一種基于虛擬電廠技術的城市可再生能源消納能力提升方法

宣文博，李慧，劉忠義，孫業廣，侯愷

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

0 引言

目前，全球能源生產和消費正悄然發生變化，以風力發電和光伏發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業發展的重點領域。“十三五”期間，我國風力發電新增0.79億kW以上，太陽能發電新增0.68億kW以上[2]。2020年全國風電裝機達到2.1億kW。

而隨著風、光等可再生能源發電大規模接入電網以及清潔化利用能源理念的不斷深入，電力系統正經歷著由主動可調、可控的化石能源發電向風、光等被動可再生能源發電轉換的過程[3-4]。同時，新能源的消納問題日益凸顯，棄風棄光甚至棄核現象嚴重[5-9]。2016年，全國棄風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、棄光現象有所好轉，但仍然不容樂觀。棄風電量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，明確了新能源大規模發展的方向，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，能夠對新能源的消納能力進行有效提升。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中大量分散的分布式能源的集合。

為適應能源供需格局的新變化和國際能源發展的新趨勢，本文瞄準某城市新能源發電應用發展方向，對新能源發電的應用場景和配置方案展開深入研究。通過常規能源調峰能力分析及新能源發電特性研究確定新能源發展情況，提出城市新能源消納能力的量化分析辦法，得到基于調峰裕度的量化分析結果。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的城市可再生能源消納能力提升方法。

1 虛擬電廠技術

虛擬電廠的基本思想是利用合理的控制技術、通信技術、計量技術等手段對大量的分布式電源進行有效融合，從而對其進行協調優化控制，使得分布式能源能夠更加高效經濟地運行，降低分布式能源對電網的危害，實現系統的安全穩定經濟運行[14-19]。

風電、光伏發電等可再生能源發電具有間歇性、隨機性的特點，其發電出力預測也存在一定誤差。因此，針對可再生能源發電不確定性強的特點，就必須對儲能系統、發電機組、可控負荷等進行優化控制，使之進行合理的配合，提升系統經濟性和電能質量。虛擬電廠的控制技術分為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與控制協調中心進行處理，常常使用能量管理系統，主要工作內容是協調機端潮流、儲能系統和可控負荷。當決策權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構下的分布式能源提供服務，如市場價格信號、天氣預報和數據采集等。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。

智能計量技術是虛擬電廠對分布式能源監控和控制的基礎，其主要目的是實現自動抄表，即遠程實時測量和讀取用戶能源的消耗和生產情況，并通過通信技術上傳測量數據。因此，對于用戶來說， 所有的測量數據均可以通過網絡的方式進行查詢，可以清晰且直觀地了解用戶自身能源消費或產出情況，以此制定合理的調節計劃。

虛擬電廠通常需要利用雙向通信技術，這種技術既可以實時接收各個分布式單元的狀態信息，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的有基于互聯網協議的服務、虛擬專用網絡、 電力線路載波技術等。以上這些主要在室外構成虛擬電廠的通信網絡，而無線局域網、藍牙等通信技術則組成了用戶住宅內的通信網絡。

虛擬電廠參與系統優化的過程，能夠對系統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貢獻指標，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

定量分析電力系統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劃設計、運行管控以及新能源消納能力提升研究的基礎。目前，新能源消納能力量化分析方法主要有3種思路：1）基于系統調峰能力；2）基于系統靜態安全約束條件；3）基于協調運行理念。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，常規機組不能降低足夠的出力以接納新能源。因此，系統的調峰能力是新能源消納的重要制約因素。

本文結合某城市機組特性、機組開機方式、風力發電出力特性、光伏發電出力特性以及用電負荷特性，基于電網的調峰能力開展全年8 760 h調峰裕度計算，得出不同棄風、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、綜合利用發電項目不參加平衡。

2）對于非供熱煤電機組，其最小技術出力系數考慮為：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峰。

3）對于供熱煤電機組，其供熱期出力系數考慮為：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）區外受電調峰能力考慮50%。

6）風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）常規機組的最小出力如表1所示。

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

2.2 新能源消納量化分析方法

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

首先，將全年負荷曲線(見圖1)與全年8 760 h風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時刻風力發電、光伏發電以及風力和光伏發電同時存在時的凈負荷；Pwind(t)和Ppv(t)分別為t時刻風力發電和光伏發電的出力；PL(t)為t時刻負荷。

其次，增加風力發電與光伏發電的出力，得到不同棄風率、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出力之差即為電網常規能源的調峰裕度，如式(4)所示。

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

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

圖3 全年調峰裕度持續時間曲線Fig. 3 Duration curve of peak shaving margin

最后，對于風力發電和光伏發電，從2方面對消納能力進行量化，一是棄風率、棄光率和棄能率按舍棄時間占比考慮，如式(5)所示；二是棄風率、棄光率和棄能率按發電量占比考慮，如式(6)所示。進一步，通過棄風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、棄風率和棄能率；Gpv,curt、Gwind,curt和Gpv+wind,curt分別為按發電量占比考慮的棄光率、棄風率和棄能率；tpv、twind和tpv+wind分別為棄光時間、棄風時間和棄能時間，對應調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、風力以及光伏和風力發電同時存在時對應的調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、風力以及光伏和風力發電同時存在時對應的調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生的電能，從而減少新能源發電舍棄量。

柔性負荷是指可通過主動參與電網運行控制，能夠與電網進行能量互動，具有柔性特征的負荷。這里將電網中的部分負荷替換為柔性負荷，其工作方式設定為在白天的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，其負荷曲線、機組最小出力和風電光伏發電曲線見第2節，相關數據均為實際運行數據。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 基于調峰裕度的量化分析結果

3.1.1 棄風分析

1）按時間分析棄風情況。

對于棄風率，按照負調峰裕度的持續時間占全年8 760 h的百分比考慮。在風電出力曲線的基礎上，增加風電裝機容量，得到不同風電裝機容量下的調峰裕度持續曲線，然后得到不同風電裝機容量下的棄風率，如圖5所示。

圖5 風機裝機容量-棄風率曲線Fig. 5 Wind power capacity-abandonment rate curve

根據現有風電出力曲線，計算不同風電裝機容量下的風電全年發電量、風電全年消納量以及棄風率，如表2所示。可以看出，隨著風電裝機容量的增加，全年風電棄風率隨之增加。從保證率角度考慮，按全年97%保證空間(即棄風率控制在3%)，電網最低裕度空間約為2 965 MW。

2）按發電量分析棄風情況。

棄風率按照棄風部分占全年風電總發電量的百分比考慮。首先，計算調峰裕度持續時間曲線中x軸下方與x軸圍成的面積，并與全年風機總發電量相比，得到不同風電裝機容量下的棄風率，如圖5所示。然后，根據按棄風發電量占比考慮的棄風率，計算不同風電裝機容量下的風電全年棄風量和消納量，如表2所示。

表2 風電消納情況Tab. 2 Wind power accommodation

從圖5和表2可以看出，隨著裝機容量增加，全年風電消納總量增加，棄風率也隨之上升。此外，與按棄風時間全年占比考慮的棄風率曲線相比，按發電量占比考慮的棄風率隨風機裝機容量變化較為平緩，即在發生棄風時的棄風量較小。因此，在全年97%保證空間(即棄風率保證3%)下，電網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，按照負調峰裕度的持續時間占全年8 760 h的百分比考慮。在光伏出力曲線的基礎上，增加光伏裝機容量，得到不同裝機容量下的調峰裕度持續曲線，然后得到不同光伏裝機容量下的棄光率，如圖6所示。根據現有光伏出力曲線，計算不同光伏裝機容量下的光伏全年發電量、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%，電網最低裕度空間約為3 013 MW。相較于風電，由于光伏出力與光照條件直接相關，白天光伏有出力，晚上光伏無出力，有一定規律性和周期性，由此造成光伏棄光率較低。

2）按發電量分析棄光情況。

棄光率按照光伏棄光量占全年光伏總發電量的百分比考慮，如圖6所示。根據按發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，兩者趨勢和數值幾乎一樣。但是，隨著裝機容量繼續上升，后者上升趨勢放緩，前者上升趨勢增加。因此，在按發電量占比考慮的棄光率保證3%下，電網最低裕度空間提升為3 307 MW。

3.1.3 棄能分析

表4和圖7展示了風力發電和光伏發電的裝機容量和2種棄能率。可以看出，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，電網最低裕度空間為4 204 MW；在按發電量占比考慮的棄能率保證3%下，電網最低裕度空間為5 044 MW。

3.2 基于虛擬電廠的新能源消納提升結果分析

舍棄率按發電量占比考慮，風力發電的裝機容量為625 MW，光伏發電的裝機容量為1 875 MW，電動汽車充電時間設為晚上20:00—次日07:00，電動汽車充電功率為10 kW，數量分別為5 000、10 000、15 000輛，結果如表5所示。

相對于沒有電動汽車的情況時，風力發電的棄風量有所下降，為全年風力發電總發電量的0.17%。但是，由于電動汽車的充電時間在晚上，光伏發電無法工作，所以對于光伏發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，風電的棄風量也更小，僅為全年發電量的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，風電的棄風量也更小，僅為全年發電量的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，其風電和光伏發電消納情況如表6所示。

相對于沒有采取措施的情況，風力發電和光伏發電的新能源舍棄量都有所下降，棄風率下降為0.20%，棄光率下降到0.12%。與同容量的電動汽車相比，柔性負荷在風力消納能力上有所下降。但是由于工作時間的區別，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，棄風棄光量也更小，分別為全年發電量的0.20%和0.11%。150 MW柔性負荷參與消納的情況下對風電的消納能力提升幅度較小，但對光伏發電的消納能力提升能力較強，棄風棄光量分別為全年發電量的0.20%和0.10%。

4 結論

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，結論如下：

1）提出了基于全年8 760 h調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，結果顯示當風電、光伏裝機容量達到3 000 MW左右時，棄風率和棄光率可達到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峰、柔性負荷參與調峰2種方法。分析結果顯示2種方法均可以有效提升某城市新能源消納能力。