欧美a性_久久久久这里只有精品_欧美mv日韩mv国产网站app_黄色国产区_91精品色_国产一级二级三级在线_男生捅女生机机_亚洲AV无码乱码国产精品牛牛_黄色电影小说_97超级碰撞免费在线观看完整版_ol制服撕破肉色薄丝袜美腿_掀开奶罩边吃边摸她的胸_日韩欧美一区二区三区_免费av一级_国产91精品久久久久久久网曝门

計及源-荷匹配的多區域多類型新能源

系統優化規劃方法

史昭娣 朱寧 陳琦

一、引言

隨著能源轉型進程加快，我國大力發展風電[1]、光伏[2]等新能源發電技術，未來電力系統將朝著大規模、高比例新能源電力系統方向發展[3]。新能源出力自身之間具有互補性，利用新能源總出力與系統總負荷之間的匹配效應可以凸顯新能源出力間的互補效果，平抑新能源出力波動性，減小常規機組調峰壓力[4]。

風電、光伏的出力功率波動性強[5-6]，大規模接入后會對系統造成沖擊，對電網調峰帶來挑戰[7-8]。實際上，風電和光伏出力具有互補特性[9]，其主要表現在兩方面：一是新能源資源的廣域平滑效應。二是風光出力具有時間上的互補性。

充分挖掘新能源出力互補特性是開展新能源協調規劃的重要基礎。已有學者對此進行研究，如文獻[10]分析了各類能源的互補效應，討論了配置不同容量電源的經濟性和可行性。文獻[11]分析了風、光、水資源之間的互補特性，提出了一種包含風、光、水、儲的互補性微電網容量優化配置方法。文獻[12]研究了新能源出力互補優化方法，定量計算了各類資源容量。上述文獻關于系統電源出力互補性進行了研究，但對于新能源出力互補性的分析多是與常規電源一起考慮，未有研究僅考慮新能源出力自身互補性。

研究新能源出力自身互補特征，通常需要提出互補性評價指標[13]。如文獻[14]采用新能源總出力的標準差作為評價指標來刻畫新能源出力互補性。文獻[15]定義了由時間互補、能量互補和振幅互補組成的可再生能源互補性指標。文獻[16]采用互補系數等指標描述多能互補系統中電源出力的互補性。以上關于新能源互補性的研究多注重新能源出力之間的負相關性，即假定新能源場站的總出力恒定不變，則認為新能源互補效果最好。

由于負荷具有波動性，上述基于負相關性的研究中，負荷波動部分會由常規可控電源負擔。但如果新能源總出力與負荷波動規律保持一致，即新能源出力與負荷之間存在匹配效應，那么新能源發電就可承擔一部分變化的負荷，火電機組更多承擔基荷并運行在較低的水平，從而大幅降低新能源接入系統帶來的常規電源調峰壓力。因此，從提高新能源消納方面看，新能源出力與負荷之間的匹配（源-荷匹配）關系才更可凸顯新能源互補的效果[17]，此時互補性表現為新能源總出力與負荷呈正相關性。

針對源-荷匹配效果的描述，已有學者進行了研究。如文獻[18]定義了負荷追蹤度指標用以評價不同電源互補效果。文獻[19]采用負荷追蹤系數描述系統出力跟隨負荷變化的能力，并用其量化多能互補系統總發電量與負荷的匹配程度。文獻[20]以新能源出力與負荷之差的平方和最小為目標，提出了新能源出力追蹤控制算法。上述利用負荷追蹤能力來描述系統源-荷匹配效果的評價方法主要是用于新能源電力系統優化調度中，本文借鑒這種方法，將其應用于新能源電源優化規劃中，可在規劃階段充分計及多類型新能源出力間的互補特性。

基于以上分析，本文針對計及源-荷匹配的廣域多區域新能源電源優化布局問題進行研究。首先，為了量化新能源出力與負荷之間有功功率的匹配能力，從均衡度和一致性兩方面評價源-荷匹配特性。其次，基于源-荷匹配思想，建立了多區域新能源優化規劃模型。模型以電網新能源發電量最大和源-荷匹配偏差最小為目標函數，并采用帶權極小模理想點法[21]統一兩個目標函數的量綱，綜合考慮新能源發電功率約束、新能源限電率約束、新能源裝機容量約束等，通過引入所提源-荷匹配均衡度約束來保證新能源出力與系統負荷需求變化特性一致。然后，以各區域新能源全年出力時間序列和負荷序列為模型輸入，對規劃模型進行優化求解，得到各區域最優新能源接入容量，并利用一致性指標來評價源-荷匹配效果。最后，以我國北方某區域電網為例進行算例分析，算例結果驗證了由源-荷匹配定義新能源出力互補性的合理性，研究內容可為廣域新能源多區域布局規劃提供參考意見。

四、算例分析

（一）算例介紹

為驗證所提計及源-荷匹配的新能源優化布局方法的正確性，本節以我國北方某相鄰四個（省級）地區電網為測試系統，研究2030年的新能源規劃布局問題。四個地區分布于總面積125萬平方公里范圍內，新能源滲透率達到30%以上。電網結構圖如圖3所示，A、C電網均分別與其他電網相連，圖中紅色數字表示各區域間聯絡線限值（單位：MW），綠色數字為直流外送年電量（單位：億kWh）。算例計算步長為1小時，源-荷匹配周期設為1天，即24h。計算時段數8760h，其余主要算例參數見表1。本文中規劃水平年的風電、光伏序列是基于該地區歷史出力序列進行新能源出力場景生成得到的，負荷序列是立足這些地區2021年的實際負荷需求序列，假設負荷年增長率為5%估計得到的。

圖3 測試系統等效結構示意圖

表1 算例參數

（二）不同規劃模型結果分析

為了驗證所提模型可深入挖掘新能源出力互補性，本節對比了本文模型和傳統模型的規劃結果。其中傳統新模型中不考慮源-荷匹配均衡約束。設置兩個仿真案例中光熱接入容量均為3.35GW，風電和光伏總裝機為59.87GW，所得結果如表2所示。

可以看出，對比傳統方法，考慮源-荷匹配后，本文模型所得D地區風電和C地區光伏最優布局容量分別增長了35.81%和54.3%。從風電和光伏總裝機方面看，本文模型所得風電總容量較傳統方法高4.24%，這表明考慮源-荷匹配后，系統更傾向于配置互補性更好的風電，光伏由于出力形狀較為固定，容量越大越難以實現源-荷匹配。此外，在新能源總裝機一致的情況下，本文模型得到的新能源年度總出力電量為1124.03億kWh，而傳統模型所得新能源年度總出力電量為865.23億kWh，前者相較后者提升29.91%，即考慮源-荷匹配可使新能源滲透率從28.51%增加至37.04%。從新能源限電方面看，考慮源-荷匹配可使新能源總限電率從傳統模型的23.18%降低至本文模型的5.21%。可以看出，在同樣的裝機總容量下，考慮源-荷匹配可以充分提升新能源消納能力，減少棄風、棄光情況。

表2 不同模型規劃結果

圖4 不同模型的年度基準負荷調節系數

圖4顯示的是求解兩種模型所得的年度基準負荷調節系數，該參數描述的是每個匹配周期內新能源總出力占基準負荷的比例，其數值越高，說明新能源出力在系統總出力中占比越高。可以看出，本文模型中年度基準負荷調節系數變化范圍為0-0.7，平均值為0.32；傳統模型的年度基準負荷調節系數變化范圍為0.1-0.3，平均值為0.2。本文模型所得基準負荷調節系數更高，有利于提升新能源消納水平。

綜上可得，采用本文方法考慮源-荷匹配均衡約束可以深入挖掘新能源出力互補性，有利于提升新能源消納水平，促進新能源產業健康發展。

（三）靈活性新能源電源接入對規劃結果的影響

為了研究靈活性新能源電源接入系統對多區域新能源優化規劃布局的影響，本節設置風/光組合和風/光/光熱組合兩類場景，分別計算兩類場景下的多能源電力系統容量規劃結果。令風/光組合光伏裝機容量與風/光/光熱組合光伏與光熱總裝機容量相等。其余約束條件和計算邊界均一致。計算結果如表3所示。

表3 不同場景下的規劃結果

可以看出，在新能源總裝機容量一定下，風/光/光熱組合的源-荷匹配一致性指標為0.080，而風/光組合的源-荷匹配一致性指標為0.098。由該指標定義可知，越小，說明在該時段內新能源出力與負荷功率變化趨勢越接近，源-荷匹配程度越高。此外，風/光/光熱組合的新能源出力與負荷波動形狀的年度平均絕對偏差與風/光組合相比降低52.27%，新能源基本不增加電網調峰難度，同時風/光/光熱組合的新能源總發電量比風/光組合高4.03%，因此可得出結論：靈活性新能源電源的接入對提高源-荷匹配具有積極作用。

圖5 不同場景下源-荷匹配效果

圖5所示為兩種場景下新能源出力與負荷匹配效果對比，圖中同色系深色表示匹配偏差最大日結果，淺色表示匹配偏差最小日結果。當新能源總裝機容量一定時，從匹配效果方面看，四個地區的風/光組合和風/光/光熱組合均可以在一定程度上實現新能源總出力與負荷形狀的優化匹配，可大幅降低電網的調峰難度。風/光組合的匹配效果不及風/光/光熱組合，這說明靈活電源的接入有利于源-荷匹配互補。從匹配偏差方面看，風/光組合匹配偏差最小日的新能源出力非常低，說明僅靠風電和光伏很難完全匹配負荷波動。風/光/光熱組合匹配偏差最小日的新能源出力有所提高，光熱接入后，新能源出力與負荷匹配偏差更小，最優可達到匹配偏差為0的效果，即使是全年匹配偏差最大日，最大新能源功率缺額也未超過5GW，也驗證了靈活性新能源電源CSP電站可有效提升新能源出力互補能力。

（四）新能源限電率對規劃結果的影響

為了研究新能源限電率對多區域新能源優化規劃布局和源-荷匹配效果的影響，本節給定CSP電站發電容量為3.35GW、系統最大新能源限電率由0增加至10%時，計算風、光最優接入容量和源-荷匹配一致性指標的情況，結果如圖6所示。

圖6 不同新能源限電率下優化結果

可以看出，隨著允許新能源限電率水平的增加，新能源總容量增加，相比于緩慢增加的光伏容量，風電容量增加趨勢更大，系統優化配置的風電容量最大近乎于光伏容量的6.5倍，這主要是由兩方面原因造成的：一方面，測試系統地區的風電資源利用小時數高于光伏資源，系統優先接納風電；另一方面，由于光伏出力具有典型的“晝發夜停”特性，其出力形狀一般較為固定，由于源-荷匹配均衡約束的限制，電網優先接納出力形狀更易匹配負荷的風電。此外，隨著新能源限電率水平的增加，源-荷匹配一致性指標隨之增加，由0.057近似線性增長至0.115。可見允許一定棄電可使新能源與負荷形狀更容易匹配，更好的利用新能源互補特性。

圖7 各地區某兩日發電運行情況

圖7顯示的是限電率水平為10%情況下某兩日各區域電源出力運行情況，選取的這兩日分別是新能源大發和小發場景。可以看出，在基準負荷日調節系數較高的情況下（97.48%），新能源出力幾乎可以滿足系統的總負荷需求，而在基準負荷日調節系數較低的情況下（42.13%），新能源出力也可以滿足系統總負荷需求的40%以上。并且兩種場景下均可以滿足新能源發電出力與負荷變化形狀相一致，需要提供支撐的常規電源出力變化量較小，因而常規電源可以更多的承擔基荷發電任務。此外，可以看出，對應每日的基準負荷調節系數，需要的火電出力占負荷的比例也相對固定，因此可以在每日第一個時刻點對火電啟/停機狀態變量進行限制，匹配周期內火電的運行狀態變量即可固定下來，可以有效降低火電機組參與優化規劃的0-1變量個數，提高模型的求解速度。

（五）新能源隨機性對規劃結果的影響

新能源出力隨機性對新能源規劃具有一定影響，由于本文是從源-荷匹配角度量化新能源互補能力，模型中不包含經濟性約束，因此本節著重分析新能源資源出力隨機性對規劃結果的影響。根據文獻[25]采用的多場景法，本節以60組年度8760h新能源出力場景作為規劃邊界分別求解規劃模型，所有場景下風光規劃結果如圖8所示。

圖8 60組新能源出力場景計算結果

圖8中虛線為各指標期望值，可以看出，各地區風電裝機容量波動范圍分別為14.1-14.9GW、7.9-8.7GW、5.2-5.8GW、17.3-20.8GW，光伏裝機容量波動范圍分別為2.6-3GW、2.3-2.5GW、3.9-4.6GW、2.5-2.8GW。可以看出，單次規劃結果具有一定隨機性，多組規劃結果期望值可靠性更高，所得規劃結果在60組場景下均收斂于期望值。

五、結論

本文研究了計及源-荷匹配的多區域新能源優化規劃布局問題。首先，對源-荷特性匹配特性進行評價。其次，建立了計及源-荷匹配的多區域新能源優化規劃模型。最后經過算例分析驗證所提模型和方法的有效性。主要研究結論如下：

(1) 從均衡度和一致性兩方面評價源-荷匹配特性，可以量化新能源出力與負荷之間有功功率的匹配能力。將其計入規劃模型，可在規劃過程中充分計及風光出力廣域空間互補特性。

(2) 建立計及源-荷匹配的多區域新能源優化規劃模型。模型以電網新能源發電量最大和源-荷匹配誤差最小為綜合目標，適用于大規模區域電網規劃，可得到在給定新能源利用率和源-荷匹配偏差約束下的新能源最優接入容量。

(3) 由于相比于光伏，風電的利用小時數更高，因此其廣域的互補特性更強。在規劃階段計及源-荷匹配后，系統更傾向于接納風電。此外，靈活性新能源電源的接入對提高源-荷互補性具有積極作用，并在新能源總裝機一定情況下提升系統新能源發電量。