含大規模風電的電力系統有功平衡問題研究綜述

黃強

(甘肅省電力公司，蘭州市 730050)

0 引言

大力發展風電等可再生能源是國家重大戰略決策。近年來，中國風電迅速發展，局部地區風電滲透率已達較高水平。截止2011年，我國風電裝機容量較大的蒙西、甘肅、蒙東、吉林、黑龍江等風電容量滲透率都已超過20%［1］。根據相關規劃，2020年我國將建成8個千萬kW級風電基地，屆時全國風電裝機容量將超過150 GW，風電滲透率水平將進一步提高［2］。

根據歐美國家的風電運行經驗，當風電滲透率達到較高水平，風電對系統有功平衡各環節的影響將逐漸凸顯。例如2008年2月26日18點41分，美國德克薩斯州電網0.5 h內風電急速下降1640MW，導致電網備用不足，從而引發緊急切負荷事件;2011年我國甘肅酒泉地區和河北張家口地區的多起風機脫網事故中，大規模風機因電壓問題連鎖跳閘脫網，損失大量出力，導致主網頻率明顯偏低。因此，深入研究大規模風電并網對系統有功平衡影響機理及其優化運行控制體系具有重要意義。

歐美國家在大規模風電接入電力系統后的電力電量平衡方面已取得不少成功經驗，但是相關經驗難以直接應用于我國電網。歐洲國家風電主要接入中、低壓配電網，在靈活開放的電力市場環境下，就地消納。西班牙熱電聯產機組、小水電等靈活性電源比例高達34.3%，丹麥與挪威、瑞典等也有豐富的小水電資源［3-4］。美國雖然在大規模風電開發與并網方面與我國類似［5］，但其靈活性電源比例卻高達48.7%。

我國電力系統在資源分布、電網結構、電源構成方面具有一定特殊性。首先，我國風電富集地區電源結構以煤電為主，機組啟停時間長，調節速率慢，穩燃出力水平高，難以應對風電波動;甘肅等省份雖然具有一定比例的水電，但受大風季節(通常是冬、春季)來水量的限制，其可用調節庫容有限。其次，我國風電開發采用集中并網、遠距離消納模式，局部地區風電滲透率可達很高水平，甘肅、新疆等西北地區輸電通道外送能力不足，風電消納空間十分有限。再次，集中并網模式削弱了風電的地理平滑效應，時序可變性增加，加大了系統調節靈活性需求。因此，充分考慮我國風電并網的特點，建立大規模集群風電并網形勢下的多時空尺度有功平衡體系顯得至關重要。

本文立足于我國風電與電網的基本特點，分析大規模風電運行特性及其對電力系統的影響，從風-火-水多電源協調的角度，概括中長期/短期機組組合計劃、日內滾動計劃和實時頻率調節等各環節的有功平衡研究的現狀、關鍵技術與存在問題，歸納總結適應我國電網運行管理體制的多時空尺度有功平衡技術體系。

1 含風電的電力系統的多時空尺度有功平衡

含大規模集群風電的多時空尺度有功平衡體系基于對集群風電多時空尺度運行特性的分析與建模，既包含從秒、分鐘、小時到日、中長期的多時間尺度協調，也包含從單機、單場、集群源端電網到系統的多空間尺度配合。與電力系統傳統的有功平衡相比，其突出特點在于融合了確定性電源和隨機性電源的多源互濟［6-7］。

在中長期時間尺度上，引入對風電功率中期(3～7 d)趨勢預測，考慮機組檢修，安排火電機組開、停機方式［8］，或者在更長時間尺度(月、季、年)安排考慮風電電量不確定性的電量平衡計劃。在日前時間尺度上，基于日前風電/負荷預測信息，安排日前機組組合、日前發電計劃、調峰策略，以及備用容量優化，在電網安全條件許可前提下，盡可能消納風電。在日內時間尺度上，基于超短期負荷/風功率預測信息及其誤差進行滾動計劃、實時調度、備用調用及阻塞管理;在實時控制時間尺度上，隨負荷/風電的瞬時波動實行一次/二次調頻控制。

2 風電特性及其建模

對風電特性的認識與建模是含風電的電力系統有功平衡管理的基礎與前提。風電特性對系統有功平衡的影響主要體現在波動性與不確定性2個方面:波動性是指風電出力的不平穩性，波動性主要影響機組啟停及運行點;不確定性是指風電出力不可準確預知性，體現為風電功率預測誤差，不確定性主要影響系統旋轉備用配置。而大規模風電對系統有功平衡的影響還將削弱集群的聚集效應，如影響空間平滑性等。

2.1 風電的波動特性及其建模

隨著研究時間尺度增加，波動的變化性將逐漸明顯，而隨著空間尺度的增加，平滑性將隨之削弱［9-10］。風電的波動特性及其對主要調度層級的影響總結如表1所示。

表1 多時間尺度功率波動對有功平衡的影響Tab.1 Influence of multi-time scale power fluctuation on power balance

文獻［10］針對酒泉風電基地出力特性的研究表明:風電場群在短時間尺度出力相關性較弱;而在長時間尺度上，風電場群出力相關性較強，導致集群整體出力波動性較大。風電場群集中并網將削弱地理平滑效應，尤其在小時級以上的時間尺度上表現更加明顯。

目前，對于風電功率波動性的建模方法多基于統計方法:

(1)經驗分布法。假設風速服從二參數Weibul或Rayleigh分布［11-12］、Beta分布、帶移位因子的 t分布［13］或混合高斯分布［14］，然后基于風機推力曲線得出風電出力的概率分布模型。此類方法的不足在于，經驗分布無法描述風功率序列的時序相關性，用于風資源評估尚可，但不適合運行優化和實時調度。

(2)基于隨機過程的模擬序列。基于Weibul分布生成非獨立的風速序列，再利用考慮風機出力特性、風電場尾流效應等的功率轉換關系生成各風電場時序出力曲線［15-16］。此類方法仍基于風速服從某種分布假設，缺陷同前。

(3)頻域分析方法。丹麥Risφ實驗室提出了使用功率譜密度函數，建立能考慮風機物理特性以及地理分散效應的功率波動模型［17-18］。頻域方法物理意義清晰，對認識風電波動性規律有幫助，但是難以應用于時序的調度運行模型。

2.2 風電的功率預測及其誤差建模

風功率預測及誤差為有功平衡問題研究提供基礎性信息。預測的精度隨著空間尺度增加而提高，而隨著時間尺度增加而降低。德國風電24～48 h的預測經驗表明［19］，單個風電場預測均方根誤差為10% ～20%，而1個控制區域內(大致相當于我國的省級調度)為7.5% ～10%。

功率預測誤差建模是描述風電不確定性途徑之一，主要有以下3類:

(1)預測誤差帶。假設預測誤差上、下限為一固定百分數［20］或采用分位點回歸求得一定置信度水平下的預測誤差帶［21］。誤差帶建模方法簡單易行，但風功率預測的完全誤差帶可能非常寬，易導致該方法失效。

(2)經驗分布擬合法。短時間尺度(＜1 h)預測誤差多分布在0附近的區域內，可采用Cauthy分布描述預測誤差［22］;長時間尺度預測誤差可采用基于β分布的直接或間接算法描述［23-24］。對于大規模集群風電預測誤差，通常認為由于風電場地域分布廣闊，受中心極限定理的影響可采用正態分布進行描述［25］。經驗分布切合實際情況，但依賴于大量數據積累。

(3)預測誤差序列模擬，有空間模擬和時間模擬2種。一般假設單個風電場風速預測誤差服從正態分布，再分別利用空間相關性和時間相關性處理算法得到考慮時空相關性的風速預測誤差序列。文獻［26］基于自回歸滑動平均模型產生風速預測誤差，再采用蒙特卡洛仿真得到不同概率場景下的風電功率預測誤差。如何校驗模擬的合理性是一大難點。

3 風-火-水互濟系統中的運行優化問題

歐洲電網靈活性調節電源比例大，并且具有分散接入、就地消納的并網模式，使得系統能較好地吸收風電功率波動性。而中國主要風電接入地區，只有少量水電機組，且在冬春大風季節受來水條件限制，調節能力很低。電源結構以大型燃煤機組為主，調節速度慢、啟停時間長。加上風電采用集中并網模式，消納風電對系統運行調節能力要求要高很多。

3.1 機組組合問題

機組組合問題是進行電力平衡模擬、運行方式優化的主要技術手段。按問題考慮的時常劃分，常規的機組組合有中長期(10～30 d)、中期(3～7 d)、短期(24～72 h)、超短期(0～4 h)等。隨著風電消納水平的提高，風電進入機組組合參與運行優化是風-火-水多電源協調的必然要求。

在協調機制上，考慮到我國“三北”地區電網典型結構以大型燃煤機組為主，決定了我國不能像歐美國家那樣通過頻繁日內機組啟停以及快速調節運行點來吸收風電功率波動性。風電參與機組組合的形式也將與歐美國家以參與日前計劃為主的形式有所不同。文獻［27］基于中期(5～7 d)風功率趨勢預測提出優化中長期開機方式(主要是大型燃煤機組)的設想，從長時間尺度上協調常規機組與風電出力，減少燃煤機組啟停頻次和煤耗量，并盡可能為短期運行預留風電消納空間。但中長期風火協調與日前機組組合的區別與聯系、協調策略和算法等還有待深入研究。文獻［28］基于風電功率預測精度隨時間尺度逐級提高的特性，采用“多級協調、逐級細化的思路”提出了多時間尺度的有功調度模式，將上一級遺留的偏差由下一級來修正。

然而，目前運行優化的理論研究往往只針對其中某幾個時間尺度，需要深入開展高風電滲透率水平下的從中長期、日前到日內、實時運行的多時間尺度協調調度運行體系研究。

風電引入機組組合模型需要對傳統機組組合模型進行修正，目前經常采用的方法有:

(1)基于隨機場景分析的建模方法［26，29-32］。采用隨機模擬及場景削減技術產生一系列不同概率的風電典型場景，考慮滿足削減后場景的所有約束條件做出機組組合決策。如何選擇具有代表性的典型場景、減少隨機場景機組組合的計算量是需要進一步研究的問題。

(2)基于機會約束規劃的建模方法［33-34］。將風電相關的約束條件采用概率形式描述，構造隨機規劃問題后求解。

(3)基于風險理論的建模方法［35-38］。建立各種風電波動場景下的風險指標，以總風險期望最小作為優化目標或將風電引起的潛在風險作為風險約束加入優化模型中，但如何選擇合適的風險指標仍需進一步討論。

3.2 備用配置問題

風電接入后對備用容量的影響受滲透率水平和預測不確定性影響很大，并且所需的備用容量和風電裝機容量之間并沒有直接的比例關系。風電并網后，對系統旋轉備用的影響通常在機組組合模型約束［39-40］中加以考慮，而冷備用評估方法則采用基于可靠性或風險［38］理論，保證風電引入前后系統可靠性指標或風險指標不降低，構建隨機規劃問題求解。

由于我國電網規模較大，運行經驗顯示風電并網后對快速備用的影響較小，主要影響在于較長時間的備用。對于一次備用，風電的空間平滑性足以削弱風電隨機波動性，而當風電滲透率水平超過10%時，風電對二次備用的需求將明顯增長。

3.3 系統的頻率調整

風電對電力系統頻率調整影響的主要原因有2個方面:

(1)風電機組的頻率響應與調頻能力。采用電力電子接口軟連接并網的風電機組(如雙饋、直驅等)不存在慣性響應，有功輸出無法自動響應系統的頻率變化［41-42］，對一次調頻幾乎沒有貢獻。此外，風電機組通常采用最大功率跟蹤控制，出力與系統頻率無關，也不具備二次調頻能力。

(2)風電的隨機波動性。文獻［43］分析了風電功率快速波動對系統頻率動態以及CPS控制指標的影響，其研究結論表明大部分系統能夠吸收分鐘級的功率波動，對CPS1指標影響不大，但在風電比例較高的控制區中對CPS2指標影響較大。

3.4 系統調峰問題

調峰問題是制約我國大規模風電并網與消納的主要矛盾之一。我國風電滲透率較高的“三北”地區都出現了由于系統調峰能力不足導致大量棄風問題。

風電日內出力調峰效應分為反調峰(風電并網后凈負荷峰谷差增加)、正調峰(風電并網后凈負荷峰谷差減小)和過調峰(風電并網后凈負荷峰谷倒置)3種。風電并網后往往造成系統凈負荷峰谷差的增加。文獻［10］對我國甘肅、遼寧、“津京唐”地區的風電日出力特性研究表明，我國“三北”地區的風電日出力以反調峰的情形居多，給系統調度運行帶來巨大挑戰。

系統的調峰能力與系統的凈負荷特性、電源特性和外送規模等因素密切相關，評估大規模風電并網后系統調峰能力的思路主要有確定性方法和概率性方法2類。前者通過計算低谷負荷時調峰機組最低出力與負荷實際出力之差計算調峰能力，因為其簡單易行，在電力系統調度中得到廣泛的應用。后者通過隨機模擬計算調峰不足概率和調峰不足期望指標，以反映系統的調峰容量需求。雖然計算方法較為復雜，但更為科學。

利用省際聯絡線的靈活控制提高系統調峰能力是最為有效的方法;此外，還可考慮風電-抽水蓄能聯合運行、利用儲能調峰等。

4 結語

大規模集群風電并網對系統有功平衡提出了巨大挑戰，建立高風電滲透率水平下系統多時空尺度有功平衡體系是提高風電消納水平、優化系統運行的必然趨勢。

(1)依據電源結構與電網特點，我國含大規模風電電網的有功平衡技術體系將是包含中長期/短期機組組合計劃、日內滾動計劃和實時頻率調節的多層協調優化體系。

(2)集群風電特性的建模是掌握我國風電特性的關鍵點。在風電的眾多特性中，掌握風電的時序特征是將風電融入系統安全運行的關鍵點，也是現有研究的欠缺之處。

(3)隨機分析、隨機優化等數學方法是刻畫風電特性的主要工具，也是研究含風電電力系統運行優化的重要手段。隨著風電接入比例的增加，將對系統現有基于確定性模型的運行調度產生深遠的影響。

［1］國家電網公司.國家電網公司促進風電發展白皮書［R］.北京:國家電網公司，2011.

［2］Ni M，Yang Z X.By leaps and bounds:Lessons learned from renewable energy growth in China［J］.IEEE Power ＆ Energy Magazine，2012，10(2):37-43.

［3］Holttinen H，Orths A G，Eriksen P B，et al.Currents of change-European experience and perspectives with high wind penetration levels［J］.IEEE Power ＆ Energy Magazine，2011，9(6):47-59.

［4］Piwko R，Meibom P，Holttinen H，et al.Penetrating insights-lessons learned from large-scale wind power integration［J］.IEEE Power ＆Energy Magazine，2012，10(2):44-52.

［5］羅旭，馬珂.美國德克薩斯州電力可靠性委員會在風電調度運行管理方面的經驗和啟示［J］.電網技術，2011，35(10):140-146.

［6］魯宗相，閔勇.基于功率預測的波動性能源發電的多時空尺度調度技術［J］.電力科學與技術學報，2012，27(3):28-33.

［7］薛峰，常康，汪寧渤.大規模間歇式能源發電并網集群協調控制框架［J］.電力系統自動化，2011，35(22):45-53.

［8］劉德偉，黃越輝，王偉勝，等.考慮調峰和電網輸送約束的省級系統風電消納能力分析［J］.電力系統自動化，2011，35(22):77-81.

［9］The European Wind Energy Association(EWEA).Large scale integration of wind energy in the European power supply:Analysis，issues and recommendation［EB/OL］.2005.［2013-01-22］http://www. ewea. org/fileadmin/ewea _ documents/documents/publications/grid/051215_Grid_report.pdf.

［10］肖創英，汪寧渤，陟晶，等.甘肅酒泉風電出力特性分析［J］.電力系統自動化，2010，34(17):64-67.

［11］Hetzer J，Yu D C，Bhattarai K.An economic dispatch model incorporating wind power［J］.IEEE Trans on Energy Conversion，2008，23(2):603-611.

［12］Liu X，Xu W.Minimum emission dispatch constrained by stochastic wind power availability and cost［J］.IEEE Trans on Power System，2010，25(3):1705-1713.

［13］林衛星，文勁宇，艾小猛，等.風電功率波動特性的概率分布研究［J］.中國電機工程學報，2012，32(1):38-46.

［14］李劍楠，喬穎，魯宗相，等.大規模風電多尺度出力波動性的統計建模研究［J］.電力系統保護與控制，2012，40(19):7-13.

［15］Zhang N，Kang C Q，Duan C G，et al.Simulation methodology of multiple wind farms operation considering wind speed correlation［J］.International Journal of Power and Energy Systems，2010，30(4):264-173.

［16］Villanueva D，Feijóo A，Pazos J L.Simulation of correlated wind speed data for economic dispatch evaluation［J］.IEEE Trans on Sustainable Energy，2012，3(1):142-149.

［17］S?rensen P，Mann J，Paulsen U S，et al.Wind farm power fluctuations，Chapter 25 of wind energy proceeding of the euromech colloquium［M］.Springer Berlin Heidelberg，2007:139-145.

［18］S?rensen P，Cutululis N A，Vigueras-Rodríguez A，et al.Power fluctuations from large wind farms［J］.IEEE Trans on Power System，2007，22(3):958-965.

［19］Giebel G，S?rensen P，Holttinen H.Forecast error of aggregated wind power［EB/OL］.［2013-01-22］.http://www.trade-wind.eu/fileadmin/documents/publications/D2.2_Estimates_of_forecast_error_for_aggregated_wind_power_Final.pdf.

［20］袁鐵江，晁勤，吐爾遜·伊不拉音，等.大規模風電并網電力系統動態清潔經濟優化調度的建模［J］.中國電機工程學報，2010，30(31):7-13.

［21］王洪濤，何成明，房光華，等.計及風電預測誤差帶的調度計劃漸進優化模型［J］.電力系統自動化，2011，35(22):131-135.

［22］張昭遂，孫元章，李國杰，等.計及風電功率不確定性的經濟調度問題求解方法［J］.電力系統自動化，2011，35(22):125-130.

［23］Bludszuweit H，Domínguez-Navarro J A，Llombart A.Statistical analysis of wind power forecast error［J］.IEEE Trans on Power System，2008，23(3):983-991.

［24］Fabbri A，GomezSanRoman T，RivierAbbad J，et al.Assessment of the cost associated with wind generation prediction errors in a liberalized electricity market［J］.IEEE Trans on Power Systems，2005，20(3):1440-1446.

［25］Tewari S，Geyer C J，Mohan N.A statistical model for wind power forecast error and its application to the estimation of penalties in liberalized markets［J］.IEEE Trans on Power System，2011，26(4):2031-2039.

［26］Tuohy A，Meibom P，Denny E，et al.Unit commitment for systems with significant wind penetration［J］.IEEE Trans on Power System，2009，24(2):592-601.

［27］王小海，齊軍，侯佑華，等.內蒙古電網大規模風電并網運行分析和發展思路［J］.電力系統自動化，2011，35(22):90-96.

［28］張伯明，吳文傳，鄭太一，等.消納大規模風電的多時間尺度協調的有功調度系統設計［J］.電力系統自動化，2011，35(1):1-6.

［29］Wang J H，Shahidehpour M，Li Z Y.Security-constrained unit commitment with volatile wind power generation［J］.IEEE Trans on Power System，2008，23(3):1319-1327.

［30］Ruiz P A，Philbrick C R，Zak E.Uncertainty management in the unit commitment problem［J］.IEEE Trans on Power System，2009，24(2):642-651.

［31］Pappala V S，Erlich I，Rohrig K，et al.A stochastic model for the optimal operation of a wind-thermal power system［J］.IEEE Trans on Power System，2009，24(2):940-950.

［32］Bouffard F，Galiana F D.Stochastic security for operations planning with significant wind power generation［J］.IEEE Trans on Power System，2008，23(2):306-316.

［33］Wang Q F，Guan Y P，Wang J H.A chance-constrained two-stage stochastic program for unit commitment with uncertain wind power output［J］.IEEE Trans on Power System，2012，27(1):206-215.

［34］Constantinescu E M，ZavalaV M，Rocklin M，etal. A computational framework for uncertainty quantification and stochastic optimization in unit commitment with wind power generation［J］.IEEE Trans on Power System，2011，26(1):431-441.

［35］Li X H，Jiang C W. Short-term operation model and risk management for wind power penetrated system in electricity market［J］.IEEE Trans on Power System，2011，26(2):932-939.

［36］周任軍，姚龍華，童小嬌，等.采用條件風險方法的含風電系統安全經濟調度［J］.中國電機工程學報，2012，32(1):56-63.

［37］周瑋，孫輝，顧宏，等.計及風險備用約束的含風電場電力系統動態經濟調度［J］.中國電機工程學報，2012，32(1):47-55.

［38］張國強，吳文傳，張伯明.考慮風電接入的有功運行備用協調優化［J］.電力系統自動化，2011，35(12):15-19，46.

［39］Matos M A，Bessa R J.Setting the operating reserve using probabilistic wind power forecasts［J］.IEEE Trans on Power System，2011，26(2):594-603.

［40］王彩霞，喬穎，魯宗相.考慮風電效益的風火互濟系統旋轉備用確定方式［J］. 電力系統自動化，2012，36(4):16-21.

［41］Gautam D，Goel L，Ayyanar R，et al.Control strategy to mitigate the impact of reduced inertia due to doubly fed induction generators on large power systems［J］.IEEE Trans on Power System，2011，26(1):214-224.

［42］Mullane A，O'Malley M.The inertial response of inductionmachine-based wind turbines［J］.IEEE Trans on Power System，2005，20(3):1496-1503.

［43］Banakar H，Luo C L，Ooi B T.Impacts of wind power minute-tominute variations on power system operation［J］.The inertial Response of Induction-Machine-Based Wind Turbines，2008，23(1):150-160.