單維康，林超凡，石文輝，謝海鵬

（1.西安交通大學(xué)電氣工程學(xué)院，陜西西安 710049；2.中國電力科學(xué)研究院有限公司，北京 100192）

0 引言

面對全球氣候的不斷變化，許多國家和地區(qū)先后提出了“碳中和”和“碳達(dá)峰”的目標(biāo)[1-2]。2020 年9 月22 日，習(xí)近平總書記在第75 屆聯(lián)合國大會一般性辯論上提出，中國將采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前達(dá)到峰值，努力爭取2060 年前實現(xiàn)碳中和?！半p碳”目標(biāo)要求構(gòu)建以新能源為主體的新型電力系統(tǒng)，這不僅為未來電網(wǎng)發(fā)展指明了方向，也開辟了中國特色能源發(fā)展新道路[3]。

能源行業(yè)特別是電力系統(tǒng)的低碳轉(zhuǎn)型發(fā)展對“雙碳”目標(biāo)的實現(xiàn)尤為重要，能源供給清潔化的要求使得新能源發(fā)電亟需創(chuàng)新發(fā)展和技術(shù)升級。未來，高比例新能源接入系統(tǒng)帶來的波動性和隨機(jī)性將對電力系統(tǒng)維持發(fā)電和負(fù)荷的實時電力平衡帶來巨大挑戰(zhàn)，對電力系統(tǒng)規(guī)劃和運行產(chǎn)生深遠(yuǎn)影響[4]。以風(fēng)電為例，由于風(fēng)電出力的不確定性，通常情況下相同容量的風(fēng)力發(fā)電機(jī)組與常規(guī)發(fā)電機(jī)組帶負(fù)荷能力并不相同[5]，調(diào)度計劃中對風(fēng)電帶負(fù)荷能力的估計不足可能使風(fēng)電消納困難，系統(tǒng)的運行成本也有所增加。風(fēng)電可信容量（Credible Capacity，CC）能夠反映風(fēng)電對常規(guī)機(jī)組的替代程度，使風(fēng)電能夠與常規(guī)機(jī)組在相同意義下進(jìn)行研究。

當(dāng)前，國內(nèi)外已針對風(fēng)電容量可信度開展了大量研究，在風(fēng)電的預(yù)測及出力建模、容量可信度計算方法等方面都取得了一些成果。在風(fēng)電場出力建模研究方面，文獻(xiàn)[6]提出采用正則藤Copula 函數(shù)對多風(fēng)電場之間的空間相關(guān)性建模，在多種預(yù)測條件下形成條件預(yù)測分布，提高了預(yù)測的質(zhì)量。由于大規(guī)模風(fēng)電的接入，它們的不確定性可能存在多維依賴關(guān)系，導(dǎo)致對電力系統(tǒng)的分析面臨著“維數(shù)災(zāi)難”，文獻(xiàn)[7]通過高維Copula 理論和離散卷積的方法進(jìn)行高維相關(guān)離散計算，有效對解決了高維依賴計算帶來的“維數(shù)災(zāi)難”。為定量描述風(fēng)電功率波動概率分布，杜剛等人[8]在不同時空尺度下采用不同分布形式對其擬合，得出重尾分布更適合描述風(fēng)電功率概率分布的結(jié)論。

在風(fēng)電的容量可信度研究方面，Garver 最早在上世紀(jì)提出了容量可信度概念[9]，研究不同停運率的常規(guī)機(jī)組載荷能力的差異。文獻(xiàn)[10]采用優(yōu)化模型，基于系統(tǒng)失負(fù)荷期望指標(biāo)（Loss of Load Expectation，LOLE），對風(fēng)電接入前后的系統(tǒng)可靠性進(jìn)行分析，將風(fēng)電場近似等效為具有一定容量的火電機(jī)組。文獻(xiàn)[11]提出基于Hadoop 架構(gòu)的大數(shù)據(jù)技術(shù)計算風(fēng)電容量可信度，引入機(jī)架感知配置法和Hush Bucket 存儲算法對其進(jìn)行改進(jìn)，提高了數(shù)據(jù)存儲及數(shù)據(jù)處理的效率，減少計算時間。針對計算風(fēng)電容量可信度的準(zhǔn)確度和計算速度不能兼容的問題，文獻(xiàn)[12]提出了最大公因子步長算法，通過負(fù)載-失負(fù)荷概率曲線，能夠在保證計算效率的同時準(zhǔn)確計算風(fēng)電的容量可信度。為了聚焦發(fā)電側(cè)和用戶側(cè)的相互作用關(guān)系，文獻(xiàn)[13]提出考慮瞬時響應(yīng)和負(fù)荷恢復(fù)過程中不確定性的復(fù)合可靠性模型，從需求響應(yīng)的角度研究了分布式發(fā)電的容量可信度。

然而，現(xiàn)有研究對風(fēng)電容量可信度的研究大多是集中于電力系統(tǒng)規(guī)劃層面，對運行層面風(fēng)電容量可信度的研究并不深入。為此，本文圍繞運行層面下的風(fēng)電容量可信度開展研究：（1）提出了基于Copula 和條件概率的風(fēng)電預(yù)測誤差概率建模方法；（2）提出了基于等效容量的運行可靠性評估方法；（3）提出了風(fēng)電運行容量可信度在線評估框架；（4）通過算例研究了不同時段風(fēng)電運行容量可信度，得到影響可信度的關(guān)鍵因素，分析其對調(diào)度計劃的影響。

1 發(fā)電機(jī)組等效容量

1.1 風(fēng)電場等效容量

研究運行層面上的風(fēng)電容量可信度需要考慮風(fēng)電各時刻的出力不確定性，該不確定性由風(fēng)電預(yù)測出力和預(yù)測誤差兩部分疊加而成。風(fēng)電預(yù)測可以通過單步或多步預(yù)測得到[14-15]，相關(guān)的算法已比較成熟，本文不再贅述。由于造成風(fēng)電場容量“不可信”的重要因素為風(fēng)電的預(yù)測誤差，因此本文首先對其進(jìn)行概率建模，繼而形成風(fēng)電場的等效容量。

1.1.1 風(fēng)電預(yù)測誤差條件概率分布建模

考慮到風(fēng)電預(yù)測誤差會隨預(yù)測出力的變化而變化，為提高對風(fēng)電預(yù)測誤差建模的精度，本節(jié)采用Copula 模型研究風(fēng)電預(yù)測誤差與預(yù)測出力之間的相關(guān)性，針對各時刻風(fēng)電預(yù)測出力情況建立不同時刻下預(yù)測誤差的條件概率分布模型。

在Copula 理論中，假設(shè)x和y為隨機(jī)變量，它們的可逆累積分布函數(shù)分別為FX(x)和FY(y)的隨機(jī)變量，且都服從均勻分布，即：

它們的聯(lián)合分布函數(shù)FXY(x,y)可以通過Copula函數(shù)[16]寫為：

式中：C(FX(x),FY(y))為相應(yīng)的Copula 函數(shù)。

利用Copula 函數(shù)對風(fēng)電實際出力及預(yù)測出力建模時，設(shè)x為實際出力，y為預(yù)測出力，實際出力和預(yù)測出力聯(lián)合概率密度函數(shù)fXY(x,y)為：

式中：c(FX(x),FY(y))為Copula 概率密度函數(shù)；fX(x)，fY(y)分別為x和y的邊緣概率密度函數(shù)。

當(dāng)已知風(fēng)電在某點的預(yù)測功率為y=[17]，可以得到在該點下風(fēng)電實際出力的條件概率密度函數(shù)如式（4）所示：

對于預(yù)測誤差s=x-y，其建?？梢杂墒剑?）類推，即條件概率密度函數(shù)為：

若系統(tǒng)中存在m個風(fēng)電場，則它們的聯(lián)合累積分布函數(shù)為：

當(dāng)同時考慮m個風(fēng)電場之間的條件相關(guān)性時，它們的聯(lián)合條件概率密度函數(shù)為：

單個風(fēng)電場的條件概率分布可以被擴(kuò)展為：

1.1.2 基于風(fēng)電預(yù)測誤差的出力建模

本節(jié)分別在各時段根據(jù)不同的預(yù)測誤差分布情況形成離散的概率分布，分別選擇預(yù)測出力的80%,90%,100%,110%,120%形成風(fēng)電的五狀態(tài)模型，便于與后文常規(guī)機(jī)組等效容量模型卷積。風(fēng)電等效容量為：

1.2 常規(guī)機(jī)組等效容量

在風(fēng)電運行容量可信度的計算中，常規(guī)機(jī)組等效容量模型采用兩狀態(tài)模型，即考慮機(jī)組隨機(jī)停運率的等效容量，如式（10）所示：

常規(guī)發(fā)電機(jī)組等效容量分布利用卷積計算方法獲取，不同時刻下常規(guī)機(jī)組開機(jī)方式不同，其等效容量分布也不同。若在運行階段t時刻某一開機(jī)方式下，共有i臺常規(guī)機(jī)組處于開機(jī)狀態(tài)，通過卷積法[18]可以得到此時加載i臺常規(guī)機(jī)組的等效容量分布，如式（11）所示：

1.3 系統(tǒng)等效容量

得到風(fēng)電場和常規(guī)機(jī)組的等效容量后，根據(jù)各時刻系統(tǒng)的開機(jī)方式組合，得到不同時刻下系統(tǒng)的等效容量分布情況。若系統(tǒng)在t時刻安排m臺常規(guī)機(jī)組和n個風(fēng)電場出力，則等效容量分布為：

式（12）計算得到的等效容量分布是離散值，可以利用半不變量法[19]進(jìn)行卷積計算，并通過Edgworth 級數(shù)展開得到等效容量的連續(xù)概率分布。

2 基于等效容量的運行可靠性評估

由于運行層面下的風(fēng)電容量可信度與系統(tǒng)各運行時刻的可靠性水平密切相關(guān)，可靠性水平隨時間波動，因此本章研究運行可靠性評估的相關(guān)理論，為研究風(fēng)電運行容量可信度提供支撐。

本文采用時序的負(fù)荷序列：

式中：(Ln,Δtn)為n時刻的負(fù)荷水平以及持續(xù)時間；T為研究周期總時長。

根據(jù)1.3 所述的系統(tǒng)等效容量模型，系統(tǒng)中加載不同數(shù)量的機(jī)組時等效容量分布曲線不同，示意圖如圖1 所示，F(xiàn)（x）為等效容量分布曲線，圖1 中上半部分為不同情況下的等效容量分布情況，下半部分表示時序的負(fù)荷信息，L1，L2，Lt為不同時刻的負(fù)荷水平。

圖1 等效容量分布曲線Fig.1 Curves of available capacity distribution

2.1 電力不足概率計算

圖1 中Fi（x）和Fn（x）分別表示系統(tǒng)加載i臺和n臺機(jī)組后的等效容量分布情況，當(dāng)系統(tǒng)某時刻的負(fù)荷水平為L1時，Pi（n）（L1）表示i（n）臺機(jī)組在該負(fù)荷水平下發(fā)電容量小于L1的概率，也即i（n）臺機(jī)組在該時刻下的電力不足概率（Loss of Load Probability，LOLP），如式（14）所示：

同時，由于第i+1 臺機(jī)組在第i臺機(jī)組不能滿足負(fù)荷需求的情況下才會被加載，因此Pi（L1）也是在負(fù)荷水平為L1時第i+1 臺機(jī)組需要被加載的概率。

2.2 電量期望值計算

根據(jù)分布曲線可知，系統(tǒng)加載了n臺機(jī)組后電量不足期望值（Expected Energy Not Served，EENS）為等效容量分布曲線在橫軸上的積分，幾何意義上反映為圖中S1的面積。即：

EENS 反映了某時刻下系統(tǒng)的電量不足期望值，而在電力系統(tǒng)負(fù)荷水平為L1時，n臺機(jī)組在一段時間內(nèi)應(yīng)提供的電量為L1×Δt，因此在單位時間內(nèi)，n臺機(jī)組實際的電量期望值（Expected Electricity，EE）為圖中S2部分所示面積，如式（16）所示：

3 風(fēng)電容量可信度評估

目前在電力系統(tǒng)規(guī)劃中對容量可信度的定義通常有以下4 種方式[20-21]：（1）等可靠容量比例，即風(fēng)電可以替換完全可靠的常規(guī)機(jī)組容量比例；（2）等常規(guī)機(jī)組容量比例，即風(fēng)電可以替換具有一定停運率的常規(guī)機(jī)組容量比例；（3）置信度下的可靠出力，即定義發(fā)電側(cè)的可靠出力為某置信度下機(jī)組可用容量大小，風(fēng)電容量可信度為風(fēng)電接入后該可靠出力的增量；（4）等效負(fù)荷承載力，即風(fēng)電接入前后能夠供應(yīng)的負(fù)荷差值占風(fēng)電裝機(jī)容量的比例。

系統(tǒng)規(guī)劃中對風(fēng)電容量可信度的第（2）種定義一方面考慮了常規(guī)機(jī)組的隨機(jī)停運率，另一方面考慮了負(fù)荷的不確定性，反映了含風(fēng)電系統(tǒng)運行的真實情況，衡量了風(fēng)電加入系統(tǒng)后對降低失負(fù)荷損失的貢獻(xiàn)，因此本文基于運行可靠性不變的條件，在定義（2）的基礎(chǔ)上提出運行容量可信度的定義：每小時系統(tǒng)可靠性不變時，風(fēng)電替換的具有停運率的常規(guī)機(jī)組容量大小占該時刻下風(fēng)電預(yù)測出力的比例。可以看出，風(fēng)電的運行容量可信度是隨時間波動的，這樣在日前發(fā)電計劃中將風(fēng)電的出力按照其運行容量可信度安排，可以減少棄風(fēng)率，更加合理地安排常規(guī)機(jī)組發(fā)電計劃。

3.1 評估方法

在風(fēng)電運行容量可信度的評估過程中，需要不斷地向未接入風(fēng)電的系統(tǒng)中加入一定容量的常規(guī)機(jī)組，反復(fù)試探不同的容量水平，使各個時刻的系統(tǒng)可靠性指標(biāo)與風(fēng)電接入系統(tǒng)時的可靠性指標(biāo)在一定精度條件下保持一致。

采用弦截搜索算法評估風(fēng)電的運行容量可信度，示意圖如圖2 所示，橫坐標(biāo)為添加的常規(guī)機(jī)組容量，縱坐標(biāo)R為可靠性指標(biāo)LOLP，隨新增機(jī)組容量的增大而減小。圖2 中Rset為風(fēng)電場接入情況下某時刻的可靠性指標(biāo)值，即搜索的目標(biāo)值；R0為未新增常規(guī)機(jī)組時的可靠性指標(biāo)；Pmax為常規(guī)機(jī)組最大新增容量。

圖2 截弦法示意圖Fig.2 Schematic diagram of secant method for searching operation capacity credit

本文中弦截法的搜索過程為：（1）在某時刻下，首先取新增機(jī)組容量下限為0，上限Pmax為風(fēng)電場裝機(jī)容量，分別計算此時兩個容量下系統(tǒng)的可靠性指標(biāo)；（2）進(jìn)而作兩點間曲線的割線，與Rset相交后得到對應(yīng)的容量P1，計算新增容量為P1時系統(tǒng)的可靠性指標(biāo)；（3）重復(fù)迭代計算，新增容量由P2，P3依次逼近最終值。若在容量為P4時收斂，此時系統(tǒng)可靠性指標(biāo)與接入風(fēng)電時相等，則裝機(jī)容量為P4的常規(guī)機(jī)組能夠等效替換該時刻下的風(fēng)電出力，風(fēng)電可信容量為P4。

3.2 評估流程

基于對風(fēng)電運行容量可信度的定義，利用系統(tǒng)的等效容量分布曲線獲得原系統(tǒng)各時刻的運行可靠性指標(biāo)，通過弦截搜索算法計算每小時風(fēng)電的可信容量，具體流程為：

1）基于Copula 函數(shù)對每小時風(fēng)電出力的預(yù)測誤差建模，得到研究周期內(nèi)各時刻預(yù)測誤差的分布情況，進(jìn)一步建立運行階段各時刻風(fēng)電出力的離散概率模型；

2）建立常規(guī)機(jī)組兩狀態(tài)模型，基于時序負(fù)荷信息，安排常規(guī)機(jī)組的開機(jī)方式，生成不同時刻下常規(guī)機(jī)組等效容量分布曲線；

3）考慮風(fēng)電接入，獲得含風(fēng)電系統(tǒng)的等效容量分布曲線，計算此時系統(tǒng)的運行可靠性指標(biāo)作為基準(zhǔn)值；

4）去除風(fēng)電，采用弦截搜索算法，在系統(tǒng)中反復(fù)增加或減少一定容量的常規(guī)機(jī)組，使系統(tǒng)運行可靠性指標(biāo)較風(fēng)電加入時保持不變，得到系統(tǒng)各時刻風(fēng)電的可信容量，進(jìn)而確定各時刻風(fēng)電運行容量可信度。

4 算例分析

4.1 風(fēng)電場預(yù)測誤差分布研究

采用北方某省份2 個風(fēng)電場2020 年預(yù)測和實際歷史出力數(shù)據(jù)，利用阿基米德Copula 函數(shù)中的Gumbel Copula 函數(shù)形式對風(fēng)電場預(yù)測誤差條件概率建模，研究周期取為11 月份連續(xù)的168 h（7 d）。

圖3 展示了該風(fēng)電場的預(yù)測出力和實際出力數(shù)據(jù)的二維散點圖，直方圖刻畫了實際出力和預(yù)測出力的邊緣分布。

圖3 預(yù)測出力和實際出力聯(lián)合分布散點圖Fig.3 Scatter plot of joint distribution of actual wind power output and its forecasts

圖4 展示了風(fēng)電場一周內(nèi)各時刻預(yù)測誤差條件概率分布情況，其中圖例中不同顏色百分比對應(yīng)了不同情況下的置信區(qū)間（Confidence Interval，CI）。從圖4 中可以看出，預(yù)測誤差的條件概率分布與預(yù)測出力的大小密切相關(guān)。當(dāng)風(fēng)電的預(yù)測出力相對較高或較低時，例如圖中0～30 h，100～130 h，160～168 h 時段，預(yù)測誤差通常對應(yīng)較大的置信區(qū)間概率，即預(yù)測的不確定性很小，預(yù)測較為可信；當(dāng)預(yù)測風(fēng)電的出力值介于中間時，例如圖中30～100 h時段，預(yù)測誤差通常對應(yīng)較小的置信度區(qū)間概率，即預(yù)測的不確定性很大。

圖4 一周內(nèi)風(fēng)電預(yù)測出力及誤差分布圖Fig.4 Wind power forecast output with its error distribution in a week

4.2 風(fēng)電運行容量可信度研究

根據(jù)本文所提方法，采用加入風(fēng)電的IEEE RTS-24 節(jié)點系統(tǒng)進(jìn)行算例研究，系統(tǒng)中常規(guī)機(jī)組單機(jī)容量分布在12～400 MW 之間，總裝機(jī)容量為3 405 MW，系統(tǒng)詳細(xì)參數(shù)見文獻(xiàn)[22]，風(fēng)電場裝機(jī)容量240 MW。算例分別研究了典型日以及不同季節(jié)的風(fēng)電運行容量可信度。

4.2.1 典型日風(fēng)電運行容量可信度分析

利用本文所提方法，在運行可靠性不變的前提下計算某典型日風(fēng)電的運行容量可信度，該日的風(fēng)電和負(fù)荷曲線如圖5 所示。

圖5 典型日風(fēng)電出力及負(fù)荷曲線圖Fig.5 Curves of wind power output and load on a typical day

圖6 為風(fēng)電運行容量可信度及其可信容量的計算結(jié)果。不難看出，不同時刻下不同容量的風(fēng)電能夠在等可靠性的前提下替換常規(guī)機(jī)組出力，替換容量隨時間明顯變化。同時，在負(fù)荷水平相近時段，例如10 點與14 點，11 點與13 點，15 點、16 點與23 點，風(fēng)電出力大的時刻，替換的常規(guī)機(jī)組容量也較大，風(fēng)電出力較小時替換的常規(guī)機(jī)組容量也較小，風(fēng)電運行可信容量與該時刻下風(fēng)電出力的大小基本呈正相關(guān)。

圖6 各時刻風(fēng)電可信容量對比圖Fig.6 Comparison of wind power credible capacity at a different time

圖7 反映了風(fēng)電可信容量和容量可信度之間的關(guān)系。結(jié)合圖6 的風(fēng)電出力情況來看，風(fēng)電的容量可信度在風(fēng)機(jī)的出力較大時段（大于100 MW 時）普遍較大，在風(fēng)機(jī)的出力較小時段相對降低，在22點時，風(fēng)電容量可信度達(dá)到最大。將可信容量和容量可信度對比不難看出，在該日16 點與23 點負(fù)荷相同時刻，23 點的風(fēng)電出力較大，可信容量也較大，但23 點的容量可信度比16 點時小，可見可信容量和容量可信度在每時刻的變化規(guī)律并不一致。

圖7 運行時刻可信容量與容量可信度對比圖Fig.7 Comparison of credible capacity and capacity credit

4.2.2 季節(jié)性風(fēng)電運行容量可信度分析

在典型日風(fēng)電運行容量可信度的基礎(chǔ)上，本文在每個季節(jié)選擇典型月份（30 d）的風(fēng)電和負(fù)荷數(shù)據(jù)，組成120 d 的時序序列，其中風(fēng)電各時刻出力曲線如圖8 所示，每個季節(jié)的日平均負(fù)荷如圖9 所示。

圖8 風(fēng)電各季節(jié)時序出力圖Fig.8 Sequential wind power output in different seasons

圖9 不同季節(jié)日平均負(fù)荷Fig.9 Daily average load in different seasons

對各季節(jié)典型月份的風(fēng)電運行容量可信度計算結(jié)果如圖10 所示，橫軸為120 d，縱軸為24 h，顏色越深的方格表示越高的容量可信度，即更大容量的常規(guī)機(jī)組可以在該時刻下被風(fēng)電出力替換。從圖10 可以看出，夏季和秋季很多時刻的風(fēng)電容量可信度很小，甚至接近于0，春季的容量可信度值比較分散，有可信度大于80%的時刻，但也存在可信度為0 的極端情況，冬季的顏色較為均衡，容量可信度普遍在40%以上，容量可信度為0 的時刻很少，而該月的前22 d 還存在一個明顯的特征，即夜間至凌晨的風(fēng)電容量可信度較大，白天的風(fēng)電容量可信度相對較低，這與冬季夜間風(fēng)電出力較大相關(guān)。

圖10 各季節(jié)風(fēng)電運行容量可信度對比圖Fig.10 Comparison of wind power capacity credit in different seasons

對比圖8、圖9 和圖10 的結(jié)果，夏季的負(fù)荷較大而風(fēng)電出力較小，風(fēng)電的運行容量可信度水平較為離散，均值為全年最低，而全天容量可信度較高的時刻基本為負(fù)荷與風(fēng)電都較大的時段；冬季的負(fù)荷較小，但是風(fēng)電出力為全年最大，其運行容量可信度的均值為全年最高。由此可見，影響風(fēng)電運行容量可信度的一個重要因素為風(fēng)電出力大小與負(fù)荷的相關(guān)性，在本例風(fēng)電滲透率10%的條件下，系統(tǒng)的凈負(fù)荷主要取決于系統(tǒng)負(fù)荷本身，在系統(tǒng)負(fù)荷較大的時段，若風(fēng)電的出力較高，則該時段的風(fēng)電運行容量可信度也較大。

4.2.3 運行容量可信度對一周調(diào)度計劃的影響

在目前調(diào)度計劃安排中，風(fēng)電的出力通?？紤]取其預(yù)測出力減去20%的裝機(jī)容量來進(jìn)行安排，這時常低估了風(fēng)電的可信容量，擠占了風(fēng)電的消納空間。本節(jié)選取11 月份中一周的風(fēng)電各時段的可信容量與現(xiàn)有計劃安排時考慮的風(fēng)電容量對比，結(jié)果如圖11 所示，其中風(fēng)電裝機(jī)容量為240 MW，“傳統(tǒng)考慮容量”取值如式（17）所示：

圖11 目前調(diào)度計劃考慮的風(fēng)電容量與實際可信容量計算結(jié)果對比（一周）Fig.11 Comparison of calculations between considering wind power capacity in current dispatch schedule and actual credible capacity in a week

圖11 中紅色區(qū)域的上邊界為風(fēng)電的出力，下邊界為調(diào)度計劃傳統(tǒng)考慮的風(fēng)電容量，黑色虛線為風(fēng)電運行可信容量，當(dāng)黑色虛線落在紅色區(qū)域內(nèi)部時代表計算所得運行可信容量大于傳統(tǒng)調(diào)度考慮容量。黑色虛線在較多時刻處于紅色區(qū)域內(nèi)部，較少時刻處于紅色區(qū)域外部，實際上，在168 個小時中，共有101 個時刻的結(jié)果落在紅色區(qū)域內(nèi)部，這表明該星期的大量時刻下實際的風(fēng)電運行可信容量要大于調(diào)度計劃考慮的容量，傳統(tǒng)基于風(fēng)電預(yù)測功率的出力安排低估了風(fēng)電的可信度，風(fēng)電的實際容量可信度要大于對其的保守估計，具有更大的帶負(fù)荷能力。由于本文對風(fēng)電運行容量可信度的研究考慮了系統(tǒng)的運行可靠性水平不變，因此在傳統(tǒng)調(diào)度計劃中考慮風(fēng)電運行容量可信度不僅不影響系統(tǒng)可靠性，還在部分時刻起到很好的輔助支撐作用，一方面能夠減少常規(guī)機(jī)組出力或開機(jī)臺數(shù)，減少成本，另一方面，對促進(jìn)大規(guī)模風(fēng)電消納也具有重要意義。

5 結(jié)論

計算結(jié)果表明，風(fēng)電各時刻的可信容量和容量可信度變化趨勢并無跟隨關(guān)系，在負(fù)荷水平相近的條件下，風(fēng)電運行可信容量與出力大小基本呈正相關(guān)，而運行容量可信度的趨勢雖然大體上與風(fēng)電的出力趨勢一致，但對于本文風(fēng)電滲透率不高的情況，負(fù)荷水平與風(fēng)電出力之間的相關(guān)關(guān)系也是影響各時刻風(fēng)電運行容量可信度的重要因素之一。

同時，以一周為研究周期，對比了風(fēng)電實際運行可信容量，與現(xiàn)有調(diào)度計劃中考慮的風(fēng)電容量之間的差異，結(jié)果表明傳統(tǒng)安排一定程度上保守估計了運行層面風(fēng)電的容量可信度，未能充分挖掘風(fēng)電的帶負(fù)荷能力。風(fēng)電的運行容量可信度可以對傳統(tǒng)調(diào)度計劃起到輔助支撐的作用，減少了風(fēng)能資源的浪費，促進(jìn)風(fēng)電的消納率，對未來高比例新能源電力系統(tǒng)的調(diào)度運行有一定的參考意義。