考慮新能源爬坡的風光火耦合系統源荷匹配性分析及容量優化配置

夏芹芹, 羅永捷, 王榮茂, 鄒 堯, 羅桓桓 李金燦, 周念成, 王強鋼

(1.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;2.國網遼寧省電力有限公司,沈陽 110002; 3.廣西電網有限責任公司,南寧 530012)

當前,國務院出臺關于碳達峰、碳中和的重大戰略決策[1-2],全面推進風力發電(風電)、光伏發電(光伏)大規模開發和高質量發展,推動建立風、光互補調節的新能源發電基地.國家發展改革委員會和國家能源局指導相關企事業單位積極探索“風光水火儲一體化”實施,以提升各類能源互補協調能力[3].因此,研究風電、光伏的高效利用對推動新能源高質量發展、能源互補協調、降低火電機組碳排放具有現實意義.

然而,風光出力波動性和不確定性給電力系統帶來挑戰.一方面,風光出力波動性表現在預測與實際出力的誤差,這些誤差需要電力系統的可控靈活資源進行調控,如果調控能力不足可能引發棄風棄光或供電不足的問題[4];另一方面,風光出力波動性也表現在短時間內輸出功率發生大幅度單方向變化,即爬坡事件[5].風光爬坡事件主要與區域氣象資源有關[6-7].爬坡事件可能導致電力系統難以消納新能源,并可能威脅系統安全運行.因此,研究風電、光伏爬坡事件,減少其影響是新能源發電研究的重要課題之一.

風光不確定性首先可通過同地區的風光互補和源荷匹配解決.文獻[8]中提出描述風光出力與負荷貼近程度的負荷匹配和互補指標,對新能源互補進行評價;文獻[9]中考慮風光2種新能源之間的相關性,提出大規模風光互補的多目標電網擴展規劃方法;文獻[10]中針對風光互補發電系統,提出一種改進的優化規模確定方法,以實現注入電網的功率波動更小的目標.

除風光互補和源荷匹配外,風電、光伏不確定性主要由電力系統的可控靈活性發電資源進行消納.在我國北方地區,火力發電(火電)是發電側主要靈活性資源[11].當前,通過機組改造和政策支持,火電已具備更強的調控能力以更好地消納新能源[12].與僅具備常規調峰(RPR)能力的機組相比,具備深度調峰(DPR)能力的火電機組能夠低于正常最小出力運行[13],以提供更多調峰能力.此外,我國東北地區已有調峰輔助服務政策,使火電可通過該服務獲得額外利益[14].

火電與新能源的配合可采用耦合系統的形式.耦合系統是一種將物理距離較近的新能源和火電機組整合組成的集成系統.因其通過同一并網點連接到主電網,對外可視作單個電源由調度部門進行調控,系統運行者根據總出力對其內部電源出力進行分配,以提高各電源的協同性,并通過輔助服務獲得更多經濟效益.文獻[15]中考慮新能源與火電耦合系統的耦合機制,建立多維協同性能評價體系,并提出耦合潛力辨識方法,驗證耦合系統在電源協同互補方面的優勢.文獻[16]中提出一種通過階梯式爬坡率進行表征的火電機組深度調峰運行模型,應用于含風電和火電耦合系統的優化調度模型中,并通過仿真驗證含風電和火電的耦合系統中,通過充分挖掘火電的深度調峰特性可提高可再生能源的利用率.

在新能源與常規電源耦合的規劃方面,相關研究主要考慮綜合能源系統或電源打捆的形式.文獻[17]中針對基于冷熱電聯供系統耦合的電力、天然氣區域綜合能源系統,采用多階段規劃和多場景分析,獲得線路、管網規劃及冷熱電聯供系統的定容選址方案.文獻[18]中構建了一個考慮可靠性與成本的多目標協調電-氣耦合系統容量規劃模型,以實現發電機組與儲能裝置的選址定容.文獻[19]中提出一種基于時序運行模擬的風火打捆容量最優配比整定方法,對比大范圍區域中不同風火配比下的風電消納能力及運行經濟性數據,給出兼顧環保性、安全性與經濟性的風火配比.文獻[20]中以保證輸電工程的安全運行為目標,構建了一個考慮大區域新能源穿透功率極限、新能源出力反調峰及大波動風險的區域風光火打捆多目標優化配置模型.

總結上述文獻可知,目前已有的相關研究主要集中在多能源耦合系統容量規劃或發電側大范圍新能源與傳統電源打捆外送的宏觀層面容量規劃,缺少針對發電側含風、光、火且距離較近的多電源耦合系統的精細化源荷協同配合分析,缺少考慮風電、光伏爬坡特性和源荷匹配特性與耦合系統的相互影響,無法精確反映風光火資源在耦合系統內部電源間、耦合系統和外部負荷需求間的協同作用效果.此外,未有研究針對給定火電機組如何充分挖掘火電調峰能力及利用源荷特性,合理配置風電、光伏容量,組成高效協同風光火耦合系統作定量分析.

針對上述不足,以含風電、光伏、火電機組的耦合系統為基礎,考慮新能源爬坡特性和負荷關鍵指標,結合相關文件中控制新增火電、加快現役機組靈活性改造、推動火電向基礎保障性和調節性電源轉型的政策導向[1],研究在已有火電機組的情況下,風電、光伏的容量優化配置方法.首先,分析風光火耦合系統的運行模式,對相關不確定性變量進行表征;其次,提取風電、光伏及其耦合后的年爬坡事件總發生時間,結合關鍵負荷特性指標進行源荷匹配性評價;再次,以綜合收益最優為目標,建立考慮源荷特性、源荷匹配和多種成本、收益的不確定性風光火耦合系統容量優化配置模型;最后,通過我國遼寧地區的實際算例,驗證所提容量優化配置模型的有效性,并分析容量優化配置結果、爬坡事件及源荷匹配性的影響因素,為耦合系統規劃人員提供不同情形中風、光裝機容量配置的參考.本文的創新性主要在于:針對發電側風光火耦合系統,充分考慮源荷關鍵特性,確定已有火電機組如何配置風電、光伏的最優裝機容量,解決發電基地工程實際中電源協調配置問題;針對區域特點,從源、荷兩個方面挖掘和利用風光火耦合系統的規律,為新能源最優容量配置提供參考與提升建議.

1 風光火耦合系統的不確定性建模及其關鍵特征分析

1.1 風光火耦合系統的運行模式

風光火耦合系統由物理距離相近的火電、風電和光伏電源組成,并通過同一點接入主電網,其主要結構如圖1所示.風光火耦合系統運行模式為:①電力系統調度部門綜合考慮風、光、負荷預測數據和火電特性,制訂負荷需求計劃曲線;②耦合系統以自身經濟性最優原則,對外根據負荷需求計劃曲線發電,對內協調各電源出力;③耦合系統可從外部電力系統購買一定電量,也可進行一定的棄風、棄光;④耦合系統可參與調峰輔助服務獲得收益.在容量配置階段,調度部門可與耦合系統進行配合,針對性調整負荷需求曲線以實現源側和負荷側的匹配及雙向高效利用.

圖1 風光火耦合系統示意圖

1.2 不確定性的表征

本文考慮的不確定性變量包括風電、光伏發電功率和負荷需求,采用場景法表征不確定性.場景法的主要思想如下:①對每種類型的相互獨立不確定性變量或具有相關性的不確定性變量,根據其相應概率密度函數或聯合概率密度函數,獲得代表性場景及場景的相應概率[21-22];②根據不同類型的相互獨立不確定性變量概率密度函數及具有相關性的不確定性變量聯合概率密度函數,通過場景生成、聚合和削減,得到多個包含所有類型不確定性變量的場景及其相應概率,以此將不確定性問題轉換為多個確定性問題;由于得到的不確定性變量場景概率之和為1,最終可通過期望值體現在待求問題中[21].為表征風、光出力和負荷的不確定性,采用場景法的步驟如下:通過風、光發電功率和負荷1年12個月的月度數據,采用削減方法,每月生成一條具有代表性的典型日每小時期望風、光出力和負荷需求曲線,如圖2所示.考慮風、光出力、負荷需求之間相互獨立,采用正態分布表征每小時實際風、光出力、負荷需求與期望值的誤差,其中風、光出力、負荷需求對應正態分布的均值為其每小時期望值,即圖2中的值,方差與期望值和最大出力有關[16].使用上文所述場景法獲得同時考慮風、光出力和負荷整體曲線的代表性場景及其相應概率,用于耦合系統容量優化配置仿真,每小時最終場景數為5個,如圖3所示.使用MATLAB 進行場景生成和聚合,GAMS軟件提供的Scenred[23]模塊用于場景削減.結合12個典型日場景的風、光出力、負荷曲線及每個典型日中每個時刻的5個場景計算,每種不確定性變量的總場景數量為1 440個,根據文獻[21]中的研究,場景削減后的精度已經過驗證,故綜合考慮計算量與容量優化配置的目的,經削減后的場景數量能夠滿足精度需求.場景法的更多詳情可參考文獻[21-23].

圖2 每月典型日的期望風電、光伏出力和負荷需求曲線

圖3 場景法得到的每月典型日的風電、光伏出力和負荷需求具體場景

1.3 風電/光伏的爬坡事件分析

爬坡事件可表征風光出力的大尺度波動,是分析耦合系統所在地區風光資源,研究其出力互補性的重要手段.根據最優爬坡時段,同時考慮不確定性,對每個具體場景的風電、光伏及其耦合后的爬坡事件進行辨識分析.

目前對于爬坡事件主要有4種定義形式[6],其核心內容均為表征給定觀測時間段內功率變化是否超過閾值.在給定火電裝機容量配置風電、光伏裝機容量的耦合系統中,因靈活性調節資源固定,所關心的爬坡事件為觀測時間內新能源發電功率在單位時間內是否超過給定的實際數值.因此,風電、光伏爬坡事件的表征如下:給定時間和功率的序列{(t1,P1),(t2,P2),…,(tn,Pn)},如果在時間段[ts,te]內,存在

(Pe-Ps)/(te-ts)>|Ra|

(1)

則認為在起始時刻ts至結束時刻te時間段內發生爬坡事件.式中:Pe、Ps分別為te、ts時刻的功率;|Ra|為爬坡率閾值,當(Pe-Ps)/(te-ts)>Ra時,發生上爬坡;當(Pe-Ps)/(te-ts)<-Ra時,發生下爬坡.

(2)

式中:J(ti,tj)是在時間間隔[ti,tj]內獲得的最大分數,其值可通過tj-ti個子問題的最大值計算;W(ti,tk)是時間間隔[ti,tk]的權重,其值與發生爬坡事件的時間段長度有關,時間段長度越長,其值越大.更多關于最優爬坡時段的計算可參考文獻[24].

1.4 負荷的關鍵特征選取

風光火耦合系統的供電能力需要與耦合點外部的負荷需求相匹配才能夠更好地發揮耦合系統中發電資源的作用.因耦合系統同時為本地負荷和上級電力系統供電,針對其負荷需求曲線的制訂雖具有一定靈活調整空間,但負荷需求曲線的部分特性仍主要與耦合系統所在地區有關,難以改變.針對上述問題,從我國常用負荷特性指標[25]中,選擇年最大負荷、年峰谷差率及其對風光火耦合系統容量優化配置的結果影響進行研究.這些指標可隨負荷需求曲線的制訂直接改變,且在耦合系統容量優化配置研究中具有代表性.其中,年最大負荷涉及耦合系統最大供電能力,年峰谷差率與耦合系統調節能力相關.

1.5 源荷匹配性評價

為分析耦合系統所在區域的源荷耦合程度及影響因素,選取已有研究中的2個典型源荷評價指標,再針對其局限性提出額外2個源荷評價指標,共同對風光火耦合系統源荷匹配性進行評價.其中,選取的指標及其計算方法如下:

(1) 源荷追蹤系數[26].表征風、光出力曲線與負荷需求曲線的貼合程度,其值越大表示貼合程度越高.其公式表示為

(3)

(2) 源荷變化系數[26].表征風、光出力曲線與負荷需求曲線差值相對于其平均值的波動水平,其值越大表示曲線整體較平均值的波動水平越大.其公式表示為

(4)

上述指標主要表征源荷匹配后曲線的整體趨勢,無法反映源荷匹配后曲線在相鄰時刻的波動水平以分析火電機組爬坡壓力和調節能力.因此,提出源荷平均絕對值變化率和源荷動態時間彎曲距離指標,作為上述指標的補充,具體如下:

(1) 源荷平均絕對值變化率.表征風、光出力曲線與負荷需求曲線差值在相鄰時刻的波動率,其值越大表示曲線相鄰時刻波動越大.其公式為

(5)

(2) 源荷動態時間彎曲距離.表征風、光出力曲線與負荷需求曲線形態的相似程度,其值越小表示兩條曲線越相似[27],即相鄰時刻曲線差值變化越小.該指標通過迭代計算為

(6)

式中:Li,j為i時刻和j時刻的動態時間彎曲距離,L0,0=0,L0,j=Li,0=+∞;di,j為i時刻和j時刻風光出力與負荷需求的歐氏距離;I4為源荷動態時間彎曲距離.

所選取的源荷匹配評價指標具有顯著針對性,從源荷曲線數值差異、整體波動、相鄰時間波動和曲線時序相似度4個具體方面直觀反映源荷匹配中的不同關鍵特征.這些評價指標均可獨立使用,不依賴其指標之間的協助判斷,不受指標之間相關性的影響.

2 風光火耦合發電系統容量優化配置模型

從耦合系統運營者角度,風光火耦合系統容量規劃目標是最大化經濟效益,結合上文所述提倡減少新增火電機組的原則,風光火耦合系統容量配置主要考慮我國東北缺少水電地區中已投產的火電機組配置風光機組容量的場景,并以最大化經濟效益為目標.

2.1 目標函數

考慮風光出力和負荷需求的不確定性,建立一個兩階段不確定性風光火耦合系統容量規劃模型,在考慮耦合系統發電收益、調峰輔助服務收益、投資成本、運行維護成本和污染排放成本的條件下,實現年化總收入(FA)最大,目標函數如下:

maxFA=FGI-(FOP,d+FOP,u)-(FTE,d+FTE,u)+

FWTI,u+FPVI,u-FWTC,u-FPVC,u-Fgs,u

(7)

目標函數含有兩個決策階段,第1階段使用下標d表示,第2階段使用下標u表示.其中第1階段是確定性的,該階段的決策變量在不確定性被考慮前就已被確定;第2階段是不確定性的,該階段的決策變量是實時可變動資源對不確定因素在第1階段中產生影響后進行的修正.使用不同場景法表征模型中的不確定性因素,并在最終通過計算期望值將第2階段中的場景由不確定性轉化為確定性.式(7)中各部分計算的均為年化收益期望值.

式(7)中FGI為火電機組售電收益,與耦合系統參與調峰輔助服務的情況有關.根據東北電力市場輔助服務相關規定[14],當運行的火電機組發電功率小于補償基準時,可獲調峰輔助服務補償.風光火耦合系統可充分利用風光資源獲得調峰輔助服務補償,取得競爭優勢.火電機組的發電收益由下式計算:

(8)

(9)

pTH_EXP(g,tM)=PTH(g,tM)+

FGI(g,tM)=

(10)

式(7)中FOP,d+FOP,u為火電機組運行成本,考慮了火電機組常規調峰和深度調峰兩種狀態.常規調峰狀態運行費用考慮了機組單位發電量的煤耗和維護費用;深度調峰狀態由于火電機組工況較差,運行費用還需考慮此狀態的額外損耗費用,運行成本通過下式計算:

(11)

(12)

式中:aOP、bOP、cOP、aDPR、bDPR為擬合函數中的計算系數.

式(7)中FTE,d+FTE,u為火電機組污染排放處理費用:

(13)

式中:CTE(n)、ρTE(n)、τTE(n)分別為火電機組第n種污染物的單位當量處理費用、單位發電量排放系數和污染當量值;N為污染物總數,考慮的污染物為煙塵、SO2和NOx.

式(7)中FWTI,u、FPVI,u分別為風電、光伏的售電收益:

(14)

(15)

式中:PWT(tM,s)、PPV(tM,s)分別為考慮不同場景不確定性波動的風、光發電功率;CWT、CPV分別為風、光單位發電量售電收益.

式(7)中FWTC,u、FPVC,u分別為風、光的投資和維護成本.風電、光伏在壽命周期內維護成本相對固定且費用較低,同投資成本類似,可折算至單位裝機容量進行表征[29]:

(16)

(17)

式中:SWT、SPV分別為風電、光伏的規劃裝機容量;IWT、IPV分別為風電、光伏單位裝機容量的投資和維護成本;yWT、yPV分別為風電、光伏的使用年限;r為年利率.

式(7)中Fgs,u為耦合系統無法滿足負荷需求時從外部電力系統的購電費用:

Fgs,u=

(18)

式中:Cgs為從外部電力系統購買單位電量的費用;Pgs(tM,s)為不同場景下耦合系統從外部電力系統購買的發電功率,即耦合系統發電功率缺額.

2.2 約束條件

風光火耦合系統容量優化配置的約束條件包括功率平衡約束,電源相關發電約束,以及源荷匹配限制爬坡事件約束.約束條件針對每個典型日獨立列寫,不同月份典型日之間的約束無關聯.

2.2.1功率平衡約束 功率平衡約束反映耦合系統內部的發電功率應滿足耦合點的負荷需求:

PWT(t,s)=PL(t,s)-Pgs(t,s)

(19)

Pgs(t,s)應小于該時刻負荷需求預測值PL_pre(t)的一定比例,即Pgs(t,s)≤φLPL_pre(t),其中φL為比例系數.

2.2.2火電機組發電約束 火電機組發電約束主要包括運行狀態約束和爬坡約束:

(20)

火電機組的實時靈活性調節資源PTHR(g,t,s)會受到火電機組的爬坡率,當前出力狀態、出力范圍限制:

(21)

2.2.3風電/光伏發電約束 耦合系統中的風電和光伏在發電時可通過降低利用率以滿足功率平衡:

(22)

2.2.4風光爬坡事件限制約束 為限制耦合系統中的風電和光伏安裝容量過大引起爬坡事件增加,利用源荷耦合對相鄰時刻的凈功率差進行限制:

|(PWT(t″,s)+PPV(t″,s)-PL(t″,s))-

(PWT(t″,s)+PPV(t′,s)-PL(t′,s))|/

(t″-t′)≥σR

(23)

式中:1≤t′

2.3 決策變量

建立的風光火耦合系統容量優化配置模型中包括第1階段和第2階段決策變量.第1階段決策變量包括火電確定性發電功率PTH(g,t),風電、光伏的裝機容量SPV、SWT.第2階段決策變量包括火電靈活性發電功率PTHR(g,t,s),風電、光伏的實時出力PWT(t,s)、PPV(t,s),耦合系統供電缺額Pgs(t,s).

3 算例分析

3.1 算例基礎數據

以我國遼寧某區域具備形成圖1所示耦合系統條件的2臺600 MW火電機組為算例進行風光火耦合系統容量優化配置仿真.風、光出力及負荷需求曲線使用圖3所示的12個典型日場景及其相應概率,作為容量優化配置模型的輸入之一.本算例的調峰輔助服務相關政策參考文獻[14],火電機組的污染排放相關參數參考文獻[16],火電機組常規運行狀態和深度調峰狀態的最小出力為機組容量的50%和30%,爬坡率分別為9 MW/min和6 MW/min;源荷耦合后相鄰時刻的凈功率差限值σR為 100 MW;風電、光伏的裝機與運維綜合成本分別為 1.615 8×107元/MW和4.001×106元/MW,售電價格分別為850元/(MW·h)和740元/(MW·h),壽命分別為30 a和25 a;年利率為5%.為避免耦合系統中電源因各類情況無法供電可能導致的較大負荷缺額,最大負荷值僅考慮略大于或等于火電機組總裝機容量的情形.

建立的風光火耦合系統容量優化配置模型為混合整數非線性規劃模型.為方便求解,通過分段線性化和大M法將優化模型中整數變量松弛后[30]使用商業求解器Gurobi[31]進行求解,展示的結果均為期望值.

3.2 容量優化配置結果的影響因素分析

為研究負荷需求曲線最大值對容量優化配置結果的影響,基于區域原始負荷需求曲線,結合1.4節中選取的兩個負荷特性指標,考慮該區域的源荷特性,調整負荷需求曲線,研究上述因素對耦合系統容量優化配置結果的影響,結果如表1所示.需要注意的是,負荷曲線基于源荷特性僅作略微調整,保證容量優化配置有解且符合實際情況.

表1 不同情形風光火耦合系統容量優化配置結果

在峰谷差率和新能源利用率相等時,最大負荷減小會導致風光裝機容量和總綜合收益減小,且每減小100 MW最大負荷可導致新能源滲透率減少4%左右,如情形1、7、11和5、9,這是因為負荷整體減小后,更少的風光裝機容量即可滿足負荷需求.

在最大負荷和新能源利用率相等時,峰谷差率減小可導致風光裝機容量增大,總綜合收益增大,如情形1、5、7、9和3、6、8、10.這是由于負荷需求曲線的峰谷差率減小,使火電可投入更多的調節資源給風光,而風光在獲得更多調節資源后,能增加裝機容量使總收益變大.雖然負荷峰谷差率受區域負荷特性影響無法大幅調整,但可略微減小以提升耦合系統綜合收益.

在最大負荷和峰谷差率相等時,新能源利用率減小可導致風光總裝機容量和總收益變大,如情形1～4和情形7～8.這是由于新能源最小利用率的降低表示耦合系統可棄更多風光發電負荷.由此,在一些風光出力較極端且耦合系統的新能源最小利用率較低的場景下,通過棄風棄光即可滿足功率平衡需求;此外,更多的棄風棄光意味著火電投入的調節資源更少.上述因素綜合作用導致風光裝機容量及綜合收益增大,仍需指出,新能源最小利用率減小雖利于提升綜合收益,但棄風棄光過多與保證新能源最小利用率的政策不符.因此耦合系統容量優化配置中,應考慮新能源最小利用率達一定標準.

計算不同情形下風電、光伏的裝機容量比可知,風電裝機容量大于光伏裝機容量,新能源最小利用率對風光裝機容量比影響較小,如情形1～4,這是由于新能源中風電在全時間段中具有更好的發電能力,且爬坡事件發生較少,新能源最小利用率主要與運行情況有關;最大負荷相同時,負荷峰谷差率減小可導致風光裝機容量比增大,如情形1和5,這是由于負荷峰谷差率減小可使火電具有更多的靈活性資源平抑新能源波動,而新能源中風電在全時間段中具有更好的發電能力;負荷峰谷差率相同時,最大負荷減小可導致風光裝機容量比減小,如情形1、7、11,這是由于最大負荷減小后,新能源裝機容量需求減小,而風電裝機成本較光伏高.

綜合上述情形,本文研究區域的耦合系統中,考慮最大負荷略大于火電機組總裝機容量的情況,新能源的最佳滲透率主要在30%～40%左右,其中風電裝機容量大于光伏裝機容量,且隨著新能源滲透率增大,風光裝機容量比增加;當最大負荷較大、峰谷差率和新能源最小利用率均較小時,耦合系統的新能源滲透率可達到40%以上,如情形6所示.

3.3 爬坡事件的影響因素分析

采用1.3節中最優爬坡區間計算方法,分析耦合系統中風、光年爬坡事件,風光耦合后爬坡事件的影響因素.

首先分析不同爬坡閾值對上述爬坡事件發生時間的影響,設置最大負荷為 1 400 MW,峰谷差率為0.55,新能源最小利用率為0.9,爬坡閾值設置為30～120 MW,間隔1 MW,分別計算風、光和風光耦合后年爬坡事件總發生時間,結果如圖4所示.由圖可知,在相同爬坡閾值下,光伏比風電的年爬坡事件總發生時間高出很多,結合圖2中風光期望出力曲線可知,該地區風電整體波動較小,而光伏在每天日出和日落時功率變化很大,容易發生爬坡事件.爬坡閾值較小和較大,即30～50 MW和75～120 MW時,風光耦合后的年爬坡事件總發生時間小于光伏的年爬坡事件總發生時間;爬坡閾值處于中等值,即50～75 MW時,風光耦合后的年爬坡事件總發生時間大于光伏的年爬坡事件總發生時間;在本節研究的爬坡閾值下,風光耦合后的年爬坡事件總發生時間幾乎均小于風電、光伏的年爬坡事件總發生時間直接相加.上述現象說明該地區的風光互補性較好,風電可以減少光伏爬坡事件,尤其在抑制較大或者較小的爬坡事件時效果較好.

圖4 風電、光伏及其耦合后年爬坡事件總發生時間與爬坡閾值的關系

其次分析給定爬坡閾值下,不同容量優化配置結果對風、光年爬坡事件總發生時間和風光耦合后年爬坡事件總發生時間的影響,爬坡閾值設為80 MW,結果如圖5所示,圖中10組數據從左至右分別對應情形1～10.分析可得,雖然新能源裝機容量大會引起其波動變大,更易達到給定爬坡閾值,但年爬坡事件總發生時間與風光裝機容量并非完全正相關,如情形4和5.這是因為最大負荷、峰谷差率較大,新能源利用率較小時,風電、光伏會為了追求更多收益進行更多棄風、棄光,從而引起更大波動,導致爬坡事件增加.綜上,耦合系統的新能源最小利用率不應過小,否則會導致出現更多爬坡事件,增加火電機組的調峰壓力,并可能進一步引起其他問題.

圖5 80 MW爬坡閾值下不同情形風電、光伏及其耦合后爬坡事件影響分析

綜上所述,該地區風電是較為優質的新能源,其爬坡事件發生概率較小,同時與光伏相比全天均具備發電能力,因此風電可較光伏配置更多裝機容量.

3.4 源荷匹配性的影響因素分析

根據容量優化配置結果計算源荷匹配評價指標并分析其影響因素,結果如圖6所示.由圖可見,最大負荷減小,源荷追蹤系數增大,而源荷變化系數、源荷平均絕對值變化和源荷動態時間彎曲距離均減小,如情形1、7、11,這是因為最大負荷減小導致負荷需求曲線整體波動和變化變小,同時風光出力可更好地追蹤負荷需求,并更好地與負荷需求曲線保持一致;峰谷差率減小可導致源荷追蹤系數、源荷平均絕對值變化和源荷動態時間彎曲距離減小,源荷變化系數增大,如情形3、6,這是由于峰谷差率減小時的負荷需求曲線更平緩,但負荷需求曲線的平緩會導致新能源出力曲線與其更難貼合和近似;新能源最小利用率減小會導致4個源荷匹配指標增大,如情形1～4,這是由于新能源最小利用率減小后,風光可靈活棄風、棄光以更好地貼近負荷曲線并保持形狀相似.這有利于源荷匹配且可減小其匹配后的波動,但因新能源最小利用率減小導致風光裝機容量增大,在裝機容量增大的同時為保證耦合系統利益最大化,會在風光充足時優先出力,上述原因共同作用使源荷變化系數、源荷平均絕對值變化和源荷動態時間彎曲距離略微提升.

圖6 源荷匹配評價指標分析

從源荷匹配評價可以看出,在源荷匹配較好時,適當降低可再生能源最小利用率可進一步增加風、光裝機容量,即盡可能合適的負荷需求曲線制定對耦合系統的收益及新能源的充分利用具有較大作用.

4 結語

研究風光火耦合系統的容量優化配置,針對已有火電機組,考慮多種源荷特性、成本和收益,配置風電、光伏的裝機容量,并分析多種源荷因素與容量優化配置結果之間的相互影響.以遼寧地區含兩臺600 MW 火電機組的風光火耦合系統容量優化配置為算例進行仿真,結果表明:減小新能源最小利用率、峰谷差率和發電缺額率可增大裝機容量;該地區風電發生爬坡事件的概率較光伏小,風、光互補后,可較好地平抑較大和較小的爬坡事件;新能源最小利用率小會導致更多爬坡事件發生,增加火電的調峰壓力;最大負荷和峰谷差率對源荷匹配性有相反的影響,減小新能源最小利用率有利于更好的源荷匹配.綜上所述,本文研究區域的耦合系統中,考慮最大負荷略大于火電機組總裝機容量的情況,新能源的最佳滲透率在30%～40%左右;其中風電可較光伏配置更多裝機容量,以實現更好的爬坡事件平抑及源荷匹配;若源荷匹配較好,適當減小新能源最小利用率可進一步增加新能源的裝機容量.