適應新能源發展的電力規劃方法研究（下）

4.3調峰計算流程首先，根據本文方法計算系統電力平衡，確定開機方式，未開機電源不納入調峰計算。其次，優先將新能源和負荷的概率分布函數代入式(1)，形成扣減新能源出力后的系統剩余負荷(residualload)概率分布函數，以體現優先消納新能源電量原則。再次，校驗這時系統的EEOS指標，如果EEOS＞0，說明在不投入任何常規機組情況下，系統即電量過剩，則應調整新能源裝機規模，并重做電力平衡。最后，對各常規機組，用最小技術出力修正其出力概率分布函數，依次代入式(1)，求出系統最終的EEOS指標。如果EEOS＞0，說明在所有常規機組都壓到最小技術出力情況下，系統仍電量過剩，則該時刻需棄風或棄光，且EEOS的值即為棄風、棄光電量。實際計算中，不應僅針對某一時刻，而應對全年各月典型日各小時都進行計算，即可求出因系統調峰能力不足而導致的棄風、棄光現象發生的準確時刻以及系統全年棄風、棄光電量。5算例分析5.1簡單系統算例為說明本文方法有效性，先以一個簡單系統為例：該系統年最大發電負荷10000MW；現有風電機組3000MW，火電機組8200MW(含4×1000MW、4×600MW常規機組，6×300MW供熱機組)。火電機組強迫停運率統一取1%。為反映供熱機組特性，算例區分非供暖期(4月—10月)與供暖期(11月一次年3月)2種不同情況。非供暖期按容量優先原則，首先調用1000MW機組：供暖期則最先調用300MW供熱機組。純凝工況下，火電機組最小技術出力系數取50%；供熱工況下，分別取60%(8:00—18:00)、80%(19:00—次日7:00)。(1)電力平衡根據本文方法，求出算例系統各月典型日開機需求，如圖2所示。圖2算例系統每月典型日開機需求Fig.2Powerdemandofatypicaldayforeverymonthinexamplesystem由圖2可見，7月份該系統開機需求最大，為裝機控制月。不考慮風電時，該月火電開機需求為10398MW，對比現有8200MW裝機，尚需規劃新增2198MW火電機組；考慮風電時，火電開機需求為10178MW，尚需規劃新增1978MW火電機組。因此，3000MW風電機組的加入，可節約火電裝機220MW。這一結論，與現有方法通常選取風電裝機容量的5%～10%計入電力平衡是一致的。(2)電量平衡和調峰能力根據本文方法，求出算例系統各月典型日風電應發電量(電量平衡結果)、實發電量(調峰能力校驗后結果)如圖3所示。圖3算例系統每月典型日風電電量Fig.3Windenergyofatypicaldayforeverymonthinexamplesystem由圖3可見，供暖期(11月一次年3月)火電機組調節困難，加上風電大發，棄風現象嚴重。但因這時風電大發，實際消納電量仍大于全年平均值。春秋季(4月—5月、10月)無供暖壓力時，棄風主要原因是風電相對大發。而夏季(6月—9月)風電出力較小，系統調峰壓力降低，棄風率下降，但利用小時數也低于全年平均水平。上述結果與風電系統實際特點一致，證明了本文方法的有效性。根據本文方法的進一步計算結果，全年風電應發電量為6.763×106MW·h，利用小時數2254h。但受調峰能力限制，實際消納風電電量6.265×106MW·h，棄風率7.35%，利用小時下降166h。可見，對含新能源電力系統，僅計算電量平衡沒有意義，須同時計算調峰能力，方可確定新能源的實際消納電量。這也證明了本文方法的必要性。5.2實際系統算例以中國北方某實際系統為例，2020年該系統最大發電負荷16600MW；規劃裝機：煤電合計14061MW(純凝8821MW、供熱4040MW、點對網受入1200MW)、氣電合計4806MW；規劃跨區網對網受入3950MW。火電強迫停運率按實際取值，調峰計算區分供暖期與非供暖期。為體現本文模型對新能源高占比系統的有效性，假設該系統風電規劃裝機3000MW、光伏發電規劃裝機6000MW，分別占最大負荷的18%和36%。(1)電力平衡根據本文方法，該系統裝機控制月為12月。當月系統最大發電負荷為16600MW。不考慮新能源時，火電開機需求為17727MW，再考慮檢修備用1000MW(最大1臺機)后，總規劃裝機需求為18727MW，對應系統備用率為12.8%。結果與該系統習慣上取備用率為14%基本一致，且略有減少。考慮新能源裝機后，該系統火電開機需求為17162MW，比之前減少了565MW火電裝機，其中風電代替165MW、光伏發電代替400MW。這一結論，與現有方法通常選取新能源裝機容量的5%～10%計入電力平衡是一致的。(2)電量平衡和調峰能力根據本文方法，該系統2020年全年煤電、氣電、風電、光伏發電的理論年利用小時分別為3780h、1760h、2300h、1800h。其中，煤電、氣電年利用小時與該系統習慣上選取的數值基本一致。但在新能源高占比情況下，風電、光伏發電可否達到理論利用小時數，還留有疑問。為此，采用本文調峰計算方法進行校驗。結果顯示，該系統全年風電、光伏發電的應發電量分別為69.72億kW·h、108.37億kW·h；因調峰能力不足，導致棄風、棄光電量分別為15.98億kW·h、15.61億kW·h，年利用小時分別降至1791h、1546h，由此煤電利用小時升至4009h。可見，對新能源高占比系統，僅計算電量平衡沒有意義，須同時進行調峰計算才能得出新能源電量的實際消納情況，并為提高新能源消納能力的措施提供評判依據。6結語因新能源發電(本文指風電、光伏發電等)出力具有隨機性，規劃階段對其容量價值估計偏保守，導致常規火電裝機規模偏大；運行階段新能源大發時，為保證不棄風、不棄光，又要壓制火電機組出力，是導致新能源富集地區火電利用小時數下降的重要因素之一。同時，當火電機組供熱運行或裝機過多，總出力無法充分下調時，還會導致系統調峰不足，出現棄風、棄光，給電網規劃和運行帶來很大壓力。針對以上情況，本文提出了一種適應新能源發展的電力規劃電力電量平衡計算方法。該方法使用基于充裕度的概率性模型，能全面考慮各種機組故障組合和新能源出力、負荷預測不確定性影響，從而較恰當地反映新能源機組在裝機規劃中的地位和作用，避免現有方法依據經驗、人為指定新能源容量價值(即“可信容量”)和系統備用率在理論上的不足。算例表明，本文方法與現有方法計算結果基本一致，證明了本文方法的有效性，且比現有方法更有理論依據。本文還提出了一種計算系統調峰能力的指標和方法。所提方法同樣采用概率性模型，能計算出系統因調峰能力不足導致的棄風、棄光電量以及該電量發生的具體時間。算例表明，對新能源占比較高的電力系統，電量平衡得出的新能源發電量未必全部消納，必須進行調峰計算。上述調峰計算結果，也為進一步采取措施，避免棄風、棄光，在電力規劃階段提高新能源消納占比提供了理論依據。為更好地使用本文方法，建議：一是盡快出臺適用于中國國情的電力系統可靠性導則和指標；二是加強負荷預測理論和方法的研究工作，盡量給出帶預測誤差分布的負荷預測曲線；三是加強風電、光伏發電出力歷史數據積累和分析工作，使本文所提新能源出力模型更符合實際。同時，本文調峰計算后得出的棄風、棄光數據，為進一步開展高占比新能源消納研究提供了支撐，建議后續進一步研究提出切實提高新能源消納占比的方法和措施。參考文獻：[1]劉世宇，杜忠明，王茜，等.“十三五”電力發展思路解析[J].中國電力，2017，50(1)：7-12.LIUShiyu,DUZhongming,WANGQian,etal.Analysisonthedevelopmentideasofelectricpowerindustryintheperiodofthe13thfive-year[J].ElectricPower,2017,50(1):7-12.[2]李瓊慧，王彩霞.從電力發展“十三五”規劃看新能源發展[J].中國電力，2017，50(1)：30-36.LIQionghuiWANGCaixia.Analysisonnewenergydevelopmentbasedonthe13thfive-yearelectricpowerplanning[J].ElectricPower.2017,50(1):30-36.[3]國家能源局.2016年風電并網運行情況[EB/OL].(2017-01-26)[2017-03-13]./2017-01/26/c_136014615.htm.[4]國家能源局.2016年光伏發電統計信息[EB/OL].(2017-02-04)[2017-03-13]./2017-02/04/c_136030860.htm.[5]韓小琪，孫壽廣，戚慶茹.從系統調峰角度評估電網接納風電能力[J].中國電力，2010，43(6)：16-19.HANXiaoqi,SUNShouguang,QIQingru.Evaluationofwindpowerpenetrationlimitfrompeakregulation[J].ElectricPower,2010,43(6):16-19.[6]王錫凡.電力系統優化規劃[M].北京：中國水利電力出版社，1990.[7]張宏宇，方鑫，李碧輝，等.含大規模風光電源電力系統隨機生產模擬[J].中國電力，2012，45(6)：73-76.ZHANGHongyu,FANGXin,LIBihui.etal.Probabilisticproductionsimulationofpowersystemswithlarge-scalewindandphotovoltaicgeneration[J].ElectricPower,2012,45(6):73-76.[8]郭旭陽，謝開貴，胡博，等.計入光伏發電的電力系統分時段隨機生產模擬[J].電網技術，2013，37(6)：1499-1505.GUOXuyang,XIEKaigui,HUBo,etal.Atime-intervalbasedprobabilisticproductionsimulationofpowersystemwithgrid-connectedphotovoltaicgeneration[J].PowerSystemTechnology,2013,37(6):1499-1505.[9]馬洲俊，程浩忠，丁昊，等.含不確定性電源的電力系統柔性生產模擬[J].電力系統控制與保護，2013，41(17)：63-70.MAZhoujun,CHENGHaozhong,DINGHao,etal.Flexibleproductionsimulationforpowersystemwithuncertainenergy[J].PowerSystemProtectionandControl,2013,41(17):63-70.[10]張寧，康重慶，陳治坪，等.基于序列運算的風電可信容量計算方法[J].中國電機工程學報，2011，31(25)：1-9.ZHANGNing,KANGChongqing,CHENZhiping,etal.Windpowercrediblecapacityevaluationmodelbasedonsequenceoperation[J].ProceedingsoftheCSEE,2011,31(25):1-9.[11]電力規劃設計總院.電力系統設計手冊[M].北京：中國電力出版社，1998.[12]中國電力企業聯合會.2015年全國電力可靠性指標[EB/OL].(2016-08-23)[2017-03-13]./zhibiaofabu/linianzhibiao/2016-08-23/157341.html.[13]郭永基.電力系統可靠性分析[M].北京：清華大學出版社，2003.[14]ALLANRN,BILLINTONR,ABDEL-GAWADNMK.TheIEEEreliabilitytestsystem-extensionstoandevaluation