考慮靈活性的地區電網新能源消納能力評估方法

譚濤亮，姜云鵬，李 震，錢 峰，任洲洋，劉俊磊，顏 偉

(1. 廣東電網有限責任公司 陽江供電局，廣東 陽江 529500；2. 重慶大學 輸配電裝備及系統安全與新技術國家重點實驗室，重慶 400044；3. 廣東電網有限責任公司 電力調度控制中心，廣州 510000)

近年來，中國新能源發電已經取得較好的環境效益和經濟效益。截至2017年底，中國風電裝機容量達到了1.6×108kW，光伏裝機容量達到了1.3×108kW。然而，棄風、棄光量也分別達到了4.19×1010kW·h和7.3×109kW·h[1]。隨著新能源裝機容量的快速增長，新能源消納成為學者關注的核心問題之一。南方地區水資源豐富，建立了一定規模的蓄水式水電站，系統具有較高的靈活性。在一定的新能源滲透率下，充分利用系統中的電源靈活性可以實現新能源的全額消納。新能源消納需在保證系統安全穩定運行的前提下，合理利用各種資源提高新能源的效益[2]，系統不能因消納新能源，產生大量的切負荷、線路過載等不良運行狀態。但風電場、光伏電站的并網運行改變了系統的電源結構，也改變了網絡的潮流分布，系統面臨著線路過載和切負荷的風險[3]。文中以負荷削減量為系統安全可靠評價指標，提出了基于最小切負荷模型的新能源消納評估方法，用于分析新能源滲透率和負荷削減量之間的關系，為統籌協調系統的安全可靠運行和新能源消納提供參考。

當前，國內外關于新能源消納的研究較多。文獻[4-5]基于系統在正常運行狀態下的網絡安全約束，評估了風電消納能力。其中，文獻[4]評估了系統在特定時間段內的風電消納能力，但沒有考慮系統內靈活性電源的調節能力；文獻[5]分析了系統在典型日峰時段內的風電消納能力，但缺乏系統在極端時段(峰時段或谷時段)的消納能力數據，不能全面反映系統的風電消納能力。文獻[6-8]考慮了區域內可靈活調度的水電資源，優化水電機組啟停狀態，并利用風電水電互補特性來提升新能源消納能力，簡化了水電站的運行模型，而蓄水式水電站的水庫承擔著防洪、灌溉和供水等其他綜合性任務，文獻沒有考慮水庫因其他任務需求而限制的機組發電能力。此外，文獻[4-8]只考慮了系統在正常運行狀態下的各類約束，沒有對系統進行N-1安全校核，系統發生故障時可能出現線路過載、切負荷等現象，影響供電的可靠性。

為了評估系統的新能源消納能力以及分析系統的安全可靠性，文中提出考慮靈活性的地區電網新能源消納能力評估方法。首先，考慮源荷相關性，基于K均值聚類技術生成若干典型場景；然后，在各個場景下，通過對靈活性電源的優化調度，保證系統在正常運行狀態下不出現新能源棄能、線路過載和切負荷現象；在故障情況下，根據N-1安全校核的預想故障集，優化不同新能源滲透率下的最小負荷削減量的期望值；最后，結合南方某沿海地區110 kV電網的實際數據，分析了新能源滲透率和最小負荷削減量期望值的關系，評估了系統的新能源消納能力，驗證了文中方法的有效性。

1 考慮源荷相關性的場景生成法

新能源出力和負荷功率都具有波動性和不確定性，在不同時刻可能存在著明顯差異。如果新能源消納能力的評估時刻過多，則計算量巨大。場景分析法能夠分析原始數據，生成多個典型場景，新能源的消納評估只需對生成的典型場景進行分析計算。此外，電網中的電源出力和負荷功率之間始終保持著對應關系，在對源荷功率進行分析時，選擇某個時刻的電源出力就必須選擇該時刻對應的負荷功率。因此，在場景生成時需要計及電源出力和負荷功率之間的相關性[9]。

K均值聚類技術作為一種經典的場景分析法，既能挖掘不同時刻場景性質的異同，聚類分析生成典型場景，也能保證所生成的典型場景中新能源出力和負荷功率的相關性[10-11]。因此，基于K均值聚類技術進行場景生成。考慮到K均值聚類初始聚類中心的隨機選擇對聚類結果影響較大，在場景生成時采用密度參數法[12-13]優化初始聚類中心，進而提高聚類精度。基于K均值聚類技術對源荷序列進行典型場景生成主要為以下4個階段：

第1階段，考慮不同時段負荷水平的差異性，通過對典型日不同時刻的源荷功率數據采樣分析，劃分典型日為峰平谷3個時段。

(1)

第3階段，確定峰、平、谷各個時段內的聚類個數Ktop、Klev和Klow，利用密度參數法依次優化生成Ktop、Klev和Klow個初始聚類中心；再計算各個場景與聚類中心的歐式距離，將其分配到距離最近的類中；最后，利用均值法迭代更新聚類中心直至收斂，獲得Ktop、Klev和Klow個類，Ktop、Klev和Klow個聚類中心以及場景發生的概率。

第4階段，考慮聚類結果應和實際系統中的源荷功率場景相吻合，分別將峰平谷各時段內生成的聚類中心同該時段內的原始場景進行比較，尋找最相似的原始場景進行替換，保證生成的典型場景的真實性。

2 基于最小負荷削減量的新能源消納評估模型

面向中國水電資源富集的南方地區，提出利用系統中蓄水式水電站的靈活性來實現風電、光伏發電和水電全額消納的方法。由于新能源電源的并網運行改變了電網中的電源結構，系統發生某些故障時，電網可能會出現線路過載、切負荷的情況。因此，含新能源的系統不僅要考慮新能源消納狀況，還需要計及系統在正常狀態和故障狀態下的安全可靠性。為此，文中以負荷削減量為系統安全可靠評價指標，建立了基于最小負荷削減量的新能源消納評估模型。

2.1 目標函數

以系統負荷削減量的期望值F最小為優化目標，建立目標函數為

(2)

2.2 正常運行狀態的約束條件

2.2.1 風電和光伏的消納約束

為了防止出現棄風、棄光問題，必須使各場景下系統所消納的風電和光伏發電功率等于風電場和光伏電站的最大出力，建立如下約束：

(3)

2.2.2 水電的消納約束

蓄水式水電站具有容量較大的水庫，當風電場和光伏電站出力較大時，水庫可以將該時段多余的發電用水量進行儲存，用于其他時段的水力發電，建立的水電電量平衡約束為

(4)

2.2.3 功率平衡約束[14]

(5)

2.2.4 線路傳輸容量約束

(6)

(7)

2.2.5 機組出力約束

(8)

(9)

(10)

(11)

2.2.6 水電站發電流量約束

水庫承擔著一定量的防洪、灌溉和生活用水等任務，水電站需要根據水庫調度部門安排發電用水量，可用水電資源應為調度部門分配的發電流量上下限，建立如下約束：

(12)

(13)

2.2.7 水電站水量平衡約束[17]

(14)

2.2.8 水電站庫容約束[18]

(15)

2.3 故障狀態的約束條件

由于系統在故障情況下可能出現切負荷，并且切負荷會造成系統潮流的改變，因此，需要修改功率平衡約束，增加負荷削減量約束，其他約束條件與式(3)(4)(6)(15)相同。

2.3.1 功率平衡約束

(16)

2.3.2 節點負荷削減量約束

節點負荷削減量受限于節點的負荷功率，建立如下約束

(17)

2.4 模型求解

由于式(2)～式(18)是典型的線性優化模型，文中采用成熟的商業軟件CPLEX求解器計算，具體求解流程如圖1所示。

圖1 模型求解流程圖Fig. 1 The flow chart of model solution

3 算例分析

3.1 測試網絡

為了驗證文中方法的有效性，根據中國南方某沿海地區110 kV電網2018年的電源結構和網架結構等信息，仿真分析新能源滲透率與最小負荷削減量期望值的關系，評估系統的新能源消納能力。2018年該區域有3座新能源電場，總容量為220.24 MW；1座火電廠，總容量為1 200 MW；4座蓄水式水電站，總容量為69.6 MW，年度負荷峰值為1 080.49 MW，網絡N-1預想故障集中的故障數量為97個。

3.2 場景生成結果

在冬、夏和春、秋季節內各選取1個典型日來反映當地電網2018年的運行情況。在每個典型日內，以電網中的123個節點作為功率采樣點，每隔5 min對各采樣點進行1次功率采樣獲得源荷功率的原始數據。結合當地電網的實際運行情況，典型日內的峰平谷時段劃分情況，如表1所示。

表1 典型日內的峰平谷時段劃分情況

根據采樣獲得的原始數據，采用文中提出的場景生成方法，分別在3個典型日的峰平谷時段內各生成3個典型場景，計算各個典型場景發生的概率。以2018年春/秋季的典型日3月21日的峰時段為例，得到典型場景如圖2所示。依據2018年3月21日平時段、谷時段和冬季、夏季典型日各時段內的原始數據，同樣可以生成對應的典型場景和獲得各典型場景發生的概率，不再詳細羅列。

圖2 2018年3月21日峰時段的典型場景生成結果Fig. 2 The typical scenarios of peak periods on march 21st, 2018

3.3 評估結果

3.3.1 新能源滲透率和最小負荷削減量的關系

基于測試網絡和典型場景數據，在正常運行狀態下，實現系統內的新能源全額消納，避免系統出現線路過載和切負荷等問題；在故障狀態下，根據N-1安全校核的預想故障集，計算出各個典型場景下的最小負荷削減量，如表2所示。

進一步結合預想故障數量和各個典型場景概率，可獲得最小負荷削減量的期望值。經計算可知，2018年該區域最小負荷削減量的期望值為0.288 1 MW。根據新能源滲透率的定義[19]，可獲得當前該區域的新能源滲透率為20.38%。調整新能源電場的裝機容量，并利用文中方法對最小負荷削減量的期望值進行求解，獲得不同新能源滲透率下的最小負荷削減量的期望值。需要注意的是，在改變新能源滲透率時仍需實現系統在正常運行狀態下全額消納新能源，并且不出現線路過載和切負荷等問題。根據不同新能源滲透率下的最小負荷削減量的期望值，兩者之間的關系曲線，如圖3所示。

可以看出，當新能源滲透率在0～68.74%時，最小負荷削減量的期望值為固定值，與新能源是否接入、新能源滲透率是否提高均沒有關系，其值始終為0.288 1 MW，因為在該滲透率區間內，電網的負荷需求主要依靠火電供給，某些線路故障后系統將失負荷，在負荷功率一定的前提下，系統失去的負荷量也是固定的。當新能源滲透率高于68.74%時，最小負荷削減量的期望值同新能源滲透率成正相關，負荷削減量將隨著新能源消納電量的增加而增大，原因是此時配電網中更多的負荷需求將依靠新能源電源供給，并且隨著滲透率的增加，新能源電源輸出功率增多，導致電源周圍的支路更為薄弱，使得故障發生后線路越限的數量增加，造成切負荷量的增多，給系統的安全可靠運行帶來更多的隱患。受限于新能源電場輸電線路傳輸容量的限制，新能源滲透率的上限為84.58%，對應最小負荷削減量的期望值最大為0.759 2 MW。當新能源滲透率超過上限時，系統在正常運行狀態下會出現線路過載的現象，無法安全運行。根據新能源滲透率上限，可以獲得系統的新能源消納能力，該區域年度新能源消納電量上限為3.592×105MW·h。

表2 各典型場景下的最小負荷削減量

圖3 新能源滲透率和最小負荷削減量期望值的關系曲線Fig. 3 The relation curve between renewable energy penetration and minimum load-shedding expected value

3.3.2 忽略電源的靈活性時新能源滲透率和最小負荷削減量的關系

為了進一步分析系統中靈活性電源的作用，在模型中不考慮蓄水式水電站的調節作用，求解不同新能源滲透率下的最小負荷削減量的期望值。圖4給出了系統忽略靈活性電源的調節作用時，新能源滲透率和最小負荷削減量期望值的關系曲線。

圖4 忽略電源靈活性時新能源滲透率和最小負荷削減量期望值的關系曲線Fig. 4 The relation curve between renewable energy penetration and minimum load-shedding expected value ignoring generation flexibility

可以看出，如果不考慮系統內靈活性電源的調節作用，新能源滲透率高于68.74%時，最小負荷削減量的期望值將和新能源滲透率成正相關，但是新能源滲透率上限僅為78.24%。這是因為忽略系統中靈活性電源的調節作用，新能源滲透率為78.24%時，線路在某些場景下會過載，導致新能源無法全額消納。根據新能源滲透率上限，獲得該區域年度新能源消納電量上限為3.312×105MW·h，該值明顯低于考慮電源靈活性時系統的新能源消納能力。此外，新能源滲透率上限對應的負荷削減量期望值為0.377 8 MW，該值高于圖3中新能源滲透率78.24%時的負荷削減量期望值0.369 2 MW。這是因為預想故障發生時，系統缺少可靈活調節電源，難以安全可靠地滿足負荷的供電需求，往往導致更多的負荷削減量。由此可見，利用系統內的靈活性電源可有效提高系統的新能源消納能力，減小新能源消納時的負荷削減量，提高系統的安全可靠性。

4 結束語

為了充分利用地區電網水電資源的靈活性以及有效評估地區電網的新能源消納能力，文中提出了考慮靈活性的地區電網新能源消納能力評估方法，該方法考慮了系統的正常運行狀態和N-1預想故障狀態。在正常運行狀態下，利用區域內電源的靈活性來實現新能源的全額消納，避免系統出現線路過載、切負荷等問題；在預想故障狀態下，進行N-1安全校核，優化最小負荷削減量的期望值。結果表明，當新能源滲透率超過一定值時，提高新能源滲透率會增加最小負荷削減量的期望值，意味著為了消納更多的新能源，系統在故障狀態下將以更多的負荷削減量為代價。通過對比分析，利用系統內的電源靈活性能夠有效地提升新能源消納能力，減少最小負荷削減量，提高新能源消納時系統的安全可靠性。