基于隨機生產模擬的新能源接入系統發電成本評估

0風電場參與隨機生產模擬研究隨著規模和數量的增加，風壓站和光照站在能源系統中的作用不容忽視。在電力規劃中,研究并網風電場與光伏電站對節約常規發電機組燃料及減少系統發電成本的貢獻意義重大。電力系統隨機生產模擬是評價電力系統運行技術經濟指標、分析生產成本及制定燃料計劃的主要工具,是電力系統規劃的重要組成部分。目前,在關于風電場參與隨機生產模擬的研究中,對風電場的處理主要有2種方法:一種是將風電場處理為多狀態機組,安排風電帶基荷;另一種是將風電場出力處理為負的負荷,直接在負荷中剔除。上述2種處理風電的方法均無法考慮實際電網中由于調峰問題造成的谷荷棄風帶來的功率損失。而關于光伏電站參與隨機生產模擬還未見相關的研究報道。本文結合隨機生產模擬的特性與風電場和光伏電站的電源特性開展研究,并利用IEEE-RTS79系統對該方法進行了測試驗證。1日負荷與風力的關系雖然風電與光伏電源均為間歇式電源接入電網,但它們的具體電源特性卻有顯著不同。風電特性取決于風資源特性。文獻的研究表明,風電波動主要與天氣相關,而天氣變化通常采用多天時間尺度,一般可忽略其與日負荷的相關性。風電并網后,風電電量能否全部利用主要取決于在日負荷谷荷時段是否有足夠的出力空間。負荷分布會制約風電電量的充分利用。晝夜交替使光伏電源天然具有日時間尺度的周期性,與日負荷強相關。通常光伏出力的變化趨勢與日負荷變化一致度較高,并且負荷日變化量一般遠大于光伏出力日變化量,所以可認為光伏電源并網后不會出現風電并網出力空間不足問題,即負荷分布不會制約光伏電源電量的充分利用。2電源的參與原則在經典隨機生產模擬的框架下,考察風、光電源的參與原則,主要需要明確的問題為:(1)風、光電源參與下如何形成負荷持續曲線;(2)機組帶負荷順序是否需要變化。2.1光伏電源出力修正負荷持續曲線由于隨機生產模擬核心是把發電機組的隨機停運與隨機負荷巧妙地結合起來,將發電機組的隨機停運和隨機負荷處理為相互獨立的隨機變量,按一定順序進行卷積運算。而光伏電源出力與負荷強相關,說明不能將光伏電源處理為獨立參與隨機生產模擬的多態機組,同時負荷分布不制約光伏電源電量的充分利用,說明將光伏電源出力合并到負荷持續曲線中去是合理的,所以應該用光伏電源出力修正原始負荷持續曲線。具體可根據光強的時序模型折算出光伏電源的時序出力,利用時序負荷曲線減去時序光伏電源出力得到凈負荷曲線,之后基于凈負荷曲線計算負荷持續曲線。圖1對比了原始負荷持續曲線和剔除光伏出力的凈負荷持續曲線,原始持續負荷曲線為IEEE-RTS測試系統負荷時序曲線整理得到,凈負荷持續曲線是IEEE-RTS測試系統負荷時序曲線減去某光伏電站全年出力整理得到。由圖1可知,由于光伏電源與負荷的在日時間尺度上的強相關性,使光伏電源對原始負荷分布中各個負荷水平影響是不均勻的,修改了負荷曲線形狀,這將影響帶腰荷的機組的發電量,也說明在隨機生產模擬中將光伏電源出力處理為與負荷相互獨立隨機變量是不可行的,應該將其作為負的負荷合并到負荷持續曲線中去。而對于風電,其電量能否充分利用受制于是否有充足的出力空間,涉及模擬過程中的細節,不適于將風電作為負的負荷,并且風電與負荷相關性可以忽略,均說明在隨機生產模擬過程中適宜將風電處理為多態機組。2.2等效負荷持續曲線由文獻可知在中國現有電源結構下,棄風主要來源于低谷負荷時風電出力空間不足,考慮這一運行約束,在隨機生產模擬中應該調整文獻中機組帶負荷順序。由原來將等效風電多態機組首先安排在基荷帶負荷,調整為安排完基荷機組后再安排等效風電多態機組帶負荷?；蓹C組通常包括核電機組、恒出力的水電機組及非啟停調峰的火電機組最小出力部分等。基荷容量的大小可通過泛化的調峰容量比推算得到。安排完風電后,可以按機組容量或經濟性順序安排化石燃料調峰機組帶負荷,按機組利用小時數順序安排調峰水電機組帶負荷,在水、火機組帶負荷順序的基礎上為水電機組找到合適的帶負荷位置使其充分發揮容量及電量價值?；诖朔N機組帶負荷順序,等效風電機組在等效負荷持續曲線上會出現如圖2所示的2種情況。圖2中C是風電裝機容量,陰影面積為風電總發電量。圖2a)陰影完全在等效持續負荷曲線內,此時不棄風;圖2b)陰影的一部分在等效持續負荷曲線外,此時棄風。對應可提出棄風指標:棄風功率損失期望(LossofWindEnergyExpectation,LWEE)和棄風比率(AbandonedWindRate,AWR),表達式如下:式中:S為圖2中陰影總面積;S*為等效負荷曲線內陰影所對應的面積。3隨機生產模擬流程根據上述分析,圖3給出含大規模風、光電源的電力系統隨機生產模擬流程。流程中安排機組帶負荷算法可采用卷積算法、半不變量法或等效電量函數法等,具體算法本文不再贅述。4隨機生產模擬、中風和光電源模型4.1基于機組的風電機組優化配置由文獻知,風電出力可由Beta分布描述。根據已知分布選擇適當的狀態數目可以形成風電出力的多狀態概率,或者直接選用多年運行的風電場未作擬合的離散的原始風電分布數據。通常在規劃階段只測得風速出力分布,此時可以通過風電機組模型將風速分布轉化成風電出力分布,進而通過選擇適當的狀態數目形成等效的風電多狀態機組。通常風速分布可以由Weibull分布、Rayleigh分布、Chi-2分布或Lognormal分布來描述。4.2光伏電池生物固性測試如果考慮光伏電池最大功率跟蹤策略,光伏電池的輸出功率如下式:式中:Ppv為光伏電池實際輸出功率;Ypv為光伏電池在標準測試條件下的額定功率;fpv為光伏電池損耗系數;RT為實際光輻射強度;RSTC為標準測試條件下的光輻射強度;α為光伏電池功率溫度系數;TC為實際環境溫度;TSTC為標準測試條件下的環境溫度,取25℃。根據式(3)及光伏電站時序光照強度水平和時序溫度水平可以形成光伏出力的時序出力曲線。5光伏機組模型及模型驗證本文采用算例為IEEE-RTS32機系統,裝機容量為3405MW,最大常規機組單機容量為400MW,最小常規機組單機容量為12MW,年最大負荷為2850MW。根據文獻關于算例調峰容量比的設置,折算得到各機組的最小出力。機組參數如表1所示。算例考察周期為一周,采用IEEE-RTS第50周時序負荷數據。算例假設可用水電電量為8400MW·h。光伏電源模型中選定中國規劃建設大規模光伏發電的西北地區(西寧:北緯36°,東經101°)作為光照強度設定取值區,通過HOMER軟件計算得到時序光照強度曲線,根據西寧的天氣歷史數據得到的時序溫度曲線。光伏電池損耗系數為0.87,光伏電池功率溫度系數取單晶硅典型值0.0046。風電模型中風速模型服從Weibull分布,形狀參數為1.96,尺度參數為6.54;風電機組模型采用文獻所描述模型,其中額定風速為14m/s,切入、切出風速分別為3m/s、25m/s。安排機組具體算法采用半不變量算法。根據本文方法對下述4種情景,得到計算結果如表2所示。情景1:并網風、光電源容量均為零。情景2:并網光伏電源容量為200MW。情景3:并網光伏電源容量為200MW,并網風電容量為300MW。情景4:并網光伏電源容量為200MW,并網風電容量為600MW。由表2可知,風光電源接入后有效地減少了系統的發電成本,節約了化石燃料。根據情景3和情景4可知,風電接入容量為300MW和600MW時均會出現風電功率損失,并且風電接入規模越大棄風功率損失越大,說明了算例系統中常規靈活電源比重較小,風電出力空間狹小。減小棄風功率可以通過利用啟停靈活燃氣機組替代強迫出力大的機組,或者通過有效的負荷管理修改負荷分布特性,削減峰谷差,以有效增加風電出力空間。6風電與光伏電源參與隨機生產模擬及風功率損失期望模型可再生能源并網會有效減少化石能源消耗,減小系統發電成本,帶來巨大的環境效益。本文從電源規劃的角度,利用隨機生產模擬對可再生能源接入系統發電成本進行了評估。根據風電與光伏電源