电力系统备用策略评析

大规模风电接入电力系统备用决策方法

风电在不同时间尺度上较大的随机波动性及其难以准确预测的特性，使得系统需要配置额外的备用容量予以应对[14]。文献[15]认为风电出力波动主要对系统的二次、三次备用产生影响。文献[16]认为大规模风电接入后，系统秒至分钟级的自动发电控制(AGC)容量需求没有显著增加，日内调峰容量需求随风电装机容量的增加显著增长。随着风电接入的变化，如何量化所需的备用容量以及如何优化与配置这些备用成为电力系统备用决策亟需解决的问题。传统电力系统运营模式下，备用容量的设置是确定性的，主要针对机组停运和负荷波动等因素，常用的标准有N-1准则、负荷百分比准则或两者的结合。各所属电厂在确定的运行方式下留有一定备用容量，归系统调度员调度。这种决策方式简单方便，但由于不考虑机组停运、负荷波动等情况发生的概率，容易造成备用容量有时过剩、有时不足的结果，不利于系统经济运行。尤其大规模风电接入给系统带来了更大的不确定性，传统的确定性备用决策方法已难以适用。针对确定性方法的不足，本节整理归纳了4种常见的概率性备用决策方法，分析各自特点，并对风电的处理方式、备用决策与机组组合的关系等问题进行了梳理与总结。标准差法风电出力的预测一般由预测值和误差来表示，其中，误差体现了预测结果的不确定性。在美国纽约州能源开发与研究管理局(NYSERDA)关于风电并网的研究中，负荷跟踪备用需求被设置为系统净负荷（电力负荷与风电出力之差）预测标准差的3倍，此方式原则上能够满足所有潜在实例的99.74%[17]。文献[18]考虑到风电预测误差比正态分布的尾部更长，采用了3.5σ标准。文献[19]在对北欧4国运行备用的研究中采用了4σ标准（99.99%的置信度）。事实上，很多国家和地区，如美国的纽约州、明尼苏达州，在系统实际运行中都采用了类似的备用设置标准[20]。文献[21]通过算例比较了此类方法与传统的确定性方法，提出加强对不确定性的估计以及建立概率性方法的评价体系是非常必要与重要的。标准差法直观地反映了综合误差的概率分布与备用需求之间的关系，计算简单；不足之处是未能计及常规发电机组出力的不确定性，且置信度的物理含义并不明确。基于可靠性的方法备用需求与系统对可靠性的要求密切相关。经典的基于可靠性的备用决策当属早期的PJM方法[22]。后来，Billinton定义了“投运风险度”的概念，将系统的备用决策与可靠性指标关联起来[23]。但可靠性指标与机组运行状态、出力及备用之间并没有显式的函数关系式，因此，无法通过可靠性指标直接求解备用需求。针对这一问题，文献[24]采用分步研究的思路，将给定条件下机组组合与组合确定后的可靠性指标计算结合起来，通过反复迭代实现对备用容量的修正。文献[25]则尝试通过拟合的手段，寻找可靠性指标与备用容量之间的关系式，用可靠性约束代替备用约束，在机组优化的过程中同步实现备用容量的估计。针对大规模风电的接入，文献[26-27]都是以PJM方法为基础，形成计及风电的发电停运容量概率表COPT(capacityoutageprobabilitytable)。其中，文献[26]用条件概率分布处理风电出力，文献[27]建立了含4种不同的风能状态的风电场出力模型。在建立可靠性指标与备用容量的函数关系方面，文献[28-29]在特定场景下，建立了每小时失负荷概率与机组停运概率、净负荷概率密度之间的解析表达式。但由于解析式非常复杂，该方法在应用上有一定困难。文献[30]将含风电的电源停运容量累积概率用高斯函数拟合，得出了备用需求和失负荷概率LOLP（lossofloadprobability）之间的关系式，作为约束引入机组组合。基于可靠性的方法通过人为设定必须满足的可靠性指标，确保系统在运行中始终保持这一可靠性水平。不足是在安全性与经济性之间缺乏协调。基于成本-效益的方法发电机组担当备用或者系统获取备用容量都需要付出相应的成本，同时，备用容量的存在减少了电力系统失负荷的概率，为系统创造了效益。因此，系统的安全可靠性应该建立在对系统运行与失负荷的成本-效益分析的基础上。基于成本-效益的方法的目标函数通常为最小化社会总成本或最大化社会福利，通过对备用容量成本和经济价值的分析，寻找目标函数最优点，同时也是备用最优点[31]。决策不需要设置必须满足的可靠性水平。此方法在应用中的难点是如何获得消费者的停运成本曲线[32]。另外，备用市场及其与电能主市场之间的交易决策关系对系统备用容量的优化也有一定影响。如何在基于成本-效益的方法中考虑大规模风电的影响?文献[33]采用风电盈余罚函数的方法在短期调度模型中量化风电不确定性的影响，也有在动态经济调度中使用上、下备用约束的[34]，这属于确定性的处理方式。文献[35]将净负荷预测误差概率分布函数分为若干区间，每个区间通过文献[31]的成本-效益法确定最优备用，再对所有的最优备用按概率加权汇总。文献[36]把净负荷误差看作新的发电机组，通过近似离散处理，使其成为多状态机组引入COPT。文献[37-38]采用了场景树（scenariotree）的方法，对每个研究时段的净负荷（或风电）预测值都定义了3种场景，形成了多时段预测场景树。以上备用决策都是离线方式，文献[39]提出了一种在线决策备用容量的管理方法，通过等效成本法和价值函数法2种决策方式，全面地体现决策者对失负荷的态度，使备用的确定更加灵活、富有个性。可靠性与经济性是系统运行的两个基本要求，单纯侧重任何一方都显得决策有失偏颇。文献[40]在机会约束规划框架下，以经济运行为目标，以可靠性水平为约束进行备用决策。文献[13]在此基础上考虑了风电出力的偏差，建立了含风电场的系统备用容量获取模型。文献[41]将风电接入电力系统发电的经济性和旋转备用的可靠性问题作为多目标优化问题进行求解，在一定程度上，兼顾了系统经济性与可靠性。基于风险价值的方法基于风险价值理论的VaR(valueatrisk)方法是衡量和管理金融市场风险的重要方法，由于其简便、灵活的特点，被广泛应用到很多学科。在电力工业中的应用多见于发电商的竞价策略、购电优化决策、电网投资风险评估等，亦有学者将其应用到大规模风电并网的相关研究课题[42]。文献[43]提出了风险备用RaR(reserveatrisk)和条件风险备用CRaR(conditionalreserveatrisk)2个可靠性指标，并建立了基于CRaR的风险偏好型容量组合模型。文献[44]根据预测误差的置信度水平，将风电预测功率分为可靠出力和不可靠出力，前者参与系统调度，后者需要额外配置备用，采用解析法求解。为了更好地体现备用需求尾部的分布，文献[45]定义了条件风险备用，并利用其效用函数，建立了含大规模风电的系统备用决策模型，不仅能反映决策者对风险的态度，还能体现预测时间长短对备用需求的影响。文献[46]重点研究了历史误差样本的数据窗选择问题；提出了基于可信度理论的信度风险值(credibilitywindpoweratrisk)的概念和解决方法，作为系统备用决策的参考。大规模风电接入系统的备用决策，除了上述4类方法之外，文献[47]提出了一种利用随机微分方程模拟连续时间尺度的系统净负荷及电源出力，进而确定实时平衡功率即备用需求的方法。文献[48]用频域方法模拟风电场出力，通过持续曲线的方式确定正常和极端天气情况下系统的备用需求。小结综上，大规模风电接入系统的备用决策方法针对引起备用需求的不确定因素进行分析，在常规电源系统备用决策方法的基础上纳入风电的影响，常用的方式有：1）概率密度函数法。通过风速的概率分布再经风电场建模，或直接利用风电出力的历史数据，拟合风电出力或其预测误差或净负荷预测误差的概率密度函数，求解在某一置信度下相应的备用需求，如文献[17-19，27-28]等。2）场景法。设定几种可能的风电出力场景，如文献[30]根据风能的概率分布枚举出4种风电场出力状态；文献[35，38]根据净负荷误差的概率密度分布函数将其离散化为不同概率的典型场景，形成场景树，此方法的关键是在场景多少和计算精度之间进行平衡，一般需要用智能算法求解并配合场景缩减的措施[49]。3）随机模拟法。采用某种模拟方法，给出系统未来各种可能运行状态及相应的概率，在概率框架下进行备用决策。如文献[27，50]建立了风电场出力的马尔科夫链模型，文献[39，51]采用了蒙特卡洛模拟法。备用决策与机组组合是相互关联、不可分割的。从两者关系的角度再看前面所归纳的方法，基本上可以分为2类：一是在机组组合之前，预先确定系统总的备用需求（通常对应一定的可靠性水平），如[27-30]等；二是将机组组合与备用决策一并考虑，以成本最低为目标函数，将机组出力、备用容量等作为优化变量，如[31，37-38]等。第一类方法先量化、再分配，在满足系统可靠性的前提下，从经济性考虑或从环保的角度考虑，在不同类型的机组之间进行备用容量的合理分配。第二类方法量化与分配一体化完成，更符合电力系统运行的本质。因为备用容量的确定、调配与机组发电组合都是调度发电机组的出力，确定每台机组实际发多少用于满足负荷需要，剩余多少作为保证可靠供电的备用，因此，需要将两者有机地结合起来进行整体优化，但在建模和求解方面会相对复杂。

大规模风电接入电力系统备用容量配置

前面总结的备用决策方法都基于一个共同的假设前提：备用容量由电网公司或市场运营机构在发电侧进行配置。事实上，备用容量也可以从需求侧配置。本节将分别从电源侧和需求侧系统地讨论大规模风电接入电力系统的备用容量的配置问题。电源侧。大规模风电接入在一定程度上减少了系统对常规电源的需求，另一方面，风电的随机波动性、反调峰特性和难以调度性又增加了对承担调峰任务的常规机组的需求。在常规调峰技术的基础上，为了避免机组频繁启停，发电公司可尝试采用火电机组深度调峰的运行方式，其关键是锅炉的低负荷稳燃技术。另外，火电机组的安全性、可靠性与经济性是深度调峰运行需要关注的问题。为了平抑风电的功率波动，有学者提出了多种电源联合运行的思路[52-54]。文献[52]认为水电与风电在技术上和季节上具有互补性，水库的蓄水能力可以平抑来水的短期波动，使水电具有良好的容量特性。利用水电的容量支持风电、风电的电量支持水电，从而保障火电机组开停机稳定性。文献[53]认为太阳能与风能在时间和地域上也具有互补性，与独立风力发电或光伏发电相比，风光互补混合系统能使电力输出更可靠、更平稳。文献[54]以酒泉风电基地为例，论证了在考虑负荷特性、电网与风电技术出力等约束后，风、光、水、火电联合打捆外送是近期该基地大规模风电外送的最可行方式。随着能量存储技术的迅速发展，近年来，越来越多的储能系统在电力系统中得到应用。不同的储能技术具有不同的容量调节范围（从几十kW到几百MW）和不同的放电时间（从毫秒级到小时级），非常适合用来平抑风电的功率波动[55]。储能技术与风电规划相结合将对风电发展产生推动作用。目前，在我国较为可行的储能技术是风电与抽水蓄能电站相互配合运行。文献[56]针对江苏电网“十三五”的电力发展目标，提出了风电、核电、抽水蓄能机组联合运行的电源规划建设方案，并研究了其容量配比与电源布局。文献[57]考虑到峰谷电价政策，利用抽水蓄能电站的储能作用将低谷时段的低价电能调整为高峰时段的稀缺电能，不仅平抑了风电功率波动，更能取得显著的经济效益。随着控制技术日臻完善，风电场的内部调度和控制技术也在不断发展。既可以应用最优转速控制、平均功率控制、随机最优控制等控制策略对单个风电机组实施有功控制[58]，也可以通过对内部各台风电机组的协调优化实现对整个风电场的有功控制。通过先进的技术手段和完善的政策支持，风电场不仅可以具备一定的自身调节能力，甚至还可以为系统提供一定备用[59]。需求侧。购买多种不同特性、不同价格的备用容量要比购买单一备用容量所付出的经济代价和所遭受的市场风险小得多，可靠性也更高。特别在应对大规模风电接入后可能出现的小概率、高风险的容量事故或者输电阻塞问题时，需求侧提供备用的优势更加明显。可中断负荷是需求侧提供备用最常见的形式。在可中断负荷参与备用市场方面，主要的研究集中在如何协调电源侧和需求侧两种备用资源，以达到预期的目标。文献[60]利用不同备用之间的经济互补性，建立了风险协调模型对各种备用进行优化，该方法比较适合工程应用。文献[61]从大规模风电接入、移动式负荷中断等方面对可再生能源接入下可中断负荷的参与形式、应用研究方法等问题进行了探讨。大规模风电接入对可中断负荷参与备用市场的影响主要体现在其随机性和波动性一方面增加了系统对可中断负荷的需求，另一方面也对可中断负荷的响应速度提出了更高的要求，增加了需求侧管理的难度。作为解决风电出力不确定性问题的一种有效方法——电动汽车这一储能装置，即V2H(vehicletohouse)或V2G(vehicletogrid)，将发挥重要作用[62]。文献[63]研究了电动汽车充电的负荷特性以及不同充电方式对电网的影响，建立了多时间尺度的电动汽车-风电协同调度数学模型，通过对华北、西北电网的仿真分析得出结论：调度电动汽车充电来抵消负荷下降而风电出力上升的功率不平衡，具有技术上的可行性。随着未来电动汽车接入规模的扩大，风电与电动汽车储能资源之间的协同效益会越来越明显[64]。备用的配置除了面临技术上的具体问题之外，更重要的是经济、管理与机制方面的问题。如，配置可中断负荷作为备用，必须对有移峰能力却意愿不足的用户实施可中断电价和尖峰电价；我国在储能电价方面政策不到位，国内储能产业缺乏相应的投资回报机制，制约了储能技术的产业化、规模化发展。文献[65]提出了一种市场模式下基于商的需求侧响应管理架构，旨在为大规模风电接入系统提供可靠的备用。

结语

风力发电的特点及其大规模接入增加了电力系统运行的不确定性，备用正是系统为了应对各种不确定性因素而设置的。广义上讲，备用的问题涉及到电力系统的各个环节：发电环节电力电量的平衡、输电环节风电的远距离大容量传输以及用电环节大规模风电的消纳等等，因此，备用的涵义不仅仅局限于超出负荷需求的那部分发电容量，而应拓展为包含一切应对系统不确定性的手段和方法。大规模风电接入电力系统的备用决策是一个涉及安全、经济、技术和管理的多目标协调优化问题，仍需大量的理论方法、技术和政策支持，以服务于大规模新能源发电接入电力系统的可靠、高效、经济运行。

作者：薛志英 周明 李庚银 单位：新能源电力系统国家重点实验室