王榆楗，吳 瓊，柳 璐，張嘯虎，桑 妲，劉盾盾，程浩忠

（1.上海交通大學(xué) 電氣工程系，上海 200240；2.中國(guó)長(zhǎng)江電力股份有限公司，北京 100038；3.國(guó)家電網(wǎng)有限公司華東分部，上海 200002；4.珠海澳大科技研究院，廣東 珠海 519085；5.貴州電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心，貴州 貴陽(yáng) 550000）

0 引言

以風(fēng)電和光伏為代表的可再生能源裝機(jī)容量將持續(xù)快速增長(zhǎng)，然而，風(fēng)光可再生能源的間歇性與波動(dòng)性導(dǎo)致其難以準(zhǔn)確計(jì)入電力平衡[1]～[3]。當(dāng)前電網(wǎng)以風(fēng)電5%和光伏0%作為參與電力平衡的容量系數(shù)，無(wú)法滿(mǎn)足未來(lái)以可再生能源為主體的新型電力系統(tǒng)發(fā)展需求?？陀^準(zhǔn)確評(píng)估風(fēng)光可再生能源可信度對(duì)于電力系統(tǒng)規(guī)劃、運(yùn)行具有十分重要的意義。

新能源機(jī)組能替代常規(guī)機(jī)組的容量即為置信容 量 或 可 信 容 量（Capacity Credit，CC）[4]，約 有10余種指標(biāo)用于定量評(píng)估[5]，現(xiàn)有大量文獻(xiàn)分別從不同角度分別對(duì)風(fēng)電、光伏容量可信度的計(jì)算方法及影響因素進(jìn)行研究。文獻(xiàn)[6]研究風(fēng)電穿透率水平、風(fēng)資源優(yōu)劣程度對(duì)容量可信度的影響。文獻(xiàn)[7]基于人工神經(jīng)網(wǎng)絡(luò)提出經(jīng)驗(yàn)?zāi)Ｐ?，用于評(píng)估光伏容量可信度。文獻(xiàn)[8]在光伏容量可信度評(píng)估過(guò)程中考慮了天氣不確定性。文獻(xiàn)[9]評(píng)估了儲(chǔ)能對(duì)光伏容量可信度的影響。文獻(xiàn)[10]在可靠性計(jì)算中考慮需求響應(yīng)的影響，并應(yīng)用于可信度評(píng)估?？紤]相關(guān)性方面，基于歷史數(shù)據(jù)的評(píng)估結(jié)果表明，風(fēng)光新能源出力特性與系統(tǒng)負(fù)荷的相關(guān)性對(duì)于容量可信度評(píng)估結(jié)果具有顯著影響[11]。文獻(xiàn)[11]研究表明，風(fēng)電出力與系統(tǒng)負(fù)荷之間的相關(guān)性越強(qiáng)，風(fēng)電容量可信度就越大。文獻(xiàn)[12]通過(guò)Spearman秩相關(guān)系數(shù)描述光伏出力與負(fù)荷相關(guān)性，并用于光伏容量可信度評(píng)估。文獻(xiàn)[13]通過(guò)建立離散聯(lián)合概率分布對(duì)光伏出力與負(fù)荷相關(guān)性進(jìn)行建模并進(jìn)行可信度評(píng)估；考慮“光-荷”相關(guān)性的評(píng)估結(jié)果均表明光伏出力和負(fù)荷之間的相關(guān)性對(duì)于光伏容量可信度具有積極影響。文獻(xiàn)[14]通過(guò)單一Copula函數(shù)建立多風(fēng)電場(chǎng)出力的聯(lián)合概率分布，提出了考慮多風(fēng)電場(chǎng)出力相關(guān)性的容量可信度評(píng)估方法。文獻(xiàn)[15]在多光伏電站出力建模中考慮了空間相關(guān)性，并且分析了天氣類(lèi)型對(duì)于光伏出力的影響。文獻(xiàn)[16]通過(guò)2維Archimedean Copula函數(shù)對(duì)風(fēng)電、光伏出力相關(guān)性進(jìn)行建模，并應(yīng)用于可靠性評(píng)估。

現(xiàn) 有 研 究 分 別 從“風(fēng)-光”、“風(fēng)-荷”、“光-荷”角度進(jìn)行考慮。然而，同一時(shí)刻、不同位置的風(fēng)速、光照強(qiáng)度和負(fù)荷分布特性各異，并且相鄰風(fēng)電廠、光伏電站之間既不完全獨(dú)立，也不完全相關(guān)，具有非線(xiàn)性相關(guān)性，同時(shí)“風(fēng)-光-荷”三者之間亦具有非線(xiàn)性相關(guān)性[17]。因此在可信度評(píng)估中對(duì)風(fēng)電出力之間、光伏出力之間以及風(fēng)光荷之間的相關(guān)性進(jìn)行準(zhǔn)確建模，其難點(diǎn)在于單一類(lèi)型Copula函數(shù)對(duì)“風(fēng)-光”或者“風(fēng)-荷”相關(guān)性能夠較為準(zhǔn)確的建模，但對(duì)于“風(fēng)-光-荷”相關(guān)性建模，則準(zhǔn)確性較低；此外采用參數(shù)分布也難以準(zhǔn)確描述風(fēng)光荷的分布特性。風(fēng)光容量可信度評(píng)估均為長(zhǎng)時(shí)間尺度（通常為1a），因此計(jì)算結(jié)果表征全年風(fēng)、光新能源對(duì)該區(qū)域內(nèi)電力系統(tǒng)充裕度的綜合貢獻(xiàn)[18]，未能體現(xiàn)風(fēng)、光新能源的時(shí)空分布特性。且僅有少量文獻(xiàn)同時(shí)考慮了風(fēng)電、光伏聯(lián)合發(fā)電系統(tǒng)的綜合容量可信度評(píng)估[19]，[20]。因此，現(xiàn)有可信度評(píng)估存在計(jì)算方法對(duì)于風(fēng)-光-荷多維時(shí)空相關(guān)性的考慮有所欠缺，使得計(jì)算結(jié)果不夠精確、評(píng)價(jià)指標(biāo)偏籠統(tǒng)、未計(jì)及系統(tǒng)運(yùn)行備用，從而對(duì)于實(shí)際運(yùn)行場(chǎng)景指導(dǎo)意義相對(duì)有限，有必要考慮更為精細(xì)化、具有實(shí)用性指導(dǎo)價(jià)值的擴(kuò)展性指標(biāo)與計(jì)算方法。

本文采用D-vine Pair Copula函數(shù)對(duì)多維風(fēng)光荷相關(guān)性進(jìn)行建模，并在系統(tǒng)運(yùn)行可靠性不變的前提下，定義各時(shí)刻運(yùn)行容量可信度指標(biāo)，對(duì)特定運(yùn)行場(chǎng)景進(jìn)行精細(xì)化考慮，采用我國(guó)某實(shí)際區(qū)域電網(wǎng)2018-2020年風(fēng)光荷歷史數(shù)據(jù)，生成蘊(yùn)含相關(guān)性的計(jì)算樣本，計(jì)算風(fēng)光運(yùn)行可信容量，以期為系統(tǒng)實(shí)際運(yùn)行中的電力平衡分析提供參考。

1 風(fēng)光荷相關(guān)性數(shù)據(jù)建模及采樣

1.1 Pair Copula風(fēng)光荷相關(guān)性建模

對(duì) 于 多 元 隨 機(jī) 變 量x=（x1，x2，…，xd），xk的 邊緣累積分布函數(shù)為Fk（xk），Sklar定理給出了多維聯(lián)合分布H（x）與Copula函數(shù)C（u）之間的關(guān)系：

式 中：uk=Fk（xk），且uk服 從[0，1]均 勻 分 布。

對(duì)式（1）求導(dǎo)，得到多維聯(lián)合概率密度函數(shù)：

式 中：c（u）為Copula密 度 函 數(shù)；fk（xk）為xk的 邊 緣概率密度函數(shù)。

由式（2）可見(jiàn)，通過(guò)估計(jì)隨機(jī)變量的邊緣密度函 數(shù)fk（xk）（k=1，2…，d），并 通 過(guò) 估 計(jì)d維Copula密度函數(shù)c（u）表示相關(guān)性結(jié)構(gòu)，可求得聯(lián)合概率密 度 分 布f（x1，x2，…，xd）?，F(xiàn) 有Copula函 數(shù) 能 夠 對(duì)二維相關(guān)性建模較準(zhǔn)確，但對(duì)于多維變量的相關(guān)性 建 模 則 不 夠 準(zhǔn) 確[21]，[22]，而Pair Copula理 論[23]將多維Copula函數(shù)的密度函數(shù)c（u）拆分為一組2維Copula密度函數(shù)和隨機(jī)變量邊緣概率密度函數(shù)的乘積，從而能較好描地述復(fù)雜的多維相關(guān)性。

本文采用D-vine Pair Copula結(jié)構(gòu)作為c（u）的分解方式，d維D-vine結(jié)構(gòu)如圖1所示。

圖1 d維D-vine Pair Copula結(jié)構(gòu)圖Fig.1 Structure diagram of d-dimensional D-vine Pair Copula

d維D-vine Pair Copula結(jié)構(gòu)有d-1層，第Li層有d-i個(gè)節(jié)點(diǎn)。

結(jié) 構(gòu) 中c（u）表 達(dá) 式 為

通過(guò)Pair Copula將隨機(jī)變量?jī)蓛珊喜ⅲ⒉捎孟鄳?yīng)的二元Copula函數(shù)描述，從而可以提高模型擬合精度，更加準(zhǔn)確地描述多維“風(fēng)-光-荷”之間不同的相關(guān)性結(jié)構(gòu)。

本文采用歐氏距離法[22]，作為評(píng)價(jià)Copula模型對(duì)于原始樣本數(shù)據(jù)擬合效果的評(píng)價(jià)方法。

記（x1i，x2i，…，xdi）為d維 隨 機(jī) 變 量x的 歷 史 數(shù)據(jù) 樣 本，其 中i=1，2，…，N，N為 歷 史 數(shù) 據(jù) 樣 本 總數(shù)。擬合得到的歐氏距離為

式中：Cem（·）為從歷史數(shù)據(jù)中獲得的在樣本點(diǎn)處的實(shí)際概率值。

采用非參數(shù)核密度估計(jì)法（Kernel Density Estimation，KDE）分別估計(jì)多維風(fēng)光荷數(shù)據(jù)的概率 密 度 函 數(shù)fk（xk）、累 積 分 布 函 數(shù)Fk（xk）及 其 反 函數(shù)Fk-1（xk），再 利 用 累 積 分 布 函 數(shù)Fk（·）將 數(shù) 據(jù)xk變換為均勻分布的概率。

隨機(jī)變量xk的核密度為

式 中：h為 帶 寬；K（·）為 核 函 數(shù)；Xki為 隨 機(jī) 變 量xk的第i個(gè)歷史樣本。

當(dāng)樣本數(shù)據(jù)給定，fk（xk）便可由核函數(shù)以及帶寬確定。KDE中通常采用高斯核函數(shù)為

對(duì)式（7）積分可得隨機(jī)變量xk的邊緣累積分布函數(shù)為

1.2 建模及采樣流程

基于D-vine Pair Copula結(jié)構(gòu)以及非參數(shù)核密度估計(jì)方法，對(duì)d維風(fēng)光荷相關(guān)性進(jìn)行建模并采樣生成數(shù)據(jù)。步驟如下。

①讀 入d維 風(fēng) 光 荷 歷 史 數(shù) 據(jù)（X1i，X2i，…，Xdi）i=1,2，…，N，利用KDE得到各隨機(jī)變量相應(yīng)的邊緣 概 率 密 度 函 數(shù)fk（xk）和 累 積 分 布 函 數(shù)Fk（xk）。

②令uk=Fk（xk），將 歷 史 數(shù) 據(jù) 相 應(yīng) 帶 入，得 到均 勻 分 布U=[U1，U2，…，Ud]的 樣 本 點(diǎn)。

③根據(jù)樣本數(shù)據(jù)U，對(duì)第L1層各Copula密度函數(shù)進(jìn)行擬合，采用對(duì)數(shù)極大似然估計(jì)得到相應(yīng)參數(shù)。依據(jù)式（6）對(duì)擬合度進(jìn)行檢驗(yàn)，選出第L1層各最優(yōu)2維Copula密度函數(shù)。

④將式（4）所示的條件分布作為新的隨機(jī)變量，并利用U的樣本和式（4）得到其樣本。采用式（4）中條件分布得到的樣本，依據(jù)式（6）對(duì)擬合度進(jìn)行檢驗(yàn)，選出第L2層各最優(yōu)Copula密度函數(shù)。

⑤通過(guò)前一層條件分布的樣本以及式（5）生成本層條件分布的樣本，與上述步驟類(lèi)似，直至得到第Ld-1層的Copula密度函數(shù)，并得出式（3）。

⑥按數(shù)據(jù)進(jìn)行采樣，生成蘊(yùn)含d維風(fēng)-光-荷相 關(guān) 性 的 數(shù) 據(jù)（X1，X2，…，Xd），采 樣 函 數(shù) 為

式 中：W1，W2，…，Wd為 通 過(guò) 蒙 特 卡 洛 生 成 在[0，1]上服從均勻分布的隨機(jī)數(shù)；F-1為式（3）中各累積分布函數(shù)的逆函數(shù)。

2 風(fēng)光運(yùn)行容量可信度評(píng)估方法

2.1 風(fēng)-光運(yùn)行容量可信度指標(biāo)

現(xiàn)有容量可信度評(píng)估指標(biāo)以等效可靠容量（Equivalent Firm Capacity，EFC）為 代 表，EFC為 實(shí)際系統(tǒng)除去風(fēng)光機(jī)組并加入特定容量，且100%可靠的虛擬常規(guī)機(jī)組后，系統(tǒng)可靠性與實(shí)際系統(tǒng)可靠性相同，此時(shí)虛擬常規(guī)機(jī)組容量占風(fēng)光新能源裝機(jī)容量的比例為風(fēng)光容量可信度[18]。

在實(shí)際運(yùn)行中，為保證系統(tǒng)各時(shí)刻運(yùn)行可靠性，需配置一定的備用容量，在風(fēng)光新能源裝機(jī)較多的地區(qū)，還需結(jié)合風(fēng)光出力特性和參與電力平衡的比例，額外設(shè)置一定的負(fù)荷備用容量[24]。按照EFC定義，對(duì)于運(yùn)行中風(fēng)光容量可信度評(píng)估存在適應(yīng)性問(wèn)題。即目前運(yùn)行中是以一定負(fù)荷比例設(shè)置備用，從而確定開(kāi)機(jī)容量，此時(shí)存在原系統(tǒng)中的風(fēng)光應(yīng)該以多少容量計(jì)入系統(tǒng)開(kāi)機(jī)容量的問(wèn)題，開(kāi)機(jī)容量改變，系統(tǒng)可靠性相應(yīng)改變，從而直接影響到最終的計(jì)算結(jié)果。

本文在系統(tǒng)運(yùn)行可靠性不變的前提下，考慮系統(tǒng)運(yùn)行備用，定義風(fēng)光新能源各時(shí)刻的運(yùn)行可信 容 量（Operational Credit Capacity，OCC），其 表達(dá)式為

式中：Rt為系統(tǒng)t時(shí)刻的可靠性，選取失負(fù)荷概率（Loss of Load Probability，LOLP）作 為 可 靠 性 的 判斷標(biāo)準(zhǔn)，等式左側(cè)為不含風(fēng)光系統(tǒng)；C0為根據(jù)負(fù)荷設(shè)置備用容量后，系統(tǒng)常規(guī)機(jī)組開(kāi)機(jī)容量；dt為t時(shí)刻系統(tǒng)負(fù)荷，等式右側(cè)為風(fēng)光接入后系統(tǒng)；C1為風(fēng)光接入后系統(tǒng)常規(guī)機(jī)組開(kāi)機(jī)容量；Cc-t為風(fēng)光新能源在t時(shí)刻的運(yùn)行可信容量，Cc-t與風(fēng)光新能源裝機(jī)的比值,即為風(fēng)光新能源t時(shí)刻的運(yùn)行容量可信度。

在OCC定義下，首先根據(jù)負(fù)荷設(shè)置備用，確定系統(tǒng)常規(guī)機(jī)組開(kāi)機(jī)容量，并評(píng)估該時(shí)刻的系統(tǒng)可靠性；之后將風(fēng)光新能源加入系統(tǒng)，在等可靠性前提下，常規(guī)機(jī)組開(kāi)機(jī)容量將相應(yīng)減少，此時(shí)，常規(guī)機(jī)組開(kāi)機(jī)容量的減少量 ΔC=C0-C1即為t時(shí)刻風(fēng)光新能源運(yùn)行可信容量Cc-t。

2.2 考慮風(fēng)-光-荷相關(guān)性的發(fā)電系統(tǒng)可靠性計(jì)算方法

通過(guò)前文方法生成蘊(yùn)含多維風(fēng)-光-荷相關(guān)性的計(jì)算樣本后，采用基于重要抽樣法的蒙特卡洛法對(duì)發(fā)電系統(tǒng)可靠性進(jìn)行計(jì)算。常規(guī)機(jī)組可靠性模型為

式中：P（g）為系統(tǒng)狀態(tài)分布；Yi為系統(tǒng)狀態(tài)向量第i個(gè)元素；yi為常規(guī)機(jī)組i的狀態(tài)；qi為常規(guī)機(jī)組i的強(qiáng)迫停運(yùn)率。

對(duì)于受端系統(tǒng)可靠性評(píng)估，本文將直流輸電系統(tǒng)的注入功率等效為多狀態(tài)電源，等效方式參見(jiàn)文獻(xiàn)[25]。此外，還需根據(jù)歷史運(yùn)行方式考慮直流線(xiàn)路不同月份的輸送容量。例如對(duì)于水電送端直流，汛期（6-9月）輸送容量按額定容量計(jì)，其余月份則按60%額定容量作為雙極完全運(yùn)行時(shí)的輸送容量。

運(yùn)行容量可信度評(píng)估過(guò)程中，涉及多次迭代計(jì)算系統(tǒng)可靠性，蒙特卡洛法需花費(fèi)大量計(jì)算時(shí)間。為減小計(jì)算耗時(shí)，本文引入重要抽樣法，在維持樣本期望值恒定的前提下，改變現(xiàn)有樣本空間的概率分布，縮小計(jì)算指標(biāo)的方差，以提高運(yùn)算速率[26]。以 系 統(tǒng) 狀 態(tài) 函 數(shù)S（Y）的 期 望E（S）作 為 可靠性評(píng)估指標(biāo)，采用方差系數(shù)作為收斂判據(jù)[26]，其表達(dá)式為

式中：Ω為狀態(tài)空間；S*（Y）為新?tīng)顟B(tài)分布下的系統(tǒng)狀態(tài)函數(shù)。

若新?tīng)顟B(tài)分布P*（Y）能夠突出“重要事件”（即引起系統(tǒng)故障停運(yùn)的事件），則能夠證明S*（Y）方 差 將 小 于S（Y）方 差。新 分 布P*（Y）又 稱(chēng)為重要分布函數(shù)。定義系統(tǒng)重要分布函數(shù)為

式中：k為重要乘子。

2.3 風(fēng)光運(yùn)行容量可信度評(píng)估流程

根據(jù)OCC定義，考慮相關(guān)性的風(fēng)光新能源運(yùn)行容量可信度評(píng)估流程，如圖2所示。

圖2 考慮相關(guān)性的風(fēng)光新能源運(yùn)行容量可信度評(píng)估流程Fig.2 OCC evaluation flow chart of new energy considering relevance

首先讀入原始系統(tǒng)數(shù)據(jù)：常規(guī)機(jī)組裝機(jī)容量、強(qiáng)迫停運(yùn)率數(shù)據(jù)、直流受電功率、歷史數(shù)據(jù)集內(nèi)每日i時(shí)刻的風(fēng)電、光伏及負(fù)荷數(shù)據(jù)。根據(jù)負(fù)荷情況確定原始系統(tǒng)中常規(guī)機(jī)組開(kāi)機(jī)容量C0，評(píng)估原始系統(tǒng)可靠性R0。開(kāi)機(jī)容量為峰值負(fù)荷加上備用容量，系統(tǒng)備用需求源于電網(wǎng)運(yùn)行中的不確定性，一方面是不可預(yù)計(jì)的電網(wǎng)事故（事故備用），另一方面是供需預(yù)測(cè)的不準(zhǔn)確（負(fù)荷備用），通常為峰值負(fù)荷的2%～5%。然后,生成蘊(yùn)含多維風(fēng)-光-荷相關(guān)性的計(jì)算樣本，計(jì)算風(fēng)光新能源接入后系統(tǒng)可靠性R1，通過(guò)弦截法[18]調(diào)節(jié)常規(guī)機(jī)組開(kāi)機(jī)容量C1使風(fēng)光新能源接入前后系統(tǒng)可靠性指標(biāo)相差在一定誤差范圍內(nèi)，此時(shí)，常規(guī)機(jī)組開(kāi)機(jī)容量的減少量ΔC=C0-C1，即為t時(shí)刻風(fēng)光新能源運(yùn)行可信容量。

3 算例分析

我國(guó)某實(shí)際區(qū)域電網(wǎng)總裝機(jī)38317萬(wàn)kW，電源結(jié)構(gòu)如圖3所示。各子區(qū)域相對(duì)位置如圖4所示。饋入?yún)^(qū)域電網(wǎng)的跨區(qū)直流總額定容量為6976萬(wàn)kW，網(wǎng)內(nèi)最大負(fù)荷為31871萬(wàn)kW；采用2018-2020年迎峰度夏期間（6-8月）15min間隔的風(fēng)光荷歷史數(shù)據(jù)擬合邊緣分布，其中風(fēng)電、光伏出力數(shù)據(jù)為出力占裝機(jī)的百分比，由5個(gè)子區(qū)域分別采集，各子區(qū)域風(fēng)光裝機(jī)占比如表1所示，負(fù)荷則按最大功率標(biāo)幺化。

圖3 區(qū)域電網(wǎng)電源結(jié)構(gòu)Fig.3 Power source structure of regional power grid

圖4 各子區(qū)域相對(duì)位置Fig.4 The relative position of each sub-region

表1 子區(qū)域風(fēng)光新能源裝機(jī)結(jié)構(gòu)Table1 Sub-regional new energy installed structure

3.1 風(fēng)-光-荷相關(guān)性模型驗(yàn)證

對(duì)歷史數(shù)據(jù)集內(nèi)每日12：00-13：00的風(fēng)電、光伏及負(fù)荷數(shù)據(jù)，采用KDE擬合邊緣概率密度以及累積概率，擬合結(jié)果如圖5所示。

圖5 歷史數(shù)據(jù)集內(nèi)12：00-13：00風(fēng)電、光伏出力和負(fù)荷的概率密度和累積概率Fig.5 Probability density and cumulative probability of wind power，photovoltaic power and load

由圖5可以看出，僅采用Weibull分布無(wú)法準(zhǔn)確描述各風(fēng)電出力的概率密度和累積概率。同樣，各光伏出力也難以用Beta分布進(jìn)行描述。而負(fù)荷的概率密度曲線(xiàn)在形態(tài)上也與正態(tài)分布明顯不同。與風(fēng)-光-荷服從特定參數(shù)分布相比，采用KDE有利于提高Pair Copula模型準(zhǔn)確度。采用Wi，Pi（i=1，…，5）及L分 別 代 表 各 風(fēng) 電、光 伏 及 負(fù)荷功率，對(duì)多維風(fēng)光荷之間分別進(jìn)行2維最優(yōu)Copula建模，最優(yōu)Copula函數(shù)如表2所示。分別考察高維normal Copula、高維t Copula，以及Dvine Pair Copula對(duì)于多維風(fēng)光荷擬合效果，歐氏距離如表3所示。

表3 不同Copula函數(shù)對(duì)于高維風(fēng)光荷建模的歐式距離Table3 The Euclidean distance of different Copula functions for modeling high-dimensional wind power，photovoltaic and load

由表2，3可以看出，大量2維變量的最優(yōu)Copula并非normal Copula或t Copula，相較于高維normal Copula與 高 維t Coupula，D-vine Pair Copula由于引入多種Copula函數(shù)，能夠更好的對(duì)多維風(fēng)光荷間復(fù)雜的整體與局部相關(guān)性進(jìn)行建模，從而為風(fēng)光運(yùn)行容量可信度計(jì)算的準(zhǔn)確性提供保障。

表2 各2維最優(yōu)Copula函數(shù)類(lèi)型Table2 Optimal Copula function types of2dimension

3.2 迎峰度夏期間峰值負(fù)荷日風(fēng)-光運(yùn)行可信容量評(píng)估

以迎峰度夏期間出現(xiàn)峰值負(fù)荷（31871萬(wàn)kW）時(shí)的日負(fù)荷情況為例，確定系統(tǒng)開(kāi)機(jī)容量，并評(píng)估系統(tǒng)運(yùn)行可靠性，在系統(tǒng)運(yùn)行可靠性不變的前提下，基于本文所述方法進(jìn)行該日各時(shí)刻（24 h）風(fēng)、光運(yùn)行可信容量評(píng)估，結(jié)果如圖6所示。由于夏季光伏僅在6：00-19：00出力，因此其余時(shí)刻僅考慮多維風(fēng)-荷相關(guān)性。

圖6 迎峰度夏期間峰值負(fù)荷日風(fēng)光運(yùn)行可信容量計(jì)算結(jié)果Fig.6 Calculation results of OCC of peak load during summer

根據(jù)計(jì)算結(jié)果，日間風(fēng)光運(yùn)行容量可信度均大于10%，最高達(dá)到26.31%；夜間僅考慮風(fēng)電，運(yùn)行容量可信度最低為8.11%，其余時(shí)刻接近10%。由于風(fēng)光新能源的間歇性、波動(dòng)性和隨機(jī)性，目前我國(guó)調(diào)度系統(tǒng)往往在日前計(jì)劃中對(duì)風(fēng)光出力考慮的比較保守，因此在未來(lái)安排系統(tǒng)日前發(fā)電計(jì)劃時(shí)，可根據(jù)負(fù)荷預(yù)測(cè)結(jié)果按本文所述方法計(jì)算風(fēng)光運(yùn)行可信容量，并結(jié)合風(fēng)電、光伏出力預(yù)測(cè)，從而更加合理的安排常規(guī)機(jī)組的發(fā)電計(jì)劃。

EFC定義下，僅采用6-8月風(fēng)光荷歷史數(shù)據(jù)進(jìn)行評(píng)估，容量可信度為19.43%，評(píng)估結(jié)果表征風(fēng)光新能源對(duì)系統(tǒng)電力充裕度的綜合貢獻(xiàn)，忽略了風(fēng)光新能源時(shí)空分布特性，對(duì)于實(shí)際運(yùn)行中的電力平衡指導(dǎo)意義相對(duì)有限。針對(duì)不同季節(jié)的風(fēng)光新能源時(shí)空分布特性，同樣可采用本文所提指標(biāo)與方法進(jìn)行相應(yīng)計(jì)算。相較于僅以一個(gè)定值表示風(fēng)光可信容量的傳統(tǒng)計(jì)算方法，本文對(duì)可信度評(píng)估指標(biāo)體系及評(píng)估方法進(jìn)行了拓展，且更加精細(xì)化的考慮了多維風(fēng)光荷時(shí)空分布特性，以期為風(fēng)光新能源參與電力平衡提供參考。

3.3 風(fēng)、光裝機(jī)容量對(duì)運(yùn)行可信容量的影響

“雙碳”背景下，風(fēng)電、光伏裝機(jī)容量將進(jìn)一步快速增加。為探究風(fēng)光裝機(jī)容量對(duì)于運(yùn)行可信容量的影響，本節(jié)在保持現(xiàn)有負(fù)荷不變的情況下依據(jù)現(xiàn)有各子區(qū)域風(fēng)光裝機(jī)容量的占比關(guān)系對(duì)風(fēng)光總裝機(jī)容量進(jìn)行線(xiàn)性外推，計(jì)算午間12點(diǎn)不同風(fēng)光總裝機(jī)容量下的風(fēng)光運(yùn)行可信容量，結(jié)果如圖7所示。

圖7 不同風(fēng)光裝機(jī)容量下運(yùn)行可信度評(píng)估結(jié)果Fig.7 OCC results under different installed capacity

由圖7可以看出，隨著風(fēng)光裝機(jī)容量增加，可信度從1000萬(wàn)kW裝機(jī)時(shí)的29.74%逐漸下降至12000萬(wàn)kW裝機(jī)時(shí)的19.97%。以1000萬(wàn)kW為梯度，增加同樣風(fēng)光裝機(jī)的邊際效益下降，即風(fēng)光運(yùn)行可信容量增長(zhǎng)幅度降低，存在飽和效應(yīng)。這是由于風(fēng)光裝機(jī)容量較少時(shí)，系統(tǒng)可靠性主要取決于常規(guī)機(jī)組狀態(tài)，而風(fēng)光裝機(jī)容量增加后，根據(jù)指標(biāo)定義，常規(guī)機(jī)組開(kāi)機(jī)容量減少，因此風(fēng)光出力的波動(dòng)性對(duì)于系統(tǒng)可靠性的影響會(huì)進(jìn)一步增大，為維持系統(tǒng)等可靠性，常規(guī)機(jī)組開(kāi)機(jī)容量的減少幅度也會(huì)相應(yīng)減小。

4 結(jié)論

本文針對(duì)可信度指標(biāo)尚未深入應(yīng)用于運(yùn)行階段的問(wèn)題，定義了運(yùn)行容量可信度指標(biāo)，提出考慮多維風(fēng)光荷相關(guān)性的運(yùn)行容量可信度評(píng)估方法，該方法引入D-vine Pair Copula，采用歷年風(fēng)-光-荷數(shù)據(jù)對(duì)多維風(fēng)光荷相關(guān)性進(jìn)行建模，利用基于重要抽樣法的蒙特卡洛法對(duì)系統(tǒng)可靠性進(jìn)行評(píng)估，并采用弦截法迭代，實(shí)現(xiàn)對(duì)給定運(yùn)行場(chǎng)景的風(fēng)光運(yùn)行可信容量評(píng)估。本文通過(guò)算例分析得到結(jié)論如下：①多維風(fēng)光荷具有復(fù)雜非線(xiàn)性相關(guān)性，Pair Copula函數(shù)對(duì)于各隨機(jī)變量之間的相關(guān)性均采用最優(yōu)2維Copula函數(shù)建模，使得生成的風(fēng)光荷數(shù)據(jù)包含更多的相關(guān)性特征，此外采用KDE能夠有效提高建模準(zhǔn)確性。因此相較于傳統(tǒng)容量可信度計(jì)算中對(duì)于風(fēng)-光-荷的考慮方法，本文采用方法考慮因素更加全面，能獲得更準(zhǔn)確的計(jì)算結(jié)果；②本文所提指標(biāo)與方法更精細(xì)化考慮了多維風(fēng)光荷相關(guān)性，以某實(shí)際區(qū)域電網(wǎng)迎峰度夏期間峰值負(fù)荷日的負(fù)荷情況為例，計(jì)算各時(shí)刻（24 h）風(fēng)光運(yùn)行容量可信度，結(jié)果為8.11%～26.31%。運(yùn)行中僅以風(fēng)電5%和光伏0%作為參與電力平衡的容量系數(shù)會(huì)導(dǎo)致過(guò)多的開(kāi)機(jī)，進(jìn)而影響風(fēng)光消納。安排系統(tǒng)日前發(fā)電計(jì)劃時(shí)，可根據(jù)計(jì)算結(jié)果并結(jié)合風(fēng)光出力預(yù)測(cè)，為調(diào)度安排合理開(kāi)機(jī)計(jì)劃提供參考。探究了風(fēng)光裝機(jī)容量對(duì)于運(yùn)行可信容量的影響，計(jì)算結(jié)果表明，隨著風(fēng)光裝機(jī)容量增加，可信容量存在飽和效應(yīng)。

儲(chǔ)能可以彌補(bǔ)新能源在隨機(jī)波動(dòng)性方面的先天缺陷，隨著儲(chǔ)能系統(tǒng)的大規(guī)模引入，風(fēng)-光-儲(chǔ)聯(lián)合系統(tǒng)有望得到廣泛應(yīng)用，在后續(xù)研究中可考慮采用序貫蒙特卡洛模擬法進(jìn)行風(fēng)-光-儲(chǔ)聯(lián)合系統(tǒng)的可靠性評(píng)估，以及考慮風(fēng)光荷時(shí)間相關(guān)性的建模與采樣，進(jìn)而精細(xì)化評(píng)估風(fēng)-光-儲(chǔ)聯(lián)合系統(tǒng)的運(yùn)行容量可信度。