能源互聯網中可再生能源發電建設的關鍵問題

陳凌琦，石雪梅，萬 磊，張李明

(國網安徽省電力有限公司建設分公司，安徽 合肥 230071)

近年來我國可再生能源發電發展迅猛，但以風電、光伏發電等為主導的能源供需體系，因發電量具有波動性和間歇性的特點，難以達到電網的并網要求，導致棄風與棄光現象十分嚴重[1-2]，這對電力行業的轉型提出了更高要求。

能源互聯網以可再生能源為主要能源單元，通過互聯網實現信息流與能量流的實時流動，能夠實現各種類型能源、傳輸網絡、能源和信息技術的高度耦合[3]，可以提高可再生能源的跨區域消納能力，是未來電網的發展方向。其中，對可再生能源出力進行合理準確的建模，是對其在能源互聯網中規劃的首要任務。以可再生能源中最為常見的風電和光伏發電為例，其出力分別與風速和光照強度密切相關，對其建模目前常用的方法有3種，分別是時間序列模型、機器學習模型和概率分布模型[4]。時間序列模型是建立在風速具有時間相關性的基礎上，通過分析其歷史時間變化規律來預測未來風速[5-6]，其階數對模擬結果的精度影響較大，低階誤差大，而高階模型參數估計困難，并且難以反映模擬目標的長期概率分布特征。機器學習模型則采用各種機器學習方法及智能算法模擬目標[7-8]，考慮到多種變量對目標的影響，具有較高的預測精度，但是模型復雜導致計算量較大，多用于風速的短期模擬。概率分布模型能夠比較準確地擬合目標的長期隨機特性。本文基于概率分布模型，分別對風電和光伏發電進行隨機建模，并將仿真結果與某地實際數據進行對照，驗證該方法的準確性，為能源互聯網中可再生能源的規劃運行奠定基礎。

1 能源互聯網簡介

1.1 能源互聯網的定義

能源互聯網，俗稱基于網絡的智能電網或智能電網2.0。能源互聯網就是把互聯網技術與可再生能源相結合，在能源開采、配送和利用上從傳統的集中式變為智能化的分散式，從而將全球的電網變成能源共享網絡。能源互聯網是以特高壓電網為骨干網架(通道)，以輸送清潔能源為主導，全球互聯泛在的堅強智能電網。總之，能源互聯網是以電力系統+互聯網為核心，以互聯網及其他前沿信息技術為基礎，以分布式可再生能源為主要一次能源，與天然氣網絡、交通網絡等其他系統緊密耦合而形成的復雜多網流系統。通過著力發展非煤能源，形成煤、油、氣、核、新能源、可再生能源多輪驅動的能源供應體系[9]。

1.2 能源互聯網的框架

能源互聯網的基本框架如圖1所示。

該系統內有包括風電、太陽能在內的新能源構成的發電系統，也有包括煤、天然氣和石油構成的供冷供熱系統[10]。它們之間相互融合并通過信息系統構成了“綜合能源供給系統”：一方面，多種能源通過電、冷、熱等形式的協調調度，全方面地滿足用戶的各種能源需求，提高能源供應的可靠性與安全性；另一方面，可以消除某一種能源的供應瓶頸，實現各種供能設備的高效利用。

從圖1可以發現，很多類型的能源都有特定的市場，如石油用于交通，天然氣以家用和供熱為主，可再生能源主要用于發電。對于一次能源長期形成的較為固化的產業鏈條，電能憑借其較好的兼容性可以充當其中的橋梁，實現可再生能源對其他高污染一次能源的逐步替代，這也是能源互聯網提出的最重要的目標。

2 可再生能源對能源互聯網的影響

可再生能源具有高滲透性、高隨機性和對等接入性[11]等特點。

2.1 高滲透性

隨著能源互聯網的發展，清潔能源將逐步替代化石能源，形成以風電、光伏發電等可再生能源為主的能源供應體系。

按照目前可再生能源發電的增速，清潔能源將在2050年達到世界能源需求總量的80%。在能源互聯網背景下，可再生能源的并入將會對能源的供需平衡構成新的挑戰。

2.2 高隨機性

在以化石燃料為主的傳統電力系統中，電源的隨機性不大，且穩定性高，控制策略完善。然而可再生能源具有很大的不確定性和不可控性，例如，風電受風速影響，光伏發電受光照強度影響。因此，可再生能源的大規模并網將大幅提高發電側的隨機性，影響供需兩側的平衡性，對電網的安全穩定運行造成威脅。

2.3 對等接入性

在能源互聯網的概念中，能量要實現自由傳輸[11-12]。能源的供給側與需求側界限將逐漸模糊，形成具有普適性能源接入接口的多元網絡，能源的供應模塊可以實現“即插即用”。可再生能源接入能源互聯網將免去人工報裝、審批的流程，實現自動識別與管理。這也對能源的接入標準、虛擬電廠和能源路由器等技術提出了高要求。

由此可以看出，可再生能源的發電量存在波動性和間歇性影響，而這種影響隨著其在發電側占比的增加而擴大，對在能源互聯網中進行規劃產生了不利的影響。對于能源互聯網的規劃運行而言，對可再生能源進行建模是有必要的。

3 可再生能源的隨機建模

可再生能源的隨機性和波動性使其出力呈現出不同特征，本文基于概率分析和隨機抽樣的理論，建立了風電和光伏的隨機模型。

3.1 風電的隨機建模

風機的出力主要由風機功率特性曲線和風速兩個因素決定。風速的統計特性一般服從于Weibul分布，其概率密度函數表達式：

(1)

(2)

(3)

式中s——Weibul概率密度函數的形狀參數；m——函數的尺度參數，它們均通過平均風速和標準差算出；vw——風速；σ——風速的標準差；μ——平均風速；Г——Gamma函數。

對于獲取不同季節的白天和夜晚的風速隨機特性，可以通過在模擬過程中改變Weibul分布中的s與m值來實現。

風機功率特性曲線近似滿足如下分段函數：

(4)

式中vi——切入風速；vs——額定風速；v0——切出風速；Ps——風機額定功率。

3.2 光伏發電的隨機建模

光伏電源在某時刻的出力由該時刻的輻射強度和溫度決定[11]，其具體出力關系由下式表示：

(5)

式中Pst——標準光照和標準溫度下的光伏出力；a——光伏電源接受的實際光照強度；αT——功率溫度系數；Ta——光伏電源的實際溫度。

模擬光伏電源出力的隨機性需要了解當地光照的特性，將某地的光照情況分成確定部分與隨機部分，確定部分由當地的地理情況決定，隨機部分受陰影和云層遮擋等隨機情況影響，通過Beta分布模擬其概率密度函數(a=0.5，b=1)：

(6)

(7)

則其實際光照強度可表示為：

Ia=(1-ε)Ist

(8)

式中Ist——在不考慮云層遮擋情況下的標準光照強度，由太陽直射輻射強度與散射輻射強度所構成。其中太陽直射輻射強度由日地距離、太陽直射透明度和太陽高度角所決定，散射輻射強度由太陽散射透明度、太陽高度角和大氣質量決定[12]；ε——陰影和云層等天氣變化對光伏電源出力的削減系數，根據Beta分布隨機數得到。

4 仿真與分析

4.1 風電算例分析

對中國西北某風電廠進行算例分析，取額定裝機容量100 MW的固定區域風電廠，基于風速標準差與平均值如表1所示。

表1 某風電廠四季風速標準差與與均值

基于Matlab搭建了風電廠的隨機出力模型，模擬出了風電廠一年中365 d每小時的出力數據。每個季節取一天，風電場出力模擬值與風電廠實際出力值對照如圖2所示。

由圖2可以看出，風電廠的隨機出力模型能夠較好地擬合出風電廠的實際出力。

4.2 光伏算例分析

對新疆某地區光伏電廠進行了算例分析，取額定裝機容量100 MW的固定區域光伏電廠。基于Matlab搭建了光伏電廠的隨機出力模型，模擬出了光伏電廠一年中365 d每小時的出力數據。每個季節取一天，光伏電廠出力模擬值與實際出力值對照如圖3所示。

由圖3可以看出，光伏電廠的隨機出力模型能夠較好地擬合出實際出力。

由風電與光伏的算例分析可以得出，模擬值與實際值兩者之間最大誤差點的誤差絕對值均不超過實際值的10%，能較好地反映出實際出力狀況，對可再生能源的規劃建設具有良好的參考價值。

5 結語與展望

(1)可再生能源的波動性與間歇性會對能源互聯網的規劃建設產生很大的影響。

(2)本文建模方法可以體現出風電在不同季節白天和晚上的出力特性，與實際數據匹配度較好。

(3)本文建模方法將光伏發電的光照情況分成確定與隨機兩部分分析，能較好地模擬實際的光照情況。

(4)本文建模方法對能源互聯網中可再生能源的規劃建設具有一定的參考意義。