮，等.中長期風(fēng)電功率的多氣象變量模型組合預(yù)測方法[J].電網(wǎng)技術(shù)，2016，03.

[6]鄧勇.含風(fēng)電場的電力系統(tǒng)機組優(yōu)化調(diào)度研究[D].重慶大學(xué)，2014.

[7]別朝紅，胡國偉，等.考慮需求響應(yīng)的含風(fēng)電電力系統(tǒng)的優(yōu)化調(diào)度[J].電力系統(tǒng)自動化，2014，13.