羅 定,劉 艷

(華北電力大學電氣與電子工程學院，河北 保定 071003)

0 引言

電力系統(tǒng)隨機生產模擬是考慮機組的隨機故障及負荷的隨機性，通過模擬發(fā)電機組的生產情況計算出最優(yōu)運行方式下各電廠的發(fā)電量、生產成本及系統(tǒng)的可靠性指標的算法，它是電力系統(tǒng)中長期發(fā)電計劃、電源規(guī)劃及可靠性評估的基礎性工具[1]。近年來，新能源大規(guī)模開發(fā)和利用成為當前的主要趨勢[2]。由于光伏發(fā)電具有安全性、清潔性和免維護性及潛在的經濟性等特點[3]，光伏電站被大規(guī)模接入電網。西北區(qū)域擁有豐富的風光資源，是發(fā)展風電、光伏等新能源的理想地帶；但由于遠距離大容量輸電、調峰能力不足等問題，西北各省(區(qū))存在不同程度的棄風、棄光現象。隨著裝機規(guī)模劇增，“棄風棄光”已成為中國新能源發(fā)展的頑疾。國家電網數據顯示，2016年，新疆、甘肅合計棄風電量占全網總棄風電量的61%，棄光電量占全網總棄光電量的80%[4]。所以，在光伏等新能源發(fā)電大量并網的大背景下，對電力系統(tǒng)的光、風電消納空間與棄用風險進行評估，對光伏、風力發(fā)電站優(yōu)化發(fā)電方案與協(xié)調運行具有指導意義。

文獻[5]提出了基于展開型結構表述電力系統(tǒng)的狀態(tài)量分布的隨機生產模擬方法，該方法以時序負荷為基準，通過概率計算分析研究機組間的隨機故障對后續(xù)加載率的影響，進而求出機組啟停次數期望值，并補充了低碳效益的分析指標；但卻沒有進一步做分析清潔能源的消納與棄用的工作。文獻[6]考慮了光伏電池板和逆變器故障的影響，形成光伏出力多狀態(tài)可靠性模型，用等效電量函數法進行晝夜分時段隨機生產模擬；但分時段的方法略顯繁瑣且等效電量函數法會忽略光伏出力與負荷的時序變化信息。文獻[7]提出了“電力系統(tǒng)柔性生產模擬”的概念并探討了其一般方法和流程，對含不確定性電源的電力系統(tǒng)柔性生產模擬各部分進行了詳細闡述。文獻[8]建立了基于自回歸滑動平均(auto-regressive moving average，ARMA)模型的光伏電站的出力預測模型，利用建立的模型和文獻[9]中的馬爾可夫鏈模型分別進行預測，證明了ARMA模型有較高的精度，能夠滿足實際工程的應用要求。文獻[10]基于貝葉斯網絡對光伏系統(tǒng)進行了可靠性評估。文獻[11]論述了光伏發(fā)電的置信容量與容量置信度及其評估方法，為提高大規(guī)模光伏發(fā)電系統(tǒng)的規(guī)劃和運行水平提供了理論依據。

本文在文獻[5]中提出的基于展開型表述的隨機生產模擬的基礎上，進一步深入挖掘，提出一種評估電力系統(tǒng)對光伏發(fā)電的消納能力的方法。該方法保留負荷和光伏機組的時序特性，結合機組隨機生產模擬的加載率和強迫停運率來確定電網在未來某個時刻的光電消納空間，進而進行棄光風險度評估。

1 基于展開型表述的隨機生產模擬

本文采用強迫停運率pFOR(部分文獻定義為無效度)表征機組停運特性。pFOR為一常數值，表示機組在運行過程中發(fā)生故障的概率。整個研究周期內，在基荷位置以上運行的機組，可分為系統(tǒng)需要該機組投運和不需要該機組投運(備用和檢修)2個時段。本文重點討論在系統(tǒng)需要時段機組出現故障的影響；而在另一時段，因為機組出現故障對系統(tǒng)運行風險不會產生影響，所以不予考慮[12]。

1.1 常規(guī)機組的展開型表述模型

對于常規(guī)發(fā)電機組，常用簡單的兩狀態(tài)模型表示，分為故障停運(備用與檢修停運不考慮)與額定運行兩狀態(tài)。設第i臺機組的額定出力為Ci.r，其狀態(tài)概率為pi.r；故障停運時出力為Ci.0，狀態(tài)概率為pi.0。其相應的展開型表述如圖1所示，其中pi.0=pFOR，pi.r=1-pi.0。

圖1 常規(guī)機組兩狀態(tài)展開型表述Fig.1 Two states expanded form of ordinary unit

在電力系統(tǒng)實際運行中，常規(guī)發(fā)電機組由于系統(tǒng)調峰需求或者發(fā)生局部故障，發(fā)電能力達不到額定出力，這樣就出現了所謂的降額運行狀態(tài)；此時機組便出現了額定、降額、停運3個狀態(tài)，需要用三狀態(tài)展開型表述模型來表示。其中降額運行還可能出現多個狀態(tài)，故有時常規(guī)機組還需用多狀態(tài)展開型表述模型表示，三狀態(tài)與多狀態(tài)的展開型表述模型與兩狀態(tài)模型類似。

1.2 光伏機組的展開型表述模型

由于太陽光照的不確定性，光伏組件的出力水平也是不確定的，在0到額定容量Cr之間都可能取值。光伏系統(tǒng)出力的展開型表述為：通過從節(jié)點引出2個分支，分別代表0和Cr出力水平，這2個分支之間由弧線連接，表示光伏電源出力從0到Cr間任意取值。但是，因為光伏系統(tǒng)中光伏陣列的故障率很小，所以光伏出力基本不會大幅度降額運行，故本文根據文獻[6]，將光伏系統(tǒng)的出力等效為五狀態(tài)模型，即0、70%、80%、90%、100%這5個出力狀態(tài)，其展開型表述方法與常規(guī)機組類似，如圖2所示。

圖2 光伏機組的五狀態(tài)展開型表述Fig.2 Five states expanded form of PV units

1.3 隨機生產模擬算法

圖3 系統(tǒng)機組加載的展開型表述Fig.3 Expanded forms of system units loading

(1)

式中：i=1,2;j=1,2;n=1,2,3,4。然后，在此基礎上繼續(xù)加載，直至所有機組加載完畢，可計算出整個系統(tǒng)的所有出力分布。

在實際系統(tǒng)中，機組的數量很多，基于展開型表述的隨機生產模擬存在最終出力狀態(tài)數量極大的問題。這時，為減少狀態(tài)數并節(jié)省計算時間，可以對狀態(tài)的概率進行截尾，對狀態(tài)的容量進行舍入。截尾即略去概率小于某一規(guī)定值(例如10-8)的狀態(tài)。舍入過程的數學表達式為

(2)

對于所用狀態(tài)，是介于要求舍入的狀態(tài)j和k之間的狀態(tài)。所用舍入增量的大小隨要求的準確度而定，舍入后的出力值都是舍入增量的倍數，狀態(tài)數隨舍入增量值的加大而減少，精度也相應降低[13]。

且此刻系統(tǒng)S的期望發(fā)電量為

(5)

當加載第K臺機組后，在t時段下減少的電量不足期望值ΔEENS.K(t)，就是該時段內第K臺機組的發(fā)電量eK(t)，即有

eK(t)=EENS.g-1(t)-EENS.g(t)

(6)

在模擬期間T內，統(tǒng)計系統(tǒng)S的電力不足概率和電量不足期望值為

系統(tǒng)總發(fā)電期望為

(9)

各機組的期望發(fā)電量為

(10)

2 光電消納能力評估

當前，由于光伏發(fā)電的波動性與間歇性，考慮到經濟性與電能質量的要求，光伏系統(tǒng)并網后常作為峰荷機組運行。而光伏發(fā)電快速發(fā)展的同時，如果電網的調峰裕度不足，光電將無法被電網消納，從而導致“棄光”現象。在本文計入光伏發(fā)電的隨機模擬中，以燃料費用遞增的順序優(yōu)先使用常規(guī)機組，再根據負荷與系統(tǒng)的調峰需求加入光伏機組。前者主要承擔基荷出力，后者承擔峰荷或腰荷出力。

2.1 光伏系統(tǒng)出力的棄光原因

基于調峰層面來說，分析光伏發(fā)電棄光的原因主要考慮系統(tǒng)的調峰需求與調峰能力之間的關系。產生棄光的根本原因在于系統(tǒng)的調峰能力不足，如果系統(tǒng)的調峰能力大于調峰需求則不存在棄光問題[14]。棄光原理如圖4所示，由于系統(tǒng)最小技術出力的限制，當常規(guī)機組無法再降低自己的出力時，若光伏出力超過該時刻的消納空間，那么為了電力的供需平衡，需要把超出的部分切除，從而造成棄光現象。

圖4 棄光原理圖Fig.4 Abandoned light schematic

2.2 光電的消納空間

系統(tǒng)常規(guī)機組的出力受最小技術出力的約束，這決定了系統(tǒng)不可能在任何時刻都全部消納光電功率。光電消納空間對應為光伏系統(tǒng)工作時段電力系統(tǒng)所能消納的最大光伏電量，等于該時刻的負荷峰值減去系統(tǒng)最小技術出力后乘以單位時長，即有

Grs(t)=(Lt-CS.min(t))×1

(11)

式中：Grs(t)為t時刻系統(tǒng)的光電消納空間；Lt為t時刻系統(tǒng)的總負荷；CS.min(t)為t時刻系統(tǒng)的最小技術出力。

由1.3節(jié)可知，在t時刻前g臺機組加載完畢后電力不足概率為

(12)

由于開機機組的不確定，需要定義機組的加載率。t時刻第g+1臺機組被加載的條件為：前g臺機組全部加載投運后，系統(tǒng)發(fā)電量仍不能滿足負荷需求。也就是說t時刻第g+1臺機組的加載率等于前g臺機組加載后的電力不足概率，即有

PLD.g+1(t)=pLOLP.g(t)

(13)

于是，在長期模擬中，考慮到機組的強迫停運與開機機組的不確定性[15]，系統(tǒng)的最小技術出力應該用綜合最小技術出力表示，即用所有機組的最小出力與其運行概率及在各個時刻的加載率相乘之和表示。其表達式為

(14)

由此可求得指定時刻t系統(tǒng)的光電消納空間：

Grs(t)=(Lt-CZ.min(t))×1

(15)

2.3 光電棄光風險度評估

那么，在光伏機組工作的整個評估期間T內，該電力系統(tǒng)的光伏發(fā)電棄光風險度為：

1) 平均棄光概率為

(18)

2) 總棄光電量期望值為

(19)

基于展開型表述隨機生產模擬的電網光電消納能力評估的流程如圖5所示。

圖5 光電消納能力評估的流程圖Fig.5 Flow chart of PV absorptive capacity evaluation

3 算例分析

本文的算例分析中，測試系統(tǒng)選擇IEEE-RTS79發(fā)電系統(tǒng)，總裝機容量為3 405 MW，年最大峰荷2 850 MW[16]，發(fā)電機組的詳細參數如表1所示。各機組(核電機組除外)的最小出力按60%的裝機容量設定[15]。系統(tǒng)的負荷亦用IEEE-RTS79中的數據，將5月的第4周周日作為模擬的典型日，因為5月為初夏，天氣晴朗，光照強度較好，且五月份這一天負荷最低，用來評估光電消納空間和棄光風險情況較為合適。典型日負荷詳細數據如表2所示。

表1 常規(guī)機組的基本數據Table 1 Basic data for ordinary units

表2 典型日負荷數據Table 2 Typical daily load data

本算例分2個場景進行隨機生產模擬和光電消納空間分析及棄光風險度評估。

1) 場景1為原始測試系統(tǒng)。

2) 場景2： 用3個裝機容量為197 MW的光伏電站代替原始測試系統(tǒng)中的3臺197 MW的燃油火電機組。太陽能電池板選擇深圳聚光能科技有限公司的JGN-270WM型，其面積為1.599 m2，最大功率為0.27 kW。設每天光照時段主要集中在 6:00—20:00。天氣條件設為晴天，光照充足，數據取自文獻[17]。

兩個場景進行隨機生產模擬的結果如表3所示，模擬時長為1個典型日，共24 h。場景1機組的加載方案為優(yōu)先加載水電和核電機組，再按機組運行成本從小到大加載火電機組；場景2機組的加載方案與場景1相同，光伏機組在加載方案的位置與其代替的常規(guī)機組的位置相同。計算過程中運用文獻[8]中所述的ARMA模型模擬典型日的光伏電站出力，光伏電站出力采用五狀態(tài)模型，各狀態(tài)及其概率如表4所示。算法中截尾的門檻概率設定為10-8，舍入的步長設定為5 MW。

表3 隨機生產模擬結果Table 3 Probabilistic production simulation results

表4 光伏逆變器組各容量狀態(tài)的概率Table 4 Probability of PV inverter group capacity status

基于隨機生產模擬結果，根據2.2與2.3節(jié)所述方法對場景2進行光電消納能力評估。模擬計算結果如表5所示，表中的最大光電期望為每個時段光伏系統(tǒng)所能發(fā)出的理想最大電能，用每個單位時段光伏系統(tǒng)的最大出力乘以單位時長表示。

表3中，相比于場景1，場景2的電力不足概率與電量不足期望值有明顯增加。說明光伏發(fā)電系統(tǒng)代替常規(guī)機組后，雖然有很大的低碳綜合效益優(yōu)勢[18]；但是其光能利用率低，發(fā)電出力的波動會造成常規(guī)調峰機組頻繁啟停，其發(fā)電可靠性低于同等v

表5 場景2典型日光電消納能力評估Table 5 PV absorptive capacity evaluation in scenario 2

表5中結果顯示：本算例所選取典型日全天的光電消納空間為3 819.99 MW·h；平均棄光概率為59.08%；總棄光電量期望值為1 208.97 MW·h，占全天光伏理想發(fā)電總量5 264.10 MW·h的22.97%。該典型日在7:00—16：00這段時間里發(fā)生了嚴重的棄光，有2個原因：1)該時段光照強度充足，光伏機組基本接近最大功率輸出；2)該天負荷水平較低，且常規(guī)發(fā)電機組最小技術出力的限制導致光電的消納空間不夠。那么，如果發(fā)電機組的最小技術出力降低，系統(tǒng)的光電消納空間將增大。

因此，在大規(guī)模新能源接入電網的背景下，改進現有發(fā)電技術、降低常規(guī)發(fā)電機組的最小技術出力、新能源機組與常規(guī)機組協(xié)調運行以及大規(guī)模新能源電力外送[19]以實現新能源消納的措施勢在必行。

4 結論

本文結合展開型表述的隨機生產模擬探討了含光伏發(fā)電的電力系統(tǒng)的光電消納能力評估方法。本文算法采用截尾法與舍入法對系統(tǒng)狀態(tài)數進行縮減，提升了計算速度，使算法具有時效性。在算例分析中，基于典型日的發(fā)電系統(tǒng)與負荷數據，對含光伏電力系統(tǒng)的可靠性進行了評估，對光伏系統(tǒng)工作時段的光電消納空間與棄光風險度進行了評估，驗證了本文所提算法的有效性。

本文方法亦可用于對含風電的電力系統(tǒng)進行風電消納能力評估。本文成果為大規(guī)模新能源接入電網環(huán)境下新能源的發(fā)電規(guī)劃與可靠性評估提供了思路。

[1] 王錫凡． 電力系統(tǒng)優(yōu)化規(guī)劃[M]． 北京： 水利電力出版社， 1990: 125-180．

[2] 李立浧, 張勇軍, 徐敏. 我國能源系統(tǒng)形態(tài)演變及分布式能源發(fā)展[J]. 分布式能源, 2017, 2(1): 1-9.

LI Licheng, ZHANG Yongjun, XU Min. Morphologicalevolution of energy system and development of distributed energy in China[J]. Distributed Energy, 2017, 2(1): 1-9.

[3] WAI R J， WANG W H． Grid-connected photovoltaic generation system[J]． IEEE Transactions on Circuits and Systems， 2008， 55(3)： 953-964．

[4] 還是嚴重， 甘肅和新疆2020棄風棄光率仍將超20%[EB/OL]． (2017-06-14)[2017-07-25]． Http://news.cableabc.com/hotfocus/20170614257024. html．

[5] 張智勤， 劉艷． 低碳背景下基于展開型表述的隨機生產模擬[J]． 電力系統(tǒng)自動化， 2017， 41(3): 54-60．

ZHANG Zhiqin, LIU Yan. Power system probabilistic production simulation based on extensive-form representation in low-carbon context[J]. Automation of Electric Power Systems, 2017, 41(3): 54-60.

[6] 郭旭陽， 謝開貴， 胡博, 等． 計入光伏發(fā)電的電力系統(tǒng)分時段隨機生產模擬[J]． 電網技術． 2013， 37(6): 1499-1505．

GUO Xuyang, XIE Kaigui, HU Bo, et al. A time-interval based probabilistic production simulation of power system with grid-connected photovoltaic generation[J]. Power System Technology, 2013, 37(6): 1499-1505.

[7] 馬洲俊， 程浩忠， 丁昊,等． 含不確定性電源的電力系統(tǒng)柔性生產模擬[J]． 電力系統(tǒng)保護與控制， 2013， 41(17): 63-70．

MA Zhoujun, CHENG Haozhong, DING Hao, et al. Flexible production simulation for power system with uncertain energy[J]. Power System Protection and Control, 2013, 41(17): 63-70.

[8] 蘭華， 廖志民， 趙陽． 基于ARMA模型的光伏電站出力預測[J]． 電測與儀表， 2011， 48(2): 31-35．

LAN Hua, LIAO Zhimin, ZHAO Yang. ARMA model of the solar power station based on output prediction[J]. Electrical Measurement and Instruments, 2011, 48(2): 31-35.

[9] LI Yingzi, RU Luan, NIU Jincang. Forecast of power generation for grid-connected photovoltaic system based on grey model and Markov chain[C]//2008 3rd IEEE Conference on Industrial Electronics and Applications. Singapore: IEEE, 2008: 1729-1733.

[10] 崔家文, 張春茂, 張宏彪, 等. 光伏發(fā)電系統(tǒng)可靠性分析的貝葉斯網絡模型[J]. 分布式能源, 2016, 1(1): 47-51.

CUI Jiawen, ZHANG Chunmao, ZHANG Hongbiao, et al. Bayesian network model for photovoltaic power plant reliability analysis[J]. Distributed Energy, 2016, 1(1): 47-51.

[11] 王秀麗， 武澤辰， 曲翀． 光伏發(fā)電系統(tǒng)可靠性分析及其置信容量計算[J]． 中國電機工程學報， 2014， 34(1): 15-21．

WANG Xiuli, WU Zechen, QU Chong. Reliability and capacity value evaluation of photovoltaic generation systems[J]. Proceedings of the CSEE, 2014, 34(1): 15-21.

[12] 丁明， 林玉娟， 潘浩． 考慮負荷與新能源時序特性的隨機生產模擬[J]． 中國電機工程學報， 2016， 36(23): 6305-6314, 6595．

DING Ming, LIN Yujuan, PAN Hao. Probabilistic production simulation considering time sequence characteristics of load and new energy[J]. Proceedings of the CSEE, 2016, 36(23): 6305-6314, 6595.

[13] BILLINTON R， ALLAN R N． 電力系統(tǒng)可靠性評估[M]． 周家啟， 任震， 譯． 重慶： 科學技術文獻出版社重慶分社， 1986: 17-19．

[14] 金挺超． 含風電場的電力系統(tǒng)隨機生產模擬方法研究[D]． 保定： 華北電力大學． 2015．

JIN Tingchao. Research on probabilistic production simulation for wind power integrated power system [D]. Baoding: North

China Electric Power University. 2015.

[15] 鄒斌， 李冬． 基于有效容量分布的含風電場電力系統(tǒng)隨機生產模擬[J]． 中國電機工程學報， 2012， 32(7): 23-31, 187．

ZOU Bin, LI Dong. Power system probabilistic production simulation with wind generation based on available capacity distribution[J]. Proceedings of the CSEE, 2012, 32(7): 23-33, 187.

[16] Probabilistic Methods Subcommittee. IEEE reliability test system[J]. IEEE Trans. on power Apparatus and Systems, 1979, 98(6): 2047-2054．

[17] The Arizona Meteorological Network． Aguila station data and reports[EB/OL]． (2017-05-05)[2017-07-05]． https://cals.arizona.edu/azmet/07.htm．

[18] 羅鳳章， 米肇豐， 王成山, 等． 并網光伏發(fā)電工程的低碳綜合效益分析模型[J]． 電力系統(tǒng)自動化， 2014， 38(17): 163-169．

LUO Fengzhang, MI Zhaofeng, WANG Chengshan, et al. Comprehensive low-carbon benefit analysis models of grid-connected photovoltaic power generation project[J]. Automation of Electric Power Systems, 2014, 38(17): 163-169.

[19] 丁明， 王偉勝， 王秀麗, 等． 大規(guī)模光伏發(fā)電對電力系統(tǒng)影響綜述[J]． 中國電機工程學報， 2014， 34(1): 1-14．

DING Ming, WANG Weisheng, WANG Xiuli, et al. A review on the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE, 2014, 34(1): 1-14.