一種基于虛擬電廠技術(shù)的城市可再生能源消納能力提升方法

宣文博，李慧，劉忠義，孫業(yè)廣，侯愷

（1.國網(wǎng)天津市電力公司，天津市 河北區(qū) 300010；2.天津大學(xué)智能電網(wǎng)教育部重點實驗室，天津市 南開區(qū) 300072）

0 引言

目前，全球能源生產(chǎn)和消費正悄然發(fā)生變化，以風(fēng)力發(fā)電和光伏發(fā)電為代表的清潔能源占比逐年增加[1]，可再生能源已成為全球能源產(chǎn)業(yè)發(fā)展的重點領(lǐng)域。“十三五”期間，我國風(fēng)力發(fā)電新增0.79億kW以上，太陽能發(fā)電新增0.68億kW以上[2]。2020年全國風(fēng)電裝機達到2.1億kW。

而隨著風(fēng)、光等可再生能源發(fā)電大規(guī)模接入電網(wǎng)以及清潔化利用能源理念的不斷深入，電力系統(tǒng)正經(jīng)歷著由主動可調(diào)、可控的化石能源發(fā)電向風(fēng)、光等被動可再生能源發(fā)電轉(zhuǎn)換的過程[3-4]。同時，新能源的消納問題日益凸顯，棄風(fēng)棄光甚至棄核現(xiàn)象嚴重[5-9]。2016年，全國棄風(fēng)和棄光電量分別達到497億和74億kW·h，較2015年分別增加了46.6%和85%。2017年，棄風(fēng)、棄光現(xiàn)象有所好轉(zhuǎn)，但仍然不容樂觀。棄風(fēng)電量419億kW·h，棄光電量73億kW·h。

為解決這些問題，國家出臺了一系列政策，明確了新能源大規(guī)模發(fā)展的方向，同時一系列提升消納能力的改造工程被提出[10]。因此，探索新能源發(fā)展與源荷匹配的特性、新能源消納能力的量化以及新能源消納能力的提升是必需的[11]。

利用虛擬電廠的概念，能夠?qū)π履茉吹南{能力進行有效提升。虛擬電廠的概念最早由Shimon在1997年提出[12]。文獻[13]將虛擬電廠定義為在中壓配電網(wǎng)中大量分散的分布式能源的集合。

為適應(yīng)能源供需格局的新變化和國際能源發(fā)展的新趨勢，本文瞄準某城市新能源發(fā)電應(yīng)用發(fā)展方向，對新能源發(fā)電的應(yīng)用場景和配置方案展開深入研究。通過常規(guī)能源調(diào)峰能力分析及新能源發(fā)電特性研究確定新能源發(fā)展情況，提出城市新能源消納能力的量化分析辦法，得到基于調(diào)峰裕度的量化分析結(jié)果。最后，研究電動汽車和柔性負荷提高新能源消納的效果，提出一種基于虛擬電廠技術(shù)的城市可再生能源消納能力提升方法。

1 虛擬電廠技術(shù)

虛擬電廠的基本思想是利用合理的控制技術(shù)、通信技術(shù)、計量技術(shù)等手段對大量的分布式電源進行有效融合，從而對其進行協(xié)調(diào)優(yōu)化控制，使得分布式能源能夠更加高效經(jīng)濟地運行，降低分布式能源對電網(wǎng)的危害，實現(xiàn)系統(tǒng)的安全穩(wěn)定經(jīng)濟運行[14-19]。

風(fēng)電、光伏發(fā)電等可再生能源發(fā)電具有間歇性、隨機性的特點，其發(fā)電出力預(yù)測也存在一定誤差。因此，針對可再生能源發(fā)電不確定性強的特點，就必須對儲能系統(tǒng)、發(fā)電機組、可控負荷等進行優(yōu)化控制，使之進行合理的配合，提升系統(tǒng)經(jīng)濟性和電能質(zhì)量。虛擬電廠的控制技術(shù)分為2類：集中控制和分散控制。集中控制是將虛擬電廠的全部決策由中央控制單元制定，每一部分均需要由通信技術(shù)與控制協(xié)調(diào)中心進行處理，常常使用能量管理系統(tǒng)，主要工作內(nèi)容是協(xié)調(diào)機端潮流、儲能系統(tǒng)和可控負荷。當(dāng)決策權(quán)被賦予到各分布式電源時，集中控制方式就變成了分散控制方式。其特點是中心控制器由信息交換代理取代。信息交換代理只向該控制結(jié)構(gòu)下的分布式能源提供服務(wù)，如市場價格信號、天氣預(yù)報和數(shù)據(jù)采集等。因為具有即插即用能力，所以分散控制比集中控制的擴展性和開放性更好。

智能計量技術(shù)是虛擬電廠對分布式能源監(jiān)控和控制的基礎(chǔ)，其主要目的是實現(xiàn)自動抄表，即遠程實時測量和讀取用戶能源的消耗和生產(chǎn)情況，并通過通信技術(shù)上傳測量數(shù)據(jù)。因此，對于用戶來說， 所有的測量數(shù)據(jù)均可以通過網(wǎng)絡(luò)的方式進行查詢，可以清晰且直觀地了解用戶自身能源消費或產(chǎn)出情況，以此制定合理的調(diào)節(jié)計劃。

虛擬電廠通常需要利用雙向通信技術(shù)，這種技術(shù)既可以實時接收各個分布式單元的狀態(tài)信息，又可以對所控制的對象施加控制信號。作為虛擬電廠通信技術(shù)的有基于互聯(lián)網(wǎng)協(xié)議的服務(wù)、虛擬專用網(wǎng)絡(luò)、 電力線路載波技術(shù)等。以上這些主要在室外構(gòu)成虛擬電廠的通信網(wǎng)絡(luò)，而無線局域網(wǎng)、藍牙等通信技術(shù)則組成了用戶住宅內(nèi)的通信網(wǎng)絡(luò)。

虛擬電廠參與系統(tǒng)優(yōu)化的過程，能夠?qū)ο到y(tǒng)的多方面起到提升效果。因此，文獻[20提出了虛擬電廠的技術(shù)貢獻指標(biāo)，包括峰谷差DPVD、新能源消納率NEUR等。

1）峰谷差。

式中：Pt為t時刻虛擬電廠出力；Pw,t、Ppv,t、Psh,t分別為t時刻風(fēng)電、光伏、水電出力；Pes,t為儲能充放電量；max(Pt)、min(Pt)分別為負荷峰時和谷時虛擬電廠出力。

2）新能源消納率。

式中：分子為新能源消納值；分母為所有機組實際出力總和。

2 可再生能源消納能力量化分析技術(shù)

定量分析電力系統(tǒng)對新能源的消納能力具有重要意義。同時，定量化消納能力也是新能源規(guī)劃設(shè)計、運行管控以及新能源消納能力提升研究的基礎(chǔ)。目前，新能源消納能力量化分析方法主要有3種思路：1）基于系統(tǒng)調(diào)峰能力；2）基于系統(tǒng)靜態(tài)安全約束條件；3）基于協(xié)調(diào)運行理念。然而，由于新能源不能被完全消納的主要原因在于新能源出力高峰時，常規(guī)機組不能降低足夠的出力以接納新能源。因此，系統(tǒng)的調(diào)峰能力是新能源消納的重要制約因素。

本文結(jié)合某城市機組特性、機組開機方式、風(fēng)力發(fā)電出力特性、光伏發(fā)電出力特性以及用電負荷特性，基于電網(wǎng)的調(diào)峰能力開展全年8 760 h調(diào)峰裕度計算，得出不同棄風(fēng)、棄光條件下新能源的接納能力。

2.1 量化分析原則

采用以下量化分析原則：

1）小水電、綜合利用發(fā)電項目不參加平衡。

2）對于非供熱煤電機組，其最小技術(shù)出力系數(shù)考慮為：600 MW及以上機組0.5，300～600 MW機組0.6，200～300 MW機組0.7，100～200 MW機組0.8，不足100 MW機組及自備電廠容量不參與調(diào)峰。

3）對于供熱煤電機組，其供熱期出力系數(shù)考慮為：①冬大方式下，供熱煤電機組最大出力按機組容量的85%考慮，最小出力按60%考慮，供熱氣電機組最大出力按機組容量的80%考慮，最小出力按55%考慮；②冬小方式下，為保證更多機組開機供熱能力，供熱煤電機組最大出力按機組容量的70%考慮，最小出力按60%考慮，供熱氣電機組最大出力按機組容量的70%考慮，最小出力按55%考慮。

4）供熱機組非供熱期最小出力為50%。

5）區(qū)外受電調(diào)峰能力考慮50%。

6）風(fēng)電最大出力是裝機容量的80%。

7）光伏最大出力是光伏裝機容量的50%。

8）常規(guī)機組的最小出力如表1所示。

表1 常規(guī)機組最小出力Tab. 1 Minimum output during heating period of conventional unit MW

2.2 新能源消納量化分析方法

根據(jù)全年負荷曲線、全年風(fēng)力發(fā)電出力曲線、全年光伏發(fā)電出力曲線，結(jié)合電源最小出力，提出基于調(diào)峰裕度的新能源消納量化分析方法。根據(jù)全年8 760 h負荷的調(diào)峰裕度進行計算，從而量化風(fēng)力發(fā)電和光伏發(fā)電的消納空間和棄風(fēng)棄光情況。

首先，將全年負荷曲線(見圖1)與全年8 760 h風(fēng)電出力曲線和光伏出力曲線進行疊加，如式(3)所示，從而得到系統(tǒng)的凈負荷曲線，如圖2所示。

圖1 全年負荷和最小出力曲線Fig. 1 Annual load and minimum output curve

圖2 全年凈負荷曲線Fig. 2 Annual net load curve

式中：Pwind,net(t)、Ppv,net(t)和Ppv+wind,net(t)分別為t時刻風(fēng)力發(fā)電、光伏發(fā)電以及風(fēng)力和光伏發(fā)電同時存在時的凈負荷；Pwind(t)和Ppv(t)分別為t時刻風(fēng)力發(fā)電和光伏發(fā)電的出力；PL(t)為t時刻負荷。

其次，增加風(fēng)力發(fā)電與光伏發(fā)電的出力，得到不同棄風(fēng)率、棄光率以及棄能率下的凈負荷。最后，凈負荷曲線與機組最小技術(shù)出力之差即為電網(wǎng)常規(guī)能源的調(diào)峰裕度，如式(4)所示。

式中：Pwind,margin(t)、Ppv,margin(t)和Ppv+wind,margin(t)分別為風(fēng)力、光伏以及風(fēng)力和光伏發(fā)電同時存在時的發(fā)電調(diào)峰裕度。

再次，對得到的8 760 h的調(diào)峰裕度曲線進行降序排列，如圖3所示，分別得到考慮風(fēng)電、光伏以及風(fēng)電和光伏同時存在時的調(diào)峰裕度持續(xù)時間曲線，其中位于橫坐標(biāo)下方部分的面積即為電網(wǎng)風(fēng)電棄風(fēng)量、光伏棄光量以及新能源棄能量。

圖3 全年調(diào)峰裕度持續(xù)時間曲線Fig. 3 Duration curve of peak shaving margin

最后，對于風(fēng)力發(fā)電和光伏發(fā)電，從2方面對消納能力進行量化，一是棄風(fēng)率、棄光率和棄能率按舍棄時間占比考慮，如式(5)所示；二是棄風(fēng)率、棄光率和棄能率按發(fā)電量占比考慮，如式(6)所示。進一步，通過棄風(fēng)率和棄光率的變化可以量化不同措施對新能源消納的提升效果。

式中：Tpv,curt、Twind,cur和Tpv+wind,curt分別為按時間占比考慮的棄光率、棄風(fēng)率和棄能率；Gpv,curt、Gwind,curt和Gpv+wind,curt分別為按發(fā)電量占比考慮的棄光率、棄風(fēng)率和棄能率；tpv、twind和tpv+wind分別為棄光時間、棄風(fēng)時間和棄能時間，對應(yīng)調(diào)峰裕度曲線中小于零部分的時間；Spv.pos、Swind.pos和Spv+wind.pos分別為光伏、風(fēng)力以及光伏和風(fēng)力發(fā)電同時存在時對應(yīng)的調(diào)峰裕度曲線中大于零部分的面積；Spv.neg、Swind.neg和Spv+wind.neg分別表示光伏、風(fēng)力以及光伏和風(fēng)力發(fā)電同時存在時對應(yīng)的調(diào)峰裕度曲線中小于零部分的面積。

2.3 新能源消納提升方法

虛擬電廠將各種分布式能源進行整合，其中分布式電源的形式眾多，本文主要對電動汽車和柔性負荷對可再生能源消納的提升進行分析。

電動汽車的充放電特征能夠有效提高新能源消納能力。電動汽車常見的行為模式是晚上充電、白天出行，這就能夠有效消納夜間產(chǎn)生的電能，從而減少新能源發(fā)電舍棄量。

柔性負荷是指可通過主動參與電網(wǎng)運行控制，能夠與電網(wǎng)進行能量互動，具有柔性特征的負荷。這里將電網(wǎng)中的部分負荷替換為柔性負荷，其工作方式設(shè)定為在白天的11:00—15:00及晚上的00:00—04:00進行工作，而晚上的高峰時間停止工作，從而達到削峰填谷的作用。

量化的基本流程如圖4所示。

圖4 計算流程圖Fig. 4 Calculation flowchart

3 算例分析

算例部分選取某城市實際電網(wǎng)，其負荷曲線、機組最小出力和風(fēng)電光伏發(fā)電曲線見第2節(jié)，相關(guān)數(shù)據(jù)均為實際運行數(shù)據(jù)。先從舍棄時間和舍棄能量2方面對某城市可再生能源消納能力進行量化分析。然后，利用電動汽車和柔性負荷2種手段對城市可再生能源消納能力進行提升。

3.1 基于調(diào)峰裕度的量化分析結(jié)果

3.1.1 棄風(fēng)分析

1）按時間分析棄風(fēng)情況。

對于棄風(fēng)率，按照負調(diào)峰裕度的持續(xù)時間占全年8 760 h的百分比考慮。在風(fēng)電出力曲線的基礎(chǔ)上，增加風(fēng)電裝機容量，得到不同風(fēng)電裝機容量下的調(diào)峰裕度持續(xù)曲線，然后得到不同風(fēng)電裝機容量下的棄風(fēng)率，如圖5所示。

圖5 風(fēng)機裝機容量-棄風(fēng)率曲線Fig. 5 Wind power capacity-abandonment rate curve

根據(jù)現(xiàn)有風(fēng)電出力曲線，計算不同風(fēng)電裝機容量下的風(fēng)電全年發(fā)電量、風(fēng)電全年消納量以及棄風(fēng)率，如表2所示?？梢钥闯?，隨著風(fēng)電裝機容量的增加，全年風(fēng)電棄風(fēng)率隨之增加。從保證率角度考慮，按全年97%保證空間(即棄風(fēng)率控制在3%)，電網(wǎng)最低裕度空間約為2 965 MW。

2）按發(fā)電量分析棄風(fēng)情況。

棄風(fēng)率按照棄風(fēng)部分占全年風(fēng)電總發(fā)電量的百分比考慮。首先，計算調(diào)峰裕度持續(xù)時間曲線中x軸下方與x軸圍成的面積，并與全年風(fēng)機總發(fā)電量相比，得到不同風(fēng)電裝機容量下的棄風(fēng)率，如圖5所示。然后，根據(jù)按棄風(fēng)發(fā)電量占比考慮的棄風(fēng)率，計算不同風(fēng)電裝機容量下的風(fēng)電全年棄風(fēng)量和消納量，如表2所示。

表2 風(fēng)電消納情況Tab. 2 Wind power accommodation

從圖5和表2可以看出，隨著裝機容量增加，全年風(fēng)電消納總量增加，棄風(fēng)率也隨之上升。此外，與按棄風(fēng)時間全年占比考慮的棄風(fēng)率曲線相比，按發(fā)電量占比考慮的棄風(fēng)率隨風(fēng)機裝機容量變化較為平緩，即在發(fā)生棄風(fēng)時的棄風(fēng)量較小。因此，在全年97%保證空間(即棄風(fēng)率保證3%)下，電網(wǎng)最低裕度空間提升為3 145 MW。

3.1.2 棄光分析

1）按時間分析棄光情況。

對于棄光率，按照負調(diào)峰裕度的持續(xù)時間占全年8 760 h的百分比考慮。在光伏出力曲線的基礎(chǔ)上，增加光伏裝機容量，得到不同裝機容量下的調(diào)峰裕度持續(xù)曲線，然后得到不同光伏裝機容量下的棄光率，如圖6所示。根據(jù)現(xiàn)有光伏出力曲線，計算不同光伏裝機容量下的光伏全年發(fā)電量、消納量以及棄光率，如表3所示。

圖6 光伏裝機容量-棄光率曲線Fig. 6 Photovoltaic power capacityabandonment rate curve

表3 光伏消納情況Tab. 3 Photovoltaic power accommodation

從圖6和表3中可以看出，隨著裝機容量增加，全年光伏棄光率隨之增加。棄光率控制在3%，電網(wǎng)最低裕度空間約為3 013 MW。相較于風(fēng)電，由于光伏出力與光照條件直接相關(guān)，白天光伏有出力，晚上光伏無出力，有一定規(guī)律性和周期性，由此造成光伏棄光率較低。

2）按發(fā)電量分析棄光情況。

棄光率按照光伏棄光量占全年光伏總發(fā)電量的百分比考慮，如圖6所示。根據(jù)按發(fā)電量占比考慮的棄光率，計算不同光伏裝機容量下的全年消納量，如表3所示。

從圖6和表3中可以看出，隨著裝機容量增加，全年光伏消納總量增加，然而，棄光率也隨之上升。從圖6中還可以看出，與按棄光時間全年占比考慮的棄光率曲線相比，按發(fā)電量占比考慮的棄光率在裝機容量為1 500 MW之前，兩者趨勢和數(shù)值幾乎一樣。但是，隨著裝機容量繼續(xù)上升，后者上升趨勢放緩，前者上升趨勢增加。因此，在按發(fā)電量占比考慮的棄光率保證3%下，電網(wǎng)最低裕度空間提升為3 307 MW。

3.1.3 棄能分析

表4和圖7展示了風(fēng)力發(fā)電和光伏發(fā)電的裝機容量和2種棄能率?？梢钥闯?，隨著總裝機容量增加，全年新能源舍棄率隨之上升，與按舍棄時間全年占比考慮的棄能率曲線相比，按發(fā)電量占比考慮的棄能率曲線的斜率較小，并且斜率的差距越來越大。因此，在按舍棄時間占比考慮的棄能率保證3%下，電網(wǎng)最低裕度空間為4 204 MW；在按發(fā)電量占比考慮的棄能率保證3%下，電網(wǎng)最低裕度空間為5 044 MW。

3.2 基于虛擬電廠的新能源消納提升結(jié)果分析

舍棄率按發(fā)電量占比考慮，風(fēng)力發(fā)電的裝機容量為625 MW，光伏發(fā)電的裝機容量為1 875 MW，電動汽車充電時間設(shè)為晚上20:00—次日07:00，電動汽車充電功率為10 kW，數(shù)量分別為5 000、10 000、15 000輛，結(jié)果如表5所示。

相對于沒有電動汽車的情況時，風(fēng)力發(fā)電的棄風(fēng)量有所下降，為全年風(fēng)力發(fā)電總發(fā)電量的0.17%。但是，由于電動汽車的充電時間在晚上，光伏發(fā)電無法工作，所以對于光伏發(fā)電的消納能力基本為0。相對于5 000輛電動汽車參與消納的情況，10 000輛電動汽車參與消納的情況下新能源消納能力更高，風(fēng)電的棄風(fēng)量也更小，僅為全年發(fā)電量的0.12%。相對于10 000輛電動汽車參與消納的情況，15 000輛電動汽車參與消納的情況下新能源消納能力更高，風(fēng)電的棄風(fēng)量也更小，僅為全年發(fā)電量的0.10%。

分別分析50、100、150 MW的柔性負荷對新能源消納提升效果，其風(fēng)電和光伏發(fā)電消納情況如表6所示。

相對于沒有采取措施的情況，風(fēng)力發(fā)電和光伏發(fā)電的新能源舍棄量都有所下降，棄風(fēng)率下降為0.20%，棄光率下降到0.12%。與同容量的電動汽車相比，柔性負荷在風(fēng)力消納能力上有所下降。但是由于工作時間的區(qū)別，柔性負荷在光伏的消納能力提升上則有很大的作用。與于50 MW相比，100 MW柔性負荷參與消納的情況下新能源消納能力更高，棄風(fēng)棄光量也更小，分別為全年發(fā)電量的0.20%和0.11%。150 MW柔性負荷參與消納的情況下對風(fēng)電的消納能力提升幅度較小，但對光伏發(fā)電的消納能力提升能力較強，棄風(fēng)棄光量分別為全年發(fā)電量的0.20%和0.10%。

4 結(jié)論

針對某城市新能源消納能力量化分析方法以及提升措施展開了研究，結(jié)論如下：

1）提出了基于全年8 760 h調(diào)峰裕度的新能源消納能力量化分析方法，可分別從舍棄時間和舍棄電量2個方面量化分析新能源消納能力。利用該方法對某城市新能源消納能力進行了分析，結(jié)果顯示當(dāng)風(fēng)電、光伏裝機容量達到3 000 MW左右時，棄風(fēng)率和棄光率可達到3%。

2）分析了某城市新能源消納能力提升措施及其提升效果，包括電動汽車參與調(diào)峰、柔性負荷參與調(diào)峰2種方法。分析結(jié)果顯示2種方法均可以有效提升某城市新能源消納能力。