西北電網(wǎng)風(fēng)光波動量最小最佳配比研究

摘 要：提出衡量風(fēng)光聯(lián)合發(fā)電系統(tǒng)波動量的指標(biāo)體系，基于距平類建立小時、日和月波動系數(shù)，并對西北地區(qū)風(fēng)光資源特性進(jìn)行分析?；谫Y源互補(bǔ)以及考慮負(fù)荷的影響建立風(fēng)光波動最小配比數(shù)學(xué)模型。最后，對2030年西北電網(wǎng)的風(fēng)光波動最小配比開展計算。所做的研究可為西北地區(qū)新能源的發(fā)展和政策制定提供一定的參考意義。

關(guān)鍵詞：風(fēng)電；太陽能；優(yōu)化設(shè)計；互補(bǔ)性；波動量；西北電網(wǎng)

中圖分類號：TM715" " " " " " " " " " " " " " " " 文獻(xiàn)標(biāo)志碼：A

0 引 言

隨著近年來的發(fā)展，中國相繼出臺新能源發(fā)電的扶持政策，加大新能源發(fā)展的支持力度，全面推進(jìn)能源轉(zhuǎn)型和綠色低碳領(lǐng)域的發(fā)展［1-5］。西北地區(qū)風(fēng)能、太陽能資源豐富，適宜大規(guī)模發(fā)展風(fēng)力發(fā)電、太陽能發(fā)電，是中國新能源的大型送端基地［6-7］。風(fēng)能和太陽能在時間和地域上天然具有很強(qiáng)的互補(bǔ)性，與單一場站風(fēng)力發(fā)電及光伏發(fā)電相比，區(qū)域化發(fā)展風(fēng)光互補(bǔ)發(fā)電系統(tǒng)能使功率輸出較平穩(wěn)，增加電網(wǎng)對間歇性可再生能源的吸收接納程度［8-10］。但是由于風(fēng)電、太陽能光伏發(fā)電出力取決于外部風(fēng)、光等不可控因素，出力具有較大的隨機(jī)性和波動性，導(dǎo)致電力系統(tǒng)中的凈負(fù)荷變化速率增大，峰谷差變大，需求曲線變得更加陡峭和不規(guī)則［11-13］。這些特點對電力系統(tǒng)的運行安全和經(jīng)濟(jì)效益造成了挑戰(zhàn)。如何準(zhǔn)確評價和有效平抑風(fēng)光出力波動性，提高風(fēng)光發(fā)電的消納能力和互補(bǔ)性，是當(dāng)前風(fēng)光聯(lián)合發(fā)電系統(tǒng)研究的重要課題［14-15］。

以優(yōu)化風(fēng)電、光伏的配比規(guī)模達(dá)到降低聯(lián)合發(fā)電系統(tǒng)波動性是電源規(guī)劃頂層設(shè)計的體現(xiàn)。趙振宇等［16］基于源-荷匹配思想，建立風(fēng)光聯(lián)合出力的負(fù)荷匹配度指標(biāo)，但未考慮風(fēng)光資源自身的互補(bǔ)性；Monforti等［17］借助蒙特卡洛方法，將風(fēng)光資源數(shù)據(jù)轉(zhuǎn)化為出力數(shù)據(jù)，并依據(jù)相關(guān)系數(shù)計算意大利不同地區(qū)風(fēng)電與光伏出力的互補(bǔ)性；齊志遠(yuǎn)等［18］則運用Kendall秩相關(guān)系數(shù)來探究風(fēng)光資源的互補(bǔ)性；張恒旭等［19］在Pearson線性相關(guān)系數(shù)的基礎(chǔ)上，提出了風(fēng)能與太陽能資源的協(xié)同系數(shù)，用于分析其互補(bǔ)特性。然而，在計算相關(guān)系數(shù)時，風(fēng)光出力序列內(nèi)部的時間連續(xù)性被打亂，這在某些情況下使其難以準(zhǔn)確反映風(fēng)光出力的互補(bǔ)特性。因此，部分學(xué)者從風(fēng)光出力的波動性角度出發(fā)，通過衡量風(fēng)光聯(lián)合出力的波動性來表征其互補(bǔ)性。胡林獻(xiàn)等［20］依據(jù)當(dāng)?shù)仫L(fēng)光資源，采用圖形觀察法近似求出風(fēng)光互補(bǔ)性最強(qiáng)時的容量比；姚天亮等［21］則采用圖形分析法對場區(qū)風(fēng)功率密度與太陽輻射量的互補(bǔ)性進(jìn)行研究。

但以上這些研究均未實現(xiàn)對風(fēng)光出力互補(bǔ)性的量化分析。Jerez等［22］將風(fēng)光出力時間序列的標(biāo)準(zhǔn)差作為衡量其互補(bǔ)性的標(biāo)準(zhǔn)，進(jìn)而對風(fēng)電場以及光伏電站的空間分布進(jìn)行優(yōu)化；葉林等［23］將不同發(fā)電類型疊加后總出力的變化量作為衡量多種能源發(fā)電系統(tǒng)互補(bǔ)性的評價指標(biāo)。不過，以上評價風(fēng)光出力互補(bǔ)性的指標(biāo)都只是波動性的另一種表達(dá)形式，即認(rèn)為風(fēng)光聯(lián)合出力的波動性最弱時，其互補(bǔ)性最強(qiáng)，卻忽略了風(fēng)電出力與光伏出力自身的波動性，導(dǎo)致在風(fēng)光出力自身波動性差異較大時無法準(zhǔn)確反映其互補(bǔ)特性。對于互補(bǔ)性評價指標(biāo)來說，應(yīng)既能應(yīng)用于風(fēng)光聯(lián)合發(fā)電系統(tǒng)規(guī)劃階段風(fēng)電與光伏裝機(jī)容量比例的確定，又能應(yīng)用于系統(tǒng)實際運行階段風(fēng)電與光伏出力的實時調(diào)整，但現(xiàn)有評價互補(bǔ)性的指標(biāo)都無法同時滿足以上要求。

但以上研究均未實現(xiàn)對風(fēng)光出力互補(bǔ)性的量化分析。Jerez等［22］將風(fēng)光出力時間序列的標(biāo)準(zhǔn)差作為衡量其互補(bǔ)性的標(biāo)準(zhǔn)，進(jìn)而對風(fēng)電場以及光伏電站的空間分布進(jìn)行優(yōu)化。葉林等［23］將不同發(fā)電類型疊加后總出力的變化量作為衡量多種能源發(fā)電系統(tǒng)互補(bǔ)性的評價指標(biāo)。但以上評價風(fēng)光出力互補(bǔ)性的指標(biāo)均僅為波動性的另一種表達(dá)形式，即認(rèn)為當(dāng)風(fēng)光聯(lián)合出力的波動性最弱時，風(fēng)光出力的互補(bǔ)性最強(qiáng)，忽略風(fēng)電出力與光伏出力自身的波動性，導(dǎo)致在風(fēng)光出力自身波動性差異較大的情況下無法準(zhǔn)確反映其互補(bǔ)特性。對于互補(bǔ)性評價指標(biāo)而言，應(yīng)既能應(yīng)用于風(fēng)光聯(lián)合發(fā)電系統(tǒng)規(guī)劃階段風(fēng)電與光伏裝機(jī)容量比例的決策中，又能應(yīng)用于系統(tǒng)實際運行階段風(fēng)電與光伏出力的實時調(diào)整中，然而現(xiàn)有用于評價互補(bǔ)性的指標(biāo)均無法同時實現(xiàn)。

鑒于此，本文提出風(fēng)電、光伏波動性衡量方法，建立評價波動性的指標(biāo)體系以及基于資源互補(bǔ)的風(fēng)光波動最小配比數(shù)學(xué)模型，以小時、日、月波動系數(shù)加權(quán)和最小為目標(biāo)，優(yōu)化風(fēng)光配比使波動量最小。此外，在實際系統(tǒng)中并不追求風(fēng)光出力完全沒有波動性，而是希望其能夠追蹤負(fù)荷的波動。因此，考慮風(fēng)電、光伏滿足負(fù)荷需要時，以負(fù)荷減新能源出力的凈負(fù)荷曲線波動系數(shù)最小為目標(biāo)函數(shù)，求解風(fēng)光波動最小的配比模型。

1 風(fēng)光波動指標(biāo)體系

1.1 波動指標(biāo)體系的建立

本文采用基于長序列歷史理論出力數(shù)據(jù)的風(fēng)光出力波動性互補(bǔ)性評價方法，在計算時保持了風(fēng)光出力序列的時間連續(xù)性，可準(zhǔn)確表征風(fēng)光出力真實的互補(bǔ)特性，能夠同時應(yīng)用于含風(fēng)光聯(lián)合發(fā)電系統(tǒng)的規(guī)劃與運行階段?；诰嗥筋?，從年、月、日多時間尺度建立風(fēng)光的波動指標(biāo)體系，根據(jù)觀察時間的尺度可分為小時波動、日波動和月波動。

小時波動系數(shù)[γt]為新能源逐小時出力的距平絕對值之和與總新能源發(fā)電量的比值，如式（1）所示。

[γt=t=1TPRt-PdRdt=1TPRt] （1）

式中：T——小時波動系數(shù)的計算時間長度，h；[PRt]——[t]小時的新能源發(fā)電功率，kW；[PdRd]——[t]小時所在天的新能源平均發(fā)電功率，kW。

典型風(fēng)電、光伏小時尺度距平波動如圖1所示。從結(jié)果可看出，風(fēng)電小時尺度波動性小于光伏的波動性。

日波動系數(shù)[γd]為新能源逐日電量的距平絕對值之和與總新能源發(fā)電量的比值，如式（2）所示。

[γd=d=1DPdRd-PmRmd=1DPdRd] （2）

式中：D——日波動系數(shù)的計算時間長度，d；[PdRd]——[d]天新能源的發(fā)電量，kWh；[PmRm]——[d]天所在月的新能源平均日發(fā)電量，kWh；m——d天所在的月份。

典型風(fēng)電、光伏日尺度距平波動如圖2所示。從結(jié)果可看出，風(fēng)電日尺度波動性大于光伏的波動性。

月波動系數(shù)[γm]為新能源逐月電量的距平絕對值之和與總新能源發(fā)電量的比值，如式（3）所示。

[γm=m=1MPmRm-PRym=1MPmRm] （3）

式中：M——月波動系數(shù)的計算時間長度，m；[PmRm]——[m]月新能源的發(fā)電量，kWh；[PRy]——[m]月所在年的新能源平均月發(fā)電量，kWh。

典型風(fēng)電、光伏月尺度距平波動如圖3所示。從結(jié)果可以看出，風(fēng)電、光伏月尺度波動系數(shù)相差不大。

1.2 西北地區(qū)風(fēng)光資源波動特性分析

基于1.1節(jié)所建立的風(fēng)光波動指標(biāo)體系，對西北5省風(fēng)電、光伏資源的出力特性進(jìn)行分析，得到對應(yīng)的波動指標(biāo)。以2021年為例，西北5省風(fēng)電、光伏距平波動分析結(jié)果見圖4。

可看出，風(fēng)電的小時尺度波動比光伏小，但光伏日尺度波動小于風(fēng)電，在年尺度上光伏及風(fēng)電波動相當(dāng)；且隨著范圍從分省到西北，風(fēng)光波動減小，各省之間互濟(jì)作用明顯。

2 風(fēng)光波動最小配比數(shù)學(xué)模型的建立

2.1 基于資源互補(bǔ)的風(fēng)光波動最小配比數(shù)學(xué)模型

本文以風(fēng)電、光伏聯(lián)合出力波動系數(shù)最小為目標(biāo)建立數(shù)學(xué)優(yōu)化模型。主要思路為分別計算不同配比下的波動性指標(biāo)，采用不同權(quán)重對多時間尺度指標(biāo)加和，以總波動系數(shù)最小為目標(biāo)函數(shù)?；诰嗥筋愔笜?biāo)的數(shù)學(xué)模型如下：

1）依據(jù)風(fēng)光資源出力特性，[t]時刻的逐時風(fēng)電出力標(biāo)幺值大小為[ξwt]，[t]時刻的逐時光伏出力標(biāo)幺值大小為[ξpt]。

2）在給定新能源發(fā)電量要求[ER]的前提下，以新能源發(fā)電功率波動[γ]最小為目標(biāo)，建立數(shù)學(xué)模型。最小化新能源發(fā)電功率波動的風(fēng)光最佳配比模型如式（4）所示。

[γ=minkt×γt+kd×γd+km×γm] （4）

式中：kt——新能源發(fā)電功率在小時尺度下波動性所占的權(quán)重；kd——新能源發(fā)電功率在日尺度下波動性所占的權(quán)重；km——新能源發(fā)電功率在月尺度下波動性所占的權(quán)重。

3）建立的數(shù)學(xué)模型，考慮的約束如下。

令風(fēng)電裝機(jī)容量為[w]，光伏裝機(jī)容量為[p]，[w]和[p]的取值滿足以下要求：

[w≥0] （5）

[p≥0] （6）

第[t]時段新能源發(fā)電功率可用式（7）表示。

[PRt=wξwt+pξpt] （7）

新能源總電量應(yīng)大于等于新能源要求發(fā)電量[ER]，可用式（8）表示。

[t=1TPRt≥ER] （8）

4）根據(jù)計算需要指定波動性權(quán)重，帶入建立的最優(yōu)風(fēng)光規(guī)模模型計算求解，得到新能源發(fā)電功率波動最小的風(fēng)光規(guī)模。

2.2 基于匹配負(fù)荷的風(fēng)光波動最小配比研究

電網(wǎng)運行最主要的目的是保持負(fù)荷與電源出力的平衡，與間歇性電源出力類似，電網(wǎng)運行中電力負(fù)荷的變化也有一定的隨機(jī)性和波動性。對電網(wǎng)運行而言，如果間歇性電源自身出力特性與電力負(fù)荷特性較為匹配，即電力負(fù)荷較大的時刻，新能源出力較大，用電量較大的月份，間歇性電源發(fā)電量較大，則間歇性電源接入電網(wǎng)不會增加電網(wǎng)的調(diào)峰壓力。反之，如果間歇性電源的出力特性與負(fù)荷特性不匹配，則間歇性電源的大規(guī)模接入將對電網(wǎng)的電源裝機(jī)容量、調(diào)峰容量等提出較高的要求，因此研究間歇性電源面向電網(wǎng)運行的出力特性主要是研究間歇性電源與電力負(fù)荷的匹配性。

2.2.1 西北電網(wǎng)負(fù)荷特性分析

首先分析2011—2021年西北電網(wǎng)的年負(fù)荷特性，如圖5所示。西北電網(wǎng)呈現(xiàn)冬季和夏季雙高峰的特點，季不均衡系數(shù)在2020年前呈現(xiàn)波動式下降趨勢，隨著“十四五”開局之年改革開放向縱深推進(jìn)，第二產(chǎn)業(yè)尤其是工業(yè)用電負(fù)荷的恢復(fù)性增長，2021年季不均衡系數(shù)有所回升；2019年之前，年最大峰谷差和峰谷差率總體呈現(xiàn)波動式上升的趨勢，年最大負(fù)荷利用小時數(shù)基本維持在7100～7500 h之間，2020年由于全年受疫情影響，電量增速低，12月份受寒潮影響，最大負(fù)荷增速高，最大負(fù)荷利用小時下降，2021年受經(jīng)濟(jì)復(fù)蘇拉動，電量增速高，受暖冬影響，最大負(fù)荷增速水平低，最大負(fù)荷利用小時數(shù)上升。

2011—2021年西北電網(wǎng)夏季典型日負(fù)荷特性曲線如圖6所示，冬季典型日負(fù)荷特性曲線如圖7所示。

2015年以前，西北電網(wǎng)日負(fù)荷特性指標(biāo)逐漸升高，2015年及以后，西北電網(wǎng)日負(fù)荷特性變化趨于穩(wěn)定，這主要是因為西北地區(qū)以工業(yè)負(fù)荷為主，2015年以前，高耗能產(chǎn)業(yè)不斷發(fā)展，產(chǎn)量快速提高，推動西北電網(wǎng)負(fù)荷特性不斷提升，2015年以后隨著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整需求、環(huán)保政策的影響等，西北高耗能產(chǎn)業(yè)產(chǎn)量趨于穩(wěn)定，日負(fù)荷特性變化不大。

全網(wǎng)來看，西北電網(wǎng)夏季日負(fù)荷特性有所轉(zhuǎn)移，主要表現(xiàn)為夏季晚高峰出現(xiàn)時間由晚20：00左右前移至18：00左右；冬季日負(fù)荷特性未發(fā)生改變，最大負(fù)荷仍出現(xiàn)在18：00—19：00點之間。

此外，對2017—2021年西北電網(wǎng)的電量進(jìn)行分析，結(jié)果如圖8、圖9所示。由圖8可知，西北電網(wǎng)呈現(xiàn)冬季和夏季雙高峰的特點，季節(jié)性明顯。

由圖9可知，西北電網(wǎng)日電量波動性不大（2020年為疫情影響）。綜合上述分析，西北電網(wǎng)負(fù)荷電量的年際差異不大，負(fù)荷的波動性整體小于新能源。

2.2.2 考慮負(fù)荷影響的風(fēng)光波動最小配比數(shù)學(xué)模型

本小節(jié)建立考慮負(fù)荷影響后，以凈負(fù)荷波動系數(shù)[γn]最小為目標(biāo)函數(shù)，求解風(fēng)光波動最小的配比模型。以凈負(fù)荷（即負(fù)荷-新能源出力）為輸入，測算相關(guān)系數(shù)?？紤]負(fù)荷影響的風(fēng)光最佳配比數(shù)學(xué)模型如式（9）所示。

[γn=minknt×γnt+knd×γnd+knm×γnm] （9）

式中：[knt]——小時尺度凈負(fù)荷波動系數(shù)所占權(quán)重；[γnt]——小時尺度凈負(fù)荷波動系數(shù)；[knd]——日尺度凈負(fù)荷波動系數(shù)所占權(quán)重；[γnd]——日尺度凈負(fù)荷波動系數(shù)；[knm]——月尺度凈負(fù)荷波動系數(shù)所占權(quán)重；[γnm]——月尺度凈負(fù)荷波動系數(shù)。

3 算例分析

3.1 基于資源互補(bǔ)的風(fēng)光波動最小配比研究

3.1.1 基于資源互補(bǔ)的風(fēng)光波動最小配比計算

2030年西北內(nèi)用新能源規(guī)模與年發(fā)電量見表1（其中：發(fā)電量考慮5%棄電率）。由表1可知，到2030年，西北內(nèi)用新能源規(guī)模達(dá)4.4 億kW。

對于規(guī)劃水平年的新能源出力特性數(shù)據(jù)，應(yīng)基于多年歷史數(shù)據(jù)分析，為考慮省區(qū)間互濟(jì)，宜在同一歷史年的出力數(shù)據(jù)基礎(chǔ)上修正。規(guī)劃水平年的新能源8760 h出力序列[WPlant]可用式（10）計算。

[WPlant=Estock×Woldt+Eincre×Woldt×λEtotal] （10）

式中：[Estock]——存量機(jī)組裝機(jī)，kW；[Woldt]——歷史年的新能源8760h出力序列，pu；[Eincre]——增量機(jī)組裝機(jī)，kW；[Etotal]——機(jī)組總裝機(jī)，kW；[λ]——修正系數(shù)，反映新能源技術(shù)進(jìn)步帶來的出力變化情況，風(fēng)電考慮5 MW、8 MW等大容量風(fēng)機(jī)影響，光伏考慮容配比等。

本文基于2030年研究邊界，以不改變各省新能源電量為約束條件，權(quán)重系數(shù)[kt]∶[kd]∶[km]=1∶1∶1，使用優(yōu)化算法，通過采用Python聯(lián)合調(diào)用Cplex求解2.1節(jié)所建立的基于資源互補(bǔ)的風(fēng)光波動最小配比數(shù)學(xué)模型，計算得到西北電網(wǎng)風(fēng)光波動量的最小配比結(jié)果為6.44，求解過程如圖10所示。計算得到的西北電網(wǎng)風(fēng)光裝機(jī)規(guī)模結(jié)果如表2所示。

對優(yōu)化得到的風(fēng)光波動最小配比波動系數(shù)進(jìn)行計算，結(jié)果見表3、圖11～圖13。

由結(jié)果可知，在此配比下，日波動系數(shù)最大，接近總波動系數(shù)的一半，即新能源日間電量的波動是其波動性的主要來源。此外，使用前述優(yōu)化算法對西北各省的風(fēng)光裝機(jī)規(guī)模及配比結(jié)果進(jìn)行計算，結(jié)果如表4所示。由表4可看出，以西北各省電網(wǎng)為研究對象，風(fēng)光波動最小配比基本在2～3之間，新疆為4.32。對上述優(yōu)化得到的風(fēng)光波動最小配比的波動系數(shù)進(jìn)行計算，結(jié)果見表5。由結(jié)果可知，在波動最小的風(fēng)光配比下，除新疆外的各省小時波動系數(shù)最大，日波動系數(shù)略小，二者為波動性的主要來源；新疆則是日波動系數(shù)最大。

3.1.2 敏感性分析

在求解基于資源互補(bǔ)的風(fēng)光波動最小配比數(shù)學(xué)模型時，目標(biāo)函數(shù)中不同的權(quán)重系數(shù)對優(yōu)化結(jié)果有較大影響。以西北全網(wǎng)為例，對不同時間尺度的波動系數(shù)作為目標(biāo)函數(shù)時的計算結(jié)果進(jìn)行比較。分別以小時波動系數(shù)、日波動系數(shù)、月波動系數(shù)最小為目標(biāo)函數(shù)進(jìn)行優(yōu)化，結(jié)果見表6?？煽闯?，在以小時波動系數(shù)為目標(biāo)函數(shù)時，風(fēng)光波動最小配比中新能源裝機(jī)大部分為風(fēng)電；在以日波動系數(shù)為目標(biāo)函數(shù)時，風(fēng)光波動最小配比中風(fēng)電比例明顯下降，這主要是風(fēng)電日間波動大造成的；在以月波動系數(shù)為目標(biāo)函數(shù)時，風(fēng)光波動最小配比中光伏占比較大。3種不同目標(biāo)函數(shù)優(yōu)化結(jié)果差別較大，因此需要根據(jù)系統(tǒng)實際情況，選擇適合的目標(biāo)函數(shù)。

對上述結(jié)果的波動系數(shù)進(jìn)行計算，結(jié)果見表7。由結(jié)果可看出，權(quán)重系數(shù)均為1時，系統(tǒng)總波動系數(shù)最??；以小時、日、月波動系數(shù)為目標(biāo)函數(shù)時，計算結(jié)果中對應(yīng)的波動系數(shù)相應(yīng)最小。故應(yīng)結(jié)合系統(tǒng)實際調(diào)節(jié)資源的能力，選取合適的權(quán)重與目標(biāo)函數(shù)。

3.2 計及負(fù)荷的風(fēng)光波動最小配比研究

3.2.1 計及負(fù)荷的風(fēng)光波動最小配比計算

2030年西北電網(wǎng)分省最大負(fù)荷及全社會用電量預(yù)測見表8。至2030年，西北全社會用電量達(dá)到約1.50 萬億kWh，最大負(fù)荷為215450 MW。

考慮系統(tǒng)負(fù)荷和新能源電量約束，將上述邊界代入考慮負(fù)荷影響的風(fēng)光波動最小配比數(shù)學(xué)模型，測算得到西北電網(wǎng)風(fēng)光裝機(jī)規(guī)模結(jié)果如表9所示。

對考慮負(fù)荷影響后優(yōu)化得到的風(fēng)光波動最小配比波動系數(shù)進(jìn)行計算，結(jié)果見表10、圖14～圖16。由結(jié)果可知，在此配比下，小時和日波動系數(shù)較大，接近總波動系數(shù)的80%，即新能源日內(nèi)和日間電量的波動是其波動性的主要來源。

此外，考慮負(fù)荷影響后計算風(fēng)光波動最小配比，得到西北各省的風(fēng)光裝機(jī)規(guī)模及配比結(jié)果，如表11所示。

由表11可看出，以西北各省電網(wǎng)為研究對象，考慮負(fù)荷影響后風(fēng)光波動最小配比在1.5～4之間。對上述優(yōu)化得到的風(fēng)光波動最小配比的波動系數(shù)進(jìn)行計算，結(jié)果見表12。由結(jié)果可知，除新疆外的各省小時波動系數(shù)最大，日波動系數(shù)略?。恍陆畡t是日波動系數(shù)最大。

3.2.2 敏感性分析

本節(jié)分析了目標(biāo)函數(shù)中不同權(quán)重系數(shù)對計算結(jié)果的影響。在考慮負(fù)荷作用后，新能源電量占比對計算結(jié)果有較大的影響。本節(jié)首先設(shè)置權(quán)重系數(shù)kt∶kd∶km=1∶1∶1，對西北電網(wǎng)不同新能源電量占比下的最佳風(fēng)光配比進(jìn)行比較，得到的結(jié)果如表13所示。

由結(jié)果可知，在新能源電量占負(fù)荷電量比例較小時，風(fēng)光最佳配比為3～4。當(dāng)新能源電量占負(fù)荷電量比例較大時，風(fēng)光最佳配比為5～6。隨著新能源電量占比的提升，最佳配比中風(fēng)電占比隨之升高。此外，對不同電量占比下，考慮負(fù)荷影響波動最小的新能源配比進(jìn)行生產(chǎn)模擬分析，計算結(jié)果見表14。由結(jié)果可知，隨著新能源電量占比的增加，總棄電率上升但最大電力不足減少。

對上述不同電量占比下，考慮負(fù)荷影響的波動最小的新能源配比的波動系數(shù)進(jìn)一步分析，計算結(jié)果見表15。從結(jié)果可看出，隨著新能源電量占比的增加，各時間尺度的波動系數(shù)均不斷增加。新能源的加入，惡化了系統(tǒng)負(fù)荷的波動性，日波動為主導(dǎo)因素。

此外，分別以小時波動系數(shù)、日波動系數(shù)、月波動系數(shù)為目標(biāo)函數(shù)對西北全網(wǎng)進(jìn)行優(yōu)化，結(jié)果見表16。由結(jié)果可知，以小時波動最小為目標(biāo)函數(shù)時，最佳配比的風(fēng)電規(guī)模占比較大；以日波動最小為目標(biāo)函數(shù)時，最佳配比的光伏規(guī)模占比較大；以月波動最小的結(jié)果規(guī)律不明顯。

對上述方案的波動系數(shù)進(jìn)行分析，結(jié)果見表17～表19。由結(jié)果可以看出，以小時波動最小為目標(biāo)的波動系數(shù)和大體上優(yōu)于其他兩個，對西北全網(wǎng)而言，小時波動為主要優(yōu)化目標(biāo)。

4 結(jié) 論

如何準(zhǔn)確評價和有效平抑風(fēng)光出力波動性，提高風(fēng)光發(fā)電的消納能力和互補(bǔ)性，是當(dāng)前風(fēng)光聯(lián)合發(fā)電系統(tǒng)研究的重要課題。本文針對西北地區(qū)風(fēng)電、光伏波動特性及其合理配比進(jìn)行分析建模，并通過實際算例開展計算。首先，創(chuàng)新提出衡量風(fēng)光波動的指標(biāo)體系，基于距平類建立小時、日和月波動系數(shù)，對西北地區(qū)風(fēng)光資源特性進(jìn)行分析。其次，基于資源互補(bǔ)以及考慮負(fù)荷的影響建立風(fēng)光波動最小配比數(shù)學(xué)模型。最后，使用所建立的風(fēng)光波動最小配比數(shù)學(xué)模型對2030年西北電網(wǎng)的風(fēng)光波動最小配比開展計算。此外，實際電力系統(tǒng)中光伏和風(fēng)電出力分別具有日內(nèi)和日間波動大的特點，而現(xiàn)有儲能技術(shù)以日內(nèi)調(diào)節(jié)為主，與光伏出力特性較為匹配，因此當(dāng)系統(tǒng)中儲能占比較高時，提高光伏裝機(jī)比例對系統(tǒng)有利，未來可結(jié)合各類電源規(guī)劃情況進(jìn)一步研究論證風(fēng)光最佳配比。

［參考文獻(xiàn)］

［1］ PAN Y L， DONG F. Dynamic evolution and driving factors of new energy development： fresh evidence from China［J］. Technological forecasting and social change， 2022， 176： 121475.

［2］ WANG W， YU T， HUANG Y P， et al. The situation and suggestions of the new energy power system under the background of carbon reduction in China［J］. Energy reports， 2021， 7： 1477-1484.

［3］ 秦博宇， 周星月， 丁濤， 等. 全球碳市場發(fā)展現(xiàn)狀綜述及中國碳市場建設(shè)展望［J］. 電力系統(tǒng)自動化， 2022， 46（21）： 186-199.

QIN B Y， ZHOU X Y， DING T， et al. Review on development of global carbon market and prospect of China’s carbon market construction［J］. Automation of electric power systems， 2022， 46（21）： 186-199.

［4］ 秦博宇， 李恒毅， 張哲， 等. 地下空間支撐下的電力能源系統(tǒng)： 構(gòu)想、挑戰(zhàn)與展望［J］. 中國電機(jī)工程學(xué)報， 2022， 42（4）： 1321-1331.

QIN B Y， LI H Y， ZHANG Z， et al. Underground space supported electric energy systems： conceptions， challenges， and prospects ［J］. Proceedings of the CSEE， 2022， 42（4）： 1321-1331.

［5］ 秦博宇， 王宏振， 王召健， 等. 地下空間支撐下的城市軌道交通和能源系統(tǒng)融合發(fā)展研究［J］. 中國工程科學(xué)， 2023， 25（1）： 45-59.

QIN B Y， WANG H Z， WANG Z J， et al. Integrated development of urban rail transit and energy systems supported by underground space［J］. Strategic study of CAE， 2023， 25（1）： 45-59.

［6］ 胥冬洋. 考慮頻率穩(wěn)定的新能源電力系統(tǒng)分布式調(diào)相機(jī)選址定容策略研究［D］. 吉林： 東北電力大學(xué)， 2023.

XU D Y. Research on location and capacity determination strategy of distributed condenser of new energy power system considering frequency stability［D］. Jilin： Northeast Dianli University， 2023.

［7］ 崔楊，于世鵬，王學(xué)斌，等.考慮系統(tǒng)調(diào)峰需求與光熱電站收益平衡的儲熱容量優(yōu)化配置［J］. 中國電機(jī)工程學(xué)報，2023， 43（22）： 8745-8757.

CUI Y， YU S P， WANG X B， et al. Optimal configuration of heat storage capacity considering the balance between system peak shaving demand and concentrating solar power plant revenue［J］. Proceedings of the CSEE， 2023， 43（22）： 8745-8757.

［8］ 喬延輝， 韓爽， 許彥平， 等. 基于天氣分型的風(fēng)光出力互補(bǔ)性分析方法［J］. 電力系統(tǒng)自動化， 2021， 45（2）： 82-88.

QIAO Y H， HAN S， XU Y P， et al. Analysis method for complementarity between wind and photovoltaic power outputs based on weather classification［J］. Automation of electric power systems， 2021， 45（2）： 82-88.

［9］ 魏韡， 范越， 謝睿， 等. 平抑高比例新能源發(fā)電功率波動的風(fēng)-光-儲容量最優(yōu)配比［J］. 電力建設(shè)， 2023， 44（3）： 138-147.

WEI W， FAN Y， XIE R， et al. Optimal ratio of wind-solar-storage capacity for mitigating the power fluctuations in power system with high penetration of renewable energy power generation［J］. Electric power construction， 2023， 44（3）： 138-147.

［10］ 黃利祥， 張新燕， 梁帥， 等. 平抑風(fēng)光功率波動的混合儲能功率分配策略［J］. 科學(xué)技術(shù)與工程， 2023， 23（25）： 10825-10834.

HUANG L X， ZHANG X Y， LIANG S， et al. Hybrid energy storage power distribution strategy for smoothing wind-photovoltaic power fluctuation［J］. Science technology and engineering， 2023， 23（25）： 10825-10834.

［11］ 王磊， 王昭， 馮斌， 等. 基于雙層優(yōu)化模型的風(fēng)-光-儲互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置［J］. 太陽能學(xué)報， 2022， 43（5）： 98-104.

WANG L， WANG Z， FENG B， et al. Optimal configuration of wind-photovoltaic-ess complementary power generation system based on bi-level optimization model［J］. Acta energiae solaris sinica， 2022， 43（5）： 98-104.

［12］ 安源， 鄭申印， 蘇瑞， 等. 風(fēng)光水儲多能互補(bǔ)發(fā)電系統(tǒng)雙層優(yōu)化研究［J］. 太陽能學(xué)報， 2023， 44（12）： 510-517.

AN Y， ZHENG S Y， SU R， et al. Research on two-layer optimization of wind-solar-water-storage multi energy complementary power generation system［J］. Acta energiae solaris sinica， 2023， 44（12）： 510-517.

［13］ 吳瑾， 王智偉， 邢琳， 等. 基于隨機(jī)規(guī)劃的風(fēng)光互補(bǔ)系統(tǒng)容量配比方法［J］. 分布式能源， 2021， 6（2）： 40-46.

WU J， WANG Z W， XING L， et al. Capacity allocation method of wind-solar hybrid system based on stochastic programming theory［J］. Distributed energy， 2021， 6（2）： 40-46.

［14］ 孫沛， 范越， 孫驍強(qiáng)， 等. 電力系統(tǒng)新能源等效消納能力及其工程應(yīng)用［J］. 電工電能新技術(shù)， 2023， 42（8）： 79-86.

SUN P， FAN Y， SUN X Q， et al. Equivalent renewable energy accommodating capability and its engineering application［J］." " "Advanced" " "technology" " of" " "electrical engineering and energy， 2023， 42（8）： 79-86.

［15］ 邵成成， 馮陳佳， 傅旭， 等. 多能源電力系統(tǒng)生產(chǎn)模擬： 現(xiàn)狀與挑戰(zhàn)［J］. 中國電機(jī)工程學(xué)報， 2021， 41（6）： 2029-2040.

SHAO C C， FENG C J， FU X， et al. Multi energy power system production simulation： state of arts and challenges［J］. Proceedings of the CSEE， 2021， 41（6）： 2029-2040.

［16］ 趙振宇， 解冰清. 計及風(fēng)光互補(bǔ)特性的風(fēng)光容量優(yōu)化配置模型［J］. 太陽能學(xué)報， 2023， 44（8）： 149-156.

ZHAO Z Y， XIE B Q. Optimal allocation model of wind-solar capacity considering wind-solar complementary characteristics［J］. Acta energiae solaris sinica， 2023， 44（8）： 149-156.

［17］ MONFORTI F， HULD T， BóDIS K， et al. Assessing complementarity of wind and solar resources for energy production in Italy. A Monte Carlo approach［J］. Renewable energy， 2014， 63： 576-586.

［18］ 齊志遠(yuǎn)， 郭佳偉， 李曉煬. 基于聯(lián)合概率分布的風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置［J］. 太陽能學(xué)報， 2018， 39（1）： 203-209.

QI Z Y， GUO J W， LI X Y. Optimal configuration for wind power and solar power hybrid systems based on joint probability distribution of wind speed with solar irradiance［J］. Acta energiae solaris sinica， 2018， 39（1）： 203-209.

［19］ ZHANG H X， CAO Y J， ZHANG Y， et al. Quantitative synergy assessment of regional wind-solar energy resources based on MERRA reanalysis data［J］. Applied energy， 2018， 216： 172-182.

［20］ 胡林獻(xiàn)， 顧雅云， 姚友素. 并網(wǎng)型風(fēng)光互補(bǔ)系統(tǒng)容量優(yōu)化配置方法［J］. 電網(wǎng)與清潔能源， 2016， 32（3）： 120-126.

HU L X， GU Y Y， YAO Y S. Optimal capacity configuration method for grid-connected wind-solar complementary power system［J］. Power system and clean energy， 2016， 32（3）： 120-126.

［21］ 姚天亮， 吳興全， 李志偉， 等. 計及多約束條件的風(fēng)光互補(bǔ)容量配比研究［J］. 電力系統(tǒng)保護(hù)與控制， 2017， 45（9）： 126-132.

YAO T L， WU X Q， LI Z W， et al. Research on complementary capacity ratio of wind power and photovoltaic considering multiple constraints［J］. Power system protection and control， 2017， 45（9）： 126-132.

［22］ JEREZ S， TRIGO R M， SARSA A， et al. Spatio-temporal complementarity between solar and wind power in the Iberian peninsula［J］. Energy procedia， 2013（40）： 48-57.

［23］ 葉林， 屈曉旭， 么艷香， 等. 風(fēng)光水多能互補(bǔ)發(fā)電系統(tǒng)日內(nèi)時間尺度運行特性分析［J］. 電力系統(tǒng)自動化， 2018， 42（4）： 158-164.

YE L， QU X X， YAO Y X， et al. Analysis on intraday operation characteristics of hybrid wind-solar-hydro power generation system［J］. Automation of electric power systems， 2018， 42（4）： 158-164.

RESEARCH ON MINIMUM OPTIMAL RATIO OF WIND AND PHOTOVOLTAIC FLUCTUATIONS IN NORTHWEST POWER GRID

Sun Pei1，Wang Ying2，Li Yutian1，Zhang Yujin1，Tao Jiaqi1

（1. Northwest Electric Power Design Institute Co.， Ltd.， China Power Engineering Consulting Group Corporation， Xi’an 710075， China；

2. Northwest Branch of State Grid Corporation of China， Xi’an 710048， China）

Abstract：The index system is put forward to measure the fluctuation of wind and photovoltaic combined power generation system， and the hourly， daily and monthly fluctuation coefficients are established based on the anomaly class， and the characteristics of the wind and photovoltaic resources in northwest China are analyzed. Based on resource complementarity and load effect， a mathematical model of minimum ratio of wind and photovoltaic fluctuation is established. Finally， the minimum ratio of wind and photovoltaic fluctuation of the northwest power grid in 2030 is calculated. The research provides some reference for the development and policy making of new energy in northwest China.

Keywords：wind power； solar energy； optimization design； complementarity； fluctuation； northwest power grid