金沙江、雅礱江、大渡河流域水風光互補性分析

章雅雯，毛玉鑫，陶湘明，李基棟，朱燕梅，胡 楊

(1.四川大學水利水電學院，四川 成都 610065；2.水力學與山區河流開發保護國家重點實驗室，四川 成都 610065；3.中國長江電力股份有限公司，湖北 宜昌 443000；4.中國電建集團成都勘測設計研究院有限公司，四川 成都 610072；5.四川農業大學水利水電學院，四川 雅安 625014)

0 引 言

金沙江、雅礱江、大渡河流域水能資源豐富，是我國重要的水電基地和“風光水儲一體化”基地[1]。研究三江流域水風光互補性，對于把握水風光電源的多維發電特性及多能源之間的互補規律，優化“風光水儲一體化”基地配置，推動新型電力系統建設意義重大。

風、光等新能源受風速、太陽輻射、地理位置等環境氣象因素影響[2]而具有發電不可控[3]的特點，需要依賴調節性電源來平抑風光波動，保證風光電源的安全并網。水風光互補是一種重要的清潔的能源互補方式，國內外諸多學者已經對水風光能源的互補性開展了研究，并取得了初步研究成果。朱非林等[4]針對龍羊峽水電站及其近區風光資源的出力互補性開展了定量分析。周清平等[5]聚焦烏江流域對水風光一體化互補特性進行了定性分析。韓柳等[6]結合西北電網風光水火電源的實際運行數據，開展了多電源出力相關性研究。以上學者針對某一流域或某電站開展了水風光等多電源互補性規律研究[7]，但尚未有人聚焦大電網，分析流域水風光發電及互補性，且尚未涉及不同流域之間的橫向比較。本研究聚焦四川電網金沙江、雅礱江、大渡河三江流域水風光清潔能源，開展水風光多時間尺度發電特性分析，研究流域水風光能源多元組合多時間尺度互補規律，探討跨流域多能源互補性。

1 研究方法

對于含有多種電源的發電系統，為量化各電源之間的互補能力，可以通過相關性強弱判斷互補性強弱。兩個隨機變量之間的關聯程度強弱可用相關系數表述，相關系數約大，則關聯程度越強，反之，關聯程度越弱，意味著互補性越強[8]。目前，相關系數主要有Pearson、Kendall、Spearman等3種[9]。考慮到各相關系數的優缺點和適用性不同，本研究以上3種方法及總相關系數4種指標度量水風光互補性，各方法可以相互印證。

1.1 Pearson線性相關系數

Pearson線性相關系數可表示為

(1)

式(1)只能反應變量和變量之間的線性相關性。當ρ=0時，我們稱序列xi、yi之間沒有相關性；當ρ>0時，我們稱變量xi、yi之間為正相關性；當ρ<0時，我們稱變量xi、yi之間為負相關性，且如果ρ的絕對值越靠近1，那么變量xi、yi之間的線性相關性就越強[10]。在正態假設的情況下，ρ也可以對非線性的變量進行描述。如果同時對xi、yi的單調性進行一樣的線性變化，那么最終的ρ值將保持不變；如果進行的是非線性的變換，那么ρ值大小將發生變化。

1.2 Kendall秩相關系數

如果一個二維隨機向量(x，y)有(x1，y1)和(x2，y2)兩個相互獨立且與之同分布的觀測值，那么x和y之間的Kendall秩相關系數τ可表示為

τ=P((x1-x2)(y1-y2)>0)-P((x1-x2)(y1-y2)<0)

(2)

式中，(P((x1-x2)(y1-y2)>0)為和諧概率；P((x1-x2)(y1-y2)<0)為不和諧概率。

假設(xi，yi)，i=1，2，…，n是樣本中所得的觀測值，那么這一系列向量的Kendall秩相關系數可表示為

(3)

式中，c為和諧觀測對數；f為不和諧對數。

1.3 Spearman秩相關系數

對于線性關系的隨機變量和服從正態分布的非線性變量的描述，采用線性相關系數有較好效果[11]。若變量為非線性、或服從非正態分布，采用線性相關系數來描述就會存在比較大的誤差。本研究所分析對象為風電場、光伏電站和水電站出力，它們都具有非線性出力的特點，且光伏出力與正弦波相似，不符合線性或者正態性假設。這時，如果再用線性相關系數表述其相關性便缺少可信度。為更準確可靠地描述水風光多電源間的出力相關性，可使用Spearman秩相關系數。

Spearman秩相關系數可定義如下：假設抽取樣本x1，x2，…，xn都是從容量為n的一元總體中獲得，然后將此樣本中的xi(i=1，2，…，n)變成秩化向量，記為Ri，Ri表示第i個秩統計量，其中i=1，2，…，n。把R1，R2，…，Rn的總稱叫做秩統計量。用公式表達Spearman秩相關系數qxy為

(4)

由秩的定義可知

(5)

代入式(4)可得

(6)

式中，di=Ri-Si，i=1，2，3，…，n為第i個數據對的位次值之差。

可以看出，-1≤qxy≤1。當兩個向量完全相等時，其值為1，此時兩個向量為完全的正相關；當兩個向量完全相反時，其值為-1，此時兩個向量為完全互補。

1.4 總相關系數

此外，還有借助互信息的相關性度量方式，即總相關系數I，計算式為

(7)

總相關系數I是兩變量間的共有信息，共有信息越多，相關關系越強。

2 案例分析

2.1 流域水風光資源概況

四川省是中國第二大水能資源儲量地，約占全國水資源總量的22.4%，水力資源技術可開發量和全年發電量分別為1.48億kW和6 764億kW·h[12]。金沙江、雅礱江、大渡河3個流域富集四川省79.4%的水能資源，其技術可開發利用量分別為4 050萬、3 930萬、3 800萬kW，共計11 769萬kW。

除水能資源，“三江”流域風光能源儲量也相當豐富，風電和光伏分別占新能源總規劃的12%和88%，風光規劃規模總計8 860萬kW，風電和光伏分別為1 060萬、7 800萬kW。從各流域來看，雅礱江流域資源量最為豐富，光伏資源占比為53.65%，風電資源占50.69%，風光占三江總風光資源53.9%。金沙江流域有著僅次于雅礱江的風光資源，光伏、風電、風光資源各占三江總資源的27.07%、35.09%、27.21%，其中金沙江的風光資源主要分布在金沙江下游。大渡河流域的風光資源屬于三江中最少的，僅占三江風光資源的18.89%。四川省主要流域光伏、風電占比分別如圖1、2所示。

圖1 四川省主要流域光伏規劃規模占比

圖2 四川省主要流域風電規劃規模占比

2.2 流域水風光發電特性分析

2.2.1 水電發電特性

大渡河、雅礱江、金沙江三個流域梯級水電總裝機容量依次為2 139.6萬、1 920萬kW和3 918萬kW；豐、平、枯典型年多年平均出力分別為1 050.9萬、1 133.4萬kW和1 846.7萬kW；年平均發電量依次為922.5億、993.9億kW·h以及1 618.3億kW·h。除此之外，大渡河流域豐水期(6月～10月)以及枯水期(12月～翌年4月)平均出力分別是1 481.1萬kW和698.8萬kW；雅礱江流域豐水期及枯水期平均出力分別為1 221.1萬、1 065.9萬kW；金沙江流域豐水期和枯水期平均出力分別為2 108.6萬、1 722.1萬kW。

“三江”流域水電梯級水電站典型年發電特性指標據統計如表1所示，梯級電站出力特征曲線如圖3所示。

圖3 “三江”流域水電站出力

表1 “三江”流域水電梯級年內發電特性

根據表1中數據分析可得，綜合而言，大渡河

流域豐枯出力比最大，金沙江流域次之，雅礱江流域最小；同流域而言，豐水年豐枯出力比最大，枯水年豐枯出力比最小。

由圖3可知，大渡河流域水電出力年內波動最大，出力系數峰谷差為0.45，出力最大出現在9月，最小值出現在次年4月；雅金沙流域水電年內出力波動性較大，但豐、平、枯出力變化趨勢一致，系數峰谷差為0.31，出力最大值出現在9月，最小值出現在次年5月。

雅礱江流域水電年內出力曲線較為平緩，波動性最小，出力系數峰谷差為0.22，出力最大值出現在9月，最小值出現在6月。

2.2.2 風光發電特性

統計金沙江、雅礱江、大渡河“三江”流域風電出力特性指標如表2所示。統計“三江”流域風光出力特性，繪制出力系數曲線如圖4所示。

圖4 “三江”流域典型風光電站出力特性曲線

表2 “三江”流域風光電站出力特性指標

根據圖4可知，綜合而言“三江”流域風電出力波動強于光伏出力，流域內光伏出力變化不大，風電出力波動劇烈。風電出力最穩定的是大渡河流域，出力系數峰谷差為0.28，出力最小值出現在8月，出力最大值出現在1月；其次是雅礱江流域，峰谷差為0.43，出力最小值出現在7月，最大值出現在3月；最后是金沙江流域，峰谷差為0.63，出力最小值出現在7月，最大值出現在2月。風電年利用小時數最大的是大渡河流域，金沙江流域次之，雅礱江流域最少。光伏出力最穩定的是金沙江流域，峰谷差為0.05，出力最大值出現在4月，最小值出現在10月；其次是大渡河流域，峰谷差為0.08，出力最大值出現在3月，最小值出現在8月；最后是雅礱江流域，峰谷差為0.11，出力最大值出現在7月，最小值出現在3月。光伏年利用小時數最多的是大渡河流域，其次是雅礱江流域，金沙江流域最少。

2.3 流域內水風光互補性

分別對“三江”流域水風、水光、風光出力相關性進行分析得Pearson、Kendall、Spearman相關系數，同時，利用Pearson系數計算“三江”流域總相關系數I如表3所示。

表3 “三江”流域出力相關系數

對表中數據進行分析，大渡河、雅礱江、金沙江三個流域的水風、水光相關系數整體呈現負值，即具有互補性，而風光相關系數整體呈現正值，具有同步性。

綜合而言，“三江”流域內部水風光多種電源之間水風、水光兩兩具有互補性，風光之間具有同步性。大渡河流域光伏年利用小時數最大，雅礱江流域次之，金沙江流域最小。金沙江流域光伏最穩定，風電波動最大。

2.4 跨流域水風光互補性

分別對“三江”流域進行水風、水光、風光出力跨流域相關性分析可得Pearson、Kendall、Spearman相關系數，通過Pearson系數計算“三江”流域總相關系數I，結果如表4～6所示。

表4 雅礱江-大渡河跨流域出力相關系數

表5 金沙江-大渡河跨流域出力相關系數

表6 雅礱江-金沙江跨流域出力相關系數

對表中數據進行分析，就單一電源而言，三江流域兩兩之間的水電、風電、光伏相關系數為正值，具有同步性。

對多電源進行分析，查表中數據可得，大渡河流域水電與金沙江流域的風電、光伏以及雅礱江流域的風電光伏相關系數均為負值，兩兩之間具有互補性；大渡河流域風電與雅礱江流域的水電、光伏以及金沙江流域的水電光伏相關系數也均為負值，兩兩之間也具有互補性，同樣也可分析驗證大渡河流域光伏與雅礱江、金沙江流域水電和風電之間的互補性。

對金沙江流域和雅礱江流域多電源進行分析可得，金沙江流域水電與雅礱江流域的風電、光伏之間具有互補性；金沙江流域風電與雅礱江流域水電具有互補性，與雅礱江流域光伏則具有相關性；金沙江流域光伏與雅礱江流域水電之間具有互補性，與雅礱江流域風電之間具有同步性。

綜合而言，“三江”流域跨流域單一電源間具有同步性，對多電源進行分析，“三江”流域之間水風、水光、風光電源兩兩具有互補性。

3 結 語

本文依據水風光中長期和短期尺度的歷史發電出力曲線，建立互補性評價指標體系研究水風光多種能源之間的發電互補性，通過對四川省金沙江、雅礱江、大渡河“三江”流域案例分析計算，驗證了流域內水風光多種能源之間發電互補性，得出以下結論：

(1)大渡河梯級水電站豐枯出力比最大，金沙江梯級電站次之，雅礱江流域水電站最小；雅礱江流域水電年利用小時數最大，大渡河流域次之，金沙江流域最小；金沙江流域年發電量最大，雅礱江流域次之，大渡河流域最小。

(2)大渡河流域風電年利用小時數最大，金沙江流域次之，雅礱江流域最小；大渡河流域光伏年利用小時數最大，雅礱江流域次之，金沙江流域最小。金沙江流域光伏最穩定，風電波動最大。

(3)“三江”流域內部水風光多電源之間具有互補性；跨流域之間，水電、風電、光電同一電源之間具有同步性，而多種電源之間具有互補性。