基于等效負荷區間和隨機生產模擬的新能源接納能力快速計算方法

宮本輝，姚力，傅旭，肖漢，李彬 ，王秀麗

(1.西安交通大學電氣工程學院，西安市 710049；2.西北電力設計院有限公司，西安市 710075 ；3.西南電力設計院有限公司，成都市 610000)

基于等效負荷區間和隨機生產模擬的新能源接納能力快速計算方法

宮本輝1，姚力1，傅旭2，肖漢3，李彬3，王秀麗1

(1.西安交通大學電氣工程學院，西安市 710049；2.西北電力設計院有限公司，西安市 710075 ；3.西南電力設計院有限公司，成都市 610000)

新能源大規模接入電網，對電網的調峰造成了巨大壓力，并導致系統棄風率增大，因而快速準確地計算系統常規機組的最優開機容量及其對應的棄風率十分重要。基于此，提出了基于等效負荷區間和隨機生產模擬的新能源接納能力快速計算方法。首先，引入等效負荷區間和可信容量的概念來初步確定傳統機組開機容量；然后，運用隨機生產模擬中的時序卷積和持續卷積計算各類電源上網電量，利用時序卷積將風電出力和負荷出力及聯絡線功率在時間尺度上進行序貫卷積，可以準確計算出該區域新能源接納電量，利用持續卷積可以快速計算出常規機組周期內的發電量；最后，以某省電網為例，對所提模型、算法的有效性進行了驗證。該方法可應用于風電電源規劃、調度中開機容量的確定、風電場棄風率的快速計算等場合。

等效負荷區間；隨機生產模擬；可信容量；接納能力

0 引 言

隨著風電、光伏等新能源裝機容量的不斷提高[1-2]，部分地區新能源接納能力不足正成為亟需解決的問題。從全國范圍來看，制約消納能力的因素包括系統調峰能力不足、負荷需求與發電資源不平衡、新能源輸電通道容量有限等。因此，評估新能源接納能力，規劃常規電源建設時序，制定合理的運行方式具有重要意義[3-4]。

但考慮到新能源發電出力的不確定性，一方面，系統需要采用不經濟的運行方式(如提供較大的備用、啟停調峰)來應對新能源的出力波動；另一方面，電網企業需要承擔提高清潔能源利用率、改善環境質量的社會責任，盡量避免棄風、棄光。所以，如何協調新能源的利用率和傳統電源的經濟效益是新能源相關研究的一大難點。本文將運用生產模擬工具，從調峰的角度出發，在優先接納新能源的前提下，通過優化傳統電源運行方式，計算全年預期新能源電量接納率，同時給系統規劃運行提供建議。

生產模擬是電力系統規劃運行的重要工具，能夠提供系統在最優運行方式下的期望最優成本及系統可靠性。文獻[5-6]詳細介紹了基于等效電量函數法的隨機生產模擬方法；文獻[7]提出了基于序列計算理論的隨機生產模擬方法；文獻[8]提出了改進的基于通用生成函數的隨機生產模擬方法。這些方法較好地處理了傳統機組的生產模擬問題，但主要針對出力可控的機組類型。文獻[9-11]提出了基于等效頻率及等效間隔頻率的隨機生產模擬，引入等效頻率及等效間隔頻率的概念來描述風電、光伏等出力不可控類型機組的出力波動對傳統機組期望啟停頻率的影響。文獻[12]詳細介紹了時序仿真方法，并用時序仿真算法確定了火電機組的開機容量及新能源上網電量。但是在機組數量較多、系統規模較大時，該方法計算速度較慢，并且由于忽略了常規機組的發電成本，潛在地惡化了系統運行的經濟性。文獻[13-14]詳細介紹了考慮斷面約束的互聯系統隨機生產模擬，在進行隨機生產模擬時，考慮了不同區域之間的斷面約束，強調不同區域之間的功率支援。文獻[15]詳細介紹了考慮大規模新能源并網后系統充裕度評估的隨機生產模擬，提出了調峰持續曲線、調峰不足概率和調峰不足期望值。

在上述研究的基礎上，本文提出基于等效負荷區間和隨機生產模擬的算法來計算系統新能源上網電量和火電機組的最優開機容量。其基本思路是：將全年分成若干周期，快速準確地確定周期內常規機組的開機容量以使系統的啟停調峰最小，根據開機容量快速計算出系統接納新能源的能力。該算法分為兩大部分，即開機容量的初步確定和新能源接納能力的計算。開機容量的初步確定是將目標最大新能源接納能力轉化為第一階段最小火電機組開機容量的子目標，其約束條件是所有機組的開機容量最小值不大于本文所提的等效負荷區間的下邊界，所有火電機組開機容量最大值不小于等效負荷區間的上邊界。新能源接納能力的計算，是將預測出力、負荷及聯絡線約束進行序貫卷積，得出考慮新能源、負荷的時序性及聯絡線約束的接納電量；然后，利用文獻[5]所提的基于等效電量函數法的隨機生產模擬方法計算周期內發電機組的發電量。值得注意的是，本文在考慮不同區域之間網架約束的同時，著重從最大接納新能源出力的角度進行分析。

1 等效負荷區間

1.1 等效負荷區間概念

電力系統運行時在不考慮新能源的情況下，開機情況要根據負荷的情況確定。根據系統多年運行經驗，負荷的預測準確率在97%以上，因而在實際計算中，可以認為負荷預測是準確的。本文定義用電負荷曲線為原始負荷曲線。

新能源大規模并網后，由于隨機性增大了凈負荷(用電負荷扣除新能源發電)曲線的波動性，為了應對凈負荷波動，常用的方法是留有足夠的旋轉備用和啟停調峰機組。機組啟停調峰無論從經濟性還是從發電機組的物理特性角度都不是最優的選擇，構建等效負荷區間的目的就是為了盡可能使用旋轉備用進行調峰，確定合理的傳統電源開機方式。

針對只含傳統機組的系統，可以構造如圖1所示的等效負荷區間，其由上邊界和下邊界組成。等效負荷區間的上邊界被用來對負荷曲線的尖峰負荷進行電力平衡分析，其決定了所需傳統機組的裝機容量；等效負荷曲線的下邊界被用來對負荷曲線的低谷負荷進行電力平衡分析，其決定了傳統機組的最小技術出力之和。等效負荷區間的計算周期在實際中可取為1天，即對1天的負荷曲線進行處理得到該天的等效負荷區間，這實質上是與當前日前調度模式相適應的，同時，認為機組在1天之內不發生狀態變化。根據等效負荷區間，可以確定系統在該周期內的開機組合，具體方法將在第2節闡述。

圖1 負荷曲線及等效負荷區間Fig.1 Load curve and equivalent load interval

光伏出力較為規律，故在負荷曲線上直接進行修正，而風電出力的不確定性較難捕捉，如何在電力平衡中考慮風電的出力特性是必須面對的問題。傳統規劃中，采用風電保證容量和風電有效出力的概念來分別評價在尖峰負荷和低谷負荷處的風電容量效益。風電保證容量是把負荷高峰時段的風電出力按從大到小排序后，在某一保證率下(如95%)風電的最小出力。風電有效出力是把負荷低谷時段的風電出力按從小到大排序后，在某一保證率下(如95%)風電的最大出力。但需要說明的是，該指標趨于保守，下面采用風電可信容量來刻畫風電的出力特性。

1.2 風電可信容量

本文從負荷側考慮，認為風電可信容量等于在相同可靠性指標下有風電與無風電情況下系統可以承載的負荷差，以ELCC(effective load carrying capability)作為計算指標，下面簡要介紹計算方法，其中可靠性衡量指標選擇電量不足期望值(EENS)。

圖2為ELCC計算方法示意圖，圖中曲線1為系統中不含風電時，EENS隨系統最大負荷的變化趨勢，水平虛線所對應的縱坐標為最大負荷為A′時的EENS；曲線2為系統加入風電后，EENS隨最大負荷的變化趨勢。由圖2可知，隨著系統最大負荷的不斷增長，系統面臨失負荷的風險程度不斷提高，表現為EENS的增加。比較曲線1、2可以發現，風電對于提高系統充裕度水平是起積極作用的。表現為在同樣系統最大負荷下，含風電系統的可靠性指標優于不含風電的系統，即前者的EENS較小。求解ELCC的思路是：在系統加入風電后，通過改變系統最大負荷，直到系統可靠性指標與加入風電之前的相同。以圖中X點為例，該點為水平虛線與曲線2的交點，表示最大負荷X′對應的系統可靠性指標值與加入風電之前的相等，即與A′對應的可靠性指標相等。那么認為(X′-A′)為風電接入后可替代的負荷量，即ELCC，所以該指標反映了風電與負荷之間的替代關系。在原始負荷曲線的尖峰、低谷處減去ELCC，得出等效負荷區間的上下界。還需要作以下2點說明：(1)考慮到風的季節特性，風電可信容量可以分季節計算；(2)運行人員可以根據風險態度，綜合使用傳統概念和風電可信容量，如在高峰負荷處使用風電保證容量，在低谷負荷處考慮風電可信容量。

圖2 ELCC計算方法示意圖Fig.2 Procedure of ELCC calculation method

2 隨機生產模擬

2.1 確定開機組合

首先，根據前文的等效負荷區間，確定最小開機機組數。記1個時間周期內的等效負荷區間的上邊界和下邊界分別表示為Pup和Pdown, 則所有的開機機組應該滿足式(1)和式(2)。

(1)

(2)

式中：Pi,max表示第i臺機組的出力上限；Pi,min表示第i臺機組的出力下限；Ii取0或1，表示第i臺機組的開停機情況，1表示開機，0表示關機；R是負荷備用需求；U表示的是全部機組集合。

在確定開機組合時，要使系統的開機容量盡量小，從而增大新能源的接納空間，達到促進新能源上網、最大接納新能源的目的，因而其目標函數可以表示為

(3)

如果以經濟性最優的方式確定開機組合，則目標函數可以表示為

(4)

式中：Mi為第i臺機組額定出力時的邊際成本；Φ表示必開機組集合。

對于火電而言，由于大型機組的經濟性能較好，所以式(3)和式(4)作為目標函數差別不大。將上述模型進行求解，可以得到必開機組集合Φ={i|Ii=1}，必開機組集合中所有發電機認為在計算周期內優先處于運行狀態，再根據各周期實際情況進行修正。這里的必開機組是根據系統負荷特性和風電可靠性價值確定的，必開機組集合的意義在于：(1)初步確定了一個合適的開機規模，避免了過量傳統機組投入運行導致新能源接納能力受限，同時兼顧了高峰負荷需求，深度挖掘了系統調峰潛力；(2)考慮經濟性能和調峰能力時，屬于必開機組集合的一般是經濟性能較好、調峰能力較強的大機組，而小機組則很難入選，因此，綜合各時期的必開機組集合，可以發現現有火電電源結構的不足，為電源規劃提供建議。

由于必開機組集合逐天計算，可能導致每天必開機組集合有所不同。但考慮到發電機組啟停不宜頻繁，所以通過在目標函數中加入懲罰項，保證某些機組在一段時間內，屬于必開機組集合，從而減少連續時間段內的必開機組集合變化。

電力系統在安排各類電源上網時，要綜合考慮系統的可靠性和發電充裕度，逐步實現電網的去碳化。在安排機組承擔負荷時，首先安排必開機組的最小出力承擔負荷，如圖 3中①區域所示；然后，系統剩余負荷(原始負荷減去必開機組的最小出力)最大程度接納風電，如圖 3中②區域所示；最后安排必開機組承擔的修正負荷電量(原始負荷減去必開機組最小出力和風電上網電量)，如圖 3中④區域所示。需要指出的是，圖 3中②區域和③區域組成了風電預測出力。

2.2 斷面功率的處理

由于直流斷面與交流斷面的運行特點及區域斷面間交易方式不同，可以將斷面約束分為軟斷面約束和硬斷面約束。軟斷面約束是指受電力市場交易、斷面穩定影響的約束；硬斷面約束是指系統動穩定條件和熱穩定條件對聯絡線上輸送功率影響的約束，其不受市場交易的影響[13]。

圖3 最小開機容量及風電承擔負荷Fig.3 Minimal unit-operation capacity and wind power

斷面限額受到軟斷面約束和硬斷面約束的影響。新能源以風電為例，為保證系統可靠運行及最大接納風電，調度運行人員會對多區域市場交易添加軟斷面約束，限定不同類型電源的交易順序：首先，聯絡線交易功率是必開機組的最小出力在全網間進行功率平衡；為保證最大接納風電，風電在滿足本區域電力平衡后的暫棄風電量(電網某一區域中風電與該區域負荷進行序貫卷積后，本區域電網沒有能力消納的風電，其可通過聯絡線輸送到電網其他區域)通過聯絡線在全網進行功率平衡；為保證系統可靠性與發電充裕度，在風電平衡后，調整必開機組的增量出力(必開機組實際出力與其最小出力之差)來進行區域功率平衡。在滿足軟斷面約束的過程中，系統聯絡線要滿足硬斷面約束[14]。根據系統軟斷面約束及硬斷面約束，可以得到風電上網電量、風電棄風電量及負荷在接納風電后的修正負荷電量如式(5)—(7)所示。

(5)

(6)

(7)

Pline,t=Pline,max,t-Pline,on,t

(8)

式中：Pline,max,t表示輸電線路在時刻t輸送功率的上限，即輸電線路的硬功率約束；Pline,on,t表示該輸電線路在時刻t進行風電序貫卷積前的輸送功率。

經過風電序貫卷積后可以得到修正負荷曲線，將時序負荷曲線轉化為持續負荷曲線，然后運用文獻[5]所提的基于等效電量函數法的隨機生產模擬方法計算必開機組的發電量，其計算流程如圖 4所示。

圖4 算法流程圖Fig.4 Flow chart of algorithm

3 算例分析

3.1 基礎數據

本文以我國某省實際系統為例進行分析，由于該省光伏出力很小且具有規律性，因此在進行新能源分析時主要以風電為主。冬季有供熱任務，系統調峰壓力突出。該省電力系統分為A、B 2個區域，區域之間通過硬斷面約束為1 800 MW的輸電線路相連。A區域裝機總容量為12 867 MW，B區域的裝機總容量為6 858 MW，其供熱機組、非供熱機組及風電機組容量所占比例如圖5所示。該省電力系統A區域和B區域在供熱期(每年10月15日到次年4月15日)負荷的波動程度要大于非供熱期(每年4月16日到10月14日)的。

圖5 區域電網電源比例Fig.5 Power scale drawing of regional grid

從火電機組電源結構來看，A區域的供熱機組多、負荷大，但風機裝機容量較小；B區域的供熱機組少、負荷小，但風電滲透率較高。通過聯絡線將A、B 2個區域連接，可以充分發揮區域電網支援作用，提高系統可靠性，挖掘系統調峰潛力，提升系統接納清潔能源的能力。

3.2 計算結果

按照本文所提方法對算例進行計算,得到表 1所示的計算結果。在表 1中，風電棄風的原因主要為負荷不足和區域聯絡線約束。負荷不足是指，由于風電出力序列與負荷序列在時間上不匹配，系統在某一時刻沒有足夠的空間接納風電，而造成棄風；聯絡線約束是指由于該時刻聯絡線硬斷面約束限制，暫棄風電量無法進行電力支援而棄風。由表 1可知，該區域年度棄風率為34.221 5%，由于負荷不足造成的棄風率為31.180 4%。由于聯絡線約束造成的棄風率為3.041 08%。分析可知，造成棄風的主要原因是負荷不足，這也說明由于供熱需求，該省必開機組的最小出力過大，嚴重壓縮了風電的接納空間。

表1 區域電網棄風率計算結果
Table 1 Calculation result of wind curtailment in regional grid %

為驗證所提方法計算結果的快速性，與文獻[12]中所提到的時序仿真方法進行對比。同時采用時序仿真程序和本文方法計算該省1年的棄風率，計算結果如表 2所示。由表 2可知，2種方法計算的棄風率在誤差允許的范圍內，而本文所提方法在計算速度上明顯快于時序仿真法，前者的計算時間僅為后者的0.87%。本文所提方法計算速度快的主要原因是在進行生產模擬計算前通過機組組合模型確定必開機組的開機方式，按照2.2節所提系統負荷接納風電的順序依序卷積計算；該方法縮小了計算求解的空間，在優化尋優的過程中加快了尋優速度，能夠迅速找到最優解。

表2 本文方法與時序仿真法對比
Table 2 Comparison between proposed method and time sequence simulation

3.3 結果分析

下面分別以供熱期和非供熱期的典型周為例進行結果分析。

(1)供熱期典型周。取第45周作為供熱期典型周，對應A區域負荷峰值為7 999 MW，負荷谷值為5 233 MW；B區域負荷峰值為794 MW，負荷谷值為451 MW。通過計算得到的火電機組開機容量如表 3所示，開機類型CQ表示抽氣供熱機組，NQ表示凝氣機組，區域A和區域B通過聯絡線連接。由表 3可知，在供熱期由于存在供熱任務，供熱機組幾乎全開，導致實際開機臺數過多，這就大大占用了系統中風電的接納空間。在安排完必開機組的最小出力后，按照序貫卷積的方法接納風電。最后，剩余負荷由已開火電機組的增量出力(必開機組的最大出力與最小出力之差)部分承擔。供熱期各類型電源承擔負荷的情況如圖 6所示。

(2)非供熱期典型周。取第27周作為供熱期典型周，同供熱期典型周的計算相同，經過計算可以得到火電機組的開機情況如表 4所示，各類型電源承擔負荷情況如圖 7所示。由表 4可知，在非供熱期典型周內，實際開機的火電機組臺數明顯比供熱期典型周火電機組的開機臺數少，這為風電提供了充足的接納空間。

表3 火電機組開機容量
Table 3 Unit-operation capacity of thermal unit

圖6 供熱期各類型電源的運行情況Fig.6 Operation situation of various types of power during heating period

圖7 非供熱期各類型電源出力情況Fig.7 Running condition of various types of power during non-heating period

通過圖 6—圖 7可以看出，在供熱期由于火電機組承擔供熱任務，其最小出力明顯高于非供熱期最小出力。因此，供熱期接納的風電電量明顯小于非供熱期接納風電電量，說明新能源接納能力與供熱需求緊密相關。

4 結 論

(1)所提算法可以快速確定省級系統在考慮聯絡線約束情況下的開機容量，并且根據預測風功率快速計算出系統的新能源接納電量。

(2)所提算法可以快速計算出每個開機周期內開機機組的發電量，為保證調度及運行提供依據。

(3)所提方法可以為調峰電源建設及新能源投產提供依據，為相關政策制定提供參考。

[1]呂泉，王偉，韓水，等. 基于調峰能力分析的電網棄風情況評估方法[J].電網技術，2013，37(7)：1887-1894. LYU Quan， WANG Wei， HAN Shui，et al. A new evaluation method for wind power curtailment based on analysis of system reguation capability[J].Power System Technology，2013，37(7)：1887-1894.

[2]中國可再生能源學會風能專業委員會.2014年中國風電裝機容量統計[J].風能，2015(2)：36-49. [3]AKHMATOV V, KNUDSEN H. An aggregate model of a grid-connected large-scale, offshore wind farms for power stability investigations-importance of windmill mechanical system[J]. Electrical Power and Energy Systems，2002(24)：709-717.

[4]CASTRO R M G， FERREIRA DE JESUS J M. A wind park reduced-order model using singular perturbations theory[J]. IEEE Transactions on Energy Conversion，1996，11(4)：735-741[5]王錫凡.電力系統隨機生產模擬的等效電量函數法[J]. 西安交通大學學報，1984，18(6)：13-26. WANG Xifan. EEF approach to power system probabilistic modeling[J]. Journal of Xi’an Jiaotong University， 1984，18(6)：13-25.

[6]王錫凡.包含多個水電機組的電力系統隨機生產模擬[J]. 西安交通大學學報，1985，19(4)：69-82. WANG Xifan. Probabilistic simulation of multiple assigned-energy hydroelectric units[J]. Journal of Xi’an Jiaotong University， 1985，19(4)：69-82.

[7]康重慶，夏清，相年德，等. 隨機生產模擬的序列化分析[J].中國電機工程學報，2002，22(4)：9-13. KANG Chongqing， XIA Qing，XIANG Niande，et al.Sequence-based analysis of probabilistic production cost simulation[J].Proceedings of the CSEE，2002，22(4)：9-13.

[8]王洪濤，劉旭，陳之栩，等. 低碳背景下基于改進通用生成函數法的隨機生產模擬[J]. 電網技術，2013，37(3)：597-603. WANG Hongtao， LIU Xu， CHEN Zhixu， et al.Power system probabilistic production simulation based on improved universal generating function methods in low-carbon context[J].Power System Technology，2013，37(3)：597-603.

[9]張節潭，程浩忠，胡澤春，等.含風電場的電力系統隨機生產模擬[J].中國電機工程學報，2009，29(28)：34-39. ZHANG Jietan，CHENG Haozhong，HU Zechun，et al.Power system probabilistic production simulation including wind farms[J]. Proceedings of the CSEE，2009，29(28)：34-39.

[10]曲翀，王秀麗，謝紹宇，等.含風電電力系統隨機生產模擬的改進算法[J].西安交通大學學報，2012，46(6)：115-121. QU Chong，WANG Xiuli，XIE Shaoyu，et al.An improved algorithm for probabilistic production simulation of power systems with wind power[J].Journal of Xi’an Jiaotong University，2012，46(6)：115-121.

[11]談天夫，高山，李海峰，等.基于等效間隔-頻率分布的含風電場電力系統隨機生產模擬[J].電工技術學報，2014，29(12)：148-157. TAN Tianfu，GAO Shan，LI Haifeng，et al.Power system probability production simulation based on equivalent interval frequency distribution including wind farms[J].Transactions of China Electrotechnical Society，2014，29(12)：148-157.

[12]劉純，曹陽，黃越輝，等.基于時序仿真的風電年度計劃制定方法[J].電力系統自動化，2014，38(11)：13-19. LIU Chun，CAO Yang，HUANG Yuehui，et al.An annual wind power planning method based on time sequential simulations[J].Automation of Electric Power System，2014，38(11)：13-19.

[13]馮長有，梁志峰.考慮潮流斷面約束的電力系統隨機生產模擬[J].電網技術，2013，37(2)：493-499. FENG Changyou，LIANG Zhifeng.Power system probabilistic production simulation considering constraints of tie line power flows[J].Power System Technology，2013，37(2)：493-499.

[14]姚力，黃鑌,王秀麗，等.考慮風火聯合外送的互聯系統隨機生產模擬[J].電網技術，2015，39(5)：1219-1225. YAO Li， HUANG bin， WANG Xiuli, et, al. Probabilistic production simulation of interconnected system by considering the joint delivery of wind power and thermal power generation [J]. Power System Technology，2015，39(5)：1219-1225.

[15]張宏宇，印永華，申洪，等.大規模風電接入后的系統調峰充裕性評估[J].中國電機工程學報，2011，31(22)：26-31. ZHANG Hongyu, YIN Yonghua, SHEN Hong, et al. Peak-load regulating adequacy evaluation associated with large-scale wind power intergration[J]. Proceedings of the CSEE，2011，31(22)：26-31.

宮本輝 (1989)，男，碩士研究生，主要研究方向為隨機生產模擬、電力市場需求側響應；

姚力(1991)，男，博士研究生，主要研究方向為電源規劃和可靠性分析；

傅旭(1976)，男，工學博士，高級工程師，主要研究方向為電力系統規劃和運行；

肖漢(1975)，男，高級工程師，主要研究方向為電力系統規劃設計；

李彬(1962)，男，教授級高工，主要研究方向為電力系統規劃和運行；

王秀麗(1961)，女，博士，教授，博士生導師，長期從事電力系統及其自動化科研工作，主要研究方向為電力系統規劃、電力市場、電力系統可靠性、電力系統分析、新型輸電方式等。

(編輯 張小飛)

A Fast Calculation Method of Renewable Energy Accommodation Capacity Based on Equivalent Load Interval and Probability Production Simulation

GONG Benhui1,YAO Li1, FU Xu2,XIAO Han3, LI Bin3,WANG Xiuli1

(1.School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, China;2. Northwest Electric Power Design Institute Co., Ltd., Xi’an 710075, China;
3. Southwest Electric Power Design Institute Co., Ltd., Chengdu 61000, China)

The large-scale grid-connection of renewable energy makes the peak load regulation of power grid and the wind curtailment more and more severe, so it is necessary to calculate the unit-operation capacity of thermal unit and the corresponding wind curtailment fast and accurately. Therefore, this paper proposes a fast calculation method of accommodation capacity for renewable energy based on equivalent load interval and probability production simulation. Firstly, we determine the unit-operation capacity of traditional unit via equivalent load interval and credit capacity. Then, by means of the sequential convolution and non-sequential convolution in probability production simulation, we calculate the generating capacity of various types of generators. The sequential convolution is able to accurately calculate the accommodation capacity of new energy in this region by the convolution of wind power, load power and tie-line power on time scale; while the periodic generation capacity of traditional unit is obtained by non-sequential convolution. Finally, taking the power grid in a province as example, we verify the effectiveness of the proposed model and algorithm. The method can be used in the wind power planning, the unit-operation capacity determination during dispatching and the fast calculation of wind curtailment.

equivalent load interval; probability production simulation; credit capacity; accommodation capacity

中國電力工程顧問集團科技項目“間歇性電源規劃方法及計算模型研究”；國家電網“千人項目”(XTB51201400055)

TM 711

A

1000-7229(2016)03-0024-07

10.3969/j.issn.1000-7229.2016.03.004

2015-12-25

Project supported by China Power Engineering Consulting Group Corporation (Research on methods and models of intermittent power planning)； State Grid(The Recruitment Program of Global Experts)(XTB51201400055)